Automatizaci On de Procesos Industriales Ingeniero de Organizaci On. Curso 1

Automatizaci on de Procesos Industriales Ingeniero de Organizaci on.
Curso 1o
Jose Mari Gonz alez de Durana Dpto. I.S.A., EUITI e ITT - UPV/EHU Vitoria-Gasteiz Febrero 2004
Indice
1 Introducci on 1.1 Perspectiva hist orica . . . . . . . . . . . . . . . . . . . 1.2 La empresa productiva . . . . . . . . . . . . . . . . . . 1.2.1 El proceso productivo . . . . . . . . . . . . . . 1.2.2 Operaciones b asicas de fabricaci on . . . . . . . 1.2.3 Tipos de procesos . . . . . . . . . . . . . . . . . 1.2.4 Ubicaci on de los procesos . . . . . . . . . . . . . 1.3 El proceso en feedback . . . . . . . . . . . . . . . . . . 1.3.1 El regulador de Watt . . . . . . . . . . . . . . . 1.3.2 Esquema de regulaci on en feedback . . . . . . . 1.3.3 El signicado del control . . . . . . . . . . . . . 1.3.4 El control en la empresa . . . . . . . . . . . . . 1.4 La automatizaci on industrial . . . . . . . . . . . . . . . 1.4.1 T ecnicas de control . . . . . . . . . . . . . . . . 1.4.2 Estructuras de automatizaci on . . . . . . . . . . 1.4.3 Ventajas e inconvenientes de la automatizaci on 1.4.4 Elementos de la automatizaci on . . . . . . . . . 1.5 Modelos matem aticos de sistemas . . . . . . . . . . . . 1.6 Modelado y simulaci on de sistemas complejos . . . . . 1.6.1 Importancia del modelado . . . . . . . . . . . . 1.7 Estructura del curso . . . . . . . . . . . . . . . . . . . 1.7.1 Control de procesos continuos . . . . . . . . . . 1.7.2 Control de procesos de eventos discretos . . . . 1.7.3 Automatizaci on local . . . . . . . . . . . . . . . 1.7.4 Automatizaci on global . . . . . . . . . . . . . . 7 8 10 11 12 13 15 16 16 17 18 19 19 19 20 22 23 24 25 25 30 30 30 30 31
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
Control de procesos continuos

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
35 35 36 36 37 37
2 Dise no de Controladores 2.1 Introducci on . . . . . . . . . . . . . . . 2.2 Tipos de controladores . . . . . . . . . 2.2.1 Controlador tipo proporcional P 2.2.2 Controlador tipo integrador . . 2.2.3 Controlador tipo derivativo D . 3
4 2.2.4 Controladores PID . . . . . . . . . . . . . . . 2.2.5 Controladores de adelanto y de retraso de fase M etodos de dise no basados en el lugar de las ra ces . 2.3.1 Dise no de una red de adelanto de fase . . . . . 2.3.2 Dise no de un controlador PID . . . . . . . . . Dise no en el Lugar de las Ra ces . . . . . . . . . . . . 2.4.1 Compensador de adelanto de fase . . . . . . . 2.4.2 Consideraciones de dise no . . . . . . . . . . . 2.4.3 Re-dise no. Compensador en serie . . . . . . . 2.4.4 Compensador en realimentaci on . . . . . . . . 2.4.5 Compensador de retraso de fase en serie . . . 2.4.6 M axima fase de un controlador de adelanto . . Dise no en la respuesta de frecuencia . . . . . . . . . . 2.5.1 El problema del dise no de feedback . . . . . . Dise no en el Espacio de Estado . . . . . . . . . . . . 2.6.1 Asignaci on de polos . . . . . . . . . . . . . . . Sinton a de controladores PID . . . . . . . . . . . . . 2.7.1 Ajuste de los par ametros del PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
INDICE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 39 41 43 45 46 47 52 54 54 56 56 60 61 63 64 64 67
2.3
2.4
2.5 2.6 2.7
II
Control de procesos de eventos discretos

. . . . . . . . . . . . . . . . . . booleanas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
71 71 73 74 76 81 84 85 85 85 86 87 87 89 90 90 93 94 95 96 96 96
3 Sistemas booleanos 3.1 Dispositivos l ogicos . . . . . . . . 3.2 Algebra de Boole . . . . . . . . . 3.2.1 Funciones booleanas . . . 3.2.2 Simplicaci on de funciones 3.3 Sistemas combinacionales . . . . . 3.4 Sistemas secuenciales . . . . . . . 3.5 M aquinas de estados . . . . . . . 3.5.1 Aut omata de Mealy . . . . 3.5.2 Aut omata de Moore . . . 3.5.3 Tablas de estado . . . . . 3.5.4 Diagramas de estado . . . 3.5.5 Dispositivos biestables . . 4 Sistemas reactivos 4.1 Modelos de sistemas productivos . 4.2 Grafcet . . . . . . . . . . . . . . . 4.2.1 Reglas de funcionamiento 4.2.2 Estructuras b asicas . . . . 4.2.3 Posibilidades avanzadas . 4.2.4 Jerarqu a . . . . . . . . . 4.2.5 Comunicaci on . . . . . . . 4.3 Cartas de estado . . . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
INDICE
5 4.3.1 Stateow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 Creaci on de un modelo con StateowSimulink . . . . . . . . . . . . . 97 4.4.1 Elementos de una carta de estado . . . . . . . . . . . . . . . . 98
4.4
III
Automatizaci on Local
103
105 107 . 107 . 108 . 108 . 108 . 108 . 108 111
5 Automatismos 6 Automatismos el ectricos 6.1 El rel e . . . . . . . . . . . . . . 6.2 Funciones l ogicas con rel es . . . 6.2.1 Funci on l ogica identidad 6.2.2 Funci on l ogica negaci on 6.2.3 Funci on l ogica AND . . 6.2.4 Funci on l ogica NAND . 7 Aut omatas programables
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
INDICE
Cap tulo 1 Introducci on

La Automatizaci on se compone de todas las teor as y tecnolog as encaminadas de alguna forma a sustituir el trabajo del hombre por el de la m aquina. En este cap tulo daremos unas ideas muy generales sobre esta area, tan amplia y compleja, y posteriormente las desarrollaremos a lo largo del curso. Conceptualmente, la automatizaci on se basa en una reiterada aplicaci on del mecanismo de feedback y, por ello, est a en ese sentido relacionada con las Teor as de Control y de Sistemas. En cuanto a su aspecto tecnol ogico, puede decirse que siempre ha estado a la u ltima, adoptando en cada momento hist orico los m as recientes avances. Siendo nuestro objetivo automatizar ciertos procesos, parece claro que primero hemos saber c omo funcionan esos procesos. Como veremos, el tipo de automatizaci on a implantar depende del tipo de porceso a automatizar: no da lo mismo automatizar un proceso continuo que un proceso gobernado por eventos. Debido a la gran cantidad de procesos distintos que funcionan actualmente, consideraremos s olo los m as importantes desde el punto de de la automatizaci on, y obtendremos modelos con sus caracter sticas esenciales. Los procesos y modelos que iremos estudiando en cap tulos posteriores son: Procesos continuos (tiempo continuo y/o discreto) Procesos comandados por eventos Procesos de fabricaci on Aparte de las explicaciones dadas en clase sobre los procesos industriales y de su estudio, puede ser un complemento interesante su observaci on real, in situ, realizando visitas a algunas empresas. Pero no es suciente con aprender a automatizar cada proceso. En una moderna factor a todos los procesos est an conectados entre s y desde la gesti on de la empresa se pueden controlar y supervisar algunos o todos los procesos, a trav es de redes locales y buses de comunicaci on. Tambi en pueden estar en conexi on los diferentes departamentos de la empresa, e incluso empresas diferentes a trav es de redes propias o de Internet. Es por ello interesante describir cada proceso como inscrito en el marco 7
CAP ITULO 1. INTRODUCCION
jer arquico que representa la estructura completa de la empresa. En este marco, las redes locales y los buses de comunicaci on cobran especial inter es.
1.1
Perspectiva hist orica
Se cree que cuando el homo sapiens domin o el fuego, comenz o a usarlo como elemento calefactor y para condimentar alimentos. Tuvo que pasar mucho tiempo, hasta la Edad del Bronce, para que lo empleara en la obtenci on de metales y en la cer amica dando as lugar a los que podr amos llamar primeros procesos de fabricaci on de la historia. Pero el fuego no ha sido la u nica fuente de energ a de la antig uedad. Hacia el a no 2000 a. de J.C. se utiliza por primera vez la energ a e olica para mover embarcaciones dotadas de velas y, hacia el 1000 a. de J.C., los fenicios atravesaban el Mediterr aneo con sus nav os. M as tarde, sobre el 50 a. de J.C., los Romanos empiezan a utilizar la energ a hidr aulica para la extracci on de agua por medio de la noria. Durante la edad media se utiliz o mucho, en pr acticamente toda Europa, la energ a generada por los molinos de viento. La invenci on de la m aquina de vapor por James Watt hacia 1750 es el acontecimiento que marca el inicio de la Revoluci on Industrial, que dura hasta nales de siglo. Las tecnolog as productivas nacen en ese momento: la maquina de vapor se emplea r apidamente para mover las bombas de extracci on de agua en las minas de carb on de Gales y en la automatizaci on de los telares en Manchester. Durante este per odo, con las de m aquinas de vapor y luego con las de combusti on interna y los motores el ectricos, se van produciendo cambios progresivos en los procesos de producci on. Las m aquinas herramienta ganan potencia y precisi on, lo que a su vez permite fabricar productos de mayor calidad. Surgen as los primeros talleres mec anicos que producen m aquinas algunas de las cuales llevan ya rudimentarios sistemas de control. En el siglo XX, aunque ya no se denomine asi, contin ua la revoluci on industrial con un desenfrenado avance tecnol ogico y cient co. La evoluci on de la t ecnica es permanente, con una sucesi on interminable de inventos y aplicaciones, muchos de los cuales (pensemos sin ir m as lejos en el autom ovil y en los electrodom esticos) se han convertido en herramientas b asicas para hombre actual. Todo este desarrollo ha sido consecuencia de una premisa fundamental: la existencia de fuentes de energ a inagotables y baratas. Pero su veracidad se ha puesto en entredicho con la crisis del petr oleo iniciada en las u ltimas d ecadas del siglo XX. Los sistemas productivos no han sido ajenos a todos estos avances. La empresa, motor del desarrollo del sector privado e incluso del sector p ublico, se ve obligada casi siempre a incorporar las u ltimas tecnolog as en sus procesos o de lo contrario corre el peligro que quedar r apidamente obsoleta. Algunas teor as, tecnolog as y areas tecnol ogicas cuyo avance ha favorecido la evoluci on de los procesos productivos son las siguientes: Teor as
1.1. PERSPECTIVA HISTORICA Teor as de Control y de Sistemas Teor a de la se nal Sistemas de eventos discretos M aquinas de estado Redes de Petri Gr acos etapa-transici on (grafcet) Cartas de estado (statechart) Tecnolog as Neum atica Hidr aulica Electr onica Microprocesadores Ordenadores Aut omatas programables Rob otica Comunicaciones Desarrollo del software Areas tecnol ogicas Automatizaci on de las m aquinas-herramienta Control de procesos por computador Dise no asistido por computador (CAD) Fabricaci on asistida por computador (CAM) Fabricaci on integral por computador (CIM) Control de procesos distribu do C elulas exibles de mecanizado y de montaje
Cabe aqu decir que el crecimiento de Rob otica no ha sido t an r apido como vaticinaban ciertas predicciones realizadas en los primeros a nos de la d ecada de los 80. Quiz as esto se deba a la carest a de los equipos y a la no tan evidente importancia de su exibilidad como en principio se cre a: si un robot va a hacer siempre la misma tarea, resulta m as econ omico utilizar otro sistema menos exible y m as especializado. Por ello, en tareas repetitivas que no requieren mucha precisi on resulta aconsejable utilizar manipuladores (neum aticos por ejemplo) en vez de robots. En otras tareas m as complejas (tales como la soldadura por laser) que precisan el seguimiento de trayectorias complejas, s que el robot sigue siendo insustituible.
10
1.2
La empresa productiva
Una empresa productiva es un ente socioecon omico capaz de adecuar parcialmente dos ujos esenciales que concurren en el mercado: producci on y consumo. Por un lado, por medio de estudios de mercado, determina las necesidades del consumidor y le transere los productos que demanda y, por otro, produce los productos que le va a trasferir. [3, p.3]. Hay otras empresas, de servicios, en las que los productos se sustituyen por servicios. As que toda empresa puede considerarse como formada por dos subsistemas, uno de los cuales se encarga de medir las necesidades de los consumidores y de trasferirles los productos que las satisfagan y el otro que se encarga de la producci on. La empresa es, por tanto, un elemento productivo en el mercado pero puede verse tambi en como elemento consumidor (de materias primas) en el mismo. La empresa se articula en departamentos o secciones de los que los m as importantes tradicionalmente vienen siendo los siguientes: Finanzas Gesti on Compras Almac en de materias primas Producci on Almac en de productos terminados Ventas Todos estos departamentos no son, ni mucho menos, los u nicos existentes sino que a su vez se articulan en otros departamentos y secciones que en funci on del tama no de la empresa esa pueden ser de mayor o menor complejidad. Los nombres pueden cambiar seg un sea el contexto en que se enmarque o se estudie la empresa. La actividad de la empresa se puede representar por medio de un diagrama de bloques en el que los bloques son los procesos y las echas son los ujos de entrada y salida de cada proceso. En la gura se han representado los principales bloques y ujos de la empresa. Los ujos que las echas representan son: = ujos de producto ujos de capital ujos de control ( ordenes y medidas)
Obs ervese que todos los bloques reciben echas ( ordenes) del bloque de gesti on y env an echas (medidas) al mismo. El bloque de gesti on es el m as importante en el sentido de que controla a todos los dem as.
1.2. LA EMPRESA PRODUCTIVA

Almacn de materias primas Almacn de productos terminados
11
Produccin
Gestin
Compras
Finanzas
Ventas
MERCADO
Figura 1.1: Esquema de la empresa productiva
El diagrama de bloques puede dividirse en dos partes. La parte superior que se encarga de la generaci on del producto (gesti on de producci on) y la parte inferior que se encarga llevar el producto al mercado y de obtener el benecio (gesti on de mercado o mercadotecnia). Cada uno de estos bloques se subdivide a su vez de otros bloques, subprocesos, con sus ujos asociados. El objetivo de la empresa es maximizar el benecio.
1.2.1
El proceso productivo
Un proceso productivo es una serie de operaciones que se realizan sobre unas materias primas (o productos m as elementales) para obtener un producto terminado, listo para su utilizaci on. Una denici on descriptiva de proceso productivo puede resultar muy complicada, puesto que hay muchas clases de procesos, siendo en cambio m as sencillo dar una denici on de tipo entrada-salida: Un proceso productivo es un sistema din amico de control cuya entrada es un ujo de producto (materias primas) y cuya salida es otro ujo de productos (productos terminados). Materias primasProceso productivo Productos terminados-
12
Con una denici on as perdemos toda noci on de lo que sucede por dentro del proceso pero en cambio capturamos lo esencial desde el punto de vista productivo: ujos de producto de entrada y de salida (echas) y c omo se relacionan entre s (bloque). Sin embargo el bloque o funci on que relacona ambos ujos no es simple sino que es un complejo sistema movido por eventos. Un proceso productivo se compone internamente de diferentes subprocesos m as simples conectados entre s , cada uno de los cuales se puede considerar tembi en como un sistema din amico de control o proceso. Por tanto, hemos de tener una idea de cuales son y c omo funcionan (o sea cuales son sus modelos matem aticos) los sistemas de control o procesos m as simples porque de ese modo podremos entender despu es c omo funcionan los procesos de fabricaci on. Los procesos productivos est an catalogados como sistemas complejos en la Teor a de Sistemas. La complejidad surge de la interconexi on de unos procesos con otros y de la naturaleza estoc astica de muchos de los eventos que dirigen la evoluci on del sistema. Cada proceso est a conectado con otros procesos internos y externos a la empresa, que pueden ser de muy distinta naturaleza y, en general, se compone de subprocesos m as simples interrelacionados entre si. Materia prima Proceso Producto terminado-
Cada proceso productivo va asociado a un producto. Si queremos fabricar otro producto deberemos cambiar el proceso. Sin embargo, para un producto terminado dado y para la misma materia prima, el proceso puede no ser u nico: en general, un mismo producto se puede fabricar de muchas formas diferentes.
1.2.2
Operaciones b asicas de fabricaci on
Los procesos de fabricaci on m as simples se llaman operaciones b asicas. Algunas de ellas son: Procesado de un elemento Montaje Movimiento de material Almacenamiento Inspecci on y control Procesado de un elemento Es un proceso que se aplica a un solo producto, bien sea una pieza elemental o bien un conjunto de piezas ya montado. Son de este tipo los procesos de mecanizado, los de pintura, los tratamientos t ermicos, etc. Materia prima Mecanizado Pieza -
1.2. LA EMPRESA PRODUCTIVA Proceso de montaje
13
Cuando un producto (terminado o no) se compone de varios elementos, la serie de operaciones necesarias para unir todas las piezas formando el producto terminado se llama proceso de montaje.
Mat. prima 1Mecanizado 1
Pieza 1Montaje Producto
Mat. prima 2Mecanizado 2
Pieza 2-
1.2.3
Tipos de procesos
Si en nuestro hogar echamos una mirada a nuestro alrededor y observamos los objetos que nos rodean, veremos que la gran mayor a de ellos son el resultado o producto de alg un proceso de fabricaci on y nos daremos cuenta que deben existen multitud de ellos. Incluso, con un poco de imaginaci on y ciertos conocimientos t ecnicos, podemos adivinar cual ha sido el proceso para fabricar un determinado producto o, mejor dicho, los posibles procesos, ya que tambi en nos daremos cuenta enseguida de que hay muchas formas de fabricar el mismo producto. Ahora bien, tras muchos a nos de experiencia, se han aanzado cuatro tipos est andar de procesos: Job Shops Producci on por lotes L neas de producci on Producci on continua Job Shops Es un tipo de producci on que permite fabricar una amplia gama de productos en series de tama no peque no o mediano. Los productos suelen ser conjuntos de componentes, posiblemente complicados o de alta tecnolog a, montados. Se utiliza para la fabricaci on de ciertas m aquinas herramientas, robots, aviones, aeronaves y algunos prototipos. Suelen exigir mano de obra muy especializada y mucho tiempo para el dise no de los procesos y para la preparaci on de la maquinaria y los equipos humanos de montaje. Por todo ello, los tiempos de producci on son elevados y los costes tambi en.
14 Producci on por lotes
Est a orientada a la fabricaci on de lotes de tama no medio de un determinado producto. La producci on de cada lote se hace de una tirada y, una vez terminado un lote, el departamento de fabricaci on env a una orden de control indicando si se puede pasar a fabricar otro lote del mismo o de otro producto, en funci on de la demanda. La maquinaria y el personal han de estar preparados para realizar con celeridad las operaciones de cambio de lote. Es quiz as el tipo de producci on que se emplea para fabricar mayor n umero de productos. Las industrias de calzado, muebles, electrodom estcos, m aquina-herramienta y otras muchas, lo utilizan. L neas de producci on Estos procesos son el resultado de la evoluci on de la producci on en cadena, ideada por Henry Ford. Se utiliza para producir grandes series de unos pocos productos, que suelen estar formados mediante el montaje de piezas. El producto se desplaza colocado en cintas trasportadoras, en carros o en otros elementos de transporte y va pasando por estaciones de trabajo en cada una de las cuales se le aplica un determinado proceso. Si en una planta se utilizan varias lineas de producci on, los productos pueden pasar de una l nea a otra, existiendo muchas conguraciones posibiles, asi como diferentes m etodos y mecanismos de transferencia. Se suenen utilizar zonas o recipientes a modo de peque nos almacenes, para el almacenamiento intermedio de productos semielaborados, y alimentadores de piezas para los procesos. B asicamente hay dos tipos de l neas: l neas de proceso y l neas de montaje. En las primeras, un producto o materia prima va pasando por distintos procesos que lo van transformando hasta llegar al producto nal. Un ejemplo lo tenemos en el mecanizado de piezas. Las l neas de montaje se utilizan para fabricar productos formados por conjuntos de piezas montados. Quiz as sea la fabricaci on de autom oviles el ejemplo m as t pico de este tipo de producci on. Se fabrican grandes series de unos pocos modelos. Otros ejemplos son la fabricaci on de ciertos productos de gran consumo como neum aticos, bombillas, bicicletas, envases de pl astico, etc. En este tipo de fabricaci on se dise na toda la factor a en funci on del producto a fabricar, por lo que un cambio de producto suele exigir el cierre de aquella o, al menos, una completa remodelaci on de la misma. Producci on continua Es el tipo indicado cuando se desea producir pocos productos, de naturaleza simple (no compuestos de muchas piezas) y en grandes cantidades. Se puede ver como un ujo continuo de producto sobre el que se van realizando una serie de operaciones o procesos. Por un lado entra la materia prima y por otro sale el producto nal (gura 1.2).
1.2. LA EMPRESA PRODUCTIVA

