automatización de procesos industriales.pdf
TRANSCRIPT
Automatizacion de ProcesosIndustriales
Ingeniero de Organizacion. Curso 1o
Jose Marıa Gonzalez deDurana
Dpto. I.S.A. EUI–UPV/EHU–
Vitoria-Gasteiz
Directory
. Indice
. Contenidos
Copyright c© 2005Ultima Revision: Febrero 2004
Indice
1. OBJETIVOS
2. METODO
3. EVALUACION
4. CONTENIDOS
5. Libros recomendados
. Tema 1. Introduccion
1. Perspectiva historica
2. La empresa productiva
2.1. El proceso productivo
2.2. Operaciones basicas de fabricacion
• Procesado de un elemento • Montaje • Movimiento de material• Almacenamiento • Inspeccion y control
2.3. Tipos de procesos
• Job Shops • Produccion por lotes • Lıneas de produccion • Produc-cion continua
2.4. Ubicacion de los procesos
• Producto en posicion fija • Por clases de procesos • En flujo deproducto • Por tecnologıa de grupo
3. El proceso en feedback
3.1. Esquema de regulacion en feedback
3.2. El significado del control
3.3. El control en la empresa
4. La automatizacion industrial
• Tecnicas analogicas • Tecnicas digitales
4.1. Estructuras de automatizacion
4.2. Ventajas e inconvenientes de la automatizacion
4.3. Elementos de la automatizacion
5. Modelos matematicos de sistemas
3
6. Modelado y simulacion de sistemas complejos
6.1. Importancia del modelado
• Lenguaje Unificado de Modelizacion (UML)
7. Estructura del curso
Parte I. Control de procesos de eventos discretos
. Tema 2. Sistemas booleanos
1. Dispositivos logicos
2. Algebra de Boole
2.1. Funciones booleanas
• Formas canonicas
2.2. Simplificacion de funciones booleanas
• Metodo de Karnaugh • Metodo de Quine-McCluskey • Algoritmo deQuine
3. Sistemas combinacionales
3.1. Funciones logicas elementales4
• Funcion NOT • Funcion AND • Funcion OR • Funcion NAND• Funcion NOR • Funcion XOR
4. Sistemas secuenciales
4.1. Automata de Mealy
4.2. Automata de Moore
4.3. Tablas de estado
4.4. Diagrama de estado
4.5. Dispositivos biestables
• Biestable R-S
. Tema 3. Modelos computacionales
1. Grafcet
1.1. Elementos basicos
• Etapas • Transiciones • Segmentos paralelos
1.2. Estructuras basicas
• Secuencia simple • Divergencia OR • Convergencia OR • Divergencia
5
AND • Convergencia AND • Saltos • Posibilidades avanzadas
2. Cartas de estado
2.1. Stateflow
2.2. Elementos de una carta de estado
• Estados • Transiciones • Uniones
2.3. Elementos de texto especiales
• Datos • Eventos
3. Creacion de un modelo con Stateflow–Simulink
• Observaciones • Ejemplo. Control de barrera de ferrocarril
Parte II. Control de procesos continuos
. Tema 4. Modelos de sistemas continuos
1. Ecuacion diferencial
1.1. Sistemas lineales - parametros constantes
• Modelo externo • Modelo interno
1.2. Modelo externo6
1.3. Modelo interno
1.4. Calculo de la respuesta temporal
• Calculo de la respuesta con Matlab
2. Simulink
• Ejemplo. Modelo simple • Ejemplo, Circuito electrico • Calculo conMatlab para c. alterna
3. Sistemas no lineales – pendulo
3.1. Respuesta – modelo externo
• Resolucion simbolica
3.2. Respuesta – modelo interno
4. Sistema de primer orden
5. Sistema de segundo orden
6. Linealizacion
• Ejemplo. Deposito
7. Respuesta de frecuencia7
7.1. Diagrama de Nyquist
7.2. Criterio de Nyquist
• Principio del argumento • Criterio de estabilidad de Nyquist • Ejem-plo 1 • Ejemplo 2 • Ejemplo 3 • Ejemplo 4
7.3. Diagramas de Bode
8. El lugar de las raıces
8.1. Reglas para el trazado
8.2. Trazado por computador
. Tema 5. Realizacion del control
1. Realizacion fısica
2. Sensores
2.1. Tipos de sensores
2.2. Clasificacion
2.3. Calibracion
2.4. Tipos de transductores
8
2.5. El potenciometro como sensor de posicion
3. Actuadores
3.1. Tipos de actuadores
3.2. Otros actuadores
3.3. Accesorios mecanicos
3.4. El motor de c.c.
3.5. Ecuaciones diferenciales
3.6. Modelo externo
3.7. Funcion de transferencia del motor
3.8. Reductor de velocidad
3.9. Funcion de transferencia del reductor
3.10.Reductor con poleas elasticas
3.11.Aplicacion practica: sistema de control de posicion
4. Especificaciones de funcionamiento
4.1. Especificaciones en tiempo
9
• Valores para el sistema de 2o orden • Otros valores
4.2. Especificaciones en frecuencia
5. Estabilidad, controlabilidad y observabilidad, sistemas lineales
. Tema 6. Diseno de Sistemas de Control continuos
1. Introduccion
2. Tipos de controladores
• Realizacion de los controladores • Controlador PID • Controladoresde adelanto y de retraso de fase • Controlador de adelanto-retraso conred pasiva • Controlador de adelanto-retraso con amp. operacional
3. Diseno en el lugar de las raıces
• Efecto de anadir un cero • Efecto de anadir un polo
3.1. Diseno de un controlador de adelanto de fase
3.2. Diseno de un controlador PID
Parte III. Automatizacion local
. Tema 7. Automatas programables
10
1. Descripcion de un PLC
2. Programacion de PLC’s
2.1. Ladder Diagram (LD)
3. Celula flexible SMC
3.1. Automata programable Omron CPM2A-30CDR-A
3.2. Ejemplos
. Tema 8. Sensores
1. Tipos de sensores
1.1. Clasificacion
1.2. Caracterısticas
2. Calibracion
3. Tipos de transductores
. Tema 9. Actuadores
1. Tipos de actuadores
11
1.1. Otros actuadores
1.2. Accesorios mecanicos
2. Neumatica
2.1. Valvulas
3. Automatismos electricos
3.1. El rele
3.2. Funciones logicas con reles
Parte IV. Automatizacion global
. Tema 10. Niveles de Automatizacion
1. Fabricacion inteligente
Parte V. APENDICES
. Tema A. Ecuaciones diferenciales
1. Ecuaciones diferenciales de primer orden
1.1. Problema de condiciones iniciales (PCI)
12
2. Estudio cualitativo
3. Orden de una ecuacion diferencial
4. Interpretacion geometrica
5. Sistemas de 2o orden
• Interpretacion geometrica
6. Solucion numerica
7. Solucion numerica con Matlab
• Interpretacion geometrica
7.1. Metodo de Kelvin
13
1. OBJETIVOS
• Formar personas con capacidad para el planeamiento, gestion, diseno y desa-rrollo de proyectos de automatizacion.
• Utilizar para ello las tecnologıas y metodos de actualidad.
• Inculcar un marco teorico en el que tengan cabida los complejos procesosproductivos.
• Analisis, diseno y realizacion.
• Visualizar los metodos y tecnologıas existentes.
2. METODO
• Clases teoricas: proyector (a completar), pizarra, ejercicios.
• Clases practicas: ordenador, ejercicios, montajes.
• Trabajos tutorizados.
• Tutorıas: cuestiones, ejercicios, trabajos.horario 2-cuatr: lunes de 10 a 12, miercoles y jueves de 17 a 19
14
3. EVALUACION
Trabajos: ejercicios, problemas, temas teoricos, programas, montajes.Calificacion: ≤ 2. Han de ser concertados con el profesor.
Practicas: ejercicios resueltos por computador, montajes.Calificacion: la nota (≤ 4) se pondera por el no de asistencias.
Nota: los trabajos y las practicas se hacen durante el curso, no en verano.
Examen: teorıa y problemas.
Calificaciones maximas:
Trabajos 2Practicas 4Examen 4Total 10
15
4. CONTENIDOS
Tema 1. IntroduccionParte I. Control de procesos de eventos discretosTema 2. Sistemas booleanosTema 3. Modelos computacionalesParte II. Control de procesos continuosTema 4. Modelos de sistemas continuosTema 5. Realizacion del controlTema 6. Diseno de sistemas de control continuosParte III. Automatizacion localTema 7. Automatas programablesTema 8. SensoresTema 9. ActuadoresParte IV. Automatizacion globalTema 10. La piramide de automatizacion
Fases. Analisis –obtencion de modelos computacionales, matematicos.
. Diseno –diseno y programacion de controladores, simulacion.
. Realizacion –matematica, computacional, fısica.
16
Herramientas
. Programacion en lenguajes estandar: C, C++, Java.
. Programas especıficos para control: Matlab, Scilab, Octave, Maple.
Prerrequisitos
. Algebra Lineal: espacios vectoriales, matrices.
. Analisis Matematico: analisis real y complejo (basico), ecuaciones dife-renciales ordinarias.
. Informatica: manejo del ordenador, windows, nociones de programacion(C, C++, Java).
. Fısica: nociones de mecanica, electricidad, calor, fluidos.
17
Sistemas continuos en el tiempo
Son sistemas de control cuyo modelo es una ecuacion diferencial (ordinaria)
dx
dt(t) = f(t, x, u), t ∈ R, x(t) ∈ Rn, u(t) ∈ Rq
f : R× Rn × Rq → Rn continua, u : R→ Rq (entrada, dada)
Las soluciones x(t) representan el “movimiento” del sistema.
Ecuacion de salida y(t) = g(x, u), y(t) ∈ Rp.
u1(t)
u2(t)
x(t)
y(t)
18
Sistemas discretos en el tiempo
El modelo es una ecuacion en diferencias finitas. t = k T ∈ T Z
x((k + 1)T ) = f(kT, x(kT ), u((k + 1)T )), x(t) ∈ Rn, u(t) ∈ Rq
f : R× Rn × Rq → Rn; u(t) : R→ Rq (entrada, dada).
T ∈ R : periodo de discretizacion o de muestreo.
Ecuacion de salida y(kT ) = g(x(kT ), u(kT )), y(t) ∈ Rp.
Acelerador de iones Tandetron. IBeAM, Arizona State University
19
Sistemas de eventos discretos – sistemas hıbridos
a) Producen eventos: sistemas continuos o discretos.b) Reaccionan ante eventos que reciben (sistemas reactivos).a � b) Sistemas hıbridos.Modelos matematicos: ecuacion diferencial (ordinaria)
dx
dt(t) = f(t, x, u), t ∈ R, x(t) ∈ Rn, u(t) ∈ Rq
f : R× Rn × Rq → Rn discontinua; u : R→ Rq (entrada, dada)Modelos computacionales: Matlab + Simulink + Stateflow
u(t)
x(t)
y(t)
s1
s2
s3
20
Ejercicios
Sistemas continuos
. Buscar ejemplos de sistemas de control continuos en t.
. Identificar en ellos las entradas y salidas.
. Si es posible, hallar n, p, q en cada uno de ellos.
Sistemas discretos
. Buscar ejemplos de sistemas de control discretos en t.
Sistemas reactivos
. Buscar ejemplos de sistemas reactivos.
. Identificar los procesos que emiten eventos y los que los reciben.
. Iniciar el estudio de MATLAB, Simulink y Stateflow.
21
5. Libros recomendados
Bibliografıa
[1] Paul H. Lewis, Hang YangSistemas de Control en IngenierıaPrencice Hall Inc., 1999
[2] Benjamin C. KuoSistemas Automaticos de ControlEditorial Prentice-Hall - 1996
[3] Emilio Garcıa MorenoAutomatizacion de procesos industrialesEditorial U.P.V. (Universidad Politecnica de Valencia). 1999
[4] M.P. Groover. Automation, Production Systems and Computer Aided Manufacturing.Prentice Hall. 1980.
[5] David Harel“Statecharts: A Visual formalism for Complex Systems”Science of Computer Programming 8, (1987) pp. 231-274.
[6] The International Electrotechnical Comision. The International Standard IEC-61631http://www.plcopen.org
22
Capıtulo 1. Introduccion
Automatizacion: teorıas y tecnologıas para sustituir el trabajo del hombre porel de la maquina. Mecanismo de feedback
Relacionada con las Teorıas de Control y de Sistemas.
Adopta los mas recientes avances.
Para automatizar procesos: saber como funcionan esos procesos.
. Procesos continuos
. Procesos comandados por eventos
. Procesos de fabricacion
Estudio – Visitas a empresas.
Procesos conectados entre si – gestion – marco jerarquico –
Estructura de la empresa – redes locales – buses de comunicacion
23
1. Perspectiva historica
Fuego:
. Homo sapiens→ calefaccion → alimentos
. Edad Bronce → metales → ceramica → “procesos fabricacion”
Energıa eolica:
. 2000 A.C: embarcaciones a vela
. 1000 A.C.: Fenicios → Mediterraneo
. Edad Media: Europa → molinos de viento
Energıa hidraulica: 50 A.C: Romanos → noria
Maquina de vapor
. James Watt, 1750 → Revolucion Industrial
. Maquina de vapor → bombas agua (minas de Gales)
. Automatizacion telares (Manchester)
24
Teorıas, tecnologıas y areas
. Teorıas
– Teorıas de Control, Sistemas y Senal– Sistemas de eventos discretos– Maquinas de estado, Redes de Petri, Grafcet, Statechart
. Tecnologıas
– Neumatica, Hidraulica– Electronica– Microprocesadores, Ordenadores, Automatas programables– Robotica– Comunicaciones– Desarrollo del software
. Areas tecnologicas
– Automatizacion de las maquinas-herramienta– Control por computador, CAD, CAM, CIM– Control de procesos distribuido– Celulas flexibles
25
2. La empresa productiva
Ente socioeconomico – adecuacion parcial de flujos: produccion y consumo
Dos subsistemas: uno para medir las necesidades de los consumidores y de tras-ferirles los productos que las satisfagan y otro que se encarga de la produccion.
Elemento productivo – Elemento consumidor (de materias primas)
Departamentos o secciones:
. Finanzas
. Gestion
. Compras
. Almacen de materias primas
. Produccion
. Almacen de productos terminados
. Ventas
26
Actividad de la empresa
Gestión
Almacén de Almacén deproductos terminadosProducciónmaterias primas
Finanzas
MERCADO
Compras Ventas
Gestion: controla a todos los demas
. parte superior: generacion del producto (gestion de produccion)
. parte inferior: ventas − comparas = beneficio (mercadotecnia)
Objetivo: maximizar el beneficio.
27
2.1. El proceso productivo
Sistema dinamico de control:
(Flujo de producto)-Materia primas Proceso
productivo (Flujo de producto)-Producto terminado
Internamente: diferentes subprocesos conectados entre sı.
. bloque o “funcion”: complejo sistema movido por eventos
. interconexion + naturaleza estocastica = complejidad
. conocer modelos matematicos de los procesos mas simples
.proceso → productoproceso 6← producto
28
2.2. Operaciones basicas de fabricacion
• Procesado de un elemento
-Materia prima Mecanizado -Pieza
• Montaje
-Mat. prima 1 Mecanizado 1 -Pieza 1
-Mat. prima 2 Mecanizado 2 -Pieza 2
Montaje -Producto
• Movimiento de material
• Almacenamiento
• Inspeccion y control
29
2.3. Tipos de procesos
• Job Shops
- amplia gama, alta tecnologıa, series medianas–pequenas
- mano de obra y maquinaria especializadas – elevados costes
• Produccion por lotes
- muy extendida – lotes tamano medio, cada lote de una tirada
- maquinaria y el personal preparados – cambio lote
• Lıneas de produccion
- cadena – grandes series - pocos productos – automoviles
- cintas trasportadoras – estaciones (proceso o montaje) – almacenes
• Produccion continua
- productos simples – grandes cantidades – petroquımica
- flujo continuo de producto
30
2.4. Ubicacion de los procesos
Importancia: procesos, comodidad del personal, cableados, buses etc.Programas simulacion (estocastica)
• Producto en posicion fija
El producto no debe moverse – obras – naval y aeronautica
• Por clases de procesos
Maquinas en locales por clases de procesos – mecanizado – flexible
• En flujo de producto
Maquinas a lo largo del flujo
• Por tecnologıa de grupo
Por clases + en flujo de producto
31
3. El proceso en feedback
ω( )t
B
C
Actuador
x
válvula
A
xC : consigna de velocidad ωref (fija)
Si ω aumenta
⇒ aumenta fuerza centrıfuga
⇒ bolas B se separan
⇒ A sube
⇒ x cierra valvula vapor de la caldera
⇒ baja la presion
⇒ ω disminuye
Feedback: artificio basico del control.
