LSC Pid PDF

Víctor M.
Alfaro
Sistemas de control
proporcional, integral y derivativo
Algoritmos, análisis y ajuste
Dr. Víctor M. Alfaro
Catedrático jubilado
Departamento de Automática
Escuela de Ingeniería Eléctrica
Universidad de Costa Rica
San José, COSTA RICA
victor.alfaro@ucr.ac.cr
PID
lanet
Web: http://pidplanet.wordpress.com/
Correo: pidplanet@outlook.es
Sistemas de control proporcional, integral y derivativo:

Algoritmos, análisis y ajuste
© 2016−2017 Víctor M. Alfaro
Revisión del 4 de septiembre de 2017
Esta obra está bajo una licencia de Creative Commons Reconocimento-NoComercial-

SinObraDerivada 3.0 Costa Rica.
http://creativecommons.org/licenses/by-nc-nd/3.0/cr/
ii
Prefacio
Para el estudio de las técnicas relacionados con el control automático, existe un nú-
mero importante de libros, muchos de los cuales son usados como libros de texto
en los cursos universitarios introductorios al tema. Cada uno de ellos fue elaborado,
seguramente, con el objetivo de satisfacer una necesidad didáctica particular y en un
entorno académico específico.
Lo anterior hace que sea necesario explicar, o por lo menos enumerar, los motivos
para realizar este nuevo esfuerzo, la mayor parte de de los cuales, tienen que ver con
los estudiantes a los cuales va dirigido este libro.
En muchos de los programas académicos de ingeniería, se incluye solo un curso
relacionado con las técnicas del control automático, el cual se puede denominar en
forma genérica como Sistemas de control, con un contenido que, por lo general, no
se aparta mucho del de la teoría de control clásica.
Para la gran mayoría de los estudiantes de estas carreras, seguramente este será
el único curso de “control” que toman antes de entrar al ambiente laboral, aunque es
posible también, que para unos pocos pudiera ser solo el primero, si realizan después
estudios de posgrado en áreas afines o relacionadas, con los sistemas de control auto-
mático. En ambos casos, usualmente lo cubierto en este primer curso de sistemas de
control es insuficiente. Ya sea, para permitir enfrentar luego con soltura el problema
de analizar, diseñar o ajustar un lazo de control industrial, como para constituirse en
una base sólida, para continuar luego con el estudio de otras técnicas de control.
Se desea que estos estudiantes puedan emplear este libro, como un documento de
consulta complementario en este primer curso, ya que no pretende ser un sustituto del
que su cátedra utiliza o recomienda. Por lo tanto, al mismo tiempo que debe hacerse
una presentación general y comprensiva del problema del control realimentado, tam-
bién deben proveerse las bases necesarias, para realizar estudios de profundización
en esta área.
iii
Es evidente entonces, que la principal diferencia entre este y otros libros simi-
lares, está en el enfoque y en la profundidad con se tratan los diferentes temas. En
vez de tratar de presentar “todo” el conocimiento básico existente sobre los sistemas
de control automático, cubriendo una gran cantidad de temas y cada uno en forma
extensa, se ha optado por seleccionar y organizar los temas desarrollados, con base
en los fundamentos del área de estudio y en su relevancia práctica, y por darle a estos
un tratamiento más detallado que el usual.
Ha sido tradicional, que los libros de texto utilizados en los primeros cursos de
sistemas de control automático, den énfasis primordialmente al comportamiento del
“servo control”, con una mención escasa del problema del “control regulador”. Si
bien es cierto, que el problema de dar seguimiento a un valor deseado cambiante
−servo control−, es la principal preocupación en los sistemas de control de posición
o seguimiento, el mantener la variable controlada de interés en su valor deseado, ante
cambios en otras variables del proceso −control regulador−, es un problema pre-
sente en todos los casos y es la preocupación principal en el control de los procesos
industriales.
Por otra parte, es frecuente que se deje de lado el hecho que, a pesar de que
en realidad los procesos son no lineales, para el análisis y el diseño de los sistemas
de control se deba trabajar normalmente, con modelos lineales aproximados de los
procesos controlados. Es necesario por lo tanto, establecer las limitaciones que esto
impone en el diseño de los sistemas de control.
Es importante también, que el conflicto existente entre el comportamiento desea-
do para el sistema de control y el requerimiento de estabilidad relativa o robustez,
necesaria para garantizar una operación estable del mismo, aun cuando se presenten
cambios en las características dinámicas del proceso controlado, sea analizado.
Además, está bien documentado que el algoritmo de control proporcional, inte-
gral y derivativo, o simplemente algoritmo de control PID, es el utilizado en hasta el
95 % de los controladores empleados en los lazos de control en la industria, por lo
que el conocimiento de sus características, diferencias y forma de ajuste, son indis-
pensables para todos los estudiantes.
La existencia de software para el diseño de sistemas de control asistido por
computadora (CACSD - “computer aided control systems design”), hace necesario
también un cambio en la forma de enfocar los diferentes temas. Si bien ya no se
requiere entrar en la explicación detallada del desarrollo y la utilización “a mano”
de las herramientas de análisis y diseño de los sistemas de control, que han sido de
uso tradicional por mucho tiempo, no se debe caer tampoco en la simpleza de ha-
cer creer a los estudiantes, que mediante la utilización de las últimas herramientas
computacionales disponibles, es posible lograr el diseño buscado, sin la necesidad
del conocimiento previo de la teoría que le da soporte. Estos programas deben ser
herramientas que faciliten y acompañen el desarrollo matemático, el análisis y el
iv
estudio de alternativas, al momento del diseño de los sistemas de control.
Se desea hacer una presentación actualizada de las técnicas y herramientas con
que se cuenta para el estudio de los sistemas de control realimentado. El temario
cubierto está enfocado entonces a que al final, el estudiante tenga el conocimiento
necesario para comprender las bondades y limitaciones del control realimentado y
adquiera las destrezas requeridas para el diseño de sistemas de control con el algorit-
mo de control PID de dos grados de libertad, que sean robustos y que además, tengan
un buen comportamiento. Esto es, considerando en formas integral el funcionamien-
to del sistema de control ante los cambios de las perturbaciones de carga y del valor
deseado, así como las incertidumbres del modelo y los cambios en las características
del proceso controlado real.
Cuán “bueno” será el funcionamiento del sistema de control de un proceso deter-
minado, dependerá de los índices de comportamiento y estabilidad relativa utilizados
para su evaluación, y de las características y los requerimientos del proceso contro-
lado bajo estudio.
Por esta razón, algunos temas que tradicionalmente se incluyen en los cursos
introductorios de control automático, no son cubiertos aquí. Además, se disminuye
la descripción detallada de la utilización de algunas herramientas de análisis y diseño
que están orientadas al servo control, y también se da un énfasis menor a las técnicas
de diseño en el dominio de la frecuencia.
Si bien es cierto que el control realimentado −de lazo cerrado−, es el utilizado
para resolver la mayoría de los problemas de control, existen ocasiones en las que
modificaciones de este, o su combinación con esquemas de control de lazo abierto,
permiten mejorar el comportamiento del sistema de control. Por esta razón, se incluye
la descripción, sin que esta sea exhaustiva, de los sistemas de control en cascada,
selectivo, de razón y anticipativo, y se proveen las bases para el estudio y diseño de
los sistemas de control multilazo de los procesos multivariables.
Aunque se utilizan los “diagramas de bloques” para mostrar la estructura de los
sistemas de control descritos, estos se complementan cuando sea conveniente, con el
uso de los “diagramas de flujo de instrumentos” y los “diagramas funcionales”, por
ser los primeros la forma usual utilizada para presentar el sistema de instrumenta-
ción y control de una planta industrial y los segundos, por proporcionar información
adicional sobre las características de los controladores utilizados en estos.
La presentación y el desarrollo hecho de los temas de control automático, pre-
suponen una cierta conducta de entrada de parte del estudiante. En particular, se
supondrá que está familiarizado con las ecuaciones diferenciales y su solución, la
transformada de Laplace, el modelado de los sistemas dinámicos simples y su re-
presentación mediante bloques utilizando las funciones de transferencia. Además, se
supondrá también que conoce los gráficos en el dominio de la frecuencia, la localiza-
ción de polos y ceros en el plano complejo s, la gráfica polar y el diagrama de Bode.
v
Con seguridad, estos temas ya han sido cubiertos en los cursos previos de física,
matemáticas y de análisis de los sistemas dinámicos.
Se supone además, que el estudiante conoce y ha utilizado, algún programa de
simulación digital de sistemas dinámicos, para el análisis de sus respuestas en el
dominio del tiempo y en el de la frecuencia.
Aunque no se promueve el uso de ningún programa de diseño de sistemas de
control asistido por computadora (CACSD) en particular, se sugiere la utilización de
aquellos disponibles como “software libre” o gratuito.
Es un hecho que MATLAB®1 junto con Simulink® , son las dos herramientas
computacionales predominantes en el ambiente académico, para realizar el análisis y
el diseño de los sistemas de control. Por lo general, las universidades proveen a sus
estudiantes acceso a estos programas dentro del campus universitario, pero fuera de
este, usualmente no les brindan ningún apoyo al respecto.
Debido a lo anterior y como una manera de mostrar que existen herramientas
computacionales alternativas adecuadas para la simulación y el análisis de los sis-
temas de control, para las simulaciones y los análisis realizados como parte de este
libro, no se ha hecho uso de ningún ambiente CACSD comercial.
En forma resumida, el objetivo principal de este libro, es proveer al lector las
herramientas necesarias para que pueda dar respuesta, aunque sea en forma parcial, a
las preguntas planteadas por John Ziegler y Nathaniel Nichols en la introducción de
su propuesta de ajuste de controladores2 .
Primero, a “How can the proper controller adjustments be quickly determined on
any control application?”, con la obtención de la información dinámica del proceso
controlado y el establecimiento de un criterio de diseño factible de logar, y luego,
a “How can the setting of a controller be determined before it is installed on an
existing application?”, con la utilización de un procedimiento de ajuste adecuado.
Después de 75 años, el encontrar la respuesta definitiva a estos interrogantes,
todavía está pendiente y “desvela” a muchos dentro de la comunidad de la ingeniería
de control.
Para esto, partiendo de los conceptos generales de los sistemas de control reali-
mentado y la introducción de las herramientas necesarias para su estudio, se presen-
tan algunos de los algoritmos de control proporcional, integral y derivativo (PID); se
realiza un análisis del funcionamiento de estos sistemas de control, de su compor-
tamiento, su estabilidad y los conflictos entre estos; y se proponen métodos para el
ajuste robusto de los parámetros de los controladores que utilizan este tipo de algorit-
mo de control. Esto se complementa con la introducción de algunos otros esquemas
1 TheMathWorks, Inc.
2 Ziegler,J. G. y N. B. Nichols (1942) - “Optimum Settings for Automatic Controllers”, ASME
Transactions, 64, 759-768.
vi
de control que, aunque son de un uso más reducido, permiten obtener comportamien-
tos mejores o resolver otros problemas de control y que son denominados algunas
veces, como sistemas de control de procesos “avanzados”.
Para la confección de este libro en Windows 10 (64-bits), con el compilador

pdfLATEX y la clase memoir, se han utilizado los siguientes programas, y algunas de
sus versiones anteriores, listados en orden alfabético:
• Anaconda2 Scientific Python Distribution 4.4.0 (Python 2.7.13)

https://store.continuum.io/cshop/anaconda/
• Draw de LibreOffice 5.4.0.3

http://www.libreoffice.org/
• IPython 5.3.0
https://ipython.org, incluido en Anaconda2
• JabRef 3.8.2
http://www.jabref.org/
• JModelica.org 2.0 (incluyendo Phyton 2.7.11)

http://www.jmodelica.org/
• Microsoft Visual C++ 2010 Express

http://www.visualstudio.com/en-us/products/visual-studio-express-vs.aspx
• MiKTEX 2.9
http://miktex.org/
• Notepad++ 7.5
http://notepad-plus-plus.org/
• OpenModelica 1.11
https://openmodelica.org/
• Python Control Systems Library 0.7

https://sourceforge.net/p/python-control/wiki/Home/
• Spyder 3.1.4
https://pypi.python.org/pypi/spyder, incluido en Anaconda2
• SumatraPDF 3.1.2
http://blog.kowalczyk.info/software/sumatrapdf/free-pdf-reader-es.html
vii
• TeXstudio 2.12.6
http://www.texstudio.org/
• TextMaths 0.43 (extensión para LibreOffice)

http://roland65.free.fr/texmaths/install.html
Todos estos programas de acceso libre, junto con los términos de su licencia de
uso, están disponibles para descargar desde las direcciones web indicadas.
La gran mayoría de las respuestas −simulaciones− del comportamiento dinámi-
co de los procesos controlados y de los diferentes esquemas de control, así como los
gráficos para el análisis de los sistemas de control: la respuesta de frecuencia (Bode),
el lugar de las raíces (Evans) y la gráfica polar y de robustez (Nyquist), mostrados en
este libro, se han obtenido programando en Phyton 2.7 (Anaconda2) con Spyder, a
partir de las rutinas en la “Phyton Control Systems Library” y utilizando Matplotlib.
Las funciones disponibles en esta biblioteca (phython-control), se han ampliado y
personalizado, para que las figuras desplegadas tengan una apariencia similar parti-
cular. Sin embargo, las rutinas originales de esta biblioteca, pueden utilizarse en su
forma más simple, tal como se muestra en los ejemplos del Apéndice B.
Por otra parte, para el estudio de los sistemas de control, el lector tiene disponi-
bles también otros entornos CACSD no comerciales adicionales, como GNU Octave3
con el paquete “control”4 y Scilab5 , ambos completamente adecuados para este pro-
pósito, aunque ninguno de ellos se ha utilizado en la preparación de este libro.
El desarrollo de los temas contenidos de este libro, se ha organizado de la si-

guiente manera:
• Capítulo 1 - Introducción
Se presenta la necesidad de utilizar los sistemas de control y se describen los
esquemas de control realimentado y anticipativo. Se definen las variables invo-
lucradas en el sistema de control. Se establecen los componentes de los lazos
de control realimentado, los instrumentos requeridos para implementarlo y se
introduce el algoritmo de control proporcional, integral y derivativo. Se enu-
meran las etapas del desarrollo de los sistemas de control realimentado.
Parte I- Proceso controlado

• Capítulo 2 - El proceso controlado
3 https://www.gnu.org/software/octave/
4 https://octave.sourceforge.io/packages.php
5 https://www.scilab.org/
viii
Se describe la característica estática y la característica dinámica del proceso.
Mediante un ejemplo se muestra la obtención de las mismas, así como la in-
fluencia que tiene la variación del punto de operación, sobre el valor de los
parámetros del modelo dinámico linealizado del proceso. Se establecen los
dominios para el estudio de los sistemas de control −el del tiempo t, el de la
variable compleja s y el de la frecuencia jω−. Se define función de transferen-
cia y sus polos y ceros.
• Capítulo 3 - Elementos básicos de los sistemas físicos
Se define el elemento generalizado, su pervariable y su transvariable. Se pre-
senta el tetraedro de estados de Paynter. Se establecen las relaciones consti-
tutivas de los elementos básicos de los sistemas físicos −eléctricos, mecáni-
cos con elementos que se desplazan o que giran, hidráulicos y térmicos−. Se
enuncia la Ley de incidencia de las pervariables y la Ley de contorno de las
transvariables. Se describe la constitución de la red generalizada y se ilustra su
elaboración y utilización para modelar varios procesos.
• Capítulo 4 - Modelado analítico del proceso controlado
Se presentan las leyes de conservación y los balances de energía, de masa total
y de los componentes individuales del proceso. Se enumeran las actividades
involucradas en el desarrollo analítico de un modelo paramétrico del proceso
controlado. A manera de ejemplo, se desarrolla el modelo de un proceso de
mezcla de dos líquidos en un tanque, junto con los instrumentos asociados a
este. Se linealiza el modelo y se obtienen las funciones de transferencia del
mismo, en un punto de operación de interés.
• Capítulo 5 - Comportamiento dinámico de los procesos simples
Se presentan las funciones de transferencia de los procesos estables de pri-
mer orden, de primer orden en serie y de segundo orden, y sus respuestas a
un cambio escalón en la entrada. Se comparan los procesos de primer orden
en serie con los procesos interactivos. Se describe el efecto que tiene la razón
de amortiguamiento de los polos de los procesos de segundo orden, sobre su
comportamiento y estabilidad. Se define cero de fase mínima y no mínima, y
polo estable e inestable. Se presentan las funciones de transferencia de los pro-
cesos integrantes de primer y segundo orden, la de los procesos con respuesta
inversa, así como la de los procesos inestables. Se establece el significado de
la “ganancia” de los modelos para los procesos integrantes y los inestables.
Parte II - Sistemas de control

• Capítulo 6 - Sistemas de control realimentado
ix
Se presenta el sistema sin control, el sistema de control anticipativo −lazo
abierto− y el sistema de control realimentado −lazo cerrado−. Se describen
en detalle los componentes de un lazo de control realimentado. Se establece
el rango de variación de las variables y señales de los sistemas de control.
Se enumeran los conflictos existentes en el diseño de los sistemas de control
realimentado. Se obtienen las funciones de sensibilidad de lazo cerrado del
mismo.
• Capítulo 7 - Algoritmo de control proporcional, integral y derivativo

Se presentan los controladores de dos posiciones −“todo” o “nada”− y los
algoritmos de control proporcional (P), proporcional y derivativo (PD), pro-
porcional e integral (PI), y proporcional, integral y derivativo (PID). Se intro-
duce el algoritmo de control proporcional, integral, derivativo y aceleración
(PIDA). Se ilustra la selección correcta de la Acción del controlador. Se des-
criben los diferentes algoritmos de control PID de uno y dos grados de libertad
y se dan las ecuaciones de conversión entre sus parámetros. Se muestran las es-
tructuras equivalentes del algoritmo de control PID Estándar de dos grados de
libertad. Se describen algunas de las características adicionales de los contro-
ladores PID −filtros, selectores, prevención del desboque de la señal de salida
del modo integral−. Se realiza una narración breve del desarrollo histórico de
los controladores PID comerciales. Se presentan las ecuaciones de los algo-
ritmos de control PID digitales. Se hace mención de la simbología utilizada
para representar a los controladores en los diagramas de flujo de instrumentos
(P&ID), los diagramas funcionales y los diagramas de bloques de funciones.
Se listan algunos de los controladores comerciales con un algoritmo de con-
trol de dos grados de libertad conocidos. Se establecen los rangos de variación
de los parámetros del controlador. Se presenta un procedimiento experimental
para la identificación del algoritmo de control PID del controlador. Se deter-
minan las funciones de sensibilidad, para los sistemas de control de dos grados
de libertad (2GdL).
• Capítulo 8 - Identificación del modelo del proceso controlado

Se establecen las estructuras de los modelos de interés para el diseño de los
sistemas de control PID. Se presentan los procedimientos para el ajuste de los
parámetros de los modelos de los procesos autorregulados o estables, integran-
tes e inestables. Estos tienen como base la información de la curva de reacción
del proceso, la información critica del proceso, o una prueba de lazo cerrado
con un controlador P, según se aplique al modelo cuyos parámetros se deban
ajustar. Se presentan las aproximaciones de Padé para el tiempo muerto. Se
establecen índices para medir la fiabilidad de los modelos identificados. Se
x
describen algunos procedimientos, utilizados para la reducción del orden de
los modelos sobreamortiguados.
Parte III - Análisis de los sistemas de control

• Capítulo 9 - Índices de funcionamiento de los lazos de control
Se definen los índices para medir el comportamiento dinámico y en estado es-
tacionario del sistema de control −variable controlada, esfuerzo de control−,
ante un cambio en el valor deseado y en la perturbación. Se establecen los re-
quisitos en la cantidad de polos en el origen, de las funciones de transferencia
del proceso controlado y del controlador, necesarios para que el error perma-
nente sea constante o cero, a cambios en el valor deseado o en la perturbación.
Se establecen los índices de error integral para la medición del comportamiento
del lazo de control. Se comparan los índices de comportamiento normalizados
y absolutos. Se establecen criterios de diseño, con base en el comportamiento
del servo control y del control regulador.
• Capítulo 10 - Estabilidad de los lazos de control

Se establecen los requerimientos para la estabilidad de los sistemas de control
−la estabilidad en la relación entrada a salida y la estabilidad interna−. Se de-
fine la estabilidad BIBO (“bounded-input-bounded-output”). Se presentan los
métodos algebraicos de Routh-Hurwitz y Liénard-Chipart, para determinar la
estabilidad del sistema de control, a partir de los coeficientes de su polinomio
característico. Se evalúa el estabilidad robusta del sistema de control, el teo-
rema de Kharitonov y sus limitaciones. Se enumeran las reglas para dibujar
el lugar geométrico de las raíces (LGR) de Evans y se analiza la estabilidad
de varios sistemas de control utilizando el LGR. Se presentan los contornos
de las raíces. Se utiliza el criterio de Nyquist y el de Foellinger-Young, para
determinar la estabilidad del sistema de control, con base en la gráfica polar
de su función de trasferencia de lazo abierto. Se ilustra el uso del criterio de
estabilidad de Foellinger-Young.
• Capítulo 11 - Robustez de los lazos de control

Se establecen los indicadores de estabilidad relativa: margen de ganancia y
margen de fase, con sus correspondientes frecuencias de cruce de fase y mag-
nitud. Se define el margen de estabilidad y la sensibilidad máxima, a partir
de la gráfica polar de la función de transferencia de lazo abierto. Se describen
los índices de estabilidad paramétricos y se establecen las relaciones entre los
diferentes indicadores de la robustez del sistema de control. Se presenta el dia-
grama de Bode combinado. Se establece el criterio de estabilidad de Bode y el
xi
de Bode revisado. Se establecen los indices de fragilidad en la robustez y en
el comportamiento de los controladores. Se define cuando un controlador es
frágil, no frágil, o elástico. Se introducen los anillos de fragilidad.
• Capítulo 12 - Análisis del comportamiento de los sistemas de control propor-

cional, integral y derivativo
Se analiza el comportamiento de los sistemas de control de dos posiciones y
la evolución en el tiempo de la variable controlada y del esfuerzo de control,
en los lazos de control con un controlador con un algoritmo de control pro-
porcional (P), proporcional e integral (PI) y proporcional y derivativo (PD), de
procesos controlados de primer y segundo orden más tiempo muerto. Se uti-
lizan los contornos de las raíces, para analizar la influencia de los parámetros
del algoritmo de control proporcional, integral y derivativo (PID). Se mues-
tra el efecto que tiene la cancelación de polos con ceros. Se analiza el efecto
que tiene la variación de los parámetros del proceso controlado y la de los del
controlador, sobre la estabilidad relativa del sistema de control.
Parte IV - Ajuste de los sistemas de control PID

• Capítulo 13 - Ajuste analítico de los algoritmos de control proporcional, inte-
gral y derivativo
Se presenta la deducción matemática del controlador para el servo control y pa-
ra el control regulador de procesos sobreamortiguados con y sin tiempo muer-
to. Se describe el método analítico de ajuste robusto (ART2 - “analytical robust
tuning”), para los algoritmos de control de dos grados de libertad (2GdL). Los
ejemplos muestran el conflicto existente entre la velocidad de respuesta y la
robustez del lazo de control.
• Capítulo 14 - Control con modelo interno

Se presenta la estructura general del control con modelo interno (IMC - “in-
ternal model control”). Se utiliza la técnica del IMC, para obtener relaciones
para el cálculo de los parámetros del algoritmo de control PI(D), de proce-
sos estables de primer y segundo orden, con repuesta inversa e integrantes.
Se describe el método de control sencillo (SIMC - “simple control”), para los
procesos sobreamortiguados e integrantes.
• Capítulo 15 - Reglas de ajuste de los algoritmos de control proporcional, inte-

gral y derivativo
Se hace una cronología del desarrollo de las reglas de ajuste para los contro-
ladores PI(D). Se presentan las reglas de ajuste de Ziegler-Nichols y su ac-
xii
tualización. Se describen las características del controlador Taylor Instruments
Fulscope 100. Se analiza el conflicto existente entre el comportamiento y la
robustez, en los lazos de control. Se introducen las ecuaciones de ajuste de
controladores con base en la optimización de los criterios de error integral. Se
presentan las ecuaciones para el ajuste óptimo y robusto (uSORT - “unified
simple optimal robust tuning”) de los controladores PI(D) de uno y dos gra-
dos de libertad. Se introduce el ajuste robusto de los controladores PIDA. Se
enumeran los conflictos existentes para el diseño de los sistemas de control y
la posible solución de los mismos. Se describen los pasos del procedimiento a
seguir, para el ajuste de los parámetros del algoritmo de control del controla-
dor.
• Capítulo 16 - Ajuste robusto de controladores PID de dos grados de libertad,

por modelo de referencia
Se describe el desarrollo general del método de ajuste robusto por modelo de
referencia (MoReRT - “model-reference robust tuning”), para los controlado-
res con algoritmos de control PI(D) de dos grados de libertad −los modelos de
referencia y las funcionales de costo−. Se presentan las ecuaciones normaliza-
das de los modelos del proceso controlado y de los algoritmos de control PID.
Se proporcionan la ecuaciones de ajuste MoReRT, para el control de los proce-
sos autorregulados sobreamortiguados. Se aplica la metodología MoReRT al
diseño de sistemas de control, con base en la especificación de las característi-
cas del esfuerzo de control, en vez de en las de la variable controlada.
• Capítulo 17 - Control de procesos integrantes, inestables y con respuesta in-

versa
Se realiza la deducción matemática de los controladores para los procesos inte-
grantes. Se utiliza la metodología MoReRT para determinar las relaciones para
el cálculo de los parámetros de los algoritmos de control PI(D) de los contro-
ladores, para el control de los procesos con respuesta inversa, integrantes e
inestables. Se analizan las restricciones que las características de respuesta in-
versa y de inestabilidad de los procesos controlados, imponen sobre la robustez
máxima que se puede lograr para sus sistemas de control.
• Capítulo 18 - Control de procesos dominados por el tiempo muerto

Se introducen los compensadores de tiempo muerto −el predictor de Smith−.
Se presenta el uso del controlador con un algoritmo de control proporcional
e integral predictivo (PPI - “predictive proportional integral”), para el control
de los procesos con un tiempo muerto normalizado “grande”. Se introduce el
algoritmo de control PPI de 2GdL y su ajuste.
xiii
Parte V - Otros esquemas de control
• Capítulo 19 Control en cascada, selectivo y de razón
Se muestran algunas variantes del control realimentado. Se describe el control
en cascada y el ajuste robusto de sus controladores. Se describe el uso de se-
lectores para establecer los lazos de control −control selectivo−, cuando es
necesario controlar varias variables utilizando una sola variable manipulada.
Se muestran las características del control de la razón entre dos variables.
• Capítulo 20 Control anticipativo

Se presenta el control anticipativo para el seguimiento del valor deseado junto
con el control realimentado. También se presenta el control anticipativo para
el rechazo de la perturbación, así como la estructura general del control antici-
pativo y realimentado.
• Capítulo 21 Control multilazo de procesos multivariables

Se introduce el control multilazo de los procesos multivariables, la utilización
de la matriz de índices de ganancias relativas (RGA) de Bristol, así como el de
la matriz de ganancias normalizadas (RNGA) que incluye información diná-
mica del proceso, para medir el grado de interacción del proceso y la selección
adecuada de las parejas (variable controlada, variable manipulada). Se analiza
la estabilidad de los sistemas de control multilazo y se introduce en índice de
Niederlinski (NI). Se describe la utilización de las redes de desacopladores, pa-
ra el control multilazo de los procesos multivariables interactivos. Se describe
el procedimiento de diseño, de los sistemas de control multilazo de procesos
multivariables no interactivos, pero con propagación de la perturbación.
Apéndices
• Apéndice A - Modelos de los procesos controlados para estudios de control
Se presenta el conjunto de funciones de transferencia, sugeridas como mo-
delos estándar para la evaluación de los sistemas de control. Se desarrollan
los modelos analíticos de diversos sistemas −reactor químico continuo, tan-
que calentador de agua, vehículo con levitación magnética y otros−. Además,
se presentan los modelos identificados experimentalmente de varios procesos
descritos en la literatura −pasteurizadoras, tanque calentador de agua−. Estos
pueden ser utilizados como modelos de prueba, para el análisis y el diseño de
los sistemas de control PI(D).
• Apéndice B - Biblioteca Python Control Systems
xiv
Se listan las principales funciones utilizadas para los estudios de control inclui-
das en el paquete “Python Control Systems Library”, así como otras necesarias
para el despliegue de las gráficas, contenidas en la biblioteca Pyplot de Mat-
plotlib. Su uso se ilustra con varios ejemplos simples.
En lo posible, se tratará de revisar y ampliar periódicamente el contenido de este

libro. Por lo tanto, se recomienda verificar cual es su versión más reciente, en la
página web:
http://pidplanet.wordpress.com/sisconpid/
Esta es la versión del 4 de septiembre de 2017.

Incluye cambios ligeros de formato, traslado de los ambientes de simulación Mo-
delica y la elaboración del libro a Windows 10 (64-bits).
Versiones anteriores: 2017 (ago.19, jul.4, mar.24), 2016 (dic.19, oct.29, ago.10,
ago.6, abr.29)
vma.
xv
Índice general
1 Introducción 1
1.1 Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 El proceso controlado . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Sistemas de control . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Componentes y variables del proceso controlado . . . . . . 11
1.3.2 Formas alternativas para ejercer la acción de control . . . . 12
1.3.3 Instrumentos del lazo de control realimentado . . . . . . . . 17
1.3.4 Funcionamiento del sistema de control . . . . . . . . . . . . 17
1.3.5 Ejecución de la acción de control . . . . . . . . . . . . . . 20
1.4 Control realimentado . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5 Desarrollo del sistema de control . . . . . . . . . . . . . . . . . . . 24
1.6 Algoritmo de control con base en el error . . . . . . . . . . . . . . 26
1.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
I Proceso controlado 35
2 El proceso controlado 37
2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 Característica estática . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3 Característica dinámica . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4 Estudio de los sistemas de control . . . . . . . . . . . . . . . . . . 54
2.4.1 Dominios matemáticos . . . . . . . . . . . . . . . . . . . . 54
2.4.2 Funciones de transferencia, polos y ceros . . . . . . . . . . 55
xvii
2.5 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3 Elementos básicos de los sistemas físicos 59

3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2 Sistemas eléctricos . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3 Sistemas hidráulicos . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.4 Sistemas mecánicos con elementos que se desplazan . . . . . . . . 69
3.5 Sistemas mecánicos con elementos que giran . . . . . . . . . . . . 71
3.6 Sistemas térmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.7 Conversión de variables . . . . . . . . . . . . . . . . . . . . . . . . 75
3.8 Variables de los sistemas físicos . . . . . . . . . . . . . . . . . . . 78
3.9 Interconexión de los elementos . . . . . . . . . . . . . . . . . . . . 79
3.10 La red generalizada . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.10.1 Elementos de la red generalizada . . . . . . . . . . . . . . . 81
3.10.2 Elementos generalizados y sistemas físicos . . . . . . . . . 81
3.11 Obtención de la red generalizada equivalente . . . . . . . . . . . . 83
3.11.1 Proceso de cámaras con aislamiento térmico . . . . . . . . . 83
3.11.2 Proceso de tanques interconectados . . . . . . . . . . . . . 85
3.11.3 Sistema heterogéneo . . . . . . . . . . . . . . . . . . . . . 88
3.12 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.13 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4 Modelado analítico del proceso controlado 93

4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.2 Leyes de conservación . . . . . . . . . . . . . . . . . . . . . . . . 95
4.3 Procedimiento de modelado analítico . . . . . . . . . . . . . . . . . 97
4.4 Modelado de un tanque de mezcla . . . . . . . . . . . . . . . . . . 98
4.4.1 Modelado . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.4.2 Curva característica estática . . . . . . . . . . . . . . . . . 101
4.4.3 Característica dinámica . . . . . . . . . . . . . . . . . . . . 103
4.4.4 Comportamiento dinámico de los instrumentos . . . . . . . 106
4.4.5 Sistema de control de temperatura . . . . . . . . . . . . . . 108
4.5 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.6 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5 Comportamiento dinámico de los procesos simples 115

5.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.2 Análisis de la respuesta en el tiempo . . . . . . . . . . . . . . . . . 116
5.2.1 Procesos de primer orden . . . . . . . . . . . . . . . . . . . 116
xviii
5.2.2 Procesos de primer orden en serie . . . . . . . . . . . . . . 127
5.2.3 Causalidad de los elementos del proceso . . . . . . . . . . . 136
5.2.4 Efecto de la interacción . . . . . . . . . . . . . . . . . . . . 140
5.2.5 Procesos de segundo orden . . . . . . . . . . . . . . . . . . 141
5.2.6 Movimiento en el plano de fase . . . . . . . . . . . . . . . 148
5.2.7 Lugares en el plano complejo s . . . . . . . . . . . . . . . . 149
5.3 Procesos con tiempo muerto . . . . . . . . . . . . . . . . . . . . . 153
5.4 Polos, ceros y comportamiento dinámico . . . . . . . . . . . . . . . 155
5.4.1 Localización de los polos . . . . . . . . . . . . . . . . . . . 156
5.4.2 Localización de los ceros . . . . . . . . . . . . . . . . . . . 157
5.4.3 Origen de los polos y los ceros . . . . . . . . . . . . . . . . 162
5.5 Procesos integrantes . . . . . . . . . . . . . . . . . . . . . . . . . . 168
5.6 Procesos inestables . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.7 Procesos con respuesta inversa . . . . . . . . . . . . . . . . . . . . 180
5.8 Proceso con múltiples puntos de equilibrio . . . . . . . . . . . . . . 182
5.9 Modelo general del proceso controlado . . . . . . . . . . . . . . . . 187
5.10 Procesos dinámicos heterogéneos . . . . . . . . . . . . . . . . . . . 187
5.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
5.12 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
II Sistemas de control 195
6 Sistemas de control realimentado 197

6.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
6.2 Esquemas de control . . . . . . . . . . . . . . . . . . . . . . . . . 202
6.3.1 Diagramas de bloques . . . . . . . . . . . . . . . . . . . . 211
6.3.2 Servo control y control regulador . . . . . . . . . . . . . . 214
6.3.3 Conflictos inherentes en el diseño de los sistemas de control 219
6.3.4 Estabilidad y respuesta de los sistemas de control . . . . . . 220
6.4 Rango de variación de las variables . . . . . . . . . . . . . . . . . . 221
6.5 Función de sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . 224
6.5.1 Sensibilidad a lazo abierto . . . . . . . . . . . . . . . . . . 225
6.5.2 Sensibilidad a lazo cerrado . . . . . . . . . . . . . . . . . . 225
6.6 Funciones de sensibilidad de lazo cerrado . . . . . . . . . . . . . . 226
6.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
6.8 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
7 Algoritmo de control proporcional, integral y derivativo 231
xix
7.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
7.2 Controladores de dos posiciones . . . . . . . . . . . . . . . . . . . 233
7.3 Controladores continuos . . . . . . . . . . . . . . . . . . . . . . . 234
7.4 Selección de la Acción del controlador . . . . . . . . . . . . . . . . 236
7.5 Algoritmo de control PID . . . . . . . . . . . . . . . . . . . . . . . 242
7.5.1 Control proporcional (P) . . . . . . . . . . . . . . . . . . . 242
7.5.2 Control proporcional y derivativo (PD) . . . . . . . . . . . 246
7.5.3 Control proporcional e integral (PI) . . . . . . . . . . . . . 250
7.5.4 Control proporcional, integral y derivativo (PID) . . . . . . 257
7.5.5 Control proporcional, integral, derivativo y aceleración . . . 260
7.5.6 Algoritmos de control proporcional, integral y derivativo . . 262
7.5.7 Implementación del modo derivativo . . . . . . . . . . . . . 266
7.5.8 Polos y ceros de los controladores . . . . . . . . . . . . . . 269
7.5.9 Esfuerzo de control ante un cambio en el valor deseado . . . 270
7.5.10 Filtro de la señal realimentada . . . . . . . . . . . . . . . . 271
7.5.11 Prevención del desbocamiento de la salida del modo integral 273
7.5.12 Transferencia entre “Automático” y “Manual” . . . . . . . . 275
7.6 Evolución histórica de los controladores PID . . . . . . . . . . . . 277
7.7 Representación de los controladores en los diagramas de control . . 284
7.7.1 Diagramas de flujo de instrumentos (P&ID) . . . . . . . . . 284
7.7.2 Diagramas funcionales . . . . . . . . . . . . . . . . . . . . 285
7.7.3 Diagramas de bloques de funciones . . . . . . . . . . . . . 287
7.8 Operación, configuración y ajuste del controlador . . . . . . . . . . 291
7.8.1 Configuración y ajuste . . . . . . . . . . . . . . . . . . . . 291
7.8.2 Operación . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
7.9 Control de dos grados de libertad . . . . . . . . . . . . . . . . . . . 292
7.10 Estructuras equivalentes del controlador PID Estándar de 2GdL . . . 298
7.10.1 Estructura 1: PID de 2GdL básico (PID2 ) . . . . . . . . . . 299
7.10.2 Estructura 2: PID1 con filtro de valor deseado . . . . . . . . 299
7.10.3 Estructura 3: PID1 y controlador de realimentación . . . . . 300
7.10.4 Estructura 4: PID1 , filtro de r y controlador de y . . . . . . 301
7.10.5 Estructura 5: PID1 y controlador anticipativo de r . . . . . . 302
7.11 Equivalencias entre los algoritmos de control PID de 2GdL . . . . . 303
7.11.1 Algoritmos de control PID de dos grados de libertad . . . . 303
7.11.2 Parámetros equivalentes de los algoritmos PID de 2GdL . . 304
7.12 Ecuaciones generales para los algoritmos de control PID . . . . . . 308
7.13 Algoritmos de control PID discretos . . . . . . . . . . . . . . . . . 309
7.13.1 Algoritmo de posición (absoluto) . . . . . . . . . . . . . . 309
7.13.2 Algoritmo de velocidad (incremental) . . . . . . . . . . . . 310
7.13.3 Salto derivativo y factor de peso del valor deseado . . . . . 311
xx
7.13.4 Inclusión del filtro derivativo . . . . . . . . . . . . . . . . . 312
7.13.5 Diseño de los controladores PID digitales . . . . . . . . . . 312
7.14 Algoritmo PID de 2GdL de los controladores comerciales . . . . . . 313
7.15 Valores admisibles para los parámetros del algoritmo de control PI(D) 315
7.16 Identificación de la estructura del algoritmo de control PID . . . . . 316
7.17 Funciones de sensibilidad con controladores de 2GdL . . . . . . . . 320
7.18 Algoritmo, estructura e implementación del control PID . . . . . . . 322
7.18.1 Algoritmo de control . . . . . . . . . . . . . . . . . . . . . 322
7.18.2 Estructuras del control . . . . . . . . . . . . . . . . . . . . 322
7.18.3 Implementación del control . . . . . . . . . . . . . . . . . 323
7.19 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
7.20 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
8 Identificación del modelo del proceso controlado 335

8.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336
8.2 Estructura de los modelos de interés . . . . . . . . . . . . . . . . . 338
8.2.1 Procesos autorregulados (estables) . . . . . . . . . . . . . . 338
8.2.2 Procesos autorregulados (estables) con respuesta inversa . . 340
8.2.3 Procesos integrantes . . . . . . . . . . . . . . . . . . . . . 341
8.2.4 Procesos inestables . . . . . . . . . . . . . . . . . . . . . . 342
8.3 Ajuste de los parámetros de los modelos autorregulados . . . . . . . 342
8.3.1 Procedimientos de ajuste . . . . . . . . . . . . . . . . . . . 342
8.3.2 Ajuste del modelo a partir de la curva de reacción . . . . . . 344
8.3.3 Ajuste del modelo a partir de la información crítica . . . . . 356
8.3.4 Ajuste a partir de una prueba con un controlador P . . . . . 362
8.4 Ajuste de los parámetros de los modelos con respuesta inversa . . . 365
8.5 Ajuste de los parámetros de los modelos de los procesos integrantes 367
8.5.1 Ajuste con base en una prueba de lazo abierto . . . . . . . . 367
8.5.2 Ajuste utilizando un controlador P . . . . . . . . . . . . . . 368
8.5.3 Ajuste con base en la información crítica . . . . . . . . . . 370
8.6 Ajuste de los parámetros de los modelos de los procesos inestables . 371
8.7 Ajuste de los modelos minimizando el error de predicción . . . . . 373
8.8 Evaluación de los modelos autoregulados . . . . . . . . . . . . . . 374
8.8.1 Índice de error de predicción de la respuesta temporal . . . . 374
8.8.2 Índice de error de predicción de la información crítica . . . 375
8.8.3 Error de predicción de la respuesta bajo control . . . . . . . 375
8.9 Aproximaciones del tiempo muerto . . . . . . . . . . . . . . . . . . 378
8.9.1 Aproximaciones polinomiales . . . . . . . . . . . . . . . . 380
8.9.2 Aproximaciones de Padé . . . . . . . . . . . . . . . . . . . 380
8.9.3 Otras aproximaciones . . . . . . . . . . . . . . . . . . . . . 381
xxi
8.9.4 Características de las aproximaciones de Padé . . . . . . . . 383
8.10 Reducción del orden del modelo . . . . . . . . . . . . . . . . . . . 386
8.10.1 Ajuste de modelos utilizando la regla de la mitad . . . . . . 387
8.10.2 Ajuste de modelos utilizando la regla de la mitad modificada 388
8.10.3 Aproximación modelos de segundo orden por de primero . . 390
8.11 Comparación de las respuestas de lazo abierto y lazo cerrado . . . . 391
8.12 Modelo nominal, medio y extremo . . . . . . . . . . . . . . . . . . 395
8.13 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
8.14 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
III Análisis de los sistemas de control 401
9 Índices de comportamiento de los lazos de control 403