Materia prima Producto final
15
Proceso 1
Proceso 2
Proceso 3
Figura 1.2: Proceso de producci on continua
Este tipo de producci on se aplica sobre todo en las industrias qu micas, petroqu micas, textiles, de pl astico y de laminaci on de acero.
1.2.4
Ubicaci on de los procesos
La disposici on de los procesos dentro de la planta de producci on es importante porque de ella dependen muchos factores del proceso de producci on asi como la comodidad del personal, los cableados de alimentaci on y buses de comunicaciones, etc. Los programas simulaci on (estoc astica) de procesos pueden ayudar mucho en el dise no de la distribuci on en planta. Tradicionalmente se consideran cuatro posibilidades de ubicaci on Producto en posici on ja Por clases de procesos En ujo de producto Por tecnolog a de grupo Producto en posici on ja Cuando el producto es muy grande, muy pesado o, por alguna otra raz on, no debe moverse, hay que ubicar las herramientas y los otros equipos de fabricaci on en la zona m as id onea para, en su momento, incidir en el producto. A veces se precisa realizar obras e instalaciones especiales para poner todo en una buena disposici on. Es la disposici on m as indicada en las industrias naval y aeron autica. Por clases de procesos Las m aquinas de producci on se ubican en zonas o locales de la factor a por clases de procesos. En cada zona o local s olo se realiza un proceso. Es una distribuci on que se implanta mucho para procesos de mecanizado de piezas: la misma pieza va pasando por las distintas zonas hasta nalizar su mecanizado. Resulta un tipo de fabricaci on muy exible puesto que se puede cambiar el proceso simplemente a nadiendo o quitando ciertas m aquinas. En ujo de producto Los elementos que intervienen en la producci on se disponen a lo largo del ujo de producto. Por ejemplo, a lo largo de una l nea de montaje en una fabricaci on de
16
l neas dedicadas o a lo largo del ujo de producto una producci on continua. No es f acil hacer cambios en el proceso. Por tecnolog a de grupo Esta distribuci on est a indicada para factor as con gran diversidad de productos y pretende ser una combinaci on de las dos anteriores. Se basa en clasicar en familias las piezas a fabricar (sin importar el producto en el que ir an montadas) por su semejanza en su dise no y fabricaci on. Con esto se puede conseguir organizar la producci on en dos partes: 1) por clases de procesos, (que fabricar a las familias de piezas) y 2) en ujo de producto (que fabricar a el resto de las piezas y har a los montajes pertinentes).
1.3
El proceso en feedback
La realimentaci on o feedback es el articio b asico del control. Aunque suponemos que el tema es ya conocido por el lector, creemos conveniente recapacitar sobre su funcionamiento, por ser b asico para muchas de las partes que se tratar an m as adelante. Lo haremos (por razones hist oricas) a partir del primer mecanismo que lo incorpor o: el governor de Watt.
1.3.1
El regulador de Watt
Aunque se conocen algunas aplicaciones de aparatos que funcionaban siguiendo el principio de la realimentaci on y que datan de epocas muy antiguas, se puede decir que el primer sistema de control industrial de la historia fu e el regulador (governor ) inventado (o al menos adaptado) por James Watt hacia 1788 para su m aquina de vapor. Veamos, a modo ilustrativo, su esquema. En la gura aparece la pieza quiz as mas importante que suele llamarse regulador de bolas y que ejerce a la vez captador, regulador y actuador. (t) El operador o maquinista controla la posici on xC del punto superior del cuadril atero articuC lado jando as la consigna de velocidad ref . El eje dibujado est a unido al eje de rotaci on de la m aquina de vapor. Si la velocidad (t) de e sta aumenta, entonces, debido a la fuerza B centr fuga, las bolas B se separan y el v ertice inferior A del cuadril atero articulado, m ovil, act ua cerrando la v alvula de salida de vapor de la caldera. Se establece as un proceso en A Actuador feedback que se puede explicar con el diavlvula grama de bloques siguiente. El regulador de x bolas hace las funciones del punto de suma y de los bloques captador y actuador.
1.3. EL PROCESO EN FEEDBACK xC - m + Controlador (ref )
17 V alvula pM aquina
r (s)-
x-
Captador La tarea que realiza este controlador es simple y efectiva: el controlador abre o cierra la la v alvula en funci on de la diferencia e entre la medida xA de la salida (variable controlada) y la entrada xC (referencia). Si e es cero entonces la medida de la salida es igual a la referencia, es decir, el valor de la variable controlada es el deseado y la salida del actuador es cero (no act ua); en caso contrario el controlador mover a la v alvula en sentido de apertura o de cierre, dependiendo de que el valor e sea positivo o negativo. Es f acil acoplar mec anicamente el punto A a la v alvula de modo que esta se abra si e > 0. De este modo se consigue que la velocidad de rotaci on (t) del eje de la m aquina se mantenga m as o menos constante, incluso aunque se produzcan variaciones en la potencia entregada o en la presi on p de la caldera.
1.3.2
Esquema de regulaci on en feedback
El articio que hace funcionar al regulador de Watt es la realimentaci on o feedback. Una vez entendamos c omo funciona podremos comprobar, quiz as con asombro, que no s olo puede aplicarse a la m aquina de vapor sino que puede servir de base para controlar otros sistemas f sicos de muy diferente naturaleza tales como sistemas econ omicos y sistemas productivos. Adem as, la realimentaci on aparece a veces como un componente b asico en muchos procesos de la Naturaleza, incluso en los seres vivos. D(s)
? Yref - m (s) ) U (s) m V (s ) - C X (s + + A P 6 Ym (s) r Y (s)-
M Figura 1.3: Esquema de regulaci on en feedback
Los elementos esenciales que aparecen en el regulador de Watt y que conguran todo mecanismo de control con realimentaci on (gura 1.3) son los siguientes:
ref Entrada de referencia o de consigna
Entrada perturbadora Salida

y (t)
d(t)
18
C Controlador. Es el dispositivo que toma la diferencia (t) entre la entrada de referencia yref y la medida ym (t) de la respuesta, la procesa y, como resultado del proceso, env a est mulos x(t) sobre el actuador. Realmente es un procesador de se nal. A Actuador. Act ua, con la potencia necesaria, sobre la planta. P Planta o Proceso: es el sistema a controlar (la m aquina de vapor en el regulador de Watt). M Medidor. Es un aparato para medir, normalmente en forma el ectrica, el valor de la salida y (t). La idea del control es simple: con la entrada de referencia yref el operador ja el valor deseado para la variable de salida y (t) (a controlar); el controlador recibe en su entrada la diferencia (t) entre la entrada yref de referencia y la medida ym (t) de dicha salida en un instante t1 , de modo que si esa diferencia es positiva (ym < yref ) entonces, tras el proceso de la se nal (t), enviar a est mulos x(t) al actuador para que este ejerza una acci on u(t) sobre la planta con el n de que el valor de la salida y (t) vaya aumentando para t > t1 . Cuando en otro instante t2 > t1 la diferencia e sea negativa, la acci on del controlador ser a la inversa, es decir, ejercer a una acci on u(t) sobre la planta tal que el valor de la salida y (t) vaya disminuyendo para t > t2 . En adecuadas condiciones, si el controlador se dise na correctamente, es posible conseguir que el valor de la salida se mantenga, m as o menos, igual al valor de la entrada de referencia incluso en presencia de la perturbaci on d(t).
1.3.3
El signicado del control
Controlar un sistema din amico signica conducirlo, llevarlo, gobernarlo o comardarlo, de tal manera que su trayectoria o evoluci on en el tiempo se aproxime a una jada de antemano, mediante la actuaci on sobre unos elementos del sistema llamados controles. As , un ch ofer controla la trayectoria de un veh culo girando el volante, pisando el acelerador y los frenos y moviendo el cambio de marchas. De forma m as imprecisa, el gobierno de una naci on dispone de ciertos controles, como los salarios, los impuestos, el valor de la moneda, etc., para controlar la evoluci on de la tasa de inaci on. La Teor a de Control estudia los sistemas que son de alg un modo controlables as como los problemas relacionados con este control. Un sistema de control es una entidad u objeto provisto de unos terminales de entrada (controles), por los cuales puede recibir est mulos, y otros de salida, por de que emite su respuesta. Esta denici on permite representar gr acamente un sistema de control como una caja negra o bloque con echas de entrada y de salida. La gura 1.4 representa un sistema monovariable, es decir, con una entrada y una salida. El sistema objeto de control suele denominarse Planta o Proceso, de acuerdo con sus aplicaciones en ingenier a.
INDUSTRIAL 1.4. LA AUTOMATIZACION EntradaBloque Salida -
19
Figura 1.4: Sistema
1.3.4
El control en la empresa
El esquema de regulaci on en feedback es aplicable a muchos de los procesos de la empresa, dando lugar a diferentes clases de control seg un sea la aplicaci on. Algunos de ellos son: Control de producci on Control de calidad Control de presupuestos Control de procesos Los elementos esenciales del control van a seguir siendo siempre la medida de variables del proceso a controlar, la realimentaci on de las variable medidas, la comparaci on con una consigna previamente establecida y, en funci on de esta u ltima, la actuaci on sobre el proceso.
1.4
La automatizaci on industrial
Automatizar un proceso es conseguir que, aplicando el mecanismo de feedback, funcione sin intervenci on humana. Como veremos, esta idea resulta muy clara en el caso del control de procesos continuos, pero tambi en se ve que funciona en el caso de otros tipos de control, como es el caso de los procesos movidos por eventos.
1.4.1
T ecnicas de control
Atendiendo a la t ecnica utilizada para procesar se nales, el bloque de control C de la gura 1.3 se puede realizar f sicamente mediante t ecnicas anal ogicas t ecnicas digitales T ecnicas anal ogicas Es el m etodo m as antiguo de los dos y dio lugar a las t ecnicas de control cl asicas. El proceso anal ogico de se nales puede ser mec anico, neum atico, hidr aulico, el ectrico, electr onico y optico. En el regulador de Watt es de tipo mec anico. El componente fundamental que permiti o el desarrollo de el control anal ogico fue el amplicador electr onico, inventado en la d ecada de los 50.
20
La aplicaci on principal de las t ecnicas anal ogicas es la realizaci on de controladores de Procesos Continuos industriales: mecanismos y m aquinas movidos por motores el ectricos, procesos con uidos, hornos, etc. Hay dos tipos que han sido, y siguen siendo, muy utilizados: el controlador de adelanto-retraso de fase y el controlador PID. En este u ltimo, las letras signican proporcional, integral, derivativo e indican el proceso, o funci on matem atica C (), que realiza el controlador: x(t) = C ( (t)) = Kp 1 + Td dx(t) 1 + dt Ti
t
x( )d
0
(1.1)
en donde los par ametros Kp , Td y Ti son constantes. La realizaci on de esta funci on se hace casi siempre utilizando componentes electr onicos anal ogicos, generalmente amplicadores operacionales, pero son posibles las realizaciones con componentes de uidos. T ecnicas digitales La aparici on primero del ordenador y posteriormente de los microprocesadores y microcontroladores y del ordenador personal, asi como el desarrollo de las comunicaciones, del software y de otros campos anes, han hecho que las t ecnicas de control se hayan sosticado y extendido. Las aplicaciones son muchas. En principio, las t ecnicas digitales se utilizaron para realizar controladores para los procesos continuos. Los controladores anta no anal ogicos, y en particular el PID, hoy d a se realizan y comercializan en su versi on digital. Ahora la funci on (1.1) la realiza un microprocesador a trav es de un algoritmo. El campo de aplicaci on es el mismo pero las prestaciones de los digitales son muy superiores a las de sus hermanos anal ogicos. Resulta m as f acil sintonizarlos, es decir, ponerles los par ametros adecuados, y est an preparados para poder ser operados a distancia a trav es de buses de comunicaci on. Despu es, se utilizaron para el desarrollo de otros dispositivos de control, entre los que cabe destacar el aut omata programable de gran aplicaci on en el Control de procesos de eventos discretos. Y, nalmente, han hecho posible una creciente Automatizaci on Global, es decir, la expansi on del control y las comunicaciones por toda la empresa en base a las estructuras de control que se han ido creando: control centralizado, control distribu do, control jer arquico, etc.
1.4.2
Estructuras de automatizaci on
En el intento de automatizar cualquier empresa siempre nos van a surgir un buen n umero de cuestiones: d onde va ubicado y c omo se realiza el control de cada proceso? c omo se conectan unos controles con otros? se pueden controlar y/o supervisar procesos desde la gesti on de la empresa? Para responderlas, habremos de idear alg un plan para estructurar el control. El grado de automatizaci on deseado va a ser fundamental para trazar dicho plan. Se suelen distinguir como cuatro categor as:
INDUSTRIAL 1.4. LA AUTOMATIZACION
21
Proceso 1
Proceso 2
Proceso 3
Proceso 4
Figura 1.5: Estructura de control: computador 4 aut omatas
Automatizaci on ja Automatizaci on programable Automatizaci on exible Automatizaci on total La automatizaci on ja se utiliza cuando el volumen de producci on es muy alto y, por tanto, se puede justicar econ omicamente el alto costo del dise no de equipo especializado para procesar el producto, con un rendimiento alto y tasas de producci on elevadas. Un ejemplo t pico puede ser la fabricaci on de autom oviles. Un inconveniente de la automatizaci on ja es que su ciclo de vida depende de la vigencia del producto en el mercado. La automatizaci on programable se emplea cuando el volumen de producci on es relativamente bajo y hay una diversidad de productos a obtener. En este caso el equipo de producci on es dise nado para adaptarse a la variaciones de conguraci on del producto y esta adaptaci on se realiza por medio de Software. Un ejemplo podr a ser la fabricaci on de diferentes tipos de tornillos bajo pedido. Por su parte, la automatizaci on exible es m as adecuada para un rango de producci on medio. Los sistemas exibles poseen caracter sticas de la automatizaci on ja y de la automatizaci on programada. Suelen estar constituidos por una serie de estaciones de trabajo interconectadas entre si por sistemas de almacenamiento y manipulaci on de materiales, controlados en su conjunto por una computadora. El escal on nal es la automatizaci on total de la producci on, en la que, idealmente, la fabricaci on se realizar a sin intervenci on humana. En la gura 1.5 se muestra una estructura de control sencilla compuesta por un computador que se comunica, a trav es de un bus, con cuatro aut omatas programables cada uno de los cuales controla un determinado proceso.
22
1.4.3
Ventajas e inconvenientes de la automatizaci on
Como es l ogico, la automatizaci on tiene sus ventajas e inconvenientes. Entre las primeras podemos citar: Permite aumentar la producci on y adaptarla a la demanda Disminuye el coste del producto Consigue mejorar la calidad del producto y mantenerla constante Mejora la gesti on de la empresa Disminuye de la mano de obra necesaria Hace m as exible el uso de la herramienta Algunos inconvenientes son Incremento del paro en la sociedad Incremento de la energ a consumida por producto Repercusi on de la inversi on en el coste del producto Exigencia de mayor nivel de conocimientos de los operarios Hasta ahora no se ha dado mucha importancia al segundo punto pero cabe pensar que, en el futuro, el aumento del coste de la energ a pueda repercutir en un considerable aumento de los costes de la producci on automatizada. Ello nos llevar a a tener que considerar nuevos m etodos o, quiz as, a reconsiderar antiguos m etodos de fabricaci on semi-automatizada en la que ciertas tareas podr an ser realizadas por operarios humanos. De hecho, aunque lamentable, es signicativa la pr actica de la utilizaci on de mano de obra barata, no especializada (incluso infantil), por grandes compa n as que instalan sus factor as en pa ses subdesarrollados. En el mundo industrial actual la Automatizaci on es pr acticamente imprescindible, debido a los niveles de productividad, abilidad y rentabilidad que el mercado exige a los productos elaborados para ser competitivos. Anta no la automatizaci on se aplicaba s olo al proceso productivo (a las m aquinas), porque era el que m as recursos humanos consum a, resultando as una automatizaci on local. Pero hoy d a podemos hablar de una automatizaci on global ya que se ha extendido no s olo a todos los procesos de la empresa (bloques de la gura 1.1) sino tambi en a los ujos de control (l neas a trazos de la gura 1.1), que pueden tambi en ser automatizados mediante buses de comunicaci on y redes de area local; adem as, una empresa puede comunicarse a trav es de Internet con otras empresas pudiendo crearse de esta forma redes de empresas extendidas por todo el mundo.
INDUSTRIAL 1.4. LA AUTOMATIZACION
23
1.4.4
Elementos de la automatizaci on
Hay muchas areas y tecnolog as que intervienen en la Automatizaci on. Las m as importantes, junto con algunos de sus elementos, son: Mec anica Herramientas Mecanismos M aquinas Elementos de transporte El ectrica Automatismos el ectricos Motores el ectricos de c.c. y c.a. Cableados de fuerza y de mando Aparillajes el ectricos en general Tecnolog a Electr onica Controladores anal ogicos Sensores / Transductores Pre-acionadores Drivers de accionamientos Communicaciones Telemando y Telemetr a Sistemas de comunicaci on inal ambrica Neum atica y electro-neum atica Cilindros neum aticos V alvulas neum aticas y electro-neum aticas Automatismos neum aticos Hidr aulica y electro-hidr aulica Cilindros hidr aulicos V alvulas hidr aulicas y electro-hidr aulicas Automatismos hidr aulicos Aplicaciones de Control e Inform atica Industrial Controladores de procesos
24 Control por computador
Control embutido (embedded control) Aut omatas programables Visi on articial Rob otica Mecatr onica / Control de movimiento C elulas de fabricaci on exible C elulas de Mecanizado C elulas de Montaje Autom atico Control Num erico Sistemas CAD-CAM (Computer Aided Design & Manufacturing) Sistemas CIM (Computer Integrated Manufacturing System) Redes y buses de comunicaciones
1.5
Modelos matem aticos de sistemas
En el an alisis de los sistemas de control juegan un papel primordial los modelos matem aticos. Un modelo matem atico de un sistema din amico es una ecuaci on o sistema de ecuaciones, de un determinado tipo, que lo representa, y cuya evoluci on en el tiempo se coresponde con la del sistema. El modelo permite hacer c alculos, predicciones, simulaciones y dise nar nuevos sistemas de control sobre el papel sin necesidad de tener que construirlos hasta que se considere oportuno. Los bloques, entradas y salidas que componen un sistema de control pueden ser de naturaleza muy diferente seg un sea la aplicaci on que estemos considerando. La Teor a de Control es la parte de la ciencia que estudia todos estos sistemas desde los puntos de vista matem atico, f sico y tecnol ogico. Lo primero que vamos a hacer para estudiar matem aticamente los sistemas es clasicarlos atendiendo a alguna propiedad importante. Como no cabe duda que el tiempo es esencial para todo sistema de control, puesto su evoluci on depende del tiempo, podemos clasicarlos, atendiendo a c omo sea dicha evoluci on, en Sistemas de tiempo continuo Sistemas de tiempo discreto Sistemas de eventos discretos Esta clasicaci on nos va servir tanto para el estudio matem atico, an alisis y modelado de los sistemas de control como para su s ntesis, o sea, su dise no y realizaci on utilizando diferentes tecnolog as. Cada una de estas clases se divide a su vez en otras
DE SISTEMAS COMPLEJOS 1.6. MODELADO Y SIMULACION
25
que van congurando las diferentes partes que conguran la Teor a de Control y sus aplicaciones. Los sistemas de eventos discretos reciben tambi en el nombre de sistemas reactivos o sistemas comandados por eventos (event-driven systems ). Sus modelos matem aticos son complejos, se basan en procesos estoc astcos y procesos de colas, por lo que es habitual trabajar con modelos no matem aticos basados en computador. En este sentido ha supuesto un gran avance la especicaci on del Lenguaje Unicado de Modelado (UML).
1.6
Modelado y simulaci on de sistemas complejos
El modelado y simulaci on se utiliza en muy aplicaciones diversas, tales como din amica de uidos, sistemas energ eticos y gesti on de negocios. Dentro de los curr cula universitarios se estudia, entre otras, en las areas de Teor a de Sistemas, Teor a de Control, An alisis Num erico, Ciencias de la Computaci on, Inteligencia Articial e Investigaci on Operativa. Poco a poco ha ido haci endose cada vez m as potente hasta el punto en que hoy se considera con capacidad para integrar todas las anteriores disciplinas. M as a un, ha sido propuesto por algunos como el paradigma de la computaci on del futuro. Como paradigma, constituye un m etodo para representar los problemas, para analizarlos y para obtener soluciones. En la fase de an alisis, el modelo se construye inductivamente a partir de observaciones realizadas sobre un sistema real. En la fase de s ntesis se utilizan los modelos creados en la fase de an alisis para dise nar nuevos modelos que satisfagan determinadas especicaciones y se construyen los sistemas reales (realizaciones) si se considera oportuno. A veces suele ser preciso repetir iterativamente las fases de an alisis y dise no hasta conseguir dar con la soluci on buscada.
1.6.1
Importancia del modelado
El conocimiento sobre las cosas que tenemos a nuestro alrededor, adquirido a trav es de los sentidos y almacenado en el cerebro, no es la realidad sino una abstracci on, un modelo de la misma. Es un modelo en el que se reejan algunas caracter sticas est aticas (forma, dimensiones, color, sonido, olor, temperatura, acabado supercial, etc.) y quiz as tambi en algunas otras din amicas (velocidad, etc). Si utilizamos instrumentos de medida, la informaci on que adquirimos puede enriquecerse con n umeros, gr acos y quiz as con otros tipos de informaci on propia de cada instrumento. De alguna manera, la informaci on que hemos adquirido sobre un objeto es el resultado de experiencias (experimentos) que hemos realizado sobre el mismo. Por tanto, la informaci on adquirida es siempre parcial, se reere a los resultados de experiencias o experimentos y el modelo de cualquier sistema es tambi en parcial, es decir, s olo reeja aquellos aspectos que han sido medidos y analizados dentro de un determinado contexto experimental. Otros aspectos pueden quedar ocultos en el modelo porque a un no se conocen, sencillamente porque no se han medido o, si se quiere, porque quedan fuera de contexto.
26
REALIDAD
Entidad del Mundo Real anlisis slo en contexto experimental