Governor de Watt
32
3.1. Esquema de regulacion en feedback
Basico en muchos procesos de la Naturaleza, incluso en los seres vivos.
-yref m+
ym(t)
-ε(t)C -x(t)
A -u(t) m+ -v(t)P r -y(t)
�M
6−
?
d(t)
yref−→ Entrada de referencia C Controladord(t)−→ Entrada perturbadora A Actuadory(t)−→ Salida P Planta o Procesoε(t)−→ Error M Medidor
33
3.2. El significado del control
Controlar: conducir, dirigir, gobernar, comardar, ...trayectoria prefijada — controles
chofer →
volanteaceleradorfrenoscambio de marchas
→ vehıculo
Teorıa de Control
sistema de control = entidad
– terminales de entrada (controles) → estımulos– terminales de salida → respuesta
Caja negra o bloque – planta o proceso
Entrada Salida- Bloque -
34
3.3. El control en la empresa
El esquema de feedback es aplicable los procesos de la empresa.
. Control de produccion
. Control de calidad
. Control de presupuestos
. Control de procesos
Elementos esenciales:
. medida de variables del proceso a controlar
. realimentacion de las variables medidas
. comparacion con una consigna
. actuacion sobre el proceso
35
4. La automatizacion industrial
Aplicar feedback – procesos continuos – procesos movidos por eventos
• Tecnicas analogicas
Controlador: mecanico, neumatico, hidraulico, electrico, electronico, optico
Procesos Continuos – controlador PID
x(t) = C(ε(t)) = Kp
(1 + Td
dx(t)dt
+1Ti
∫ t
0x(τ)dτ
)
• Tecnicas digitales
Ordenador – microprocesadores – microcontroladores – ordenador personal comuni-caciones – software ...
? Controladores para procesos continuos – PID
? Control de procesos de eventos discretos – automata programable
? Estructuras de control – Automatizacion Global
36
4.1. Estructuras de automatizacion
Proceso 1 Proceso 3 Proceso 4Proceso 2
. Automatizacion fija – produccion muy alta – automoviles
. Automatizacion programable – produccion baja – diversidad de productos
. Automatizacion flexible – produccion media – pocos productos
. Automatizacion total
37
4.2. Ventajas e inconvenientes de la automatizacion
Ventajas:
? Permite aumentar la produccion y adaptarla a la demanda? Disminuye el coste del producto? Consigue mejorar la calidad del producto y mantenerla constante? Mejora la gestion de la empresa? Disminuye de la mano de obra necesaria? Hace mas flexible el uso de la herramienta
Inconvenientes:
• Incremento del paro en la sociedad• Incremento de la energıa consumida por producto• Repercusion de la inversion en el coste del producto• Exigencia de mayor nivel de conocimientos de los operarios
38
4.3. Elementos de la automatizacion
. Mecanica: herramientas, mecanismos, maquinas, elementos de transporte
. Electrica: automatismos electricos, motores electricos de c.c. y c.a., cableados– fuerza – mando, aparillajes electricos
. Tecnologıa Electronica: controladores analogicos, sensores, pre-accionadores,drivers – accionamientos, communicaciones, telemando-telemetrıa, comunica-cion inalambrica
. Neumatica – electro-neumatica: cilindros neumaticos, valvulas neumaticas yelectro-neumaticas, automatismos neumaticos
. Hidraulica y electro-hidraulica: cilindros hidraulicos, valvulas hidraulocas yelectro-hidraulicas, automatismos hidraulicos
. Control e Informatica Industrial: controladores de procesos, control por compu-tador, embedded control, automatas programables, vision artificial, robotica,mecatronica, celulas – fabricacion flexible – mecanizado – montaje, controlnumerico, CAD-CAM, CIM, redes y buses – comunicaciones
39
5. Modelos matematicos de sistemas
Modelo matematico: ecuacion o sistema de ecuaciones que lo representa y cuya evo-lucion en el tiempo se corresponde con la del sistema.
Permite hacer calculos, predicciones, simulaciones y disenar.
Clasificacion:
. Sistemas de tiempo continuo
. Sistemas de tiempo discreto
. Sistemas de eventos discretos
Sistemas de eventos discretos =sistemas reactivos = sistemas comandados por eventos (event-driven systems)
Modelos complejos – procesos estocasticos – procesos de colas – modelos no ma-tematicos basados en computador.
Lenguaje Unificado de Modelado (UML).
6. Modelado y simulacion de sistemas complejos
Dinamica de fluidos – sistemas energeticos – gestion de negocios40
Teorıa de Sistemas – Teorıa de Control – Analisis Numerico –Ciencias de la Computacion – Inteligencia Artificial – Investigacion Operativa
Mayor importancia cuanto mayor es la complejidad del sistema.
Paradigma de computacion del futuro: metodo para representar los problemas, ana-lizarlos y obtener soluciones
Lenguaje de modelizacion universal:comunicacion → equipos empresa → miembros de la comunidad cientıfica
Un buen lenguaje de modelizacion ha de tener
. Elementos del modelo – conceptos fundamentales y semantica
. Notacion – representacion visual de los elementos del modelo
. Directivas – lenguajes a utilizar para el modelado
41
6.1. Importancia del modelado
Mundo Realdel
Entidad
Experimentoobservados de
Datos
en contextoexperimental
dentro de contexto
Resultados
Modelo M
Simulación
básico
Modelo
Validación
dentro del contexto
análisis sólo
experimento
deProceso deModelado y Simulación
Conocimientoa priori del
modelo básico
Experimento virtualSimulación =
Sistema S
MODELOREALIDAD
OBJETIVOS
42
• Lenguaje Unificado de Modelizacion (UML)
Booch, Rumbaugh y JacobsonObjtivos:
1. Otorgar al modelado de sistemas (y no solo al software) la capacidad de utilizarconceptos orientados a objetos.
2. Establecer un acoplamiento explıcito con los artefactos tanto conceptual comoejecutable.
3. Tratar los temas inherentes a la escala en los sistemas complejos y de misioncrıtica.
4. Crear un lenguaje de modelado entendible tanto por las maquinas como porlos seres humanos.
Versiones 0.9 y 0.91 de UML en Junio y en Octubre de 1996.Version UML 1.3 en Junio de 1999.
43
Objetivos actuales:
. Ofrecer a los usuarios un lenguaje de modelado de uso inmediato, expresivo yvisual, para desarrollar e intercambiar modelos significativos.
. Suministrar mecanismos de extension y especializacion que permitan extenderlos conceptos del nucleo del lenguaje.
. Soportar especificaciones que sean independientes de los lenguajes de progra-macion particulares y de los procesos de desarrollo.
. Dar una base formal para el aprendizaje del lenguaje.
. Animar el crecimiento del mercado de herramientas para objetos.
. Soportar conceptos de desarrollo de alto nivel: components, collaborations, fra-meworks, patterns.
. Integrar las mejores practicas de programacion.
Caracterısticas de UML
Consistente lenguaje sin propietario y abierto a todos. Permite especificar, visualizar,construir y documentar los artefactos de software. Vale tambien para el modelado denegocios y otros sistemas. Esta estructurado en 9 paquetes:
44
. Data Types
. Core
. Extension Mechanisms
. Common Behavior
. State Machines
. Activity Graphs
. Collaborations
. Use Cases
. Model Management
45
Consideraciones
Estudio de sistema complejo ← secuencia de visiones distintas del modeloUn modelo: diferentes niveles de fidelidadLos mejores modelos – conectados realidad
Graficos (a modo de vistas) de un modelo
. use case diagram
. class diagram
. behavior diagrams:
– statechart diagram– activity diagram– interaction diagrams
∗ sequence diagram∗ collaboration diagram
– implementation diagrams:∗ component diagram∗ deployment diagram
UML no soporta diagramas de flujo de datos
46
7. Estructura del curso
• Control de procesos continuos? Diseno controladores – procesos t continuo – PID –
• Control de procesos de eventos discretos? Diagramas de estado? Redes de Petri? Grafcet? Statecharts
• Automatizacion local? Captadores? Pre-actuadores y actuadores? Automatismos electricos, neumaticos e hidraulicos? Automatas programables – Controladores industriales
• Automatizacion global? Simulacion de procesos productivos? Redes locales – Buses industriales? GEMMA – SCADA – Control jerarquico
47
Bibliografıa
[1] Paul H. Lewis Sistemas de Control en Ingenierıa. Prentice Hall, Madrid, 1999.
[2] Emilio Garcıa Moreno Automatizacion de procesos industriales. Editorial U.P.V.(Universidad Politecnica de Valencia), 1999.
[3] K.Lockyer La produccion industrial, su administracion. Representaciones y Ser-vicios de Ingenierıa S.A., Mexico, 1988.
[4] M.P. Groover Automation, Production Systems and Computer Aided Manufac-turing. Prentice Hall. 1980.
[5] David Harel “Statecharts: A Visual formalism for Complex Systems”, Scienceof Computer Programming 8, (1987), pp. 231-274.
[6] Object Modeling Group OMG Unified Modeeling Language Specification. ObjectModeling Group, Inc., Version 1.3, June 1999.
[7] Hans Vangheluwe Modeling and Simulation Concepts. McGill, CA, CS 522 FallTerm 2001.
48
Parte I. Control de procesos de eventos discretos
49
Capıtulo 2. Sistemas booleanos
1. Dispositivos logicos
Dispositivos fısicos con solo dos estados: mecanicos, interruptor, valvula, transistor→ automatismos.
0 1
. Sistemas combinacionales
. Sistemas secuenciales
50
Dispositivos biestables: basicos para las memorias RAM
���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������
���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������
���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������
���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������
1
2
���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������
���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������
2
1
sistemas con memoria.
������������������������������������������������������
������������������������������������������������������
1
2���
������
���
Figura 2.1: Pulsador
sistemas sin memoria
2. Algebra de Boole
Conjunto U — dos operaciones + , · tales que ∀a, b, c ∈ U :51
1. Idempotentes: a + a = a · a = a2. Conmutativas: a + b = b + a, a · b = b · a3. Asociativas: a + (b + c) = (a + b) + c,
a · (b · c) = (a · b) · c4. Absorciones: a · (a + b) = a + (a · b) = a
⇒ (U,+, ·) es un retıculo. Si ademas
5. Distributivas: a + (b · c) = (a + b) · (a + c),a · (b + c) = (a · b) + (a · c)
⇒ (U,+, ·) retıculo distributivo. Si
6. Cotas universales: ∃ 0, 1 ∈ U tales que0 · a = 0, 0 + a = a, 1 · a = a, 1 + a = 1
7. Complemento: ∀a ∈ U ∃a ∈ U | a + a = 1, a · a = 0
⇒ (U,+, ·, , 0, 1) es un algebra de Boole.
Z2 := ({0, 1} , OR , AND) es un algebra de Boole.
52
2.1. Funciones booleanas
f : Zn2 → Z2
(x1, . . . , xn) 7→ f(x1, . . . , xn)
Tabla de verdad
f(x1, . . . , xn), g(x1, . . . , xn) equivalentes ⇐⇒ tablas de verdad coinciden
P. ej., f(x1, x2, x3) = x1x2, g(x1, x2, x3) = x1x2(x3 + x3) equivalentes:
x1 x2 x3 f
0 0 0 00 0 1 00 1 0 00 1 1 01 0 0 01 0 1 01 1 0 11 1 1 1
x1 x2 x3 g
0 0 0 00 0 1 00 1 0 00 1 1 01 0 0 01 0 1 01 1 0 11 1 1 1
53
• Formas canonicas
≡ func. booleanas: relacion de equivalencia → representantes canonicos:
. suma de min-terms, p. ej., f(a, b, c, d) = abcd + abcd + abcd
. producto de max-terms: f = (a + b + c + d)(a + b + c + d)(a + b + c + d)
n variables ⇒ 2n terminos canonicos diferentes
mintermsf(x) x, xf(x, y) xy, xy, xy, xyf(x, y, z) xyz, xyz, xyz, xyz, xyz, xyz, xyz, xyz
min-term = numero binario = numero decimalp. ej., xyz = 010 = 2.
Obtencion de la f.c.:
. Tabla de verdad ⇒ f.c. (inmediato)
. Para i = 1, . . . , n mult. por (xi + xi) los terminos de f sin xi.
54
2.2. Simplificacion de funciones booleanas
Aplicar la ley de complementacion: x + x = 1⇒ f · (x1 + x1) ≡ f .
f = suma de implicantes primos (terminos irreducibles).
• Metodo de Karnaugh
f(a, b, c, d) = b + bc
cdab
00 01 11 10
00 0000
0001
0011
0010
01 0100
0101
0111
0110
11 1100
1101
1111
1110
10 1000
1001
1011
1010
@@
abcd 00 01 11 10
00 0 1 1 0
01 0 1 1 0
11 1 1 1 0
10 1 1 1 0
@@ #
"
!#" !
– cada casilla representa un min-term –
55
• Metodo de Quine-McCluskey
Ejemplo:f(x1, x2, x3, x4) = Σ(0, 7∗, 9, 12∗, 13, 15)
i min-terms
0 0 0 0 07∗ 0 1 1 19 1 0 0 1
12∗ 1 1 0 013 1 1 0 115 1 1 1 1Tabla de verdad
u i 1-term 2-term
0 0 0 0 0 0 0 0 0 012 9 1 0 0 1 1 - 1 1
12∗ 1 1 0 0 1 1 0 -3 7∗ 0 1 1 1 - 1 1 1
13 1 1 0 1 1 1 - 14 15 1 1 1 1
(a) Ordenar tabla por numero de unos de cada termino → grupos.(b) Los elementos de cada grupo se combinan con los del siguiente.(c) Repetir el proceso hasta que no se puedan combinar mas.
f = x1x2x3x4 + x1x3x4 + x1x2x4.
Un termino indiferente puede aprovecharse si cubre mas de un min-term.
56
• Algoritmo de Quine
Como ya se ha indicado, el metodo de Quine-McCluskey, lo mismo que el de Kar-naugh, se basa en utilizar repetidamente la ley a + a = 1. Dada una funcion f enforma canonica de suma de m min-terms, el algoritmo es el siguiente:
1. Poner todos los min-terms en una lista, ordenados de alguna forma de 1 a m.
2. para i desde 1 hasta m− 1 hacer
Elegir el termino i-esimo, Ti, de la listapara j desde i + 1 hasta m hacer
Tomar el termino j-esimo, Tj , de la listaSimplificar, si es posible, la expresion Ti + Tj , aplicando la ley a + a = 1
y poner el termino simplificado en una nueva lista.
3. Volver al paso 1 con la nueva lista obtenida y repetir el algoritmo
4. El algoritmo termina cuando no es posible simplificar mas.
Gran coste computacional si el n es elevado.
57
3. Sistemas combinacionales
Sistema de control con p entradas u1(t), . . . , up(t) ∈ Z2
y q salidas y1(t), . . . , yq(t) ∈ Z2,
yi(t) = fi(u1(t), . . . , up(t)), i = 1 . . . q.
Tiempo continuo: I ⊂ R; tiempo es discreto:
I = {t0, t0 + T, . . . , t0 + kT, t0 + 2kT, . . .}, t0, T ∈ R.
-u1(t)
-u2(t)
-up(t)
... S.C.
-y1(t)
-y2(t)
-yq(t)
...
Los valores de las salidas en el instante t solo dependen de los valores que en esemismo instante tengan las entradas.