9.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
9.2 Comportamiento ante un cambio en el valor deseado . . . . . . . . 405
9.2.1 Cálculo de los indicadores del comportamiento dinámico . . 406
9.2.2 Sistemas críticamente amortiguados . . . . . . . . . . . . . 414
9.3 Comportamiento ante un cambio en la perturbación . . . . . . . . . 415
9.4 Efecto de los polos y los ceros adicionales . . . . . . . . . . . . . . 417
9.5 Índices de error integral . . . . . . . . . . . . . . . . . . . . . . . . 418
9.5.1 Índices de error integral del servo control . . . . . . . . . . 422
9.6 Indicadores del uso del esfuerzo de control . . . . . . . . . . . . . . 423
9.7 Error en régimen permanente . . . . . . . . . . . . . . . . . . . . . 424
9.7.1 Error permanente a un cambio en el valor deseado . . . . . 425
9.7.2 Error permanente dinámico . . . . . . . . . . . . . . . . . . 428
9.7.3 Error permanente a un cambio en la perturbación . . . . . . 432
9.7.4 Error permanente normalizado y absoluto . . . . . . . . . . 434
9.8 Especificaciones de diseño . . . . . . . . . . . . . . . . . . . . . . 438
9.8.1 Criterios para el comportamiento del servo control . . . . . 440
9.8.2 Criterios para el comportamiento del control regulador . . . 441
9.9 Polos dominantes y comportamiento . . . . . . . . . . . . . . . . . 442
9.10 Índices de comportamiento normalizados . . . . . . . . . . . . . . 443
9.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
9.12 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
10 Estabilidad de los lazos de control 447

10.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 448
10.2 Determinación de la estabilidad . . . . . . . . . . . . . . . . . . . . 452
10.3 Análisis del polinomio característico . . . . . . . . . . . . . . . . . 454
xxii
10.3.1 Criterio de estabilidad de Routh-Hurwitz . . . . . . . . . . 454
10.3.2 Criterio de estabilidad de Liénard-Chipart . . . . . . . . . . 457
10.3.3 Multiplicidad de las raíces imaginarias . . . . . . . . . . . . 460
10.3.4 Efecto de la variación del proceso controlado . . . . . . . . 461
10.3.5 Estabilidad robusta y Teorema de Kharitonov . . . . . . . . 462
10.4 Movimiento de los polos de lazo cerrado . . . . . . . . . . . . . . . 468
10.4.1 Lugar geométrico de las raíces (LGR) de Evans . . . . . . . 468
10.4.2 Dibujo del lugar geométrico de las raíces . . . . . . . . . . 469
10.4.3 Lugar de las raíces de diferentes sistemas de control . . . . 474
10.4.4 Efecto de la adición de un polo o un cero . . . . . . . . . . 481
10.4.5 LGR de los sistemas de control con tiempo muerto . . . . . 485
10.5 Contornos de las raíces . . . . . . . . . . . . . . . . . . . . . . . . 486
10.6 Gráfica polar y estabilidad . . . . . . . . . . . . . . . . . . . . . . 490
10.6.1 Criterio de estabilidad de Nyquist . . . . . . . . . . . . . . 490
10.6.2 Criterio de estabilidad de Foellinger-Yeung . . . . . . . . . 494
10.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 501
10.8 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 501
11 Robustez de los lazos de control 503

11.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504
11.2 Análisis de la estabilidad . . . . . . . . . . . . . . . . . . . . . . . 504
11.3 Índices de robustez . . . . . . . . . . . . . . . . . . . . . . . . . . 507
11.3.1 Índices de estabilidad relativa . . . . . . . . . . . . . . . . 509
11.3.2 Criterio de estabilidad de Bode . . . . . . . . . . . . . . . . 512
11.3.3 Margen de estabilidad y sensibilidad máxima . . . . . . . . 512
11.3.4 Índices de robustez paramétricos . . . . . . . . . . . . . . . 517
11.3.5 Relaciones entre las medidas de robustez . . . . . . . . . . 521
11.4 Estabilidad relativa en el diagrama de Bode . . . . . . . . . . . . . 524
11.4.1 Márgenes de ganancia y fase . . . . . . . . . . . . . . . . . 524
11.4.2 Diagrama de Bode combinado . . . . . . . . . . . . . . . . 527
11.4.3 Criterio de estabilidad de Bode revisado . . . . . . . . . . . 530
11.5 Fragilidad del controlador . . . . . . . . . . . . . . . . . . . . . . . 532
11.5.1 Fragilidad en la robustez . . . . . . . . . . . . . . . . . . . 533
11.5.2 Fragilidad en el comportamiento . . . . . . . . . . . . . . . 534
11.5.3 Anillos de fragilidad . . . . . . . . . . . . . . . . . . . . . 535
11.6 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 536
11.7 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 537
12 Análisis del control proporcional, integral y derivativo 539

12.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540
xxiii
12.2 Comportamiento del sistema de control de dos posiciones . . . . . . 541
12.3 Análisis del control proporcional en estado estacionario . . . . . . . 544
12.4 Control proporcional . . . . . . . . . . . . . . . . . . . . . . . . . 548
12.4.1 Procesos controlados de primer orden . . . . . . . . . . . . 548
12.4.2 Procesos controlados de segundo orden . . . . . . . . . . . 558
12.5 Efecto de la adición de un polo o un cero . . . . . . . . . . . . . . . 562
12.6 Efecto del tiempo muerto del proceso . . . . . . . . . . . . . . . . 566
12.7 Control proporcional e integral . . . . . . . . . . . . . . . . . . . . 569
12.8 Control proporcional y derivativo . . . . . . . . . . . . . . . . . . . 577
12.9 Contornos de las raíces del control PID . . . . . . . . . . . . . . . 581
12.9.1 Control proporcional (P) . . . . . . . . . . . . . . . . . . . 581
12.9.2 Control proporcional e integral (PI) . . . . . . . . . . . . . 582
12.9.3 Control proporcional y derivativo (PD) . . . . . . . . . . . 583
12.9.4 Control proporcional, integral y derivativo (PID) . . . . . . 585
12.10Polos y ceros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587
12.10.1 Efecto de la cancelación de polos con ceros . . . . . . . . . 588
12.11Plantas integrantes y no integrantes . . . . . . . . . . . . . . . . . . 589
12.11.1 Control PI de un proceso no integrante de primer orden . . . 590
12.11.2 Control P de un proceso integrante . . . . . . . . . . . . . . 590
12.12Efecto de la variación del proceso o del controlador . . . . . . . . . 591
12.12.1 Variación de los parámetros del proceso controlado . . . . . 592
12.12.2 Variación de los parámetros del controlador . . . . . . . . . 600
12.13Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 606
12.14Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 607
IV Ajuste de los sistemas de control PID 609
13 Ajuste analítico de los algoritmo de control PID 611

13.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 612
13.2 Deducción matemática del servo control . . . . . . . . . . . . . . . 613
13.2.1 Procesos sin tiempo muerto . . . . . . . . . . . . . . . . . 614
13.2.2 Procesos con tiempo muerto . . . . . . . . . . . . . . . . . 625
13.3 Deducción matemática del control regulador . . . . . . . . . . . . . 634
13.4 Deducción matemática de los PID de dos grados de libertad . . . . . 634
13.4.1 Características de comportamiento y robustez . . . . . . . . 637
xxiv
13.4.2 Procedimiento de ajuste analítico robusto ART2 . . . . . . . 638
13.4.3 Aplicación del ART2 a procesos sin tiempo muerto . . . . . 639
13.4.4 Aplicación del ART2 a procesos con tiempo muerto . . . . . 646
13.5 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 651
13.6 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 652
14 Control con modelo interno 653

14.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 654
14.2 Controlador IMC . . . . . . . . . . . . . . . . . . . . . . . . . . . 656
14.2.1 Procedimiento de diseño . . . . . . . . . . . . . . . . . . . 658
14.3 Controladores PI(D)-IMC . . . . . . . . . . . . . . . . . . . . . . . 663
14.3.1 Procesos de primer orden, controlador PI . . . . . . . . . . 665
14.3.2 Procesos de segundo orden, controlador PID . . . . . . . . 666
14.3.3 Procesos de primer orden más tiempo muerto . . . . . . . . 666
14.3.4 Procesos con respuesta inversa . . . . . . . . . . . . . . . . 671
14.4 Control sencillo (SIMC) . . . . . . . . . . . . . . . . . . . . . . . 673
14.4.1 Procesos sobreamortiguados . . . . . . . . . . . . . . . . . 673
14.5 Ajuste para obtener servo controles robustos . . . . . . . . . . . . . 676
14.6 Control de procesos de orden alto . . . . . . . . . . . . . . . . . . 677
14.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 678
14.8 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 679
15 Reglas de ajuste de los algoritmos de control PID 681

15.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 682
15.2 Estudios iniciales para el ajuste de los controladores . . . . . . . . . 685
15.3 Reglas de ajuste de Ziegler-Nichols . . . . . . . . . . . . . . . . . 687
15.3.1 Ajuste a partir de la información crítica . . . . . . . . . . . 689
15.3.2 Ajuste a partir de información de la curva de reacción . . . . 690
15.3.3 Controlador Taylor Instruments Fulscope 100 . . . . . . . . 692
15.3.4 Actualización de las reglas de Ziegler-Nichols . . . . . . . . 693
15.4 Desarrollos posteriores . . . . . . . . . . . . . . . . . . . . . . . . 697
15.5 Primeras distinciones entre el control regulador y el servo control . . 698
15.6 Reglas con base en criterios de error integral . . . . . . . . . . . . . 698
15.6.1 Ajuste óptimo de los algoritmos de control PID . . . . . . . 700
15.7 Comportamiento y robustez de los sistemas de control . . . . . . . . 705
15.7.1 Análisis del conflicto entre el comportamiento y la robustez 705
15.8 Ajuste robusto y óptimo uSORT . . . . . . . . . . . . . . . . . . . 714
15.8.1 Controladores de un grado de libertad . . . . . . . . . . . . 715
xxv
15.8.2 Controladores de dos grados de libertad . . . . . . . . . . . 719
15.8.3 Valores requeridos del factor de peso del valor deseado . . . 722
15.9 Software para el análisis y el ajuste de los sistemas de control PID . 723
15.10Ajuste con otros criterios . . . . . . . . . . . . . . . . . . . . . . . 725
15.11Ajuste robusto del controlador PIDA de 2GdL . . . . . . . . . . . . 726
15.12Solución de los conflictos para el diseño de los sistemas de control . 728
15.13Ajuste de los parámetros del algoritmo de control . . . . . . . . . . 734
15.13.1 Información y procedimientos . . . . . . . . . . . . . . . . 734
15.13.2 Procedimiento de ajuste y prueba . . . . . . . . . . . . . . 735
15.14Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 738
15.15Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 739
16 Ajuste robusto de controladores por modelo de referencia 747

16.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 748
16.2 Procedimiento de diseño MoReRT . . . . . . . . . . . . . . . . . . 749
16.2.1 Funcionales de costo . . . . . . . . . . . . . . . . . . . . . 749
16.2.2 Modelos de referencia . . . . . . . . . . . . . . . . . . . . 750
16.2.3 Modelos del proceso y algoritmos de control normalizados . 751
16.3 MoReRT PI para procesos sobreamortiguados . . . . . . . . . . . . 753
16.3.1 Modelos de referencia sobreamortiguados . . . . . . . . . . 753
16.3.2 Modelos de referencia subamortiguados . . . . . . . . . . . 755
16.4 MoReRT PID para procesos sobreamortiguados . . . . . . . . . . . 757
16.4.1 Controlador PID Estándar ideal de 2GdL con filtro . . . . . 759
16.4.2 Controlador PID Paralelo de 2GdL con dos filtros de entrada 764
16.5 Procedimiento MoReRT general . . . . . . . . . . . . . . . . . . . 767
16.6 Diseño MoReRT con especificaciones del esfuerzo de control . . . . 769
16.7 Normalización de los parámetros del controlador . . . . . . . . . . 772
16.8 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 774
16.9 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 775
17 Control de procesos integrantes, inestables y con respuesta inversa 777

17.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 778
17.2 Control de procesos con respuesta inversa . . . . . . . . . . . . . . 778
17.2.1 Deducción matemática del control regulador (PID 1GdL) . . 779
17.2.2 Control PI de 2GdL por modelo de referencia (MoReRT) . . 782
17.2.3 Control PID de 2GdL por modelo de referencia (MoReRT) . 788
17.3 Control de procesos integrantes . . . . . . . . . . . . . . . . . . . . 789
17.3.1 Deducción matemática del servo control . . . . . . . . . . . 790
17.3.2 Deducción matemática del control regulador . . . . . . . . 791
17.3.3 Control PI de 2GdL por modelo de referencia (MoReRT) . . 793
xxvi
17.3.4 Control MoReRT PID2IF . . . . . . . . . . . . . . . . . . . 797
17.4 Control de procesos inestables con tiempo muerto . . . . . . . . . . 799
17.4.1 Control MoReRT PI2 . . . . . . . . . . . . . . . . . . . . . 800
17.4.2 Control MoReRT PID2F . . . . . . . . . . . . . . . . . . . 803
17.4.3 Control MoReRT PID2IF . . . . . . . . . . . . . . . . . . . 805
17.5 Modelos del proceso y parámetros del controlador normalizados . . 806
17.6 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 809
17.7 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 809
18 Control de procesos dominados por el tiempo muerto 811

18.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 812
18.2 Compensadores del tiempo muerto . . . . . . . . . . . . . . . . . . 815
18.3 Controlador proporcional e integral predictivo (PPI) . . . . . . . . . 816
18.3.1 Deducción matemática del controlador PI Predictivo . . . . 818
18.3.2 Controlador PPI de dos grados de libertad . . . . . . . . . . 824
18.4 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 825
18.5 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 826
V Otros esquemas de control 829
19 Control en cascada, selectivo y de razón 831

19.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 831
19.3 Control en cascada . . . . . . . . . . . . . . . . . . . . . . . . . . 833
19.3.1 Funcionamiento del control en cascada . . . . . . . . . . . 833
19.3.2 Ajuste robusto de un sistema de control en cascada . . . . . 838
19.4 Control selectivo . . . . . . . . . . . . . . . . . . . . . . . . . . . 840
19.5 Control de razón . . . . . . . . . . . . . . . . . . . . . . . . . . . 844
19.6 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 848
19.7 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 849
20 Control anticipativo 851

20.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 851
20.2 Control anticipativo para el seguimiento del valor deseado . . . . . 852
20.3 Control anticipativo para el rechazo de la perturbación . . . . . . . 858
20.3.1 Controlador anticipativo . . . . . . . . . . . . . . . . . . . 858
20.3.2 Controlador anticipativo simplificado . . . . . . . . . . . . 861
20.4 Estructura general del control anticipativo y realimentado . . . . . . 865
20.5 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 870
xxvii
20.6 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 870
21 Control multilazo de los procesos multivariables 873

21.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 874
21.2 Procesos interactivos “2x2” (TITO) . . . . . . . . . . . . . . . . . 877
21.3 Efecto de la interacción sobre la estabilidad de los lazos de control . 878
21.3.1 Polos de lazo cerrado . . . . . . . . . . . . . . . . . . . . . 880
21.3.2 Índice de Niederlinski . . . . . . . . . . . . . . . . . . . . 880
21.4 Matriz de índices de interacción (RGA) . . . . . . . . . . . . . . . 882
21.4.1 RGA de un proceso TITO . . . . . . . . . . . . . . . . . . 883
21.5 Índice de interacción e índice de Niederlinski de un proceso TITO . 886
21.6 Medición de la interacción utilizando información dinámica . . . . 887
21.6.1 Matriz de ganancias relativas normalizadas (RNGA) . . . . 889
21.7 Ajuste de los controladores en un sistema de control multilazo . . . 897
21.8 Red de desacopladores . . . . . . . . . . . . . . . . . . . . . . . . 898
21.9 Control multilazo de procesos con propagación de la perturbación . 901
21.9.1 Control de un calentador continuo . . . . . . . . . . . . . . 901
21.10Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 903
21.11Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 904
Apéndices 907
A Modelos de los procesos controlados para los estudios de control 909

A.1 Conjunto de modelos de prueba . . . . . . . . . . . . . . . . . . . 910
A.2 Modelos analíticos . . . . . . . . . . . . . . . . . . . . . . . . . . 913
A.2.1 Reactor químico continuo . . . . . . . . . . . . . . . . . . 913
A.2.2 Tanque calentador de agua eléctrico . . . . . . . . . . . . . 925
A.2.3 Dinámica de un automóvil . . . . . . . . . . . . . . . . . . 932
A.2.4 Vehículo con levitación magnética . . . . . . . . . . . . . . 937
A.2.5 Sistema hidráulico de tanques no interactivos . . . . . . . . 939
A.2.6 Reactor bioquímico . . . . . . . . . . . . . . . . . . . . . . 942
A.2.7 Tanque de mezcla cerrado . . . . . . . . . . . . . . . . . . 947
A.3 Modelos experimentales . . . . . . . . . . . . . . . . . . . . . . . 951
A.3.1 Procesos de pasteurización . . . . . . . . . . . . . . . . . . 951
A.3.2 Tanque calentador de agua . . . . . . . . . . . . . . . . . . 954
A.3.3 Mezcla de líquidos en una columna empaquetada . . . . . . 957
A.4 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 957
B Biblioteca Python Control Systems 961

B.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 962
xxviii
B.2 Listados de instrucciones . . . . . . . . . . . . . . . . . . . . . . . 962
B.2.1 Funciones de control . . . . . . . . . . . . . . . . . . . . . 962
B.2.2 Funciones para el despliegue gráfico . . . . . . . . . . . . . 964
B.3 CACSD con python-control . . . . . . . . . . . . . . . . . . . . . . 965
B.4 Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 974
xxix
1
Introducción
“De las cosas existentes, algunas están

bajo nuestro control y otras no.” ...
“No podemos controlar lo que sucede,
pero sí nuestra reacción ante ello.” ...
Epicteto1
Cada mañana cuando nos duchamos, deseamos que la temperatura y el caudal del
agua de la ducha sea la “ideal”, según nuestros gustos. Por lo tanto, debemos con-
trolar −principalmente− la temperatura.
Para realizarlo, disponemos de dos válvulas para manipular −manos− los cau-
dales de agua. Una para la “fría” y otra para la “caliente”. Las cantidades y la
proporción en que se mezclen estos dos líquidos, determinará la temperatura y el
caudal del agua. Para establecer la mezcla correcta, debemos comparar −cerebro−
nuestra sensación −piel− de la temperatura y el caudal, con sus valores deseados.
Además, debemos estar prestos a hacer las correcciones que fueran necesarias
en los caudales de suministro de agua, en caso de que algún acontecimiento externo
−un cambio en otro consumo del agua− perturbe la temperatura del agua.
Para lograr muestro objetivo de tomar una ducha agradable, debemos sensar
−medir− las variables que deseamos controlar −→ verificar −comparar− si estas
coinciden con lo que deseamos −→ decidir −procesar información− si es necesa-
rio tomar una acción correctiva −actuar− y en su caso, entonces −→ modificar
−manipular− las variables que las afectan −→ verificar −sentir nuevamente− el
efecto de los cambios realizados −→ · · · . ¡En fin, efectuar una acción de control!
1 Epicteto - “Enquiridión” (El Manual de Epicteto), filosofo griego (50-135).
1
2 1 Introducción
1.1 Antecedentes
1.2 El proceso controlado
1.3 Sistemas de control
1.3.1 Componentes y variables del proceso controlado
1.3.2 Formas alternativas para ejercer la acción de control
1.3.3 Instrumentos del lazo de control realimentado
1.3.4 Funcionamiento del sistema de control
1.3.5 Ejecución de la acción de control
1.4 Control realimentado
1.5 Desarrollo del sistema de control
1.6 Algoritmo de control con base en el error
1.7 Resumen
1.8 Bibliografía
En la mayoría de las actividades productivas humanas, existe la necesidad de lograr

que determinadas características de un producto, o que ciertas condiciones de ope-
ración de un proceso, tengan un valor específico a elección y que este valor se man-
tenga, aún ante la presencia de variaciones de otras condiciones del mismo proceso
o del entorno, que las puedan afectar.
El proceso lo constituirán las acciones requeridas para crear un producto −o
subproducto− bajo un conjunto de especificaciones, a partir de determinados insu-
mos −materias primas y energía−.
Para lograr esto, se requiere de algún medio o sistema que se encargue de ejercer
el control necesario del mismo, entendiéndose por control, el modificar una variable
del proceso de manera de lograr que otra, la variable de interés, se comporte como
es deseado. Además, se requiere que esto se efectúe con la mínima participación
humana, usualmente solo con la necesaria para la supervisión del funcionamiento
del sistema. O sea, se requiere que la acción de control sea automática.
1.1 Antecedentes
Los sistemas de control automático, son parte integral e indispensable de los proce-
sos productivos modernos. No solamente para asegurar las características y la calidad
de los productos, sino también para hacer un uso eficiente de la energía y las materias
primas −en relación directa con las variables económicas de la producción−, para
1.1. Antecedentes 3
garantizar la seguridad de los equipos y del personal encargado de su operación, y pa-

ra preservar el medio ambiente, previniendo su contaminación y dando cumplimiento
así, a las leyes de protección ambiental (Stephanopoulos, 1984).
La utilización de sistemas de control automáticos diseñados, instalados, opera-
dos y mantenidos correctamente, no solo ha mejorado la eficacia, la eficiencia y la
seguridad de las instalaciones productivas industriales, así como la calidad de sus
productos, sino que también ha contribuido en muchas otras áreas. Por ejemplo, ha
aumentado la calidad de los servicios de atención de la salud humana, al permitir el
desarrollo de mejores equipos de diagnostico, de soporte a la vida y de apoyo a las
personas con alguna capacidad disminuida (Wilkie et al., 2002).
Un área en la que los sistemas de control también pueden producir un impacto
positivo importante, es en el de la protección del medio ambiente, reduciendo la emi-
sión a la atmósfera de gases peligrosos o contaminantes, o mejorando el tratamiento
de las aguas residuales municipales e industriales.
Dependiendo de la magnitud y la complejidad del proceso productivo, el sistema
de control puede ser simple, este puede incluir solo unos pocos lazos de control y
proveer la información básica para su operación; o consistir en un sistema de control
computadorizado complejo, con cientos de lazos de control y hasta miles de variables
medidas.
Los sistemas de control se pueden encontrar en industrias de procesos y ma-
nufactura muy diversas, como la industria aeroespacial, aeronáutica, del transporte,
agroindustrial, de alimentos, automotriz, de equipo médico, de fabricación de com-
ponentes y equipos electrónicos, la farmacéutica, de generación y distribución de
energía, la metalmecánica, la naval, la petroquímica, de pulpa y papel, la robótica, la
siderúrgica, de tratamiento de aguas residuales, los sistemas de comunicaciones y de
transmisión de información, y otras.
Varias revisiones de las aplicaciones del control aeroespacial, de procesos indus-
triales, en la industria automovilística, en la robótica, en los sistemas biológicos, y
en las fuentes de energía renovables y las redes de distribución de energía eléctrica
inteligentes, son recopiladas por Samad y Annaswamy (2011).
Aparte de las aplicaciones del control desarrolladas por el ser humano para la
industria, la misma naturaleza provee evidencias de su utilización, siendo el cuerpo
humano, un ejemplo claro de un sistema que incorpora sistemas de control indispen-
sables para preservar la vida.
Una de las características que distinguen al control automático, es que esta es
una tecnología horizontal, sus principios se pueden aplicar en una gran diversidad de
campos. Sobre una misma base teórica, cada una de las áreas de aplicación, establece
las características específicas que demanda para el diseño y el funcionamiento de los
sistemas de control particulares.
4 1 Introducción
Sin temor a equivocarse, se puede afirmar que en la actualidad, los sistemas de

control se pueden encontrar casi en cualquier parte y tienen un impacto importante en
múltiples aspectos de la vida y el quehacer humano. Es más, sin ellos no sería posible
operar satisfactoriamente, la mayoría de los procesos de fabricación y manufactura
complejos actuales, ni la operación de un sinnúmero de equipos y dispositivos de uso
común hoy en día. Su proliferación, es la que ha permitido alcanzar el estado actual
de nuestro desarrollo tecnológico.
Las operación continua y segura de los procesos de manufactura, los medios
de transporte −por aire, tierra y mar−, los sistemas de generación y transporte de
energía, los sistemas de comunicaciones, los sistemas de procesamiento de la infor-
mación y en general de todos los dispositivos y equipos tecnológicos actuales, que
damos por descontado, no podría ser así sin que sus correspondientes sistemas de
control automático operen satisfactoriamente.
Como lo afirma Yutaka Yamamoto, Presidente durante el año 2013 de la IEEE
Control Systems Society: “Los sistemas de control están en todas partes.”2
A pesar de su abundancia, normalmente los sistemas de control automático pasan
desapercibidos cuando funcionan correctamente. Pareciera ser que esta es una tecno-
logía invisible como lo indica Karl J. Åström (1999). Su éxito hace que su existencia
no se note, pero salen a relucir cuando no operan como debe ser, cuando el sistema
está “sin control” o “descontrolado”.
Los sistemas de control no solamente deben ser diseñados, instalados, ajustados
y puestos en servicio, sino que requieren también de la supervisión de su operación y
que se les brinde el mantenimiento requerido, para garantizar que su funcionamiento
sea el correcto y según lo esperado, al enfrentar los posibles cambios en el proceso
productivo. Por lo tanto, la ingeniería de control cubre todos los aspectos relaciona-
dos con los sistemas de control, desde la etapa de su desarrollo conceptual inicial,
hasta su operación y mantenimiento.
Para poder efectuar el análisis y el diseño de los sistemas de control, es indispen-
sable contar con información del comportamiento dinámico del proceso que se desea
“controlar”. Por esta razón, este estudio tiene como base la teoría y el análisis de los
sistemas dinámicos, haciendo uso de las herramientas requeridas para esto. El proce-
so controlado es un sistema dinámico, porque su estado evoluciona con el tiempo, en
respuesta a los cambios en los estímulos aplicados al mismo, o en sus características
internas.
Que el proceso sea dinámico, implica que el efecto final que un estímulo exógeno
o un cambio endógeno tiene sobre sus variables, no se alcance en forma instantánea.
Su reacción a esta variación tomará un cierto lapso, el periodo transitorio, durante el
cual sus variables cambian hasta alcanzar un posible nuevo punto de equilibrio −si el
2 http://www.ieeecss.org/control-systems-are-ubiquitous-2016.
1.1. Antecedentes 5
proceso es estable−. Esta evolución de sus variables, representa el comportamiento

dinámico del proceso.
Si bien el origen del uso de los sistemas de control se remonta a la antigüedad, el
desarrollo del gobernador de la máquina de vapor, hecho por James Watt en 1788, con
base en el sensor de velocidad de bolas giratorias inventado por Thomas Mead3 un
año antes, es el hecho histórico que marca el inicio del uso de los sistemas de control
realimentado que no involucran al ser humano. Este artefacto, puede considerarse que
es el primer regulador mecánico proporcional. James C. Maxwell4 hace en 1868, un
estudio analítico de la sensibilidad de este sistema, dando inicio al desarrollo teórico
de los sistemas de control automático.
Gran parte del desarrollo de la teoría y de las herramientas para el estudio de los
sistemas de control, hacen uso de los conceptos de respuesta de frecuencia. Algunas
de las personas que más contribuyeron a este desarrollo, fueron Hendrik W. Bode5 ,
Walter R. Evans6 , Harold L. Hazen7 y Harry Nyquist8 (Dorf y Bishop, 2005).
Estos aportes originales, junto con otros posteriores, han sido compilados en el
libro Control Theory - Twenty-Five Seminal Papers (1932-1981), bajo la edición de
Basar (2001).
Como se verá más adelante, una de las funciones de los sistemas de control, es
hacer que la variable de interés siga a un valor deseado para ella que cambia con el
tiempo. A este tipo de sistemas de control se les llama en general, servo controles
o servomecanismos. La palabra “servo”, que viene del latín “servus” y que significa
siervo o esclavo, fue utilizada por primer vez en el artículo “Theory of Servomecha-
nims”, publicado por Hazen en 1934 en la revista Journal of the Franklin Institute.
Los trabajos de Nyquist (1932) y Hazen (1934), representan un cambio en el
enfoque de la ingeniería de control, ya que los sistemas con que trabajaban, debían
responder a, y seguir, señales que cambiaban rápidamente. Previo a esto, el énfasis
había estado puesto en el problema de regulación (Bennett, 1984).
La aplicación de la teoría de control a los diversos campos, ha sido muy amplia.
En particular, su aplicación a la industria de procesos dio origen en 1930, a lo que
en general se denomina como control de procesos, siendo esta una de las áreas de
aplicación de los sistemas de control más importante (Murrill, 1967).
3 Mead, T. (1787) - “Regulators for wind and other mills”, British Patent (Old series) 1628.
4 Marxell, J.C. (1868) - “On Governors”, Proceedings of the Royal Society of London, 16, 270-283.
5 Bode, H. W. (1945) - “Network Analysis and Feedback Amplifier Design”, D.Van Nostran Com-
pany, Inc., Princenton N.J., USA.
6 Evans, W. R. (1948) - “Graphical Analysis of Control Systems”, Trans. AIEEE, 67 Part II.
7 Hazen, H. L. (1934) - “Theory of servo-mechanims”, Journal of the Franklin Institute, 218, 279-
331.
8 Nyquist, H. (1932) - “Regeneration Theory”, Bell System Tech. J.
6 1 Introducción
Los primeros instrumentos fueron los indicadores −de temperatura, presión, etc.−
instalados en los equipos o proceso. Las válvulas eran ajustadas manualmente por los
operadores. Se empleaban algunos elementos de control autoactuados −reguladores−.
Luego se desarrollaron los transmisores neumáticos. Esto permitió centralizar la in-
formación del proceso, en un tablero de control instalado en el “cuarto de control”,
empleando instrumentos indicadores y registradores para almacenar la “historia” de
la operación del proceso.
Sergei G. Mitereff listó en 19359 , las expresiones de la señal de salida de los
controladores con algoritmos de control proporcional y proporcional e integral, así
como las de algunos otros controladores que llamó “recientes”, como el proporcional
y derivativo, el proporcional, integral y derivativo, o con una segunda derivada.
En 1940 se introdujo en el mercado el primer controlador de uso industrial ge-
neral. Un controlador neumático con un algoritmo de control proporcional, integral
y derivativo (PID), con parámetros ajustables10 , y en 1942 fueron desarrolladas por
John Ziegler y Nathaniel Nichols11 , sus conocidas reglas para el ajuste de los con-
troladores con este tipo de algoritmo de control. Estos eran controladores de “caja
grande” (ver la figura 7.33 del Capítulo 7).
Se podía enviar entonces la señal de control −la salida de los controladores en el
tablero de control−, a los elementos finales de control −mayoritariamente válvulas
de control neumáticas−, instalados en el “campo” −en el proceso mismo−.
Durante la Segunda Guerra Mundial, se dio un gran impulso al desarrollo mate-
mático de los sistemas de control. Posteriormente, en 1950, el redescubrimiento del
concepto de variables de estado, desarrollado cincuenta años antes para la mecánica
clásica por J. Henry Poincaré, Aleksandr M. Lyapunov y otros, dio origen a lo que
se denominó teoría de control moderno, llamando a los desarrollos anteriores, he-
chos con base en el análisis principalmente en la frecuencia, como teoría de control
clásico.
Paradójicamente, las técnicas de “control moderno” (1950−1980), tienen como
base conceptos −las “variables de estado”− desarrollados antes, que los métodos de
“control clásico” (1930−1950).
En la década de 1950, se redujo el tamaño de las cajas de los controladores y se
desarrollaron los controladores electrónicos.
El primer congreso mundial de la IFAC (“International Federation of Automatic
Control”12 ) se celebró en Moscú en 1960. En este, Dudolf E. Kalman introduce el
9 Mitereff, S. G. (1935), “Principles underlying the rational solution of automatic-control pro-
blems”, Trans. American Society of Mechanical Engineers, 57, 159-163.
10 el Taylor Instruments Fulscope Series 100, Taylor Instruments, Rochester, NY, EE.UU.
11 Ziegler, J. G. y N. B. Nichols (1942) - “Optimum Settings for Automatic Controllers”, ASME
Transactions, 64, 759-768.

12 http://www.ifac-control.org/
1.1. Antecedentes 7
concepto de espacio de estados, en el artículo “On the General Theory of Control

Systems” (Dorato, 1996).
Durante las décadas de los años 50 y 60 del siglo pasado, las únicas medidas de
“robustez” utilizada eran los márgenes de magnitud y fase, y no es hasta la década
los años 70 del siglo pasado en que se emplea el término control robusto, el cual
aparece por primera vez en 1975 en el artículo de Edward J. Davison y Andrew A.
Goldenberg, en el cual tratan el problema del “servomecanismo robusto”13 .
Durante esa época, se producen cambios en las señales empleadas para la trans-
misión de la información del proceso y su control.
La historia del control automático, desde los antiguos griegos y árabes hasta fina-
les del siglo XX, es relatada por Bissell (2009). Otras descripciones de la evolución
de los sistemas de control y en particular de los instrumentos asociados a estos, se
puede encontrar en Babb (1990), Bennett (1996), Kompas (1989), Stoffel (1989) y
Strothman (1995).
La distinción entre teorías de control “modernas” y “clásicas”, no tiene mucho
sentido en la actualidad, ya que ambos enfoques y conjuntos de herramientas de
análisis y diseño coexisten en la práctica. Son más bien las características del proceso
que se debe controlar, las que determinan la técnica más adecuada a utilizar. Es por
lo tanto conveniente, clasificar los estudios de control con base en la información del
proceso utilizada para su desarrollo.
Por un lado, se tienen los sistemas de control para procesos con una sola varia-
ble que debe ser controlada. Sistemas en los que se restringe el comportamiento de
una variable −“salida”−, modificando otra que la afecta −“entrada”−, denominados
sistemas de control univariable. Para estos, el estudio se realiza a partir de las carac-
terísticas que relacionan estas dos variables. Esto es, con base en la relación entre la
entrada y la salida del proceso.
Por otro lado, están los sistemas en los cuales existe un conjunto considerable de
variables del proceso con interacción entre si que deben ser controladas, o donde se
utiliza información de las variables internas del proceso −sus estados−, denomina-
dos sistemas de control multivariable.
Los sistemas de control univariable, se pueden estudiar adecuadamente con téc-
nicas en el domino del tiempo, la variable compleja y la frecuencia, utilizando la
respuesta temporal, las funciones de transferencia y herramientas gráficas en la fre-
cuencia, mientras que el tratamiento de los sistemas de control multivariable, se rea-
liza en forma más adecuada en el dominio del tiempo, empleando las variables de
estado y el álgebra matricial.
13 Davison,
E. J. y A. Goldenberg (1975) - “Robust Control of a General Servomechanism Problem:
The Servo Compensator”, Automatica , 11 (5), 461-471.
8 1 Introducción
En el estudio que se emprenderá sobre los sistemas de control, este se restringirá

principalmente al caso univariable. Esto es, al control de aquellos procesos en los
cuales se debe restringir −controlar−, el comportamiento de solo una variable, para
lo cual se dispondrá de otra variable del proceso que influye sobre la variable de
interés y que puede ser modificada −manipulada−. Estos son procesos con solo una
“entrada” y una sola “salida” o procesos SISO (“single-input-single-output”).
Esto en ningún momento significa por supuesto, que el proceso o planta completa
tenga solo una variable que debe ser controlada. En la práctica, estas pueden ser
muchas. Sin embargo, se supondrá que estas no interaccionan unas con otras, por lo
que el control de cada una de ellas, se puede efectuar en forma independiente del de
las demás.
Aunque es posible que al variar una de las variables controladas o manipuladas
del proceso, se ejerza una influencia perturbadora sobre el funcionamiento de alguna
otra variable controlada en el mismo, si al efectuar el control de esta última no se
afecta a su vez a la primera, las dos estarán desacopladas.
En adición al análisis y el diseño de los sistemas de control univariable, se hará
una presentación, sin que esta sea muy extensa, de la utilización de esquemas de
control que involucran a más de una variable de interés que se desea controlar y a
una o más variables que pueden ser manipuladas para ejercer la acción de control.
El estudio de los sistemas de control, debe iniciarse con la determinación de las
características de funcionamiento del proceso controlado, para poder representarlo
por un modelo. La primera etapa del diseño de los sistemas de control es entonces, la
selección y el ajuste del modelo adecuado para los estudios a realizar. Este modelo,
representará el comportamiento del proceso controlado en el punto de operación en
donde se ha identificado y por lo tanto, su validez se restringe a variaciones pequeñas
de las variables en torno a ese punto.
Además de la variable del proceso que se puede manipular, existe un sinnúmero
de otras variables que también afectan a la variable de interés o bajo control. En-
tonces, el problema del diseño del sistema de control, se puede establecer como el
determinar cómo es posible actuar sobre el proceso, de manera de logar que este
funcione en la forma deseada, aún ante la afectación que le producen otras variables
del proceso y de la incertidumbre o aproximación, con que el modelo utilizado lo
representa.
Lo anterior, no puede dejar de lado las restricciones físicas que pudieran exis-
tir, para la implementación del sistema de control diseñado, ni el estar consiente de
las aproximaciones o limitaciones de la información que se usó como base para su
desarrollo.
La aplicación de la teoría de control, trasciende a los campos tradicionales de la
ingeniería, aplicándose en el estudio de los sistemas biológicos, económicos y otros.
Los sistemas, procesos o plantas, cuyo comportamiento se desea estudiar o restringir,
1.2. El proceso controlado 9
Medio
externo
SP1
SPx
Terminales de
las variables SPk
SP2 SPn
Proceso Frontera
Figura 1.1: Proceso a controlar
mediante la aplicación de una estrategia de control adecuada, son heterogéneos, están

formados por subsistemas de naturaleza muy diversa.
Si bien el control es una teoría sistémica de aplicación muy amplia, la forma en
que esta se puede implementar, depende de la naturaleza del proceso controlado, de
lo que este demande y de la tecnología disponible (Isermann, 2011).
Un vistazo retrospectivo extenso, del desarrollo de la teoría de control, se en-
cuentra en Åström y Kumar (2014).
1.2 El proceso controlado

El primer paso para pasar de un sistema físico a su modelo matemático, es aislar la
parte del universo que interesa estudiar. A esta parte, se le llamará, el proceso.
El sistema de control se puede ver entonces, como la interconexión de dos siste-
mas, el proceso y el controlador, los cuales comparten un conjunto de variables.
Tal como se muestra en la figura 1.1, el proceso está constituido a su vez por un
conjunto de subprocesos (SP) interconectados unos con otros, compartiendo varia-
bles. La frontera separa lo que se considera que forma parte del proceso, de lo que
es el medio externo. El proceso interacciona con el medio externo, a través de termi-
nales que permiten el acceso a sus variables, o a un subconjunto de las mismas que
sean de interés. Estos terminales son de dos tipos: los que corresponden al conjunto
ϑ de las variables cuyo efecto se desea controlar o evaluar y los que corresponden al
conjunto ϕ de las variables de control (Chaturvedi, 2010; Willems, 2007).
El medio externo actúa sobre el proceso en algunos terminales imponiendo cam-
bios en ciertas variables, que se pueden considerar como “entradas”. Por medio de
otros terminales, se obtiene información de la reacción de las variables de interés
10 1 Introducción
dentro del proceso a estos cambios, las cuales se pueden considerarse como “sali-
das”.
Las variables cuyo efecto se desea controlar o evaluar, incluyen los valores
deseados de algunas variables, las perturbaciones y las señales de control, las cuales
aparecen o afectan el índice utilizado para medir el comportamiento del sistema de
control.
Las variables de control incluyen las señales provistas por los elementos de medi-
ción −transmisores− y las señales enviadas a los elementos de actuación −elementos
finales de control−. Estas corresponden a las variables de los terminales en donde el
controlador se puede conectar al proceso. Esto es, son variables disponibles para el
controlador.
Algunas de las variables de interés en el sistema de control, pueden pertenecer
a ambos conjuntos. Por ejemplo, una variable de control como la señal de salida del
controlador o esfuerzo de control, puede considerarse también como una variable
cuyo comportamiento se deba evaluar.
Lo que se desea hacer, es restringir el funcionamiento del proceso interconec-
tándolo a un controlador, de manera que las características de su comportamiento
cumplan con un conjunto de especificaciones de diseño.
En general, el proceso estará representado por un modelo de la forma
P{θ p , ϑ , t}, (1.1)
donde θ p es el conjunto de parámetros del proceso y t la variable independiente
tiempo. Por su parte, el controlador lo estará por el modelo
C {θc , ϕ, t}, (1.2)
donde θc es el conjunto de parámetros del algoritmo de control del controlador a
justar.
Aunque las características dinámicas del proceso no son constantes, usualmente
se hace uso de un modelo nominal, con parámetros constantes que se consideran
representativos de su comportamiento. El algoritmo de control del controlador, se
considerará de estructura fija y con parámetros ajustables, que una vez seleccionados
permanecerán fijos.
1.3 Sistemas de control

El controlador y el proceso interactúan entre si, compartiendo variables por los ter-
minales de las variables de control o terminales de control, formando el sistema de
control, tal como se muestra en la figura 1.2. Este a su vez, comparte variables con
el procedimiento de evaluación, para determinar el valor de los índices que miden su
comportamiento.
1.3. Sistemas de control 11
Figura 1.2: Sistema de con-

trol
Figura 1.3: Componentes del sistema de control
1.3.1 Componentes y variables del proceso controlado

Para la interconexión entre el proceso y el controlador, se requieren elementos de
medición y trasmisión T , y elementos de actuación A . Por lo tanto, el proceso
controlado es el conjunto
Pc {A , P, T }. (1.3)
El sistema de control es entonces un sistema interconectado formado por el con-

junto {proceso controlado, controlador}
Sc {Pc , C }, (1.4)
tal como se muestra en la figura 1.3.