MODELO
Modelo bsico
OBJETIVOS
dentro del contexto Sistema S Modelo M
Conocimiento a priori del modelo bsico
experimento dentro de contexto
Simulacin = Experimento virtual
Datos observados de Experimento
Validacin
Resultados de Simulacin
Proceso de Modelado y Simulacin
Figura 1.6: Esquema del modelado
En la gura 1.6 se indica esquem aticamente el proceso de obtenci on de un modelo a partir de la realidad. Es importante recalcar de que la informaci on que podemos tener sobre una determinada entidad real la adquirimos a trav es de experimentos hechos en un determinado contexto de modelado. Por esta raz on, los nombres con que muchas veces se etiquetan ciertas entidades del mundo real provienen no de la entidad misma sino de su modelo. As , por ejemplo, si hablamos de sistemas de tiempo continuo nos estamos reriendo a la familia de entidades reales que admiten un modelo de tiempo continuo. Es decir que lo que estamos haciendo es clasicar las entidades reales en clases en funci on de las caracter sticas de los modelos. Es evidente que una misma entidad real puede pertenecer a varias de estas clases, o sea, puede admitir distintos modelos, dependiendo de las caracter sticas que se quieran poner de maniesto. Disponer de un modelo antes de proceder al desarrollo de software y hardware es tan importante para el ingeniero responsable de cualquier automatizaci on industrial como puede ser, para el arquitecto, tener un anteproyecto antes de construir un gran edicio. El modelado adquiere mayor importancia cuanto mayor es la complejidad del sistema. Algunos sistemas (por ejemplo biol ogicos) son tan complicados que hasta hace poco no se sab a muy bien c omo funcionaban pero que, tras el modelado de sus partes elementales y la posterior conexi on de las mismas, empiezan ya a ser estudiados y entendidos, al menos en alguno de sus aspectos. Sin ir tan lejos, tener un buen modelo resulta de una ayuda inestimable para cualquier dise no de automatizaci on industrial.
27
Ser a estupendo que el lenguaje de modelizaci on fuera universal pues ello facilitar a la comunicaci on entre los equipos de desarrollo dentro de la empresa y tambi en, fuera de ella, entre los miembros de la comunidad cient ca. Un buen lenguaje de modelizaci on ha de tener Elementos del modelo conceptos fundamentales y sem antica Notaci on representaci on visual de los elementos del modelo Directivas lenguajes a utilizar para el modelado Lenguaje Unicado de Modelizaci on (UML) La carencia de un lenguaje est andar de modelizaci on ha sido durante mucho tiempo el principal quebradero de cabeza de muchos dise nadores de software. La situaci on era ca otica hasta hace poco porque, al ser las herramientas de desarrollo de software de diferentes fabricantes e incompatibles entre s , cuando alguien pretend a modelar un sistema complejo, formado por subsistemas de diferente naturaleza, al nal se le presentaba la complicada tarea de acoplar los resultados de los modelos de cada una de las partes, desarrolladas en diferentes lenguajes. Afortunadamente la situaci on ha cambiado recientemente con la aparici on del denominado Unied Modeling Language (UML). El desarrollo de este lenguaje comenz o en Octubre de 1994 cuando Grady Booch y Jim Rumbaugh, de la empresa Rational Software Corporation, unicaron el anterior m etodo de Booch y el llamado t ecnica de Modelado de Objetos (OMT) y crearon un proyecto com un, al que llamaron Unied Method, cuyo primer borrador vio la luz en Octubre de 1995. A nales del mismo a no Ivan Jacobson y su empresa Objectory se unieron a Rational Software y como resultado de la uni on surgi o el m etodo OOSE (Object-Oriented Software Engineering). Al comenzar a trabajar juntos, Booch, Rumbaugh y Jacobson jaron como objtivos los siguientes: 1. Otorgar al modelado de sistemas (y no s olo al software) la capacidad de utilizar conceptos orientados a objetos. 2. Establecer un acoplamiento expl cito con los artefactos tanto conceptual como ejecutable. 3. Tratar los temas inherentes a la escala en los sistemas complejos y de misi on cr tica. 4. Crear un lenguaje de modelado entendible tanto por las m aquinas como por los seres humanos. Los esfuerzos de los tres ingenieros dieron su fruto con la publicaci on de las versiones 0.9 y 0.91 de UML, en Junio y en Octubre de 1996. UML comenz o a extenderse con rapidez y muchas importantes empresas vieron en UML un asunto de importancia estrat egica para sus negocios. Tras una primera fusi on con OMG (Object Management Group), Rational Software estableci o las bases para crear un
28
consorcio empresarial, al que pronto se unieron las compa n as m as importantes del mundo de la inform atica: DEC, HP, IBM, Microsoft, Oracle, TI, Unisys, etc. UML se ha ido enriqueciendo con las aportaciones de los nuevos socios dando lugar a la aparici on de nuevas versiones. La versi on UML 1.3, de Junio de 1999. Actualmente la version de UML mas en bogaes la 1.5, y se esta trabajando en la 2.0. Ofrecer a los usuarios un lenguaje de modelado de uso inmediato, expresivo y visual, para desarrollar e intercambiar modelos signicativos. Suministrar mecanismos de extensi on y especializaci on que permitan extender los conceptos del n ucleo del lenguaje. Soportar especicaciones que sean independientes de los lenguajes de programaci on 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, frameworks, patterns. Integrar las mejores pr acticas de programaci on. Caracter sticas de UML UML es un lenguaje sin propietario y abierto a todos. Ofrece a los ingenieros de sistemas que trabajan en an alisis y dise no orientados a objetos, un consistente lenguaje para especicar, visualizar, construir y documentar los artefactos de software y tambi en para el modelado de negocios y de otros sistemas. Est a estructurado en 9 paquetes: Data Types Core Extension Mechanisms Comon Behavior State Machines Activity Graphs Collaborations Use Cases Model Management
29
Los fabricantes y desarrolladores de software que adoptan el lenguaje UML deben etiquetar sus productos con la frase UML compliant e indicar el grado de cumplimiento con cada una de las especicaciones del lenguaje. Para el desarrollo de los artefactos de software, UML tiene en cuenta las siguientes consideraciones: El estudio de todo sistema complejo se aborda mejor por medio de una secuencia de visiones distintas del modelo. Una sola vista no es suciente. Todo modelo se puede expresar a diferentes niveles de delidad. Los mejores modelos est an conectados a la realidad. En t erminos de vistas de un modelo, UML dene los siguientes diagramas gr acos: use case diagram class diagram behavior diagrams : statechart diagram activity diagram interaction diagrams sequence diagram collaboration diagram implementation diagrams : component diagram deployment diagram Todos estos diagramas dan m ultiples perspectivas del sistema bajo an alisis o desarrollo. Adem as UML tiene herramientas para obtener un buen n umero de visiones derivadas. UML no soporta diagramas de ujo de datos (data-ow diagrams ), simplemente porque no encajan limpiamente en un paradigma consistente orientado a objeto. Para modelar ujos de datos valen los diagramas de actividad (activity diagrams ) de UML. UML consigue acabar con las diferencias (a veces absurdas) entre los lenguajes de modelizaci on anteriores y, quiz as m as importante, unica las perspectivas de acercamiento entre muchas clases diferentes de sistemas (negocios contra sotware), fases de desarrollo (requerimientos, an alisis, dise no e implementaci on) y conceptos internos.
30
1.7
Estructura del curso
El curso se estructura en 4 partes. Las dos primeras son m as bien te oricas y en ellas se estudian los fundamentos que permiten el modelado de sistemas. Las otras dos partes son de un contenido m as bien pr actico, de aplicaci on de lo estudiado antes, si bien en la u ltima parte se requieren algunos nuevos conocimientos te oricos. Control de procesos continuos Control de procesos de eventos discretos Automatizaci on local Automatizaci on global
1.7.1
Control de procesos continuos
Esta primera parte est a enfocada al dise no de de controladores para procesos de tiempo continuo. Suponiendo un conocimiento previo de las nociones b asicas de la Teor a de Control, se estudiar an algunas t ecnicas cl asicas de dise no de controladores anal ogicos y digitales. Se har a un especial enfasis en el estudio de los controladores PID y sus m etodos de sinton a.
1.7.2
Control de procesos de eventos discretos
En la segunda parte repasaremos primero algunos conceptos b asicos sobre sistemas combinacionales y secuenciales, para pasar a ver los modelos de sistemas de eventos discretos m as usados actualmente en automatizaci on: Diagramas de estado Redes de Petri Grafcet Statecharts
1.7.3
Automatizaci on local
En esta parte estudiaremos algunos de los elementos existentes en el mercado dedicados a la automatizaci on local. Es un tema m as bien descriptivo y muy extenso en el que, aparte de lo mostrado en clase, el alumno debe intentar conseguir informaci on (cat alogos, documentos de Internet, etc.) sobre los productos comerciales. Algunos de los elementos son Captadores Pre-actuadores y actuadores.
1.7. ESTRUCTURA DEL CURSO Automatismos el ectricos Automatismos neum aticos e hidr aulicos Aut omatas programables Controladores industriales
31
1.7.4
Automatizaci on global
Esta u ltima parte est a dedicada al estudio de la automatizaci on global y en la misma daremos una visi on general algunos aspectos importantes de la misma, tales como Simulaci on de procesos productivos Redes locales Buses industriales GEMMA SCADA Control jer arquico
32
Parte I Control de procesos continuos
33
Cap tulo 2 Dise no de Controladores

2.1 Introducci on
Los sistemas de control se aplican en numerosos campos de la tecnolog a y de la ciencia. Se pueden citar ejemplos tales como los pilotos autom aticos en barcos o aviones, el control teledirigido de naves espaciales, controles de posici on y velocidad en m aquinas herramientas, control de robots, control de procesos industriales, suspensi on activa de los autom oviles, controles diversos en electrodom esticos, etc., en los que los sistemas de control desempe nan un importante papel. La lista de aplicaciones pudiera resultar interminable ya que, debido al progresivo abaratamiento y miniaturizaci on los componentes electr onicos, ha sido enorme su proliferaci on y desarrollo. Un sistema de control consta de un proceso o planta que se desea controlar y de otros elementos que realizan el control, formados esencialmente por captadores y controladores. En la gura 2.1 se ha representado un sistema de control b asico monovariable. En la misma, la planta se representa por el bloque de funci on de transferencia Gp , el controlador por Gc y el captador por H . Los m etodos de dise no sirven para proyectar el sistema de control y determinar los componentes m as adecuados para un funcionamiento satisfactorio. El objetivo del dise no, en el caso m as sencillo, suele ser una parte del sistema, denominada controlador, que tiene asignada la misi on de control. En los sistemas de control continuos este elemento est a constituido generalmente con componentes electr onicos de tipo anal ogico mientras que en los sistemas de control discretos es un controlador basado en un computador digital. Por otro lado hay que distinguir entre el control de sistemas SISO y MIMO. El enfoque del dise no ser a muy diferente para un sencillo bucle de regulaci on de tipo SISO que para un sistema de control de un proceso MIMO en el que intervienen m ultiples variables interrelacionadas. En este capitulo vamos a tratar del dise no de sistemas de control continuos monovariables [2, cap. 7]. 35
36
DE CONTROLADORES CAP ITULO 2. DISENO
2.2
Tipos de controladores
En la gura 2.1 el control del sistema ha sido asignado al bloque Gc denominado controlador. Puesto que el dise no va a consistir en determinar los componentes de este elemento, veamos en primer lugar los tipos mas comunes de controladores utilizados en la pr actica, junto con sus correspondientes implementaciones basadas en amplicadores operacionales y componentes pasivos.
D(s) R(s) Gc Gp Y(s)
H
Figura 2.1: Sistema de control
2.2.1
Controlador tipo proporcional P
La funci on de transferencia del controlador P es G c = Kp (2.1)
siendo Kp una constante. En la gura 2.2 se representa el esquema de un ampliVi R Vo R2
R1
Figura 2.2: Esquema de un controlador P
2.2. TIPOS DE CONTROLADORES cador o inversor en el cual se cumple Kp = R1 + R2 V0 = Vi R1
37
2.2.2
Controlador tipo integrador

Gc =
1 (2.2) sTi Siendo Ti una constante. Se ha implementado mediante el circuito integrador inversor representado en la gura 2.3, en la que Gc = 1/sC1 1 V0 = = Vi R1 sR1 C1 (2.3)
Su funci on de transferencia es
La constante de tiempo Ti de este controlador I vale, por tanto,
C1
Vi R1 Vo
Figura 2.3: Esquema de un controlador I
Ti = R1 C1
(2.4)
2.2.3
Controlador tipo derivativo D

Gc = sTd (2.5)
Su funci on de transferencia es Siendo Td una constante. Su circuito electr onico, con una conguraci on inversora, aparece en la gura 2.4, en la que Gc = V0 R1 = = sR1 C1 Vi 1/sC1 (2.6)
La constante de tiempo T del controlador I vale por tanto, Td = R1 C1 (2.7)
38
R1 Vi
C1
Vo
Figura 2.4: Esquema de un controlador D
2.2.4
Controladores PID
Los tres controladores b asicos P, I, D, que acabamos de ver pueden agruparse en forma aditiva entre s dando lugar a las combinaciones PI, PD y PID. En la gura 2.5 se representa un controlador PID en forma de diagrama de bloques [2, sec. 7.10]. Su funci on de transferencia es Gc = V0 1 = Kp (1 + + sTd ) Vi sTi (2.8)
Este controlador PID se transforma f acilmente en otro PI o PD eliminando una
Vi
1 sT i
Kp
Vo
sT d
Figura 2.5: Diagrama de bloques de un controlador PID
de las ramas I o D del diagrama de bloques. Si eliminamos ambas ramas I y D se transforma en un controlador P. Una posible implementaci on electr onica de este controlador, que se ajusta al diagrama de bloques, se ilustra en la gura 2.6. La funci on de transferencia del circuito PID as compuesto viene dada por la
2.2. TIPOS DE CONTROLADORES
39
R1 R1
R4
C2
R5 Vi R1 R4 Vo
R3
C3
R4
Figura 2.6: Diagrama de bloques de un controlador PID
expresi on (2.9) en la que Kp = R5 , R4 Ti = R2 C2 , Td = R3 C3 (2.9)
2.2.5
Controladores de adelanto y de retraso de fase
Son controladores que producen un avance, un retraso o una combinaci on de avance y retraso en la fase de la tensi on de salida con respecto a la tensi on de entrada al controlador [2, sec. 7.9]. La funci on de transferencia de un controlador de adelanto o retraso es V0 s zc Gc = = Kc (2.10) Vi s pc Si | zc |<| pc | es un controlador de adelanto de fase mientras que si | zc |>| pc |, es de retraso de fase. Estos controladores pueden realizarse mediante redes pasivas RC o bien con circuitos basados en amplicadores operacionales. La gura 2.7 muestra los esquemas de una red RC de adelanto de fase y otra de retraso. La funci on de transferencia de la red de la gura 2.7a es Gc = V0 s zc 1 + T s = Kc = Vi s pc (1 + T s) (2.11)
siendo = (R1 + R2 )/R2 y T = CR1 R2 /(R1 + R2 ).
40
C
R1 R1 C Vi R2 Vo
Vi
R2
Vo
a)
b)
Figura 2.7: Redes de adelanto y de retraso de fase
La red de retraso de fase de la gura 2.7b tiene por funci on de transferencia Gc = V0 s zc 1 + Ts = Kc = Vi s pc 1 + T s (2.12)
siendo = (R1 + R2 )/R2 y T = R2 C . En la gura 2.8 se ha representado una red

C1
R1
R2 Vi C2 Vo
Figura 2.8: Red de adelanto-retraso de fase pasiva RC de adelanto-retraso de fase, cuya funci on de transferencia es Gc = V0 (1 + T1 s)(1 + T2 s) = Vi (1 + T1 s)(1 + T2 s) (2.13)
donde > 1, = 1/, T 1 = R1 C1 , T2 = R2 C2 y T1 T2 = R1 R2 C1 C2 . Los controladores de adelanto y de retraso de fase pueden construirse tambi en a base de circuitos con operacionales. El circuito representado en la gura 2.9 puede funcionar como controlador de adelanto y de retraso de fase. Su funci on de transferencia es Gc = V0 s zc C1 (s + 1/R1 C1 ) = Kc = Vi s pc C2 (s + 1/R2 C2 ) (2.14)
BASADOS EN EL LUGAR DE LAS RA 2.3. METODOS DE DISENO ICES

C2 C1 R2 Vi R1 Vo
41
Figura 2.9: Controlador de adelanto-retraso de fase
Este montaje se puede utilizar como controlador PI (eliminando la resistencia R2) o como controlador PD (eliminando el condensador C2).
2.3
M etodos de dise no basados en el lugar de las ra ces
El m etodo de dise no basado en el lugar de las ra ces suele tambi en denominarse de asignaci on de polos. Consiste en asignar al controlador uno o varios polos y ceros, previamente determinados por las especicaciones que ha de cumplir el sistema. Estos polos y ceros del controlador pueden servir, en ocasiones, para eliminar ciertos polos o ceros indeseados del sistema (cancelaci on de polos). Antes de proceder al estudio de algunos ejemplos de dise no de controladores veamos qu e efecto produce la adici on de un polo o de un cero sobre el lugar de las ra ces. Sea un sistema cuya funci on de transferencia en lazo abierto es: G(s) = 1 s2 (2.15)
Se trata de un sistema marginalmente estable para cualquier valor de la ganancia K , ya que su lugar de las ra ces es el eje imaginario (Figura 2.10). Veamos el efecto que produce la adici on de un cero en (2.5, 0). La funci on de transferencia en lazo abierto es ahora s + 2.5 G(s) = (2.16) s2 El lugar de las ra ces se ha representado en la gura 2.11. Se puede observar que la adici on de un cero produce un efecto parecido a como si este tirase del lugar geom etrico hacia s , estabilizando el sistema y generando en este caso una circunferencia como parte del lugar. Veamos ahora el efecto de a nadir un polo en (2, 0). La funci on de transferencia en lazo abierto vale ahora, G(s) = s2 (s 1 + 2) (2.17)
42
Figura 2.10: Lugar de las ra ces de G(s)H (s) = 1/s2
Figura 2.11: Lugar de las ra ces de G(s)H (s) = (s + 2.5)/s2
43
Figura 2.12: Lugar de las ra ces de G(s)H (s) = 1/[(s2 )(s + 2)]
El lugar geom etrico de las ra ces correspondiente se ha representado en la gura 2.12. Puede observarse en el mismo que es como si el polo s = 2 a nadido parece como si empujara al lugar, deform andolo y generando una rama de hip erbola. Produce, por tanto, un efecto desestabilizador en el sistema. Vistos los efectos de la adici on de un polo y de un cero a la funci on de transferencia, vamos a considerar algunos ejemplos de dise no del controlador en un sistema de regulaci on, conociendo ciertas especicaciones de funcionamiento.
2.3.1
Dise no de una red de adelanto de fase

s zc , s pc
Un controlador de adelanto de fase tiene por funci on de transferencia: G c = Kc |zc | < |pc | (2.18)
El dise no consiste en asignar unos valores a los par ametros del controlador, tales que el lugar geom etrico pase por un punto dado, denido a partir de las especicaciones de funcionamiento. Vamos a considerar el mismo ejemplo anterior en el que la funci on de transferencia en lazo abierto vale 1 G(s)H (s) = 2 (2.19) s Supongamos que las especicaciones de funcionamiento exigen un tiempo de establecimiento Ts de 4s y una sobreoscilaci on m axima inferior al 20%. El tiempo de establecimiento suele considerarse igual a 4 veces la constante de tiempo del sistema ( < 2%), con lo que 4 Ts = 4 = (2.20) n
44
Por otra parte la sobreoscilaci on m axima esta relacionada con el coeciente de amortiguamiento. Puede probarse que una sobreoscilaci on del 20% corresponde a un coeciente de amortiguamiento = 0.45. Por lo tanto, sustituyendo este valor en la expresi on anterior queda 4= 4 , 0.45n n = 2.22 (2.21)
Por tanto, la ra z correspondiente a las especicaciones propuestas es: s = n n 1 2 = 1 2j (2.22)
im 3 Raz deseada 2
1
p 116.56
90
-5
-4
-3
-2
-1
re
Figura 2.13: Lugar de las ra ces de G(s)H (s) = 1/[(s2 )(s + 2)]
Para que el lugar de las ra ces pase por este punto hemos de situar el polo y el cero del controlador de adelanto de fase. Primero situamos el cero del controlador en el punto s = 1, es decir, justo bajo la ra z (1 2j ), antes hallada, por la que ha de pasar el lugar. Aplicando el criterio del argumento, hallamos la ubicaci on del polo del controlador (gura 2.13): 90o 2(116.56o ) p = 180o p = 38o
Se deduce que el polo ha de ser pc = 3.6. La funci on de transferencia del controlador es s+1 G c = Kc s + 3.6 El par ametro Kc se determina aplicando la condici on de m odulo del lugar del las ra ces en el punto s = 1 + 2j , que da un valor de Kc = 8.1. El sistema de control resultante se ha representado en la gura 2.14 y el lugar de las ra ces correspondiente, en la gura 2.15.
45
Gc R(s)
s+1 8.1 s+3.6
Gp
1 s
2
Y(s)
H
1
Figura 2.14: Ubicaci on del cero y del polo del controlador PID
2.3.2
Dise no de un controlador PID
Vamos a suponer que deseamos controlar la misma planta anterior, con funci on de 2 transferencia Gp (s) = 1/s , mediante un controlador PID. Este tipo de control no es el m as id oneo en este caso, ya que la propia planta realiza una doble integraci on; se utiliza aqu para poder comparar con los resultados obtenidos anteriormente. Las especicaciones son las mismas que en el ejemplo anterior y por tanto el lugar de las ra ces ha de pasar por el punto (1 2j ). La funci on de transferencia del controlador es ahora s2 Td Ti + sTi + 1 1 Gc = Kp (1 + + sTd ) = Kp sTi sTi Un sencillo m etodo de dise no consiste en suponer que los ceros z1 y z2 del controlador PID son reales. Ubicamos el cero z1 bajo la ra z deseada y, aplicando la condici on de angulo, determinamos el otro cero (gura 2.16). Condici on de angulo: 90o + z2 3(116.56o ) = 180o , z2 = 3(116.56) 180o 90o = 79.69o o
y, por tanto, z2 = 1.36. El lugar de las ra ces del sistema compensado se ha representado en la gura 2.16. Conocidos los valores de z1 y z2 podemos hallar las constantes Td , Ti y Kp del controlador PID, identicando su funci on de transferencia con la obtenida. Kp de donde resulta Ti = 2.36/1.36 = 1.73s Td = 1/2.36 = 0.42s s2 Td Ti + sTi + 1 s2 + 2.36s + 1.36 = sti s
La constante Kp , hallada mediante la condici on de angulo, resulta ser Kp = 2.8. El lugar de las ra ces correspondiente se ha representado en la gura 2.17.
46
Figura 2.15: Lugar de las ra ces de G(s)H (s) = (s + 1)/[(s2 )(s + 3.6)]
2.4
Dise no en el Lugar de las Ra ces
El dise no en el Lugar de las ra ces est a indicado en el caso en que se pretenda que el sistema controlado tenga un par de polos complejos dominantes y que las especicaciones de funcionamiento vengan dadas para ese par de polos. Recordemos que en el sistema de 2o orden, si nos dan como especicaciones la sobreoscilaci on m axima Mp y el tiempo de pico tp , podemos hallar el par de polos asociado a las mismas, ya que de Mp = e podemos despejar y a continuaci on, de tp = n 1 2
1 2
podemos hallar n . Si el sistema controlado ha de tener polos dominantes reales, es decir, una respuesta temporal mon otona, no es aplicable este m etodo. No obstante, es casi siempre deseable una respuesta oscilante puesto que ello ayuda a contrarrestar el efecto de las posibles no linealidades. Como los controladores utilizados, controlador de adelanto-retraso y PID, tienen dos grados de libertad, es posible ubicar s olo dos polos del sistema en lazo cerrado. La posici on del resto de los polos queda fuera de control, y bien puede suceder, en plantas de orden elevado, que los polos ubicados por dise no no sean efectivamente los dominantes. La desventaja del m etodo del lugar de las ra ces es que la informaci on disponible para el dise nador disminuye conforme aumenta el n umero de ramas. En estos casos
EN EL LUGAR DE LAS RA 2.4. DISENO ICES