58
3.1. Funciones logicas elementales
• Funcion NOT
x z
0 11 0
x zd zx
• Funcion AND
x y z
0 0 00 1 01 0 01 1 1
-x
& -z
-y
xz
y
59
• Funcion OR
x y z
0 0 00 1 11 0 11 1 1
-x
≥ 1 -z
-y
xz
y
• Funcion NAND
x y z
0 0 10 1 11 0 11 1 0
-x
& d -z
-y
xz
y
60
• Funcion NOR
x y z
0 0 10 1 01 0 01 1 0
-x
≥ 1 d -z
-y
x
yz
• Funcion XOR
x y z
0 0 10 1 01 0 01 1 1
-x
= 1 d -z
-y
zx
y
61
4. Sistemas secuenciales
Sistema de control con p entradas u1(t), . . . , up(t) ∈ Z2 , q salidas y1(t), . . . , yq(t) ∈ Z2
y n variables de estado.
-u1(t)
-u2(t)
-up(t)
...
x1(t)
x2(t)...
xn(t)
-y1(t)
-y2(t)
-yq(t)
...
Las variables de estado x1(t), . . . , xn(t) ∈ Z2 memorizan el comportamiento del sis-tema en instantes anteriores a t.
Modelos: modelo de estado (ecuacion en diferencias finitas), maquinas de estados,redes de Petri ⇒ modelos computacionales: grafcet, StateCharts.
62
4.1. Automata de Mealy
M1 = {U, Y, X, f, g}
U, Y ,X: conjuntos de entrada, de salida y de estado.
estado:{
f : U ×X → X(u, x) 7→ x = f(u, x)
salida:{
g : U ×X → Y(u, x) 7→ y = f(u, x)
4.2. Automata de Moore
M2 = {U, Y, X, f, g}
U, Y ,X: conjuntos de entrada, de salida y de estado.
estado:{
f : U ×X → X(u, x) 7→ x = f(u, x)
salida:{
g : X → Y(x) 7→ y = f(x)
Automata de Mealy ↔ Automata de Moore.
63
4.3. Tablas de estado
f(x, u): tabla de transicion, g(x, u): tabla de salida.
Automata de Mealy:
u1 u2 . . . u2q
x1 x1,1 x1,2 . . . x1,2q
x2 x2,1 x2,2 . . . x2,2q
......
......
x2n x2n,1 x2n,2 . . . x2n,2q
u1 u2 . . . u2q
x1 y1,1 y1,2 . . . y1,2q
x2 y2,1 y2,2 . . . y2,2q
......
......
x2n y2n,1 y2n,2 . . . y2n,2q
Automata de Moore:u1 u2 . . . u2q
x1 x1,1 x1,2 . . . x1,2q
x2 x2,1 x2,2 . . . x2,2q
......
......
x2n x2n,1 x2n,2 . . . x2n,2q
x1 y1
x2 y2...
x2n y2n
Tamano (maximo): (2n × 2q) casillas.
64
4.4. Diagrama de estado
Grafo orientado con N vertices y q aristas.Mealy:
@@xu
0 1A = 00 00 01B = 01 01 10C = 10 00 01
11 − −
Tabla de transicion
@@xu
0 1A = 00 0 0B = 01 0 0C = 10 0 1
11 − −
Tabla de salida
A@GAFBECD1/0
��
0/0
��
B@GAFBECD1/0 440/0
33 C@GAFBECD
0/0
ZZ444444444441/1ss
Moore:
@@xu
0 1A = 00 00 01B = 01 10 01C = 10 00 11D = 11 10 01
Tabla de transicion
x y
A = 00 0B = 01 0C = 10 0D = 11 1
Tabla de salida
A/ 0@GAFBECD
1
�������������
0
��
B/ 0@GAFBECD1 440 // C/ 0@GAFBECD
0
XX22222222222
1
22 D/1@GAFBECD0rr
1
ff
65
4.5. Dispositivos biestables
Son los sistemas secuenciales mas simples.
. Una o dos entradas u1, u2
. Una variable de estado Q
. Una salida y1 = Q (salida adicional y2 = Q).
Asıncronos o sıncronos.Qt+1 = f(Qt, u1, u2),
Sıncronos: Clk senal de reloj
1
t
Clk
0
El valor del estado Q se actualiza en los flancos de bajada.
66
• Biestable R-S
Biestable asıncrono basico.S
R
Q
Q_
Tabla de transicion:
@@QSR
00 01 11 100 0 0 − 11 1 1 − 0
S
R
Q
Q
S
R
Q
Q
Clk
Combinacion de entradas “11” no permitida (contradiccion: Q = Q = 0)
67
Capıtulo 3. Modelos computacionales
1. Grafcet
Graphe de Comands Etape/Transition. Norma IEC-848: fabricantes PLC.
Aplicable al esquema:
P.C. P.O.
órdenes
eventos
Sistema automatizado de produccion
. Parte operativa: dispositivos que interactuan sobre el producto: preactuadores,actuadores y captadores
. Parte de Comando (control): computadores, procesadores o automatas
68
1.1. Elementos basicos
• Etapas
Rectangulo numerado.Estado o modo de funcionamiento estable del sistema.La Parte de Comando asociada se mantiene invariable.Etapas activas: cırculo negro.Etapa inicial: rectangulo doble.
• Transiciones
Segmento horizontal que corta la lınea de enlace entre dos etapas.
Condicion de paso: receptividad.
• Segmentos paralelos
Procesos que evolucionan de forma concurrente.
69
1.2. Estructuras basicas
• Secuencia simple
• Divergencia OR
• Convergencia OR
• Divergencia AND
• Convergencia AND
• Saltos
• Posibilidades avanzadas
. Paralelismo
. Sincronizacion
. Jerarquıa
. Comunicacion
70
2. Cartas de estado
Statecharts – David Harel, 1987. Generalizacion maquinas de estados.
. Capacidad de agrupar varios estados en un superestado.
. Posibilidad de ortogonalidad o independencia (paralelismo) entre ciertos esta-dos.
. Necesidad de transiciones mas generales que la flecha etiquetada con un simpleevento.
. Posibilidad de refinamiento de los estados.
Formalismo visual para describir estados y transiciones de forma modular que per-mite el agrupamiento de estados (jerarquıa), la ortogonalidad (paralelismo) y el refi-namiento de estados. Admite la visualizacion tipo ”zoom”entre los diferentes nivelesde abstraccion.
Implementaciones: Statemate, Stateflow etc.
71
2.1. Stateflow
Toolbox de Matlab para modelar sistemas de eventos discretos.
Tiene un unico elemento: Chart = carta de estados (D.Harel)
Creacion de un modelo:
Matlab → Simulink → new-model → Chart
. Crear la carta Stateflow
. Utilizar el Explorer de Stateflow
. Definir un interface para los bloques deStateflow
. Ejecutar la simulacion
. Generar el codigoCarta de estados de Stateflow
Generadores de codigo:
. sf2vdh: traductor de Stateflow a VHLD
. sf2plc: genera codigo para programar algunos PLC.
72
2.2. Elementos de una carta de estado
– Elementos graficos: cartas, estados, transiciones y uniones– Elementos de texto: lenguaje, datos y eventos.
. Carta: maquina de estados generaliza-da – bloque de Simulink
. Estados: modos de funcionamiento– Nombre / acciones– Acciones: entry: a, exit: b, du-
ring: c, on event e : d
Descomposicion OR (trazo continuo) yAND (trazo discontinuo).
. Transiciones: saltos– Nombre / acciones– Nombre: e (evento), [c] (condi-
cion)– Acciones: {a} (accion)– default-transition
. Uniones puntos de bifurcacion.– Conectivas – de historia
. Datos– Entrada de Simulink– Salida de Simulink– Local– Constante– Temporal– Workspace
. Eventos– Entrada de Simulink– Salida de Simulink– Local
I/O Simulink: disparo por ↑, ↓ o l
73
• Estados
Sintaxis:
nombre /
entry: accion
exit: accion
during: accion
on event e: accion
Accion: cambiar salida – llamada a funcion.
S1
S2
e
Estado (padre) = { subestados (hijos) }
Descomposicion AND : todos activos – hijos en lınea discontinua
Descomposicion OR: solo uno activo – hijos en lınea continua.
74
• Transiciones
. Forma de flecha – saltos entre estados – eventos
. Acciones asociadas
. Transicion por defecto – senala el estado inicial
Sintaxis:
e – nombre de un evento
[c] – expresion booleana – condicion
{a} – accion
No texto – disparo con evento cualquiera en el sistema.
75
• Uniones
. Forma de pequeno cırculo
. Uniones conectivas – puntos de bifurcacion – decision condicionada
. Uniones de historia – descomposicion OR – activo = ultimo
C2
e1
e2
e3
P H
C1
76
2.3. Elementos de texto especiales
• Datos
. Entrada de Simulink
. Salida a Simulink
. Local
. Constante
. Temporal
. Workspace
• Eventos
. Entrada de Simulink
. Salida a Simulink
. Local
Activacion: flanco subida - flanco de bajada - flanco indiferente
77
3. Creacion de un modelo con Stateflow–Simulink
Matlab → Simulink → new-model
Stateflow → Chart Chart estados, transiciones, etc.
Pasos a seguir:
. Crear carta Stateflow
. Establecer interface Simulink – Stateflow
. Con Explorer de Stateflow declarar datos y eventos
. Ejecutar la simulacion
. Generar el codigo (ANSI C, sf2vhld, sf2plc)
• Observaciones
Simulacion larga: t = inf
Chart → File → Chart Properties → “Execute (enter) Chart At Initialization”
78
• Ejemplo. Control de barrera de ferrocarril
Objetivo – cerrar la barrera si llega tren – abrirla si ha pasado.
Sistema de eventos discretos: tren llega – tren ha pasado.
79
Esquema:
0-x•S1 S2•
TRENd dddComponentes: barrera con motor-reductor
2 sensores S1 y S2
sistema digital, reles y elementos auxiliares.
Sensores:
S1 en x1 < 0 – evento en senal s1 – llega tren
S2 en x2 > 0 – evento en senal s2 – tren ha pasado
Presencia del tren en [x1, x2] – sensores S1 y S2.
Operacion sistema:
si S1 se activa la barrera debe cerrarse,
si S2 se activa la barrera puede abrirse.
80
Sistema de control de eventos discretos
– division en paralelo (paralelismo) – trasmision de eventos.
Sensores: S1 y S2 – Manual Switch de Simulink
flanco de subida en s1 : llega el tren
flanco de bajada en s2 : el tren se ha ido.
Carta de estados: dos estados Tren y Barrera, en paralelo.
Barrera – dos hijos Abrir y Cerrar, Tren – dos hijos Fuera y Dentro.
S2
S1
0
1
0
1
Chart
Tren 1 Barrera 2
Dentro
Fuera
Cerrar
Abrir
s2/e2 e2s1/e1 e1
81
Parte II. Control de procesos continuos
82
Capıtulo 4. Modelos de sistemas continuos
1. Ecuacion diferencial
Sistema fısicoLeyes fısicas−→ Ecuacion diferencial∑
ifi = ma
m1 m2
k
b
f t( )
( )x t1x t( )2
0
Ecuacion diferencial:f(t)− k (x1(t)− x2(t))− b
(dx1(t)
dt− dx2(t)
dt
)= m1
d2x1(t)dt
k (x1(t)− x2(t)) + b
(dx1(t)
dt− dx2(t)
dt
)= m2
d2x2(t)dt
83
1.1. Sistemas lineales - parametros constantes
• Modelo externo
Ecuacion diferencial L−→ G(s) funcion de transferencia
. Modelo entrada – salida
. Diagrama de bloques
• Modelo interno
Ecuacion diferencial cambios−→{
x(t) = Ax(t) + Bu(t)y(t) = Cx(t) + Du(t)
modelo de estado
. Algebra lineal
. Calculo por computador
. Sistemas multivariable
84
1.2. Modelo externo
Ecuacion diferencial:
a2x(t) + a1x(t) + a0x(t) = b1u(t) + b0u(t)
Aplicando la transformacion de Laplace tenemos
a2[s2X(s)− sx0 − x0] + a1[sX(s)− x0] + a0X(s) = U(s)[b1s + b0]
y si suponemos condiciones iniciales nulas queda
X(s) =b1s + b0
a2s2 + a1s + a0U(s).
Funcion de transferencia G(s):
X(s) = G(s)U(s)
G(s): funcion racional; denom. de G(s) := polinomio caracterıstico.
85
1.3. Modelo interno
Ecuacion diferencial: a2x(t) + a1x(t) + a0x(t) = b1u(t) + b0u(t)
⇓ cambios: x1 := x; x2 := x; u1 := u; u2 := u
Modelo de estado{
x1(t) = x2(t)x2(t) = −a0
a2x1(t)− a1
a2x2(t) + b0
a2u1(t) + b1
a2x2(t)
Ecuacion de estado:(x1(t)x2(t)
)=(
0 1−a0
a2−a1
a2
)(x1(t)x2(t)
)+(
0 0b0a2
b1a2
)(u1(t)u2(t)
)Ecuacion de salida (si salidas ≡ estados):(
y1(t)y2(t)
)=(
1 00 1
)(x1(t)x2(t)
)+(
0 00 0
)(u1(t)u2(t)
)Modelo de estado: {
x(t) = Ax(t) + Bu(t)y(t) = Cx(t) + Du(t)
86
1.4. Calculo de la respuesta temporal
1. Resolucion de la ecuacion diferencial
2. Modelo externo G(s):
. Integracion compleja:
y(t) = L−1[Y (s)] =1
2πj
∫ σ+j∞
σ−j∞Y (s)estds
. Transformada de Laplace – expansion frac. simmples:
u(t) L−→ U(s); G(s) U(s) = Y (s); Y (s) L−1
−→ y(t). Integral de convolucion:
y(t) = u(t)⊗ g(t) =∫ t
0g(t− τ) u(τ) dτ
3. Modelo interno:
. Resolucion de la ecuacion de estado:
x(t) = eAtx(0) +∫ t
0eA(t−τ)Bu(τ) dτ
87
• Calculo de la respuesta con Matlab
. Circuitos
– Calculos con matrices – metodos de mallas y nudos
. Sistemas lineales y no lineales
– Resolucion ecuacion diferencial– ode23 y ode45
. Modelo externo
– residue – expansion de Y (s) en frac. simples– series, parallel, feedback: simplificacion diagr. bloques.– impulse, step, lsim – respuesta temporal (numerica)– Symbolic Toolbox – transformadas de Laplace L y L−1
. Modelo interno
– impulse, step, lsim – respuesta temporal (numerica)
. Conversion modelos interno y externo
– ss2tf, tf2ss
88
2. Simulink
Simulink: librerıa (toolbox ) de Matlab para modelado y simulacion.
Modelo externo – Modelo interno – Sist. no lineales – Sist. reactivos
. . .
Ventana grafica de Simulink
Ventana de comandos de Matlab Ventana con la respuesta temporal
89
Inicio: – escribir simulink en Matlab command window – clic en el icono SimulinkSimulink
− Simulink
— Countinous— Discrete— Math Operations— Signal Routing— Sinks— Sources
...
+ Dials & Gauges Blockset
+ Stateflow
...
90
• Ejemplo. Modelo simple
Sistema de control en feedback con
K = 5, G(s) =s + 1s2 + 4
, H(s) =2s + 1s + 1
Ventana para dibujo: File → New → Model
G(s) y H(s): Continuous → Transfer Fcn
→ G(s): numerador = [1, 1] denominador = [1, 0, 4]
→ H(s): numerador = [2, 1] denominador = [1, 1]
K: Math Operations → Gain
→ K = 5
Suma: Math Operations → Sum
→ (+) (−) | flechas
91
Entrada escalon: Sources → Step
→ Step time = 0, Initial value = 0, Final value = 1.
Visualizacion: Sinks → Scope
Union con flechas
s+1
s +42
Transfer FcnSum Step Scope
5
Gain
2s+1
s+1
Transfer Fcn 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
t
y(t)
Respuesta temporal
Simulacion: Simulation → Simulation parameters
→ t inicial, t final, algoritmo, paso, etc.