Se puede decir que, en general, el objetivo del sistema de control es “contro-
lar”, esto es, restringir el comportamiento de una variable del proceso, la cual se
denominará como variable controlada y que se denotará como C(t), de una manera
12 1 Introducción
Figura 1.4: Variables del

proceso
Figura 1.5: Variables del

proceso controlado
determinada, modificando una variable del proceso que la afecte, denominada varia-
ble manipulada que se denotará como M(t), por medio del controlador. El tiempo t
será la variable independiente.
Las otras variables del proceso, mostrado en la figura 1.4, que afectan a la va-
riable controlada, pero que no son modificadas por el controlador, se denominan
perturbaciones y se denotarán como D(t).
El controlador recibirá la información de la variable controlada, por medio de
la señal realimentada, provista por el elemento de medición y transmisión, y que se
denotará como Y (t). El esfuerzo de control o señal de salida del controlador, que
será denotada por U(t), es enviada al elemento de actuación, cerrándose así el lazo
de control realimentado.
En adelante, al conjunto de elementos a controlar, se le denominará indistinta-
mente como planta o proceso controlado, mostrado en la figura 1.5. Este incluye
al proceso en si y a los instrumentos de medición y actuación necesarios para su
interconexión con el controlador.
1.3.2 Formas alternativas para ejercer la acción de control

Considérese por ejemplo el sistema hidráulico mostrado en la figura 1.6, en el cual se
tiene un tanque, la válvula V1 para regular la entrada de líquido al tanque y la válvula
V2 para variar la salida de líquido del mismo. Se desea restringir el nivel del líquido
en este tanque, a mantenerse en un valor constante, modificando mediante la válvula
V1 el caudal de este que entra al tanque. El nivel del líquido en el tanque es por lo
tanto la variable controlada y el caudal de líquido que entra al mismo, la variable
Figura 1.6: Sistema sin

control
manipulada.
Sistema sin control

Supóngase que para una determinada posición o apertura de la válvula V2 , se ha
calculado la apertura requerida de la válvula V1 , para mantener el nivel H(t) del
líquido en el tanque, en el valor deseado Ho y que esta se ha ajustado y permanece
fija en esta posición. En este sistema sin control, no será posible mantener el nivel
del líquido en el valor deseado, si la apertura de la válvula de salida cambia. Incluso
existe la posibilidad de que el tanque se rebalse o que este quede completamente
vacío, si las variaciones en V2 son excesivas. La variación de la apertura de la válvula
de salida V2 , es una de las posibles perturbaciones.
Control realimentado
El comportamiento del sistema sin control no es satisfactorio. Es necesario tomar
alguna acción correctiva ante las desviaciones del nivel del líquido, producidas por la
presencia de la perturbación. De alguna forma y con un criterio determinado, se debe
variar el caudal del líquido de entrada, para regresar el nivel del líquido en el tanque
a su valor deseado.
Una manera de realizar lo anterior, es utilizar la información del nivel real del
líquido en el tanque y verificar si este cumple con los objetivos establecidos. Para
realizar esto, se utilizará un operador humano como se muestra en la figura 1.7, en-
cargado de observar el nivel del líquido en el tanque en el indicador que para este fin
se ha adicionado al mismo y de manipular la apertura de la válvula V1 cuando sea
necesario.
El operador observa (siente) el valor real de la variable controlada y como conoce
cual es el valor deseado para la misma, los compara. Si hay alguna diferencia entre
14 1 Introducción
Figura 1.7: Control realimentado manual
ellos, determina que existe un error (error = valor deseado − valor real), toma una
decisión con base en este error, a su magnitud y signo, y actúa para corregirlo.
La acción de control tiene como base la existencia de una diferencia entre el valor
deseado y el valor real de la variable controlada −el error−. Se tiene por lo tanto una
realimentación negativa.
El conocimiento que debe tener el operador sobre el funcionamiento del proceso
es mínimo, le basta saber que debe cerrar la válvula V1 un poco si el nivel empieza a
subir −se presenta un error negativo− y que debe abrirla un poco más si el nivel está
bajando −se presenta un error positivo−. La prontitud con que logre restablecer el
nivel del líquido en el tanque en su valor deseado, será el resultado de su velocidad
de reacción y de su habilidad para operar la válvula.
Se ha establecido un sistema de control, en este caso manual, en el cual el contro-
lador humano utiliza la observación de una variable del proceso, para actuar sobre el
mismo. El mide, compara, toma decisiones y actúa para ejercer la acción de control.
La utilización de la información de la variable controlada para modificar la variable
manipulada que la afecta, produce un lazo de realimentación. Se tiene entonces un
sistema de control realimentado o de lazo cerrado, como se muestra en la figura 1.8.
Es importante notar, que el operador no toma ninguna acción correctiva hasta que
no determine que existe un error, siendo este la diferencia entre el valor deseado y el
valor real de la variable controlada. Primero debe existir un error, para luego utilizarlo
de manera de disminuir precisamente este mismo error. Por lo tanto, un sistema de
control realimentado no puede ejercer un control perfecto, esto es, con un error nulo
todo el tiempo. El sistema de control realimentado reacciona ante la presencia de un
Figura 1.8: Sistema de control realimentado
error. Sin embargo, el operador corregirá el efecto adverso de cualquier perturbación

en el proceso −que ocasione un error en el valor de la variable controlada−, sin
necesidad de conocer su tipo u origen.
El uso de la realimentación, le permite al operador hacer frete a su ignorancia,
a su desconocimiento del proceso controlado, por ejemplo cómo cambian sus carac-
terísticas dinámicas al variar el punto de operación, o la forma en que lo influencian
las perturbaciones (Horowitz, 1963).
Control anticipativo
Ahora bien, existe otra posibilidad para controlar el nivel del líquido en el tanque,
como se muestra en la figura 1.9.
Se supondrá ahora, que la única otra variable que afecta el proceso, aparte de
la apertura de la válvula V1 que se está manipulando, es la apertura de la válvu-
la V2 −sobre la cual no se tiene ningún control− y que además, se conoce cual es
la apertura requerida de la válvula de entrada V1 , para mantener el nivel H(t) del
líquido en el valor deseado Ho , para cualquier apertura de la válvula de salida V2
−porque se ha estudiado en detalle el comportamiento del proceso, el tanque y el
equipo auxiliar−. Entonces, el operador humano −sensor, controlador y actuador−,
observando el cambio que se produzca en la apertura de la válvula de salida del tan-
que, podría ajustar en forma inmediata la válvula de entrada de líquido, a la apertura
requerida para conservar el nivel del líquido sin variaciones, sin necesidad de obser-
var el nivel real del líquido en el tanque, ni esperar a que se presente un error en el
mismo.
En este caso, se tiene siempre un sistema de control, porque se actúa sobre el
proceso con base en una observación. Sin embargo, como esta no es de la variable
de interés, de la variable controlada, este es un sistema de control a lazo abierto
16 1 Introducción
Figura 1.9: Control anticipativo manual
Figura 1.10: Sistema de control anticipativo
conocido como control anticipativo o control en adelanto, como el mostrado en la

figura 1.10. Por lo menos teóricamente, el operador humano estaría en capacidad de
mantener el sistema de control con un error nulo todo el tiempo. El sistema de control
anticipativo trata de prevenir la existencia de un error.
Es evidente que este último esquema de control, requiere de un conocimiento
mayor del funcionamiento del proceso controlado, ya que no se emplea el valor real
de la variable controlada −no hay comparación con el valor deseado y por lo tanto no
hay información del error−. Además, si se produce algún otro cambio en el proceso,
que llegue a afectar el nivel del líquido en el tanque −por ejemplo variaciones en la
presión de suministro del líquido de entrada haciendo variar su caudal por la válvula
V1 −, se presentará un error que no podrá ser corregido.
En el control anticipativo, el operador trata de anular los efectos adversos de las
perturbaciones, pero solo corregirá los de aquellas que está observando y que con-
sideró en el estudio del proceso controlado. Por esta razón, este esquema de control
debe complementarse con un lazo de realimentación, para poder garantizar la correc-
ción de los efectos adversos, de todas aquellas perturbaciones que no fueron tomadas
en consideración por el control anticipativo.
1.3.3 Instrumentos del lazo de control realimentado

Volviendo al esquema de control realimentado descrito anteriormente, se puede dar
un paso adicional para el desarrollo del sistema de control, instalando varios instru-
mentos como se muestra en la figura 1.1114 .
En sustitución del indicador de nivel utilizado por el operador humano, se instala
un instrumento que mida el nivel del líquido en el tanque y que provea una señal
proporcional a este −el sensor y transmisor de nivel LT-10−. Esta información, junto
con el valor deseado del nivel del líquido, puede ser empleada por otro instrumento
−el controlador de nivel LIC-10− para determinar la existencia o no de un error y
tomar una acción correctiva si fuera necesario, modificando la apertura de la válvula
de entrada −el elemento final de control, la válvula de control de nivel LV-1015 −. Se
han instalado así, todos los instrumentos requeridos para poder realizar el control del
nivel del líquido en el tanque.
Se tiene ahora un sistema de control realimentado automático, el cual incorpora
los dispositivos necesarios para la medición de la variable controlada, su compara-
ción con el valor deseado para la misma, la toma de decisiones, la generación de la
señal de control y la modificación de la variable manipulada, todo esto sin interven-
ción humana.
En forma simple, un sistema de control realimentado automático implica: prime-
ro medir, luego calcular y finalmente actuar.
1.3.4 Funcionamiento del sistema de control

Además de requerir que el sistema de control mantenga la variable controlada en su
valor deseado, actuando como un control regulador, es posible que debido a cambios
14 Para la simbología utilizada en los diagramas de flujo de instrumentos (P&ID), consultar la norma
ISA 5.1 Instrumentation symbols and identification (International Society of Automation).

15 En este diagrama, el número 10 corresponde al número asignado al lazo de control y LY-10 es un
instrumento auxiliar (un transductor de una señal de corriente eléctrica a una señal de presión de aire,
señal neumática).
18 1 Introducción
Figura 1.11: Control realimentado automático
en el proceso productivo, sea necesario que también deba responder a variaciones en

el valor deseado de la variable controlada. En este otro caso, el sistema de control
debe poder seguir el cambio del valor deseado, llevando la variable controlada a
este nuevo valor. Esto es, se requiere que el sistema de control actúe como un servo
control.
En la figura 1.12 se muestra a manera de ejemplo, para un sistema de control de
un proceso particular con un controlador con un ajuste arbitrario, su funcionamiento
ante un cambio escalón del 20 % en el valor deseado, seguido de un cambio de 10
ud16 en la perturbación.
Como se aprecia, ante el cambio en el valor deseado, el controlador modifica su
señal de salida de manera que la variable controlada “siga” al valor deseado lleván-
dola a su nuevo valor −servo control−, mientras que si se produce un cambio en la
16 “ud ” - unidades de la perturbación, ver la sección 6.4 del Capítulo 6.
Variable controlada, y(t)

100 Valor deseado, r(t)
Perturbación, d(t)
Variables [%]
90
80
70
60
50
40
0 20 40 60 80 100 120 140 160
Tiempo, t [s]
Señal de control, u(t)

100
Variables [%]
90
80
70
60
50
40
0 20 40 60 80 100 120 140 160
Tiempo, t [s]
Figura 1.12: Funcionamiento del sistema de control ante cambios en sus entradas
perturbación que afecta a la variable controlada, este modifica su señal de salida “re-
chazando” su efecto, de manera de regresar la variable controlada a su valor deseado
−control regulador−.
Por lo tanto, en el diseño de los sistemas de control se presentan dos problemas

básicos: el diseño del servo control y el diseño de control regulador, problemas que
no son independientes entre si y en los cuales, el establecimiento de los requisitos o
especificaciones para su funcionamiento, genera uno de los conflictos de diseño que
deben resolverse (Wilkie et al., 2002).
En adición a lo anterior, el seguimiento del valor deseado y el rechazo de las

perturbaciones, debe considerar las incertidumbres del modelo y las variaciones en
las características dinámicas del proceso controlado. El sistema de control diseñado
debe por lo tanto ser robusto (Datta et al., 2000).
20 1 Introducción
Modificar el flujo
de materia o energía Flujos de
entregada o removida materia
o energía
PROCESO
Procesar la
información
del proceso Obtener
información
del proceso
Objetivo
Figura 1.13: Ejecución de la acción de control
1.3.5 Ejecución de la acción de control

Como se ha visto anteriormente, para ejercer la acción de control, es necesario mo-
dificar −manipular− en una forma determinada, la energía o materia adicionada o
removida del proceso, para alcanzar el nuevo punto de equilibrio −restablecer el
balance−, debido a un cambio en el objetivo −característica deseada− estableci-
do para la variable de interés −controlada−, o en otras condiciones del proceso
−perturbaciones− que lo afectan, tan como se ilustra en la figura 1.13.
En el proceso existen flujos de energía o materia entrando y saliendo del mis-
mo. Para regularlos, los elementos de control establecen un flujo de información
−señales− que incluyen tres acciones básicas: medición, procesamiento y acción
correctiva, para lograr su objetivo (Ghosh, 2015).
Por ejemplo, el proceso térmico de la figura 1.14, podría corresponder a una
cámara de refrigeración en la que se remueve energía de su interior para hacer des-
cender su temperatura, a un horno en el cual se inyecta energía para aumentar su
temperatura, o simplemente a una habitación en la cual se debe acondicionar su am-
biente interior, enfriándolo en verano y calentándolo en invierno.
Tomando ahora como ejemplo, nuevamente el proceso hidráulico introducido en
la sección 1.3.2, en el que se debe regular el nivel del líquido en un tanque, este
control se puede efectuar manipulado en caudal del líquido de entrada −variando
el flujo de materia entregada al proceso−, como se muestra en la figura 1.15 (a) o
TT
TV
Fluido calefactor
o refrigerante
Unidad de calefacción
o refrigeración
Figura 1.14: Proceso térmico
I/P
LY LIC
10 10
LV LIC
10 20
LT LT
10 20
I/P
LY
20
LV
20
(a) Manipulando la entrada (b) Manipulando la salida
Figura 1.15: Sistemas de control de nivel
manipulado el caudal del líquido de salida −variando el flujo de materia removida del
proceso−, como se ilustra en la figura 1.15 (b), dependiendo de los requerimientos
de los otros procesos de la planta, relacionados con el líquido en este tanque.
En el primer caso (figura 1.15 (a)), se manipula la entrada de masa al proceso, de
manera que la variación de la masa de líquido en el tanque, es
d[ρAH(t)]
= Qme (θvc ;U(t),t) − Qms (θvs ; D(t), H(t),t), (1.5)
dt
mientras que en el segundo (figura 1.15 (b)), es la salida de masa la que es manipu-
22 1 Introducción
lada, entonces la variación de la masa del líquido en el tanque, es

d[ρAH(t)]
= Qme (θve ; D(t),t) − Qms (θvc ;U(t),t). (1.6)
dt
Además, se tiene que las señales en el sistema de control, son
Y (t) = KT H(t), (1.7)
que es la salida del instrumento sensor y transmisor, y
U(t) = C(θc ; R(t),Y (t),t), (1.8)
que es la salida del controlador.

El sistema de control estará representado entonces, por (1.7) y (1.8) junto con
(1.5) o (1.6), dependiendo de cómo se haya implementado, donde R(t) y D(t) son
estímulos exógeneos y U(t), H(t) y Y (t) variables endógenas.

Los elementos, variables y señales descritas en la sección anterior, permiten estable-
cer el lazo de control realimentado para el control del nivel del líquido en el tanque,
mostrado en la figura 1.16.
Ahora, la planta vista por el controlador −el “proceso controlado”− incluye
al proceso mismo, al elemento de medición y transmisión, y al elemento final de
control, este es el conjunto actuador, planta y sensor.
Los dispositivos que forman el sistema de control, son entonces:
• el controlador, que incluye el comparador de error y los modos de control,
• el elemento final de control,
• el proceso, y
• el sensor y transmisor;
y las variables involucradas en el mismo:
• el error, E(t),
• la perturbación, D(t),
• la señal de salida del controlador −el esfuerzo de control−, U(t),
• la señal realimentada −el valor medido−, Y (t),

1.4. Control realimentado 23
Figura 1.16: Diagrama de bloques del sistema de control realimentado
• el valor deseado (de la variable controlada), R(t),
• la variable controlada, C(t), y
• la variable manipulada, M(t).
El controlador y el proceso controlado interactúan entre si, compartiendo infor-

mación por medio de la señal realimentada Y (t) y la señal de salida del controlador
U(t).
Aunque el controlador trabajará en la práctica con el proceso controlado real,
para el estudio del funcionamiento del sistema de control −en la mayoría de los
casos mediante su simulación digital− y su diseño, se debe contar con un modelo
que represente de la mejor manera posible, el comportamiento dinámico del proceso
controlado. Por lo tanto, en adelante se entenderá que el “proceso controlado” utili-
zado en los estudios de control, es el modelo obtenido para representar al conjunto
actuador, planta y sensor real.
Entonces, dado un objeto físico, el proceso controlado, se debe obtener un objeto
abstracto, el modelo, para representarlo en el estudio y el diseño de su sistema de
control.
Como mínimo, para un sistema de control realimentado univariable simple, se
requiere: 1. un elemento de medición y transmisión −un transmisor−, 2. un con-
trolador y 3. un elemento final de control, comunicándose entre si. Por lo tanto, es
necesario conocer de los instrumentos disponibles para la medición de la variable
controlada de interés, de las características de los algoritmos de control disponibles
en los controladores, de los elementos finales de control que pueden ser utilizados y
24 1 Introducción
de la forma en que estos se deben instalar en el proceso e interconectar entre si para

que compartan la información, formando un sistema de control automático.
1.5 Desarrollo del sistema de control

En forma breve, las etapas del desarrollo de un sistema de control automático univa-
riable, incluyen:
1. Determinar, con base en el estudio del proceso, cuál es su característica (varia-

ble) cuyo comportamiento se desea restringir −la variable a controlar− y cuál
es la variable que puede modificarse −manipularse− para lograrlo.
2. Considerar que la variable seleccionada para restringir el comportamiento de

la variable de interés −para efectuar su control−, la variable manipulada, debe
ejercer una influencia importante en el comportamiento de la variable contro-
lada, para que lo pueda realizar.
3. Analizar la influencia adversa que pudieran tener otras variables (perturbacio-

nes), sobre la variable controlada.
4. Determinar el rango de variación de la variable controlada −para seleccionar

el rango de medición del transmisor− y el de la variable manipulada −para
seleccionar y dimensionar el elemento final de control−.
5. Establecer el esquema de control a utilizar (por el momento se supondrá que

este es un lazo de control realimentado simple).
6. Seleccionar los instrumentos de medición y actuación necesarios, y realizar su

instalación.
7. Instalar el controlador e interconectarlo con los instrumentos anteriores.
8. Obtener información del comportamiento dinámico del proceso. Normalmente

mediante algún tipo de prueba experimental.
9. Analizar el comportamiento dinámico del proceso, en todo el posible rango de

operación del sistema de control.
10. Seleccionar la estructura del modelo, usualmente lineal y de orden reducido, y

ajustar sus parámetros, para lograr la mejor reproducción posible del compor-
tamiento dinámico observado del proceso controlado.
1.5. Desarrollo del sistema de control 25
11. Establecer el requerimiento de estabilidad relativa (robustez), con base en la

estimación de las variaciones de las características del proceso, al modificarse
el punto de operación del sistema de control.
12. Verificar, o seleccionar si fuera posible, el algoritmo de control a utilizar en el

controlador.
13. Establecer las características del comportamiento deseado de la variable con-

trolada, esto es, el criterio de diseño.
14. Seleccionar el procedimiento de ajuste de los parámetros del algoritmo de con-

trol del controlador.
15. Analizar, mediante simulación, el comportamiento del sistema de control dise-

ñado (con el modelo).
16. Ajustar los parámetros del algoritmo de control del controlador del proceso
real. El controlador debe sintonizarse, de manera que trabaje en forma armó-
nica, con el proceso cuyo comportamiento está controlando.
17. Llevar el proceso al punto de operación deseado y poner el lazo de control en

operación automática.
18. Verificar el funcionamiento del sistema de control y, si fuera necesario, realizar

un ajuste fino final de los parámetros del algoritmo de control del controlador.
Para las etapas del desarrollo de un sistema de control automático univariable

cubiertas por este libro, lo que interesa es el estudio de los algoritmos utilizados en
los sistemas de control automático para lograr sus objetivos y no su implementación
física particular.
Dado que el sistema de control está compuesto por dos subsistemas que interac-
túan entre si, el proceso controlado y el controlador, su diseño debe contemplar las
características de sus componentes, las restricciones que su interconexión impone y
el comportamiento dinámico del conjunto.
El proceso controlado tiene un comportamiento natural determinado y el contro-
lador usualmente tendrá una estructura fija. Por lo tanto, podrían existir comporta-
mientos deseados del sistema de control, en particular de la variable controlada, que
no serán posibles de lograr.
Al seleccionar la forma en que se desee restringir el comportamiento de algu-
na variable del sistema de control, la variable controlada o el esfuerzo de control,
deberán tenerse en consideración estas limitaciones.
El valor deseado y la perturbación, son los estímulos exógenos que “activan” el
funcionamiento del sistema de control, suponiendo que este se encuentre en un punto
26 1 Introducción
de equilibrio estable. Por su parte, la señal realimentada proporcionará información

sobre la reacción del sistema a estos estímulos.
El valor deseado establece el punto o la trayectoria de referencia deseada, para
la variable de interés, la variable controlada. Aunque en la mayoría de los sistemas
de control en la industria, el valor deseado de la variable controlada puede perma-
necer constante por intervalos de tiempo prolongados, las condiciones operativas del
proceso −capacidad de producción, especificaciones del producto u otras−, puedan
requerir que este sea modificado, cambiando entonces el punto de operación del sis-
tema de control.
En particular, los cambios en las condiciones operativas del proceso, que sin re-
querir un cambio en su valor deseado, afectan a la variable controlada, se denominan
cambios de carga y constituyen una de las posibles perturbaciones al sistema de con-
trol.
Las demás variables o señales: el error, el esfuerzo de control, la variable mani-
pulada, la variable controlada y otras posibles pertenecientes al proceso, no son ni
entradas ni salidas del sistema de control, son variables a su interior.
Podría decirse que la variable controlada −la señal realimentada−, cambia de-
bido a una modificación en el esfuerzo de control, pero también es cierto, que este
cambia porque la señal realimentada sufrió una variación. Dentro del sistema de con-
trol, el controlador y el proceso controlado interaccionan entre si para establecer su
funcionamiento. En la operación del sistema de control realimentado, aunque este se
represente por un diagrama de bloques en el cual existe un “sentido de flujo” de las
señales, no hay sin embargo una causalidad evidente entre sus subsistemas −¡Qué es
primero!−.
1.6 Algoritmo de control con base en el error

Una parte fundamental de los sistemas de control realimentado, es la comparación
entre el valor deseado R(t) de la variable bajo control C(t) y su valor medido o real
Y (t). Esto es, el cálculo del error como
E(t) = R(t) −Y (t). (1.9)
El controlador incorpora un algoritmo de control para la determinación del es-

fuerzo de control U(t), con el fin de disminuir o eliminar este error.
Como de describirá con detalle más adelante, el algoritmo de control utilizado
con mayor frecuencia en los sistemas de control, particularmente en los controladores
de las aplicaciones industriales, tiene como base la información del valor instantáneo
del error, la de su comportamiento anterior y la de una predicción de su posible
evolución posterior.
1.6. Algoritmo de control con base en el error 27
El cálculo del esfuerzo de control se puede expresar entonces, como
U(t) = UP (t) +UI (t) +UD (t). (1.10)
Los componentes de (1.10) son el resultado de la aplicación de los modos o ac-

ciones de control, que conforman el algoritmo de control utilizado en el controlador:
• Acción proporcional
La magnitud del error y su signo, su valor presente, se incorporan al esfuerzo
de control, con un factor de proporcionalidad, como
UP (t) = Kp E(t), (1.11)
donde Kp es la ganancia proporcional del controlador.
• Acción integral
El comportamiento pasado del error, se incluye en el esfuerzo de control acu-
mulándolo en un término, dado por
Z t
UI (t) = Ki E(ξ )dξ , (1.12)
0
donde Ki es la ganancia integral.
• Acción derivativa
Una predicción del valor futuro del error, se puede agregar al esfuerzo de con-
trol considerando su velocidad de cambio, mediante la expresión
dE(t)
UD (t) = Kd , (1.13)
dt
donde Kd es la ganancia derivativa.
Por lo tanto, los sistemas de control cuyo comportamiento interesa analizar más,
son aquellos cuyo controlador posee un algoritmo de control proporcional, integral y
derivativo, o algoritmo de control PID, con parámetros ajustables, cuya señal salida
es Z t
dE(t)
U(t) = Kp E(t) + Ki E(ξ )dξ + Kd . (1.14)
0 dt
En este algoritmo de control, los parámetros Kp , Ki y Kd , corresponden a los
factores de ponderación ajustables de cada una de las acciones de control.
28 1 Introducción
Además del análisis de la influencia de cada uno de los modos de control, sobre
el funcionamiento del lazo de control realimentado, se describirán los procedimien-
tos para la deducción matemática de las ecuaciones de cálculo de los parámetros
ajustables que tenga el algoritmo de control utilizado, así como el ajuste de estos
parámetros con base en un criterio de diseño a lograr, establecido mediante un con-
junto de indicadores de su funcionamiento −especificaciones de comportamiento y
de estabilidad relativa−.
1.7 Resumen
Un sistema de control está formado por la interconexión de dos subsistemas: el pro-
ceso controlado y el controlador.
Existen dos esquemas de control básicos: el control realimentado −a lazo cerrado−
y el control anticipativo −a lazo abierto−. Todas las implementaciones de control,
son variaciones o combinaciones, de estos dos esquemas.
El control realimentado utiliza la medición de la variable controlada, mientras
que el control anticipativo la de la perturbación.
La utilización de la señal de error, diferencia entre el valor deseado y el valor
real de la variable controlada, en la toma de decisiones para determinar las acciones
correctivas para eliminarlo, es lo que establece el lazo de realimentación y lo que
permite regresar la variable controlada en su valor deseado, cuando se presenta un
cambio en la perturbación −control regulador−, o llevarla a un nuevo valor deseado
cuando este se modifica −servo control−.
La realimentación radica entonces, en el hecho de utilizar información de la va-
riable del interés del proceso −la variable controlada−, para modificar una de sus
variables que la afecta −la variable manipulada−. Por lo tanto, cada variable con-
trolada tiene asociada una variable manipulada, relacionadas entre si por el proceso
controlado.
El control realimentado resuelve la gran mayoría de los problemas de control
haciendo, como se verá, que el sistema de control sea menos sensible a las perturba-
ciones y a las variaciones de las características del proceso controlado, y estabilizan-
do procesos que sin control son inestables. Sin embargo, esta misma realimentación
puede causar que el sistema de control de un proceso que es estable sin control, se
vuelva inestable debido a un mal ajuste de los parámetros del algoritmo de control del
controlador realimentado, o por variaciones grandes en las características del proce-
so. Esto hace indispensable el estudio de los requisitos para asegurar, no solamente la
estabilidad absoluta del lazo de control, si no también el grado de estabilidad relativa
necesario.
1.7. Resumen 29
Por lo tanto, el objetivo principal del sistema de control, es restringir el com-

portamiento de una variable del proceso, de acuerdo con el criterio de diseño esta-
blecido, que contempla sus necesidades de funcionamiento, su comportamiento y su
robustez.
Para lograrlo, el algoritmo de control más utilizado emplea el valor presente del
error, su evolución pasada y una predicción del valor futuro de este error. Este es el
algoritmo de control PID.
Para su uso posterior, se tienen las siguientes definiciones17 :
• Control - acción de modificar una variable del proceso, para restringir el com-
portamiento de otra, la variable de interés, de acuerdo a un criterio o índice
específico, con base en información obtenida del proceso.
• Control automático - ejercer la acción de control sin la intervención directa del

operador humano.
• Control anticipativo - sistema de control en el que la información relacionada

con una o más condiciones que pueden alterar la variable de interés son con-
vertidas, fuera de cualquier lazo de realimentación, en una acción correctiva
para prevenir su desviación.
• Control realimentado - sistema de control en el cual la medición de la variable

de interés es comparada con su valor deseado, para producir una señal actuante
de error, la cual es utilizada para disminuir la magnitud de este error.
• Control proporcional, integral y derivativo - Acción de control en la cual, la

señal de salida del controlador, es proporcional a una combinación lineal de
la entrada, la integral en el tiempo de la entrada y la razón de cambio de la
entrada.
• Control de procesos - regulación o manipulación de las variables que influyen

en la conducta de un proceso, de manera de obtener un producto de una calidad
y en una cantidad deseadas, de una manera eficiente.
• Error - diferencia entre el valor deseado de la variable de interés y su valor

real, el cual se desea disminuir o eliminar.
• Instrumento - dispositivo que realiza una función determinada: medir, indicar,

registrar, controlar, etc.
17 Con
base en una traducción libre de los términos listados en el documento proporcionado por la
MCAA (1973) y en la norma S5.1 de la ISA (1979).
30 1 Introducción
• Instrumentación - conjunto de instrumentos y su aplicación con el propósito

de observar, medir o controlar un proceso.
• Perturbaciones - variables al interior del proceso o estímulos externos, que

desvían la variable de interés de su valor deseado y las cuales no se pueden
manipular.
• Proceso - Cambio físico o químico de la materia, o conversión de energía, en

el cual una o más de sus variables son de interés.
• Señal - variable física normalizada, eléctrica, neumática o de otro tipo, que

porta información de otra variable a la cual representa.
• Señal de control - señal de salida del controlador utilizada por el elemento final
de control, para modificar la variable manipulada.
• Señal realimentada - señal que resulta de la medición de la variable de interés.
• Sistema de control - sistema de instrumentos en el cual la guía o manipulación

deliberada de una variable del proceso, se utiliza para alcanzar o mantener el
valor prescrito de la variable de interés.
• Sistema de control automático - sistema de control que opera sin intervención

humana.
• Valor deseado - valor de referencia para la variable de interés, ya sea fijo o

variable.
• Variable controlada - variable física de interés cuyo valor debe seguir una señal
de referencia cambiante, o mantenerse en un valor de referencia fijo, en una
manera determinada.
• Variable manipulada - variable del proceso que se modifica para ejercer el

control −esta debe afectar en forma significativa a la variable de interés−.
Además, para el establecimiento del sistema de control realimentado se requie-
ren, como mínimo, los siguientes instrumentos:
• Controlador - instrumento que opera en forma automática, recibe el valor
deseado y el valor medido de la variable de interés, incorpora el comparador
de error, el algoritmo de control y produce la señal de control.
• Elemento final de control - instrumento que recibe la señal de control y modi-

fica la variable del proceso, utilizada para ejercer el control de la variable de
interés.
1.8. Bibliografía 31
• Sensor y transmisor - instrumento que provee la información de la variable de

interés mediante la señal realimentada.
A lo largo del estudio que se seguirá de los sistemas de control automático, su

análisis, diseño y ajuste, se hará uso reiterado de temas como el modelado, la iden-
tificación y el comportamiento dinámico del proceso controlado, así como de los
relacionados con los algoritmos de control proporcional, integral y derivativo (PID),
la estabilidad y la robustez del control realimentado, y el ajuste analítico o mediante
reglas, de los parámetros del algoritmo de control del controlador.
Aunque el estudio estará centrado en los sistemas de control realimentados uni-
variables para los procesos sobreamortiguados, también se tratará el control de los
procesos integrantes, inestables y con respuesta inversa. Además, se incluye el es-
tudio de otros esquemas de control, como el control en cascada, el selectivo y el de
razón, el control anticipativo y su combinación con el control realimentado, y los
sistemas de control multilazo, para el control de los procesos multivariables.
1.8 Bibliografía
Åström, K. J. (1999). Automatic control - the hidden technology. En Frank, P.,
editor, Advances in Control - Highlights of ECC’99. Springer-Verlag London Ltd.
London, UK.
Åström, K. J. y Kumar, P. R. (2014). Control: A perspective. Automatica, 50:3–43.
Babb, M. (1990). Pneumatic Instruments Gave Birth to Automatic Control. Control

Engineering, 37(12):20–26.
Basar, T., editor (2001). Control Theory - Twenty-Five Seminal Papers (1932-1981).
The Institute of Electrical and Electronics Engineers. New York, N.Y., USA.
Bennett, S. (1984). Harold Hazen and the Theory and Design of Servomechanisms.
Research report no. 270, Dept. of Automatic Control and Systems Engineering,
University of Sheffield, Sheffield, UK.
Bennett, S. (1996). A Brief History of Automatic Comtrol. IEEE Control Systems,

16(3):17–25.
Bissell, C. C. (2009). A History of Automatic Control. En Norf, S. Y., editor, Sprin-

ger Handbook of Automation, páginas 53–69. Springer-Verlag Berlin Heidelberg.
Chaturvedi, D. K. (2010). Modeling and Simulation of Systems Using MATLAB and

Simulink. CRC Press, Taylor & Francis Group, Boca Raton, FL 33487-2742, USA.
32 1 Introducción
Datta, A., Ho, M.-T., y Bhattacharyya, S. P. (2000). Structure and Synthesis of PID
Controllers. Springer-Verlag London Limited.
Dorato, P. (1996). Control history from 1960. En IFAC 13th Triannial World Con-
gress. 30 June - 5 July, San Francisco, USA.
Dorf, R. C. y Bishop, R. H. (2005). Sistemas de control moderno. Pearson Educación,

S.A., 10ª edición.
Ghosh, A. (2015). Dynamic Systems for Everyone: Undesrtanding How Our Word
Works. Springer International Publishing Switzerland.
Horowitz, I. M. (1963). Synthesis of Feedback Systems. Academic Press. New York,

N.Y., USA.
ISA (1979). Process Instrumentation Terminology. Standard ISA-51.1-1979

(R1993), Instrument Society of America, Research Triangle Park, NC 27709,
USA.
Isermann, R. (2011). Perspectives of automatic control. Control Engineering Prac-

tice, 19:1399–1407.
Kompas, E. (1989). Changing Control Technology: The Past and Future. Control
Engineering, 36(12).
MCAA (1973). Process Measurement & Control Terminology. Guía informati-

va, The Measurement, Control & Automation Society, Williamsburg, VA 23187,
USA.
Murrill, P. W. (1967). Automatic Control of Process. International Texbook Com-

pany, Scranton, PA, USA.
Samad, T. y Annaswamy, A. (2011). The Impact of Control Technology - Overview,

Success Stories, and Research Challanges. IEEE Control Systems Society. www.
ieeecss.org.
Stephanopoulos, G. (1984). Chemical Process Control - An Introduction to Theory

and Practice. PTR Prentice Hall, Englewood Cliffs, NJ 07632, USA.
Stoffel, J. (1989). 35 Years of Control First. Control Engineering, 36(12).
Strothman, J. (1995). M&C Technology History - More than a century of measu-

ring and controlling industrial processes. InTech, 42 (6):52–78. Special Issue:
Celebrating ISA’s 50th Anniversary.
Wilkie, J., Johnson, M., y Katebi, R. (2002). Control enginering: An introductory

course. Palgrave McMillan, Hampshire, RG21 6XS, U.K.
Willems, J. C. (2007). The Behavioral Approach to Open and Interconnected Sys-

tems. IEEE Control Systems Magazine, 27(6):46–99.
Parte I
Proceso controlado
35
2
El proceso controlado
2.1 Introducción
2.2 Característica estática
2.3 Característica dinámica
2.4 Estudio de los sistemas de control
2.4.1 Dominios matemáticos
2.4.2 Funciones de transferencia, polos y ceros
2.5 Resumen
2.6 Bibliografía
Como se describió en el Capítulo 1, para el diseño de los sistemas de control, se re-

quiere conocer la información relacionada con el comportamiento de la variable de
interés del proceso controlado. Esta información incluye su comportamiento en esta-
do estacionario, así como la forma y velocidad de su evolución, cuando la operación
del sistema se transfiere de un punto de equilibrio a otro.
2.1 Introducción
Para la selección de los instrumentos requeridos para implementar un lazo de control
realimentado y ajustar los parámetros del algoritmo de control del controlador, es
necesario conocer el comportamiento de la variable controlada del proceso, tanto en
condiciones de estado estacionario, como en respuesta a los cambios en las variables
que la afectan (Wade, 2004).
37
38 2 El proceso controlado
Esta información incluye:
• La característica estática: magnitud y rango de variación de las variables.
• La característica dinámica: ganancia y velocidad con que cambian las varia-

bles.
La característica estática establece la relación existente entre la variable contro-

lada y la variable manipulada, en condiciones de estado estacionario −con todas las
otras variables constantes−. Esta permite establecer el rango de variación de la varia-
ble controlada y así seleccionar el elemento de medición −el sensor y transmisor−.
También permite establecer el rango de variación de la variable manipulada, especial-
mente su valor máximo, y así seleccionar y dimensionar el elemento final de control.
Además, permite constatar el efecto que pudieran tener las perturbaciones sobre el
proceso en estado estacionario y las posibles no linealidades en su ganancia (Åström
y Hägglund, 1995).
La característica dinámica por su parte, provee información sobre la velocidad
y la forma en la que la variable controlada evoluciona ante un cambio en la señal de
control y a las perturbaciones, así como la posible existencia de un tiempo muerto.
Esta información es utilizada para la selección del esquema de control y para el ajuste
de los parámetros del algoritmo de control del controlador.
El estudio y el diseño del sistema de control, requieren de un modelo adecua-
do para representar al proceso controlado. Este modelo se puede obtener mediante
técnicas analíticas, sin embargo, con mayor frecuencia es el resultado de pruebas
experimentales.
Para obtener información de la variable controlada del proceso, se requiere de
un instrumento que la mida y provea una señal realimentada que la represente. Esta
señal puede ser eléctrica, neumática, o de otro tipo, y será la señal de salida del instru-
mento que se denominará simplemente como transmisor. Además, para poder ejercer
el control de la variable de interés, se debe poder modificar la variable manipulada
utilizada para influir sobre ella. Para esto, se requiere un instrumento que reciba la
señal de control −señal de salida del controlador− y que este posea los elementos
accesorios necesarios −combinación de un transductor, un actuador y un elemento
final− para modificar la variable manipulada, al que se denominará sencillamente
como elemento final de control.
El conjunto del proceso y los instrumentos indicados anteriormente, mostrado en
la figura 2.1, se denominará conjunto actuador, planta y sensor y será la planta o
proceso visto por el controlador, esto es, será el proceso controlado.
Tal como se mostró antes en la figura 1.16 del Capítulo 1 y ahora en la figura
2.1, el instrumento de medición y transmisión, el sensor y transmisor o simplemente
2.2. Característica estática 39
elemento final de control

U M C
elemento
transductor actuador
final PLANTA
Y
transductor sensor
transmisor
Figura 2.1: Conjunto actuador, planta y sensor
transmisor, es el que proporcionan la información de la variable controlada al dispo-

sitivo de control, el controlador, y aparece en el lazo de realimentación. Sin embargo,
para efectos del estudio del sistema de control, es importante tener en cuenta que
la variable que realmente se controla, no es la variable controlada en si, el fenó-
meno físico de interés, sino la información de esta provista por el transmisor, la señal
realimentada −el valor medido−. Se espera, por lo tanto, que esta señal sea una
representación fiel de la variable física objeto del control.
2.2 Característica estática

Para analizar la información provista por la característica estática del proceso con-
trolado, se empleará como ejemplo, el mismo proceso hidráulico de un tanque cilín-
drico vertical abierto en su parte superior a la atmósfera, utilizado en el Capítulo 1
y mostrado en la figura 2.2. En este proceso, se debe controlar el nivel del líquido
contenido en el tanque, manipulando el caudal de líquido de entrada. Se considerará
que la apertura de la válvula de salida puede variar.
El modelo dinámico del sistema, se puede obtener mediante un balance volumé-
trico del líquido en el tanque, siendo este
dH(t) p
A = Qe (t) − Qs (t) = Qe (t) − Xvs (t)Kvs ρgH(t), (2.1)
dt
donde:
• A - área transversal del tanque,