im 3 Raz deseada 2
47
1
z2 116.56
90
-5
-4
-3
-2
-1
re
Figura 2.16: Ubicaci on de los ceros y polos del PID
la alternativa puede ser trabajar con modelos de orden reducido o bien utilizar m etodos de dise no en el dominio de la frecuencia.
2.4.1
Compensador de adelanto de fase
La funci on de transferencia del controlador de adelanto de fase es s + zc Gc (s) = Kc , zc > pc , zc > 0 , pz > 0 s + pc Su dise no consiste en determinar las constantes Kc , zc , zc para que el sistema en lazo cerrado cumpla con las especicaciones exigidas. En t erminos del lugar de las ra ces esto signica que el lugar ha de pasar por el par de puntos conjugados (polos dominantes deseados) del plano complejo, calculados a partir de las especicaciones. El primer paso es, por tanto, hallar el par de polos dominantes a partir de las especicaciones. Supongamos que el resultado es pd = d + jd y p d = d jd . Una vez hallados, hemos de comprobar que no pertenecen al lugar de las ra ces del sistema original (sin compensador) ya que caso armativo el dise no consistir a simplemente en hallar el valor de la ganancia K correspondiente al punto del lugar de las ra ces pd = d + jd . El efecto de un compensador de adelanto de fase es desplazar el punto c de intersecci on de las as ntotas, a lo largo del eje real y hacia el semiplano izquierdo (SPI), una distancia pc zc c = np nz en donde np y nz son, respectivamente, los n umeros de polos y ceros en lazo abierto, incluidos los del controlador. Esto se deduce de la f ormula que da el centroide de las as ntotas: i pi j zj c = , i = 1, . . . , n, j = 1, . . . , m mn
48
Figura 2.17: Lugar de las ra ces de G(s)H (s) = (s + 1)(s + 2.36)/s3
en donde pi son los polos y zj los ceros. Como resultado, las ramas del lugar se doblan hacia el SPI (Figura 2.18). Entonces, un simple ajuste de la ganancia puede ser suciente para obtener polos con mejor amortiguamiento. La condici on que vamos a utilizar para dise nar el compensador es que el lugar de las ra ces ha de pasar por el polo dominante pd = d + jd calculado a partir de las especicaciones. Por supuesto que el lugar, por ser sim etrico, pasar a entonces tambi en por p d . Si pd es un punto del lugar de las ra ces, ha de cumplir la condici on argumento. Es decir, en el punto pd del plano complejo, la fase de la funci on de transferencia en lazo abierto ha de ser m ultiplo impar de : Gc (pd ) + Gp (pd ) = (2k + 1) Haciendo Gc (pd ) = c resulta c = (2k + 1) Gc (pd ) (2.23) k = 0, 1, 2, . . .
para alg un K = 0, 1, 2, ... La fase c del controlador en pd puede relacionarse gr acamente en el plano s con los par ametros pz y zc del controlador (gura 2.19). c = Una vez calculada la fase c que debe tener el controlador en pd , hay un n umero innito de posibles = pc y = zc que verican c = . En la pr actica, lo habitual es jar uno de los dos par ametros, pc o zc , y calcular el otro a partir de la condici on de a ngulo.
49
Im c
p2
p1
Re
Figura 2.18: Lugar de las Ra ces sin y con compensador
Im pd c pc zc Re
pd
Figura 2.19: Fase del controlador en pd
50
Ejemplo de dise no. Compensador en serie

D(s) s + zc U (s)- mE (s) Kc + s + pc
6 ? -+ m
500 s(s + 1)
Y (rs) -
Figura 2.20: Controlador a dise nar Vamos a dise nar el controlador de adelanto de fase de la gura 2.20, en el que Gp (s) = 500 s(s + 1)
y con unas especicaciones de = 0.65 y n = 50. En este ejercicio y en los siguientes se ha utilizado el programa Maple para efectuar los c alculos. En primer lugar hemos de obtener el par de polos dominantes (pd , p d ), por el que ha de pasar el lugar de las ra ces, a partir de las especicaciones. En este caso es muy sencillo: pd = n + n 1 2 = 32.5 + 38j p d = conj(pd ) = 32.5 38j Antes de proceder al dise no hemos de comprobar que el punto pd (o p d ) no est a en el lugar de las ra ces del sistema sin compensar. Para ello realizamos su trazado, que se ha representado en la gura 2.21. Una ver comprobado que pd queda fuera del lugar, calculamos el argumento que ha de tener el controlador en pd , aplicando la f ormula (2.23). Para ello hallamos primero Gp (pd ): Gp (pd ) = arg y, a continuaci on c : c = (2k + 1) Gp (pd ) = (2k + 1) + 260o Para k = 1 obtenemos c = 180o + 260o = 80o que es la fase buscada. N otese que para otros valores de k se obtienen valores de c iguales al hallado m as 360o k . Hallada es la fase c del controlador en pd , el problema es encontrar las posiciones del cero zc y del polo pc del controlador de forma que la diferencia de los argumentos de los vectores z c pd y pc pd sea igual a c (gura 2.22). 500 s(s + 1) = 260o
s=32.5+38j
51
Im
-1
-0.5
Re
Figura 2.21: Lugar de las Ra ces sin compensador
Im pd c pc -32.5 -1 Re 38
Figura 2.22: Cancelaci on del polo en (1 + 0j ) con zc
52
Una buena soluci on, al menos a primera vista, es colocar el cero del controlador en el punto (1+0j ), cancelando un polo de la planta (gura 2.22). As se simplica la funci on de transferencia Y (s)/U (s). Procediendo de este modo, para obtener el par ametro pc del controlador, hallamos el valor del angulo . = c = 130o 80o = 50o con lo que pc vale pc = 32.5 + 38/ tan 50o = 64 Por u ltimo, el valor de Kc lo podemos hallar aplicando la condici on de magnitud en el punto pd : s + zc Gp (pd ) = 1 Kc s + pc de donde resulta Kc = 4.93. El dise no ha concluido: el sistema denido por la funci on de transferencia consigna-salida G1 (s) = Y (s)/U (s), que con los valores hallados queda G1 (s) = 500 s2 Kc + pc s + 500 Kc
tiene un par de polos (dominantes) en (pd , p d ), de acuerdo con las especicaciones. Sin embargo, no ocurre lo mismo para la funci on de transferencia perturbaci onsalida G2 (s) = Y (s)/D(s) ya que en esta el polo en (1 + 0j ) no se ha cancelado: G2 (s) = 500 (s + 1 ) ( s2 s + pc + pc s + 500 Kc )
De aqu que el modo et , cancelado, aparecer a en la respuesta a una perturbaci on de carga d(t). Por tanto, el procedimiento utilizado de cancelaci on de un polo de la planta no debe ser utilizado en la pr actica, si se desea una verdadera mejora de la rapidez.
2.4.2
Consideraciones de dise no
En vista del resultado del ejercicio anterior podemos pensar que el dise no depender a de la conguraci on de las entradas y salidas del sistema de control. Ello nos llevar a a un tipo de dise no caso por caso. No obstante, algunas conguraciones son frecuentes en la pr actica por lo que conviene analizar con detalle los problemas asociados con ellas. El esquema de control de la gura 2.23, denominado compensaci on en serie, es frecuente, por ejemplo, en el control de motores y de otros procesos. La entrada d1 representa una perturbaci on en la carga, d2 representa una perturbaci on en la salida y d3 , una perturbaci on o ruido en la medida. No se ha considerado (H (s) = 1) la din amica del transductor. Nc , Dc , Np y Dp son los polinomios, numerador y denominador, del controlador y de la planta, respectivamente.
EN EL LUGAR DE LAS RA 2.4. DISENO ICES d1 u- m + Kc
53 d2
? -+ m r
- Nc
Dc
? Np m- m + Dp
y -
6 m + 6
d3 Figura 2.23: Esquema de control en serie. Para empezar, nos interesa hallar las funciones de transferencia Y Kc N c N p = , U D E Dc Dp = , U D M Kc Nc Dp = U D
que relacionan la salida y , el error e y el esfuerzo de control m con la entrada u. Tambi en interesan Y N p Dc = , D1 D E Y = , D1 D1 M Y = D1 U
que relacionan la salida y , el error e y el esfuerzo de control m con la perturbaci on d1 , y asimismo, M M M Y = , = D3 D1 D3 U en donde D = Dc Dp + KNc Np A partir de estas expresiones podemos deducir ciertas propiedades interesantes de este esquema de control. Si Nc y Dp tienen ceros en com un, estos se cancelan en las funciones de transferencia Y /U y M/U , ya que entonces son ceros del polinomio D = Dc Dp + KNc Np , pero no se cancelan en las Y /D1 y E/D1 , y por ello la cancelaci on polo-cero no es recomendable. Cuando el sistema en lazo cerrado es mucho m as r apido que la planta la variable manipulada m puede tomar valores muy grandes. La idea intuitiva de que para conseguir una respuesta m as r apida el controlador ha de actuar con m as energ a se conrma matem aticamente puesto que los polos lentos de la planta (ceros del polinomio Dp ) son ceros en la funci on de transferencia M/U , y es sabido que un cero lento visto desde los polos (pr oximo relativamente al eje imaginario) produce una sobreoscilaci on elevada. Si la planta tiene un cero en el SPD y el sistema en lazo cerrado es estable, la respuesta y (t) a un escal on siempre comienza con una suboscilaci on, es decir, arranca en sentido opuesto al de la entrada u(t). Esto es as porque, en la pr actica, el cero en el SPD no va a poder ser cancelado, y los sistemas con ceros en el SPD muestran ese comportamiento.
54
DE CONTROLADORES CAP ITULO 2. DISENO Si la planta tiene un polo en el SPD y el sistema en lazo cerrado es estable, la respuesta y (t) arranca en el mismo sentido que u(t) (tiene sobreoscilaci on). En efecto, el polo de la planta en el SPD, seg un hemos visto, no va a poder ser cancelado. Entonces, dicho polo se convierte en un cero para la funci on de transferencia E/U , y en consecuencia e(t) tendr a suboscilaci on. Como E = U Y y U = 1 (escal on unitario), una suboscilaci on en E inducir a una sobreoscilaci on en Y .
2.4.3
Re-dise no. Compensador en serie
Considerando estas propiedades, vamos a retomar el problema de dise no que antes hemos efectuado. En primer lugar, no es posible, en la pr actica, cancelar el polo s = 1 de la planta, como hab amos hecho; hemos de elegir otra ubicaci on para el cero zc del controlador. Como el cero zc del controlador es tambi en un cero para la funci on de transferencia Y /U , la experiencia demuestra que una elecci on adecuada es tomar zc = |pd |. De esta manera la sobreoscilaci on Mp del sistema en lazo cerrado se aproximar a bastante a la del sistema de segundo orden (deseado), denido por las especicaciones. Valores mayores de zc , aunque disminuir an la sobreoscilaci on m axima, reducir an la contribuci on de argumento c del controlador. Por tanto elegimos zc = |pd | = 50, procediendo a calcular d . Pero si realizamos la representaci on gr aca de la gura 2.19 vemos que esta elecci on no es posible, porque el m aximo angulo c que se puede obtener con pd = 32.5+38j y pc = 50 es on de unos 65o , y necesitamos 80o . Por ello nos vemos obligados a elegir otra ubicaci para zc m as hacia la derecha, si bien sabemos que as obtendremos un sobreimpulso mayor que el exigido. Con zc = 25, para c = 80o , obtenemos pc = 130.6 Con lo que la funci on de transferencia del controlador queda G c = Kc s + 25 s + 130
El valor de Kc en pd , obtenido a partir del lugar de la condici on de m odulo es Kc =. Puede comprobarse que la respuesta a una entrada u(t) escal on acusa una sobreoscilaci on mayor que la permitida por las especicaciones.
2.4.4
Compensador en realimentaci on
Una posible soluci on al problema anterior es colocar el compensador de adelanto en el lazo de realimentaci on en lugar de en serie con la planta. El esquema del control se indica en la gura 2.24 Calculemos las funciones de transferencia asociadas a este esquema: Y Kc N p Df = , U D M Kc Df Dp = U D
EN EL LUGAR DE LAS RA 2.4. DISENO ICES d1 u- m +
55 d2 Np Dp
? -+ m r
- K c
? -+ m
y -
Nf Df
m + 6
d3 Figura 2.24: Esquema de control en feedback. relacionan la salida y y esfuerzo de control m con la entrada u; Np Df Y = , D1 D M Np Nf = Kc D1 D
relacionan la salida y y el esfuerzo de control m con la perturbaci on d1 ; Y M = , D3 D1 en donde D = Df Dp + KNf Np . El error para entrada rampa vale er (s) = 1 s2 1 Y (s) U (s) = 1 Kc Np Nf + Df Dp Kc Df Np s2 Df Dp + Kp Nf Np M N f Dp = Kc D3 D
Los factores comunes (si los hay) de Nf y Dp , que en el controlador serie se cancelaban, son polos de Y /U y de Y /D1 , y no se cancelan. Si comparamos las expresiones Y /U y M/U con las halladas antes para el esquema con controlador en serie, vemos una importante diferencia: Nc ha sido reemplazado por Df . Esto quiere decir que en el esquema de control con compensador en feedback, los polos del compensador se convierten en ceros en las funciones de transferencia en lazo cerrado Y /R y M/R. Esto tiene un efecto benecioso pues el sobreimpulso m aximo se reducir a, ya que, por ser un compensador de adelanto de fase, pc > zc (el efecto ser a perjudicial si el compensador fuera de retraso). Pero esto signica que tenemos mayor libertad para escoger zp : podemos darle un valor menor que |pd | sin que aumente el sobreimpulso. Como conclusi on se puede decir que, siempre que sea posible, el compensador debe colocarse en el lazo de realimentaci on. Hay a un otro inconveniente. El cero del compensador permanece como cero en la funci on de transferencia Y /D3 , en ambas conguraciones de serie y feedback. Debido a ello el sistema en lazo cerrado ser a muy sensible al ruido D3 en la medida si los polos en lazo cerrado se han desplazado mucho hacia la izquierda en el SPI.
56
2.4.5
Compensador de retraso de fase en serie

s + zc , s + pc
Su funci on de transferencia es Gc (s) =
igual que la del de adelanto de fase, pero con zz > pc > 0. Por ser su ganancia est atica mayor que uno, las constantes de error del sistema quedar an multiplicadas por el factor zz /pc , por estar en serie con la planta. El dise no de este controlador consiste en encontrar zc y pc que satisfagan una relaci on dada. Sea, como antes, pd el polo dominante deseado. Puesto que para una relaci on dada de |zc |/|pc |, la contribuci on de angulo c del controlador en pd disminuye con |zc |, debemos seleccionar zc lo m as peque no posible para que este compensador tenga poco efecto sobre la respuesta transitoria. Por tanto colocaremos zc pr oximo a los polos dominantes. El efecto del compensador de retraso en el lugar de las ra ces es doblar el lugar hacia el SPD, desplazando el punto c la misma distancia que el controlador de adelanto pero hacia la derecha.
2.4.6
M axima fase de un controlador de adelanto