92
• Ejemplo, Circuito electrico
+
-
3
5
4
6
2
1
2
3
1
Z
Z
Z
Z
Z
Z
i
i
i
v
Metodo de mallas:
v = (z1 + z2 + z4)i1 − z2i2 − z4i3
0 = −z4i1 − z5i2 + (z4 + z5 + z6)i30 = −z2i1 + (z2 + z5 + z3)i2 − z5i3
En forma matricial: V = Z I, es decirv00
=
z1 + z2 + z4 −z2 −z4
−z4 −z5 z4 + z5 + z6
−z2 z2 + z5 + z3 −z5
i1i2i3
Solucion:
I = Z−1V
93
• Calculo con Matlab para c. alterna
Escribimos en el archivo circuito.m los datos y las ordenes oportunas.
Vef=220; f=50; w=2*pi*f;R1=1; L1=0.1; C1=100e-6; z1=R1+j*L1*w+1/(i*C1*w)R2=1; L2=0.03; C2=220e-6; z1=R2+j*L2*w+1/(i*C2*w)R3=0.25; L3=0.2; C3=100e-6; z1=R3+j*L3*w+1/(i*C3*w)R4=5; L4=0.1; C4=100e-6; z1=R4+j*L4*w+1/(i*C4*w)R5=20; L5=0.01; C5=100e-6; z1=R5+j*L5*w+1/(i*C5*w)R6=25; L6=0.33; C6=100e-6; z1=R6+j*L6*w+1/(i*C6*w)V = [Vef 0 0]’Z = [ z_1+z_2+z_4 - z_2 - z_4
-z_4 - z_5 z_4+z_5+z_6-z_2 z_2+z_5+z_3 - z_5 ];
I = inv(Z)*V
Para hacer el calculo, en la pantalla de comandos de Matlab escribimos
>> circuito
y, pulsando Enter , obtendremos el vector intensidades:
I = [17.9962 + 10.1363i, 2.1462− 3.5405i, −0.4702− 1.3816i]′
94
3. Sistemas no lineales – pendulo
β
mg
f (t)
Ecuacion diferencial:f(t)−mg sin(β(t))−ma = 0f(t)−mg sin(β(t))−mlβ(t) = 0
mlβ + mg sin(β)− f(t) = 0
Cambio x1 := β, x2 := β: x1 = x2
x2 =f(t)−mg sinx1
l m
En el archivo pendulo.m escribimos:function x_prima=pendulo(t,x)l=1; m=1; g=9.8; % Parametrosif t<1 % Fuerza exterior
f=1;else f=0;end % Ecuac. estado:x_prima=[x(2) (f-m*g*sin(x(1)))/(m*l)]’;
Solucion numerica del P.C.I.:>> t0=0; tf=5; % Interv. integracion>> x0=[0 0]’; % Cond. iniciales>> [t,x]=ode23(’pendulo’,t0,tf,x0);>> plot(t,x)
95
3.1. Respuesta – modelo externo
b
k
( )
( )tf
t0 x
m
Ecuacion diferencial:mx(t) + bx(t) + kx(t) = f(t)
↓ Lms2X(s)+bsX(s)+kX(s)=F (s)
f(t) = 1(t) ⇒ F (s) = 1/sExpansion en fraciones simples:
G(s) = 1ms2+bs+k
; X(s) = G(s) 1s
X(s) = r1s−p1
+ r2s−p1
+ r3s−p3
L−1 es inmediata:y(t) = r1e
p1t + r2ep2t + r3e
p3t
0 5 10 150
0.2
0.4
0.6
0.8
1
1.2
t
y(t)
Calculo de x(t) con Matlab:>> m=1; b=1; k=1; B=1;>> A=[m b k 0];>> [r,p,c]=residue(B,A)>> t=[0:0.05:15];>> x=r(1)*exp(p(1)*t)
+r(2)*exp(p(2)*t)+r(3)*exp(p(3)*t);
>> plot(t,x)
Mas sencillo aun: con impulse, step o lsim .
96
• Resolucion simbolica
Symbolic Toolbox de Matlab – Maple core –
. Transformada de Laplace L(f(t)) = F (s):
>> F = laplace(f,t,s)
. Transformada inversa de Laplace L−1(F (s)) = f(t):
>> f = ilaplace(F,s,t)
El mismo ejercicio anterior:
>> syms s t>> m=1; b=1; k=1;>> G = 1/(ms^2+b*s+k);>> U = 1/s;>> Y = G * U ;>> y = ilaplace(Y,s,t);>> ezplot(y, [0,15], axis([0, 15, 0, 1.25])
−→ grafica igual que la de antes.97
3.2. Respuesta – modelo interno
m1 m2
k
b
f t( )
( )x t1x t( )2
0
f(t)−k(x1(t)−x2(t))−b(x1(t)−x2(t))=m1x1(t)k(x1(t)−x2(t))+b(x1(t)−x2(t))=m2x2(t)
Cambios: x3 = x1, x4 = x2, u := f ⇓x1 =− k
m1x1 + k
m1x2 − b
m1x1 + b
m1x2 + 1
m1u
x2 = + km2
x1 − km2
x2 + bm2
x1 − bm2
x2
Modelo de estado (sup. salidas≡estados):x1
x2
x3
x4
=
0 0 1 00 0 0 1−km1
km1
−bm1
bm1
km2
−km2
bm2
−bm2
x1
x2
x3
x4
+
001
m1
0
u
y1
y2
y3
y4
=
1 0 0 00 1 0 00 0 1 00 0 0 1
x1
x2
x3
x4
+
0000
u
Resolucion con Matlab:
>> m_1=1; m_2=2;>> k=0.1; b=0.25;>> A=[0 0 1 0
0 0 0 1-k/m_1 k/m_1 -b/m_1 b/m_1k/m_2 -k/m_2 b/m_2 -b/m_2]
>> B=[0 0 1/m1 0]’>> C=eye(4,4); D=zeros(4,1);>> S=ss(A,B,C,D); % crea sistema>> t=[0:0.1:12];>> % Respuesta a escalon unitario:>> y=step(S,t)>> % Grafica de la respuesta:>> plot(t,y)
98
4. Sistema de primer orden
-U(s) A
s + a-Y (s)
Entrada:
. Impulso de Diracu(t) = δ(t) L−→ U(s) = 1G(s)U(s) = A
s+a = Y (s)L−1(Y (s)) = y(t) = Ae−at
. Escalon unitariou(t) = 1(t) L−→ U(s) = 1/sG(s)U(s) = A
s(s+a) = Y (s)
L−1(Y (s)) = y(t) = Aa −
Aa e−at
τ := 1/a constante de tiempo
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t
Respuesta impulsional
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t
Respuesta al escalon
99
5. Sistema de segundo orden
-U(s) ω2n
s2 + 2ξωns + ω2n
-Y (s)
Entrada:• Impulso de Dirac
u(t) = δ(t) L−→ U(s) = 1G(s)U(s) = ω2
ns2+2ξωns+ω2
n= Y (s)
y(t) = ωn√1−ξ2
e−ξωnt sin (ωn√
1−ξ2) t
• Escalon unitariou(t) = 1(t) L−→ U(s) = 1/s
G(s)U(s) = ω2n
s(s2+2ξωns+ω2n)
= Y (s)
y(t) = 1− 1√1−ξ2
e−ξωnt sin (ωn√
1−ξ2t + α)
ωn: pulsacion nat. ξ: coef. amort.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
3
t
Respuesta impulsional
ϕ
s1
s2
im
re
ωn
ξω n
α
100
6. Linealizaciona) Caso monovariable.
x = f(x(t), u(t), t), x ∈ R, u ∈ R
Solucion {x0(.), u0(.)} (equilibrio). Perturbamos:
x(t) = x0(t) + δx(t), u(t) = u0(t) + δu(t)
Suponemos que
(δx)i = o(δx, δu), (δu)i = o(δx, δu), i > 1
Derivando respecto a t,
x(t) = x0(t) + ˙δx(t)
tenemos que
˙δx(t) = x(t)− x0(t)
f(.) lisa ⇒ Desarrollo Taylor:
f(x, u, t)= f(x0, u0, t) + fxδx + fuδu + o(δx, δu)x− x0 = fxδx + fuδu + o(δx, δu)
˙δx = Aδx + Bδu + o(δx, δu)
en donde
A = fx(t) =∂f
∂x
����x0,u0
, B = fu(t) =∂f
∂u
����x0,u0
b) Caso multivariable f(.),x(.),u(.): vectores.
⇒ fx(.) y fu(.): jacobianos de f(.) resp. de x y u
Jx0 = ∂f∂x
���x0,u0
=
0B@
∂f1∂x1
. . . ∂f1∂xn
. . . . . . . . .∂fn∂x1
. . . ∂fn∂xn
1CA
x0,u0
Ju0 = ∂f∂u
���x0,uo
=
0B@
∂f1∂u1
. . . ∂f1∂un
. . . . . . . . .∂fn∂u1
. . . ∂fn∂un
1CA
x0,u0
De donde˙δx = fxδx + fuδu (4.1)
o bien˙x(t) = A(t)x(t) + B(t)u(t)
en donde x(t) = δx(t), u(t) = δu(t),
A(t) = fx(t), B(t) = fu(t)
Las matrices A(t) y B(t) (jacobianos) son funcio-nes de tiempo si la solucion de la ecuacion diferen-cial no es constante.
101
• Ejemplo. Deposito
q t( )
a t( )
h t( )
Area A1
Elemento – masa m:
Ep = mgh(t) =1
2mv(t)2 = Ec,
⇒ velocidad de salida v(t) =p
2gh(t).Caudal de salida:
q(t) = a(t)v(t) = a(t)p
2gh(t)
Pero caudal = variacion de volumen,
q(t) =d
dtA1h(t) = A1
dh
dtIgualando,
dh
dt=
1
A1a(t)
p2gh(t)
Punto de funcionamiento (o estado de equilibrio)a0, h0: valores de equilibrio de (a(t), h(t)).
x(t) := h(t)−h0 y u(t) := a(t)−a0 : “pequenos”incrementos.
f(h, a) =1
A1a(t)
p2gh(t),
Derivando f respecto de h, tenemos
∂f
∂h
����ho,a0
=1
A1
2ga
2√
2gh
����ho,a0
=ga0
A1√
2gh0:= A,
y, derivando f respecto de a,
∂f
∂a
����ho,a0
=1
A1
p2gh0 := B.
Modelo linealizado en h0, a0:�x(t) = Ax(t) + Bu(t)y(t) = Cx(t) + Du(t)
Hemos supuesto (implıcitamente) que no hayperdidas de energıa por rozamiento.
102
7. Respuesta de frecuencia
-U(s)G(s) -Y (s)
G(s) =b(s)a(s)
estable
Entrada sinusoidal:
u(t) = sin ωtL−→ U(s) =
ω
s2 + ω2⇒ ω
s2 + ω2G(s) = Y (s)
Y (s) =k0
s− iω+
k0
s + iω+
k1
s− s1+
k2
s− s2+ . . . +
kn
s− sn
s1, . . . , sn: raıces (sup. simples) de a(s); k0, k0, k1, . . . , kn: resıduos de Y (s).
y(t) = k0eiωt + k0e
−iωt︸ ︷︷ ︸ + K1es1t + K2e
s2t + . . . + Knesnt︸ ︷︷ ︸yss(t) → 0
yss(t) = M sin(ωt + φ)
M = |G(iω)| , φ = arg G(iω)
103
7.1. Diagrama de Nyquist
Es un grafico en C de la funcionG : R → C
ω 7→ G(iω)Metodos:
. Manual – tabla de valores
G(s) =1
s + 1M = |G(iω)|φ = arg G(iω)
ω M φ
0.0 1.000 0.00.5 0.894 -26.61.0 0.707 -45.01.5 0.555 -56.32.0 0.447 -63.43.0 0.316 -71.65.0 0.196 -78.7
10.0 0.100 -84.3
. Con Matlab: [M,phi] = nyquist(num,den,w)
104
7.2. Criterio de Nyquist
Sirve para averiguar si un sistema con realimentacion, de la forma
- jU(s) Y (s)- G(s) -
H(s)
6
�
r
es estable o no, conociendo el diagrama de Nyquist de G(s)H(s) y el numero de polosen C+ de G(s)H(s).
• Principio del argumento
Sea f : C→ C analıtica en todos los puntos –excepto en un numero finito de polos–de un dominio D y en todos los puntos de su contorno δ, y sean Zf y Pf los numerosde polos y de ceros, respectivamente, de f(z) en D. Entonces
Zf − Pf =12π
∆s∈γ arg f(z)
105
-
6 Plano z
Principio del argumento
-
6Plano f(z)
-
6 Plano s
Criterio de Nyquist
-
6
−1
Plano G(s)H(s)
106
• Criterio de estabilidad de Nyquist
G(s) = nGdG
, H(s) = nHdH
, G(s)H(s) = nG nHdG dH
T (s) = G(s)1+G(s)H(s) =
nGdG
1+nG nHdG dH
= nG dHdG dH+nG nH
F (s) = 1 + G(s)H(s) = 1 + nG nHdG dH
= dG dH+nG nHdG dH
polos de T (s) ≡ ceros de F (s)polos de G(s)H(s) ≡ polos de F (s)
Aplicamos el principio del argumento a F (s):
12π
∆s∈γ arg F (s) = ZF − PF
= PT − PGH
Criterio de Nyquist:
PT = PGH +12π
∆s∈γ arg F (s)
No polos de T (s) en C+ = No de polos de G(s)H(s) en C+ + No de vueltas deG(s)H(s) alrededor de (-1 + 0j)
107
• Ejemplo 1
−2 −1 0 1 2
−2
−1
0
1
2
Plano s
−1 −0.5 0 0.5 1
−1
−0.5
0
0.5
1
Plano G(s)H(s)
G(s) =1
(s + 1)(s + 2), H(s) = 2
Polos de G(s)H(s) = {−1,−2}
PT = PGH +12π
∆s∈γarg F (s) = 0 + 0 = 0
T (s) =G(s)
1 + G(s)H(s)es estable.
108
• Ejemplo 2
−2 −1 0 1 2
−2
−1
0
1
2
Plano s
−1 −0.5 0 0.5 1
−1
−0.5
0
0.5
1
Plano G(s)H(s)
G(s) =5
s3 + 5s2 + 9s + 5, H(s) = 1
Polos de G(s)H(s) = {−2 + i,−2− i,−1}
PT = PGH +12π
∆s∈γarg F (s) = 0 + 0 = 0
T (s) =G(s)
1 + G(s)H(s)es estable.
109
• Ejemplo 3
−2 −1 0 1 2
−2
−1
0
1
2
Plano s
−2 −1.5 −1 −0.5 0
−1
−0.5
0
0.5
1
Plano G(s)H(s)
G(s) =5
s4 + 4s3 + 4s2 − 4s− 5, H(s) = 2
Polos de G(s)H(s) = {−2 + i,−2− i,−1, 1}
PT = PGH +12π
∆s∈γarg F (s) = 1 + 1 = 2.
T (s) =G(s)
1 + G(s)H(s)es inestable.
110
• Ejemplo 4
−2 −1 0 1 2
−2
−1
0
1
2
Plano s
−2 −1.5 −1 −0.5 0
−1
−0.5
0
0.5
1
Plano G(s)H(s)
G(s) =5
s4 + 4s3 + 4s2 − 4s− 5, H(s) = 1.4(s + 0.95)
Polos de G(s)H(s) = {−2 + i,−2− i,−1, 1}
PT = PGH +12π
∆s∈γarg F (s) = 1− 1 = 0.
T (s) =G(s)
1 + G(s)H(s)es estable.
111
7.3. Diagramas de Bode
Se compone de dos graficos en R, asociados a la funcionG : R → C
ω 7→ G(iω),que representan M(ω) y φ(ω).