LT
LV
10
10
V2
Figura 2.2: Proceso controlado
• g - aceleración de la gravedad,
• H - nivel del líquido en el tanque,
• Qe - caudal de líquido de entrada,
• Qs - caudal de líquido de salida,
• Kvs - constante de la válvula de salida del tanque,
• ρ - densidad del líquido,
• t - tiempo,
• Xvs - apertura de la válvula de salida del tanque.
En general, la evolución de la variable controlada C(t), el modelo dinámico, es

una función de la variación de la variable manipulada M(t) y de la de la perturbación
2.2. Característica estática 41
Figura 2.3: Característica

estática del proceso 3.5 Xvs =0.40
Xvs =0.50
Xvs =0.60
Nivel, H[m]
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0.00 0.02 0.04 0.06 0.08 0.10
Caudal de entrada, Qe [m3 s−1 ]
D(t), de la forma
dC(t) .
= Fd {M(t), D(t),t}. (2.2)
dt
En condiciones de régimen permanente, el caudal de salida del tanque Qs es igual
al de entrada Qe . Entonces, de (2.1) se tiene la expresión
p
Xvs Kvs ρgH = Qe , (2.3)
a partir de la cual, se puede obtener el nivel del líquido en el tanque, en función de

las otras variables, como
2
1 Qe
H = f (Qe , Xvs ) = . (2.4)
ρg Xvs Kvs
Esta es una relación no lineal (cuadrática) y define la característica estática del pro-
ceso. Esto es, cuál es el valor de la variable controlada −nivel H del líquido−, para
cada valor de la variable manipulada −caudal de entrada Qe −, en el caso de una
perturbación −apertura de la válvula de salida Xvs − determinada.
Como la perturbación puede variar, la característica estática no es una sola curva,
es en realidad una familia de curvas que relacionan estas tres variables, H(Qe , Xvs ),
Figura 2.4: Punto de opera-

ción normal del proceso
En estado estacionario, el modelo estático, la variable controlada C es una fun-

ción de la variable manipulada M y de la perturbación D, de la forma
.
C = Fe {M, D}. (2.5)
2.3 Característica dinámica

Para facilitar el análisis del comportamiento dinámico del proceso controlado, en
vez de utilizar la ecuación diferencial no lineal (2.1), se realizará un análisis para
pequeñas variaciones de las variables, en torno a un punto de operación determinado.
Linealizando (2.1) en torno al punto de operación {Ho , Qeo , Xvso }, indicado en
la figura 2.4, se obtiene la ecuación diferencial lineal
r
dh(t) Xvso Kvs ρg Kvs p 1
=− h(t) − ρgHo xvs (t) + qe (t), (2.6)
dt 2A Ho A A
donde h, xvs y qe son pequeñas variaciones, en torno a su valor en el punto de opera-

ción (H(t) = Ho + h(t), . . . ).
La variación de la variable controlada c(t) en torno al punto de operación selec-
cionado {C0 , M0 , D0 }, el modelo dinámico linealizado, es una función de la varia-
ción de la variable manipulada m(t) y de la de la perturbación d(t), en torno a ese
2.3. Característica dinámica 43
Figura 2.5: Diagrama de bloques del proceso
mismo punto, de la forma

dc(t) .
= Fl {C0 , M0 , D0 ; m(t), d(t),t}. (2.7)
dt
.
Utilizando el operador diferencial p = d/dt, (2.6) se puede escribir, como
r
Xvso Kvs ρg Kvs p 1
p+ h(t) = − ρgHo xvs (t) + qe (t). (2.8)
2A Ho A A
Si se pasa del dominio del tiempo t, al dominio de la variable compleja s, reem-
plazando en (2.8) el operador diferencial p por la variable compleja s y ordenando,
se obtiene
K1 K2
h(s) = qe (s) + xvs (s), (2.9)
Ts+1 Ts+1
donde las ganancias K1 y K2 , y la constante de tiempo T , son
s s
2 Ho 2Ho 2A Ho
K1 = , K2 = − , T= . (2.10)
Xvso Kvs ρg Xvso Xvso Kvs ρg
Como se aprecia en (2.10), las ganancias y la constante de tiempo del modelo

dinámico linealizado del proceso, dependen del punto de operación {Ho , Qeo , Xvso }
en donde se obtengan.
El proceso, el tanque y su válvula de salida, se puede representar ahora, por el
diagrama de bloques de la figura 2.5.
Los diagramas de bloques muestran en forma gráfica, el flujo de la información -
señales- entre los componentes del sistema y por lo tanto son un diagrama causal. En
estos, los bloques funcionales (“cajas” rectangulares) corresponden a las funciones

de transferencia que representan las relaciones causales (entrada a salida) entre las
variables del proceso (señales), los puntos de suma (“círculos”) para la adición (+) o
sustracción (−) de las mismas, y las flechas indican el sentido de flujo de las señales
(Åström y Murray, 2008; Ogata, 1987; Wilkie et al., 2002).
En el modelo linealizado, la variación de la variable controlada c(s) corresponde
a la variación del nivel del líquido h(s), la variación de la variable manipulada m(s) a
la del caudal de entrada qe (s) y la variación de la perturbación d(s) a la de la apertura
de la válvula de salida xvs (s).
Además del tanque y los elementos accesorios considerados, se deberán adicionar
los instrumentos necesarios para obtener la información de la variable controlada y
para modificar el valor de la variable manipulada.
Supóngase entonces, que se ha adicionado un transmisor de nivel con una ganan-
cia Kt y que se utilizará una válvula de control, con una característica de flujo lineal
y una ganancia Kvc , para manipular el caudal del líquido de entrada, incluidos ya en
la figura 2.2. Entonces, la variación de la señal de salida del transmisor está dada, por
y(s) = Kt c(s), (2.11)
y la relación entre la variación de la variable manipulada y la de la señal de salida del

controlador, por
m(s) = Kvc u(s). (2.12)
El diagrama de bloques incluyendo estos dos instrumentos, se muestra en la fi-
gura 2.6. Este se puede reducir al mostrado en la figura 2.7, en donde
K2 Kt
K = Kvc K1 Kt , Kd = . (2.13)
K
En este caso, el modelo dinámico del proceso hidráulico es my simple, corresponde
al de un proceso de primer orden.
No debe olvidarse que en el diagrama de la figura 2.7, la variable u(s) −salida
del controlador− y la variable y(s) −salida del transmisor− son señales, usualmente
del mismo tipo, cuyo rango de variación se establecerá un poco más adelante. Por
otra parte, la perturbación d(s) es una variable física, en este caso la apertura de la
válvula de salida del tanque.
Como se aprecia en la figura 2.7, la variable c(s) -variable controlada- y la varia-
ble m(s) −variable manipulada−, han desaparecido del diagrama. Es evidente que la
información del nivel del líquido en el tanque −variable controlada−, solo se conoce
por medio de la señal de salida del transmisor. Por otra parte, el valor del caudal de
entrada de líquido al tanque −la variable manipulada−, solo se podría conocer si se
mide directamente.
Figura 2.6: Diagrama de bloques del conjunto actuador, planta y sensor
Figura 2.7: Proceso contro-

lado
El lazo de control realimentado del nivel del líquido en el tanque, resultante de

la interconección del controlador con el proceso controlado, se muestra en la figura
2.8. El controlador y el proceso controlado comparten información por medio de las
variables (señales) u(s) y y(s).
Finalmente, el diagrama de flujo de instrumentos del sistema de control del nivel
del líquido en el tanque, se muestra en la figura 2.9 e incorpora todos los instrumentos
necesarios para establecer el lazo de control.
La implementación del lazo de control realimentado, requiere de por lo menos
tres instrumentos: un sensor y transmisor, el transmisor de nivel LT-10; un contro-
lador, el controlador de nivel LIC-10; y un elemento final de control, la válvula de
control de nivel LV-10 y sus accesorios, el transductor electroneumático LY-10.
Ejemplo 2.1 Sistema de control de nivel

Para analizar el comportamiento estático y el comportamiento dinámico del proceso
hidráulico (tanque y válvulas) descrito en las secciones anteriores, se considerará
que las variables (Y , R, U) varían en el ámbito normalizado de 0 % a 100 % y se
utilizarán los siguientes parámetros:
• Fluido: agua, densidad ρ = 1000 kg m−3 ,
• Constante de la válvula de salida: Kvs = 0,001,
• Apertura de la válvula de salida: Xvs ∈ {0,4, 0,5, 0,6}, siendo 0, 50 el valor

más probable,
• Área transversal del tanque: A = 4 m2 ,
• Altura total de la pared del tanque: 3,6 m.
Si bien la pared del tanque tiene una altura total de 3, 6 metros, se desea que el
ámbito de medición para el transmisor de nivel sea entre 0 m y 3,125 m, por lo que
la ganancia del transmisor debe ser Kt = 100/3,125 = 32 %m−1 .
Aunque es posible que el transmisor esté realizando una medición indirecta del
nivel del líquido, por ejemplo mediante la medición de la presión hidrostática en
el fondo del tanque −la cual es proporcional al nivel del líquido si su densidad es
constante, como en este caso− o por la variación de la capacitancia de un “sensor
capacitivo” −que depende de la constante del medio dieléctrico entre sus placas,
conformado en parte por líquido y en parte por aire− como el empleado en la figura
LIC
10 Controlador
Interconexión entre el proceso

controlado y el controlador
Proceso
I/P
LY controlado
10
LV LT
10 10
V2
Figura 2.9: Diagrama de flujo de instrumentos del sistema de control de nivel

Cuadro 2.1: Ejemplo 2.1 Ho [m] Xvso K [ %/ %] T [s] Kd [ %/1]

- Parámetros del proce-
so, Efecto del cambio del 2,25 0,50 1,939 242,43 -148,5
punto de operación 2,50 0,50 2,044 255,54 -156,6
2,75 0,50 2,144 268,02 -164,2
Cuadro 2.2: Ejemplo 2.1 Ho [m] Xvso K [ %/ %] T [s] Kd [ %/1]

- Parámetros del proceso,
Efecto del cambio de la 2,50 0,40 2,555 319,43 -156,6
perturbación 2,50 0,50 2,044 255,54 -156,6
2,50 0,60 1,703 212,95 -156,6
2.9, para efectos del lazo de control, la señal realimentada es una indicación directa
del nivel del líquido en el tanque.
Se supondrá que el valor deseado normal del nivel del líquido en el tanque es
Ho = 2,50 m y que este puede variar entre 2,25 m y 2,75 m.
En la figura 2.10 se muestra la característica estática para las tres diferentes
aperturas de la válvula de salida −el valor más probable y los dos casos extremos−.
Esta evidencia la no linealidad del proceso.
Utilizando la característica estática del proceso mostrada en la figura 2.10, se
puede determinar que para poder mantener el nivel del líquido en su valor desea-
do más alto, 2,75 m, cuando la apertura de la válvula de salida es 0,6 (máxima),
se requiere un caudal de líquido de entrada de 0,0985 m3 s−1 . Se considerará en-
tonces, que el sistema de alimentación del líquido y la válvula de control han sido
diseñados de manera de obtener un caudal de 0,10 m3 s−1 cuando esta válvula está
completamente abierta, por lo que su ganancia será Kvc = 0,001 m3 s−1 / %.
El punto de operación seleccionado para analizar el comportamiento dinámico
y el efecto de la variación del punto de operación y de la perturbación sobre este, es
entonces (Ho = 2,50 m, Xvso = 0,5). En este punto, el caudal del líquido de entrada
en condiciones de estado estacionario, debe ser Qeo = 0,0783 m3 s−1 .
En el punto de operación seleccionado, los parámetros del modelo linealizado
del proceso controlado, mostrado en el diagrama de bloques de la figura 2.7, son
K = 2,044 %/ %, T = 255,54 s y Kd = −156,6 %/1.
En el cuadro 2.1, se muestra el efecto que tiene el cambio en el valor deseado
sobre los parámetros del proceso y en el cuadro 2.2 el que tiene el cambio en la
perturbación. Para efectos comparativos, estas variaciones se han establecido en el
cuadro 2.3, como cambios porcentuales respecto a su valor nominal.
Como se puede apreciar en el cuadro 2.3, al variar el punto de operación (Ho )
o si se produce un cambio en la perturbación (Xvso ), tanto las ganancias como la
Figura 2.10: Ejemplo 2.1 - Curva característica estática
Cuadro 2.3: Ejemplo 2.1 - Ho [m] Xvso K [ %/ %] T [s] Kd [ %/1]

Cambio porcentual en las
características (paráme- 2,50 0,50 2,044 255,54 -1,566
tros) del proceso 2,50 0,40 +25,0 % +25,0 % 0,0 %
2,50 0,60 -16,7 % -16,7 % 0,0 %
2,75 0,40 +31,1 % +31,1 % 4,8 %
2,25 0,60 -20,9 % -20,9 % -5,17 %
Variables [%] 82
81
80
Y(t)
Ym (t)
79
78
77
0 1000 2000 3000 4000 5000
Tiempo, t [s]
Figura 2.11: Ejemplo 2.1 - Nivel del líquido en el tanque (∆U = −1 % y ∆D = −0,01)
constante de tiempo del proceso controlado cambian y este cambio puede llegar a
ser de hasta más de un 30 %, en el caso de variaciones extremas.
En la figura 2.11 se muestra la curva de repuesta del nivel del líquido en el
tanque, ante un cambio en la señal de control ∆U = −1 % en t = 100 s (cerrar un
1 % la válvula de control), seguido de un cambio en la perturbación ∆D = −0,01 en
t = 2500 s (cerrar 0,01 más la válvula de salida), a partir del punto de operación
nominal (Ho = 2,50, Xvso = 0,50), obtenida con el modelo dinámico no lineal y la
predicha por el modelo linealizado. Ambas respuestas son casi idénticas.
Sin embargo, si las magnitudes de los cambios en la señal de control y la pertur-
bación son más bien ∆U = −10 % y ∆D = −0,1, respectivamente, el modelo lineali-
zado en el punto de operación nominal, ya no representa con fidelidad el comporta-
miento del proceso controlado, tal como se muestra en la figura 2.12. Debe tenerse
también en cuenta, la diferencia en la magnitud de los cambios del nivel entre ambos
casos.
El modelo linealizado solo reproduce el comportamiento del proceso controlado,
en la vecindad del punto de operación donde fue obtenido.
Esto no debe olvidarse, al momento de analizar el funcionamiento de un lazo
de control, diseñado con base en el funcionamiento predicho por un modelo lineal
100
Variables [%]
90
80
Y(t)
Ym (t)
70
60
50
0 1000 2000 3000 4000 5000
Tiempo, t [s]
Figura 2.12: Ejemplo 2.1 - Nivel del líquido en el tanque (∆U = −10 % y ∆D = −0,1)
aproximado −el modelo nominal−, si el sistema de control opera “lejos” del punto
de operación de diseño, ya que el controlador instalado se enfrentará a las caracte-
rísticas dinámicas cambiantes del proceso real.
Como se apreció en el ejemplo anterior, las características del proceso controlado

se pueden ver afectadas por los cambios del punto de operación o en otras variables
del proceso. Por esta razón, cuando se diseñe el sistema de control a partir de un
modelo con los parámetros nominales −obtenidos en el punto de operación más fre-
cuente del sistema de control−, se debe asegurar que este es suficientemente robusto,
para que el lazo de control se mantenga estable, cuando se produzca un cambio en
alguna de las características del proceso controlado.
Ejemplo 2.2 Motor de corriente continua

En la figura 2.13 se muestra un motor eléctrico de corriente continua, controlado por
armadura. Se considerará como variable controlada a la velocidad de rotación del
motor ω(t), como variable manipulada a la tensión eléctrica aplicada en el circuito
+
+
- -
Figura 2.13: Ejemplo 2.2 - Diagrama de un motor de corriente continua, controlado

por armadura
de armadura Va (t) y como perturbación al par opuesto por la carga TL (t) (Dorf y
Bishop, 2005; Shinners, 1972).
Las ecuaciones que modelan el motor, son:
• En el circuito eléctrico
dia (t)
La = Va (t) − Ra ia (t) −Vm (t). (2.14)
dt
• En la parte mecánica
dω(t)
J = T (t) − Bω(t) − TL (t). (2.15)
dt
• La fuerza contra electromotriz en el motor
Vm (t) = Ke ω(t). (2.16)
• El par producido por el motor
T (t) = Kt ia (t). (2.17)
Sustituyendo (2.16) en (2.14) y (2.17) en (2.15), se obtiene

dia (t)
La = Va (t) − Ra ia (t) − Ke ω(t), (2.18)
dt
dω(t)
J = Kt ia (t) − Bω(t) − TL (t). (2.19)
dt
Figura 2.14: Ejemplo 2.2 - Componentes de un motor de corriente continua, contro-

lado por armadura
Los parámetros del motor son θ p = {Ra , La , J, B, Ke , Kt }, con la resistencia del

circuito de armadura Ra en Ω, la inductancia del circuito de armadura La en H, la
inercia del rotor del motor J en kg m, el coeficiente de fricción viscosa del rotor del
motor B en N m s, la constante de la fuerza contra electromotriz Ke en V/(rad/s) y la
constante de par del motor Kt en N m A−1 . En el sistema de unidades SI, Ke = Kt = K.
Como se aprecia de (2.18) y (2.19), el modelo ideal desarrollado para el motor,
es lineal.
En este caso, el motor eléctrico, el proceso, combina elementos de distintos do-
minios físicos. Este incluye componentes eléctricos, componentes mecánicos, y com-
ponentes de transformación, que comparten variables entre ellos a través de sus
terminales de interconexión, tal como se muestra en el diagrama de la figura 2.14.
Desde el medio externo al motor, se interactúa con él aplicándole la tensión de
armadura Va (t) y el par de carga TL (t) y se tiene acceso a sus variables internas,
tanto eléctricas (Vm (t), ia (t)), como mecánicas (ω(t), T (t)).
Pasando el modelo del motor, (2.14) a (2.17), del dominio del tiempo t al de
la variable compleja s, se puede representar este por el diagrama de bloques de la
figura 2.15, en el cual se indican todas las variables del mismo.
Este diagrama muestra claramente, la interacción existente entre las variables
mecánicas y las variables eléctricas dentro del motor.
Además, se han incluido en este diagrama, los elementos de medición y actua-
ción necesarios para poder controlar posteriormente la velocidad de rotación del
motor. Por lo tanto, corresponde al conjunto actuador, planta y sensor, el proceso
controlado.
Figura 2.15: Ejemplo 2.2 - Diagrama de bloques de un motor de corriente continua,

controlado por armadura
Se requiere de un transmisor de la velocidad de rotación del motor, un tacómetro,

y una unidad de alimentación regulada de la tensión eléctrica de armadura.
Suponiendo que las señales de control Van y ωn están normalizadas en el ámbito
0 % a 100 %, la ganancia del transmisor de velocidad es 100/ωmax %/(rad/s) y la
de la unidad de alimentación Vamax /100 V/ %, donde Vamax y ωmax son los valores
máximos de la tensión eléctrica de armadura y la velocidad de rotación, respectiva-
mente,
El controlador interactuará con el proceso controlado por medio de la señal
. .
realimentada y = ωn y del esfuerzo de control u = Van .
2.4 Estudio de los sistemas de control

En las secciones anteriores, se desarrolló el modelo del proceso controlado en el
dominio del tiempo t, empleando ecuaciones diferenciales y algebraicas, y también
se representó este mediante un diagrama de interconexión de bloques de funciones
de transferencia, en el dominio de la variable compleja s.
Durante el análisis de los sistema de control, se emplearán varios dominios para
las variables.
2.4.1 Dominios matemáticos

Para el estudio de los sistemas de control, se hará uso de variables en tres dominios
diferentes: en el dominio del tiempo continuo T −dominio t−, en el dominio de la
2.4. Estudio de los sistemas de control 55
variable compleja S −dominio s− y en el dominio de la frecuencia W −dominio

jω−.
En el dominio T , las variables serán funciones del tiempo t (v(t)) y el modelo
del sistema de control estará constituido por ecuaciones diferenciales y algebraicas.
La derivada de una variable v(t) se denotará por dv(t)/dt. Esta también podrá expre-
.
sarse mediante el usoRdel operador diferencial p = d/dt. Su inverso, 1/p, representará
al operador integral ( ). Al operador diferencial (p) se le conoce también como ope-
rador de Heaviside1 .
En el domino S , las variables serán funciones de la variable compleja s = σ +jω
(v(s)) y en el domino W , las variables serán funciones de la frecuencia ω (v(jω)).
Por lo general, el modelo de un sistema de control en el dominio t, es un con-
junto de ecuaciones algebraico diferenciales no lineales, cuya solución se obtendrá
mediante simulación digital.
Para el análisis de los sistemas de control en los otros dominios, se debe obtener
un modelo lineal −linealizado− en el punto de operación deseado, que lo represente
de la mejor forma posible −dependiendo de las no linealidades del sistema−.
Para el caso particular de los sistemas lineales invariantes en el tiempo, la rela-
ción de la señal de “salida” y, respecto a la señal de “entrada” u de un bloque o sis-
tema, su función de transferencia, se denotará como F(p) en el dominio t −función
de transferencia temporal−, como F(s) en el dominio s −función de transferencia−
y en el dominio jω como F(jω) −función de transferencia en frecuencia−.
Si el dominio matemático no se indica explícitamente, se entenderá que el tér-
mino genérico función de transferencia se refiere a F(s), definida como
. L {y(t)} y(s)
F(s) = = , (2.20)
L {u(t)} u(s)
donde L es el operador de Laplace,
En los sistemas lineales entonces, para pasar del dominio del tiempo al de la
variable compleja, T −→ S , se empleará la transformación p → s y para pasar del
dominio de la variable compleja al de la frecuencia, S −→ W , la transformación
s → jω.
2.4.2 Funciones de transferencia, polos y ceros

Aunque los procesos son normalmente no lineales, para su estudio y el diseño de los
sistemas de control, usualmente se recurre a su aproximación por un modelo lineal,
ya sea en el domino del tiempo, por medio de ecuaciones diferenciales lineales, o en
el de la variable compleja s, por sus funciones de transferencia.
1 Oliver
Heaviside (1850 - 1925), físico e ingeniero electricista inglés; http://www.
oliverheaviside.com/.
Figura 2.16: Bloque para representar a una función

de transferencia
En (2.20) se ha definido que la función de transferencia F(s) de un sistema dado,

es la razón de la transformada de Laplace de la variable que se ha identificado como
su “salida”, y(s), y la transformada de Laplace de la variable que se ha seleccionado
como su “entrada”, u(s), con condiciones iniciales cero.
En forma gráfica, la función de transferencia de un proceso o sus partes, serán
representadas por un bloque función de transferencia −relación entrada a salida−,
La función de transferencia se puede expresar como la razón de dos polinomios
en s, de la forma general
NF (s) bm sm + bm−1 sm−1 + . . . + b1 s + b0

F(s) = = , n ≥ m, (2.21)
DF (s) an sn + an−1 sn−1 + . . . + a1 s + 1
donde NF (s) es el polinomio del numerador de F(s) y DF (s) el de su denominador

(Wilkie et al., 2002).
Se dirá que F(s) tiene un polo de orden r en s = s p , si el
lı́m [(s − s p )r F(s)] (2.22)

s→s p
tiene un valor finito diferente de cero. Los ceros de DF (s) son los polos de F(s).
Por otra parte, se dirá que F(s) tiene un cero de orden q en s = sz , si el
lı́m (s − sz )−q F(s)

(2.23)
s→sz
tiene un valor finito diferente de cero. Los ceros de NF (s) son los ceros de F(s).
En los sistemas físicos, el número de polos de la función de transferencia que
representa un proceso o subproceso, es igual o mayor que el número de ceros que
esta tenga, n ≥ m, esta es una función de transferencia propia.
2.5 Resumen
La característica estática y la característica dinámica del proceso controlado, son de
importancia en el diseño de los sistemas de control. La primera, para la selección
del rango de medición del sensor y transmisor, y el dimensionamiento correcto del
elemento final de control; y la segunda, para la selección del esquema de control y el
ajuste requerido de los parámetros del algoritmo de control del controlador.
Además, la información contenida en la característica estática y en el comporta-

miento dinámico del proceso controlado, obtenido en diferentes puntos de operación,
permiten estimar si las mismas pueden o no cambiar en forma apreciable, dependien-
do de donde opere el sistema de control.
Para el diseño del sistema de control -selección y ajuste del algoritmo de control-
y la experimentación con él mediante la simulación digital, se empleará el mode-
lo nominal del proceso controlado. Es necesario entonces, estar consciente de sus
limitaciones.
Es importante tener en cuenta además que, aunque la variable objeto del control
es la variable controlada −una característica física, química, o de otra naturaleza del
proceso−, para poder realizar su control esta debe medirse y por lo tanto, la compa-
ración con su valor deseado para obtener el error, se hace con la señal realimentada.
Es por lo tanto indispensable que el instrumento de medición sea rápido, preciso y
repetible.
Desde el punto de vista del controlador, el proceso controlado incluye además de
al proceso o planta en sí, a los instrumentos de medición y actuación, lo que se ha
llamado el conjunto actuador, planta y sensor.
2.6 Bibliografía
Åström, K. J. y Hägglund, T. (1995). PID Controllers: Theory, Design and Tuning.
Instrument Society of America, Research Triangle Park, NC, USA.
Åström, K. J. y Murray, R. (2008). Feedback Systems: An Introduction for Scientists

and Engineers. Princenton University Press, Oxfordshire, UK.

Ogata, K. (1987). Dinámica de sistemas. Prentice-Hall Hispanoamericana, S.A.,

México, D.F., México.
Shinners, S. M. (1972). Modern Control Theory and Applications. Addison-Wesley

Publishing Company, Inc., Reading, MA, USA.
Wade, H. L. (2004). Basic and Advanced Regulatory Control: System Design and Ap-
plication. ISA - The Instrumentation, Systems, and Automation Society, Research
Triangle Park, NC 27709, USA., 2nd. edición.

3
Elementos básicos de los sistemas fı́sicos
3.1 Introducción
3.2 Sistemas eléctricos
3.3 Sistemas hidráulicos
3.4 Sistemas mecánicos con elementos que se desplazan
3.5 Sistemas mecánicos con elementos que giran
3.6 Sistemas térmicos
3.7 Conversión de variables
3.8 Variables de los sistemas físicos
3.9 Interconexión de los elementos
3.10 La red generalizada
3.10.1 Elementos de la red generalizada
3.10.2 Elementos generalizados y sistemas físicos
3.11 Obtención de la red generalizada equivalente
3.11.1 Proceso de cámaras con aislamiento térmico
3.11.2 Proceso de tanques interconectados
3.11.3 Sistema heterogéneo
3.12 Resumen
3.13 Bibliografía
Es usual, que al estudiar los diferentes tipos de sistemas dinámicos, como los siste-
mas eléctricos, los mecánicos y otros, se parta del establecimiento de las relaciones
59
60 3 Elementos básicos de los sistemas físicos
constitutivas, que describen el fenómeno físico que ocurre en cada uno de los elemen-
tos de los que pueden estar constituidos, se estudien luego los procedimientos para
establecer las ecuaciones de un modelo, que permita determinar su comportamiento
dinámico y que posteriormente, se obtenga destreza en el uso de las diferentes técni-
cas y procedimientos para su análisis, repitiéndose esto para cada tipo de sistema.
Por ejemplo, en los sistemas eléctricos, una vez establecidas las relaciones entre
la tensión y la corriente en los elementos como resistores, capacitores e inductores, se
estudian las leyes de Kirchoff para el modelado y el análisis de las redes eléctricas. De
igual forma, al estudiar un sistema mecánico con masas, resortes y amortiguadores, se
obtiene un modelo para el estudio del mismo, a partir del establecimiento de balances
de fuerzas en los cuerpos libres. Sucede algo similar con los sistemas hidráulicos y
térmicos, dando la sensación de que cada tipo de sistema, debe analizarse empleando
un conjunto de técnicas particular y que se requiere el conocimiento de todas estas,
para poder hacerlo (Dorf y Bishop, 2005; Nise, 2002; Ogata, 1987, 2010; Shinners,
1972).
Si bien es necesario conocer la naturaleza física de las variables involucradas en
los distintos sistemas dinámicos, es conveniente mostrar que el comportamiento de
los mismos, se puede estudiar con un conjunto de herramientas comunes, que son
independientes de esta.
Se presentan aquí primero, las variables y las relaciones constitutivas de los ele-
mentos básicos, de varios sistemas de diferente dominio físico, sin pretender entrar en
el detalle de la derivación de las mismas. Luego, se establecen las variables generales
y las redes y leyes, que permiten analizar los diferentes sistemas físicos, empleando
un mismo marco de referencia.
Se pueden definir elementos generalizados, que permiten representar los diferen-
tes fenómenos que se presentan en los sistemas físicos, con los cuales se construye
la red generalizada equivalente para su estudio (Alfaro, 1991).
3.1 Introducción
Considérese primero el elemento generalizado mostrado en la figura 3.1, como una
representación de cualquier elemento físico. Este elemento generalizado tiene dos
terminales, denotados como 2 y 1, por medio de los cuales interactúa con el medio
que lo circunda −otros elementos y el “medio ambiente”−. La conexión entre los
terminales de los elementos, hace que estos compartan información, sus variables.
En este elemento se tendrán dos tipos de variables generalizadas, que son funcio-
nes del tiempo (Shearer et al., 1971):
• La transvariable v(t), que será aquella variable que se especifica como una
diferencia entre los valores en los terminales del elemento, o entre un terminal
3.1. Introducción 61
Figura 3.1: Elemento generalizado de dos termi-

nales
de este y un punto de referencia. Esta es la variable “a través del elemento”. Se

requieren dos puntos para su medición.
• La pervariable f (t), que será aquella variable que tiene el mismo valor en
cada terminal del elemento. Esta es la variable que “fluye por el elemento”. Se
requiere solo un punto para su medición.
En cada dominio físico, se definirá cuales son la transvariable y la pervariable

correspondiente, y las relaciones entre ellas en sus elementos básicos. Esto también
permitirá, definir cuales variables constituyen los estados de estos sistemas.
En la figura 3.2 se muestra una adaptación del Tetraedro de estados de Paynter
(1961), en el cual se muestran, además de la transvariable y la pervariable, la integral
de la transvariable, x(t), y la integral de la pervariable, h(t).
La transvariable v21 (t) = v2 (t) − v1 (t) y su integral x21 (t) = x2 (t) − x1 (t), co-
rresponden a las diferencias algebraicas entre los valores de estas variables en los
terminales del elemento. La transvariable de un terminal (1 o 2) del elemento (v1 (t),
v2 (t)) y su integral (x1 (t), x2 (t)), son medidas respecto a un punto o “terminal de
referencia”.
La pervariable f (t) y su integral h(t), son las mismas en los dos terminales del
elemento.
Los trayectos entre la pervariable y la transvariable mostrados en el tetraedro, in-
dicarán las relaciones existentes entre ellas, permitiendo determinar la relación cons-
titutiva de un elemento determinado.
Figura 3.2: Tetraedro de

estados de Paynter
Como se ha indicado antes, por definición

. dh(t)
f (t) = , (3.1)
dt
. dx21 (t)
v21 (t) = . (3.2)
dt
Además, del tetraedro de la figura 3.2, se tienen las siguientes relaciones
.
h(t) = A v21 (t), (3.3)
.
x21 (t) = T f (t), (3.4)
.
v21 (t) = D f (t). (3.5)
Combinando (3.3) y (3.1), se obtiene que
dv21 (t)
A = f (t), (3.6)
dt
la cual es la relación constitutiva de los elementos almacenadores de energía “tipo
A”, aquellos cuya variable de estado es su transvariable.
Ejemplos de elementos tipo A son el capacitor eléctrico, la masa, el volante y el
capacitor hidráulico.
De (3.6) se obtiene, que
Z t
1
v21 (t) = f (τ)dτ + v21 (to ), (3.7)
A to
3.2. Sistemas eléctricos 63
donde v21 (to ) es el estado inicial del elemento tipo A.

Si se combinan ahora (3.4) y (3.2), se obtiene
d f (t)
T = v21 (t), (3.8)
dt
que es la relación constitutiva de los elementos almacenadores de energía “tipo T”,
aquellos cuya variable de estado es su pervariable.
Por ejemplo, el inductor eléctrico y el resorte, son elementos tipo T.
Z t
1
f (t) = v21 (τ)dτ + f (to ), (3.9)
T to
donde f (to ) es el estado inicial del elemento tipo T.

Finalmente, (3.5) es la relación constitutiva de los elementos disipadores de ener-
gía “tipo D”. Esta es una relación algebraica, por lo tanto, los elementos tipo D no
tienen un estado asociado a ellos.
Elementos que disipan energía son, por ejemplo, el resistor eléctrico, y los orifi-
cios y las válvulas en los sistemas hidráulicos.
Existirán también fuentes ideales de transvariable y de pervariable, así como ele-
mentos transformadores de variables dentro de un mismo dominio físico y elementos
transductores, que realizan una transformación entre variables de diferente dominio.
Todas las expresiones anteriores, que relacionan la transvariable y la pervariable
en un elemento, son no causales esto es, no establecen una relación directa de causa
a efecto o de entrada a salida.
Si bien la representación de los elementos y sus relaciones dentro de un sistema,
son no causales, a nivel de un experimento con el sistema, se pueden considerar
como “entradas” al mismo, a los estímulos aplicados y a los cambios de los estados
iniciales o parámetros, y como “salidas”, a aquellas de sus variables que se desean
observar, las “variables de interés” que son medidas.
3.2 Sistemas eléctricos

Los elementos básicos de los sistemas eléctricos son: el capacitor, el inductor y el
resistor, mostrados en la figura 3.3.
En los elementos de los sistemas eléctricos, la transvariable es la diferencia de
tensión eléctrica (v21 ) entre sus terminales y la pervariable la corriente eléctrica (i)
por ellos.
Las relaciones constitutivas de los elementos eléctricos básicos, son:
Figura 3.3: Elementos eléctricos
• Capacitor eléctrico ideal

Si se arreglan dos piezas de un material conductor, de manera que ellas estén
separadas por un material dieléctrico −un material en el cual se puede estable-
cer un campo eléctrico sin permitir un flujo significativo de carga a través de
el−, se establece un campo eléctrico entre los conductores cuando fluye una
carga hacia un conductor saliendo del otro. Este campo eléctrico, da como re-
sultado una diferencia de tensión eléctrica entre los dos conductores, la cual
depende de la cantidad de carga eléctrica entre estos.
Los dispositivos eléctricos que exhiben este tipo de relación entre carga y ten-
sión, se dice que tienen capacitancia.
La relación constitutiva del capacitor eléctrico, es
dv21 (t)
C = i(t), v021 , (3.10)
dt
donde v021 es la diferencia de tensión eléctrica inicial en el capacitor.

El capacitor eléctrico, almacena energía en función de la diferencia de tensión
eléctrica entre sus terminales, energía de campo eléctrico.
• Inductor eléctrico ideal

Cuando la corriente eléctrica fluye a través de una estructura conductora, se es-
tablece un campo magnético en el espacio o material alrededor de la estructura.
Si esta corriente cambia como una función del tiempo, la intensidad del cam-
po magnético variará también con el tiempo. De acuerdo con la Ley de Lenz,
3.3. Sistemas hidráulicos 65
este campo cambiante inducirá diferencias de tensión eléctrica en la estructura

conductora, las cuales tenderán a oponerse al cambio de la corriente.
La característica básica por la cual un elemento eléctrico resiste, con una dife-
rencia de tensión, a la razón de cambio del flujo de corriente a través de el, se
llama inductancia.
La relación constitutiva del inductor eléctrico, es
di(t)
L = v21 (t), i0 , (3.11)
dt
donde i0 es la corriente eléctrica inicial por el inductor.

El inductor eléctrico, almacena energía en función de la corriente eléctrica por
el, energía de campo magnético.
• Resistor eléctrico ideal

Todos los materiales ordinarios exhiben resistencia al flujo de carga eléctrica.
Los materiales en los cuales esta resistencia es pequeña, se llaman conductores
y aquellos en que esta resistencia es alta se llaman aislantes. Al elemento que
presenta esta resistencia al flujo de carga eléctrica, se le llamará simplemente
resistor.
La relación constitutiva del resistor eléctrico, es
v21 (t) = Ri(t). (3.12)
El resistor eléctrico disipa energía.
En los sistemas eléctricos la capacitancia C del capacitor está dada en F, la induc-

tancia L del inductor en H, la resistencia R del resistor en Ω, la diferencia de tensión
eléctrica v21 en V y la corriente eléctrica i en A. La unidad del tiempo t es s.
3.3 Sistemas hidráulicos

Los elementos básicos de los sistemas hidráulicos son: el tanque de almacenamiento,
la tubería larga y la restricción hidráulica, los cuales se muestran en la figura 3.4.
En los elementos de los sistemas hidráulicos, la transvariable es la diferencia de
presión (P21 ) entre sus extremos y la pervariable la razón de flujo volumétrico (Q) a
través de ellos.
Las relaciones constitutivas de los elementos hidráulicos básicos, son:
Figura 3.4: Elementos hidráulicos
• Capacitor hidráulico ideal (tanque)

Cuando un fluido entra a un recipiente a un caudal Q(t), las leyes de conserva-
ción de la masa establecen, que
dρAH(t)
= ρQ(t). (3.13)
dt
Si el fluido es incompresible −su densidad ρ es constante− y las paredes del

recipiente son rígidas, con un área de sección A constante, entonces, la relación
constitutiva de un tanque cilíndrico vertical y abierto a la atmósfera, es
dH(t)
A = Q(t), (3.14)
dt
donde H(t) es el nivel del líquido en el tanque y Q(t) el caudal de líquido

entrando en el.
Como la presión absoluta en el fondo del tanque, es
P2 (t) = ρgH(t) + P0 , (3.15)
su valor relativo respecto a la presión atmosférica P0 -de referencia-, es
P20 (t) = P2 (t) − P0 = ρgH(t). (3.16)
Utilizando (3.14) y (3.16), la relación constitutiva del tanque se puede escribir,

como
dP20 (t) A
Cf = Q(t), C f = , P0 , (3.17)
dt ρg 20
0 es la presión relativa inicial en el fondo del tanque.
donde P20
Este capacitor hidráulico, almacena energía en función de la presión diferencial
-relativa a la atmosférica-.
3.3. Sistemas hidráulicos 67
• Tanque presurizado
Considérese un recipiente cerrado de volumen V , lleno completamente de un
fluido de densidad ρ.
La presión dentro del recipiente, variará como resultado de la cantidad de flui-
do forzado a entrar en el.
La ley de conservación de la masa en el tanque, establece que
dρ(t)V dρ(t)
=V = ρ(t)Q(t). (3.18)
dt dt
La presión P2 (t) dentro del recipiente y la densidad ρ del fluido, están relacio-
nados por su ecuación de estado. Para muchos líquidos, una buena aproxima-
ción para la ecuación de estado, es
ρ(t)
dρ(t) = dP2 (t), (3.19)
β
donde β es el módulo de elasticidad global del líquido.

Por su parte, para muchos gases, por ejemplo el aire, la relación es
ρ(t)
dρ(t) = dP2 (t), (3.20)
nP2 (t)
donde n es una constante entre 1,0 y 1,4, dependiendo de cuán rápido se com-
prime el gas.
Si las presiones en un gas varían poco, se puede considerar que este tiene un
módulo de elasticidad global β ≈ nP2 .
Se puede escribir (3.18), como
V dP2 (t) V dP20 (t)
Q(t) = = . (3.21)
β dt β dt
Para los líquidos, donde β es constante, el tanque presurizado se comporta

como una capacitancia, con
V
Cf = . (3.22)
β
• Inductor hidráulico ideal (tubería larga)
Si se considera el flujo sin fricción y estacionario, de un fluido incompresible
por una tubería de área constante, la presión diferencial entre los extremos
de la tubería, ejerce una fuerza que acelera el fluido dentro de esta, según la
ecuación
1 dQ(t)
A [P2 (t) − P1 (t)] = AP21 (t) = ρAL , (3.23)
A dt
de la cual se obtiene la relación constitutiva del inductor hidráulico

dQ(t) ρL 0
If = P21 (t), I f = ,Q , (3.24)
dt A
donde Q0 es el caudal inicial por la tubería.

El inductor hidráulico, almacena energía en función del caudal a través de el.
• Resistor hidráulico ideal (orificio, válvula)

Se considerarán como resistores hidráulicos, aquellos elementos que ponen
resistencia al flujo de un fluido, ocasionando una caída de presión. Una res-
tricción (orificio, válvula) insertada en una tubería, un tapón poroso y un tubo
capilar largo, son resistores hidráulicos.
La caída de presión a través de un orificio, ocasionada por el flujo de un fluido
está dada, en forma aproximada, por la relación
1
P21 (t) = a0 Q(t) |Q(t)| , a0 = ρCd2 A20 , (3.25)
2
donde Cd es el coeficiente de descarga y A0 el área del orificio.