s+z s+p
La funci on de transferencia de un controlador de adelanto es G( s ) =
Como se ve en la gura 2.25, la fase de este controlador es c = , con p > z > 0. Su m axima contribuci on de fase max depende s olo de = z/p como puede verse en su diagrama de Nyquist, en la gura 2.26. Su trazado con Maple para z = 1, p = 3 se puede hacer con: G := > z:=1:p:=3: > plot([Re(G),Im(G),w=0..200],0..1.1); Nos interesa hallar el valor m aximo de c y la frecuencia m en la que se produce. Ponemos y en funci on de , z y a, con a = z/p. c := arctan a arctan z z Iw+z Iw+p
La derivada de esta funci on con respecto a se obtiene con > p1:=diff(phi_c,omega);
57
Im pd c pc zc Re
pd
Figura 2.25: Fase c del controlador.
Im m
max
=0 1+ 2 1
=o Re
Figura 2.26: Fase m axima max .
58
p1 := z
1 1+ z2
2
a 2 a2 1+ 2 z
Para hallar el m aximo hemos de resolver la ecuaci on c ( ) = 0: > wm1:=solve(diff(phi,omega)=0,omega); ( 1 + a ) z a ( 1 + a ) z a wm1 := , a2 + a a2 + a Simplicando esta expresi on obtenemos la pulsaci on correspondiente a max : > wm:=normal(wm1[2]); z wm := a Sustituyendo wm en la expresi on de c queda > fimax := subs(omega=wm,phi); 1 a
max := arctan El seno de esta expresi on es > sfm1:=expand(sin(fimax)); 1 a 1+
arctan
sf m1 :=
1 1+a a
a 1 1+ 1+a a
que puede simplicarse con > sfm:=radsimp(sfm1); 1 + a 1+a
sfm := es decir que
sin(max ) =
1a 1+a
Estas f ormulas son u tiles para dise nar controladores de adelanto de fase.
59
Ejemplo.
Se desea controlar un sistema din amico cuya planta tiene por funci on de transferencia 500 Gp (s) = s(s + 1) mediante un controlador de adelanto de fase, de forma que el sistema resultante tenga n una frecuencia de cruce c = 35 rad/s y un margen de fase de 65o . Resolucio En el trazado de Bode vemos que para = 35 el sistema tiene un margen de fase de (180 + 178.4) = 1.6o (casi cero) y un margen de ganancia muy peque no, casi 0dB. Para conseguir las especicaciones deseadas hemos de poner un compensador. El compensador tiene que aportar, en = 35 rad/s, una fase c = 65o y una ganancia Kc tal que el margen de ganancia resultante sea de 8dB. De la ecuaci on sin(max ) = 1a 1+a
podemos hallar a, ya que conocemos max , que en radianes vale > phi_max:=65*Pi/180; max := Para hallar a hacemos > a11:=solve(sfm=sin(phi_max),a); a11 := y obtenemos tambi en su valor num erico > a:=-evalf(a11); a := .04914852341 Por otro lado, como sabemos que la pulsaci on m correspondiente a la m axima fase max es z m := a poniendo m = 35, podemos hallar zc . > zc := 35 * sqrt(a); 36 13 36 13 13 36
zc := 7.759313191 y tambi en pc :
60 > pc:=zc/a;
pc := 157.8747977 Una vez hallados pc y zc , lo u nico que queda es hallar Kc . Para ello aplicamos la condici on de que el margen de ganancia ha de ser de 8dB para = 35 rad/s. Hallamos primero la ganancia en decibelios para = 35 y para los valores de zc y pc hallados, en funci on de Kc > Gdb35:=evalf(20*log10(Kc*abs(subs(w=35,p=pc,z=zc,G))));
Gdb35 := 20. log10( .2216946625 Kc ) y resolvemos la ecuaci on Gdb35 (Kc) = 8 en Kc . > solve(Gdb35=8,Kc); El valor que se obtiene es Kc = 11.33038749 Finalizado el dise no, podemos representar el diagrama de Bode del sistema compensado para vericar que cumple con las especicaciones y, si fuera preciso, realizar los u ltimos ajustes de los par ametros del controlador por tanteo y mediante simulaci on.
2.5
Dise no en la respuesta de frecuencia
La respuesta de frecuencia de un sistema din amico es una representaci on no param etrica (n umero innito de par ametros), ya que viene dada en forma de curvas continuas, en contraste con los modelos param etricos de funci on de transferencia y de estados. Una de las ventajas que tiene es que no est a inuida por el orden del sistema. Recordemos que informaci on neta que proporciona el lugar de las ra ces al dise nador va disminuyendo gradualmente a medida que aumenta el n umero de ramas, que es igual al orden del sistema. Por otro lado el empleo de escalas logar tmicas hacen que el rango bajo de frecuencias resulte expandido y entonces los errores absolutos del diagrama de Bode corresponden a errores absolutos en escala lineal. El dominio de la frecuencia est a especialmente indicado para incluir las imperfecciones de modelado por lo que se emplea en dise no robusto. Al ser una representaci on de dimensi on innita no podemos esperar que haya f ormulas expl citas que relacionen la respuesta de frecuencia con los par ametros caracter sticos de la respuesta temporal, o viceversa, incluso aunque se conociera el orden del sistema. Por ello, el adquirir destreza de dise no en el dominio de la frecuencia precisa de una considerablemente mayor experiencia que para hacerlo en cualquiera de sus dos alternativas param etricas, lugar de las ra ces o espacio de estado.
EN LA RESPUESTA DE FRECUENCIA 2.5. DISENO
61
2.5.1
El problema del dise no de feedback
El an alisis en el dominio de la frecuencia de los sistemas de segundo orden muestra que la realimentaci on negativa tiene como ventajas el aumento del ancho de banda, la disminuci on de la sensibilidad del sistema a las variaciones de los par ametros y la obtenci on de una funci on de transferencia de m odulo unidad (con realimentaci on unitaria) en el rango de frecuencias en el que la ganancia en lazo abierto es sucientemente alta. d1 d2 u- m + Kc
- Nc
Dc
? Np m- m + Dp
? -+ m
y -
6 m + 6
d3 Figura 2.27: Esquema de control en serie. Supongamos el sistema de control con realimentaci on representado en la gura 2.27. La expresi on de la salida Y (s) es Y = Gc Gp 1 Gp (U D3 ) + D2 + D1 1 + Gc Gp 1 + Gc Gp 1 + Gc Gp (2.24)
y la del error E (s), E= 1 Gc Gp Gp (U D2 ) + D3 D1 1 + Gc Gp 1 + Gc Gp 1 + Gc Gp (2.25)
Las ecuaciones (2.24) y (2.25) nos dan a entender que la tarea del dise no, condicionado siempre a ciertas restricciones y con el objetivo de cumplir determinados requisitos de funcionamiento, no parece sencilla. Por ejemplo, uno de estos requisitos demanda la reducci on de los errores debidos a la entrada de referencia u y a la perturbaci on d2 , mientras que otro pide la reducci on del error producido por el ruido en la medida d3 . El conicto entre estos dos objetivos de dise no es evidente: si en la ecuaci on (2.25) hacemos |Gc Gp | elevado en un amplio margen de frecuencia, para reducir los errores asociados con u y d2 , resulta de (2.24) que entonces y r d3 , con lo que el ruido en la medida d3 pasa directamente a la salida. Una frecuente restricci on es que esfuerzo de control, o variable manipulada m, no pueda tomar valores superiores a ciertos l mites (para los que alcanzar a la saturaci on). En efecto, la expresi on de la variable manipulada es m= Gc Gc Gp (U D2 D3 ) D1 1 + Gc Gp 1 + Gc Gp
62
Si hacemos |Gc Gp | 1 siendo |Gp | peque na, es decir, aumentamos la ganancia en lazo abierto a costa s olo del controlador, queda m= 1 (U D2 D3 ) Gp
Que el controlador emita esta fuerte respuesta, ante las entradas U (de referencia) y D2 (perturbaci on en salida), puede parecer l ogico. No as , sin embargo, que tambi en lo haga ante el ruido en la medida D3 . Por ello la ganancia de lazo no debe hacerse alta en un intervalo arbitrario de frecuencias.
20 log M
X W X W V X W V X W V RQQ X WPII V RQQ X WPII V RQQ X WPII H RQQ X WPII H CCRQQ X WPII V CCRQQ X WPII V CCRQQ X WPIBAIA VUHG FETS DCCRQQ BAAXWPII UU UU T SS UU T SS UU T SS UU T SS GGVUU F EETSS GGVUU F EETSS D UHGUG F EETSS D UHGUG F EETSS D W W W W W W W W W W WPBWIA VUHGUG FEETSS DCR`YQ BAXWPWI X X V X V T X V T R P X V T R P X V T R P X H V F T R P X H V F T D R P X H V F T D R P X H V F T D R X Y Y Y Y Y Y Y Y Y Y Y `Y ` ` ` ` ` ` ` ` ` ` ` W W U W U S W U S Q I W U S Q I W U S Q I W G U E S Q I W G U E S C Q I W G U E S C Q I W G U E S C Q X X V X V T X V T R P X V T R P X V T R P X H V F T R P X H V F T D R P X H V F T D R P X H V F T D R B P X H V F T D R B P X Y Y Y Y Y Y Y Y Y Y Y Y `Y ` ` ` ` ` ` ` ` ` ` ` ` UU ` UU T SS ` UU T SS ` UU T SS ` UU T SS ` GGVUU F EETSS ` GGVUU F EETSS D C`YRQ UHGUG F EETSS D C`YRQ UHGUG F EETSS D C`YRQ WW ` WW V WW V WW V WPIWI V WPIWI V WPIWI H WPIWI H WPIWI V WPIWI V WPIWI VUHGUG FEETSS DC`YRQQ XWPIWI ` X X X X X X X X X X X Yb Yb Yb Yb Yb YRQb YRQb YRQb YRQb ` a`Y a` a a a a a a a a a a b b b ba Q Q Q Q Q Q Q X X V X V T X V T R P X V T R P X V T R P X H V F T R P X H V F T R P X H V F T R P X H V F T R PX X VHVUHG FTTS `YRRQ XPXWPI Y Y Y Y Y Y Y Y Y Y Y ` ` ` ` ` ` ` ` ` ` b a a a a a a a a a a a b b b b b b b b b b c W c W U c W U S c W U S Q c I W U S Q c I W U S Q c I W G U S Q c I W G U S Q c I W G U S Q c I W G U S Q I W dc`Y d X d X V d X V T d X V T R d P X V T R d P X V T R d P X H V T R d P X H V T R d P X H V T R d P X H V T R P `Yba `Yba `Yba `Yba `Yba `Yba `Yba `Yba `Yba `Yba `Yba `YRQ`Y XWPI ba dc Q I Q I Q I Q I Q I Q I Q I c W c W U c W U S c W U S c W U S c W U S c W U S c W U S c W U S c W U S W U S d X d X V d X V T d X V T R d P X V T R d P X V T R d P X V T R d P X V T R d P X V T R d P X V T R P X V T Y e Y e Y e Y e Y e Y e Y e Y e Y e Y Y fe`Ybad ` f ` f ` f ` f ` f ` f ` f ` f ` f ` ` ba ba ba ba ba ba ba ba ba ba ba RQ`Y XPWI cfe`Yhgba c W c W U c W U S c W U S Q c I W U S Q c I W U S Q c I W U S Q c I W U S Q c I W U S Q c I W U S Q I W U S d X d X V d X V T d X V T R d P X V T R d P X V T R d P X V T R d P X V T R d P X V T R d P X V T R P X V T Y e Y e Y e Y e Y e Y e Y e Y e Y e Y Y ` f ` f ` f ` f ` f ` f ` f ` f ` f ` ` g g g g g g g g h h h h h h h h a a a a a a a a a a a b b b b b b b b b b b Requisitos de dcfe`Y WW dcfe`Y WW V UU dcfe`Y WW V UU T SS dcfe`Y WW V UU T SS dcRQfe`Y WW V UU T SS dcRQfe`Y WW V UU T SS dcRQfe`Y WW V UU T SS dcRQfe`Y WW V UU T SS dcRQfe`Y WW V UU T SS dcRQ`Y WW V UU T SS RQ`Y WW VUU TSS RQ`Y XWW dc X X X X X X X X X X X fe`Yyhga g g g g g g g g h h h h h h h h a y a y a y a y a y a y a a a a a b b b b b b b b b b b dcbfe`Y c c c c c c c c c c d X d X V d X V T d X V T d X V T d X V T d X V T d X V T d X V T d X V T X VVU T `Y XXW funcionamiento Y e Y e Y e Y e Y e Y e Y e Y e Y Y fe`Y ` f ` f ` f ` f ` f ` f ` f ` f ` ` hgpd hg g g g g g g g h h h h h h h a y a y a y a y a y a y a a a a a b b b b b b b b b b b yicbafe`Yhg c i W c i W U c i W U c i W U c i W U c W U c W U c W U c W U c W U W d p X d p X V d p X V d p X V d p X V d X V d X V d X V d X V d X V X fe`Y fe`Y fe`Y fe`Y fe`Y fe`Y fe`Y fe`Y fe`Y `Y `Y `Y`Y WX (Rango Activo) hg g g g g g g g h h h h h h h a y a y a y a y a y a y a a a a a b b b b b b b b b b b yicba c i W c i W c i W c i W c i W c W c W c W c W c W W rqpfed`Yhg d p X d p X d p X d p X d p X d X d X d X d X d X X Y e q Y e q Y e q Y e q Y e Y e Y e Y e Y e Y Y ` f r ` f r ` f r ` f r ` f ` f ` f ` f ` f ` ` hgyba hgyba hgyba hgyba hgyba hgyba hgba hgba ba ba ba `Y XW yba rqpifedc`Y c i W c i W c i W c i W c i W c W c W c W c W c W W d p X d p X d p X d p X d p X d X d X d X d X d X X Y e q Y e q Y e q Y e q Y e Y e Y e Y e Y e Y Y ` f r ` f r ` f r ` f r ` f ` f ` f ` f ` f ` ` tshgybaqpedY g s g s g s g g g g g h t h t h t h h h h h yba yba yba yba yba yba ba ba ba ba ba ictsrhgf` c i c i c i c i c c c c c pedYic d p d p d p d p d d d d d Y` q Y e q Y e q Y e q Y e Y e Y e Y e Y e Y Y ` f r ` f r ` f r ` f r ` f ` f ` f ` f ` f ` ` g s g s g s g g g g g h t h t h t h h h h h a u y a y a y a y a y a y a a a a a yvubaxpidc b v b b b b b b b b b b c i c i c i c i c i c c c c c d p d p d p d p d p d d d d d tsrqhgfe`Yyvubap tsrqhgfe`Yybap tsrqhgfe`Yybap rqhgfe`Yybap hgfe`Yybapd hgfe`Yybad hgfe`Ybad hgfe`Ybad fe`Ybad `Ybadc `Yba`Y tsrqhgfe`Y yvubawxp idc c i c i c i c i c i c c c c d d d d e q e q e q e q e e e e e f r f r f r f r f f f f f srqgfeyvuthbapd g s g s g s g g g g g wicrqfetshgyvuthbap icfeh cfeh cfeh cfehg bad cfe badc ba dicrqfet dicrqfet dicrqfetsh dicrqfeh shg ythbap shg ythbap g yhbap g yhbapd g yhbad g hbad g hbad
3210)('&%1% 432 10)('&%1% 210 )('&%1% 0 )('&%% 0 )('&%% 0 )('&%% 0)( '&%% ( '&%% ('& %% & %% &%% 76543210)('&%7531)'% 876 5431)'%531)'% 6 543210)('&%531)'% 654 8 ' ) 3 5 ' ) 3 ' ) ' ) ' ) ' ) ' ) ' ' 6420(&@96543210)('&%20(&876 8 420(&@ & ( 0 2 4 6 & ( 0 2 4 6 & ( 0 2 4 & ( 0 2 & ( 0 & ( 0 & ( 0 & ( 0 & ( & ( & &@9&% 9 9 9 9 9 9 9 9 9 9 9 9 @ @ @ @ @ @ @ @ @ @ @ % ' ) 1 3 5 % ' ) 1 3 5 % ' ) 1 3 5 % ' ) 1 3 % ' ) 1 % ' ) % ' ) % ' ) % ' ) % ' % ' % & ( 0 2 4 6 & ( 0 2 4 6 & ( 0 2 4 6 & ( 0 2 4 & ( 0 2 & ( 0 & ( 0 & ( 0 & ( 0 & ( & ( & $#@96543210)('&% $#@ $#@ $#@ $#@ $#@ $#@ $#@ $#@ $#@ $#@ $#@ $#@ $#@9&%$# 9 9 9 9 9 9 9 9 9 9 9 9 1 1 1 1 1 % ' ) 3 5 % ' ) 3 5 % ' ) 3 5 % ' ) 3 % ' ) % ' ) % ' ) % ' ) % ' ) % ' % ' % 0 0 0 0 0 0 0 0 0 & ( 2 4 6 & ( 2 4 6 & ( 2 4 6 & ( 2 4 & ( 2 & ( & ( & ( & ( & ( & ( & # # # # # # # # # # # # $#" $ $ $ $ $ $ $ $ $ $ $ $ !@ !@ !@ !@ !@ !@ !@ !@ !@ !@ !@ !@ !@ " " " " " " " " " " " " "!@9&$#%"! 9420(&$#31)'%"! 9 9 9 9 9 9 9 9 9 9 9 9 % ' ) 1 3 % ' ) 1 3 % ' ) 1 3 % ' ) 1 3 % ' ) 1 % ' ) % ' ) % ' ) % ' ) % ' % ' % ( 0 4 ( 0 4 ( 0 4 ( 0 4 ( 0 ( 0 ( 0 ( 0 ( 0 ( ( & 2 & 2 & 2 & 2 & 2 & & & & & & & # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ ! ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " " 9210)('&%$#" 9 9 9 9 9 9 9 9 9 9 9 9 @9 @ @ @ @ @ @ @ @ @ @ @ @ @ % ' ) 1 % ' ) 1 % ' ) 1 % ' ) 1 % ' ) % ' ) % ' ) % ' ) % ' % ' % 0 0 0 0 0 0 0 0 210)('&%$#"! & ( 2 & ( 2 & ( 2 & ( 2 & ( & ( & ( & ( & ( & ( & &%$#"!&@9% # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ ! ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " @90 9 9 9 9 9 9 9 9 9 9 9 9 @ @ @ @ @ @ @ @ @ @ @ @ % % % % % % % % % % % % )('&%$#" ' ) ' ) ' ) ' ) ' ) ' ) ' ) ' ) ' ) ' ' & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( & ( & # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ $#"!&%$#@9 !0)('&%$# !0 ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " " Limites de 9 9 9 9 9 9 9 9 9 9 9 9 @9"! @ @ @ @ @ @ @ @ @ @ @ @ % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' % ' % & ( & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( & ( & # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ !@ !@ !@ !@ !@ !@ !@ !@ !@ !@ !@ !@ " " " " " " " " " " " " "!@9&%$#"! @90)('&% 9 9 9 9 9 9 9 9 9 9 9 9 incertidumbres % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' % ' % & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( 0 & ( & ( & # # # # # # # # # # # # $#"! $ $ $ $ $ $ $ $ $ $ $ $ ! ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " " @90 0 0 0 0 0 0 0 0 0)( ( ('& & &%@9$#!" 9 9 9 9 9 9 9 9 9 9 9 9 @ @ @ @ @ @ @ @ @ @ @ @ )('&%$#! % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' ) % ' % ' % % ( ( ( ( ( ( ( ( & & & & & & & & & & # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ de modelado ! ! ! ! ! ! ! ! ! ! ! ! "@('&% " " " " " " " " " " " " 9$#"! 9 9 9 9 9 9 9 9 9 9 9 9 9 @ @ @ @ @ @ @ @ @ @ @ @ @ % % % % % % % % % % % % % ' ' ' ' ' ' ' ' ' ' ' ( ( ( ( ( ( ( ( ( ( ( & & & & & & & & & & & & & # # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ $ ! ! ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " " " y 9('&%$#" @ 9('&%$#" 9('&%$#" 9('&%$#" 9('&%$#" 9('&%$#" en 9('&%$#" 9('&%$#" 9('&%$#" 9('&%$#" 9('&%$#" 9&%$#" @9&%$#"! @9('&% @ @ @ @ @ @ @ @ @ @ @ $#"! ! ! ! ! ! ! ! ! ! ! ! ! ruido medida 9&%$#" 9 9 9 9 9 9 9 9 9 9 9 9 @&%9$#"!9 @ @ @ @ @ @ @ @ @ @ @ @ @ % % % % % % % % % % % % & & & & & & & & & & & & # # # # # # # # # # # $#" $ $ $ $ $ $ $ $ $ $ $ !@ !@ ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " 9&%$#"! 9 9 9 9 9 9 9 9 9 9 9 9 @ @ @ @ @ @ @ @ @ @ @ @ % % % % % % % % % % % % % & & & & & & & & & & & & & # # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ $ ! ! ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " " " 9 9 9 9 9 9 9 9 9 9 9 9 9 9 @$#"! @$#" @ @ @ @ @ @ @ @ @ @ @ @ # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ ! ! ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " " $ #"! # # # # # # # # # # # # # $ $ $ $ $ $ $ $ $ $ $ $ $ "! "! "! "! "! "! "! "! "! "! "! "! "!"! "! log ! ! ! ! ! ! ! ! ! ! ! ! " " " " " " " " " " " "
Figura 2.28: Zonas permitidas en la respuesta de frecuencia. De acuerdo con estas ideas, podemos pensar en dar a la ganancia de lazo una determinada forma, tratando de satisfacer las exigencias impuestas (gura 2.28). Ser a conveniente por ello: Dar un valor alto a la ganancia en lazo abierto M = |Gc Gp | en el rango activo de frecuencia, para alcanzar un adecuado funcionamiento en esa zona. Dar a M una gran atenuaci on en el intervalo de frecuencia en el que el ruido es importante
EN EL ESPACIO DE ESTADO 2.6. DISENO
63
Entre estas dos zonas, dar a M una atenuaci on en pronunciado descenso para conseguir que la anchura de banda sea amplia.
Pero aqu ocurre un problema: el aumento en la pendiente de atenuaci on de la curva M hace reducir el margen fase. Otra importante restricci on de dise no es la tolerancia a imprecisiones de modelado. El an alisis revela que para conservar la estabilidad en lazo cerrado se necesita un modelo preciso en lazo abierto en un rango de frecuencia alrededor de la frecuencia de cruce. M as concretamente, cuanto menor sea el valor de |1 + G( j )|, (0, ), mayor precisi on se necesita en el modelado. En efecto, la expresi on
T SG =
1 1+G
es la sensibilidad de la funci on T = G/(1 + G) respecto del par ametro G. En la pr actica nos encontramos con que las imprecisiones en el modelado de la planta aumentan con la frecuencia, debido sobre todo a la existencia de din amicas no modeladas como retardos de tiempo, resonancias mec anicas, polos de alta frecuencia, etc. Por ello la ganancia a alta frecuencia debe ser peque na para mantener el sistema estable. En particular, esto signica que la compensaci on puede aumentar la anchura de banda (BW) del sistema s olo si el modelo contin ua siendo relativamente preciso en BW. Si intent aramos ensanchar BW sobre la regi on en que las incertidumbres de modelado son elevadas, ello conducir a a un funcionamiento indeseable, o incluso a la inestabilidad.
2.6
Dise no en el Espacio de Estado
Los m etodos basados en el Lugar Geom etrico de las Ra ces y en la Respuesta de Frecuencia, propios del modelo de funci on de transferencia, se basan en la realimentaci on de la variable salida y, por lo com un, en la utilizaci on de controladores con un reducido n umero de par ametros de dise no: controladores PID y de adelanto-retraso de fase. El n umero de polos en lazo cerrado que podemos ubicar por dise no con estos controladores es de dos. Con estos m etodos, el dise no de compensadores para ubicar m as de dos polos resulta complicado debido en gran parte a la dicultad de relacionar los par ametros del controlador con las especicaciones deseadas. Utilizando el modelo de estado, en cambio, es posible realimentar el vector de estado en lugar de la salida, disponiendo de informaci on suciente, como vamos a ver, para cambiar la posici on de todos los polos del sistema a otras nuevas posiciones prejadas a voluntad.
64
2.6.1
Asignaci on de polos
Sea un sistema din amico cuyo modelo de estado est a en forma can onica controlable. 0 1 0 . .. . . x = x + . u 0 1 an an1 . . . a1 1 y = Cx en donde x Rn , u, y R, A Rnn B Rn1 , C R1n El polinomio caracter stico est a denido por la u ltima la de la matriz A det(sI A) = sn + a1 sn1 + . . . + an1 s + an Sean 1 , 2 , . . . , n los valores propios de A y supongamos que deseamos obtener un nuevo sistema, mediante feedback de estado, que tenga como polinomio caracter stico (s) = sn + 1 sn1 + . . . + n1 s + n con ra ces 1 , 2 , . . . , n . Deniendo una nueva entrada v , de forma que ahora la entrada a la planta sea v Kx, siendo K = k1 k2 . . . kn las ecuaciones de estado se transforman en x = (A BK )x + Bv y = Cx Si damos a K el valor K= n an n1 an1 . . . 1 a1
entonces el determinante de [sI (A BK )] es (s) puesto que 0 0 ... 0 . . BK = . k1 k2 . . . kn Esta es la forma m as sencilla de resolver el problema de asignaci on de polos en el espacio de estado.
2.7
Sinton a de controladores PID
Los controladores PID comerciales disponen de mandos externos para el ajuste de los par ametros Kp , Ti y Td . Para su c alculo te orico podemos aplicar cualquiera de los
2.7. SINTON IA DE CONTROLADORES PID
65
procedimientos vistos antes, siempre y cuando conozcamos el modelo de la planta. Si no es as , lo que suele hacerse es suponer para ella un modelo muy simple, ajustar emp ricamente los par ametros del PID en base a ese modelo y probar luego c omo funciona el control en la realidad. Pero c omo buscar un modelo simple de un planta desconocida? La respuesta que a esta cuesti on dieron Zeigler y Nichols est a basada en la siguiente observaci on: en la industria de control de procesos, la mayor a de las plantas a controlar admiten como modelo externo la funci on no racional A eT s G(s) = s+a a 0. (2.26)
Bajo este supuesto, los m etodos de ajuste constan de dos etapas: 1. Realizar un experimento para determinar los par ametros A, a y T de la planta. 2. Calcular, con f ormulas apropiadas, los par ametros Kp , Td y Ti del controlador a partir de los par ametros hallados. Se han desarrollado dos m etodos, llamados m etodo de lazo abierto y m etodo de lazo cerrado. M etodo de lazo abierto Suponiendo que el modelo G(s) = A eT s , s+a
es v alido para planta, este m etodo consisten en aplicar un escal on unitario 1(t) a la planta y medir su respuesta temporal y (t) para, a partir de ella, calcular los par ametros A, a y T de su supuesto modelo. En el experimento hemos medido la respuesta al escal on y (t) de la planta (gura 2.29). Primero calcularemos T . Trazando la tangente a la curva y (t) en el punto de m axima pendiente y hallando su intersecci on con el eje t, obtenemos el valor del retardo T del modelo G(s) de la planta. Si la planta real siguiera exactamente el T s axima pendiente de y (t) se dar a en el punto modelo supuesto G(s) = Ase+a , la m de intersecci on de la curva con el eje t. Pero, como no va a ser asi, lo que hemos hecho es una aproximaci on que consiste en sustituir la parte baja de la curva por la tangente de pendiente m axima. Veamos ahora como se hallan a y A. Sabemos que el valor de la respuesta y0 (t) a un escal on unitario de la planta con retardo nulo G0 (s) = A s+a
en el instante = 1/a (constante de tiempo) es y0 ( ) = A(1 eat )|t=1/a = A(1 e1 ) = 0.632A.
66