Metodos:
. Manual – lapiz y regla
. Con Matlab: bode(num,den,w)
ωn=10
ζ=1/8
-40 dB/dec
112
8. El lugar de las raıces
-U(s) j+ - k - G(s) s -Y (s)
�H(s)
6−
G(s) =nG
dG, H(s) =
nH
dH, k ∈ R
G(S)H(s) =nG nH
dG dH=
Z(s)P (s)
= K(s− z1)(s− z2) . . . (s− zm)(s− p1)(s− p2) . . . (s− pn)
T (s) =kG(s)
1 + kG(s)H(s)=
knGdG
1 + knGdG
nHdH
=k nG dH
dG dH + k nG nH
=k nG dH
P (s) + k Z(s)=
nT
dT
L.R. es el lugar geometrico, en C, de las raıces de dT (s) al variar k en R+
113
8.1. Reglas para el trazado
Z(S)P (s)
=|s− z1|ejφz1 . . . |s− zm|ejφzm
|s− p1|ejφp1 . . . |s− pn|ejφpn=|s− z1||s− z2| . . . |s− zm||s− p1| . . . |s− pn|
ejΣφi
Ecuacion caracterıstica: P (s) + kZ(S) = 0m
kZ(S)P (s)
= −1 ⇐⇒ k|s− z1| . . . |s− zm||s− p1| . . . |s− pn|
ejΣφi = e±j(2k+1)π, k = 0, 1, 2, . . .
1. Condicion angulo – trazado
arg[kG(s)H(s)] = Σφi = ±(2k + 1)π
2. Condicion de magnitud – calculo de k en cada punto
k =|s− p1| . . . |s− pn||s− z1| . . . |s− zm|⇓
Reglas para el trazado
114
8.2. Trazado por computador
Ejemplo de trazado del lugar de las raıces mediante MATLAB:
G(s)H(s) =s + 1
s(s + 2)(s2 + 6s + 13)
>> num=[1 1]>> den=conv([1 2 0],[1 6 13])>> rlocus(num,den)
-6 -4 -2 0 2 4 6-6
-4
-2
0
2
4
6
Eje Real
Eje
Imag
115
Capıtulo 5. Realizacion del control
Realizaciones
. Realizacion matematica lineal de orden n.Dada G(s) ∈ R(s)p×q, hallar A, B, C, D, tales que el sistema{
x(t) = A x(t) + B u(t)y(t) = C x(t) + D u(t),
con A ∈ Rn×n, B ∈ Rn×q, C ∈ Rp×n, D ∈ Rp×q, tenga por matriz de transfe-rencia G(s). Se llama realizacion minimal si el numero entero n es el menor quepuede encontrarse. Las mas simples son las llamadas realizaciones canonicas:controlador, observador, controlabilidad y observabilidad.
. Realizacion analogica. – modelo – circuito electronico
. Realizacion digital. – programa (Matlab, Simulink, C++, Java, etc.)
. Realizacion fısica. – prototipo – fabricacion
116
1. Realizacion fısica
-Entrada m+ - C - A - P r -Salida
�S
6−
P Planta o proceso a controlar. –fijo –dado
A Actuador. –potencia suficiente para ”mover”la planta
S Sensor. –adecuado a la senal de salida
C Controlador. –PID –adelanto/retraso –analogico/digital
. En el caso lineal los bloques son funciones de transferencia
. Diferentes tecnologıas: neumatica, electrica, electronica
. Los bloques A y S son (practicamente) constantes
. Problema de diseno: Dada la planta P , hallar C para que el sistema funcionede forma adecuada (especificaciones).
117
2. Sensores
Partes de un sensor
Captador: dispositivo con un parametro p sensible a una magnitud fısica h – emiteenergıa w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte.
Transductor: recibe la energıa w del captador, la transforma en energıa electricae(t) y la retransmite.
Acondicionador: recibe la senal e(t) del transductor y la ajusta a los niveles devoltaje e intensidad, precisos para su posterior tratamiento, dando v(t).
h t( ) e t( ) ( )v t
p h( )
( ) ( ) ( )w p h tAcondicionadorTransductor
Captador
Sensor = Captador + Transductor + Acondicionador
. Analogicos: todas las senales son analogicas
. Digitales: v(t) digital.
Sistemas de control: medicion de variables que intervienen en el proceso.El sensor ha de ser de gran calidad. Estatica – Dinamica.
118
2.1. Tipos de sensores
Analogicos: parametro sensible – magnitud fısica
. Resistencia R – desplazamiento, temperatura, fuerza (galgas)
. Capacidad C – desplazamiento, presencia
. Autoinduccion, reluctancia L – desplazamiento (nucleo movil)
. Efecto Seebeck – temperatura (termopar)
. Piezoelectricidad – fuerza, presion
. Dispositivos electronicos – temperatura, presion
. Avanzados: ionizacion, ultrasonidos, laser, camaras CCD, etc.
Digitales: binarios o n bits
. Fin de carrera – presencia (interruptor)
. Dilatacion – temperatura (termostato)
. Resistencia, capacidad, autoinduccion – presencia
. Efecto fotoelectrico – presencia (1 bit), posicion (n bits), velocidad119
2.2. Clasificacion
Aspecto – tipos
. Senal de salida – analogicos, digitales
. Energıa – pasivos, activos
. Funcionamiento – deflexion, comparacion
Caracterısticas
Aspecto – caracterısticas
. Diseno – electrico, diseno mecanico, actuacion
. Escalas – rango, resolucion
. Estatica – precision, linealidad, histeresis, repetitividad, derivas
. Dinamica – orden cero, orden uno, orden dos
. Fiabilidad
120
2.3. Calibracion
Ensayo: entrada h = magnitud de valor conocido – salida medida v
Tabla de calibracion: varios puntos h1 → v1, . . . , hn → vn, dentro del rango
Curva de Calibracion: representacion grafica (h, v)
Necesario: aparato de medida de mayor precision que el sensor
Linealizacion: curva de calibracion → lınea recta
. Por punto final: v = m h, en donde m = vn/hn
. Por lınea independiente: v = m h + b
. Por mınimos cuadrados: v = m h + b, en donde
m =
n
n∑i=1
hivi −n∑
i=1
hi
n∑i=1
vi
nn∑
i=1
h2i −
(n∑
i=1
hi
)2 , b =
n∑i=1
vi
n−m
n∑i=1
hi
n
121
2.4. Tipos de transductores
Temperatura. Termistor – parametro sensible: R (ptc, ntc)
. Termopar – ∆T → ∆v – rapido (ms) – senal debil – T alta
. Circuitos integrados – LM335 (10 mV/0K), AD592 (1µ A/0K).
Posicion. Resistivos – potenciometro (R) – lineal y angular
. Inductivos – LVDT
. Encoder – digital – lineal y angular
. Ultrasonidos
. Laser
Velocidad. Dınamo tacometrica
. Encoder
Aceleracion, fuerza, presion, luz, color, etc.122
2.5. El potenciometro como sensor de posicion
R
Rx
V +
?i(t)
x(t)
vx(t)
0
Rx =ρ
Ax(t)
i(t) =V +
R
vx(t) = Rx i(t) =ρ
Ax(t)
V +
R= Kpot x(t)
. Ventajas: precio economico
. Inconvenientes: –rozamiento –ruido en la medida
. Tipos: –lineal –circular –de una vuelta –de varias vueltas
. Si ponemos V − en vez de 0 mide x negativos
123
3. Actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia.Transforma energıa: electrica → electrica – electrica → mecanica – etc.
3.1. Tipos de actuadores
Actuadores hidraulicos – potencia alta
. Principio de Pascal – aceite especial – 200 bar – 0.25 l/s
. Cargas mayores de 6 o 7 Kg
. Control: servovalvulas (con motor) – controlan el flujo de fluido
Actuadores neumaticos – potencia baja – control neumatico
. Cilindros - motores - movimientos rapidos - poca precision
. fluido: aire – aire comprimido – 5 a 10 bar
Actuadores electricos
. Motores electricos: C.C., C.A, lineales, paso a paso, brushless, etc.
124
3.2. Otros actuadores
. Reles – automatismos electricos
. Contactores
. Arrancadores y Drivers para motores
. Amplificadores electronicos de potencia
3.3. Accesorios mecanicos
. Maquinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodi-llos, poleas, agitadores, vibradores, etc.
. Poleas, cremalleras, pinones: translacion → rotacion
. Reductores de velocidad
. Maquinas complejas
125
3.4. El motor de c.c.
va(t)
+
−
N
S
?φ
?φ
?ia(t)θ(t)
126
3.5. Ecuaciones diferenciales
va(t)+
−
vf (t)
+
−ea(t)
Ra
La Lf
Rf-
ia(t) �if (t)
�φ(t)
inductor: vf (t) = Rf if (t) + Lfdifdt
inducido: va(t)− ea(t) = Ra ia(t) + Ladiadt
flujo magnetico: φ(t) = kf if (t)
par motor: Pm(t) = kt φ(t) ia(t)
variables de rotacion: ω(t) =dθ
dtα(t) =
dω
dtf.c.e.m.: ea(t) = ke φ(t) ω(t)
carga mecanica: Pm(t)− Pl(s) = Jmdω
dt+ Bmω(t)
127
3.6. Modelo externo
Transformada de Laplace con condiciones iniciales nulas:
vf (t) = Rf if (t) + Lfdifdt
L=⇒ Vf (s) = (Rf + sLf )If (s)
va(t)− ea(t) = Ra ia(t) + Ladiadt
L=⇒ Va(s)− Ea(s) = (Ra + sLa)Ia(s)
φ(t) = kf if (t) L=⇒ φ(s) = kf If (s)
Pm(t) = kt φ(t) ia(t)L=⇒ Pm(s) = kt φ(s) Ia(s)
ω(t) = dθdt α(t) = dω
dtL=⇒ ω(s) = sθ(s) α(s) = sω(s)
ea(t) = ke φ(t) ω(t) L=⇒ Ea(s) = ke φ(s) ω(s)
Pm(t)− Pl(t) = Jmdωdt + Bmω(t) L=⇒ Pm − Pl = s Jm + Bmω(s)
Motor de c.c. controlado por inducido: φ = cte. Kt = ktφ , Ke = keφ
-Va(s) m+ - 1sLa + Ra
- Kt- m+ - 1
sJm + Bm
r -ω(s)
�Ke
6−
?
Pl(s)
Ia(s) Pm(s)
Ea(s)
128
3.7. Funcion de transferencia del motor
Y (s) = G(s) U(s) G(s) ∈ R(s)1×2
U(s) =[
Va(s)Pm(s)
]G(s) =
[G11 G12
]Y (s) = ω(s)
G11 =Kt
(sLa + Ra)(sJm + Bm)(
1 +KtKe
(sLa + Ra)(sJm + Bm)
)=
Kt
s2LaJm + s(LaBm + RaJm) + RaBm + KtKe
G12 =1
(sJm + Bm)(
1 +KtKe
(sLa + Ra)(sJm + Bm)
)=
sLa + Ra
s2LaJm + s(LaBm + RaJm) + RaBm + KtKe
ω(s) =[G11 G12
] [Va(s)Pm(s)
]= G11Va(s) + G12Pm(s)
129
3.8. Reductor de velocidad
1 2 3 4
Pm
Pl
1 : Pm(t)− P21(t) = J1d2θ1dt2
+ B1dθ1dt
L=⇒ Pm(s)− P21(s) = s (J1s + B1) θ1(s)
2 : P12(t)− P32(t) = J2d2θ2dt2
+ B2dθ2dt
L=⇒ P12(s)− P32(s) = s (J2s + B2) θ2(s)
3 : P23(t)− P43(t) = J3d2θ3dt2
+ B3dθ3dt
L=⇒ P23 − P21(s) = s (J3s + B3) θ3(s)
4 : P34(t)− Pl(t) = J4d2θ4dt2
+ B4dθ4dt
L=⇒ P34 − Pl(s) = s (J4s + B4) θ4(s)
-Pm(s) � ��
+ - D2d1
-� ��+ - D3
d2-� ��
+ - D4d3
-� ��+ - 1
sJ4+B4s- 1
s-
θ4(s)
�D4d3
6
J3s+B3
6−
s�D3d2
6
J2s+B2
6−
s�D2d1
6
J1s+B1
6−
?
Pl
P21 P12
ω1
P32 P23
ω2
P43 P34
ω3 ω4
130
3.9. Funcion de transferencia del reductor
El diagrama de bloques puede reducirse a
-Pm(s) m+ - 1sJr + Br
-ω1(s)Kr
-ω4(s) 1s
-θ4(s)
?Pl(s)
1Kr
?
en donde
Jr = d12d2
2d32
D22D4
2D32 J4 + d1
2d22
D32D2
2 J3 + d12
D22 J2 + J1
Br = d12d2
2d32
D22D4
2D32 B4 + d1
2d22
D32D2
2 B3 + d12
D22 B2 + B1
Kr = d1 d2 d3D2 D3 D4
.
Es un sistema de primer orden (para ω) o de segundo (para θ).
131
3.10. Reductor con poleas elasticas
-Pm(s) � ��
+ - 1J1s+B1
-ω1(s) 1
ss -θ1(s)
?r1
?x1(s)� ��
+�K12f12(s) s6r1
6−P21(s)
?R2
?P12(s)
� ��+ - 1
J2s+B2-
ω2(s) 1s
s -θ2(s)
6
R2
6−x2(s)
?6−P32(s)
-Pl(s) � ��
+
1 : f12(s) = K12(r1θ1(s)−R2θ2(s))
P21(s) = r1 f12(s) P12(s) = R1 f12(s)
Pm(s)− P21(s) = s (J1s + B1)
2 : f23(s) = K23(r2θ2(s)−R3θ3(s))
P32(s) = r2 f23(s) P23(s) = R3 f23(s)
P12(s)− P32(s) = s (J2s + B2)
3 : f34(s) = K34(r1θ3(s)−R2θ4(s))
P43(s) = r3 f34(s) P34(s) = R4 f34(s)
P23(s)− P32(s) = s (J3s + B3)
4 : P34(s)− Pl(s) = s (J4s + B4)
Es un sistema de orden 2 × no de poleas. Modelo externo: formula de Mason.
132
3.11. Aplicacion practica: sistema de control de posicion
Motor de c.c.
PoleasCarrito
C AS+
−
Vxr
x(t)
Entrada = Vx –control –referencia –consigna
Salida = x(t)
C Controlador = PID analogico
A Actuador = Amplificador de potencia
P Planta = Motor c.c. + Poleas + Carrito
S Sensor = Potenciometro
133
4. Especificaciones de funcionamiento
Son condiciones que se exigen a un sistema de control para que su funcionamientosea aceptable.
1. Estabilidad
2. Rapidez
3. Precision
Las especificaciones de funcionamiento suelen expresarse por numeros que se definena partir de
. la respuesta en el tiempo
. la respuesta en frecuencia
Problema de diseno: dado una planta o proceso a controlar y fijadas unas especifica-ciones de funcionamiento, obtener el modelo matematico de un controlador tal que elsistema de control resultante cumpla tales especificaciones.
134
4.1. Especificaciones en tiempo
. Respuesta temporal: grafica de la senal de salida.
. Entradas de prueba: impulso de Dirac, escalon unitario, funcion rampa, funcionparabola, etc.
. Respuesta para entrada escalon ⇒ revela especificaciones.
Mp : estabilidad
tp : rapidez
error : precision
135
• Valores para el sistema de 2o orden
y(t) = 1 +1√
1− ξ2e−ξωnt sin(ωn
√1− ξ2t− φ), φ = arctan
−ξ√1− ξ2
y′(t) = e−ξωnt
(−ξ2ωn√1− ξ2
+ ωn
√1− ξ2
)sin(ωn
√1− ξ2t) = 0
⇒ sin(ωn
√1− ξ2t) = 0 ⇒ t =
kπ
ωn
√1− ξ2
, k = 0, 1, 2, . . .
Para k = 1 (primer maximo),
tP =π
ωn
√1− ξ2
; y(tP ) = 1 +1√
1− ξ2e−ξωntp(−
√1− ξ2 cos π + ξ sinπ)
y(tp) = 1 + MP ⇒ Mp = e−ξπ/√
1−ξ2
• Otros valores
tr =arctan(−
√1− ξ2/ξ)
ωn
√1− ξ2
, ts '4
ξωn,
1ξωn
= constante de tiempo
136
4.2. Especificaciones en frecuencia
Respuesta de G(s) con u(t) = A sin(ωt):
yss(t) = M sin(ωt + φ), M = |G(jω)|, φ = arg G(jω)
• Frecuencias de corte: ωA, ωB; -3 dB
• Anchura de banda BW = ωB − ωA
⇒ rapidez
• Ganancia en BW: constante⇒ precision
• Margenes de ganancia y fase⇒ estabilidad
No hay una relacion explıcita entre las especificaciones en tiempo y en frecuencia.