Esta relación se puede expresar también, como
p
R f Q(t) = signo{P21 (t)} |P21 (t)|. (3.26)
En el ámbito lineal, (3.26) se puede aproximar por la relación
R0f Q(t) = P21 (t). (3.27)
En la restricción hidráulica se disipa energía.
• Representación de una tubería

En una tubería larga real, pueden estar presentes tanto el fenómeno de alma-
cenamiento de energía debido a la razón de cambio del caudal, como el de la
disipación de energía por la fricción del fluido circulante con la pared interna
3.4. Sistemas mecánicos con elementos que se desplazan 69
de la tubería. Por lo tanto, esta puede representarse como un inductor hidráu-

lico ideal, en serie con un resistor hidráulico ideal, en cuyo caso su modelo
sería
dQ(t)
If + R f Q(t) = P21 (t). (3.28)
dt
La relevancia relativa de cada uno de estos dos fenómenos, depende de la ra-
zón de cambio del caudal (aceleración del fluido), que pudiera ser ocasionada
por cambios rápidos en la apertura o cierre de válvulas, y de la rugosidad y
diámetro de la tubería, además de la densidad del fluido.
Si la longitud de la tubería lo hace necesario, esta puede aproximarse divi-
diéndola en varios segmentos, donde cada uno de ellos es representado por un
modelo ideal de parámetros concentrados.
En los sistemas hidráulicos la diferencia de presión P21 está dada en Pa y el caudal

volumétrico Q en m3 s−1 . La capacitancia C f del capacitor hidráulico está dada en
m3 Pa−1 , la inductancia I f del inductor hidráulico en Pa s/(m3 /s) y la resistencia
(lineal) R0f del resistor hidráulico en Pa/(m3 /s). La unidad del tiempo t es s.
3.4 Sistemas mecánicos con elementos que se desplazan

Los elementos básicos de los sistemas mecánicos, cuyos componentes se desplazan
en forma longitudinal son: la masa, el resorte y el amortiguador, los cuales se mues-
tran en la figura 3.5. La masa solo tiene un punto móvil, se considera concentrada en
un punto, mientras que los dos extremos del resorte y del amortiguador son móviles,
estos se “estiran” o “encogen” longitudinalmente. Ellos representan tres fenómenos
esenciales que ocurren en los sistemas mecánicos.
En estos elementos, la transvariable es la diferencia de velocidades (V21 ) entre sus
extremos y la pervariable la fuerza (F) por ellos. Como se indica en la figura 3.5, la
posición (integral de la transvariable) y la velocidad de la masa, deben determinarse
respecto a un punto de referencia.
Las relaciones constitutivas de los elementos mecánicos que se desplazan bási-
cos, son:
• Masa ideal
Las partes integrantes de cualquier sistema mecánico, están compuestas de
materiales que tienen masa. Estas partes se resisten al cambio de su velocidad.
La relación constitutiva de la masa, es
dV20 (t) 0
m = F(t), V20 , (3.29)
dt
Figura 3.5: Elementos mecánicos que se desplazan
0 es la velocidad inicial de la masa.

donde V20
La masa almacena energía en función de su velocidad, energía cinética.
• Resorte ideal
El resorte es un elemento de masa cero, que se deforma cantidades constantes
y estacionarias, cuando se carga con fuerzas constantes.
Las relaciones constitutivas del resorte, son
1
F(t) = X21 (t), (3.30)
k
1 dF(t)
= V21 (t), F 0 , (3.31)
k dt
donde F 0 es la fuerza inicial por el resorte.

El resorte almacena energía en función de la fuerza, asociada a la deformación
de sus partículas, energía potencial.
• Amortiguador ideal
Un amortiguador, el cual no tiene masa ni efectos de resorte, representa sola-
mente los efectos de la resistencia a la razón de deformación.
La relación constitutiva del amortiguador, es
F(t) = bV21 (t). (3.32)
El amortiguador disipa energía.

3.5. Sistemas mecánicos con elementos que giran 71
Figura 3.6: Elementos mecánicos que giran
La diferencia de desplazamientos X21 , entre los extremos de los elementos mecá-

nicos que se desplazan, está dada por
dX21 (t) 0
= V21 (t), X21 , (3.33)
dt
donde X210 es el desplazamiento relativo inicial. En el caso de la masa, su posición y
velocidad son mediadas respecto al punto de referencia (X20 (t), V20 (t)).
En los sistemas mecánicos con elementos que se desplazan, la cantidad de ma-
teria m de la masa está dada en kg, la constante de rigidez k del resorte en N m−1 ,
el coeficiente de amortiguamiento b del amortiguador en N m−1 s, la diferencia de
desplazamiento X20,1 en m, la diferencia de velocidades V20,1 en m s−1 y la fuerza F
en N. La unidad del tiempo t es s.
3.5 Sistemas mecánicos con elementos que giran

Los elementos básicos que giran en los sistemas mecánicos son: la masa giratoria o
volante, el resorte giratorio y el amortiguador giratorio, los cuales se muestran en la
figura 3.6. El eje del volante es rígido (sus dos extremos tienen el mismo desplaza-
miento angular y giran a la misma velocidad), mientras que los extremos del eje del
resorte y los del eje del amortiguador, pueden tener diferente desplazamiento angular
y girar a diferente velocidad.
En estos elementos, la transvariable es la diferencia de velocidades angulares
(ω21 ) entre sus extremos y la pervariable el par (T ) por ellos. En forma similar a lo
que ocurre con la masa de los sistemas mecánicos con elementos que se desplazan,
en el caso del volante, su posición y velocidad angulares deben determinarse respecto

a un eje de referencia.
Las relaciones constitutivas de los elementos mecánicos que giran básicos, son:
• Volante ideal
El volante es una colección o distribución de masas conectadas juntas rígida-
mente y restringidas a rotar a una velocidad angular ω sobre su eje.
La relación constitutiva del volante, es
dω20 (t) 0
J = T (t), ω20 , (3.34)
dt
0 es la velocidad angular inicial del volante.

donde ω20
El volante almacena energía cinética en función de su velocidad angular.
• Resorte giratorio ideal

El resorte giratorio, o barra de torsión, es un elemento que no tiene masa y
cuyos extremos sufren una deformación angular cuando se le aplica un par.
Las relaciones constitutivas del resorte giratorio, son
1
T (t) = θ21 (t), (3.35)
K
1 dT (t)
= ω21 (t), T 0 , (3.36)
K dt
donde T 0 es el par inicial por el.

El resorte giratorio almacena energía potencial en función del par.
• Amortiguador giratorio ideal

El amortiguador giratorio no tiene masa y su relación constitutiva, es
T (t) = Bω21 (t). (3.37)
El amortiguador giratorio disipa energía.
La diferencia de desplazamientos angulares θ21 , entre los extremos de los ele-

mentos mecánicos que giran, está dada por
dθ21 (t) 0
= ω21 (t), θ21 , (3.38)
dt
3.6. Sistemas térmicos 73
Figura 3.7: Elementos térmicos
donde θ210 es el desplazamiento angular relativo inicial.
En los sistemas mecánicos que giran, el momento de inercia J del volante está
dado en Nms2 , la constante de rigidez K del resorte giratorio en N m rad−1 , el coefi-
ciente de amortiguamiento B del amortiguador giratorio en N m rad−1 s, la diferencia
de posiciones angulares θ20,1 en rad, la diferencia de velocidades angulares ω21 en
rad s−1 y el par T en N m. La unidad del tiempo t es s.
3.6 Sistemas térmicos

En los sistemas térmicos, puede haber almacenamiento y transmisión de calor. Esta
última puede ser por conducción, convección o radiación.
Los elementos de los sistemas térmicos son: el capacitor térmico y el resistor
térmico, los cuales se muestran en la figura 3.7.
En los sistemas térmicos la transvariable es la diferencia de temperatura (T21 )
y la pervariable el flujo de calor (q). La diferencia de temperatura en el capacitor
térmico, debe tomarse respecto a una de referencia.
Las relaciones constitutivas de los elementos térmicos básicos, son:
• Capacitor térmico ideal

La capacidad de almacenar energía interna de un material o combinación de
materiales dados, en virtud de un incremento en la temperatura, cuando recibe
un flujo neto de calor, está determinado por su masa y su llamado calor espe-
cífico. Este fenómeno de almacenar energía puede describirse por medio de un
capacitor térmico.
La relación constitutiva del capacitor térmico, es
dT20 (t) 0
Ct = q(t), T20 , (3.39)
dt
0 es la diferencia de temperatura inicial del capacitor térmico.

donde T20
El capacitor térmico almacena energía en función del incremento de tempera-

tura.
La capacitancia térmica de un material está dada, por
Ct = Cp m, (3.40)
donde Cp es su calor específico y m su masa.

• Resistor térmico ideal
Todos los materiales ofrecen alguna resistencia al flujo de calor, lo cual es
evidente del hecho que la temperatura desciende, en la dirección del flujo de
calor a través del material.
Cuando el material ofrece un grado de resistencia alto al flujo de calor, se le
denomina aislante y su conductividad térmica es baja. Un material a través del
cual el calor fluye relativamente libre se llama conductor y su conductividad
térmica es alta.
La relación constitutiva del resistor térmico, es
T21 (t) = Rt q(t). (3.41)
El resistor térmico disipa energía.

En el caso de la transmisión de calor por conducción en un material sólido, su
resistencia térmica es
L
Rt = , (3.42)
σc A
donde σc es la conductividad térmica del material, A su área normal a la direc-
ción del flujo de calor y L su largo (grosor) en la dirección del flujo de calor.
Para la transmisión de calor por convección, la resistencia térmica es
1
Rt = , (3.43)
Ch A
donde Ch es el coeficiente global de transferencia de calor.

En la realidad, toda masa sólida tiene capacidad calórica y conductividad térmica,
por lo que se puede representar en una mejor forma, con una red que combine un
capacitor térmico y resistencias térmicas, tal como se muestra en la figura 3.8, donde
Tm es la temperatura media del sólido.
En los elementos térmicos, la capacitancia Ct del capacitor térmico está dada en
J K−1 , la resistencia Rt del resistor térmico en K W−1 , la diferencia de temperatura
T20,1 en K y el flujo de calor q en W. La unidad del tiempo t es s.
3.7. Conversión de variables 75
Figura 3.8: Red para representar el com-

portamiento térmico de un sólido
Figura 3.9: Elementos de conversión
3.7 Conversión de variables

En los sistemas físicos, están presentes elementos que permiten modificar la relación
entre las variables en sus terminales, dentro de un mismo dominio físico. Los hay
también otros, que permiten convertir las variables de un dominio físico a otro.
Transformadores ideales
Se denominará como transformador, a un elemento que modifica la relación entre
las pervariables y transvariables en sus terminales, sin cambiar su dominio físico.
Elementos de este tipo son el transformador eléctrico, la palanca mecánica, el
conjunto de engranes y otros, mostrados en la figura 3.9.
Las relaciones constitutivas de los elementos transformadores, son:
• Transformador eléctrico ideal

Si no hay pérdidas de energía en el transformador eléctrico, se cumple que las
potencias en el arrollado primario y el arrollado secundario del transformador
son iguales, por lo que
v21 (t)ia (t) = −v43 (t)ib (t), (3.44)
que se puede escribir, como
v43 (t) ia (t)

=− = n, (3.45)
v21 (t) ib (t)
donde n es la relación de transformación.

Si n > 1, el elemento es un transformador elevador de tensión, mientras que si
n < 1, este es un transformador reductor de tensión.
• Sistema de engranes ideal

En un transformador mecánico giratorio ideal, sin pérdidas de energía, se tiene
que
ω20 (t)Ta (t) = −ω10 (t)Tb (t), (3.46)
de donde se obtiene, que
ω10 (t) Ta (t)

=− = n, (3.47)
ω20 (t) Tb (t)
donde n es la relación de engranes.

Si n > 1, el elemento es un incrementador de velocidad, mientras que si n < 1,
este es un reductor de velocidad.
Transductores ideales
Un transductor, será un elemento que convierte las variables de un dominio físico en
las de otro.
Por ejemplo, un motor eléctrico es un transductor electromecánico, convierte
energía eléctrica en energía mecánica, mientras que un conjunto compuesto por una
turbina y un generador eléctrico, transforma energía mecánica, hidráulica, eólica o
de otra forma, en energía eléctrica.
En el transductor electromecánico ideal mostrado en la figura 3.10, se tiene que
la energía eléctrica (en sus terminales eléctricos) y la energía mecánica (en el eje)
son iguales. Se cumple entonces, que
v21 (t)i(t) = −ω30 (t)T (t). (3.48)

3.7. Conversión de variables 77
Figura 3.10: Transductor electrome-

cánico
Figura 3.11: Transductor generali-

zado
Transductor generalizado
El transductor generalizado “tipo N”, es un elemento ideal de cuatro terminales, el
cual se muestra en la figura 3.11.
Las relaciones entre las transvariables y pervariables en el, cumplen con las si-
guientes relaciones
v43 (t) = Nv21 (t), (3.49)

−1
fb (t) = fa (t), (3.50)
N
v43 (t) fb (t) = −v21 (t) fa (t), (3.51)
donde N es la constante del transductor y cuyas unidades serán las de v43 /v21 , que
deben ser equivalentes a las de fa / fb .
Si el dominio físico de las variables en los terminales 2 y 1, es el mismo que el
de las variables en los terminales 4 y 3, la constante N es adimensional y el elemento
se denominará entonces “transformador”.
En ningún caso, (3.49) a (3.51) establecen una causalidad o relación de entrada a
salida, entre las variables en los dos conjuntos de terminales del transductor.
Cuadro 3.1: Transvariables, pervariables y sus integrales, de los diferentes sistemas

físicos
Sistema Transvariable Pervariable Integral de la Integral de la

v(t) f (t) transvariable x(t) pervariable h(t)
Eléctrico Diferencia de Corriente i Ligamento Carga q
tensión v de flujo λ
Hidráulico Diferencia de Caudal Q Cantidad de Volumen V
presión P movimiento de
presión Γ
Mecánico que Diferencia de Fuerza F Diferencia de Cantidad de
se desplaza velocidad V desplazamiento X movimiento p
Mecánico Diferencia de Par T Diferencia de Cantidad de
que gira velocidad desplazamiento movimiento
angular ω angular θ angular h
Térmico Diferencia de Flujo de − Calor H
temperatura T calor q
3.8 Variables de los sistemas físicos

Con base en las definiciones de las secciones anteriores, en el cuadro 3.1 se presenta
el resumen de las variables asociadas con los sistemas físicos descritos.
En estos, con la excepción de los sistemas hidráulicos y térmicos, el flujo de
potencia entrando a un elemento, es
P(t) = f (t)v21 (t). (3.52)
Un tratamiento detallado de los elementos de los sistemas físicos y de los ele-

mentos generalizados, se presenta en Shearer et al. (1971).
El uso de los términos pervariable y transvariable para las variables de los ele-
mentos físicos, tiene sus antecedentes en las analogías entre los sistemas eléctricos
y los sistemas mecánicos. Si bien la analogía convencional entre estos sistemas fue
inicialmente {velocidad ↔ corriente} y {fuerza ↔ tensión}, Firestone (1933) indicó
que esta era antinatural y mostró que tenía varios inconvenientes, por lo que propuso
que se usara la analogía {fuerza ↔ corriente}, variables que fluyen por el elemento,
y {velocidad ↔ tensión}, variables medidas a través del elemento o entre este y una
referencia. Esto hizo que los prefijos per y trans de las variables, tuvieran el mis-
3.9. Interconexión de los elementos 79
(a) Capacitor e inductor eléctricos (b) Capacitor e inductor interconectados
Figura 3.12: Interconexión de dos elementos
mo sentido en los dos tipos de sistemas y se le considera el creador de los términos

transvariable (“across-variable”) y pervariable (“through-variable”).
La transvariable también es denotada como variable de potencial y la pervariable
como variable de flujo (Takahashi et al., 1970). Además, el concepto de transvariable
y pervariable, puede extenderse a las variables de los sistemas no físicos (Chaturvedi,
2010).
3.9 Interconexión de los elementos

Se han presentado las características de los elementos de diferentes dominios físicos,
donde cada uno de ellos representa un fenómeno determinado.
Las relaciones constitutivas de estos elementos, no establecen una causalidad -
relación entrada a salida- de las variables en el mismo.
Supóngase por ejemplo, que se tiene el capacitor eléctrico y el inductor eléctrico,
mostrados en la figura 3.12a
En la sección 3.2 se presentaron las relaciones constitutivas de estos dos elemen-
tos, las cuales son
dvC (t)
C = iC (t), vC0 , (3.53)
dt
diL (t)
L = vL (t), i0L . (3.54)
dt
Por el momento, se tienen cuatro variables ϑCL = {vC , iC , vL , iL } y dos ecuaciones,
(3.53) y (3.54).
Si estos dos elementos son interconectados como se ilustra en la figura 3.12b,
debido a esta interconexión se establecen dos ecuaciones adicionales:
• Las transvariables −“variables de potencial”− en el punto de interconexión,

son iguales
vC (t) = vL (t). (3.55)
• La suma de las pervariables −“variables de flujo”− en el punto de intercone-

xión, es cero
iC (t) + iL (t) = 0. (3.56)
Por lo tanto, el modelo del circuito eléctrico de la figura 3.12b, es
dvC (t)
C = iC (t), vC0 , (3.57)
dt
diL (t)
L = vL (t), i0L , (3.58)
dt
vC (t) = vL (t), (3.59)
iC (t) + iL (t) = 0. (3.60)
Ahora se tienen cuatro variables y cuatro ecuaciones. Además, el estado inicial

del sistema está definido, {vC0 , i0L }. El modelo está completamente determinado.
Las relaciones anteriores, derivadas de la interconexión de dos o más elementos,
se pueden formular de manera general, según las siguientes leyes:
• Ley de incidencia de las pervariables

La suma de todas las pervariables que inciden en un punto cualquiera de inter-
conexión -nodo- de la red generalizada, es igual a cero,
∑ fk (t) = 0. (3.61)
k
• Ley de contorno de las transvariables

La suma de todas las transvariables tomadas alrededor de cualquier contorno
cerrado -lazo- de la red generalizada, es igual a cero,
∑ vi j (t) = 0. (3.62)
i, j
3.10 La red generalizada

Una red generalizada estará constituida por la interconexión de elementos y fuentes
generalizadas, que representan a los elementos de los sistemas físicos.
3.10. La red generalizada 81
El análisis de la red, es independiente de la naturaleza física de los elementos

que representa, permitiendo aplicar el mismo conjunto de herramientas de análisis, a
sistemas de naturaleza muy diversa.
Además, para dos o más sistemas de diferente naturaleza física, que se pueden re-
presentar por la misma red generalizada, su análisis mostrará que su comportamiento
dinámico es el mismo, y que este no depende de su naturaleza física.
3.10.1 Elementos de la red generalizada

Una red generalizada estará formada por elementos generalizados:
• Tipo A que almacenan energía en función de la transvariable
v21 (t)
A = f (t), (3.63)
dt
• Tipo T que almacenan energía en función de la pervariable
f (t)
T = v21 (t), (3.64)
dt
• Tipo D que disipan energía
D f (t) = v21 (t), (3.65)
• Tipo N que transforman energía
v43 (t) fa (t)

=− = N, (3.66)
v21 (t) fb (t)
y por fuentes ideales de transvariable vi (t) y de pervariable fi (t).
3.10.2 Elementos generalizados y sistemas físicos

La relación de los elementos de los sistemas eléctricos presentados en la sección
3.2, los hidráulicos de la sección 3.3, los mecánicos en las secciones 3.4 y 3.5, y los
térmicos en la sección 3.6, con los elementos generalizados de la sección anterior, se
resume en el cuadro 3.2.
Con base en este cuadro, se pueden establecer analogías o “equivalencias” entre
los elementos de los diferentes sistemas físicos. Sin embargo, la masa no es comple-
tamente análoga a un capacitor eléctrico.
Cuadro 3.2: Elementos ideales de los sistemas físicos
Sistema Elemento
Tipo A Tipo T Tipo D Tipo N
Eléctrico capacitor inductor resistor transformador
eléctrico
Hidráulico tanque tubería larga válvula, pistón
orificio diferencial
Mecánico (desplaza) masa resorte amortiguador palanca
Mecánico (gira) volante resorte amortiguador sistema de
giratorio giratorio engranes
Térmico capacitor – resistencia –
térmico térmica
Si bien la masa y el capacitor eléctrico son ambos elementos tipo A −ya que
almacenan energía en función de su transvariable−, el capacitor eléctrico es un ele-
mento de dos terminales, mientras que la masa se comporta como un elemento con
un solo terminal localizado en su centro de masa −su posición y velocidad se miden
respecto a un punto de referencia−. Por lo tanto, dos o más capacitores eléctricos
pueden interconectarse ya sea en serie −unidos por uno de sus terminales, con solo
un punto en común y la misma pervariable pero diferente transvariable− o en parale-
lo −unidos por sus dos terminales, con dos puntos en común y la misma transvariable
pero diferente pervariable−. Sin embargo, dos o más masas solo pueden conectarse
en paralelo, ya que tienen un punto específico en común, la referencia. Dos o más
masas se pueden conectar en serie, solo si hay otro elemento (resorte, amortiguador),
entre cada dos de ellas (Firestone, 1933).
El elemento mecánico “inerter”

Como se vio anteriormente, la relación constitutiva del capacitor eléctrico, es
dv21 (t)
C = i(t), v021 , (3.67)
dt
mientras que la de la masa es
dV20 (t) 0
m = F(t), V20 . (3.68)
dt
Por lo tanto, en una red generalizada los elementos generalizados tipo A que
representan a las masas de un sistema mecánico, tiene siempre un terminal conectado
al punto de referencia.
3.11. Obtención de la red generalizada equivalente 83
Figura 3.13: Diagrama esquemático del ele-

cremallera piñones
mento “inerter”
2 1
engrane volante
Esto llevó a Smith (2002) a desarrollar en la Universidad Cambridge, un ele-

mento que llamó “inerter” (¿inersor?). Este es un elemento mecánico ideal de dos
terminales, con masa despreciable, cuya relación constitutiva es tal, que la fuerza
aplicada en los terminales es proporcional a la aceleración relativa entre estos, dada
por la expresión

dV2 (t) dV1 (t) dV21 (t) 0
F(t) = b − =b , V21 , (3.69)
dt dt dt
donde b es su “inertance” (¿inertancia?) en kg -pero que no es su masa-.

Una forma de construir el elemento inerter, se muestra en forma esquemática en
la figura 3.13 (Smith, 2002).
Este ha sido aplicado especialmente en el desarrollo de sistemas de suspensión
para vehículos1 (Chen et al., 2009).
3.11 Obtención de la red generalizada equivalente

Utilizando los elementos básicos de los diferentes dominios físicos, se obtendrán las
redes generalizadas equivalentes, de varios sistemas de diferente naturaleza física y
a partir de estas, se establecerán las ecuaciones de los modelos para representarlos.
3.11.1 Proceso de cámaras con aislamiento térmico

En la figura 3.14 se presenta un proceso térmico compuesto por dos cámaras cerra-
das, cuyas paredes tienen un aislamiento térmico. Las capacitancias térmicas de las
1 En particular ha sido empleado en los carros de Fórmula 1 y su utilización inicial se consideró
un “secreto”. Para describirlo la escudería McLaren utilizó el nombre ficticio “J-damper” (Smith, M.
- Control for Formula One!, en Samad, T. y Annaswamy, A. M. Eds. (2014) - The Impact of Control
Technology.).
Figura 3.14: Proceso de dos cáma-

ras con aislamiento térmico
Figura 3.15: Red genera-

lizada del proceso de dos
cámaras con aislamiento
térmico
cámaras son Ct1 y Ct2 .

Se inyecta calor a una razón qe (t) solo a la cámara 1. El aislante entre las dos cá-
maras tiene una resistencia térmica Rt12 y el de las paredes exteriores de las cámaras
1 y 2 resistencias térmicas Rt10 y R20 , respectivamente.
Las temperaturas internas de las dos cámaras son T1 (t) y T2 (t) y la del medio
ambiente externo T0 (t).
La red generalizada equivalente a este sistema térmico, se muestra en la figura
3.15. Para su elaboración, se deben emplear elementos tipo A −capacitores térmicos−
para representar a las cámaras y elementos tipo D −resistores térmicos− para repre-
sentar a los aislantes de las paredes.
Aplicando la Ley de incidencia de las pervariables en los nodos T1 y T2 de la red,
se obtiene el modelo del sistema de dos cámaras, dado por las ecuaciones
dT1 (t) T1 (t) − T2 (t) T1 (t) − T0 (t)

Ct1 = qe (t) − − , (3.70)
dt Rt12 Rt10
dT2 (t) T1 (t) − T2 (t) T2 (t) − T0 (t)
Ct2 = − . (3.71)
dt Rt12 Rt20
Este se puede escribir también, como

dT1 (t) 1 1 1 1
Ct1 =− + T1 (t) + T2 (t) + T0 (t) + qe (t), (3.72)
dt Rt12 Rt10 Rt12 Rt10

dT2 (t) 1 1 1 1
Ct2 = T1 (t) − + T2 (t) + T0 (t). (3.73)
dt Rt12 Rt12 Rt20 Rt20
Conocidos los parámetros del proceso {Ct1 , Ct2 , Rt10 , Rt12 , Rt20 }, la variación
de la temperatura ambiente externa T0 (t) y el perfil del flujo de calor de entrada qe (t),
se pueden resolver (3.72) y (3.73) para determinar las temperaturas internas de las
dos cámaras, T1 (t) y T2 (t).
En este proceso, las temperaturas Ti están dadas en ◦C, las capacitancias térmicas
C j en J ◦C−1 , las resistencias térmicas Rk en ◦C W−1 y los flujos de calor qx en W. La
unidad del tiempo t es el s.
Ejemplo 3.1 Cámaras con aislamiento térmico

Considérese como ejemplo, que los parámetros del sistema de la figura 3.14 son: ca-
pacitancias térmicas de las cámaras, Ct1 = Ct2 = 10,0 J ◦C−1 ; resistencias térmicas
de las paredes aisladas, R12 = 5,0 ◦C W−1 , R10 = R20 = 20,0 ◦C W−1 ; temperaturas
iniciales al interior de las cámaras, T10 = T20 = 20,0 ◦C; y temperatura ambiente
exterior, T0 = 20,0 ◦C.
El flujo de calor entrando a la cámara 1 es qe (t) = 2,0 W para t ≥ 10,0 s.
La evolución de las temperaturas en las cámaras y los flujos de calor por las
paredes, se muestran en la figura 3.16 .
Inicialmente, las temperaturas internas de las dos cámaras, son iguales a la tem-
peratura exterior (ambiente). Debido a la inyección de calor a la cámara 1, su tem-
peratura interna aumenta y el flujo de calor hacia la cámara 2 crece rápidamente.
La temperatura de la cámara 2 siempre será menor a la de la cámara 1. Por su parte,
a medida que aumentan las temperaturas internas de las cámaras, se incrementan
las pérdidas de calor al medio ambiente por las paredes de las cámaras.
Después de aproximadamente 1200 s (20 min), el sistema alcanza un nuevo punto
de equilibrio. Las nuevas temperaturas al interior de las cámaras son: T1o = 43,2 ◦C
y T2o = 37,7 ◦C, y los flujos de calor por las paredes: qo12 = 0,89 W, qo10 = 1,11 W y
qo20 = 0,89 W. En estado estacionario se tiene que qo20 = qo12 y qo10 + qo20 = qe .
3.11.2 Proceso de tanques interconectados

En la figura 3.17 se muestra el proceso hidráulico consistente en dos tanques cilín-
dricos verticales abiertos a la atmósfera, interconectados por medio de una tubería de
longitud considerable.
Temperaturas [C]
Flujos de calor [W]

40 1.0
35 0.8
T1 (t) 0.6 q12(t)

30 T2 (t) q10(t)
q20(t)
0.4
25
0.2
20
0.00 200 400 600 800 1000 1200
0 200 400 600 800 1000 1200
Tiempo, t [s] Tiempo, t [s]
Figura 3.16: Ejemplo 3.1 - Comportamiento de las temperaturas y los flujos de calor
Figura 3.17: Proceso de tanques interconectados
En este proceso, el líquido entra por la parte superior del primer tanque, el 1, y
descarga al medio ambiente a través de una válvula instalada en la parte inferior de
la pared del segundo tanque, el 2.
Los tanques 1 y 2 −elementos tipo A− se representarán por capacitores con
capacitancia C f 1 = A1 /ρg y C f 2 = A2 /ρg, las válvulas v1 y v2 −elementos tipo D−
por resistores con resistencias Rv1 y Rv2 , y la tubería larga por un inductor −elemento
tipo T− con una inductancia I f = ρL/A0 , en serie con un resistor −elemento tipo
D− de resistencia R f . La red generalizada equivalente a este proceso hidráulico, se
muestra en la figura 3.18.
El modelo del proceso obtenido a partir de su red generalizada, analizando las
pervariables por los capacitores generalizados −o aplicando la Ley de incidencia
de las pervariables en los nodos P1 y P2 − y la transvariable a través del inductor
Figura 3.18: Red generalizada del proceso de tanques interconectados
generalizado −o aplicando la Ley de contorno de las transvariables en el lazo de

Q12 −, es
dP1 (t)
Cf1 = Qe (t) − Q12 (t), (3.74)
dt
dP2 (t) 1
Cf2 = Q12 (t) − P2 (t), (3.75)
dt Rv2
dQ12 (t)
If = P1 (t) − P2 (t) − (Rv1 + R f ) Q12 (t). (3.76)
dt
En el modelo anterior, los estados del proceso son las transvariables en las ca-
pacitancias (tanques) P1 (t) y P2 (t), y la pervariable por la inductancia (de la tubería
larga) Q12 (t).
Si se seleccionan como estados los niveles de líquido en los tanques y el caudal
por la tubería entre estos, el modelo sería
dH1 (t)
A1 = −Q12 (t) + Qe (t), (3.77)
dt
dH2 (t) ρh
A2 = Q12 (t) − H2 (t), (3.78)
dt Rv2
ρL dQ12 (t)
= ρgH1 (t) − ρgH2 (t) − (Rv1 + R f ) Q12 (t). (3.79)
A0 dt
Si interesara determinar el caudal de salida del segundo tanque, este es
ρg
Qs2 (t) = H2 (t). (3.80)
Rv2
Las unidades de los parámetros y variables de este proceso son:
• ρ - densidad [kg m−3 ],
+
+
- -
Figura 3.19: Motor eléctrico de corriente continua
• Ai - área transversal del tanque [m2 ],
• Ci - capacitancia hidráulica [m3 Pa−1 ],
• g - aceleración de la gravedad, g = 9,8 m s−2 ,
• Hi - nivel del líquido en el tanque [m],
• I f - inductancia hidráulica [Pa s/(m3 /s)],
• L - longitud de la tubería [m] ,
• Pi - presión relativa en el fondo del tanque [Pa],
• Ri - resistencia hidráulica [Pa/(m3 /s)].
3.11.3 Sistema heterogéneo

Los sistemas físicos, por lo general, están compuestos por elementos de diferentes
dominios físicos, por lo se encuentran denominaciones para referirse a ellos como
sistemas electrohidráulicos, electromecánicos, electroquímicos, electrotérmicos, hí-
bridos (con referencia a vehículos), termofluídicos, o mecatrónicos.
Un ejemplo simple de un sistema heterogéneo, es un motor eléctrico y en par-
ticular, el motor de corriente continua analizado en el ejemplo 2.2 del Capítulo 2 y
mostrado nuevamente en la figura 3.19. El motor en si es un transductor electrome-
cánico, convierte energía eléctrica en energía mecánica.
En este sistema, las variables eléctricas son la tensión Va (t) y la corriente ia (t) en
el circuito de armadura, y la fuerza contra electromotriz Vm (t). Las variables mecá-
nicas son la velocidad de rotación ω(t) del motor y el par T (t) producido por este.
Además, se considerará un par TL (t) opuesto por la carga conectada al eje del motor.
Las ecuaciones que modelan el conjunto del motor y la carga, se determinaron
ya en el ejemplo 2.2 del Capítulo 2, las cuales son
dia (t)
La = Va (t) − Ra ia (t) −Vm (t), (3.81)
dt
dω(t)
J = T (t) − Bω(t) − TL (t), (3.82)
dt
Vm (t) = Ke ω(t), (3.83)
T (t) = Kt ia (t). (3.84)
Los parámetros del motor son θm = {Ra , La , J, B, Ke , Kt }, con la resistencia Ra del

circuito de armadura en Ω, la inductancia La del circuito de armadura en H, la inercia
J del rotor del motor en kg m, el coeficiente de fricción viscosa B del rotor del motor
en N m s, la constante Ke de la fuerza contra electromotriz en V/(rad/s) y la constante
Kt del par del motor en N m A−1 . En el sistema de unidades SI, Ke = Kt = K.
Las variables en el sistema del motor eléctrico incluyen: la corriente eléctrica ia
en A, la tensión de armadura Va en V y la velocidad de rotación ω en rad s−1 . El par
opuesto por la carga es TL en N m.
Para representar al motor eléctrico y su carga, mediante una red generalizada, se
emplearán los elementos generalizados equivalentes a los elementos eléctricos del
circuito de armadura, un transductor generalizado para representar la conversión ele-
tromecánica que tiene lugar en el motor y los elementos generalizados equivalentes
a los componentes mecánicos que giran. La red generalizada equivalente se muestra
en la figura 3.20. Esta red combina entonces componentes eléctricos, mecánicos y de
conversión de energía.
El modelo de la red generalizada se puede obtener aplicando primero, la Ley de
contorno de las transvariables en el lazo de los componentes eléctricos
dia (t)
∑ vi j (t) = La + Ra ia (t) + Kω(t) −Va (t) = 0, (3.85)
i, j dt
y luego, la Ley de incidencia de las pervariables en el nodo de los componentes

mecánicos
dω(t)
∑ fk (t) = J dt − Kia (t) + Bω(t) + TL (t) = 0. (3.86)
k
El modelo obtenido a partir de la red generalizada, (3.85) y (3.86), es equivalente
al modelo (3.81) a (3.84) obtenido anteriormente.
+
-
Figura 3.20: Red generalizada del motor eléctrico de corriente continua
En resumen, las variables eléctricas del motor son ϑe = {Va (t),Vm (t), ia (t)} y las
mecánicas ϑm = {ω(t), T (t)}. Los parámetros del motor se pueden dividir en dos
grupos, los correspondientes a sus componentes eléctricos θe = {Ra , La , Ke } y los
correspondientes a sus partes mecánicas θm = {J, B, Kt }, donde Ke = Kt (en unida-
des SI) relacionan la parte eléctrica y la mecánica -conversión electromecánica-. Las
variables Va (t) y TL (t) provienen del medio externo.
3.12 Resumen
En los diferentes sistemas físicos, existen dos tipos de variables: las transvariables,
que son aquellas variables que requieren de dos puntos para medirse, como la tensión
eléctrica, la velocidad y la temperatura; y las pervariables, que son las variables que
requieren de solo un punto para su medición, como la corriente eléctrica, la fuerza y
el flujo de calor.
Los fenómenos de almacenamiento de energía se pueden representar por elemen-
tos generalizados tipo A −capacitor−, que la almacena en función de la transvariable
y tipo T −inductor−, que la almacena en función de la pervariable. La disipación de
energía se representa por un elemento generalizado tipo D −resistor−.
Existen también transformadores y transductores de variables, elementos tipo N.
Los elementos generalizados están definidos por sus relaciones constitutivas, las
cuales establecen la relación entre la pervariable y la transvariable en el elemento.
Al interconectarse dos o más elementos entre si, se establecen ecuaciones adicio-
nales producto de esta conexión. Estas relaciones están determinadas por la Ley de
incidencia de las pervariables y por la Ley de contorno de las transvariables.
Los elementos generalizados y su interconexión en una red generalizada, permi-
ten analizar con un mismo conjunto de herramientas matemáticas, el comportamiento
de sistemas físicos diversos.
En general, los sistemas dinámicos son heterogéneos. Son el resultado de la inter-

conexión de elementos que representan fenómenos que ocurren en dominios físicos
diferentes.
3.13 Bibliografía
Alfaro, V. M. (1991). La Red generalizada. Ingeniería, 1(2):37–52. Disponible en:
http://revistas.ucr.ac.cr/index.php/ingenieria/article/view/7578/7242.

Chen, M. Z. Q., Papageorgiou, C., Scheibe, F., Wang, F.-C., y Smith, M. C. (2009).
The Missing Mechanical Circuit Element. IEEE Circuits and Systems Magazine,
páginas 10–26. First Quarter.

Firestone, F. A. (1933). A New Analogy Between Mechanical and Electrical Sys-

tems. Journal of the Acoustical Society, 4:249–267.
Nise, N. S. (2002). Sistemas de control para ingeniería. Compañía Editorial Conti-

nental. S.A. de C.V., México, D.F.

Ogata, K. (2010). Ingeniería de control moderna. Pearson Educación, S.A., Madrid,

España.
Paynter, H. M. (1961). Analysis and Design of Engineering Systems. The MIT Press,
Cambridge, Mass., USA. Class Notes for M.I.T. Course 2.751.
Shearer, J. L., Murphy, A. T., y Richardson, H. H. (1971). Introduction to System

Dynamics. Addisson-Wesley Publishing Company, Inc., Reading, Mass., USA.

Smith, M. C. (2002). Synthesis of Mechanical Networks: The Inerter. IEEE Transac-

tions on Automatic Control, 47(10):1648–1662.
Takahashi, Y., Rabins, M. J., y Auslander, D. M. (1970). Control and Dynamic

Systems. Addisson-Wesley Publishing Company, Inc. Reading, Massachusetts,
USA.
4
Modelado analı́tico del proceso controlado
4.1 Introducción
4.2 Leyes de conservación
4.3 Procedimiento de modelado analítico
4.4 Modelado de un tanque de mezcla
4.4.1 Modelado
4.4.2 Curva característica estática
4.4.3 Característica dinámica
4.4.4 Comportamiento dinámico de los instrumentos
4.4.5 Sistema de control de temperatura
4.5 Resumen
4.6 Bibliografía
El desarrollo de un sistema de control, no será posible sin un modelo adecuado del

proceso controlado (Fasol y Jörgl, 1980). Por eso, una de las actividades más im-
portantes en el diseño de los sistemas de control, es el modelado matemático de los
procesos que se deben controlar.
4.1 Introducción
Como el diseño y la prueba del sistema de control, antes de ajustar el controlador
real, se hará normalmente mediante su simulación digital, se requiere un modelo
matemático del proceso controlado para representarlo en estos estudios.
93
94 4 Modelado analítico del proceso controlado
Es importante notar, que lo que se requiere es un modelo y no el modelo del

proceso controlado, ya que existirán múltiples modelos, con diferente complejidad
y precisión, que pueden representar al proceso en los estudios que se deben realizar.
Cuál modelo seleccionar dependerá del uso que se le dará.
Para efecto del análisis, diseño y simulación de los sistemas de control, normal-
mente la demanda sobre la complejidad del modelo es baja, lo importante es que este
permita estimar de la mejor manera posible, el comportamiento del proceso real en
los puntos en que el sistema de control operará.
Se puede obtener un modelo analítico del proceso, utilizando las relaciones cons-
titutivas de los elementos básicos y las leyes de conservación, considerando los fe-
nómenos que se desarrollan en el mismo, presentados en el Capítulo 3. Este es un
modelo paramétrico.
Las relaciones entre las variables físicas en el proceso, son transferidas a una
representación matemática, mediante un conjunto de ecuaciones, usualmente alge-
braico diferenciales (DAE - “differential-algebraic equations”) no lineales.
El modelado analítico de los sistemas físicos, tiene como base las leyes funda-
mentales de la física y la química, tales como la conservación de la masa, la energía
y la cantidad de movimiento.
Por otra parte, es necesario realizar suposiciones o simplificaciones de manera
que el modelo, sin necesidad de ser extremadamente complejo, reproduzca con cier-
to grado de fidelidad, el comportamiento del sistema que representa. Estas deben
tenerse presentes, al momento de analizar la evolución de las variables predicha por
el modelo.
Es posible obtener también un modelo experimental, mediante pruebas con el
proceso real. La información colectada de los estímulos aplicados y de las reacciones
del proceso a estos, constituyen un modelo no paramétrico del mismo. Esta informa-
ción es utilizada para el ajuste de los parámetros de modelos lineales simples, como
se verá en el Capítulo 8.
El número de variables (incógnitas) del modelo analítico desarrollado, debe ser
igual al número de ecuaciones que lo constituyen, para que este esté completamen-
te definido y pueda solucionarse. Si hay más variables que ecuaciones, el modelo
no está completamente especificado y si hay más ecuaciones que variables, está so-
brespecificado. Además, el modelo debe ser consistente, todos los términos de cada
ecuación, deben tener las mismas unidades.
Por lo tanto, en el contexto de este libro se entenderá por modelo paramétrico
analítico, aquel cuyos parámetros representan o tienen correspondencia con las ca-
racterísticas físicas específicas del proceso modelado. Además, estos modelos pue-
den proveer también información del comportamiento al interior del proceso.
Por su parte, un modelo no paramétrico estará constituido por la información co-
lectada de alguna prueba con el proceso, a partir de la cual se ajustan los parámetros
4.2. Leyes de conservación 95
Figura 4.1: Flujos de la propie-

dad P en un proceso
del modelo paramétrico experimental seleccionado para representarlo. Los modelos

no paramétricos y los modelos paramétricos experimentales obtenidos a partir de los
primeros, solo proveen información de la relación entre el estímulo aplicado y la
variable de interés medida, esto es, del comportamiento visto desde el exterior del
proceso −la relación entre la “entrada” y la “salida” del proceso−.
4.2 Leyes de conservación

Las Leyes de conservación establecen que, en un proceso o sistema genérico como el
mostrado en la figura 4.1, la razón de cambio con respecto al tiempo de una propiedad
P dentro del proceso, es igual a la suma de los flujos de entrada Pei de esta, menos
la suma de sus flujos de salida Ps j , más su producción interna Pp , menos su consumo
interno Pc , esto es que
ne ns
dP(t)
= ∑ Pei (t) − ∑ Ps j (t) + Pp (t) − Pc (t). (4.1)
dt i=1 j=1
Se pueden establecer entonces los siguientes balances (Roffel y Betlem, 2006;

Seborg et al., 2011; Stephanopoulos, 1984):
• Balance de energía
La primera ley de la termodinámica, conduce al principio de la conservación
de la energía, expresado como que la
[Razón de cambio con respecto al tiempo de la energía interna, cinética y
potencial dentro del sistema] =
[Flujo de energía interna, cinética y potencial entrando al sistema por con-
vección o difusión] − [Flujo de energía interna, cinética y potencial saliendo
del sistema por convección o radiación] + [Calor agregado al sistema por

conducción, radiación y reacción] − [Trabajo hecho por el sistema en los al-
rededores].
• Balance de masa total

El principio de la conservación de la masa, aplicado a un sistema dinámico,
implica que la
[Razón de cambio respecto al tiempo de la masa total dentro del sistema] =
[Flujo de masa total entrando al sistema] − [Flujo de masa total saliendo del
sistema].
Las unidades de cada término de esta ecuación, son masa por unidad de tiempo.
Solo se puede establecer un balance de masa total en el sistema.
• Balance de masa de los componentes individuales

Al contrario de la masa total, los componentes químicos no se conservan. Si
ocurre una reacción en el sistema, el número de moles de un componente se
incrementará si este es un producto de la reacción, o decrecerá si es un reac-
tante.
Por lo tanto, la ecuación de continuidad para el componente j-ésimo, se escribe
como que la
[Razón de cambio respecto al tiempo de los moles del componente j dentro del
sistema] =
[Flujo de moles del componente j entrando al sistema] − [Flujo de moles
del componente j saliendo del sistema] + [Razón de formación de moles del
componente j por una reacción química].
Se puede escribir una ecuación de balance de masa por cada componente en el
sistema. Si hay Nc componentes en el sistema, se podrán establecer Nc ecua-
ciones de continuidad de la masa de los componentes individuales.
Sin embargo, debe tenerse en cuenta que las ecuaciones de balance de masa de
los componentes individuales y la de balance de masa total, no son indepen-
dientes.
Dado un sistema, solo existen Nc ecuaciones de continuidad linealmente inde-
pendientes. Las Nc ecuaciones de balance de masa de los componentes indivi-
duales, o la ecuación de balance de masa total y Nc − 1 ecuaciones de balance
de masa de los componentes.
4.3. Procedimiento de modelado analítico 97
4.3 Procedimiento de modelado analítico

El desarrollo del modelo analítico de un proceso, con el fin de utilizarlo en los estu-
dios de control, involucra realizar una serie de actividades (Cameron y Gani, 2011):
• Establecimiento del alcance del “proceso” de interés a modelar, esto es definir

la “frontera” del proceso. Qué pertenece a él y qué se considera que es el medio
externo.
• Determinación de los componentes internos del proceso y de los fenómenos

que los relacionan.
• Establecimiento de las ecuaciones de balance −de energía, de masa total, de

masa de componentes−, del proceso.
• Determinación de la escala de tiempo del proceso y el rango de variación de

las variables.
• Verificación de las posibles restricciones a la evolución dinámica del proceso.
• Obtención de la información necesaria para el establecimiento del modelo.