y (t ) y (t )
A a
0.632 A
t1
Figura 2.29: C alculo de T (izquierda), de a y de A (derecha) Por tanto, la respuesta al escal on unitario de la planta con retardo T G(s) = A eT s , s+a
en el instante + T , valdr a tambi en y ( + T ) = 0.632A. Asi que para determinar la constante de tiempo trazamos una recta horizontal de ordenada igual a 0.632A, hallamos el punto de intersecci on de la recta con la curva y (t) y entonces la vertical por dicho punto marca el valor t1 = + T . Por tanto = t1 T = 1/a a.
Por ser la entrada un escal on unitario, el valor nal de la respuesta o valor en estado estacionario es igual a la la ganancia est atica de la planta. yss = lim y (t) =
t
A a
Por ello, A = a yss El valor Rr = A/ = aA se llama tasa de reacci on reaction rate. En el caso en que la constante a sea nula, a un es posible denir los valores de T (igual que antes) y de Rr que es igual a la pendiente m axima de la respuesta. El principal inconveniente del m etodo de lazo abierto es que el experimento que nos da la respuesta temporal de la planta exige controlar en lazo abierto la planta durante un tiempo suciente para que la respuesta llegue al estado estacionario y esto puede ser prohibitivo en ciertos procesos industriales en funcionamiento.
2.7. SINTON IA DE CONTROLADORES PID M etodo de lazo cerrado
67
Permite calcular los par ametros del modelo G(s) de la planta haciendo un experimento con el control PID en funcioonamiento, en lazo cerrado. El m etodo es el siguiente. Con el proceso en funcionamiento se ponen los par ametros de PID con los valores Td = 0 (o el valor m nimo posible), Ti = (o el valor m aximo posible) y se va aumentando despacio la ganancia kp hasta el valor ku para el cual la respuesta y (t) sea oscilante, con ciclos de amplitud mantenida, es decir, de aspecto sinusoidal. Entonces anotaremos los valores de Ku y del per odo de oscilaci on Tu . Aunque este m etodo es m as factible que el anterior, tambi en puede resultar a veces problem atico: hay procesos que no toleran oscilaciones mantenidas por mucho tiempo y hay otros (muy lentos) que aunque las admitan, pueden exigir un tiempo de experimento demasiado largo. Hay otros m etodos, tambi en de lazo cerrado, que se basan en el funcionamiento normal del controlador para hacer los c alculos y, adem as, si se ponen en modo autom atico son capaces de ponerse ellos mismos los valores m as adecuados a las circustancias. Son los controladores inteligentes.
2.7.1
Ajuste de los par ametros del PID
A partir de los valores emp ricos T, Rr , obtenidos en lazo abierto, o de los valores Ku , Tu obtenidos en lazo cerrado, se pueden calcular los par ametros Kp , Td y Ti del controlador de forma aproximada. Entre los m etodos que se han desarrollado para ello cabe destacar el de Ziegler Nichols y el de Shinskey, que suponen suponen a = 0 en el modelo G(s) de la planta, y el de Cohen-Coon que supone a = 0. Tipo P Kp P I Kp Ti P ID Kp Td Ti Zeigler-Nichols Shinskey Zeigler-Nichols (lazo cerrado) (lazo cerrado) (lazo abierto) 1 0.5Ku 0.5Ku Rr T 0.9 0.45Ku 0.5Ku Rr T 0.833Ku 0.43Ku 0.33T 1.2 0.6Ku 0.5Ku Rr T 0.5Ku 0.34Ku 2T 0.125Ku 0.08Ku 0.5T Cohen-Coon (lazo abierto) T (1 + 3 ) AT T (0.9 + 0.082 3 ) AT 3.33+0.3T / T ( 1+2.2T / ) (1.35 + 0.27 T ) AT 2.5+0.5T / T ( 1+0.6T / ) 0.37 T ( 1+0 ) .2T /
68
Parte II Control de procesos de eventos discretos
69
Cap tulo 3 Sistemas booleanos

3.1 Dispositivos l ogicos
Ciertos dispositivos f sicos se construyen de forma que s olo tienen dos posibles estados de equilibrio los cuales, en cada caso, reciben nombres t picos que los identican. En la tabla se indican algunos de ellos junto con los nombres de sus dos estados. Dispositivo Estados Mec anico s / no Interruptor el ectrico abierto / cerrado V alvula abierta / cerrada saturaci on / corte Transistor Estos y otros dispositivos permiten construir otros aparatos m as complejos que se llaman automatismos. Sus modelos son los sistemas digitales y pueden ser de dos clases: Sistemas combinacionales Sistemas secuenciales
Figura 3.1: Dispositivo mec anico de dos estados estables.
71
72
CAP ITULO 3. SISTEMAS BOOLEANOS
En un sistema de control, tanto las entradas como las salidas pueden tomar, en general, valores reales cualesquiera. Pues bien, en los automatismos y sistemas digitales cada una de dichas variables tiene dos valores fundamentales, llamados a veces niveles l ogicos 0 y 1, que corresponden a estados de equilibrio del sistema. Esto no quiere decir que las entradas y salidas no puedan tomar otros valores sino que, en el modelo s olo vamos a considerar dichos valores, desechando el resto. La raz on para poder hacer esto es que los dispositivos biestables est an construidos de tal manara que s olo admiten dos posiciones de equilibrio estable y que el tr ansito entre ambos estados se realiza r apidamente. Por ejemplo, una balanza con una pesa en uno de los dos platos es uno de estos dispositivos. Aunque la balanza puede tomar todas las posiciones intermedias, s olo consideramos dos: posici on 0 (balanza vencida hacia la izquierda) y posici on 1 (balanza vencida hacia la derecha). Al cambiar la pesa de plato el sistema cambia de estado y, si la pesa es sucientemente grande, el dicho cambio ser a r apido. Otro dispositivo bi-estable bien conocido es un interruptor de alumbrado dom estico. La forma y la elasticidad del conductor 2 hacen que este sistema, de accionamiento manual, tenga dos estados estables. En la gura de la izquierda los contactos del interruptor est an unidos por la presi on que el conductor el astico 2 hace sobre el 1 y el interruptor est a cerrado. En la gura de la derecha, tras girar la llave de encendido, se separan los contactos y el interruptor est a cerrado.
Figura 3.2: Interruptor dom estico. Los biestables electr onicos son circuitos muy conocidos y utilizados. Son b asicos para la construcci on de otros circuitos electr onicos m as complejos como por ejemplo las memorias RAM (gura 3.4). La balanza, el interruptor dom estico y el biestable electr onico, son sistemas que permanecen en el mismo estado por tiempo indenido una vez que se dejan de aplicar sus correspondientes entradas. Por eso se dice que son sistemas con memoria. Por el contrario, hay otros sistemas, llamados sistemas sin memoria, que cuando las entradas dejan de actuar, pasan a un estado llamado de reposo. Un ejemplo sencillo de este tipo de sistemas es un pulsador el ectrico. Ejercicio 3.1.1 Identicar la entrada, la salida y los estados de equilibrio de los siguientes sistemas: 1. Sistema mec anico de la balanza de la gura 3.1. 2. Sistema del interruptor (gura 3.2).
3.2. ALGEBRA DE BOOLE

Figura 3.3: Pulsador
73
1
3. Biestable electr onico de la gura 3.4. Explicar su funcionamiento. 4. Pulsador el ectrico de la gura 3.3. Explicar su funcionamiento.
Vcc
RC V1
RC V2
RB
RB
E1
E2
Figura 3.4: Circuito electr onico biestable
3.2
Algebra de Boole
tales que, para todo
Un conjunto U en el que se han denido dos operaciones y a, b, c U satisfacen las propiedades: 1. Idempotentes: a a = a a=a a b=b a a (b c) = (a
2. Conmutativas: a b = b a,
3. Asociativas: a (b c) = (a b) c, 4. Absorciones: a (a b) = a (a
b)
b) = a
se dice que (U, , ) es un ret culo. Si adem as se cumplen las propiedades 5. Distributivas: a (b c) = (a b) (a c), a (b c) = (a b) (a c)
74
se dice que es un ret culo distributivo. Si adem as de estas cinco se cumplen tambi en las propiedades de 6. Cotas universales: 0, 1 U | 0 a = 0, 0 a = a, 1 a=0 a = a, 1 a = 1
7. Complemento: a U a U | a a = 1, a
entonces se dice que (U, , , , 0, 1) es un algebra de Boole. No es dif cil comprobar que el conjunto Z2 := {0, 1} dotado de las operaciones suma l ogica (OR) y producto l ogico (AND), dadas por las tablas de verdad
OR 0 1 AND 0 1
0 0 1 1 1 1 es un algebra de Boole.
0 0 0 1 0 1
3.2.1
Funciones booleanas
f :X Y x f (x)
Si X e Y son dos conjuntos, sabemos que una funci on
denida en X (dominio) y con valores en Y es cualquier ley que hace corresponder a cada elemento x X , un elemento bien denido (y s olo uno) y Y . La ley que dene la funci on viene dada a veces por una expresi on algebraica, como por ejemplo f: R R x x2 + 2x + 5, que dene una funci on real de una variable real o f : R2 R (x, y ) x2 y 2 , que dene una funci on real de dos variables reales. Pero otras veces la ley puede venir expresada de cualquier otra forma tal que describa completamente la correspondencia entre todos los elementos de X con elementos de Y . Cuando el dominio X es un conjunto nito, dicha ley se puede expresar en forma de tabla. Una funci on booleana de n variables x1 , x2 , . . . , xn , se dene como una aplicaci on n de Z2 en Z2 , es decir f : Zn 2 Z2 (x1 , . . . , xn ) f (x1 , . . . , xn ) Por ser Zn on booleana siempre se puede expresar en 2 un dominio nito, una funci forma de tabla. La tabla que dene una funci on booleana se llama tabla de verdad de la funci on.
75
Se dice que dos funciones booleanas f (x1 , . . . , xn ) y g (x1 , . . . , xn ) son equivalentes si f (x1 , . . . , xn ) = g (x1 , . . . , xn ) para todo xi Z2 , i = 1 . . . , n. Dicho de otro modo, dos funciones booleanas son equivalentes si sus tablas de verdad coinciden. Por ejemplo, las funciones f (x1 , x2 , x3 ) = x1 x2 y g (x1 , x2 , x3 ) = x1 x2 (x3 + x3 ) son equivalentes porque sus tablas de verdad, x1 0 0 0 0 1 1 1 1 son iguales. Formas can onicas Evidentemente, la equivalencia de funciones booleanas es una relaci on de equivalencia. Esta relaci on permite dividir el conjunto de funciones booleanas de n variables en clases de equivalencia. El representante can onico de cada clase de equivalencia no es u nico: tenemos la forma can onica suma de min-terms, como por ejemplo f (a, b, c, d) = abcd + abcd + abc!d y la forma can onica producto de max-terms, tal como f (a, b, c, d) = (a + b + cd)(a + b + c + d)(a + bc + d). Una funci on booleana f (x1 , . . . , xn ) se dice que est a expresada en la forma can onica suma de min-terms si viene dada en la forma
n
x2 0 0 1 1 0 0 1 1
x3 0 1 0 1 0 1 0 1
f 0 0 0 0 0 0 1 1
x1 0 0 0 0 1 1 1 1
x2 0 0 1 1 0 0 1 1
x3 0 1 0 1 0 1 0 1
g 0 0 0 0 0 0 1 1 ,
f (x1 , . . . , xn ) =
(1 ,...,n )Zn 2 j =1
xj j f (1 , . . . , n )
en donde xj j =
xj si j = 0 . xj si j = 1
Cada uno de los sumandos que componen la forma can onica se llama t ermino can onico o, a veces, t ermino m nimo (min-term ) o simplemente t ermino.
76
Es f acil ver que en un algebra de Boole con n variables existen 2n t erminos can onicos diferentes. A modo ilustrativo, en la siguiente tabla se indican los minterms de las funciones booleanas de una, dos y tres variables. minterms f (x) x, x f (x, y ) xy, xy, xy, xy f (x, y, z ) xyz, xyz, xyz, xyz, xyz, xyz, xyz, xyz Los min-terms se suelen identicar tambi en por un n umero binario en el que cada d gito representa una variable negada si es cero, o sin negar si es uno. A un de forma m as compacta, un min-term se puede identicar por el n umero decimal correspondiente al antedicho n umero binario. As , por ejemplo, el min-term xyz se identica tambi en por el n umero binario 010 o simplemente por el n umero decimal 2. La forma can onica de una funci on booleana se puede obtener inmediatamente a partir de su tabla de verdad. Para ello, indicando cada columna de la tabla por j n 1 j = 1 . . . n, asociamos a cada la de la tabla un producto x 1 , . . . , xj , . . . , xn y en el mismo hacemos xj j = 1 si el elemento (i, j ) de la tabla es 1 o bien xj j = 0 si el elemento (i, j ) de la tabla es 0. La expresi on can onica de f se obtiene como suma de todos los productos obtenidos. Otra forma de obtener la forma can onica de una funci on f (x1 , . . . , xn ) es partir de una expresi on cualquiera de la funci on y multiplicar por (xi + xi ) todos los t erminos de la misma que no contengan la variable xi , para i = 1, . . . , n.
3.2.2
Simplicaci on de funciones booleanas
La forma can onica de una funci on es f acil de obtener pero no siempre es la m as conveniente, sobre todo si pensamos en la realizaci on f sica, ya que su expresi on puede resultar excesivamente larga. Simplicar una funci on f consiste en obtener otra funci on g equivalente a f y con una expresi on m as simple. La simplicaci on de una funci on conduce a una m as simple y, en general, m as eciente implementaci on de la misma, bien sea por medio de un programa de ordenador o por medio de un circuito neum atico, o el ectrico o electr onico. Los m etodos m as utilizados para simplicar funciones booleanas son el Karnaugh y el de Quine-McCluskey. Los m etodos de simplicaci on de funciones l ogicas consisten esencialmente en aplicar la ley de complementaci on x+x = 1 que, evidentemente, implica f (x1 +x1 ) f . Se puede ver que, tras aplicar repetidamente esta ley a la funci on, con todas y cada una de las variables, esta queda reducida a una suma de implicantes primos (t erminos irreducibles). M etodo de Karnaugh Es un m etodo gr aco v alido para funciones de hasta cuatro o cinco variables como m aximo. Dada una funci on f (x1 , . . . , xn ) en forma can onica, consiste en anotar los
77
valores de la funci on en una tabla, denominada mapa de Karnaugh, de tal forma que los t erminos can onicos geom etricamente adyacentes en la tabla se diferencian s olo en una variable. Esto se consigue f acilmente poniendo en las casillas de cabecera de las y de columnas los n umeros binarios de dos cifras 00 01 11 10 que representan a un par de variables y que est an ordenados de forma que para pasar de uno cualquiera al siguiente solo cambia una cifra. Procediendo as , creamos una tabla de la forma
@cd 00 ab @ 00 00 00 01 01 00 11 11 00 10 10 00
01 11 10
00 01 01 01 11 01 10 01 00 11 01 11 11 11 10 11 00 10 01 10 11 10 10 10
En esta tabla, cada casilla representa el t ermino can onico (min-term) de la funci on que se ha indicado en la misma. Se ve claramente que cada min-term diere de los adyacentes en s olo un d gito binario. Obs ervese que la u ltima casilla de cada la es adyacente con la primera casilla de la misma la ya que solo dieren en un d gito. Lo mismo ocurre por columnas. L ogicamente, no es necesario anotar los valores de los min-terms en cada casilla porque son justo los valores de cabecera de su la y columna.
@ab 00 01 11 10 cd @
00 0 01 0 11 1 10 1
1 1 1 1
1 1 1 1
0 0 0 0
@ab 01 11 10 cd @ 00 ' $ 00 0 1 1 0
01 0 11 1 10 1
'$
1 1 1
1 1 1
0 0 0
& & % %
b+bc
78 M etodo de Quine-McCluskey
Si el n umero de variables es elevado, el m etodo de Karnaugh resulta complicado de utilizar (caso de cinco variables) o impracticable. En estos casos es aplicable el m etodo tabular de Quine-McCluskey. Dada una funci on en forma can onica de suma de min-terms, este m etodo consiste en ir combinando unos t erminos con otros, de forma sistem atica y en sucesivas iteraciones, hasta encontrar un conjunto de implicantes primos en cada uno de los cuales se ha eliminado el mayor n umero posible de variables. Con este conjunto de implicantes primos, el usuario (posiblemente ayudado de alg un algoritmo o programa) ha de seleccionar un subconjunto minimal que cubra la funci on. Lo introduciremos con un ejemplo. Ejemplo 3.2.1 Sea la funci on f (x1 , x2 , x3 , x4 ) = (0, 7 , 9, 12 , 13, 15) En primer lugar escribimos la tabla i 0 7 9 12 13 15 min-terms 0 0 1 1 1 1 0 1 0 1 1 1 0 1 0 0 0 1 0 1 1 0 1 1
cuya primera columna es el ndice de los t erminos para los que la funci on vale uno y, marcados con un asterisco ( ), los t erminos indiferentes, es decir, aquellos para los que, f sicamente, no importa que el valor de la funci on sea cero o uno. Ordenamos la tabla, de menor a mayor, por el n umero u de unos que contiene cada t ermino, con lo que la tabla queda dividida en grupos de t erminos con cero unos, con un uno, con dos unos, con tres unos, etc. Podemos trazar una l nea separando cada grupo del siguiente. Como no hay t erminos con un u nico uno, ese grupo queda vac o. u i 1-term 0 1 2 3 4 0 9 12 7 13 15 0000 1 1 0 1 1 0 1 1 1 1 0 0 1 0 1 1 0 1 1 1
En esta tabla, cada grupo diere del siguiente en un solo uno y, por tanto, se puede combinar cada t ermino de un grupo con uno del siguiente. Procedamos a combinar los t erminos cada grupo. Como no hay t erminos en el grupo u = 1, el t ermino 0 0 0 0 no se puede combinar con ninguno. Pasando al
79
grupo u = 2, el t ermino 1 0 0 1 se puede combinar con el t ermino 1 1 0 1 grupo siguiente, u = 3, 1001 1 - 1 1, 1101 dando lugar al t ermino 1 - 1 1, o sea x1 x3 x4 . El t ermino 1 1 0 0 se puede combinar con el mismo t ermino 1 1 0 1 que el anterior, 1100 1101 1 1 0 -,
dando lugar al t ermino 1 1 0 -, o sea x1 x2 x3 . Como ya hemos terminado de combinar todos los elementos del grupo u = 2, pasamos a los del grupo n = 3. En este grupo el t ermino 0 1 1 1 se puede combinar con el t ermino 1 1 1 1 del u ltimo grupo, u = 4, 0111 1111 - 1 1 1,
dando lugar al t ermino - 1 1 1, o sea x2 x3 x4 . Por u ltimo, el t ermino 1 1 0 1 se puede combinar tambi en con el t ermino 1 1 1 1 0111 1111 1 1 - 1,
dando lugar al t ermino 1 1 - 1, o sea x1 x2 x4 . Todo este proceso puede resumirse en la tabla siguiente. u 0 1 2 3 4 i 0 9 12 7 13 15 1-term 2-term 0000 0000 1 1 0 1 1 0 1 1 1 1 0 0 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1
En esta tabla, ning un t ermino de la u ltima columna puede combinarse y el proceso termina. Sin tomar t erminos indiferentes, la funci on l ogica simplicada es f = x1 x2 x3 x4 + x1 x3 x4 + x1 x2 x4 . Un t ermino indiferente puede aprovecharse si cubre m as de un min-term. Algoritmo de Quine Como ya se ha indicado, el m etodo de Quine-McCluskey, lo mismo que el de Karnaugh, se basa en utilizar repetidamente la ley a + a = 1. Dada una funci on f en forma can onica de suma de m min-terms, el algoritmo es el siguiente:
80
CAP ITULO 3. SISTEMAS BOOLEANOS 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 t ermino i- esimo, Ti , de la lista para j desde i + 1 hasta m hacer Tomar el t ermino j - esimo, Tj , de la lista Simplicar, si es posible, la expresi on Ti + Tj , aplicando la ley a + a = 1 y poner el t ermino simplicado 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 simplicar m as.
Este algoritmo, aunque correcto, tiene el inconveniente de que exige un gran coste computacional si el n umero de variables es elevado. Una adecuada ordenaci on de la lista original permite mejorar la estrategia de operaci on. El programa quine.c que se incluye a continuaci on implementa el algoritmo y se puede utilizar para simplicar funciones l ogicas. Al ejecutarlo (en la forma indicada en el propio programa), calcula y muestra en pantalla la matriz de implicantes primos, que indica los implicantes primos obtenidos, y la matriz de cubrimiento, que indica los min-terms que cubre cada implicante primo.
3.3. SISTEMAS COMBINACIONALES