137
5. Estabilidad, controlabilidad y observabilidad, sistemas lineales
Sistema lineal S: modelo de estado[
A BC D
]∈ R(n+q)×(n+p) ⇒ G(s) ∈ R(s)p×q
. Estabilidad – G(s) – polos simples s1, s2, . . . , sn
y(t) = k1es1t + k2e
s2t + . . . + knesnt
Si algun si ∈ C+ ⇒ y(t)→∞ – sistema inestable.
. Controlabilidad: Q = [B AB A2B . . . An−1B] ∈ Rn×nq
. Observabilidad: R = [C CA CA2 . . . CAn−1]T ∈ Rnp×n
S controlable ⇐⇒ rank Q = n S observable ⇐⇒ rank R = n
Si S es controlable y observable se puede realizar un feedback de estado para reubicarlos polos de S, i.e., se puede
S inestablestate feedback−−−−−→ S estable
138
Capıtulo 6. Diseno de Sistemas de Control continuos
1. Introduccion
Aplicacion en numerosos campos en tecnologıa y ciencia.
. pilotos automaticos en barcos o aviones
. control teledirigido de naves espaciales
. controles de posicion y velocidad – maquinas herramientas
. control de procesos industriales – robots
. controles en automoviles – suspension activa
. controles en electrodomesticos
Desarrollo: Bajo coste y miniaturizacion de electronica.
Objeto del diseno: controlador.
Control: sistemas SISO y MIMO.
Realizacion: componentes electronicos analogicos – computador digital.139
2. Tipos de controladores
Diseno: determinar Gc(s) para conseguir un adecuado funcionamiento.
Gc Gp
H
R(s)
D(s)
Y(s)ε
Controlador Gc(s):
P Proporcional : Gc(s) = Kp
I Integrador : Gc(s) = 1sTi
D Derivativo : Gc(s) = sTd
PID Gc(s) = Kp(1 + 1sTi
+ sTd)
140
• Realizacion de los controladores
P
R
R2
R1
Vi
Vo
V0
Vi=
R1 + R2
R1= Kp =
R1 + R2
R1
I
R 1
R
V
C 1
i
V o V0
Vi= − 1
sR1C1; Ti = sR1C1
D
R 1
R
VC 1
i
V o V0
Vi= −sR1C1; Td = sR1C1
141
• Controlador PID
Kp
1
1
dsT
isT
Vi Vo
Gc = V0Vi
= Kp
(1 + 1
sTi+ sTd
)Kp = R5
R4, Ti = R2C2, Td = R3C3
R 1V
C 2
i
V o
C 3
R 1R 4
R 4
R4
R 5
R 1
R 3
142
• Controladores de adelanto y de retraso de fase
Gc =V0
Vi= Kc
s− zc
s− pc
{a) | zc |<| pc | adelanto de fasea) | zc |>| pc | retraso de fase
R1
C
R2Vi Vo
R1
R2
Vi
Vo
C
a) b)
Gc = Kcs−zcs−pc
= 1+αTsα(1+Ts) Gc = Kc
s−zcs−pc
= 1+Ts1+αTs
α = R1+R2R2
, T = CR1R2R1+R2
α = R1+R2R2
, T = R2C
143
• Controlador de adelanto-retraso con red pasiva
R1
Vi Vo
R2
C1
C 2
Gc =V0
Vi=
(1 + αT1s)(1 + βT2s)(1 + T1s)(1 + T2s)
donde α > 1, β = 1/α, αT1 = R1C1, T2 = R2C2 y T1T2 = R1R2C1C2.
144
• Controlador de adelanto-retraso con amp. operacional
R1
Vi
C1
R2
C2
Vo
Gc =V0
Vi= Kc
s− zc
s− pc= −C1(s + 1/R1C1)
C2(s + 1/R2C2)
. Eliminando R2 ⇒ controlador PI
. Eliminando C2 ⇒ controlador PD
145
3. Diseno en el lugar de las raıces
G(s) =1s2
Sistema marginalmente estable para cualquier K.
146
• Efecto de anadir un cero
Cero en z1 = (−2.5, 0); G(s) =s + 2.5
s2
Es como si z1 “tirase” del L.R. hacia sı, estabilizando el sistema.
147
• Efecto de anadir un polo
Polo en p1 = (−2, 0); G(s) =1
s2(s + 2)
Es como si p1 empujara al L.R., desestabilizando el sistema.
148
3.1. Diseno de un controlador de adelanto de fase
El controlador esGc(s) = Kc
s− zc
s− pc, |zc| < |pc| (6.2)
Diseno: hallar zc y pc para que el L.R. pase por un punto dado, definido a partir delas especificaciones de funcionamiento.
Ejemplo. Dado un sistema con
G(s) =1s2
, H(s) = 1, (6.3)
disenar un controlador de adelanto de fase para conseguir las siguientes especificacio-nes de funcionamiento:
Mp < 0.2, Ts < 4 s para ε = 2%
siendo ±ε la banda de tolerancia de error.
149
Resolucion.Para el sistema de 2o orden sabemos que
Mp = e−ξπ/√
1−ξ2 ⇒ ξ =− ln(Mp)√
ln(Mp)2 + π2= 0.456.
Para t = 4τ tenemos que e−t/τ = e−4 = 0.0183 < 0.02. Por tanto, si ts = 4τ tenemosque para t > ts se cumple que y(t) < 0.02.
ts = 4τ =4
ξωn
Sustituyendo,
4 =4
0.456 ωn⇒ ωn = 2.22.
Por tanto, el punto s0 ∈ C correspondiente a las especificaciones dadas es:
s0 = −ξωn ± iωn
√1− ξ2 = −1± 2i.
Ahora el problema es calcular Gc(s) para que el L.R. pase por s0.
150
Ponemos el cero del controlador en el punto zc = −1, bajo el punto s0 = (−1 ± 2i)por donde ha de pasar el L.R.
re
im
-1-2-3-4-5
1
2
3
θ 90º116.56º
Raíz deseada
p
Por la condicion de angulo,
90o − 2(116.56o)− θp = −180o ⇒ θp = 38o,
se deduce que el polo ha de ser pc = −3.6. Aplicando ahora la condicion de moduloen el punto s = −1 + 2i resulta Kc = 8.1.
151
El lugar de las raıces del sistema con controlador es
El controlador disenado es Gc(s) = 8.1s + 1
s + 3.6.
152
3.2. Diseno de un controlador PID
Ejemplo. Se trata disenar un controlador PID para un sistema con Gp(s) = 1/s2 yH(s) = 1. Las especificaciones son las mismas en el ejemplo anterior.
Mp < 0.2, Ts < 4 s para ε = 2%
siendo ±ε la banda de tolerancia de error.
Resolucion.
Como en el ejemplo anterior, el lugar de las raıces ha de pasar por el punto s0 =(−1± 2j). La funcion de transferencia del PID es
Gc = Kp
(1 +
1sTi
+ sTd
)= Kp
TdTis2 + Tis + 1Tis
= TdKp
s2 + 1Td
s + 1TdTi
s= Kc
(s− z1)(s− z2)s
,
con Kc = TdKp.
153
re
im
-1-2-3-4-5
1
2
3
θ 90º116.56º
Raíz deseada
z2
Metodo simple:
(a) suponemos que los ceros z1 y z2 son reales,
(b) ponemos el cero z1 bajo la raız s0 deseada,
(c) aplicando la condicion de angulo, determinamos el otro cero,
(d) aplicando la condicion de modulo, hallamos Kp.
154
(a) z1 y z2 en el eje real.
(b) z1 = −1
(c) Condicion de angulo:
90o + θz2 − 3(116.56o) = −180o, θz2 = 3(116.56)− 180o − 90o = 79.6952o
⇒ z2 = −1.3636.
Con z1 y z2 ya podemos hallar Td, Ti y Kp:
Kc
s2 + 1Td
s + 1TdTi
s= Kc
(s− z1)(s− z2)s
≡ Kcs2 + 2.3636s + 1.3636
s,
siendo Kc = TdKp, de donde resulta
Td =1
2.3636= 0.4231 s, Ti =
2.36361.3636
= 1.7333 s
(d) Por ultimo, aplicando la condicion de modulo, hallamos Kp.
(√
12 + 22)3
2√
(1.3636− 1)2 + 22= 2.750 = Kc ⇒ Kp =
Kc
Td= 6.5
155
156
Control del balanceo de una barra
Diseno de un sistema de control para mantener una barra en posicion vertical.
xf
θ
y• Barra de longitud l y masa m
• Movimiento en el plano xy
• Fuerza f(t) horizontal
• Desplazamiento x(t) de la base
• Giro θ(t) de la barra
¿Es posible el control —sin feedback— de labarra?
157
Modelo matematico. 2a ley de Newton :∑
P = Jd2θ
dt2
f(t)θ(t)
mg
O
J :=∫ l
0x2dm =
∫ l
0x2ρAdx = ρA
l3
3=
13ρAl l2 =
13m l2
f(t)l
2cos θ(t) + mg
l
2sin θ(t) = J
d2θ
dt2
Linealizacion: cos θ ' 1, sin θ ' θ ⇓
13m l2
d2θ
dt2−mg
l
2θ(t) =
l
2f(t) ⇓ L
d2θdt2− 3g
2l θ(t) = 32ml f(t)
(s2 − 3g2l )θ(s) = 3
2mlF (s)
Modelo externo: θ(s) =3
2ml
s2 − 3g2l
F (s)
Datos: g = 9.8,m = 1, l = 1 ⇒ polos : p1 = 3.834058, p2 = −3.834058.
158
Lugar de las raıces.
−8 −6 −4 −2 0 2 4 6 8−5
−4
−3
−2
−1
0
1
2
3
4
5
Root Locus
Real Axis
Imag
inar
y A
xis
Sistema inestable o marginalmente estable con controlador P
159
Diseno de un controlador.
Especificaciones:
tp =14, Mp =
13
Sistema de segundo orden:
Mp = e−ξπ/√
1−ξ2 ⇒ ξ =− ln(Mp)√
ln(Mp)2 + π2= 0.403712
tp =π
ωn
√1− ξ2
⇒ ωn =π
tp√
1− ξ2= 10.301589
Polo del sistema:
s0 = −ξωn ± i ωn
√1− ξ2 = −4.158883± 9.424777i
Problema: hallar Gc(s) para que el L.R. pase por s0.
160
Calculo de los parametros de Gc(s).
φp1φzcφp2φpc
s0
p1p2zcpc
⇒ pc = −4− 8.440951 = −12.440951
Condicion de angulo:φzc − φp1 − φp2 − φpc = (2k + 1)π ⇒ φpc = 0.840410 rad =48.151970o
Condicion de modulo:
K =|s0 − p1||s0 − p2||s0 − pc|
|s0 − zc|= 156.425395
161
Parte III. Automatizacion local
162
Capıtulo 7. Automatas programables
1. Descripcion de un PLC
Externamente un PLC se compone de una o varias cajas de plastico acopladasmecanica y electricamente entre sı. Una de ellas contiene la CPU (Central ProcessUnit) y las otras son modulos complementarios para entradas, salidas, comunicacio-nes, alimentacion y otras funciones especiales.
CPU
. Datan de la decada de los 80– sustituir reles y temporizadores.
. Potentes PLC: operaciones potentes– tipo maestro.
. PLC’s de gama baja: actuadores – senso-res – pocas I/O– tipo esclavo.
Tanto la CPU como los modulos adicionales tienen bornas para los cables de conexiondel automata con sensores y actuadores ası como con otros automatas y ordenadores.
163
Arquitectura de un PLC
Buses: direcciones − datos − control
EEPROMROMCPURAMEPROM
opto − entradasrelés − salidas
. Sistema basado en microprocesador.
. Entradas opto-acopladas y filtradas, salidas por rele.
. Alta inmunidad al ruido – gran fiabilidad.
164
Cableado directo I/O (obsoleto)
Proceso 1 Proceso 2 Proceso 3
CPU
Drivers Drivers
. Sensores y actuadores clasicos.
. Las entradas – salidas se cablean hasta el proceso.
. Posiblilidad de errores de transmision.
. Gran cantidad de cables.
165
Cableado por bus de campo
Proceso 1 Proceso 2
CPU
CPU
1
0
22 3
. Sensores y actuadores “inteligentes”.
. Automata esclavo en proceso.
. Reducido numero de cables.
. Posibilidad de usar elementos de radiofrecuencia.
166
2. Programacion de PLC’s
Lenta evolucion de los lenguajes de control industrial.
Motivo: los programas se pueden usar en areas en las que los fallos pueden originarriesgos para la seguridad humana o producir enormes perdidas economicas.
Antes de que una nueva tecnica ser aceptada, debe ser probada para verificar quecumple unas severas condiciones de seguridad y fiabilidad.
Los programas deben ser comprendidos por otras personas ajenas al programador:tecnicos (electricistas, mecanicos, etc.), encargados de planta e ingenieros de proceso→ lenguajes con caracterısticas especiales.
Es posible resolver el mismo problema con diferentes lenguajes. El grado de dificultadpuede variar.
Hay sistemas que convierten automaticamente de un lenguaje a otro.
Programacion con raton mediante interfaces graficas bajo windows.
167
La norma IEC 1131
Intento de normalizacion del empleo de PLC’s en automatizacion.
Antes de la IEC 1131-3: lenguajes especıficos de cada PLC→ confusion, mala coordinacion y perdidas de tiempo y dinero.
Objetivo de la IEC 1131-3: hacer que los programas se entiendan mejor.
Familias de la IEC 1131:
. IEC 1131-1 Informacion general: definicion de terminos, normas para la eleccionde PLC’s y perifericos.
. IEC 1131-2 Hardware: requisitos mınimos de construccion y servicio.
. IEC 1131-3 Lenguajes de programacion: elementos comunes, sintaxis, semantica.
. IEC 1131-4 Guıa de usuario: para todo proyecto de automatizacion.
. IEC 1131-5 Comunicaciones: PLC – perifericos, PLC – PLC, PLC – PC.
168
La IEC 1131-3. Lenguajes de programacion
Norma para el diseno de software para sistemas de control industrial, en particularpara PLC’s (Programmable Logic Controller).
Fue publicada por primera vez en 1993. Hasta entonces no habıa ningun estandarpara la programacion de sistemas PLC.
Lenguajes incluidos en la norma IEC 61131-3:
. Structured Text (ST)
. Function Block Diagram (FBD)
. Ladder Diagram (LD)
. Instruction List (IL)
. Sequential Function Chart (SFC)
Metodologıa flexible de programacion.
Permite combinar bloques realizados en diferentes lenguajes.
169
2.1. Ladder Diagram (LD)
. Lenguaje de contactos
. Disenado para tecnicos electricistas
. Cada contacto representa un bit: entrada, salida, memoria
. Diseno con Statecharts, SFC.
. Automatas gama alta: programables en C o SFC
. Automatas gama baja: conversion (manual) SFC → LD
M a
�� � ��
B
b c
Si se activa la entrada M yno se activa el bit a o se activa el bit b y se activa el bit c
entonces se activa la salida B.
170
Conversion manual SFC → LD
ON
e1
keep(11)
e0
e0 r1
e2
keep(11)
e1
e1 r2
e3
keep(11)
e2
... ...en−1 rn
en+1
keep(11)
en
00
r1
1
r2
2
r3... rn
n
rn+1
171
3. Celula flexible SMC
Transfer (cinta trasportadora) + 8 Estaciones.
Producto: montaje simple
172
Estacion 1 Elementos
. Actuadores: 6 cilindros neumaticoscontrolados por electrovalvulas
. Sensores: detectores magneticos
. Pulsadores de marcha, paro y rearme.