Características del proceso, de sus variables y sus parámetros.
• Elaboración del modelo matemático.
• Traslado del modelo matemático a la representación utilizada por el ambien-

te de solución utilizado (“programación”). ¿Permite este que el modelo esté
constituido por un conjunto de ecuaciones algebraico diferenciales implícitas,
o requiere que el modelo se exprese como un conjunto de ecuaciones diferen-
ciales y algebraicas explícitas?
• Verificación del modelo implementado (ecuaciones programadas), con rela-

ción al modelo conceptual original desarrollado.
• Selección del punto de operación (condiciones iniciales) y de los estímulos

aplicados al proceso.
• Experimentación (simulación) con el modelo. Solución numérica del modelo.
• Validación del modelo. ¿Representa con la fidelidad requerida al proceso mo-

delado real −si este existe−?
• Verificación de la sensibilidad del modelo, a cambios en los estímulos, en las

perturbaciones, o en los parámetros.
Figura 4.2: Tanque de mez-

cla
TV
TT
LT
• Cuantificación de la incidencia de las no linealidades del proceso, sobre su

comportamiento dinámico, en el posible rango de operación.
• Aproximación del modelo no lineal (“complejo”) original, por un modelo li-

neal reducido (“simple”).
• Verificación de la bondad del modelo lineal simple desarrollado, evaluando su

capacidad para representar las características del modelo no lineal complejo
original.
4.4 Modelado de un tanque de mezcla

A manera de ejemplo, se desarrollará a continuación el modelo analítico de un pro-
ceso sencillo.
En la figura 4.2 se muestra el sistema hidráulico, en el cual se debe efectuar el
control de la temperatura de un líquido dentro de un tanque, mezclándolo con otro
más caliente.
Se ha incorporado al tanque, un transmisor del nivel (LT) y uno de la tempera-
tura (TT) del líquido en el tanque. El líquido caliente es manipulado utilizando una
válvula de control (TV).
Por simplicidad, se supondrá que los dos líquidos tienen la misma densidad y la
misma capacidad calorífica. Además, se supondrá también que la mezcla de líquidos
dentro del tanque, es completamente homogénea.
4.4. Modelado de un tanque de mezcla 99
4.4.1 Modelado
El desarrollo del modelo del proceso incluye las siguientes ecuaciones:
• Balance del volumen del líquido en el tanque
d[AH(t)]
= Qe (s) + Qc (t) − Qs (t). (4.2)
dt
• Balance de energía en el tanque
d[Cp ρAH(t)T (t)]

= Cp ρQe (t)Te (t) +Cp ρQc (t)Tc (t) −Cp ρQs (t)T (t). (4.3)
dt
• Caudal de salida del tanque (a través de la válvula)

p
Qs (t) = Kvs Xv ρgH(t). (4.4)
• Caudal del líquido caliente por la válvula de control, cuya característica inhe-
rente de flujo, se supondrá aproximadamente cuadrática
Qc (t) = KvcU 2 (t). (4.5)
• Transmisor de la temperatura del líquido en el tanque
YT (t) = KT T (t). (4.6)
• Transmisor del nivel del líquido en el tanque
YL (t) = KL H(t). (4.7)
El conjunto de ecuaciones anterior, se puede escribir como
dH(t) p
A = Qe (s) + Qc (t) − Kvs Xv ρgH(t), (4.8)
dt
dT (t)
AH(t) = [Te (t) − T (t)] Qe (t) + [Tc (t) − T (t)] Qc (t), (4.9)
dt
Qc (t) = KvcU 2 (t), (4.10)
YT (t) = KT T (t), (4.11)
YL (t) = KL H(t), (4.12)
donde:
• ρ - densidad de los líquidos, ρ = 1500 kg m−3 ,
• A - área transversal del tanque, A = 1,25 m2 ,
• Cp - capacidad calorífica de los líquidos, Cp = 5,0 J kg−1 ◦C−1 ,
• H - nivel del líquido en el tanque [m],
• HT - altura de las paredes del tanque, HT = 2,0 m,
• KL - ganancia del transmisor de nivel, KL = 50 %m−1 ,
• KT - ganancia del transmisor de temperatura, KT = 1,0 %◦C−1 ,
• Kvc - constante de la válvula de control, Kvc = 3,5 10−6 , caudal máximo por la
válvula 0,035 m3 s−1 ,
• Kvs - constante de la válvula de salida, Kvs = 2,5 10−4 ,
• Qc - caudal del líquido caliente [m3 s−1 ],
• Qe - caudal de entrada, Qe = 0,015 m3 s−1 (constante),
• Qs - caudal de salida [m3 s−1 ],
• T - temperatura de la mezcla de líquidos en el tanque [◦C],
• Tc - temperatura del líquido caliente, Tc = 90 ◦C (constante),
• Te - temperatura del líquido de entrada, 20 ◦C ≤ Te ≤ 30 ◦C, Te = 25 ◦C es el

valor más probable,
• Tr - valor deseado de la temperatura del líquido de salida, Tr = 50 ◦C,
• U - señal de salida del controlador, 0 % a 100 %,
• YL - señal de salida del transmisor de nivel, 0 % a 100 % -rango de medición de

0 m a 2,0 m-,
• YT - señal de salida del transmisor de temperatura, 0 % a 100 % -rango de me-

dición de 0 ◦C a 100,0 ◦C-,
• Xv - apertura de la válvula de salida, 0 a 1, Xv = 0,8 (constante).

Figura 4.3: Bloque representativo del modelo analítico del tanque de mezcla
El modelo constituido por (4.8) a (4.12), es un modelo paramétrico analítico del

proceso mostrado en la figura 4.2, compuesto por el tanque, las válvulas y tuberías, y
los instrumentos asociados a este, el cual se puede representar en forma simplificada,
por un bloque que relaciona las variables de interés, como se muestra en la figura
4.31 .
Se considerarán como “entradas” al proceso controlado, la señal de control U(t)
−señal al elemento final de control utilizado para modificar la variable manipulada
Qc (t)− y la temperatura del líquido de entrada Te (t) −perturbación−. Las “sali-
das” serán las señales de los elementos de medición de las variables de interés, YL (t)
−nivel H(t)− y YT (t) −temperatura T (t)−.
Este modelo está constituido por un conjunto de ecuaciones diferenciales fi (· · · )
y algebraicas g j (· · · ). Los parámetros θ p del modelo, corresponden, cada uno, a una
característica física del proceso.
El modelo paramétrico analítico es general, en el sentido que permite analizar
el comportamiento de todas las variables del proceso, no solo con diferentes estí-
mulos (señales de control, perturbaciones), sino también con diferentes conjuntos de
parámetros θ p , o de condiciones iniciales (H 0 , T 0 ).
4.4.2 Curva característica estática
Del modelo dinámico (4.8) a (4.12), se obtienen las ecuaciones del modelo en esta-
do estacionario. Estas permiten determinar las características estáticas del proceso,
1 En este, p es el operador diferencial.

Te =25 [°C]
100
Te =20 [°C] 100
Te =30 [°C]
Señal del transmisor de nivel, YL [%]

Señal del transmisor de temperatura, YT [%]
80 80
60 60
40 40
20 20
0 0
0 20 40 60 80 100 0 20 40 60 80 100
Señal de salida del controlador, U [%] Señal de salida del controlador, U [%]
Figura 4.4: Curvas características estáticas del tanque de mezcla
dadas por las expresiones
Te Qe + Tc KvcU 2

YT = KT , (4.13)
Qe + KvcU 2
2
KL Qe + KvcU 2

YL = , (4.14)
ρg Kvs Xs
las cuales se muestran, en forma gráfica, en la figura 4.4.

A medida que la señal de control U crece desde 0 % hasta el 40 %, la ganancia del
proceso de temperatura de la mezcla crece, pero a partir de ahí más bien decrece. Por
su parte, la ganancia del proceso de nivel del líquido, aumenta considerablemente a
medida que la señal de control crece.
En la figura 4.4 se puede apreciar también, cómo se ve afectada la característica
estática del proceso de temperatura, por la temperatura Te del fluido de entrada (el
caso más probable y los dos casos extremos).
En el cuadro 4.1 se listan los valores de la señal de control U, requeridos para
mantener varios puntos de operación de la temperatura de la mezcla YT , si la tem-
peratura del líquido de entrada está en su valor más probable (Te = 25 ◦C), y el
correspondiente nivel del líquido en el tanque YL .
Cuadro 4.1: Puntos de Temperatura, YT , % Control, U, % Nivel, YL , %

operación del tanque de
mezcla 30 18,90 22,45
40 35,85 32,33
45 43,65 39,93
50 51,80 50,51
55 60,60 65,97
60 70,70 89,79
Cuadro 4.2: Características YT , % KTU TTU [s] KLU TLU [s]

dinámicas del tanque de
mezcla 30 0,53 33,60 0,42 70,00
40 0,65 40,10 0,92 86,79
45 0,63 44,22 1,23 96,74
50 0,58 49,12 1,66 108,60
55 0,51 56,71 2,18 124,70
60 0,44 65,64 2,32 144,70
Entre más alta sea la temperatura que se desee mantener de la mezcla de líquidos
en el tanque, mayor será el caudal de líquido caliente requerido. Esto ocasiona al
mismo tiempo, que el nivel del líquido en el tanque aumente.
4.4.3 Característica dinámica

En la figura 4.5 se muestra el comportamiento dinámico del tanque de mezcla, ante
un cambio ∆U = +5 % en t = 10 s en la señal de control, seguido de un cambio
∆Te = +2 ◦C en t = 700 s de la temperatura del líquido de entrada, estando el proceso
inicialmente en el punto de operación YT = 50 %, Te = 25 ◦C.
De (4.8) a (4.12), y como lo muestra la figura 4.5, se deduce que tanto el proceso
de temperatura como el de nivel, son de primer orden.
Los parámetros de los modelos de primer orden, utilizados para representar el
efecto que tiene un cambio en la señal de control, sobre la temperatura y el nivel,
en los puntos de equilibrio del cuadro 4.1, se listan en el cuadro 4.2. Estos fueron
determinados produciendo un cambio ∆U = +5 %.
Los valores de las ganancias (KTU y KLU ) y las constantes de tiempo (TTU y TLU ),
muestran claramente la no linealidad del proceso. Partiendo del punto de operación
correspondiente a la temperatura de la mezcla de líquidos T = 30 ◦C (YT = 30 %), a
medida que esta temperatura aumenta, la ganancia del proceso en la relación u → yT
primero aumenta pero luego disminuye, al mismo tiempo que su constante de tiempo
aumenta. Por su parte, en su relación u → yL tanto la ganancia como al constante de
YT (t)
60
YL (t)
Variables [%]
58
56
54
52
50
0 200 400 600 800 1000 1200

48 Tiempo, t [s]
Figura 4.5: Comportamiento dinámico del tanque de mezcla
tiempo del proceso aumentan, cuando el valor de la temperatura T en el punto de

operación aumenta.
Respecto al valor promedio de las ganancias y las constantes de tiempo en el
rango de temperatura 30 ◦C ≤ T ≤ 60 ◦C (∆YT = 30 %), las variaciones de las ca-
racterísticas dinámicas del proceso son: −20 %/ + 13 % en KTU , −30 %/ + 37 % en
TTU , −117 %/ + 59 % en KLU y −33 %/ + 37 % en TLU .
Se considerará que la perturbación más importante, es el cambio en la tempera-
tura del líquido de entrada. Produciendo un cambio ∆Te = ±5 ◦C, con el sistema en
el punto de equilibrio más probable (YT = 50 %, Te = 25 ◦C), se encuentra que un
modelo lineal para el proceso, está dado por las siguientes ecuaciones (en funciones
de transferencia)
0,58 0,62
yT (s) = u(s) + T 0 (s), (4.15)
49,12s + 1 51,85s + 1 e
1, 66
yL (s) = u(s). (4.16)
108,60s + 1
donde yT , yL , u y Te0 , son variaciones en torno a sus valores en el punto de operación

seleccionado.
Figura 4.6: Diagrama de

bloques del modelo lineal
del tanque de mezcla
En general, el modelo dinámico del proceso controlado se puede escribir, como
yT (s) = Pu (s)u(s) + Pd (s)d(s), (4.17)

yL (s) = Px (s)u(s), (4.18)
donde
0,58
Pu (s) = , (4.19)
49,12s + 1
0,62
Pd (s) = , (4.20)
51,85s + 1
1,66
Px (s) = , (4.21)
108,60s + 1
y cuyo diagrama de bloques se muestra en la figura 4.6.

No está demás recordar, que la unidad de tiempo de las constantes de tiempo de
todas las funciones de transferencia (4.19) a (4.21), es el segundo. Además, que las
unidades de la ganancia de Pu (s) son %/ %, las de la ganancia de Pd (s) %/◦C y las
de la de Px (s) %/ %.
El “modelo” mostrado en la figura 4.5, y otros que pudieran obtenerse experi-
mentalmente, constituyen un modelo no paramétrico del proceso de la figura 4.2.
Esta información, es empleada para la determinación del modelo paramétrico expe-
rimental del proceso, dado por las funciones de transferencia (4.19) a (4.21).
Los parámetros (ganancias, constantes de tiempo) del modelo (4.19) a (4.21),
engloban cada uno de ellos, diferentes características del proceso.
Los modelos no paramétricos y los modelos paramétricos experimentales obte-
nidos a partir de los primeros, son particulares, ya que solo muestran el comporta-
miento “externo” del proceso, bajo condiciones (estímulos, parámetros y condiciones
iniciales) específicas.
4.4.4 Comportamiento dinámico de los instrumentos

En el modelo del tanque de mezcla desarrollado anteriormente, se consideró que tanto
el transmisor de nivel y el de temperatura, así como la válvula de control, responden
en forma instantánea a un cambio en la variable medida o en la señal de control,
respectivamente. Han sido representados simplemente por una constante.
Esto puede considerarse válido, si su dinámica es mucho más rápida que la del
proceso al que estos instrumentos están asociados.
En el cuadro 4.2 se puede apreciar que las constantes de tiempo del proceso del
tanque de mezcla, van desde aproximadamente 30 s hasta casi 150 s.
Considerando que las constantes de tiempo de los instrumentos pueden ser del or-
den de varios segundos, particularmente las de los transmisores de temperatura y las
de las válvulas de control, se incorporarán al modelo (4.8) a (4.12) sus características
dinámicas, como:
• Transmisor de nivel, reemplaza a (4.12)

dYL (t)
TL +YL (t) = KL H(t), (4.22)
dt
• Transmisor de temperatura, reemplaza a (4.11)
d2YT (t) dYT (t)

TT2 + 2TT +YT (t) = KT T (t), (4.23)
dt 2 dt
• Válvula de control, reemplaza a (4.10)

dXvc (t)
Tvc + Xvc (t) = KxvcU(t), (4.24)
dt
0 2
Qc (t) = Kvc Xvc (t), (4.25)
donde:
0 - constante de la válvula de control, K 0 = 0,035,
• Kvc vc
• Kxvc - constante de carrera del vástago de la válvula de control, Kxvc = 0,01/ %,
• TL - constante de tiempo del transmisor de nivel, TL = 2 s,
• TT - constante de tiempo del transmisor de temperatura, TT = 5 s,
• Tvc - constante de tiempo de la válvula de control, Tvc = 3 s,
• Xvc - apertura de la válvula de control, 0 ≤ Xvc ≤ 1.

YT (t)
60
YL (t)
Variables [%]
58
56
54
52
50
0 200 400 600 800 1000 1200

48 Tiempo, t [s]
Figura 4.7: Comportamiento dinámico predicho por el nuevo modelo del tanque de
mezcla
En la figura 4.7 se muestra el comportamiento de las señales de salida de los

transmisores de nivel y temperatura obtenidas con el nuevo modelo, ante los mismos
cambios en la señal de control y la perturbación hechos anteriormente. Comparán-
dolo con el de la figura 4.5, solo es perceptible un cambio en la señal de salida del
transmisor de temperatura.
Para determinar el efecto de la dinámica de los instrumentos, transmisores y vál-
vula de control, incorporados al modelo, se identifican las funciones de transferencia
del proceso controlado, utilizando el método de dos puntos 123c para el ajuste de los
parámetros de los modelos, el cual se describirá en el Capítulo 8.
Las nuevas funciones de transferencia de los modelos, son
0,58e−2,33s
Pu (s) = , t63,2 = 53,26 s (4.26)
50,93s + 1
0,62e−9,82s
Pd (s) = , t63,2 = 61,99 s (4.27)
52,17s + 1
1,66e−4,39s
Px (s) = , t63,2 = 111,29 s. (4.28)
109,90s + 1
TIC
10
I/P
TY
10
TV
10
TT
10
LI LT
15 15
Figura 4.8: Diagrama de flujo de instrumentos del sistema de control del tanque de
mezcla
El aumento en el tiempo de residencia predicho por el modelo, va desde un poco

más de 4 s hasta los 10 s.
El diagrama de bloques de la figura 4.6, junto con (4.26) a (4.28), permite re-
presentar al proceso controlado -el tanque de mezcla junto con los instrumentos de
medición y actuación- en los estudios de control.
Este debe interconectarse, por medio de yT (s) y u(s), con el controlador para
formar el sistema de control de la temperatura del líquido en el tanque.
El control de la temperatura T (t) del líquido en el tanque, indicada por YT (t),
afecta su nivel H(t), cuya información es provista por YL (t).
4.4.5 Sistema de control de temperatura

En la figura 4.8, se muestra el diagrama de flujo de instrumentos, del sistema de
control de la temperatura del líquido en el tanque de mezcla.
Para su elaboración, se ha supuesto que la instrumentación −indicador de ni-
vel LI-15, transmisor de nivel LT-15, controlador de temperatura TIC-10, transmisor
de temperatura TT-10− es electrónica. Como la válvula de control de temperatura
Figura 4.9: Diagrama de bloques del sistema de control del tanque de mezcla
TV-10 es neumática, se requiere un instrumento adicional, un convertidor electro-

neumático (TY-10).
El diagrama de bloques correspondiente a este sistema de control, se muestra en
la figura 4.9. En este, el proceso controlado representado por él diagrama de bloques
de la figura 4.6, se ha interconectado con el controlador, representado por la función
de trasferencia C(s), por medio de las señales u(s) y yT (s). La señal yL (s) solo es
utilizada para tener información del nivel de la mezcla de líquidos en el tanque, el
cual no se controla.
El controlador recibe las variaciones del valor medido yT (s) de la temperatura
del líquido en el tanque y lo compara con el valor deseado rT (s) para esta. Si hay
alguna diferencia entre estos, esto es, si existe un error, este error es procesado por el
algoritmo de control del controlador C(s) para modificar la señal de control u(s), con
el fin de hacer que el valor medido de la temperatura (variable controlada), coincida
con su valor deseado.
Como se indicó en la sección 1.3.5 del Capítulo 1, el control de un proceso se
ejecuta modificando el flujo de masa o energía entregado o removido de este. En el
caso de ejemplo, tal como se muestra en la figura 4.10, la mezcla de líquidos que sale
del tanque remueve energía y masa del proceso, mientras que el líquido de entrada
-frío- adiciona energía y masa al proceso. Este es controlado variando el caudal del
líquido manipulado -caliente-, con lo cual se modifica tanto la energía como la masa
adicionada al mismo.
Para regresar la variable controlada a su valor deseado −ante un cambio en la
perturbación−, o llevarla a otro valor −debido a un cambio en su valor deseado−, el
controlador debe modificar el punto de operación del sistema de control de manera de
alcanzar un nuevo punto de equilibrio, en el cual la energía y masa totales entrando
al proceso, sean iguales a la energía y masa totales saliendo del proceso −un nuevo
balance de energía y de masa−.
Energía y masa
entrando al sistema
Energía y masa
Energía y masa saliendo del sistema
adicionadas al
sistema
Figura 4.10: Flujos de energía y masa en el tanque de mezcla
Por otra parte, en la sección 1.6 del Capítulo 1, se indicó que el algoritmo de
control del controlador, posee varios parámetros ajustables. Como se analizará más
adelante, los valores de estos parámetros inciden sobre las características del com-
portamiento y la estabilidad del sistema de control. Por el momento, se supondrá
que los parámetros del algoritmo de control, se han seleccionado con el objetivo de
cumplir con un determinado conjunto de especificaciones de diseño y se empleará el
diagrama de bloques de la figura 4.9, para analizar el comportamiento del sistema de
control de la temperatura del líquido en el tanque y la variación de su nivel.
En la figura 4.11 se muestra en comportamiento del sistema de control diseñado,
ante cambios en el valor deseado y la perturbación. Durante la operación de este
sistema de control, se dan las siguientes condiciones y variaciones:
1. El sistema se encuentra inicialmente en el punto de operación estable {r =

0, y = 0, u = 0, d = 0}, correspondiente a Tro = 50 ◦C (Ro = 50 %), YTo = 50 %,
Uo = 51,80 % y Teo = 25,0 ◦C. El error es cero.
2. En el instante t = 30 s, se aumenta en 5 ◦C (∆R = 5 %) el valor deseado para la

temperatura T del líquido en el tanque, pasando este del 50 % al 55 %. Aparece
entonces un error −hay un desequilibrio en el proceso−.
Para eliminar este error, el controlador debe aumentar su señal de salida (para
abrir más la válvula de control del líquido caliente) −aumentando la energía
entregada al proceso− y así llevar la temperatura de la mezcla de líquidos en
el tanque hasta el nuevo valor deseado. Después de un tiempo, el error llega a
ser nuevamente cero −se restablece el equilibrio en el proceso−.
3. Posteriormente, en el instante t = 300 s, la temperatura del líquido de entrada

-perturbación-, aumenta en forma abrupta a Te = 32,5 ◦C (∆Te = 7,5 ◦C).
La temperatura del líquido en el tanque empieza a aumentar (apareciendo nue-
vamente un error), por lo que el controlador debe cerrar un poco la válvula
de control para disminuir el flujo del líquido caliente −reduciendo la energía
60 y(t)
Variables [%]
58 r(t)
56
54
52
50
48
0 100 200 300 400 500 600
Tiempo, t [s]
60 u(t)
Variables [%]
58
56
54
52
50
48
0 100 200 300 400 500 600
Tiempo, t [s]
Figura 4.11: Respuestas del sistema de control de temperatura del tanque de mezcla
entregada al proceso− y así regresar la temperatura de la mezcla de líquidos a

su valor deseado. Nuevamente, después de un tiempo se vuelve a eliminar el
error −se logra un nuevo equilibrio−.
Por lo tanto, el controlador debe hacer que la variable controlada siga a su valor
deseado si este cambia y también debe mantenerla en (regresarla a) su valor deseado
(constante), si se ve desviada de este por la influencia de las perturbaciones.
Cuando el controlador de temperatura responde a los cambios en el valor desea-
do para esta y en la temperatura del líquido frío de entrada, altera tanto el flujo de
energía como el de masa entregados al proceso, por lo que afecta tanto la temperatura
(energía) −que está controlado− como el nivel (masa) de la mezcla de líquidos en el
tanque −que no está controlando−.
Durante la operación del sistema de control de temperatura, el nivel de la mezcla
de líquidos dentro del tanque varía como se muestra en la figura 4.12:
1. Inicialmente, el nivel del líquido en el tanque se encuentra en el punto de equi-

librio estable, YLo = 50, 51 %.
YL [%]
60
55
50
0 200 400 600 800 1000
Tiempo, t [s]
Figura 4.12: Comportamiento del nivel del líquido en el tanque de mezcla
2. En el instante t = 30 s, el controlador de temperatura aumenta el caudal del

líquido caliente para llevar el valor de la temperatura de la mezcla a su nuevo
valor deseado. El nivel de la mezcla de líquidos empieza a aumentar, ya que el
caudal total de entrada es mayor que el de salida.
3. El caudal del fluido caliente alcanza un nuevo valor casi constante, poco des-
pués del instante t = 150 s, mientras que el nivel de la mezcla en el tanque
sigue aumentado, ya que todavía el caudal total de entrada sigue siendo mayor
que el de salida, aunque este último está aumentando debido al aumento del
nivel del líquido en el tanque.
4. En el instante t = 300 s, el nivel de la mezcla de líquidos en el tanque todavía

está aumentando, tendiendo a un nuevo punto de equilibrio, cuando el con-
trolador de temperatura debe reducir el caudal del líquido caliente, debido al
incremento en la temperatura del líquido de entrada. Poco después, el nivel
de la mezcla de líquidos empieza a disminuir, ya que ahora el caudal total de
entrada es menor que el de salida.
5. Aunque para el instante t = 450 s, el caudal del líquido caliente ya es nue-

vamente casi constante y la temperatura del líquido en el tanque regresa a su
valor deseado cerca del instante t = 600 s, el nivel de la mezcla de líquidos
en el tanque sigue disminuyendo, hasta que finalmente alcanza el nuevo punto
de equilibrio poco después del instante t = 1000 s, cuando el caudal de salida
descienda hasta igualar al nuevo caudal total de entrada.
El sistema de control alcanza un nuevo punto de operación estable, cuando logra

restablecer el balance entre los flujos de calor y masa entrando y saliendo del proceso.
Como se aprecia de las funciones de transferencia del modelo, (4.26) a (4.28), en
este caso, la dinámica del proceso hidráulico (nivel), es más lenta que la del proceso
4.5. Resumen 113
térmico (temperatura), ya que el calentamiento del líquido de entrada se realiza mez-

clándolo directamente con el líquido caliente. Además, se ha supuesto que la mezcla
de líquidos es siempre homogénea (idealmente su temperatura cambia de la misma
forma en todo el contenido del tanque).
4.5 Resumen
La obtención de un modelo analítico del proceso a controlar, tiene como base la
aplicación de las leyes de conservación, estableciendo balances de energía, de masa
total o de componentes, según la naturaleza física del proceso bajo estudio.
Además de las ecuaciones que definen al proceso en si, es necesario incorporar
al modelo, las ecuaciones que describen a los elementos de medición y actuación
necesarios para obtener la información de la variable controlada del proceso y para
actuar sobre el. Este conjunto de ecuaciones representará al proceso controlado.
El desarrollo de un modelo analítico del proceso controlado, conduce normal-
mente a que este sea representado por un conjunto de ecuaciones algebraico diferen-
ciales no lineales, cuya solución solo es posible mediante su simulación digital.
Si el análisis y el diseño del sistema de control, van a hacer uso de herramientas
de estudio con base en funciones de transferencia, debe obtenerse una aproximación
lineal de su modelo para representarlo.
En adición al modelo del tanque de mezcla desarrollado en este capítulo, para los
estudios de control posteriores, se podrá contar con los modelos de otros procesos,
los cuales se describen en forma breve en el Apéndice A.
4.6 Bibliografía
Cameron, I. y Gani, R. (2011). Product and Process Modelling: A Case Study Ap-
proach. Elsevier, B. V. The Boulevard, Langford Lane, Kidlingtom, Oxford OX5
1GB, UK.
Fasol, K. H. y Jörgl, H. P. (1980). Principles of Model Building and Identification.

Automatica, 16:505–518.
Roffel, B. y Betlem, B. (2006). Procedss Dynamics and Control: Modeling for Con-
trol and Prediction. Jhon Wiley & Sons, Ltd., Chichester, West Sussex PO19 8SQ,
England.
Seborg, D. E., Edgar, T. F., Mellichamp, D. A., y Doyle, F. J. (2011). Process Dyna-
mics and Control. John Wiley & Sons, Inc., 3ra. edición.

5
Comportamiento dinámico de los procesos

simples
5.1 Introducción
5.2 Análisis de la respuesta en el tiempo
5.2.1 Procesos de primer orden
5.2.2 Procesos de primer orden en serie
5.2.3 Causalidad de los elementos del proceso
5.2.4 Efecto de la interacción
5.2.5 Procesos de segundo orden
5.2.6 Movimiento en el plano de fase
5.2.7 Lugares en el plano complejo s
5.3 Procesos con tiempo muerto
5.4 Polos, ceros y comportamiento dinámico
5.4.1 Localización de los polos
5.4.2 Localización de los ceros
5.4.3 Origen de los polos y los ceros
5.5 Procesos integrantes
5.6 Procesos inestables
5.7 Procesos con respuesta inversa
5.8 Proceso con múltiples puntos de equilibrio
5.9 Modelo general del proceso controlado
5.10 Procesos dinámicos heterogéneos
5.11 Resumen
115
116 5 Comportamiento dinámico de los procesos simples
5.12 Bibliografía
Para poder efectuar el estudio de los sistemas de control, es indispensable conocer

el comportamiento dinámico del proceso controlado. Es por lo tanto importante, en-
tender el efecto que tienen los parámetros de los procesos, sobre su comportamiento
ante un cambio en uno de los estímulos aplicados a ellos.
5.1 Introducción
En general, el comportamiento de un sistema dinámico se puede explicar a partir
del de los sistemas más simples, de primer y segundo orden, ya que estos serán
combinaciones más o menos complejas de estos sistemas básicos.
Además, para el establecimiento de los índices utilizados para la medición del
comportamiento de los sistemas de control (particularmente del servo control), usual-
mente se hace la suposición o simplificación, de que su comportamiento puede ser
aproximado con mayor o menor exactitud, por el de un sistema de segundo orden
subamortiguado.
5.2 Análisis de la respuesta en el tiempo

Para los diferentes sistemas físicos, es posible dibujar una red generalizada equiva-
lente y obtener a partir de esta, un modelo para representarlos (Alfaro, 1991, 2003),
tal como se describió en la sección 3.10 y la sección 3.11 del Capítulo 3. Este mode-
lo servirá entonces, para analizar el comportamiento dinámico del sistema cuando es
excitado, o con respecto a sus condiciones iniciales.
Se analizarán a continuación los procesos más simples y se determinará cómo es
su funcionamiento ante un cambio en una de sus variables (Wilkie et al., 2002).
5.2.1 Procesos de primer orden

Se considerará que un proceso o sistema es de primer orden, si este incluye solo un
elemento almacenador de energía y un elemento disipador de energía. Ejemplos de
esto son el sistema hidráulico {tanque – válvula}, el sistema eléctrico {capacitor –
resistor}, el sistema mecánico {masa – amortiguador} o {volante – fricción viscosa}
y el sistema térmico {cámara aislada – resistencia térmica}, mostrados en la figura
5.1
Todos estos procesos incluyen un elemento almacenador de energía tipo A, que la
almacena en función de la transvariable -variable que requiere de dos puntos para ser
5.2. Análisis de la respuesta en el tiempo 117
Figura 5.1: Procesos de primer orden

Figura 5.2: Red generali-

zada equivalente para un
proceso de primer orden
medida- y un elemento disipador de energía tipo D, y pueden representarse mediante

la red generalizada equivalente de la figura 5.2. En esta, el elemento almacenador de
energía está representado por un capacitor generalizado con una capacitancia Cg y el
elemento disipador de energía por un resistor generalizado con una resistencia Rg .
La red interactúa con el medio externo por medio de sus terminales. Las varia-
bles a lo interno de la red, son las transvariables a través de los elementos (tensión
eléctrica, velocidad lineal, velocidad angular, presión hidráulica, temperatura) y las
pervariables por ellos (corriente eléctrica, fuerza, par, caudal, flujo de calor).
Las ecuaciones en la red generalizada de la figura 5.2, son
dvC (t)
Cg = fC (t), (5.1)
dt
vR (t) = Rg fR (t), (5.2)
v(t) = vC (t) = vR (t), (5.3)
f (t) = fC (t) + fR (t). (5.4)
Además, de requerirse, se puede considerar la integral de la transvariable (des-
plazamiento lineal, ángulo de rotación) en el capacitor generalizado, con lo que se
tiene la ecuación adicional
dxC (t)
= vC (t). (5.5)
dt
Si se considera, por ejemplo, como “entrada” a la pervariable de la fuente y como
“salida” a la transvariable a través del capacitor generalizado, un modelo para esta
red estaría dado por la ecuación
dv(t) v(t)
Cg =− + f (t), (5.6)
dt Rg
o
dv(t)
RgCg = −v(t) + Rg f (t). (5.7)
dt
Utilizando el operador diferencial p, (5.7) de puede escribir como
RgCg pv(t) + v(t) = Rg f (t), (5.8)
(RgCg p + 1)v(t) = Rg f (t), (5.9)
y la transvariable en el capacitor generalizado, será

Rg
v(t) = f (t). (5.10)
RgCg p + 1
Se definirá ahora la constante de tiempo del proceso, como
T = RgCg , (5.11)
y la ganancia del mismo, como

K = Rg . (5.12)
Entonces, la relación “entrada a salida” dada por la función de transferencia tem-
poral (5.10), se puede escribir como
K
v(t) = f (t). (5.13)
Tp+1
Para pasar del dominio del tiempo t al dominio de la variable compleja s y obtener
la función de transferencia de la red, basta sustituir p por s en (5.13) y ordenar, siendo
esta
v(s) K
P(s) = = , (5.14)
f (s) T s + 1
considerando a f (s) como la entrada y a v(s) como la salida.
Como se definió en (5.11), la constante de tiempo es el producto del valor de la
capacitancia del capacitor generalizado por el de la resistencia del resistor generali-
zado. Se puede comprobar fácilmente que, para todos los procesos mostrados en la
figura 5.1, la unidad de las constantes de tiempo listadas en el cuadro 5.1 es el se-
gundo. La ganancia tendrá las unidades de la salida entre las unidades de la entrada
(Smith y Corripio, 2001).
En general, los procesos de primer orden se representan por la función de trans-
ferencia
. y(s) K
P(s) = = , (5.15)
u(s) T s + 1
cuya representación en un diagrama de bloques, se muestra en la figura 5.3, donde:
Cuadro 5.1: Parámetros de los procesos de primer orden
Proceso Constante de tiempo T [s] Ganancia K

Eléctrico RC R
Hidráulico RvC f Rv /ρg
Mecánico que se desplaza J/B 1/B
Mecánico que gira m/b 1/b
Térmico Rt Ct Rt
Figura 5.3: Función de transferencia de un

proceso de primer orden
• K - ganancia, K 6= 0,
• T - constante de tiempo, T > 0 s,
• u(s) - variable de entrada,
• y(s) - variable de salida.
Realimentación interna
Antes de analizar el comportamiento de los procesos de primer orden, se retomará
el sistema hidráulico de taque y válvula visto anteriormente y mostrado en la figura
5.4, como un ejemplo de un sistema de primer orden.
En este proceso, se tiene que
dH(t)
A = Qe (t) − Qs (t), (5.16)
dt
ρg
= Qe (t) − H(t), (5.17)
Rv
que se puede escribir como
ARv dH(t) Rv
= −H(t) + Qe (t). (5.18)
ρg dt ρg
Figura 5.4: Sistema hidráulico

de tanque y válvula
Figura 5.5: Proceso de pri-

mer orden autorregulado
Considerando pequeñas variaciones h(t) y qe (t) de H(t) y Qe (t), respectivamen-

te, en torno al punto de operación {Q0e , H 0 }, el modelo de este proceso es entonces
ARv dh(t) Rv
= −h(t) + qe (t). (5.19)
ρg dt ρg
Seleccionando u(t) = qe (t) y y(t) = h(t), y empleando en (5.19) las definiciones

de la ganancia K y de la constante de tiempo T hechas anteriormente, se tiene
dy(t)
T = −y(t) + Ku(t), (5.20)
dt
que en el dominio de la variable compleja s, es
T sy(s) = −y(s) + Ku(s), (5.21)
o
1
y(s) = [−y(s) + Ku(s)] . (5.22)
Ts
La relación (5.22) se puede representar en forma gráfica, por el diagrama de
bloques mostrado en la figura 5.5.
Como es evidente en (5.20), (5.22) y la figura 5.5, la razón de cambio de la

variable de interés y(t) (h(t)), depende de ella misma y de la entrada. Además, se
que existe un lazo de realimentación negativa dentro del proceso mismo.
Partiendo de un punto de equilibrio {Q0e = U0 , Y0 = H 0 } (u(s) = 0, y(s) = 0), si se
presenta un cambio tipo escalón positivo en el caudal de entrada u(s) de magnitud ∆u,
la razón de cambio del nivel y(s) es positiva por lo este este empieza a aumentar −el
nivel del líquido en el tanque sube−. Sin embargo, entre más crezca y(s) mayor será
la cantidad que se le resta (−y(s)) a esta razón de cambio, hasta que eventualmente
esta se haga cero, alcanzándose entonces un nuevo punto de equilibrio, siendo el
cambio total en y(s) ∆y = K∆u. El nivel del líquido en el nuevo punto de equilibrio
es mayor, haciendo que el caudal de salida del tanque haya aumentado hasta alcanzar
al nuevo caudal de entrada que era mayor. Esta realimentación negativa interna, hace
que el proceso se “autorregule”, que sea un proceso estable.
Respuesta al escalón
Si se aplica al proceso de primer orden (5.15), un cambio escalón de magnitud ∆u en
la entrada en el instante t = 0, dado por
u(t) = ∆u us (t), (5.23)
donde la función escalón unitario us (t) está definida como us (t) = 0 para t ≤ 0 y
us (t) = 1 para t > 0, su respuesta será

y(t) = K 1 − e−t/T ∆u, t ≥ 0, (5.24)
la cual se muestra en la figura 5.6 para un proceso de primer orden particular.

Entonces, el valor final de la respuesta del proceso, será
yu = lı́m y(t) = K∆u = ∆y, (5.25)

t→∞
y en el instante t = T , el valor de la respuesta está dada por la expresión
y(T ) = K 1 − e−1 ∆u = 0, 632K∆u = 0, 632∆y.