// // Programa quine // // Para simplificar una funci on l ogica: // 1) poner en archivo la funci on, p.ej., // // 6 4 // significa n.terms=6 n.vars=4 // 0 1 1 1 // lista de minterms // 0 1 1 0 // . // 1 1 1 1 // . // 1 0 1 1 // . // 0 0 0 0 // . // 1 0 0 1 // . // // 2) Compilar el programa: // cc -o quine quine.c (bajo Linux) // 3) Ejecutarlo: ./quine < archivo // #include <stdlib.h> #define nv 10 #define nt 40 #define h2 nt/2 #define ng nt/3 #define ny nt-ng int main( int argc, char **argv ) { int M[nt][nv] = {0}; int N[nt][nv] = {0}; int H[nt] = {0}; int G[nt][ng] = {0}; int D[nt][ng] = {0}; int Z[h2][nv] = {0}; int Y[h2][ny] = {0}; int i,j,k,k5,l1,m5,m6,n1,n2,n9,f1,f2; int (*pm)[nv]; pm = M; // lectura de los datos de entrada scanf("%d %d", &n1, &n2); n9 = n1; for (i=0; i<n1; i++){ for (j=0; j<n2; j++){ scanf("%d", &pm[i][j]); } scanf("\n"); G[i][0]=i; } m5 = 0; m6 = 1; lazo: l1 = 0; for (i=0; i<n1; i++) H[i] = 0;
81
for (i=0; i<n1-1; i++) { if (H[i] != 3) { for (j=i+1; j<n1; j++) { if (H[j] != 3) { f1 = 0; // busca elementos a combinar for (k=0; k<n2; k++) { if (M[i][k] != M[j][k]) { f1 = f1+1; f2 = k+1; if (f1 > 1) goto fuera; } } if (f1 != 0) { H[i] = 1; H[j] = 1; // formacion matriz salida for (k=0; k<n2; k++) { if (k+1==f2) N[l1][k] = 2; else N[l1][k] = M[i][k]; } for (k=0; k<m6; k++) { D[l1][k] = G[i][k]; D[l1][m6+k] = G[j][k]; } l1 = l1+1; } else H[j] = 3; } fuera: } } } k5 = 0; for (i=0; i<n1; i++) { if (H[i]==0) { m5 = m5+1; for (k=0; k<n2; k++) Z[m5-1][k] = M[i][k]; for (k=0; k<m6; k++) Y[m5-1][G[i][k]] = 1;} else { if (H[i]=1) k5 = 1; } } if (k5 == 1){ m6 = 2*m6; n1 = l1; for (i=0; i<l1; i++) { for (j=0; j<m6; j++) G[i][j] = D[i][j]; for (j=0; j<n2; j++) M[i][j] = N[i][j]; } goto lazo; } else{ printf("Matriz de implicantes primos\n"); for (i=0; i<m5; i++) { for (j=0; j<n2; j++) printf("%d ",Z[i][j]); printf("\n"); } printf("Matriz de cubrimiento\n"); for (i=0; i<m5; i++) { for (j=0; j<n9; j++) printf("%d ",Y[i][j]); printf("\n"); } } return(0); }
3.3
Sistemas combinacionales
Un sistema combinacional es un sistema de control que tiene p entradas u1 (t), . . . , up (t) Z2 y q salidas y1 (t), . . . , yq (t) Z2 , tales que, para todo t I cada una de ellas es una funci on booleana de las entradas, es decir, yi (t) = fi (u1 (t), . . . , up (t)), i = 1 . . . q.
En el caso de tiempo continuo (sistemas digitales as ncronos) el dominio I es un intervalo de R mientras que si el tiempo es discreto (sistemas digitales s ncronos) el
82 dominio de las funciones es
I = {t0 , t0 + T, . . . , t0 + kT, t0 + 2kT, . . .}, u1 (t)u2 (t). . . up (t)S.C. y1 (t)y2 (t). . . yq (t)-
t0 , T R.
En los sistemas combinacionales se asume que los valores de las salidas en un instante determinado t s olo dependen de los valores que en ese mismo instante tengan las entradas. En la realidad f sica esto no es as , sino que desde que cambia el valor de las entradas hasta que el sistema cambia de estado transcurre un cierto tiempo si bien, como el sistema evoluciona con gran rapidez, se da por v alida tal suposici on. Los sistemas combinacionales m as sencillos son las funciones l ogicas elementales: not, and, or, nend, nor y xor. Estas funciones tienen una gran aplicaci on pr actica ya que conect andolas adecuadamente es posible realizar cualquier funci on l ogica. Otros sistemas combinacionales importantes son los codicadores, los decodicadores, los multiplexores y los demultiplexores. Funciones l ogicas elementales Se llaman funciones l ogicas elementales a las funciones l ogicas m as simples que pueden construirse utilizando los operadores l ogicos. Estas funciones se pueden realizar f sicamente mediante diferentes tecnolog as, como la el ectrica, la neum atica y la electr onica, dando lugar a dispositivos l ogicos que, a su vez, sirven para construir automatismos de distintas clases. Cada funci on l ogica tiene un s mbolo, dado por la norma ISO, aunque se usan a veces otros s mbolos en electr onica y en otras tecnolog as. Funci on NOT Esta funci on realiza la operaci on de negaci on de una variable z = x. Su tabla de verdad y su s mbolos, DIN e ISO, son x z 0 1 1 0 Funci on AND Esta funci on realiza la operaci on de producto ordinario en Z2 , o conjunci on l ogica, entre varias variables. La tabla de verdad z = (x and y ) para dos variables y su x
d
3.3. SISTEMAS COMBINACIONALES s mbolos, DIN e ISO, son x 0 0 1 1 y 0 1 0 1 z 0 0 0 1 xy&

x y
83
z-
Funci on OR Esta funci on realiza la operaci on de suma ordinaria en Z2 , o disyunci on l ogica, entre varias variables. La tabla de verdad z = (x or y ) para dos variables y su s mbolos, DIN e ISO, son x 0 0 1 1 y 0 1 0 1 z 0 1 1 1 xy1
x y
z-
Funci on NAND Esta funci on es el complemento en Z2 de la funci on and entre varias variables. La tabla de verdad z = (x nand y ) para dos variables y su s mbolos, DIN e ISO, son x 0 0 1 1 y 0 1 0 1 z 1 1 1 0 xy&
x y
d z-
Obs ervese que el s mbolo de esta funci on se obtiene colocando un peque no c rculo (), que representa la negaci on l ogica, tras el s mbolo de la funci on and. Funci on NOR Esta funci on es el complemento en Z2 , de la funci on or entre varias variables. La tabla de verdad z = (x nand y ) para dos variables y su s mbolos, DIN e ISO, son x 0 0 1 1 y 0 1 0 1 z 1 0 0 0 xyx y
z 1 d -
Igual que en la nand, el s mbolo se obtiene colocando () tras el bloque de la funci on or.
84 Funci on XOR
La funci on xor, o disyunci on exclusiva, vale 1 si todas las variables de entrada son iguales, es decir si son todas igual a uno o todas igual a cero, y vale 1 en caso contrario, es decir siempre y cuando haya variables de entrada con valor diferente. La tabla de verdad z = (x xor y ) para dos variables y su s mbolos, DIN e ISO, son x 0 0 1 1 y 0 1 0 1 z 1 0 0 1
xy=1
d z-
x y
3.4
Sistemas secuenciales
Un sistema secuencial es un sistema de control que tiene, como un combinacional, p entradas u1 (t), . . . , up (t) Z2 y q salidas y1 (t), . . . , yq (t) Z2 , pero que adem as tiene otras n variables, x1 (t), . . . , xn (t) Z2 , llamadas variables de estado, cuyos valores dependen de alguna manera del comportamiento del sistema en instantes anteriores a t.
u1 (t)u2 (t). . . up (t)x1 (t) x2 (t) . . . xn (t)
y1 (t)y2 (t). . . yq (t)-
Ahora cada una de las salidas es una funci on booleana de las entradas y de los estados, para todo t I R, en donde I es un intervalo o una sucesi on de valores de R. Sin embargo la expresi on general de esta funci on resulta complicada ya que debe incluir los valores de los estados para instantes anteriores a t. Se puede emplear, cuando sea posible, el modelo de estado (ecuaci on diferencial) estudiado en la teor a de control. Sin embargo se han ido desarrollado otros modelos, primero las M aquinas de estados, m as tarde las Redes de Petri y el Grafcet y, recientemente, las cartas de estado o Statecharts. Los sistemas secuenciales se llaman sistemas con memoria porque tienen unos registros internos con capacidad para almacenar las variables de estado.
3.5. MAQUINAS DE ESTADOS
85
3.5
M aquinas de estados
Una m aquina de nitos estados (o simplemente m aquina de estados) es un sistema secuencial que posee un n umero nito q de entradas, un n umero nito N en de estados (n es el n umero de variables de estado) y un n umero nito p de salidas. Tanto las se nales de entrada como las de salida y las de estado, toman valores binarios. Si denimos los conjuntos U := Zq 2, X := Zn 2, Y := Zp 2, (3.1)
entonces podemos decir que la entrada (vector) es u(t) U , la salida (vector) es y (t) Y y el estado (vector) es x(t) X , siendo t R la variable que representa el tiempo. A veces (teor a de gram aticas formales) se consideran estos conjuntos como conjuntos de s mbolos cualesquiera pero aqu vamos a seguir las deniciones dadas en A veces (teor a de gram aticas formales) se consideran estos como conjuntos de s mbolos cualesquiera pero aqu vamos a seguir las deniciones dadas en (3.1). Por ser la m aquina de estados un sistema de control, las se nales de entrada pueden cambiar en su evoluci on en el tiempo y esto hace que cambien tambi en las se nales de estado y las de salida. En la teor a de aut omatas se han descrito dos tipos de m aquinas de estado: el aut omata de Mealy y el aut omata de Moore. Se diferencian u nicamente por la forma de denir la funci on de salida. Para simplicar la escritura de las expresiones, se omite la dependencia respecto de t de las funciones.
3.5.1
Aut omata de Mealy
Un aut omata de Mealy se dene como una quintupla M1 = {U, Y, X, f, g } en donde U, Y y X , denidos en (3.1), son los conjuntos de valores de entrada, de salida y de estado, respectivamente, y las funciones f y g denen las dependencias entre la entrada, el estado y las salidas. La funci on que dene el estado es f :U X X (u, x) x = f (u, x) y la funci on que da la salida, g :U X Y (u, x) y = f (u, x)
3.5.2
Aut omata de Moore
Un aut omata de Moore se dene como una quintupla M1 = {U, Y, X, f, g }
86
en donde U, Y y X , denidos en (3.1), son los conjuntos de valores de entrada, de salida y de estado, respectivamente, y las funciones f y g denen las dependencias entre la entrada, el estado y las salidas. La funci on que dene el estado es f :U X X (u, x) x = f (u, x) y la funci on que da la salida, g:X Y (x) y = f (x) Dado un aut omata de Mealy siempre se puede encontrar aut omata de Moore equivalente (es decir, tal que para una misma entrada da siempre la misma salida) y viceversa. Por ser m as simple se utiliza m as el de More.
3.5.3
Tablas de estado
Como los conjuntos U de entrada, Y de salida y X de estado son nitos, las funciones f y g que denen el comportamiento de un aut omata (de Mealy o de Moore) pueden darse en forma tabular. La funci on f tabulada se llama tabla de transici on mientras que la g se llama tabla de salida. Para el aut omata de Mealy, las tablas son de la forma u1 x 1,1 x 2,1 . . . u2 x 1 ,2 x 2 ,2 . . . ... ... ... u 2q x 1 ,2 q x 2 ,2 q . . . u1 y 1,1 y 2 ,1 . . . u2 y 1 ,2 y 2 ,2 . . . ... ... ... u 2q y 1,2q y 2,2q . . .
x1 x2 . . .
x1 x2 . . .
x 2 n x 2 n ,1 x 2 n ,2 . . . x 2 n , 2 q Tabla de transici on f (x, u) y para el de Moore, u1 x 1 ,1 x 2 ,1 . . . u2 x 1,2 x 2 ,2 . . . ... ... ... u 2q x 1 ,2 q x 2 ,2 q . . .
x 2 n y 2 n ,1 y 2 n ,2 . . . y 2 n ,2 q Tabla de salida g (x, u)
x1 x2 . . .
x1 x2 . . . x 2n
y1 y2 y 2n
x 2 n x 2 n ,1 x 2 n ,2 . . . x 2 n ,2 q Tabla de salida f (x, u)
Tabla de salida g (x)
Con estas tablas queda completamente descrita una m aquina de estados. Obs ervese n que, en ambos casos, el tama no (m aximo) de la tabla de transici on es de (2 2q ) casillas.
3.5. MAQUINAS DE ESTADOS
87
3.5.4
Diagramas de estado
El diagrama de estado de una m aquina de estados con N 2n estados, q entradas y p salidas, es un grafo orientado que contiene la misma informaci on que las tablas de transici on y de salida pero que expresa de forma m as clara, si cabe, la naturaleza secuencial del sistema. El grafo tiene N v ertices, cada uno de los cuales va etiquetado con un n umero o nombre correspondiente al estado, y q aristas, cada una etiquetada con un valor de la entrada. En el aut omata de Mealy las etiquetas de las salidas se ponen en las aristas, tras las de las entradas y separadas de ellas por /, mientras que en el de Moore van en los estados, separadas de sus etiquetas por /. A continuaci on se dan dos ejemplos de dos m aquinas de estados. El primero corresponde a un aut omata de Mealy con 3 estados, etiquetados A, B y C , una entrada u y una salida y . Sus tablas de transici on y salida y su diagrama de estados son: u x@ @ A = 00 B = 01 C = 10 11 u x@ @ A = 00 B = 01 C = 10 11
@A G F EC B D A 33 33 33 1/0 330/0 33 33 3 1/1 s GA @ FB EC D GA F EC B D C Q@ R B
0/0 0/0
0 00 01 00
1 01 10 01
0 0 0 0 0 1
1/ 0
Tabla de transici on
Tabla de salida
El segundo corresponde a un aut omata de Moore con 4 estados, etiquetados A, B , C y D, una entrada u y una salida y . Sus tablas de transici on y de salida y su diagrama de estados son: u x@ @ A = 00 B = 01 C = 10 D = 11
@A/ G FB A E D 0C 11 11 11 1 0 11 11 11 0 GB/ @ FB A EC D G @ A FB E Ds G C/ 0C R 0e
1 0
0 00 10 00 10
1 01 01 11 01
x y A = 00 B = 01 C = 10 D = 11 0 0 0 1
1
0 1
Tabla de transici on
Tabla de salida
GD/ FB A E D 1C Q@
Obs ervese que, en cualquiera de los dos casos, a partir de las tablas de transici on y de salida se obtiene el diagrama de estados, y viceversa.
3.5.5
Dispositivos biestables
Los biestables son los sistemas secuenciales m as simples. Tienen una o dos entradas u1 , u2 , una u nica variable de estado, denotada por Q, y una salida y1 = Q. Los biestables electr onicos suelen incorporar la salida adicional y2 = Q.
88
Si el valor del estado en el instante t es es Qt entonces el valor del estado en un instante posterior se denota Qt+1 y su valor es Qt+1 = f (Qt , u1, u2), en donde f es la funci on l ogica propia del biestable, dada por su tabla de transici on. Los biestables pueden ser as ncronos o s ncronos. Estos u ltimos tienen una entrada adicional Clk por la que entra una se nal de reloj que es una se nal cuadrada de la forma
Clk 1 0 t
El valor de la salida se actualiza en determinados instantes denidos por esta se nal, muchas veces en los ancos de bajada indicados en la gura). Biestable R-S Es el biestable as ncrono b asico. Su funcionamiento se basa en el esquema de dos puertas OR que se indica en la gura.
S Q
_ Q
Cada una de las puertas OR tiene una entrada que se realimenta de la salida de la otra puerta. Se comprueba con facilidad que la tabla de transici on es:
SR Q@
@ 00 01 11 10
Q
Clk
0 1
0 1
0 1
1 0
La combinaci on de entradas 11 no est a permitida al usuario porque si ponemos R = S = 1 entonces el biestable dar a Q = Q = 0 (contradicci on). Junto a la tabla de transici on aparecen los s mbolos de los biestables RS as ncrono y s ncrono.
Cap tulo 4 Sistemas reactivos