. Selector ciclo, seccionador, seta emergencia
. Piloto indicador error
. PLC con 13 entradas y 10 salidas
Operaciones
. Sacar la base del almacen (cilindro A)
. Verificar posicion correcta (cilindro V)
. Trasladar base al manipulador (cilindro T)
. Rechazar base incorrecta (cilindro R)
. Insertar base en palet (cilindros MH y MV)173
Grafcet estacion 1
174
Simulacion estacion 1 en Matlab
175
vacio
rearme
pos
c.i.
vLRx
T
Scope
vLRx
P
vLRx
MV
vLRx
MH
0
Falta material
vLRx
E0
Defecto
0
1
0
1
0
0
1
1base
vacio
ci
vA
vP
vT
vE
vMV
vMH
FM
PD
Chart
vLRx
A
176
estacion1s/Chart
Printed 03−May−2005 18:20:38
S6a/entry: vT=0;% traslado atras
S1/entry:vA=1; % avance AP S30/entry:
PD = 1;
S2/entry: vA=0;vP=1; % bajar VP S31/
% poner c.i.
S2w/entry: vP=0;t0=t;
S32/entry:PD = 0;
S3/entry:vP=−1; % subir VP
S3w/entry:vP=0;t0=t; % temporizador
S4/entry:vA=−1; % retro. A
S5/entry: vA=0;vT=1; % trasladar
S6/entry: vT=−1;% traslado atras
S0/
S7/entry: vE=1;% expulsar
S9/entry: vMV=1;% bajar MV
S8/entry: vE=−1;% expulsor atrasexit: vE=0;
S10/entry:vMV=0;
S11/entry:vMV=−1; % subir MV S20/entry:
FM = 1;
S12/entry: vMV=0;vMH=1; % avance MH
S21/entry: FM=0;vMV=−1; % subir MVexit: vMV=0;
S13/entry: vMH=0;vMV=1; % bajar MV
S14/entry: vMV=0; % cesar vacio ven
S15/entry:vMV=−1; % subir MV
S16/entry: vMV=0;vMH=−1; % retro MHexit: vMH=0;
mh0
mv0
[ci==1] [ci==0]
e0
a1 rearme
p1
[ci==1]
[t>t0+5]
p0
[t>t0+5]
a0
tr1
tr0
[base==1][base==0]
e1 mv1
[vacio==1][vacio==0]
mv0rearme
mh1
mv1
mv0
177
3.1. Automata programable Omron CPM2A-30CDR-A
18 entradas??????????????????
12 salidas
????????????
Programa Memoria
RS-232Perif.
Lenguaje: LD + instrucciones –16 bits–
Entradas: IR 00000-IR 00915 (o bits)Ch: 00.00 a 00.11 y 01.00 a 01.05Salidas: IR 01000-IR 01915 (o bits)Ch: 10.00 a 10.07 y 11.00 a 00.03Bits: IR 02000-IR 04915 y IR 20000-IR 22715Especial: SR 22800-SR 25515Temporal: TR 0-TR 7Holding: HR 0000-HR 1915Auxiliar: AR 0000-AR 2315Link: LR 0000-LR 1515Timers: TIM/CNT000 to TIM/CNT255Memoria datos: DM0000-DM 6655 (RW)Interrupciones externas: 4Salida de pulsos: 2 puntos 10 KHzEntradas respuesta rapida: 4 (50µ s)Controles analogicos: 2 (0-200)2 Puertos comunicaciones: perif., RS232
178
3.2. Ejemplos
Programa 1: al pulsar M se encendera la luz FM.
M
0.00� ��FM
11.01
179
Programa 2: al pulsar M se encendera la luz FM y se mantendra encendida; al pulsarP se apagara.
M
0.00 keep(11)
eP
0.01
e
hr00� ��FM
11.01
180
Diseno con StateCharts
va
vr
si
sd
x
cilindro A
Scope
M
1
0
va
vr
Chart
x(t)
0
1
3
x
2
sd
1
si
1s
0
1
1
0
2
vr
1
va
chart_1cil_doble_4e/Chart
Printed 09−May−2005 12:07:20
I/va=0;vr=0;
D/va=0;vr=0;
R/va=0; %retro.vr=1;
A/va=1; %avancevr=0;
M sd
si M
181
Implementacion con LD
ON
0.00
R
20.03
si
0.04 keep(11)
IA
20.01
I
20.00
M
0.01 keep(11)
AD
20.02
A
20.01
sd
0.05 keep(11)
DR
20.03
D
20.02
M
0.01 keep(11)
RI
20.00
A
20.01
gva10.01
R
20.03
gvr10.02
182
Capıtulo 8. Sensores
Partes de un sensor
Captador: dispositivo con un parametro p sensible a una magnitud fısica h – emiteenergıa w que depende de p (y de h). Ideal: w(t) = K h(t), K = cte.
Transductor: recibe la energıa w del captador, la transforma en energıa electricae(t) y la retransmite.
Acondicionador: recibe la senal e(t) del transductor y la ajusta a los niveles devoltaje e intensidad, precisos para su posterior tratamiento, dando v(t).
h t( ) e t( ) ( )v t
p h( )
( ) ( ) ( )w p h tAcondicionadorTransductor
Captador
Sensor = Captador + Transductor + Acondicionador
. Analogicos: todas las senales son analogicas
. Digitales: v(t) digital.
Sistemas de control: medicion de variables que intervienen en el proceso.El sensor ha de ser de gran calidad. Estatica – Dinamica.
183
1. Tipos de sensores
Analogicos: parametro sensible – magnitud fısica
. Resistencia R – desplazamiento, temperatura, fuerza (galgas)
. Capacidad C – desplazamiento, presencia
. Autoinduccion, reluctancia L – desplazamiento (nucleo movil)
. Efecto Seebeck – temperatura (termopar)
. Piezoelectricidad – fuerza, presion
. Dispositivos electronicos – temperatura, presion
. Avanzados: ionizacion, ultrasonidos, laser, camaras CCD, etc.
Digitales: binarios o n bits
. Fin de carrera – presencia (interruptor)
. Dilatacion – temperatura (termostato)
. Resistencia, capacidad, autoinduccion – presencia
. Efecto fotoelectrico – presencia (1 bit), posicion (n bits), velocidad184
1.1. Clasificacion
Aspecto – tipos
. Senal de salida – analogicos, digitales
. Energıa – pasivos, activos
. Funcionamiento – deflexion, comparacion
1.2. Caracterısticas
Aspecto – caracterısticas
. Diseno – electrico, diseno mecanico, actuacion
. Escalas – rango, resolucion
. Estatica – precision, linealidad, histeresis, repetitividad, derivas
. Dinamica – orden cero, orden uno, orden dos
. Fiabilidad
185
2. Calibracion
Ensayo: entrada h = magnitud de valor conocido – salida medida v
Tabla de calibracion: varios puntos h1 → v1, . . . , hn → vn, dentro del rango
Curva de Calibracion: representacion grafica (h, v)
Necesario: aparato de medida de mayor precision que el sensor
Linealizacion: curva de calibracion → lınea recta
. Por punto final: v = m h, en donde m = vn/hn
. Por lınea independiente: v = m h + b
. Por mınimos cuadrados: v = m h + b, en donde
m =
n
n∑i=1
hivi −n∑
i=1
hi
n∑i=1
vi
nn∑
i=1
h2i −
(n∑
i=1
hi
)2 , b =
n∑i=1
vi
n−m
n∑i=1
hi
n
186
3. Tipos de transductores
Temperatura
. Termistor – parametro sensible: R (ptc, ntc)
RT = R0eβ(( 1
T0)−( 1
T)), β = cte., T0 = 250C – formas variadas
. Termopar – ∆T → ∆v – rapido (ms) – senal debil – T alta
. Circuitos integrados – LM335 (10 mV/0K), AD592 (1µ A/0K).
Posicion
. Resistivos – potenciometro (R) – lineal y angular
. Inductivos – LVDT
. Encoder – digital – lineal y angular
. Ultrasonidos
. Laser
Velocidad
. Dınamo tacometrica
. Encoder187
Capıtulo 9. Actuadores
1. Tipos de actuadores
Actuador: dispositivo que ejerce acciones de cierta ponencia.Transforma energıa: electrica → mecanica – estabilidad, rapidez, precision.
Actuadores hidraulicos – potencia alta
. Principio de Pascal – aceite especial – 200 bar – 0.25 l/s
. Cargas mayores de 6 o 7 Kg
. Control: servovalvulas (con motor) – controlan el flujo de fluido
Actuadores neumaticos – potencia baja – control neumatico
. Cilindros - motores - movimientos rapidos - poca precision
. fluido: aire – aire comprimido – 5 a 10 bar
Actuadores electricos
. Motores electricos: C.C., C.A, lineales, paso a paso
188
1.1. Otros actuadores
. Reles – automatismos electricos
. Contactores
. Arrancadores y Drivers para motores
. Amplificadores electronicos de potencia
1.2. Accesorios mecanicos
. Maquinas simples: plano inclinado, palanca, biela-manivela, engranajes, rodi-llos, poleas, agitadores, vibradores, etc.
. Poleas, cremalleras, pinones: translacion → rotacion
. Reductores de velocidad
. Maquinas complejas
189
2. Neumatica
Tecnologıa basica de la automatizacion – fabricacion y montaje Utilizacion de laenergıa potencial del aire comprimido. DIN 24300Sencillez de diseno – rapidez de montaje – flexibilidad – fiabilidad
Componentes: Cilindros (actuadores) y valvulas (control flujos)
Cilindro: energıa aire comprimido → energıa mecanica
Tubo de acero – embolo – vastago – una o dos tomas de aire
P P P Cilindrode simple efecto Cilindro de doble efecto
Tipos: con amortiguador, en tandem, multiposicionales, rotativos y mesas,de impacto, sin vastago.
190
2.1. Valvulas
Sirven para controlar el paso de fluido – notacion: no vıas / no de posiciones
Distribuidoras: pieza fija + pieza movil. Muchas formas y dimensiones
Accionamiento:
. Manual, con pulsador, seta, palanca o pedal.
. Mecanico, con leva, rodillo o varilla.
. Neumatico, con orificios especiales para senales neumaticas.
. Electrico, con electroiman.
. Electroneumatico.
���������
���������
���������
���������
���������
���������
���������
���������
������������
������������
���������������������
���������������������
� � � � � � � � �
���������������������
���������������������
���������������������
���������������������
���������������������
���������������������������
���������������������������
A A
P PR R
Valvula 3/2 de corredera y con accionamiento mecanico191
Valvulas de dos vıas
Valvula 2/2: dos orificios o vıas de aire (entrada y salida), y dos posiciones de trabajo.Dos tipos: NC y NA. Reposo: cuadrado dcha.
P
A A
P
Con accionamientos:
P
A A
P
192
Valvulas de tres vıas
Tres vıas y dos o tres posiciones de trabajo. Valvulas 3/2: 3 vıas y 2 posiciones ypueden ser de tipo NC o NA.
P R
A
P
A
R
Valvulas 3/3: 3 vıas de aire y 3 posiciones.
P R
A
abrir ← (centro: las tres vıas cerradas) → cerrar
193
Valvulas de cuatro y cinco vıas
4 vıas y 2 o 3 posiciones trabajo; 5 vıas y 2, 3 o 4 posiciones de trabajoA B
X
P R
X
P R
A B
Y
Valvulas 4/2 y 4/3
R S P
A B
X Y X
A B
Y
R P S
X
A B
R P S
YX
A B
R P S
Y
Valvulas 5/2, 5/3 y 5/4
194
Valvula selectora
Conductos internos con forma de T; la bolita tapona la entrada X o YSi pX > pY entonces la bolita tapa la entrada Y y pA = pX .En cambio, si pY > pX ocurre lo contrario y pA = pY Si pX = pY = baja entonces
A
X Y
Figura 9.2: valvula de lanzadera
pA = baja; Si pX = pY = alta entonces pA = alta.
Realiza neumaticamente la funcion logica OR.
Valvulas de simultaneidad
Lleva una corredera en el conducto que comunica las entradas X e Y . La correderatiene dos tapones ubicados en sendas cavidades, uno para la entrada X y otro para
195
la entrada Y y unidos por una varilla. Si pX > pY entonces la cavidad de la entradaX resulta taponada y pA = pY .
A
X Y
Por el contrario, si pY > pX se tapona la cavidad de Y y la presion en pA = pX .Si pX = pY , la corredera queda en el centro y entonces pX = pA = pY .
Realiza neumaticamente la funcion logica AND.
Aplicacion sencilla
Control de un cilindro de doble efecto desde dos posiciones X e Y mediante unavalvula selectora de tipo OR.
196
X Y
197
3. Automatismos electricos
3.1. El rele
. Interruptor accionado por electroiman
. Dispositivo fundamental en automatismos electricos
. Contactores
. Diagrama de contactos
NC
NA
A1
A2
1
1A
A 2
12 14
11
Esquema segun norma CEI
198
3.2. Funciones logicas con reles
+a
−s
+a s− −
−+a
K
K
Identidad Negacion Negacion con rele
+ −a b s
−+a b
s
K
K
−+a b
s
K
K
Funcion AND Funcion AND Funcion NAND
199
Parte IV. Automatizacion global
200
Capıtulo 10. Niveles de Automatizacion
Esquema simple de una empresa
Gestión
Almacén de Almacén deproductos terminadosProducciónmaterias primas
Finanzas
MERCADO
Compras Ventas
Nivel productivo de automatiza-cion
. Redes de comunicacion
. Controladores
. Actuadores
. Sensores
. Procesos
Fases de automatizacion:Produccion → Diseno → Gestion → Automatizacion total
201
Automatizacion produccion – Software
. CAD Computer Aided Design – maquinas herramientas
. CAPP Computer Aided Process Planning – planificacion sistemas
. PPS Planning Production System – optimizacion produccion
. MRP Material Requirement Planning – almacen materias primas
. CAM Computer Aided Manufacturing – equipos productivos
. CNC Computer numeric control
. NC Numeric control
. SFC Shop Floor Control – almacen → planta → pedidos
. QC Quality Circle – mejora calidad – reduccion costes
. CAPC Computer Aided Production control – control produccion
. CAPM Computer Aided Production management – gestion produccion
. TMS Transportation Management System – gestion i/o productos
202
Piramide de Automatizacion
�����������������������A
AAAAAAAAAAAAAAAAAAAAAA
Celula – Planta Baja
Proceso – Campo
Produccion – Planta
Factorıa
G
Sensor, Actuador, PID
PLC, CNC, NC
WS, PCC, PC
MF, WS, PC, CAD/CAM, CAPP, etc.
MF, WS, PC, Gestion
203
SCADA
Supervisory Control and Data Acquisition (de Control Supervisor y Adquisicion deDatos). Software de captura de informacion de un proceso o planta. –analisis oestudios –retroalimentacion y control del proceso.
. Generacion, transmision y distribucion energıa electrica
. Sistemas del control del medio ambiente
. Procesos de fabricacion
. Gestion de senales de trafico
. Gestion de abastecimiento de aguas
. Sistemas de transito masivo
. Supervision y control de estaciones remotas
Caracterısticas de SCADA:
. Mostrar de forma inteligible las lecturas de medidas y de estado de la plantaen las computadoras principales.
. Permitir a los operadores controlar la planta de maneras predefinidas.204
. Para restringir el acceso a las computadoras principales se suelen emplear con-solas especiales conectadas con ellas en red.
. El interfaz hombre-maquina de SCADA permite generalmente que los opera-dores puedan ver el estado de cualquier parte del equipo de la planta.
. La interaccion del operador con el sistema se realiza mayormente a traves de unsistema de alarmas. Las alarmas son condiciones anormales automaticamentedetectadas en el equipo de la planta que requieren la atencion del operador, yposiblemente su intervencion actuando adecuadamente sobre el proceso quizasguardando informacion importante y volviendo a ponerlo a funcionar suave-mente.
. Las computadoras principales de SCADA funcionan tıpicamente bajo un siste-ma operativo estandar. Casi todos los programas SCADA funcionan en algunavariante de UNIX, pero muchos vendedores estan comenzando a suministrarMicrosoft Windows como sistema operativo.