(5.26)
La constante de tiempo es entonces, el tiempo necesario para que la respuesta del

proceso alcance el 63,2 % de su valor final, a partir del instante en que se aplicó el
cambio escalón en la entrada. Esta es una indicación de la velocidad con que responde
el proceso. Entre más pequeña sea la constante de tiempo del proceso, más rápido es
este.
Figura 5.6: Respuesta de un proceso de primer orden
De la respuesta de un proceso de primer orden a un cambio escalón en la entrada,

se puede obtener su ganancia como K = ∆y/∆u y su constante de tiempo T verifi-
cando cuanto tarda la variable de salida en alcanzar el 63,2 % del cambio total en la
respuesta, a partir del instante en que se aplicó el escalón en la variable de entrada.
El teorema del valor final de la transformada de Laplace establece, que
lı́m y(t) = lı́m sy(s), (5.27)

t→∞ s→0
entonces, para un cambio escalón ∆u en la entrada, el valor final de la salida será
∆y = lı́m sy(s) = lı́m P(s)∆u, (5.28)

s→0 s→0
y la ganancia estática está dada, por

∆y
K= = P(0). (5.29)
∆u
En los procesos autorregulados (estables) lineales e invariantes, su ganancia se puede
determinar evaluando el modelo P(s) en s = 0. Esta ganancia puede ser positiva o
negativa.
Cuadro 5.2: Repuesta nor- Tiempo normalizado, t/T Respuesta, y(t/T )/∆y
malizada del proceso de
primer orden 1 0,6321
2 0,8647
3 0,9502
4 0,9817
5 0,9933
6 0,9975
7 0,9991
8 0,9997
Entonces, (5.24) describe el comportamiento de cualquiera de los procesos de

la figura 5.1. Indica cómo cambia el nivel del líquido en el tanque del sistema hi-
dráulico cuando se produce un cambio en el caudal de entrada, o la tensión eléctrica
en el capacitor eléctrico cuando cambia la corriente de la fuente, la velocidad de la
masa del sistema mecánico cuando cambia la fuerza aplicada o la del volante cuando
cambia el par, y como cambia la temperatura de la cámara aislada cuando se produce
un cambio en el flujo de calor entrando en el proceso térmico (todos estos cambios
en la entrada, se suponen que son tipo escalón). El comportamiento de todos estos
procesos de primer orden es idéntico, independientemente de su naturaleza física.
Como la constante de tiempo del sistema depende del valor de la capacitancia y
de el de la resistencia, si varia cualquiera de estos parámetros del proceso, cambia la
velocidad con la que este responde a un cambio en la variable de entrada.
En el cuadro 5.2 se listan los valores de la respuesta del proceso de primer orden
a una entrada escalón, con relación a su valor final, en los instantes correspondientes
a múltiplos enteros de la constante de tiempo T . De acuerdo con esto, la salida de
un proceso de primer orden tarda tres constantes de tiempo en alcanzar el 95 % de
su valor final y aproximadamente cuatro constantes de tiempo en llegar al 98 % de
este. Además, se puede considerar que después de cinco constantes de tiempo, su
respuesta ha alcanzado ya su valor final.
Se definirá como tiempo de asentamiento taε , al tiempo que tarda la respuesta del
proceso en entrar en una banda del ±ε en torno a su valor final y permanecer en ella,
como se muestra en la figura 5.7. Entonces, el tiempo de asentamiento al 5 % del
proceso de primer orden es ta5 ≈ 3T y el tiempo de asentamiento al 2 % ta2 ≈ 4T .
La velocidad de respuesta de un proceso se puede indicar también con su tiempo
de levantamiento tl , el cual se define como el tiempo que tarda la respuesta a una
entrada escalón, en ir del 10 % al 90 % de su valor final. En el caso de los procesos
de primer orden, este tiempo es tl ≈ 2, 20T .
Se definirá además, como tiempo al 63,2 %, t63,2 , o tiempo de residencia, al tiem-
Figura 5.7: Tiempo de asentamiento taε
po que tarda la respuesta del proceso en alcanzar el 63,2 % de su valor final. Además,
en el caso de los procesos de primer orden, la suma de las constantes de tiempo o
tiempo de residencia medio, es igual a su constante de tiempo, T∑ = T .
La derivada de (5.24) en t = 0, dada por la expresión
dy(t) K∆u −t/T K∆u ∆y

|t=0 = e |t=0 = = , (5.30)
dt T T T
corresponde al valor de la tangente a la curva de respuesta en t = 0. Esta indica que

la respuesta del proceso de primer orden con ganancia positiva, empieza a crecer a
partir del instante en que se aplicó el escalón positivo en la entrada, como se muestra
en la figura 5.8.
En la figura 5.9 se muestran las respuestas, al mismo estímulo, de tres proce-
sos de primer orden con la misma ganancia −igual valor final−, pero con diferente
constante de tiempo −distinta velocidad de respuesta− y en la figura 5.10, las co-
rrespondientes a tres procesos con la misma constante de tiempo −igual velocidad
de respuesta−, pero con diferente ganancia −distinto valor final−.
Figura 5.8: Respuesta inicial de un proceso de primer orden
Proceso de primer orden normalizado

La respuesta del proceso de primer orden a un cambio escalón de magnitud ∆u en la
entrada, se puede normalizar dividiendo la respuesta por su valor final y escalando
el tiempo con la constante de tiempo (τ = t/T ). La respuesta del proceso de primer
orden normalizado, será entonces
y(τ)
yn (τ) = = 1 − e−τ , τ ≥ 0. (5.31)
K∆u
Todos los procesos de primer orden responderán a un cambio escalón en la en-
trada, como se muestra en la figura 5.11.
Relación entre la constante de tiempo y la localización del polo del proceso

La función de transferencia del proceso de primer orden, se puede escribir como
K K/T
P(s) = = . (5.32)
T s + 1 s + 1/T
Se dice que la primera expresión es la representación de la función de transfe-
rencia en término de su ganancia y constantes de tiempo y que la segunda está en
Figura 5.9: Procesos con igual ganancia pero distinta constante de tiempo
término de sus polos y ceros. Un proceso de primer orden, tiene solo un polo locali-
zado en el plano complejo s, en −1/T .
A medida que la constante de tiempo crece, el proceso se vuelve más lento, su
polo se corre hacia la derecha −se acerca al origen del plano complejo s−. Entonces,
entre más alejado hacia la izquierda se encuentre el polo del proceso, más rápido es
este, como se aprecia en la figura 5.12. Por lo tanto, la posición de los polos de dos
procesos de primer orden distintos, será una indicación de su velocidad relativa.
5.2.2 Procesos de primer orden en serie

Se dirá que dos procesos están en serie, si la variable designada como “salida” del
primero, es a su vez la variable de “entrada” al segundo, como por ejemplo en el
sistema hidráulico de dos tanques, que se muestra en la figura 5.13.
En este nuevo proceso, se considerará como la entrada al primer tanque, el caudal
Qe1 (t) = Qe (t) proveniente de una fuente externa y como su salida, el caudal Qs1 (t)
por la válvula Rv1 . Este caudal es a la vez, la entrada al segundo tanque (Qe2 (t) =
Qs1 (t)), cuya salida es el caudal Qs2 (t) por la válvula Rv2 .
Los caudales de salida de los tanques, se pueden expresar en función de las pre-
siones en el fondo de los tanques o, si la densidad del líquido es constante, en función
Figura 5.10: Procesos con igual constante de tiempo pero diferente ganancia
de los niveles de los líquidos en los tanques.

La red generalizada equivalente a dos procesos de primer orden en serie, se mues-
tra en la figura 5.14. En esta, v1 y v2 son las transvariables a través de los capacitores
generalizados y fi la pervariable de la fuente. Un modelo de esta red, se puede ob-
tener aplicando la Ley de incidencia de las transvariables en los nodos 1 y 2, para
obtener las ecuaciones
dv1 (t) v1 (t)

C1 =− + fi (t), (5.33)
dt R1
dv2 (t) v2 (t) v1 (t)
C2 =− + . (5.34)
dt R2 R1
.
Si se definen las constantes de tiempo y ganancias del proceso como T1 = C1 R1 ,
. . .
T2 = C2 R2 , K1 = R1 y K2 = R2 /R1 , (5.33) y (5.34) se pueden escribir utilizando el
operador p, como
T1 pv1 (t) + v1 (t) = K1 fi (t), (5.35)

T2 pv2 (t) + v2 (t) = K2 v1 (t). (5.36)
Figura 5.11: Respuesta normalizada de un proceso de primer orden
Denotando a la entrada al proceso como f (t) = fi (t), las funciones de transferen-

cia en el dominio del tiempo de los dos procesos en serie, son entonces
K1
v1 (t) = f (t), (5.37)
T1 p + 1
K2
v2 (t) = v1 (t), (5.38)
T2 p + 1
y el dominio de la variable compleja s
K1
v1 (s) = f (s), (5.39)
T1 s + 1
K2
v2 (s) = v1 (s), (5.40)
T2 s + 1
cuyo diagrama de bloques se muestra en la figura 5.15.
Entonces, la salida del segundo proceso, en función de la entrada al primero,
estará dada por la expresión
K1 K2
v2 (s) = f (s). (5.41)
(T1 s + 1)(T2 s + 1)
Figura 5.12: Relación entre la localización del polo y la velocidad de respuesta
Figura 5.13: Procesos de primer orden en serie

Figura 5.14: Red generalizada equivalente para dos procesos de primer orden en serie
Figura 5.15: Procesos de

primer orden en serie
Visto como un todo, en su relación f (s) → v2 (s), el proceso compuesto por los
dos procesos de primer orden en serie, es entonces un proceso de segundo orden
-tiene dos almacenadores de energía independientes-.
Las respuestas de los procesos de primer orden en serie, a una entrada escalón
unitario, f (t) = us (t), son entonces

v1 (t) = K1 1 − e−t/T1 , t ≥ 0, (5.42)

T1 T2 1 −t/T1 1 −t/T2
v2 (t) = K1 K2 1 − e − e , T1 6= T2 , t ≥ 0. (5.43)
T1 − T2 T2 T1
El valor final de v2 (t) es K1 K2 y la pendiente inicial de su respuesta dv2 (t)/dt = 0.

Esto indica que la respuesta (salida) del segundo proceso, no empieza a variar en el
instante en que se aplica el cambio escalón en la entrada al primero.
La relación entre la salida v1 (t) y la entrada f (t), solo depende de las caracte-
rísticas del primer proceso −el segundo tanque no tiene ninguna influencia sobre el
comportamiento de las variables del primero−, mientras que la relación entre la sa-
lida v2 (t) y f (t), depende de las características de ambos procesos. Como se nota en
la figura 5.16, la característica que distingue la respuesta del segundo proceso, de la
del primero, es su razón de cambio en el instante en que se produce el escalón en la
entrada al primero.
La función de transferencia del proceso, compuesto por los dos procesos de pri-
Figura 5.16: Respuesta de dos procesos de primer orden en serie
mer orden en serie -proceso de segundo orden-, es

y(s) K
P(s) = = , (5.44)
u(s) (T1 s + 1)(T2 s + 1)
cuya respuesta a un cambio escalón ∆u en la entrada en t = 0, es

T1 T2 1 −t/T1 1 −t/T2
y(t) = K 1 − e − e ∆u, T1 6= T2 , t ≥ 0, (5.45)
T1 − T2 T2 T1
donde:
• K, ganancia, K 6= 0
• T1 , T2 , constantes de tiempo, T1 > 0 s, T2 > 0 s.
Procesos de polo múltiple

La función de transferencia de un proceso compuesto por n procesos de primer orden
en serie, o proceso de polo múltiple de orden n, es
K
Pn (s) = . (5.46)
(T s + 1)n
n=1 2 3 5
Figura 5.17: Respuesta a un escalón de Pn (s) = K/(T s + 1)n
Cuadro 5.3: Tiempo de Procesos en serie, n Tiempo de residencia, t63,2 /T

residencia normalizado de
procesos de primer orden 1 1,0
en serie 2 2,15
3 3,26
4 4,35
5 5,43
10 10,80
En la figura 5.17 se muestra la respuesta a un escalón, de procesos compuestos

por uno y hasta cinco procesos de primer orden en serie, todos con ganancia y cons-
tante de tiempo unitarias y en el cuadro 5.3 se lista el tiempo requerido para que la
respuesta del proceso combinado, alcance el 63,2 % de su valor final, en función del
número de procesos en serie.
Como se aprecia, el tiempo de residencia t63,2 > nT para (n ≥ 2) y se puede
expresar en forma normalizada, como
t63,2
t63,2n = = 1 + 1,1457(n − 1)0,9768 . (5.47)
T
Figura 5.18: Respuesta

a un escalón de P̂n (s) = 62
K/(T /t63,2 s + 1)n , con
Variables [%]
K=1 60
58
y1n (t)
56 y2n (t)
y3n (t)
y5n (t)
54 y10n (t)
u(t)
52
50
48
0 1 2 3 4 5
t/t63, 2n
Por su parte, el tiempo de residencia medio -suma de todas las constantes de

tiempo de los polos- del sistema de polos múltiples, es T∑ = nT .
Si las respuestas de estos procesos se normalizan utilizando el tiempo de residen-
cia, cada dos de ellas se intersecan en un punto cercano al 63,2 % del cambio total en
sus respuestas, tal como se muestra en la figura 5.18.
A medida que la masa o energía se distribuye entre más elementos en serie, el
proceso como un todo, tiende a tener una característica de tiempo muerto (Wade,
2004).
Por otra parte, como
1
e−Ls = lı́m L , (5.48)
n→∞ ( s + 1)n
n
un tiempo muerto se puede aproximar por un número elevado de sistemas se primer
orden en serie.
Proceso de polo doble

En el caso particular en que se tienen solo dos procesos de primer orden con la misma
constante de tiempo en serie, se obtiene un proceso de segundo orden de polo doble,
cuya función de transferencia es
y(s) K
P(s) = = . (5.49)
u(s) (T s + 1)2
La respuesta de este proceso, a un cambio escalón de magnitud ∆u en t = 0 en la

entrada, será h t −t/T i
y(t) = K 1 − 1 + e ∆u, t ≥ 0, . (5.50)
T
En este caso, el tiempo al 63,2 % es t63,2 = 2,15T , el tiempo de levantamiento
tl = 3,36T , los tiempos de asentamiento ta5 = 4,74T y ta2 = 5,83T , y el tiempo de
residencia medio T∑ = 2T .
Ejemplo 5.1 Proceso autorregulado de segundo orden

Si los parámetros del proceso hidráulico de la figura 5.13 son: A1 = A2 = 4 m2 ,
ρ = 1000 kg m−3 , g = 9,8 m s−2 y Rv1 = Rv2 = 3,129 105 kgm−4 s−1 , se tiene que sus
constantes de tiempo y ganancias son: T1 = T2 = 127,714 s, K1 = 31,929 m/(m3 /s)
y K2 = 1,0 m/m.
El punto de operación correspondiente al caudal de entrada Qoe = 0,0783 m3 s−1
constante, es H1o = H2o = 2,5 m.
El modelo de este proceso es
dH1 (t)
T1 + H1 (t) = K1 Qe (t), (5.51)
dt
dH2 (t)
T2 + H2 (t) = K2 H1 (t), (5.52)
dt
que se puede expresar, como
K1
H1 (t) = Qe (t), (5.53)
T1 p + 1
K2 K1 K2
H2 (t) = H1 (t) = Qe (t). (5.54)
T2 p + 1 (T1 p + 1)(T2 p + 1)
Para los parámetros indicados anteriormente, se tiene que la relación entre el
nivel del líquido en el tanque 2 y el caudal de entrada al tanque 1, es
31,929
H2 (t) = Qe (t). (5.55)
(127,714p + 1)2
En la figura 5.19 se muestra la evolución del nivel del líquido en el segundo
tanque (H2 (t)), cuando el caudal de entrada al primero Qe (t) sube o baja en forma
de escalón respecto al valor Qoe , a partir del instante t = 10 s. Como se aprecia,
el nivel del líquido en el tanque se estabiliza −se autorregula− en un nuevo valor
−mayor que H2o si el caudal de entrada ha aumentado y menor que este si más bien
ha disminuido−.
Figura 5.19: Ejemplo 5.1

- Respuesta del proceso
autorregulado de segundo
H2 (t) [m]
2.8
orden
2.6
2.4
2.2
2.00 50 100 150 200 250

Tiempo, t [s]
Además, en la figura 5.20 se muestra el comportamiento de este proceso en el

plano de fase (H1 (t), H2 (t)) (ver la sección 5.2.6 más adelante), con un caudal de
entrada constante, Qe (t) = Qoe . Partiendo de condiciones iniciales {H10 , H20 } diferen-
tes, el proceso converge en todos los casos, al punto de equilibrio H1o = H2o = 2,5 m
estable.
Los sistemas dinámicos estables libres -sin un estímulo externo-, convergen a un
único punto de equilibrio.
Los procesos estables alcanzan un nuevo punto de equilibrio, sin necesidad de

una intervención externa, cuando se produce un cambio tipo escalón en el estímulo
aplicado, o se modifican sus condiciones iniciales. Por esta razón, se les denomina
también como procesos “autorregulados”. Por lo tanto, en el contexto del control
automático, los términos proceso estable y proceso autorregulado son sinónimos.
5.2.3 Causalidad de los elementos del proceso

En el proceso hidráulico mostrado en la figura 5.13, constituido por dos tanques en
serie, se puede establecer una causalidad, relación entrada a salida, en sus elementos.
La causalidad de dos procesos de primer orden en serie está claramente estableci-
da, tal como se aprecia en la red generalizada equivalente mostrada de la figura 5.14,
Figura 5.20: Ejemplo 5.1 -

Plano de fase del proceso
autorregulado de segundo
H2 (t) [m]
2.8
orden
2.6
2.4
2.2
2.02.0 2.2 2.4 2.6 2.8

H1 (t) [m]
en el modelo de la misma dado por (5.39) y (5.40), y en su diagrama de bloques de

la figura 5.15.
Utilizando el sistema de dos tanques en serie como ejemplo, la “salida” −variable

de interés− de cada uno de los tanques (nivel del fluido, presión en el fondo, o caudal
de salida), solo depende de la “entrada” −estímulo− a cada uno de ellos (caudal de
entrada).
Sin embargo, en la mayoría de los procesos físicos, constituidos por subprocesos

interconectados entre si, no existe en su interior una causalidad definida entre estos
subprocesos. Las interconexiones permiten a los subprocesos compartir información
(variables) entre si. Usualmente, por medio de estas conexiones se establecen rela-
ciones que involucran a más de una variable.
Es más bien al considerar el proceso “como un todo”, seleccionando el estímulo

(entrada) a aplicar al mismo, y la variable de interés (salida) a evaluar, es que se
establece una relación causa a efecto (causalidad) para el mismo.
Considérese ahora el proceso hidráulico la figura 5.21, constituido por dos tan-
ques con válvula interconectados entre si, cuya red generalizada equivalente se mues-
tra en la figura 5.22.
Figura 5.21: Proceso con dos tanques interconectados
Figura 5.22: Red generalizada equivalente para los dos tanques interconectados
El modelo de esta red, es
dv1 (t) v1 (t) − v2 (t)

C1 =− + fi (t), (5.56)
dt R1
dv2 (t) v1 (t) − v2 (t) v2 (t)
C2 = − . (5.57)
dt R1 R2
que se puede rescribir, como
C1 R1 pv1 (t) = −v1 (t) + v2 (t) + R1 fi (t), (5.58)

R2
C2 R2 pv2 (t) = −v2 (t) + [v1 (t) − v2 (t)] . (5.59)
R1
En esta red, se hace evidente que los tanques no son “independientes”, el compor-
tamiento de las variables en uno, depende del de las del otro. Existe una “interacción”
entre las variables de los dos tanques.
Figura 5.23: Diagrama de bloques del proceso de dos tanques interconectados
Ahora, debido a la interconexión, el segundo tanque afecta el comportamiento de

las variables del primero.
Esto lleva a que la representación en bloques del proceso, no sea una simple
conexión en serie de dos bloques −cada uno representando la dinámica de uno de los
tanques−, como la mostrada en la figura 5.15, para los dos tanques en serie.
.
Definiendo las constantes de tiempo y ganancias del proceso como T1 = R1C1 ,
. . .
T2 = R2C2 , K1 = R1 y K2 = R2 /R1 , y transformado (5.58) y (5.59) al dominio s, la
red generalizada de la figura 5.22 se puede representar por el diagrama de bloques
de la figura 5.23. Este muestra claramente la existencia de “lazos de realimentación
internos” en el proceso. Se dice que este es un proceso interactivo.
Al interconectar los dos tanques como se muestra en la figura 5.21, se hace algo
más que solo establecer que el caudal de salida del primer tanque sea a su vez el
caudal de entrada al segundo. De hecho puede ser que el flujo de líquido entre los
dos tanques sea en sentido inverso, del segundo al primero. Además, la interconexión
de los dos tanques hace que la presión a la “salida” de la válvula del primer tanque,
sea la misma que la presión en el fondo del segundo tanque. La conexión entre los
dos tanques involucra dos variables, caudal y presión, donde una es una variable de
potencial (presión) y la otra una variable de flujo (caudal).
El proceso debe verse como compuesto por subprocesos que intercambian varia-
bles entre si y con el medio externo, tal como se muestra en la figura 5.24.
Al interior del proceso, no hay una relación causal en la interacción entre los
subprocesos que lo componen.
Figura 5.24: Procesos interconecta-

dos
SubP1 SubP2
5.2.4 Efecto de la interacción

Para los dos tanques en serie de la figura 5.13, se obtuvo que
K1
v1s (s) = f (s), (5.60)
T1 s + 1
K1 K2
v2s (s) = 2
f (s). (5.61)
T1 T2 s + (T1 + T2 )s + 1
Ahora, para los dos tanques interconectados de la figura 5.21, de (5.58) y (5.59),
se obtiene que
K1 (T2 s + K2 + 1)
v1i (s) = 2
f (s), (5.62)
T1 T2 s + (T1 + T2 + K2 T1 )s + 1
K1 K2
v2i (s) = 2
f (s). (5.63)
T1 T2 s + (T1 + T2 + K2 T1 )s + 1
Comparando (5.63) con (5.61), se nota que la interacción entre los dos tanques, ha
introducido un término adicional en el polinomio del denominador de la función de
transferencia de la variable de interés del segundo tanque v2 (s) respecto al estímulo
f (s) aplicado al primero. Sin embargo, las raíces del nuevo polinomio característico,
siguen siendo reales y negativas, por lo que el comportamiento del proceso continúa
siendo sobreamortiguado.
Además, en el sistema de tanques interactivos, la función de transferencia entre
f (s) y v1 (s) también es de segundo orden.
El efecto de la interacción sobre el comportamiento de la variable de interés del
primer tanque v1 (s), es evidente al comparar (5.62) con (5.60).
Ejemplo 5.2 Efecto de la interacción

Supóngase que en el sistema de tanques en serie de la figura 5.13 y en el de tanques
interconectados de la figura 5.21, el tanque 2 tiene el doble de capacidad que el
Figura 5.25: Procesos de segundo orden
tanque 1 y que las válvulas son iguales, por lo que T2 = 2T1 con T1 = T . Además, sin
perder generalidad, se tomará K1 = K2 = 1.
Entonces, en este caso (5.61) es
1
v2s (s) = f (s), Ts ∑ = 3T, (5.64)
(T s + 1)(2T s + 1)
para los dos tanques en serie, y (5.63) es
1
v2i (s) = f (s), Ti ∑ = 4T, (5.65)
(0,586T s + 1)(3,414T s + 1)
para los dos tanques interconectados.
La interacción cambia las constantes de tiempo efectivas del proceso. Conside-
rando el proceso en su relación f → v2 , una constante de tiempo -la mayor- aumenta
y la otra -la menor- disminuye. Además, su tiempo de residencia medio es mayor esto
es, la interacción torna el proceso considerado como un todo, más lento.
Extendiendo el caso del ejemplo 5.2, si se siguen interconectando en forma con-

secutiva más componentes de primer orden, el proceso completo tenderá a presentar
un comportamiento similar al de un solo proceso de primer orden, con una constante
de tiempo grande y un tiempo muerto pequeño.
5.2.5 Procesos de segundo orden

En general, para que un proceso sea de segundo orden, debe tener dos elementos
almacenadores de energía independientes y puede tener o no, un elemento disipador
de energía. Por ejemplo, el sistema mecánico y el sistema eléctrico de la figura 5.25,
son procesos de segundo orden.
La red generalizada equivalente a estos dos procesos se muestra en la figura 5.26,
con los elementos representados por su correspondiente impedancia generalizada.
Figura 5.26: Red generali-

zada de segundo orden
Esta incluye un elemento almacenador de energía en función de la transvariable

−capacitor, tipo A−, un elemento almacenador de energía en función de la perva-
riable −inductor, tipo T− y un elemento disipador de energía −resistor, tipo D−.
Se definirá como entrada a la pervariable de la fuente, u(t) = f (t) y como varia-
ble de interés o salida a la transvariable y(t) = v(t), y se obtendrá un modelo para
esta red.
En este caso se tiene solo un nodo. Aplicando la Ley de incidencia de la perva-
riables en él, se encuentra la relación

1 1
Cg p + + v(t) = f (t), (5.66)
Rg Ig p
la cual se puede escribir, como

1 1 1
p2 + p+ v(t) = p f (t). (5.67)
Cg Rg IgCg Cg
Sustituyendo p por s en (5.67), la función de transferencia de la red, es
1
y(s) v(s) Cg s
= = 2 , (5.68)
u(s) f (s) s + C 1R s + I 1C
g g g g
la cual permite determinar el cambio en la velocidad de la masa, cuando se aplica

una fuerza en el sistema mecánico, o el cambio en la tensión eléctrica a través de los
elementos en paralelo, si se conecta la fuente de corriente en el sistema eléctrico.
Si lo que se desea es obtener el desplazamiento de la masa en vez de su velocidad,
como el desplazamiento es la integral de la velocidad, se puede escribir de inmediato
la nueva función de transferencia, como
1
y0 (s) x(s) Cg
= = . (5.69)
u(s) f (s) s2 + C 1R s + I 1C
g g g g
Respuesta temporal
Para efecto del estudio del comportamiento dinámico de los procesos de segundo
orden, se considerará que estos están representados por la función de transferencia
general
y(s) ωn2 K K
= 2 2
= 2 2 , (5.70)
u(s) s + 2ζ ωn s + ωn T s + 2ζ T s + 1
en donde:
• ζ - razón de amortiguamiento,
• ωn - frecuencia natural no amortiguada (ωn = 1/T ), ωn > 0 s−1
• ζ ωn - constante de amortiguamiento,
• T - constante de tiempo (T = 1/ωn ), T > 0 s.
Comparando el denominador de (5.70), con el obtenido a partir de la red ge-

neralizada (5.68), se puede encontrar que la frecuencia natural no amortiguada, la
constante de amortiguamiento y la razón de amortiguamiento, están dadas por las
expresiones
s
1
ωn = , (5.71)
IgCg
1
ζ ωn = , (5.72)
2RgCg
1
ζ= . (5.73)
2RgCg ωn
La frecuencia natural depende solo de los elementos almacenadores de energía,

mientras que la razón de amortiguamiento depende también del elemento disipador
de energía y es un número adimensional.
El denominador de la función de transferencia, es el polinomio característico del
proceso, que en el caso de los de segundo orden dados por (5.70), es
p(s) = s2 + 2ζ ωn s + ωn2 . (5.74)
La ecuación característica del proceso, es entonces
s2 + 2ζ ωn s + ωn2 = 0, (5.75)
Figura 5.27: Proceso de segun- 0.015

ζ =2,5
do orden sobreamortiguado 1.0
y(t)
0.010
0.8
0.005
0.6
Im
0.000
0.4
−0.005
0.2
−0.010
0.0
0 1 2 3 4 5 6
−0.015
t
−25 −20 −15 −10 −5 0 5
Re
cuyas raíces, son

p
λ1,2 = −ζ ωn ± ωn ζ 2 − 1, ζ ≥ 1, (5.76)
p
λ1,2 = −ζ ωn ± jωn 1 − ζ 2 , ζ < 1, (5.77)
las que, para el caso en que ζ < 1, se pueden escribir como
λ1,2 = −σa ± jωa , (5.78)
donde al término
σa = ζ ωn , (5.79)
se le denomina constante de amortiguamiento y a
p
ωa = ωn 1 − ζ 2 , (5.80)
como frecuencia de oscilación amortiguada.

En función de la razón de amortiguamiento, se pueden establecer entonces los
siguientes casos:
• ζ > 1 - Proceso sobreamortiguado, estable (raíces reales y distintas, con parte

real negativa), mostrado en la figura 5.27.
• ζ = 1 - Proceso críticamente amortiguado, estable (raíces reales e iguales, con

parte real negativa), mostrado en la figura 5.28.
• 0 < ζ < 1 - Proceso subamortiguado, estable (raíces complejas conjugadas,

con parte real negativa), mostrado en la figura 5.29.
• ζ = 0 - Proceso permanentemente oscilatorio, marginalmente estable (raíces

imaginarias puras, parte real igual a cero), mostrado en la figura 5.30.

ζ =1,0
do orden críticamente amorti- 1.0
y(t)
guado 0.010
0.8
0.005
0.6
Im
0.000
0.4
−0.005
0.2
−0.010
0.0
0 1 2 3 4 5 6
−0.015
t
−5 −4 −3 −2 −1 0 1
Re

ζ =0,25
do orden subamortiguado 4
1.4
y(t)
1.2
1.0
0.8
Im
0.6
−2 0.4
0.2
−4
0.0
0 1 2 3 4 5 6
t
−1.2 −1.0 −0.8 −0.6 −0.4 −0.2 0.0 0.2
Re
Figura 5.30: Proceso de segun- ζ =0
do orden oscilatorio 4
2.0
y(t)
2 1.5
Im
0
1.0
−2
0.5
−4
0.0
0 1 2 3 4 5 6
t
−0.020
−0.015
−0.010
−0.0050.000 0.005 0.010 0.015 0.020
Re
Figura 5.31: Proceso de segun- ζ= −0,15
do orden oscilatorio inestable 30
y(t)
4
20
2
10
Im
0
0
0 1 2 3 4 5 6
−2
−10
−4
t
−0.1 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
Re

ζ= −1,02
do orden inestable 8
y(t)
0.010
6
0.005
Im
0.000 4
−0.005
2
−0.010
0
0.0 0.1 0.2 0.3 0.4 0.5
−0.015
t
−1 0 1 2 3 4 5 6
Re
• −1 < ζ < 0 - Proceso oscilatorio inestable (raíces complejas conjugadas, con

parte real positiva), mostrado en la figura 5.31.
• ζ ≤ −1 - Sistema inestable (raíces reales iguales o distintas, con parte real

positiva), mostrado en la figura 5.32.
Las raíces de la ecuación característica (5.75), son los polos de la función de

transferencia del proceso. En las figuras 5.27 a 5.32 se muestran las respuestas del
proceso de segundo orden ante un cambio escalón en la entrada, con ganancia y
frecuencia natural unitarias (K = 1, ωn = 1 s−1 ) y diferentes valores de la razón de
amortiguamiento ζ .
Para apreciar el efecto de la variación de la razón de amortiguamiento, sobre el
comportamiento de un proceso de segundo orden estable, en la figura 5.33 se mues-
tran las curvas de su respuesta temporal a un cambio escalón en la entrada, para varios
valores de la razón de amortiguamiento.
( = 0.25)
y ζ
( = 0.35)
y ζ
y (ζ = 0.5)
1.4
( ) ( ∆u)
y (ζ = 0.75)
y ωn t / K
1.2 y (ζ = 1.0)
y (ζ = 2.0)
u
1.0
0.8
0.6
0.4
0.2
0.0
0 5 10 15 20 25
ωn t
Figura 5.33: Respuesta de los procesos de segundo orden
La respuesta más rápida sin oscilación, corresponde a la respuesta críticamente

amortiguada, ζ = 1. Si se incrementa el amortiguamiento, la respuesta se hará más
lenta. Si el amortiguamiento más bien se reduce a valores inferiores a 1,0, la res-
puesta inicial se hará más rápida, pero aparecerá una oscilación amortiguada la cual,
si su magnitud es grande, hará que el proceso tarde más en alcanzar su nuevo valor
estacionario.
La respuesta del proceso de segundo orden depende entonces, del valor de su
razón de amortiguamiento y del de su frecuencia natural, y estos a su vez dependen
de los elementos del proceso como se muestra en (5.71) a (5.73). La frecuencia de
oscilación amortiguada (5.80), se ve afectada por la frecuencia de oscilación natural y
por la razón de amortiguamiento, depende entonces de los tres elementos del proceso.
Si por ejemplo, se tuviera un sistema de segundo orden libre sin el elemento
resistivo −sin disipación de energía−, su razón de amortiguamiento sería cero y el
proceso sería oscilatorio, oscilando a su frecuencia natural −frecuencia de oscilación
amortiguada igual a la frecuencia natural−.
En los procesos sin disipación de energía, esta se transfiere en una forma alter-
na permanente, entre el capacitor generalizado y el inductor generalizado (sistema
mecánico: energía cinética ↔ energía potencial; sistema eléctrico: energía de campo
eléctrico ↔ energía de campo magnético).

En el caso de un proceso con valores de capacitancia e inductancia generalizados
fijos, esto es, con frecuencia natural constante, al aumentarse el valor de la resisten-
cia generalizada aumenta la razón de amortiguamiento y disminuye la frecuencia de
oscilación amortiguada, hasta que el sistema deja de oscilar (frecuencia de oscilación
amortiguada igual a cero), este se vuelve críticamente amortiguado. Se podría calcu-
lar entonces, el valor de la resistencia generalizada necesaria para que el sistema sea
críticamente amortiguado, esto es, para que su respuesta sea la más rápida posible
sin que tenga oscilación.
5.2.6 Movimiento en el plano de fase

El comportamiento de un proceso dinámico de orden n, se puede observar en un
espacio de n dimensiones, el espacio de estados. En el caso particular de un proceso
de segundo orden este es un plano, llamado plano de fase (Takahashi et al., 1970).
Si no hay estímulos externos (sistema “libre”), la ecuación general de los proce-
sos de segundo orden
d2 y(t) dy(t)
+ 2ζ ωn + ωn2 y(t) = ωn2 u(t), (5.81)
dt 2 dt
se puede escribir, como
dy(t)
= y0 (t), (5.82)
dt
dy0 (t)
+ 2ζ ωn y0 (t) + ωn2 y(t) = 0, (5.83)
dt 2
con condiciones iniciales (y(0), y0 (0)).
Transformando el modelo (5.82) y (5.83), del dominio del tiempo t al de la va-
riable compleja s, aplicando la transformada de Laplace con condiciones iniciales
distintas de cero, se obtiene
(s + 2ζ ωn )y(0) + y0 (0)
y(s) = . (5.84)
s2 + 2ζ ωn s + ωn2
En forma similar, a lo hecho en el punto anterior cuando existía una excitación
externa, el comportamiento del sistema libre, para diferentes valores de la razón de
amortiguamiento, está dado por las expresiones:
• ζ > 1 - Proceso sobreamortiguado

√ 2 √ 2
y(t) = a1 e−(ζ ωn +ωn ζ −1)t + a2 e−(ζ ωn −ωn ζ −1)t , t ≥ 0, (5.85)
donde
p
y0 (0) + (ζ + ζ 2 − 1)ωn y(0)
a1 = p , (5.86)
2ωn ζ 2 − 1
p
−y0 (0) − (ζ − ζ 2 − 1)ωn y(0)
a2 = p . (5.87)
2ωn ζ 2 − 1
• ζ = 1 - Proceso críticamente amortiguado
y(t) = y(0)e−ωnt + ωn y(0) + y0 (0) te−ωnt , t ≥ 0.

(5.88)
• 0 < ζ < 1 - Proceso subamortiguado

n p
y(t) = e−ζ ωnt y(0) cos(ωn 1 − ζ 2t)
! )
ζ ωn y(0) + y0 (0) p
+ p sen(ωn 1 − ζ 2t) , t ≥ 0. (5.89)
ωn 1 − ζ 2
• ζ = 0 - Proceso oscilatorio
y0 (0)
y(t) = y(0) cos(ωnt) + sen(ωnt), t ≥ 0. (5.90)
ωn
El movimiento en el plano de fase corresponde a las trayectorias de y0 (t) vs y(t).

El punto de equilibrio −punto final de las trayectorias− para los procesos estables,
es el origen (0, 0).
Por lo tanto, la condición inicial de una trayectoria en el plano de fase, está dado
por el valor de la variable y(t) y de su razón de cambio y0 (t), en el instante t = 0.
En la figura 5.34 se muestran las trayectorias en el plano de fase de algunos
procesos, con diferentes condiciones iniciales.
Para los procesos estables, si las raíces de su ecuación característica son reales
y distintas −proceso sobreamortiguado− se tiene una nodo estable (ζ ≥ 1), si son
complejas conjugadas −proceso subamortiguado− un foco estable (0 < ζ < 1) y si
son imaginarias puras −proceso oscilatorio− un centro (ζ = 0).
5.2.7 Lugares en el plano complejo s

En la figura 5.35 se muestra la relación entre la posición de los polos del proceso de
segundo orden y su frecuencia natural, su razón de amortiguamiento y su constante
de amortiguamiento.
15 15
()
dy t /dt ζ = 2.5 ζ =1
10 10
5 5
0 0
−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
y t ()
−5 −5
−10 −10
−15 −15
15 15
ζ = 0.25 ζ =0
10 10
5 5
0 0
−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
−5 −5
−10 −10
−15 −15
Figura 5.34: Planos de fase de los procesos de segundo orden

Figura 5.35: Posición de

los polos complejos conju-
gados en el plano s
Figura 5.36: Lugar de fre-

cuencia natural constante
La frecuencia natural ωn es la distancia desde un polo complejo al origen, la

razón de amortiguamiento ζ el coseno del ángulo del vector del origen al polo, y la
constante de amortiguamiento ζ ωn la distancia del polo al eje imaginario jω.
Por lo tanto, los lugares de frecuencia natural constante, son círculos centra-
dos en el origen del plano complejo s, cuyo radio es la frecuencia natural, como se
Los lugares de razón de amortiguamiento constante, corresponden a lineas radia-
Figura 5.37: Lugar de ra-

zón de amortiguamiento
constante
Figura 5.38: Lugar de cons-

tante de amortiguamiento
constante
les cuyo ángulo con el eje real, es el coseno inverso de la razón de amortiguamiento,
Por su parte, los lugares de constante de amortiguamiento constante mostrados
en la figura 5.38, son líneas rectas verticales cuya distancia al eje imaginario, es la
constante de amortiguamiento.
5.3. Procesos con tiempo muerto 153
Figura 5.39: Ejemplo 5.3 - Proceso con

tiempo muerto
5.3 Procesos con tiempo muerto

Aparte del comportamiento dinámico visto anteriormente, es posible que el proceso
presente también entre sus características un tiempo muerto, normalmente asociado
al transporte de masa o energía.
Como el tiempo muerto es el tiempo requerido para que el cambio de una varia-
ble sea “trasportado” de un lugar del proceso a otro, también es llamada retraso de
transporte.
Ejemplo 5.3 Proceso con tiempo muerto

Supóngase que hay un líquido fluyendo a caudal constante por una tubería con aisla-
miento perfecto, como se muestra en la figura 5.39. En el punto 1, el líquido tiene una
temperatura T1 . En estado estacionario esta es también la temperatura del líquido
en el punto 2 (T2 ).
Si se produce un cambio instantáneo de magnitud ∆T en la temperatura del lí-
quido en el punto 1, este se detectará en el punto 2 hasta una cierta cantidad de
tiempo después. Este tiempo será el requerido para que el líquido pase a través de
la tubería desde el punto 1 al 2, y depende del largo de la misma y de la velocidad a
la que fluye el líquido.
A este retraso en el tiempo se le denominará tiempo muerto y es el tiempo que

tarda en manifestarse en la salida del proceso, el efecto de un cambio en la entrada
del mismo.
La función de transferencia de un tiempo muerto puro, es
GL (s) = e−Ls , (5.91)
donde:
• L - tiempo muerto [s].

Si la característica de tiempo muerto, sea esta parte del proceso o producto de su

aproximación por un modelo de orden reducido, aparece combinada con una diná-
mica de primer o segundo orden como las vistas anteriormente, se tendrá un proceso
estable de primer orden más tiempo muerto (epomtm), dado por la función de trans-
ferencia
Ke−Ls
P(s) = , T = T + L, (5.92)
Ts+1 ∑
cuya respuesta a un cambio escalón en la entrada, está dada por la expresión
(
0, 0 ≤ t < L,
y(t) = −(t−L)/T
(5.93)
K 1−e ∆u, t ≥ L;
o un proceso estable de segundo orden más tiempo muerto (esomtm), dado por la
función de transferencia
Ke−Ls
P(s) = , 0 ≤ a ≤ 1, T∑ = (1 + a)T + L, (5.94)
(T s + 1)(aT s + 1)
cuya respuesta a un cambio escalón en la entrada, es
(
0, 0≤t <L
y(t) = 1
−(t−L)/T a
−(t−L)/aT (5.95)
K 1 − 1−a e + 1−a e ∆u, t ≥ L.
El tiempo de residencia medio del proceso, es ahora la suma de sus constantes de

tiempo y su tiempo muerto.
El caso particular de (5.94) con a = 1, será un proceso estable de polo doble más
tiempo muerto (epdmtm), dado por la función de transferencia
Ke−Ls
P(s) = , T∑ = 2T + L, (5.96)
(T s + 1)2
cuya respuesta a un cambio escalón en la estrada, es
(
0, 0 ≤ t < L,
y(t) = t−L
−(t−L)/T (5.97)
K 1− 1+ T e ∆u, t ≥ L.
Ejemplo 5.4 Respuesta de un proceso epomtm

En la figura 5.40 se muestra la respuesta y(t) de un proceso epomtm con una ga-
nancia K = 2,0, una constante de tiempo T = 10 s y un tiempo muerto L = 5 s, cuya
función de transferencia es
2,0e−5s
P(s) = ,
10s + 1
5.4. Polos, ceros y comportamiento dinámico 155
Figura 5.40: Ejemplo 5.4 - Respuesta del proceso epomtm
ante un cambio en la entrada de magnitud ∆u = 10 %.