Los sistemas reactivos son sistemas de control que est an comandados por eventos: sistemas que est an permanentemente reaccionando a est mulos externos e internos. Los tel efonos, autom oviles, redes de comunicaci on, sistemas operativos de ordenadores, sistemas de aviaci on, y las interfaces hombre-m aquina de muchas clases de software ordinario son ejemplos de sistemas reactivos. El problema del modelado de estos sistemas radica en la dicultad de describir el comportamiento reactivo de una manera clara, realista y al mismo tiempo lo sucientemente formal y rigurosa como para servir de base para detallada simulaci on computerizada del sistema. Los primeros modelos (aun hoy utilizados) de los sistemas de eventos discretos fueron las m aquinas de estados y sus correspondientes diagramas estado-transici on o diagramas de estado. Estos diagramas son grafos dirigidos cuyos nodos denotan estados y cuyas echas denotan transiciones. Sin embargo, los diagramas de estado no son adecuados para modelar sistemas complejos debido a la gran cantidad, exponencialmente creciente, de estados que precisan. Adem as los estados est an agrupados de una forma no estraticada. Por todo esto, el diagrama de estado de sistema de mediana complejidad resulta desestructurado, de gran dimensi on y de dif cil manejo. Posteriormente se han desarrollado modelos, entre los cabe citar por su importancia los siguientes: Redes de Petri Grafcet Cartas de estado (Statecharts) Las redes de Petri, junto con algunos otros modelos algebr aicos, son los modelos matem aticos m as formales. El modelo Grafcet, sencillo de aprender y de utilizar, se utiliza mucho actualmente y ha sido adoptado por varios fabricantes de aut omatas como modelo b asico. Las cartas de estado son probablemente el modelo m as completo de los que se conocen actualmente. 89
90
CAP ITULO 4. SISTEMAS REACTIVOS
4.1
Modelos de sistemas productivos
Automatizar un sistema de producci on consiste en reducir la intervenci on humana a lo largo del proceso de fabricaci on, optimizar la utilizaci on de los materiales y de las energ as empleando nuevas tecnolog as y conseguir unas mejores prestaciones y una mejor calidad del producto terminado. Aunque el modelo de un sistema productivo es bastante complejo, para muchas aplicaciones de automatizaci on local podemos admitir que est a compuesto por dos subsistemas, uno reactivo (parte de comando) y otro activo (parte operativa), que interaccionan entre s . La parte de comando es b asicamente una m aquina de estados que en la pr actica se implementa mediante un automatismo o mediante un aut omata programable. La parte operativa es el sistema de producci on propiamente dicho (cintas transportadoras, manipuladores, m aquinas, etc.). Ambas partes se comunican entre s en los dos sentidos: la parte operativa env a eventos a la parte de comando y esta, en respuesta, env a ordenes de control a la parte operativa.
4.2
Grafcet
El Grafcet (Graphe de Comands Etape/Transition) es un sistema gr aco de modelado de automatismos secuenciales. Fue introducido en Francia por P. Girauld, en su tesis doctoral. La norma IEC-848 da una completa descripci on de Grafcet y ha sido adoptada por diversos fabricantes para crear interfaces gr acas de usuario que facilitan la programaci on de sus de aut omatas programables. El Grafcet es aplicable, por principio, a un sistema automatizado de producci on compuesto de dos partes: una parte operativa (PO) y una parte de comando (PC).
rdenes
P.C.
eventos
P.O.
Figura 4.1: Sistema automatizado de producci on
La parte operativa est a formada por los diversos dispositivos que interact uan sobre el producto: preactuadores, actuadores y captadores. Los preaccionadores act uan como rel es de potencia entre el mando y los actuadores que se encargan de transformar el producto. Los captadores recogen informaciones como posici on del producto, alarmas, etc., que reejan el estado del proceso en todo momento. Los cambios en el estado del proceso medidos por los captadores son entradas que provocan que el sistema de mando responda de la forma adecuada para la que ha sido dise nado.
4.2. GRAFCET
91
La Parte de Comando (PC) est a integrada por los equipos de control: computadores, procesadores o aut omatas, junto con los programas y todos los datos precisos. El Grafcet se compone de los siguientes elementos b asicos: Etapas o estados a las que van asociadas acciones Transiciones a las que van asociadas receptividades Uniones orientadas que unen etapas y transiciones. Segmentos paralelos. Etapas Un sistema din amico de cierta complejidad evoluciona en el tiempo siguiendo una determinada secuencia de actividades de trabajo o etapas. Una etapa representa un estado o modo de funcionamiento estable del sistema o de una parte del mismo. En cada etapa, la Parte de Comando del sistema (al menos la parte asociada a esa etapa) se mantiene invariable. En Grafcet, cada etapa se representa por un rect angulo en que se escribe un n umero n que indica su n umero de orden. En cada momento, el sistema tiene una o varias etapas activas (las que est an actualmente en funcionamiento) que se marcan con un peque no c rculo negro.
n
Figura 4.2: Etapa Las primera etapa que se activa al iniciar el Grafcet se llama etapa inicial. Un Grafcet ha de tener al menos una etapa inicial, pero puede tener varias. Estas etapas se encuadran en un doble rect angulo. Cada etapa puede llevar asociada una o m as acciones. Estas acciones se describen, literal o simb olicamente, en de uno o en varios rect angulos unidos por una l nea al rect angulo de la etapa. Seg un la norma IEC-848, una acci on puede estar precedida por un car acter que indica su tipo: C: Acci on condicionada D: Acci on retardada L: Acci on limitada en el tiempo P: Impulso S: Acci on memorizada
92
0
Accin A
R01
Accin B
R12
Accin C
Figura 4.3: Grafcet
Transiciones Las transiciones se representan con un peque no segmento horizontal que corta la l nea de enlace entre dos etapas. Son etapas de entrada a una transici on todas las etapas que conducen a una transici on. Son etapas de salida a una transici on las etapas que salen de una transici on. La condici on o condiciones que se deben cumplir para poder pasar una transici on reciben el nombre de receptividades. En una transici on podemos tener: Una condici on simple Una funci on booleana La se nal de un temporizador o contador La activaci on de otra etapa del Grafcet Cada transici on se une con la etapa anterior y con la siguiente mediante unas rectas horizontales y verticales llamadas l neas de enlace. Las l neas de enlace que tienen sentido ascendente se marcan en el centro con una punta de echa. Segmentos paralelos En un Grafcet se pueden representar varios procesos que evolucionan de forma concurrente. Esto se hace disponiendo varias secuencias verticales, en paralelo, de etapas y transiciones. La sincronizaci on de estos procesos se hace posible mediante unos segmentos paralelos horizontales. Por ejemplo, en la gura 4.4 los procesos que se inician en las etapas n + 1 y n + 2 discurren en paralelo y est an sincronizados
4.2. GRAFCET
93
n+1
n+2
Figura 4.4: Grafcet
con el proceso que naliza en la etapa n. Si est a activa la etapa n y se cumple la receptividad R entonces, en ese instante y simult aneamente, pasar an a ser activas las etapas n + 1 y n + 2. Este tipo de conexi on sincronizada entre un proceso simple y varios otros en paralelo se llama divergencia AND. M as adelante veremos algunas otras posibilidades.
4.2.1
Reglas de funcionamiento
El funcionamiento del modelo Grafcet viene denido por cinco reglas o condiciones b asicas. 1. Regla de activaci on inicial: en el instante inicial s olo se activan las etapas iniciales y esta activaci on es incondicional. 2. Condici on de validaci on: para que una etapa pueda activarse es necesario que si le precede una u nica etapa entonces esta est e activada y si le preceden varias etapas en paralelo entonces todas ellas est en activadas. 3. Condici on de franqueo de una transici on: una transici on es franqueada si, y s olo si, la receptividad asociada es verdadera. Franquear una transici on signica: primero desactivar la etapa o etapas precedentes y a continuaci on activar la etapa o etapas siguientes. 4. Regla de franqueo simult aneo: todas las transiciones franqueadas en un determinado instante son franqueadas simult aneamente. 5. Regla de conicto de activaci on: si una etapa ha de ser desactivada y activada simult aneamente, debido al franqueo simult aneo de las transiciones siguiente y anterior, entonces permanece activa.
94
4.2.2
Estructuras b asicas
Son las conguraciones que sirven para modelar ciertas situaciones interesantes de los sistemas de eventos discretos y que se utilizan frecuentemente en Grafcet. Secuencia simple
La mas sencilla de todas las estructuras es la secuencia simple. Como su nombre indica, consta de una serie de etapas seguidas . . ., n, n + 1, . . . que se ir an activando una tras otra seg un se vayan validando las correspondientes receptividades . . . , Rn , Rn+1 , Rn+2 , . . ..
Rn n+1
Rn+1 n+2
Divergencia OR Representa la posibilidad de bifurcaci on entre secuencias simples. Estando activa la etapa n, nal de una secuencia simple, y seg un cual sea la receptividad Ra , Rb , . . . que se valide en primer lugar, el sistema pasar a a una de las etapas n + 1, n + 2, . . ., de inicio de respectivas secuencias simples.
n
Ra n+1 n+2
Rb
Convergencia OR Es la estructura rec proca de la anterior. Indica que un sistema con varias posibles secuencias simples puede pasar desde una de las etapas nales m 1, m 2, . . ., en paralelo, a la etapa siguiente n que es el inicio de otra secuencia simple. Dicho paso se dar a en el instante en que una de las receptividades Rc , Rd , . . . que anteceden a la etapa n se haga v alida. Divergencia AND
m2 m1
Rc
Rd
4.2. GRAFCET
95
El s mbolo l ogico AND indica simultaneidad. La estructura llamada divergencia AND permite modelar el paso de un proceso de secuencia u nica a otro con varias secuencias concurrentes. Si el sistema se encuentra en la etapa n y la transici on R se hace v alida, entonces, en ese mismo instante, se activan simult aneamente las etapas n + 1 y n + 2. Convergencia AND Es la estructura rec proca de la anterior. Representa el paso simult aneo desde varias secuencias concurrentes, que terminan en las etapas m 1, m 2, . . ., a una secuencia u nica que empieza en la etapa m. Para que en un instante dado se produzca el paso, es necesario que en dicho instante sean v alidas todas las receptividades Rc , Rc , . . . Saltos
n n
n+1
n+2
m2
m1
Rc
Rd
En Grafcet son posibles los saltos condicionales, con la condici on expresada en la receptividad de una transici on, y los incondicionales. Los saltos pueden ser hacia adelante o hacia atr as, siendo estos u ltimos f acilmente identicables por la punta de echa indicada de la linea de enlace hacia atr as. En la gura se indican algunas posibilidades.
a n+1 n+1
a n+1
b n+2 B c n+2 n+2 n+2
b n+2
b F c n+2
d n+2 n+2
d n+2
4.2.3
Posibilidades avanzadas
Grafcet no s olo vale para hacer modelos de sistemas de eventos discretos con estructura simple sino que tambi en ofrece la posibilidad de modelar sistemas m as complejos. Para ello cuenta con algunas caracter sticas avanzadas, tales como el paralelismo, la sincronizaci on y la jerarqu a.
96 Paralelismo
Grafcet permite el paralelismo. Es posible activar varias etapas a la vez en el estado inicial. Tambi en permite, mediante los segmentos paralelos, modelar el paso de un proceso secuencial simple a un proceso compuesto por varias secuencias que trabajan en paralelo. Sincronizaci on Es la posibilidad de que dos o m as etapas se activen a la vez. El paralelismo exige muchas veces la sincronizaci on entre etapas, siempre que al nal de una proceso con secuencia simple haya que empezar otro de secuencia en paralelo m ultiple, o viceversa. Los segmentos paralelos de Grafcet brindan esta posibilidad.
4.2.4
Jerarqu a
Macro-etapas La posibilidad de que un proceso pueda albergar a otros como subprocesos se denomina jerarqu a.
4.2.5
Comunicaci on
Es la posibilidad de que dos procesos puedan comunicarse entre s , es decir, puedan enviarse m utuamente mensajes.
4.3
Cartas de estado
Para poder ser u til, un modelo ha de ser modular, jer arquico y bien estructurado. Para resolver el problema del crecimiento exponencial se impone relajar el requisito de que todas las combinaciones de estados tengan que representarse expl citamente. Adem as deber a tambi en atender de modo natural a especicaciones m as generales y exibles, tales como Capacidad de agrupar varios estados en un superestado. Posibilidad de ortogonalidad o independencia (paralelismo) entre ciertos estados. Necesidad de transiciones m as generales que la echa etiquetada con un simple evento. Posibilidad de renamiento de los estados. Las cartas de estado statecharts cumplen todos estos requisitos. Constituyen un formalismo visual para describir estados y transiciones de forma modular, permitiendo el agrupamiento de estados, la ortogonalidad y el renamiento, y permiten la visualizaci on tipo zoomentre los diferentes niveles de abstracci on [5].
DE UN MODELO CON STATEFLOWSIMULINK 4.4. CREACION
97
Las cartas de estado fueron introducidas por David Harel [5] en 1987 y constituyen una generalizaci on de las m aquinas de nitos estados. Se han hecho varias implementaciones sustancialmente iguales pero que dieren algo en la sem antica (la denici on de Harel dejaba bastante libertad) siendo las mas conocidas Statemate y Stateow, esta u ltima integrada en Matlab. Debido a la gran difusi on que tiene este programa en la Universidad, continuaremos la descripci on de las cartas de estado con la sem antica de Stateow.
4.3.1
Stateow
Stateow es una herramienta incluida en el paquete Matlab que funciona bajo el programa (toolbox ) Simulink. Es posible ejecutar s olo Stateow (como un bloque u nico de Simulink) pero siempre bajo Simulink. Utilizando Stateow y Simulink se pueden realizar modelos de sistemas h bridos. La gura 4.5 muestra una ventana de Stateow en la que se aprecian algunos de sus elementos.
Figura 4.5: Carta de estados de Stateow
4.4
Creaci on de un modelo con StateowSimulink
Tras arrancar el programa Matlab, creamos un modelo nuevo (new-model ) de Simulink y colocamos en el mismo, con el rat on, el bloque Chart de Stateow. Con el editor gr aco se pueden crear cartas Stateow, de modo interactivo, simplemente haciendo clic en cada elemento y arrastr andolo a la ventana de dibujo. Una vez colocados varios estados, podemos crear transiciones haciendo clic en un estado y arrastrando el rat on hasta otro estado. Se etiquetan los estados y las transiciones indicando las acciones que van a ocurrir durante la ejecuci on y bajo que condiciones se har an las transiciones. Finalmente se a nade el historial, uniones, y estados en paralelo para detallar las operaciones del modelo. Se pueden utilizar sub-cartas (una carta dentro de otra carta) para dotar de jerarqu a al dise no. Se permite crear transiciones entre objetos que residen en diferentes sub-cartas al mismo nivel o a diferentes niveles en la carta superior. Las
98
sub-cartas permiten reducir una carta complicada a un conjunto de diagramas organizados jer arquicamente. Con ello se consigue que la carta sea m as f acil de entender y de mantener sin cambiar para nada su sem antica. Los pasos a seguir para una aplicaci on completa son: Crear la carta Stateow Utilizar el Explorer de Stateow Denir un interface de bloques de Stateow Ejecutar la simulaci on Generar el c odigo La generaci on de c odigo depende de la m aquina en donde se vaya a implementar la aplicaci on y no se hace hasta la u ltima fase del dise no. El c odigo generado por defecto es ANSI C pero existen programas que convierten el modelo de Stateow en c odigo de otros lenguajes. Entre ellos cabe citar el programa sf2vdh, que es un traductor de Stateow a VHLD, y el programa sf2plc que genera c odigo para programar algunos aut omatas programables.
4.4.1
Elementos de una carta de estado
Una carta de estado (statechart ) es un gr aco formado por elementos gr acos sobre los que van escritos otros elementos de texto. Los elementos gr acos son cartas, estados, transiciones y uniones mientras que los elementos de texto son datos y eventos. Cartas La carta es como la hoja de papel en la que se representan los elementos gr acos y de texto. Cada carta representa una m aquina de estados y constituye un bloque de Simulink que puede conectarse con otras cartas o con otros bloques de Simulink. Estados Un estado se dibuja como un rect angulo con las esquinas redondeadas y representa un modo de funcionamiento del sistema. Aunque tienen el mismo nombre, no debemos confundir estos estados con los estados del modelo de estado de un sistema de control de tiempo continuo o discreto. Aunque en ocasiones ambos pudieran coincidir, los estados aqu considerados son m as generales: representan los modos o formas de funcionamiento que adquiere el sistema al reaccionar frente a los eventos. Junto a la esquina superior izquierda cada rect angulo lleva un texto con un nombre que identica al estado. Tras el nombre del estado y el separador opcional /, pueden aparecer otros textos indicando las acciones que llevar a a cabo el sistema cuando est e en ese estado. La sintaxis de Stateow permite especicar el instante en que se iniciar a la acci on y la duraci on de esta:
DE UN MODELO CON STATEFLOWSIMULINK 4.4. CREACION entry: la acci on se inicia al entrar en este estado. exit: la acci on se inicia al salir de este estado.
99
during: la acci on se inicia al entrar en este estado y permanece activa durante el tiempo que dura el estado. on event e : La acci on se inicia si, estando en este estado, se produce el evento e. Posibles acciones son cambiar el valore de una salida o efectuar una llamada a una funci on de Matlab. Dentro de un estado caben m as estados, es decir, un estado puede descomponerse en otros. Se admiten dos descomposiciones, llamadas OR (exclusiva) y AND. Si un estado S se descompone con tipo OR en los estados S1 y S2 , quiere decir que si el sistema est a en el modo de funcionamiento S , entonces, o bien funciona en el modo S1 o bien funciona en el modo S2 y no puede estar funcionando en ambos modos a la vez. En cambio si el estado S se descompone con tipo AND en los estados S1 y S2 y el sistema funciona en modo S , entonces el sistema est a a la vez en los dos estados S1 y S2 . Ambas descomposiciones se distinguen por el tipo de l nea usada para los rect angulos: linea continua para los estados de una descomposici on OR y l nea discontinua para los estados de una descomposici on AND. Transiciones Una transici on representa un evento e del sistema y se dibuja como una echa que va desde el borde de un estado S1 hasta el borde de otro estado S2 . Si el sistema est a en el estado S1 y se produce el evento e, entonces el sistema pasa al estado S2 . El disparo de una transici on puede implicar la ejecuci on de una o m as acciones. Cada
S1
e S2
Figura 4.6: Transici on transici on puede tener un texto, escrito junto a ella, que indica el evento que ha de producirse para que se dispare la transici on as como las acciones que entonces el sistema emprender a. Este texto se divide en tres partes, todas ellas opcionales: e (en donde e es el nombre de un evento): la transici on se dispara al producirse el evento e en el sistema.
100
[c] (en donde c es una condici on): la transici on se dispara si la condici on c (expresi on booleana) es verdadera y se produce el evento e. Si esta parte no existe, se asume que c es cierta. Si la parte e del texto no existe, se disparar a, bajo la misma condici on, siempre y cuando se produzca un evento cualquiera en el sistema. {a} (en donde a es una acci on): al producirse transici on el sistema lleva a cabo la acci on a. Si la transici on no lleva ning un texto, entonces se disparar a autom aticamente, siempre y cuando se produzca un evento cualquiera en el sistema. Una transici on especial es la llamada transici on por defecto (default-transition ), que sirve para se nalar el estado inicial del sistema, es decir, el primer estado en el que entrar a el sistema al iniciar su evoluci on. Se reconoce por su forma ya que en el extremo opuesto a la echa lleva un peque no c rculo negro. Uniones Una uni on es un punto de bifurcaci on que permite conectar una transici on de entrada con varias transiciones de salida. Hay dos tipos de uniones: uniones conectivas connective junctions y uniones de historia history junctions.
e1
e2
H C1 C2
e3
Figura 4.7: Uniones Al entrar en una uni on conectiva, el sistema, a trav es de una condici on, selecciona una de las transiciones de salida para su evoluci on. La uni on de tipo historia se utiliza en estados que han sido divididos por una descomposici on OR. Si en el estado padre se pone el s mbolo H entonces cada vez que se active el estado padre, el primer estado que se activar a ser a el estado hijo que estuvo activo por u ltima vez. Datos Una carta tiene asociados ciertos datos a los que puede acceder. Es necesario declararlos en Stateow y pueden ser de los siguientes tipos:
DE UN MODELO CON STATEFLOWSIMULINK 4.4. CREACION Entrada de Simulink Salida de Simulink Local Constante Temporal Workspace
101
Los datos declarados como entrada o salida de Simulink generan autom aticamente una entrada o una salida en el bloque Chart creado por Stateow en Simulink. Los de los tipos local, constante y temporal pueden denirse para toda la carta o dentro de un estado individual. Los datos temporales son s olo v alidos mientras el estado padre se est a ejecutando y son reinicializados cada vez que este se activa. El tipo workspace es una construcci on especial que permite utilizar el entorno de trabajo (workspace ) de Matlab para compartir datos a trav es de toda la simulaci on. Los datos por defecto, se almacenan en memoria en formato double de C pero se puede cambiar a otros formatos. Cada dato tiene asociado un valor inicial y un intervalo de posibles valores. Eventos Estos elementos representan los eventos del sistema. Pueden ser de los tipos: Entrada de Simulink Salida de Simulink Local Para los eventos que son entradas o salidas de Simulink, Stateow crea autom aticamente un u nico puerto de entradasalida de eventos en el bloque Chart de Simulink, de forma que todos los eventos entran o salen, formando un vector de eventos, por el mismo puerto. Cada evento lleva asociado un ndice que reere la posici on del evento en el vector. La forma de producir un evento en Simulink para que entre en el bloque Chart es a trav es de cambio brusco (anco) de alguna se nal. Al declarar el evento en Stateow, se puede elegir entre: Flanco de subida Flanco de bajada Flanco indiferente
102
Parte III Automatizaci on Local
103
Cap tulo 5 Automatismos
105
106
CAP ITULO 5. AUTOMATISMOS
Cap tulo 6 Automatismos el ectricos

6.1 El rel e
El rel e es el dispositivo fundamental para la realizaci on de automatismos el ectricos. Consta de un conjunto de piezas colocadas dentro de una caja, de la forma indicada en la gura 6.1, y es esencialmente un interruptor accionado mediante un el ectroim an. Al aplicar tensi on entre los terminales A1 y A2, el electroim an atrae a la armadura f errea hacia el n ucleo del electoim an, con lo que el terminal 1 se desconecta del terminal NC y se conecta con el terminal NA. Cuando se deja de aplicar el voltaje a la bobina, el rel e, accionado por el muelle, vuelve a su estado de reposo.
1 NC NA A1
A2
Figura 6.1: Rel e en estado de reposo.
El esquema seg un la norma CEI es Se fabrican rel es de muchos tipos y tama nos seg un sea su aplicaci on. Pueden tener varios contactos NC y NA, accionados por la misma bobina, para poder operar sobre varios circuitos a la vez. La alimentaci on suele ser de 12V o de 24V en los rel es de automatismos. 107
108
CAP ITULO 6. AUTOMATISMOS ELECTRICOS
A1
12
14
A2
11
Figura 6.2: Esquema de rel e con contactos NC y NA.
6.2
6.2.1
Funciones l ogicas con rel es

Funci on l ogica identidad
+ a s
Figura 6.3: Identidad
6.2.2
Funci on l ogica negaci on

+ a s
Figura 6.4: Negaci on
6.2.3 6.2.4
Funci on l ogica AND Funci on l ogica NAND
6.2. FUNCIONES LOGICAS CON RELES
109
Figura 6.5: Negaci on con rel e
Figura 6.6: Funci on l ogica AND
Figura 6.7: Funci on l ogica AND con rel e
Figura 6.8: Funci on l ogica NAND
110
CAP ITULO 6. AUTOMATISMOS ELECTRICOS
Cap tulo 7 Aut omatas programables
111
112
CAP ITULO 7. AUTOMATAS PROGRAMABLES
Bibliograf a
[1] M. Silva Las Redes de Petri: en la Autom atica y la Inform atica. Editorial AC [2] Charles L. Phillips Feedback Control Systems Prencice Hall Inc., 1988 [3] K.Lockyer La producci on industrial, su administraci on. Representaciones y Servicios de Ingenier a S.A., Mexico, 1988. [4] M.P. Groover Automation, Production systems and Computer Integrated Manufacturing. Prentice Hall. [5] David Harel Statecharts: A Visual formalism for Complex Systems, Science of Computer Programming 8, (1987), pp. 231-274. [6] Object Modeling Group OMG Unied Modeeling Language Specication. Object Modeling Group, Inc., Version 1.3, June 1999. [7] Hans Vangheluwe Modeling and Simulation Concepts. McGill, CA, CS 522 Fall Term 2001.
113

Automatizaci On de Procesos Industriales Ingeniero de Organizaci On. Curso 1

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Automatizaci On de Procesos Industriales Ingeniero de Organizaci On. Curso 1

Загружено:

Авторское право:

Доступные форматы

Automatizaci on de Procesos Industriales Ingeniero de Organizaci on.

Control de procesos continuos

2.5 2.6 2.7

Control de procesos de eventos discretos

Cap tulo 1 Introducci on

CAP ITULO 1. INTRODUCCION

Perspectiva hist orica

CAP ITULO 1. INTRODUCCION

1.2. LA EMPRESA PRODUCTIVA

Figura 1.1: Esquema de la empresa productiva

CAP ITULO 1. INTRODUCCION

Operaciones b asicas de fabricaci on

1.2. LA EMPRESA PRODUCTIVA Proceso de montaje

Mat. prima 1Mecanizado 1

Pieza 1Montaje Producto

Mat. prima 2Mecanizado 2

14 Producci on por lotes

CAP ITULO 1. INTRODUCCION

1.2. LA EMPRESA PRODUCTIVA

Figura 1.2: Proceso de producci on continua

Ubicaci on de los procesos

CAP ITULO 1. INTRODUCCION

1.3. EL PROCESO EN FEEDBACK xC - m + Controlador (ref )

Esquema de regulaci on en feedback

M  Figura 1.3: Esquema de regulaci on en feedback

Entrada perturbadora Salida

CAP ITULO 1. INTRODUCCION

El signicado del control

INDUSTRIAL 1.4. LA AUTOMATIZACION EntradaBloque Salida -

Figura 1.4: Sistema

CAP ITULO 1. INTRODUCCION

INDUSTRIAL 1.4. LA AUTOMATIZACION

Figura 1.5: Estructura de control: computador 4 aut omatas

CAP ITULO 1. INTRODUCCION

Ventajas e inconvenientes de la automatizaci on

INDUSTRIAL 1.4. LA AUTOMATIZACION

24 Control por computador

CAP ITULO 1. INTRODUCCION

Modelos matem aticos de sistemas

DE SISTEMAS COMPLEJOS 1.6. MODELADO Y SIMULACION

Modelado y simulaci on de sistemas complejos

Importancia del modelado

CAP ITULO 1. INTRODUCCION

dentro del contexto Sistema S Modelo M

Conocimiento a priori del modelo bsico

experimento dentro de contexto

Simulacin = Experimento virtual

Datos observados de Experimento

Proceso de Modelado y Simulacin

Figura 1.6: Esquema del modelado

DE SISTEMAS COMPLEJOS 1.6. MODELADO Y SIMULACION

CAP ITULO 1. INTRODUCCION

DE SISTEMAS COMPLEJOS 1.6. MODELADO Y SIMULACION

CAP ITULO 1. INTRODUCCION

Estructura del curso

Control de procesos continuos

Control de procesos de eventos discretos

CAP ITULO 1. INTRODUCCION

Parte I Control de procesos continuos

Cap tulo 2 Dise no de Controladores

DE CONTROLADORES CAP ITULO 2. DISENO

D(s) R(s) Gc Gp Y(s)

Controlador tipo proporcional P

M Figura 1.3: Esquema de regulaci on en feedback