. Los sistemas de SCADA disponen generalmente de una base de datos distribui-da que contiene datos llamados puntos. Un punto representa un solo valor dela entrada o de la salida supervisado o controlado por el sistema. Los puntospueden ser “duros” o “suaves”. Un punto duro representa una entrada real osalida conectada con el sistema, de mientras que uno suave es el resultado de
205
operaciones logicas y matematicas aplicadas a otros puntos duros y suaves.
. El interfaz hombre-maquina de un sistema SCADA suministra un programade dibujo para poder representar estos puntos. Las representaciones puedenser tan simples como un semaforo en pantalla que represente el estado de unsemaforo real en el campo, o tan complejas como una imagen de realidad virtualque representa la evolucion real de la planta.
. En la pasada decada la demanda de aplicaciones civiles de sistemas de SCADAha ido creciendo, requiriendo realizar cada vez mas operaciones automaticamente.
. Por otro lado, soluciones SCADA han adoptado una estructura distribuida, conposibilidad de adaptarse a los componentes de un sistema de control distribuido(DCS) con multiples RTUs o PLCs inteligentes, capaces de ejecutar procesossimples en modo autonomo sin la participacion de la computadora principal.
. Los RTUs y PLCs actuales pueden programarse en los lenguajes de definidosen la norma IEC 61131-3, como el BFD (Function Block Diagram), lo quea los programadores de SCADA para realizar el diseno y puesta a punto deprogramas. Ello permite que algunos programas comunes (intercambio de da-tos, calidad, gestion de alarmas, seguridad, etc.) puedan ser realizados por losprogramadores de estacion principal y luego cargados desde ella en todos losautomatas. De este modo los requisitos de seguridad ahora se aplican al siste-
206
ma en su totalidad, e incluso el software de la estacion principal debe resolverlos estandares de seguridad rigurosos para algunos mercados.
. Ademas, el software de la estacion principal realiza analisis de datos, analisishistoricos y analisis asociados a requisitos particulares de la industria parapresentarlos a los operadores de la gestion de la empresa.
. En algunas instalaciones los costes que resultarıan de fallar del sistema decontrol son extremadamente altos, pudiendo incluso perderse vidas humanasen algunos casos.
. La fiabilidad de los sistemas de SCADA ha de estar garantizada para sopor-tar variaciones de temperatura, vibraciones, fluctuaciones de voltaje y otrascondiciones extremas empleando a veces para ello hardware y canales de comu-nicacion redundantes.
. Si un fallo se identifica rapidamente, el control puede ser automaticamenteasumido por el hardware de reserva y ası la parte averiada puede sustituirse sinparar el proceso.
. La fiabilidad de tales sistemas se puede calcular estadısticamente. El tiempocalculado de fallo de algunos sistemas de alta calidad puede ser incluso de siglos.
207
. Algunos sistemas SCADA utilizan la comunicacion por radio o por telefono. Es-to abre nuevas posibilidades, impensables hace pocos anos, a la automatizacionindustrial.
. Indicadores sin retroalimentacion inherente:– Estado actual del proceso: valores instantaneos– Desviacion o deriva del proceso: Evolucion historica y acumulada
. Indicadores con retroalimentacion inherente (afectan al proceso, despues al ope-rador):
– Generacion de alarmas;– MHI (Interfaces hombre-maquina);– Toma de decisiones: + Mediante operatoria humana; + Automatica (me-
diante la utilizacion de sistemas basados en el conocimiento o sistemasexpertos).
– etc.
Aplicacion diferentes areas industriales:
. Gestion de la produccion (facilita la programacion de la fabricacion);
. Mantenimiento (proporciona magnitudes de interes tales para evaluar y deter-minar modos de fallo, MTBF, ındices de Fiabilidad, entre otros);
208
. Control de Calidad (proporciona de manera automatizada los datos necesariospara calcular ındices de estabilidad de la produccion CP y CPk, tolerancias,ındice de piezas NOK/OK, etc;
. Administracion (actualmente pueden enlazarse estos datos del SCADA con unservidor SAP e integrarse como un modulo mas);
. Tratamiento historico de informacion (mediante su incorporacion en bases dedatos).
Etapas de un sistema SCADA:
Las etapas de un sistema de adquisicion de datos comprenden una serie de pasos quevan desde la captura de la magnitud a su postprocesado.
209
Molido de la malta
Uno de los primeros procesos en la elaboracion de la cerveza. La malta y el grano sepesan y se muelen segun la receta elegida.
210
Elaboracion de la cerveza
Una vez molido el grano y obtenido el mosto, se bombea en grandes tinas y comienzael proceso. Aquı vemos tres grandes tinas con sus tubos.
211
Embotellado
La cerveza elaborada se embotella. Vemos el proceso de embotellado mostrando lasidentificaciones de lote y producto, la hora de inicio e informacion de alarmas.
212
Empaquetado
Finalmente, la cerveza en botella se empaqueta en cajas. Aquı, se ponen seis paquetesen cada caja. Las cajas se sellan y se cargan sobre las plataformas.
213
1. Fabricacion inteligente
Intellution iHistorian:La importancia de transformar datos de fabricacion en inteligencia de planta.
214
El Desafıo: Convertir datos en conocimiento
Historicamente la fabricacion se ha identificado con la maquinaria ruidosa instaladaen la planta baja, valvulas del vapor silbando y chimeneas humeando.
Hoy, la fabricacion se ha convertido en uno de los sectores de informacion mas in-tensivos del mundo. Junto con los productos que salen lıneas de empaquetado o sevierten a traves de tuberıas, el producto de las instalaciones fabriles, es una corrientecada vez mayor de datos se originan en el nivel de planta.
Estos datos se utilizan para optimizar el inventario y la produccion, mejorar calidad yconsistencia del producto, para el correcto mantenimiento del equipo, y para asegurarque las plantas cumplen con las leyes ambientales, de seguridad y de salud.
Para convertir el torrencial flujo de datos de las instalaciones de fabricacion actualesen conocimiento, las companıas deben poder capturarlo de un amplio numero defuentes, juntarlo en un formato comun, y ponerlo a disposicion del software quepuede interpretarlo, dandole el significado y el valor.
Por ejemplo, en una lınea de empaquetado con tres lıneas de llenado de botellas quegenera datos sobre el estado de cada lınea, cuando esos datos se analizan al cabo decierto tiempo se puede determinar el grado de paradas no programadas ocurridas enuna determinada maquina. Esto lleva a unas mejores decisiones informadas sobremantenimiento preventivo y a gastos de capital en equipo nuevo de la planta.
215
Crear una ”planta inteligente”, sin embargo, requiere algo mas que elaborar datosrepresentativos e implementar aplicaciones para interpretarlos. La pieza de este rom-pecabezas que ha faltado a muchos fabricantes hasta la fecha es un simple depositocentral para los masivos volumenes de datos historicos que emanan de los sistemasde operaciones a traves de la planta: un historiador de planta extensa.
Estos historiadores de planta extensa pueden surtir estos datos a una amplia variedadde usos en los niveles operativo y de negocio de la empresa.
Algunos historiadores de datos de planta extensa han estado ya en el mercado haceanos, pero se han considerado demasiado costosos y complejos para casi todas lasinstalaciones de fabricacion corrientes, excepto para las mas grandes, tales como cier-tas operaciones de proceso continuo como las industrias quımicas y las refinerıas depetroleo.
216
Parte V. APENDICES
217
Capıtulo A. Ecuaciones diferenciales
1. Ecuaciones diferenciales de primer orden
La ecuacion diferencialdx
dt= ax(t), a = constante (A.4)
es una de las mas simples. Dice: ∀t la ecuacion x′(t) = ax(t) es cierta.
Soluciones: son las funciones u(t) que verifican la ecuacion diferencial (A.4). En estecaso es facil hallarlas:
. f(t) = k eat es una solucion de (A.4) ya que f ′(t) = a k eat = a f(t)
. No hay mas soluciones: sea u(t) una solucion cualquiera. Entonces
d
dt
(u(t) e−at
)= u′(t) e−at + u(t) (−a e−at) = a u(t)e−at − u(t) a e−at = 0
⇒ u(t) e−at = cte.⇒ u(t) = cte. eat
Hemos probado la existencia y unicidad de la solucion de (A.4).
218
1.1. Problema de condiciones iniciales (PCI)
x(t) = k eat solucion de (A.4), a dada
k queda determinada si nos dan el valor x0 de x(t) en t0:
x(t0) = k eat0 = x0 ⇒ k = e−at0x0;
si t0 = 0 entonces k = x0. Por tanto, la ecuacion diferencial
x′(t) = a x(t)
tiene una unica solucion que cumple la condicion inicial
x(t0) = x0
Problema de condiciones iniciales:
Dadas{
x′(t) = a x(t)x(t0) = x0
(A.5)
hallar la solucion u(t) que pasa por x0.
219
2. Estudio cualitativo
El problema de condiciones iniciales es el que mas interesa en las aplicaciones deingenierıa. Pero solo estudia una solucion. ¿Hay alguna forma de estudiar todas lassoluciones a la vez?
PCI:{
x′(t) = a x(t)x(t0) = x0
Solucion: x(t) = x0 eat
a > 0 ⇒ limt→∞
x0eat =∞
a = 0 ⇒ x(t) = cte.
a < 0 ⇒ limt→∞
x0eat = 0
El signo de a es crucial para el comportamiento de la solucion.
220
¿Que ocurre si se perturba el parametro a?
-
6
x0
t
x
a > 0
-
6
x0
t
x
a = 0
-
6
x0
t
x
a < 0
. a 6= 0 : el comportamiento no cambia al perturbar a
. a = 0 : cambio radical
a = 0 es un punto de bifurcacion en la familia de ecuaciones diferenciales
{x′ = a x, a ∈ R}
221
3. Orden de una ecuacion diferencial
(a) sistema
orden 1 : x′ = f(t, x) | t, x ∈ R, f : R× R→ R
orden 2 :{
x′1 = f1(t, x1, x2)x′2 = f2(t, x1, x2)
∣∣∣∣ t, x1, x2 ∈ Rf1, f2 : R× R2 → R
...orden n : x′ = f(t, x) | t ∈ R, x ∈ Rn, f : R× Rn → Rn
(b) ecuacion x(n) = F (t, x, x′, x′′, . . . , x(n−1))
orden = numero n de ecuaciones en (a)= orden de la derivada de orden maximo en (b).
Con x = x1, x′ = x2, x′′ = x3, . . . , x(n−1) = xn se pasa de (b) a (a).
Si la ecuacion diferencial (a) es de la forma
x′ = f(x)
i.e. no depende explıcitamente de t, entonces se llama sistema autonomo.
222
4. Interpretacion geometrica
dxdt = f(t, x) asigna a cada punto (t, x), un numero: la pendiente.
f : R2 → R
(t, x) 7→ dx
dt= pendiente
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
t
x(t)
x(0)
223
5. Sistemas de 2o orden
La ecuacion diferencial
dx
dt= f(t, x), t ∈ R, x ∈ R2, f : R× R2 → R2
es de segundo orden. Tambien puede escribirse como un sistemadx1
dt= f1(t, x1, x2)
dx2
dt= f2(t, x1, x2)
∣∣∣∣∣∣∣t, x1, x2 ∈ Rf1, f2 : R× R2 → R2
de dos ecuaciones de primer orden; se llama sistema de segundo orden.
• Interpretacion geometrica
A cada punto (t, x1, x2) ∈ R3 le asociamos el vector (f1, f2). Si el sistema es autonomo(no depende de t), entonces es en R2.
224
6. Solucion numerica
Obtener soluciones u(t) expresadas por funciones elementales de
x′(t) = f(t, x), t ∈ R, x ∈ Rn,
es a veces difıcil o imposible, incluso si n = 1. En esos casos procede hacer un estudiocualitativo, la interpretacion geometrica o hallar la solucion numerica
Solucion numerica: tabla de valores de la solucion u(t) del PCI.
t u1 u2 . . . un
−10 −3 −1.1 . . . 0.2...
......
...0...
10
Tabla → representacion grafica
Obtencion:• algoritmo: Euler, Runge-Kutta, etc.• del grafico de pendientes (i. geom.)• graficamente: quebradas de Euler
225
7. Solucion numerica con Matlab
Metodos:
. ode23
. ode45
. Simulink
ode23 y ode45 implementan metodos numericos de Euler, Runge-Kutta, etc. Parahallar la solucion del PCI{
x′(t) = f(t, x)x(0) = x0
∣∣∣∣ t ∈ R, x ∈ Rn
hemos de hacer dos cosas:
. archivo .m de Matlab para describir la funcion
. llamada a ode23
226
Para un PCI de 2o orden, en el archivo f_prueba.m, pondremos
function xp = f_prueba(t,x)xp = zeros(2,1) % indica el orden n = 2xp(1) = f1(x(1),x(2),t)xp(2) = f2(x(1),x(2),t)
en donde f1 y f2 vendran dadas.
Para hacer la llamada a ode23 o a ode45 escribiremos:
x0 = [a; b]; % condiciones iniciales (dadas)t0 = 0; % es lo normaltf = tiempo final;[t,x] = ode23(@fprueba, [t0,tf], x0)plot(t,x) % respuesta temporalplot(x(:,1),x(:,2)) % phase portrait
en la ventana de comandos de Matlab o en un archivo .m.
227
Ejemplo. Sistema mecanico
f(t)m
k
b
f(t)− k x(t)− b x′(t) = m x′′(t)Cambios: x1 = x, x2 = x′ ⇒{
x′1 = x2
x′2 = − kmx1 − b
mx2 + 1mf
Solucion numerica:• Archivo f mkb.mfunction xp = f mkb(t,x)xp=zeros(2,1);f=1;m=1;k=2;b=1;xp(1)= x(2);xp(2)=-k/m*x(1)-b/m*x(2)+1/m*f;• Llamada a ode23x0=[0;1]; t0=0; tf=10;[t,x]=ode23(’f mkb’,[t0,tf],x0)plot(t,x),title(’Resp. temp.’)plot(x(:,1),x(:,2)),title(’Mapa fase’)
0 1 2 3 4 5 6 7 8 9 10−0.4
−0.2
0
0.2
0.4
0.6
0.8
1Respuesta temporal
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9−0.4
−0.2
0
0.2
0.4
0.6
0.8
1Mapa de fase
x(0)
228
• Interpretacion geometrica
Sistema mecanico (m, k, b):
{x′1(t) = x2(t)
x′2(t) = − k
mx1(t)−
b
mx′2(t) +
1m
f(t)
−1.5 −1 −0.5 0 0.5 1 1.5−1.5
−1
−0.5
0
0.5
1
1.5Campo vectorial
x(0)
Con Matlab es posible superponer el cam-po de vectores (interpretacion geometrica)y la solucion numerica:m=1; k=2; b=1; f=1;[X1,X2]=meshgrid(-1.2:0.2:1.2);U1 = X2;U2 = -k/m*X1-b/m*X2+1/m*f;M = sqrt(U1. 2 + U2. 2);V1 = ones(size(M))./M .* U1;V2 = ones(size(M))./M .* U2;quiver(X1,X2,V1,V2),axis square
229
7.1. Metodo de Kelvin
Teorema. z(t) es una solucion del P.C.I. x′(t) = f(t, x)
x(0) = x0
(1)
si y solo si
z(t) = x0 +∫ t
t0
f(s, z(s))ds. (2)
Demostracion. z(t) solucion de (1) ⇒ z′(t) = f(t, z(t)) ⇒∫ t
t0
z′(s)ds =∫ t
t0
f(s, z(s))
⇒ z(t)− z(0) =∫ t
t0
f(s, z(s) ⇒ z(t) = x0 +∫ t
t0
f(s, z(s).
z(t) verifica (2) ⇒ dz
dt= f(t, z(t)).
⇒ z(0) = x0 +∫ t0
t0
f(s, z(s))ds = x0.
230
Idea de Kelvin: construir un integrador fısico (mecanico) y realizar fısicamente (mecanicamente)el esquema
∫-x(t)r
�f
-x′(t)
x0 -
�t
Muchas veces en los sistemas de control
231