Como se aprecia, el tiempo que tarda la respuesta en alcanzar el 63,2 % de su
cambio total, a partir del instante en que se aplicó el escalón de entrada, es t63,2 =
L + T (15 segundos para el caso particular del ejemplo).
5.4 Relación de los polos y ceros con el comportamiento

dinámico
Supóngase un modelo del proceso, dado por la función de transferencia general
K 0 ∏m
i=1 (s + zi )
P(s) = , n ≥ m, (5.98)
∏nj=1 (s + p j )
donde los ceros −zi y los polos −p j pueden ser reales o complejos conjugados. Se
considerará también que zi 6= p j ∀ i, j, esto es, que no hay cancelaciones de polos con
ceros.
La función de transferencia del modelo tiene n polos y m ceros, y para un sistema
causal esta es propia (n ≥ m).
5.4.1 Localización de los polos

Como se vio anteriormente, la localización de los polos del proceso determina la
forma de su salida. Cada uno de ellos representa un modo de respuesta.
Considérese el proceso de primer orden, dado por la función de transferencia
K
Pe (s) = , (5.99)
Ts+1
el cual tiene un polo en −1/T (en el semiplano izquierdo del plano complejo s).
Su respuesta a un cambio escalón en la entrada de magnitud ∆u, es

ye (t) = K 1 − e−t/T ∆u, t ≥ 0, (5.100)
la cual tiende a un valor finito, dado por
lı́m ye (t) = ye (∞) = K∆u. (5.101)

t→∞
Si ahora, el proceso de primer orden está dado por la función de transferencia

K
Pu (s) = , (5.102)
Ts−1
el cual tiene un polo en +1/T (en el semiplano derecho del plano complejo s), su
respuesta a un cambio escalón en la entrada de magnitud ∆u, es

yu (t) = K −1 + e+t/T ∆u, t ≥ 0, (5.103)
la cual tiende a infinito

lı́m yu (t) = yu (∞) → ∞. (5.104)
t→∞
La respuesta a un cambio escalón de magnitud ∆u en la entrada, del proceso con
polos en los dos semiplanos del plano complejo s, dado por el modelo
K
Px (s) = , (5.105)
(T1 s + 1)(T2 s − 1)
es
T1 T2 1 −t/T1 1 +t/T2
yx (t) = K −1 + e + e ∆u, t ≥ 0. (5.106)
T1 + T2 T2 T1
El modo de respuesta correspondiente al polo en el semiplano izquierdo del
plano complejo s (e−t/T1 ), es una exponencial decreciente −cuya contribución en la
respuesta prácticamente ha desaparecido después de cinco constantes de tiempo−,
mientras el modo de respuesta correspondiente al polo en el semiplano derecho
(e+t/T2 ), es una exponencial creciente −cuya contribución en la señal de salida des-

pués de cinco constantes de tiempo, sa ha amplificado casi 150 veces−.
Si todos los polos del proceso tienen parte real negativa, se encuentran en el
semiplano izquierdo del plano complejo s, el proceso es estable, mientras que si uno
de sus polos tiene parte real positiva, se encuentran en el semiplano derecho, este es
inestable. Por lo tanto, si el polo tiene parte real negativa de denominará polo estable
y si tiene parte real positiva polo inestable.
5.4.2 Localización de los ceros

Los ceros del modelo del proceso, determinan cómo se combinan los modos de la
respuesta y el comportamiento inicial de la respuesta ante un cambio en la entrada
(Wilkie et al., 2002).
Considérese el modelo del proceso, dado por la función de transferencia

Ts+1
P(s) = K , (5.107)
D(s)
con D(0) = 1 y con todas las raíces de D(s) (polos) en el semiplano izquierdo del
plano complejo s. Este tiene un cero en −1/T (en el semiplano izquierdo del plano
complejo s).
Su función de transferencia en la frecuencia, es

jωT + 1
P(jω) = K = |P(jω)|∠P(jω). (5.108)
D(jω)
Sea ahora el proceso
Ts−1
Pn (s) = K , (5.109)
D(s)
el cual tiene un cero en +1/T (en el semiplano derecho del plano complejo s).

Ts−1 Ts+1 Ts−1
Pn (s) = K = P(s), (5.110)
Ts+1 D(s) Ts+1
y en la frecuencia, como

jωT − 1
Pn (jω) = P(jω). (5.111)
jωT + 1
Entonces
|Pn (jω)| = |P(jω)|, (5.112)
∠Pn (jω) = 180° − 2 tan−1 (ωT ) + ∠P(jω) ≥ ∠P(jω). (5.113)
Figura 5.41: Ejemplo 5.5 - 1.5
Magnitud, |P(jω)|
Proceso de fase mínima y 1.0
no mínima 0.5
0.0
0.5 -2
10 10-1 100 101 102
150
Fase, P(jω) [°]

100
50
0
50
100
150
10-2 10-1 100 101 102
Frecuencia, ω [rad/s]
Mientras los dos procesos tienen la misma magnitud para todas las frecuencias,
la fase de Pn (jω) siempre es mayor que la de P(jω), este último tiene una “fase
mínima”.
Los procesos que tienen un cero en el semiplano derecho del plano complejo
s, se denominan sistemas con ceros de fase no mínima y se caracterizan por tener
una respuesta inversa a una entrada escalón −la respuesta del sistema evoluciona
inicialmente en el sentido contrario a como lo hace posteriormente−. Los ceros del
sistema en el semiplano izquierdo del plano complejo s, se denominan ceros de fase
mínima.
Ejemplo 5.5 Procesos de fase mínima y no mínima

Considérense los procesos cuyas funciones de transferencia, son
s+1 s−1
P1 (s) = 2
, P2 (s) = .
(5s + 1) (5s + 1)2
P1 (s) es un proceso de fase mínima, mientras que P2 (s) es de fase no mínima.
Sus magnitudes cumplen con que |P2 (jω)| = |P1 (jω)| y sus fases cumplen con
que ∠P2 (jω) ≥ ∠P1 (jω). Por lo tanto, tienen la misma curva de magnitud y solo
difieren en sus curvas de fase.
Como se aprecia en el diagrama de Bode de la figura 5.41, la fase de P2 (jω)
(curva a trazos) tiene valores mayores que la de P1 (jω) (curva continua) para todas
las frecuencias.
Ejemplo 5.6 Efecto de la posición de los ceros

Considérense los siguientes procesos de fase mínima y de fase no mínima:
1. Un polo y un cero, ambos en el semiplano izquierdo
K(as + 1) aK(s + 1/a) 2(2s + 1)

P1 (s) = = = ,
bs + 1 b(s + 1/b) s+1
K(as + 1) aK(s + 1/a) 2(0,5s + 1)

P2 (s) = = = .
bs + 1 b(s + 1/b) s+1
2. Un polo en el semiplano izquierdo y un cero en el semiplano derecho
K(1 − as) aK(1/a − s) 2(1 − 0,5s)

P3 (s) = = = .
bs + 1 b(s + 1/b) s+1
3. Dos polos en el semiplano izquierdo y un cero en el semiplano derecho
1 − as a(1/a − s) 2(1 − 0,5s)

P4 (s) = = = .
(bs + 1)(cs + 1) bc(s + 1/b)(s + 1/c) (s + 1)2
En la figura 5.42 se muestra la respuesta de estos cuatro procesos a un cambio

escalón del 10 % en la entrada. Se puede apreciar en ella, la forma inversa de la
respuesta de los sistemas con un cero de fase no mínima (P3 y P4 ).
También se observa que, si la función de transferencia del proceso tiene igual
cantidad de ceros que polos (m = n, sistema bipropio), P1 , P2 y P3 , se presenta un
cambio abrupto a la salida, en el momento en que se produce un cambio escalón en
la entrada.
Ejemplo 5.7 Efecto del cero de fase mínima

Considérese ahora un proceso de segundo orden, con un cero en el semiplano iz-
quierdo -de fase mínima-, dado por la función de transferencia
2(2,5s + 1)
P5 (s) = .
(s + 1)2
En este caso, el proceso es críticamente amortiguado −de polo doble−, sin em-
bargo, su respuesta a un cambio escalón en la entrada, tiene sobrepaso pero no es
oscilatoria, tal como se muestra en la figura 5.43, si se produce un cambio del 10 %
en la señal de entrada.
Esta característica de la respuesta al escalón, se debe a la existencia del cero en
el semiplano izquierdo.
90 y1 (t) 90 y2 (t)
y(t)
y(t)
u(t) u(t)
80 80
70 70
60 60
50 50
0 2 4 6 8 10 0 2 4 6 8 10
40 40
Tiempo [s] Tiempo [s]
70 70
y(t)
y(t)
65 65
60 60
y3 (t) y4 (t)
55 u(t) 55 u(t)
50 50
45 45
0 2 4 6 8 10 0 2 4 6 8 10
40 Tiempo [s] 40 Tiempo [s]
Figura 5.42: Ejemplo 5.6 - Respuesta al escalón de procesos de fase mínima y no

mínima

Respuesta al escalón de un y5 (t)
proceso con un cero de fase 75 u(t)
y(t)
mínima
70
65
60
55
50
45
0 2 4 6 8 10
Tiempo [s]
5.4. Polos, ceros y comportamiento dinámico
y(t) 161
70
u(t)
60 y6 (t) (T3 = 2.5)
y6 (t) (T3 = 2.0)
y6 (t) (T3 = 1.0)
y6 (t) (T3 = 0.0)
50 y6 (t) (T3 = -1.0)
y6 (t) (T3 = -2.0)
40
0 2 4 6 8 10
Tiempo, t [s]
Figura 5.44: Ejemplo 5.8 - Efecto de la posición del cero sobre la respuesta al escalón
Ejemplo 5.8 Efecto del movimiento del cero

Para analizar el efecto que tiene sobre la respuesta al escalón, la posición del cero
de la función de transferencia de un proceso de segundo orden estrictamente propio
-con dos polos y un cero-, considérese el caso en que esta está dado por la expresión
2(T3 s + 1)
P6 (s) = ,
(T1 s + 1)(T2 s + 1)
con T1 = T2 = 1 y T3 ∈ {2,5, 2,0, 1,0, 0,0, 1,0, −1,5, −2,0}.
Al moverse el cero hacia la derecha, a partir de su posición izquierda extrema,
el proceso pasa de ser de segundo orden con un cero de fase mínima (T3 = 2,5, 2,0),
a ser uno de primer orden (T3 = 1,0), a uno que es de polo doble (T3 = 0,0), para
finalmente ser de segundo orden con un cero de fase no mínima (T3 = −1,0, −2,0)
-cuando el cero se ha pasado al semiplano derecho del plano complejo s-.
Las correspondientes respuestas (y6 (t)) a un cambio del 10 % en la señal de
entrada (u(t)), se muestran en la figura 5.44.
Como se aprecia, el cero puede producir que la respuesta a un cambio escalón
en la entrada de este proceso, tenga sobrepaso o ser de respuesta inversa. Entre más
hacia la izquierda, en el semiplano derecho del plano complejo s, esté el cero, mayor
Figura 5.45: Proceso con tanques en serie
será el sobre impulso de la respuesta, mientras que entre más hacia la derecha se
encuentre el cero en el semiplano derecho, mayor será la magnitud del bajo impulso
de la misma.
5.4.3 Origen de los polos y los ceros

Como se ha definido, para el modelo de un proceso establecido como una función de
transferencia, los polos corresponden a las raíces del polinomio de su denominador
y los ceros a las del de su numerador.
Origen de los polos

Los polos de la función de transferencia de un proceso, están asociados a sus elemen-
tos almacenadores de energía.
Un proceso será de orden n, tendrá n polos, si tiene n elementos almacenadores
de energía independientes. Sus estados corresponderán a las transvariables a través
de los capacitores generalizados y a las pervariables que fluyen por los inductores
generalizados. Las constantes de tiempo de estos polos, tendrán un valor Cg Rg para
las combinaciones de capacitores generalizados en paralelo con resistores generali-
zados y un valor Ig /Rg para las combinaciones de inductores generalizados en serie
con resistores generalizados.
Considérese como ejemplo el proceso hidráulico de la figura 5.45, consistente de
dos tanques con sus respectivas válvulas de salida, colocados en serie.
Figura 5.46: Diagrama de bloques del proceso con tanques en serie
Un modelo para este proceso, es
dH1 (t) ρg
A1 = Qe (t) − Qs1 (t) = Qe (t) − H1 (t), (5.114)
dt Rv1
dH2 (t) ρg ρg
A2 = Qs1 (t) − Qs2 (t) = H1 (t) − H2 (t), (5.115)
dt Rv1 Rv2
ρg
Qs (t) = Qs2 (s) = H2 (t). (5.116)
Rv2
Si lo que interesa es determinar la variación del caudal de salida Qs (t), cuando

varía el caudal de entrada Qe (t), la función de transferencia del proceso, es

1 1 1
Qs (s) = Qe (s) = Qe (s), (5.117)
T1 s + 1 T2 s + 1 (T1 s + 1)(T2 s + 1)
donde las constantes de tiempo son T1 = A1 /(ρg)Rv1 = C f 1 Rv1 y T2 = A2 /(ρg)Rv2 =

C f 2 Rv2 . El diagrama de bloques del proceso se muestra en la figura 5.46.
El sistema tiene dos elementos almacenadores de energía independientes, es de
segundo orden y tiene dos polos, cuyas constantes de tiempo son de la forma Ti =
C f i Ri s.
Si se escribe el modelo, como
K
Ps (S) = , (5.118)
(T s + 1)(aT s + 1)
la razón entre las constantes de tiempo es a = C f 2 Rv2 /(C f 1 Rv1 ) = A2 Rv2 /(A1 Rv1 ).
Para el caso particular en que las válvulas de salida de los tanques sean idénticas
(igual apertura, igual resistencia hidráulica), la razón entre las constantes de tiempo
a = A2 /A1 , es una indicación de la capacidad de almacenamiento relativa entre los
tanques.
Si los dos tanques y las dos válvulas son iguales, (A1 = A2 = A) y (Rv1 = Rv2 =
R), a = 1 y el modelo del proceso sería un polo doble. Por otra parte, si A1 A2 ,
entonces a 1 y el proceso se aproximaría a ser uno de primer orden.
Figura 5.47: Proceso con tanques en paralelo
Para obtener la respuesta del proceso a un cambio en el caudal de entrada de

magnitud ∆Qe , suponiendo que las constantes de tiempo asociadas a los tanques son
diferentes, expandiendo (5.117) en fracciones parciales como

1 T1 T2 1/T2 1/T1
Qs (s) = − − ∆Qe , (5.119)
s T1 − T2 s + 1/T1 s + 1/T2
y aplicando la transformada inversa de Laplace, se tiene que esta es

T1 T2 1 −t/T1 1 −t/T2
Qs (t) = 1 − e − e ∆Qe , t ≥ 0. (5.120)
T1 − T2 T2 T1
Cada uno de los polos genera uno de los modos de la respuesta.

Con base en (5.118), la respuesta del proceso se puede escribir, como

1 −t/T1 a −t/T2
Qs (t) = K 1 − e + e ∆Qe , t ≥ 0, a 6= 1. (5.121)
1−a 1−a
Origen de los ceros
Los ceros de la función de transferencia del modelo del proceso, son originados por
la interconexión de los polos.
Considérese ahora el proceso hidráulico de la figura 5.47, constituido por los dos
tanques anteriores con sus respectivas válvulas, pero conectados en paralelo.

bloques del proceso con
tanques en paralelo
Un modelo para este proceso, es
dH1 (t) 1 ρg
A1 = Qe (t) − H1 (t), (5.122)
dt 2 Rv1
dH2 (t) 1 ρg
A2 = Qe (t) − H2 (t), (5.123)
dt 2 Rv2
ρg
Qs1 (t) = H1 (t), (5.124)
Rv1
ρg
Qs2 (t) = H2 (t), (5.125)
Rv2
Qs (t) = Qs1 (t) + Qs2 (t). (5.126)
Si interesa nuevamente determinar la variación del caudal de salida Qs (t), cuando

varía el caudal de entrada Qe (t), la función de transferencia de este proceso, es

0,5 0,5 0,5(T1 + T2 )s + 1
Qs (s) = + Qe (s) = Qe (s), (5.127)
T1 s + 1 T2 s + 1 (T1 s + 1)(T2 s + 1)
donde las constantes de tiempo son T1 = A1 /(ρg)Rv1 = C f 1 Rv1 y T2 = A2 /(ρg)Rv2 =

C f 2 Rv2 , igual que en el caso de los tanques en serie. Su diagrama de bloques se
Ahora, debido a la interconexión aditiva de los tanques, la función de trasferencia
del modelo del proceso como un todo, tiene un cero con una constante de tiempo
T3 = (T1 + T2 )/2. La constante de tiempo del cero es un promedio de las constantes
de tiempo de los polos.
Si se escribe el modelo, como
K(bT s + 1)
Pp (s) = , (5.128)
(T s + 1)(aT s + 1)
la razón entre las constantes de tiempo, como anteriormente, es a = C f 2 Rv2 /(C f 1 Rv1 ) =
A2 Rv2 /(A1 Rv1 ). Ahora, la posición relativa del cero b = (1 + a)/2.
Si los dos tanques y las dos válvulas son iguales, (A1 = A2 = A) y (Rv1 = Rv2 =
R), entonces a = 1 y b = 1, (5.128) se reduce a
K(T s + 1) K
Pp (s) = = , (5.129)
(T s + 1)(T s + 1) T s + 1
y el proceso se comportaría como si fuera de primer orden (desde el punto de vista
externo). Esto es, parecería que fuera un solo tanque que recibe todo el caudal de
entrada.
Para obtener la respuesta del proceso a un cambio en el caudal de entrada de
magnitud ∆Qe , expandiendo (5.127) en fracciones parciales como

1 T1 T2 (T1 − T3 )/T1 T2 (T2 − T3 )/T1 T2
Qs (s) = − − ∆Qe , (5.130)
s T1 − T2 s + 1/T1 s + 1/T2
y aplicando la transformada inversa de Laplace, se tiene que esta es

T1 T2 T1 − T3 −t/T1 T2 − T3 −t/T2
Qs (t) = 1 − e − e ∆Qe . (5.131)
T1 − T2 T1 T2 T1 T2
Los modos de la repuesta son los mismos que en el caso anterior, pero la forma en
que estos se combinan es diferente, debido a la existencia del cero.
Con base en (5.128) la respuesta del proceso, se puede escribir como

1 − b −t/T1 a − b −t/T2
Qs (t) = K 1 − e + e ∆Qe , t ≥ 0, a 6= 1. (5.132)
1−a 1−a
Comparando (5.132) con (5.121), se puede apreciar el efecto que tiene la locali-
zación del cero (b), sobre la forma en que se combinan los modos de la respuesta.
Ejemplo 5.9 Influencia de los ceros

Se tiene un proceso hidráulico de dos taques con válvula puestos en serie, como se
muestra en la figura 5.46 y también uno con los dos tanques puestos en paralelo,
como lo muestra la figura 5.48.
1. Considerando como la entrada a esos procesos al caudal Qe (t) y como su

salida al caudal Qs (t), la función de transferencia del modelo en el primer
caso, es
1
Ps (S) = , (5.133)
(T s + 1)(aT s + 1)
(a) Tanques es serie (b) Tanques en paralelo
Figura 5.49: Ejemplo 5.9 - Respuesta de los procesos hidráulicos con dos tanques
(a = 1, b = 1)
y en el segundo
bT s + 1
Pp (s) = , (5.134)
(T s + 1)(aT s + 1)
con T = C f 1 Rv1 , a = C f 1 Rv1 /(C f 2 Rv 2) y b = (1 + a)/2.
Supóngase primero que los dos tanques tienen la misma área transversal (mis-
ma capacidad) C f 1 = C f 2 = C f y que las dos válvulas son iguales Rv1 = Rv2 =
R. Por lo tanto T1 = C f R = T2 = T = 60 s y a = 1 y b = 1.
El cambio en los caudales de salida de los dos tanques (Qs1 (t), Qs2 (t)), así
como el del conjunto Qs (t) a un cambio del 10 % en el caudal de entrada Qe (t),
se muestra en la figura 5.49, (a) tanques en serie y (b) tanques en paralelo.
Como los dos conjuntos {tanque - válvula} son idénticos, sus caudales de sa-
lida individuales son iguales. Por otra parte, en el proceso con los tanques en
serie Qs (t) = Qs2 (t) y en el que están en paralelo Qs (t) = Qs1 (t) + Qs2 (t).
La respuesta de proceso con los tanques en serie es la de un polo doble y la
del proceso con los tanques en paralelo, la de un sistema de primer orden con
una capacidad equivalente al doble de la de un solo tanque.
2. Supóngase ahora que la capacidad del tanque 1 es cinco veces mayor que la
del tanque 2, esto es que C f 1 = 5C f 2 = C f y siempre que las dos válvulas son
iguales Rv1 = Rv2 = R. Por lo tanto T1 = C f R = 5T2 = T = 60 s y a = 0,2 y
b = 0,6.
(a) Tanques es serie (b) Tanques en paralelo
Figura 5.50: Ejemplo 5.9 - Respuesta de los procesos hidráulicos con dos tanques
(a = 0,2, b = 0,6)
El cambio en los caudales de salida de los dos procesos hidráulicos, nueva-

mente a un cambio del 10 % en el caudal de entrada, se muestra en la figura
5.50.
Ahora, las respuestas de ambos procesos son dominadas por la del tanque
lento (el más grande), el 1. Por lo tanto, en el caso de los tanques en serie la
variación del caudal de salida del proceso es muy parecida a la correspon-
diente al primer tanque. Por su parte, en el caso de los tanques en paralelo,
inicialmente la repuesta del proceso es similar a la del tanque rápido, el 2,
que alcanza su valor máximo rápidamente. A partir de ahí, la respuesta del
proceso es determinada por la del tanque lento.
5.5 Procesos integrantes

En el tanque de la figura 5.51 se tiene que el caudal de salida Qs es constante. Para
este proceso, la variación del volumen de líquido dentro del tanque, está dada por la
expresión
dH(t)
A = Qe (t) − Qs . (5.135)
dt
Si Qe (t) = Qs , el nivel del líquido en el tanque permanecerá constante. Sin em-
bargo, si en determinado momento se hace por ejemplo Qe (t) > Qs , el exceso de
líquido se acumulará −integrará− en el tanque.
5.5. Procesos integrantes 169
Figura 5.51: Proceso integrante
constante
De (5.135) el nivel del líquido en el tanque, está dado por la ecuación

Z t
1
H(t) = [Qe (ξ ) − Qs ] dξ + Ho . (5.136)
A 0
El modelo (5.135) se puede escribir, como

dH(t) 1
= [Qe (t) − Qs ] , (5.137)
dt A
y considerando pequeñas variaciones h(t) y qe (t) de H(t) y Qe (t) respectivamente,
en torno al punto de operación {Q0e , H 0 }, este es entonces
dh(t) 1
= qe (t). (5.138)
dt A
Seleccionando u(t) = qe (t), y(t) = h(t) y definiendo K = 1/A, (5.138) se puede
escribir como
dy(t)
= Ku(t), (5.139)
dt
que en el dominio de la variable compleja s, es
sy(s) = Ku(s), (5.140)
o
1
y(s) = Ku(s), (5.141)
s
La relación (5.141) se puede representar en forma gráfica, por el diagrama de
bloques mostrado en la figura 5.52.
Como es evidente en (5.139), (5.141) y la figura 5.52, la evolución de la varia-
ble de interés y(t) (h(t)), solo es afectada por la entrada y su razón de cambio es
constante, no depende de su evolución.
Partiendo de un punto de equilibrio {U0 = Q0e = Qs , Y0 = H 0 } (u(s) = 0, y(s) =
0), si se presenta un cambio tipo escalón positivo en el caudal de entrada u(s) de
Figura 5.52: Proceso inte-

grante
magnitud ∆u, la razón de cambio del nivel y(s) es positiva por lo que empieza a
aumentar −el nivel del líquido en el tanque sube− y no hay nada que haga que esta
tendencia decrezca, la variable de salida aumenta en forma constante. El nivel del
líquido subirá hasta que se derrame por la parte superior del tanque.
Los procesos integrantes, son un caso particular de los inestables. Para represen-
tarlos, sus modelos incluyen al menos un polo en el origen.
El modelo de un proceso integrante de primer orden (integrante “puro”) más
tiempo muerto (ipomtm), es
Ke−Ls
P(s) = , (5.142)
s
(
0, 0 ≤ t < L,
y(t) = (5.143)
K (t − L) ∆u, t ≥ L,
y el de un proceso integrante de segundo orden más tiempo muerto (isomtm)
Ke−Ls
P(s) = , (5.144)
s(T s + 1)
(
0, 0 ≤ t < L,
y(t) = −(t−L)/T
(5.145)
K t −L−T 1−e ∆u, t ≥ L,
las cuales se muestran en la figura 5.53, para el caso particular de K = 1, T = 2 s y

L = 1 s.
Ante un cambio constante en el estímulo, la respuesta del proceso integrante
crecerá (o decrecerá) en forma constante, hasta que alguna restricción física le impida
seguir variando.
En (5.27) a (5.29) se indicó que, a partir de la aplicación del teorema del valor
final de la transformada de Laplace, la ganancia estática de los procesos estables,
aquellos en los que la salida tiende a un valor constante cuando son excitados con
5.5. Procesos integrantes
Variables [%]
171
80
70
y1 (t)
y2 (t)
u(t)
60
50
0 2 4 6 8 10
Tiempo, t [s]
Figura 5.53: Respuesta de los procesos integrantes de primer y segundo orden más
tiempo muerto
una señal constante, se puede determinar evaluando su función de transferencia en

s = 0. En el caso de los procesos integrantes (5.142) y (5.144), se obtendría por este
procedimiento que la ganancia es infinita. El teorema de valor final de la transformada
de Laplace, no se puede aplicar en el caso de los procesos que no son estables.
Se sabe que, efectivamente, la variable de salida de un proceso integrante, a una
excitación constante, tiende a infinito, no llega a un valor estacionario. Por lo tanto,
los procesos integrantes no tienen ganancia estacionaria y se le debe dar otro signifi-
cado al término K (“ganancia”) en (5.142) y (5.144).
Si en (5.144) T = 0 y L = 0, su respuesta a un cambio escalón de magnitud ∆u
en t = 0 en la entrada, es
yi (t) = K t ∆u, (5.146)
cuya derivada, es
dyi (t)
= K∆u. (5.147)
dt
Como se indicó anteriormente, la respuesta crece (o decrece) a velocidad cons-
tante. Entonces, K en los procesos integrantes es una ganancia de velocidad, dada
por
. ∆yi
Kv = K = , (5.148)
∆t∆u
con unidades ( %/ %)/s.
En el caso de un proceso “integrador doble”, dado por el modelo
Ke−Ls
P(s) = , (5.149)
s2 (T s + 1)
si T = 0 y L = 0, su respuesta es
1
yi2 (t) = K t 2 ∆u. (5.150)
2
Derivando (5.150) dos veces, se obtiene que
dyi2 (t)
= K t ∆u, (5.151)
dt
d2 yi2 (t)
= K∆u. (5.152)
dt 2
Por lo tanto, K es ahora una ganancia de aceleración, dada por la expresión
. ∆y2
Ka = K = 2 i2 , (5.153)
∆t ∆u
con unidades ( % %/ %)/s2 .
Los modelos de los procesos integrantes se expresarán entonces, como:
• Proceso ipomtm
Kv e−Ls
P(s) = . (5.154)
s
• Proceso isomtm
Kv e−Ls
P(s) = , (5.155)
s(T s + 1)
donde:
• Kv - ganancia, Kv 6= 0 s−1 ,
• L - tiempo muerto, L ≥ 0 s.
constante
Figura 5.54: Ejemplo 5.10 - Proceso integrante de segundo orden
Ejemplo 5.10 Proceso integrante de segundo orden

En la figura 5.54 se muestra un sistema hidráulico de dos tanques en serie, en el
cual, el caudal de salida del segundo es constante.
Un modelo de este proceso, considerando como variables de interés los niveles
de los líquidos en los tanques, está dado por las ecuaciones
dH1 (t) ρg
A1 = Qe (t) − H1 (t), (5.156)
dt Rv1
dH2 (t) ρg
A2 = H1 (t) − Qs2 (t), (5.157)
dt Rv1
el cual se puede escribir como
A1 Rv1 dH1 (t) Rv1
= −H1 (t) + Qe (t), (5.158)
ρg dt ρg
dH2 (t) ρg 1
= H1 (t) − Qs2 (t). (5.159)
dt A2 Rv1 A2
En término de constantes de tiempo y ganancias, el modelo del proceso resulta
ser
K1
H1 (t) = Qe (t), (5.160)
T1 p + 1
K1 K2 K3
H2 (t) = Qe (t) − Qs2 (t), (5.161)
p(T1 p + 1) p
donde
Rv1
K1 = , (5.162)
ρg
ρg
K2 = , (5.163)
A2 Rv1
1
K3 = , (5.164)
A2
A1 Rv1
T1 = . (5.165)
ρg
Si los parámetros de este proceso son: A1 = A2 = 4 m2 , ρ = 1000 kg m−3 , g =

9,8 m s−2 y Rv1 = 3,129 105 kgm−4 s−1 , se tiene que su constante de tiempo y sus
ganancias son: T1 = 127,714 s, K1 = 31,929 s m−2 , K2 = 7,830 10−3 s−1 y K3 =
0,25 m−2 . El caudal de la bomba es Qs2 = 0,0783 m3 s−1 constante.
Para un caudal de entrada Qoe = Qs2 , el punto de operación del proceso es H1o =
o
H2 = 2,5 m.
En la figura 5.55 se muestra la evolución del nivel del líquido en los dos tanques
(H1 (t) y H2 (t)), cuando el caudal de entrada al primero Qe (t) aumenta respecto al
valor Qoe = Qs2 , a partir del instante t = 10 s. Como se aprecia, el nivel del líquido
en el tanque 1 (curva a trazos) crece y se estabiliza en un nuevo valor constante,
mientras que el nivel en el tanque 2 (curva continua) aumentará hasta alcanzar su
límite físico.
Por su parte, en la figura 5.56 se muestra la evolución de H2 (t), para diferentes
cambios escalones (aumentos y decrementos) en Qe (t) respecto al valor Qoe = Qs2 ,
a partir del instante t = 10 s. Como se aprecia, el nivel del líquido en el tanque 2
crece (si Qe aumenta) o decrece (si Qe disminuye) sin cota. El tanque 2 llegará a
rebalsarse por la parte superior o quedará completamente vacío. Nótese que el nivel
H2 (t), crece en forma lineal con respecto al tiempo (a velocidad constante), después
de que la variación de la dinámica correspondiente al tanque 1 se haya extinguido.
Además, en la figura 5.57 se muestra el comportamiento de este proceso en el
plano de fase (H1 (t), H2 (t)) (ver la sección 5.2.6 anterior), con un caudal de entrada
constante, Qe (t) = Qs2 . Partiendo de condiciones iniciales {H10 , H20 } diferentes.
En todos los casos, H1 (t) → H1o = 2,5 m (independientemente de si el nivel inicial
en ese tanque es mayor o menor que H1o ). Por lo tanto, el caudal de salida del tanque
1 Qs1 (t) → Qoe = Qs2 .
Si el nivel inicial del líquido en el tanque 1 H10 > H1o = 2,5 m, se tiene que: 1.
Qs1 (t) > Qoe y H1 (t) disminuye (en el tanque 1 sale más líquido del que entra); 2.
Qs1 (t) > Qs2 y H2 (t) aumenta (en el tanque 2 sale menos líquido del que entra). En
los casos en que la condición inicial H10 < H1o = 2,5 m, ocurre lo contrario.

- Cambio en el nivel del 5.0
líquido en los tanques
H2 (t) [m]
4.5
4.0
3.5
3.0
2.5
2.00 50 100 150 200

Tiempo, t [s]

Respuesta del proceso inte- 5
grante de segundo orden
H2 (t) [m]
00 50 100 150 200

Tiempo, t [s]

- Plano de fase del proce-
so integrante de segundo
orden
Mientras el nivel del líquido en el tanque 1 esté cambiando, también lo hace el

nivel del líquido del tanque 2. En el momento en que H1 (t) = H1o = 2,5 m se alcanza
un nuevo punto de equilibrio, se tiene entonces que Qs1 (t) = Qoe = Qs2 y el nivel del
líquido en el tanque 2, permanecerá constante en el valor que tenga en ese momento.
Como de vio en el ejemplo anterior, los sistemas integrantes libres (sin un es-
tímulo externo), no convergerán a un punto de equilibrio único, tienen un número
infinito de puntos de equilibrio.
5.6 Procesos inestables

Ante un cambio escalón en la entrada, la respuesta de los procesos inestables crece
o decrece sin cota. Los modelos utilizados para representarlos, se caracterizan por
incluir por lo menos, un polo en el semiplano derecho del plano complejo s.
La función de transferencia de un proceso inestable de primer orden más tiempo
muerto (upomtm), es
Ke−Ls
P(s) = , (5.166)
Ts−1
5.6. Procesos inestables
Variables [%]
177
80
70
y1 (t)
y2 (t)
u(t)
60
50
0 2 4 6 8 10
Tiempo, t [s]
Figura 5.58: Respuesta de los procesos inestables de primer y segundo orden
y la de un proceso inestable de segundo orden más tiempo muerto (usomtm)
Ke−Ls
P(s) = . (5.167)
(T s + 1)(aT s − 1)
En (5.167) se ha supuesto que solo uno de los polos es inestable.

En la figura 5.58 se muestra la respuesta de los procesos inestables de primer y
segundo orden sin tiempo muerto (K = 1, T = 5 s, a = 1, L = 0 s).
Realimentación interna
De (5.166), con L = 0 y K > 0 (sistema inestable de primer orden sin tiempo muerto),
la relación entre la señal realimentada y la señal de control, es
y(s) K
= , (5.168)
u(s) T s − 1
T sy(s) = y(s) + Ku(s), (5.169)

Figura 5.59: Proceso ines-

table de primer orden
o
1
y(s) = [y(s) + Ku(s)] , (5.170)
Ts
y que en forma gráfica se puede representar, por el diagrama de bloques mostrado en
la figura 5.59.
La razón de cambio de la señal realimentada y(s) depende de ella misma y de la
señal de control u(s). En este caso, existe un lazo de realimentación positiva interno.
Si se está en un punto de equilibrio {Uo , Yo } (u(s) = 0, y(s) = 0) y se presenta
un cambio tipo escalón positivo en la señal de control u(s) de magnitud ∆u, la razón
de cambio de la señal realimentada y(s) es positiva por lo que empieza a aumentar.
Además, como entre más crece y(s) mayor es la cantidad que se le suma (+y(s)) a
esta razón de cambio, el crecimiento de y(s) se acelera y el proceso se desboca. La
realimentación interna positiva ocasiona que este sea un proceso inestable.
Ganancia
En los procesos inestables −“desbocados” en el sentido creciente−, ante un cambio
positivo constante en un estímulo, su respuesta aumentaría con una razón de cambio
creciente con el tiempo, hasta que se alcance un límite físico, que podría ser catas-
trófico.
En este caso, tampoco se puede aplicar el teorema del valor final de la trans-
formada de Laplace, para encontrar la ganancia estacionaria por ser este un proceso
inestable, que no la tiene. Si se hiciera s = 0 en (5.166) o (5.167), se obtendría que la
ganancia estacionaria del proceso P(0) = −K, lo cual sería una contradicción.
La respuesta de (5.166), con L = 0, a un cambio escalón de magnitud ∆u en t = 0,
es h i
yu (t) = K −1 + e+t/T ∆u. (5.171)
En el instante t = nT , la respuesta tendría el valor
yu (nT ) = K [−1 + en ] ∆u, (5.172)

5.6. Procesos inestables 179
y una constante de tiempo después, sería
yu ((n + 1)T ) = K −1 + en+1 ∆u.

(5.173)
Por lo tanto, en una constante de tiempo, el incremento (o decremento) de la

variable de salida del proceso inestable, es
yu ((n + 1)T ) − yu (nT ) = 1,718 en K∆u. (5.174)
Si se considera el cambio en la salida, cuando ha transcurrido solo una constante

de tiempo T , a partir del momento en que se aplicó en cambio en la entrada, esto es
con n = 0, se tiene que
yu (T ) − yu (0) = yu (T ) = 4,67K∆u. (5.175)
Se definirá entonces la “ganancia” del sistema inestable de primer orden (5.166),

como un factor indicador del cambio en la respuesta en la primera constante de tiem-
po, dado por
. yu (T )
Ku = K = 0,214 . (5.176)
∆u
Los modelos de los procesos inestables de primer y segundo orden, se expresarán
entonces como:
• Proceso upomtm
Ku e−Ls
P(s) = , (5.177)
Ts−1
• Proceso usomtm
Ku0 e−Ls
P(s) = , (5.178)
(T s + 1)(aT s − 1)
donde:
• Ku , Ku0 - ganancia, Ku 6= 0, Ku0 6= 0,
• a - posición relativa del polo inestable (proceso usomtm), a > 0,
5.7 Procesos con respuesta inversa

Los procesos que presentan una respuesta inversa, son modelados con una función
de transferencia, con un cero en el semiplano derecho del plano complejo s.
Se considerará que el modelo general de un proceso con respuesta inversa de
segundo orden más tiempo muerto (zsomtm), es
K(−bT s + 1)e−Ls
P(s) = , (5.179)
(T s + 1)(aT s + 1)
donde:
• T - constante de tiempo dominante, T > 0 s,
• a - razón de las dos contantes de tiempo, 0 ≤ a ≤ 1,
• b - posición relativa del cero de fase no mínima,
La respuesta inversa que presentan estos procesos, es el resultado de la compe-
tencia entre un subproceso lento que tiene una ganancia mayor, que la del subproceso
rápido con el que compite.
El proceso modelado por (5.179) es estable, por lo que se puede obtener su ga-
nancia estática, evaluando su función de transferencia en s = 0, K = P(0).
En particular, la característica de respuesta inversa se da cuando el proceso tiene
un número impar de ceros de fase no mínima. Por otra parte, una característica ge-
neral, es que la respuesta de un proceso tendrá tantos “cruces por cero”, como ceros
de fase no mínima posea. Esto último aplica para procesos estrictamente propios con
polos y ceros reales (Hoagg y Berstein, 2007).
Ejemplo 5.11 Dos dinámicas en competencia

En la figura 5.60, se muestra el diagrama de bloques de un proceso en el cual hay
dos dinámicas, de diferente velocidad y ganancia, en competencia.
La función de transferencia de este proceso, es
10 4 6(−10s + 1)
P(s) = − = . (5.180)
20s + 1 2s + 1 (20s + 1)(2s + 1)
En la figura 5.61 se muestra la respuesta, a una entrada escalón unitario, del
proceso y sus subprocesos. La respuesta y(t) del proceso, es dominada inicialmente
5.7. Procesos con respuesta inversa 181

Dos dinámicas en competencia
90
Variables [%]
80
70 y(t)
y1 (t)
y2 (t)
u(t)
60
50
40
0 20 40 60 80 100 120
Tiempo [s]
Figura 5.61: Ejemplo 5.11 - Comportamiento de un proceso con dinámicas en com-

petencia
por la dinámica rápida y2 (t) −que está restada de la respuesta lenta−, por lo que es
negativa, pero posteriormente pasa a ser dominada por la dinámica lenta y1 (t) que
tiene una ganancia mayor, por lo que se torna positiva.
La competencia entre las dos dinámicas del proceso, da como resultado un cero
de fase no mínima y que el proceso tenga una respuesta inversa.
Variables [%]
Respuesta de procesos con 6
1, 2 y 3 ceros de fase no
mínima 4
2 y1 (t)
y2 (t)
y3 (t)
u(t)
0
0 5 10 15 20
Tiempo [s]
Ejemplo 5.12 Ceros de fase no mínima y cruces por cero

Considérense los procesos con uno y hasta tres ceros de fase no mínimas, cuyos
modelos son
(−2s + 1)n
Pn (s) = , n = 1, 2, 3.
(s + 1)4
Las respuestas de estos tres procesos a un cambio escalón en la entrada, se
muestra en la figura 5.62. Estas respuestas presentan uno, dos y tres cruces por cero,
según el proceso tenga uno, dos o tres ceros de fase no mínima. Por su parte, los
procesos P1 y P3 tienen una respuesta inversa.
Los cruces por cero y la respuesta inversa, consecuencia de los ceros de fase no
mínima, no pueden evitarse, estas características aparecerán también en las curvas de
respuesta de los sistemas de control de estos procesos.
5.8 Proceso con múltiples puntos de equilibrio

En las secciones anteriores, se han detallado las características del comportamiento
de los procesos autorregulados, aquellos cuya respuesta alcanza un nuevo punto de
equilibrio cuando son excitados con un estímulo constante (respuesta forzada) y que
regresan a su punto de equilibrio estable si, sin excitación, se produce un cambio que
los “saca” de su condición de equilibrio (respuesta libre).
También se analizó el comportamiento de los procesos, integrantes e inestables,
cuya respuesta a un cambio escalón en el estímulo de entrada, crece o decrece sin
cota (su límite lo imponen las restricciones físicas del proceso).
Aparte de esos procesos, que pueden considerarse como manifestaciones básicas
o simples, de los diferentes comportamientos encontrados en los procesos dinámicos,
5.8. Proceso con múltiples puntos de equilibrio 183
Figura 5.63: Reactor bioquímico
hay otros en los cuales, debido a sus características no lineales, se tiene más de un
posible punto de equilibrio (condición de operación en estado estacionario).
Tómese como ejemplo, el modelo dinámico del reactor bioquímico mostrado en
la figura 5.63, obtenido en la sección A.2.6 del Apéndice A, que está dado por las
ecuaciones (Bequette, 1998, 2003)
dX(t)
V = Xi Q(t) +V r1 (t) − X(t)Q(t), (5.181)
dt
dS(t)
V = Si Q(t) −V r2 (t) − S(t)Q(t), (5.182)
dt
r1 (t)
Y= , (5.183)
r2 (t)
r1 (t) = µ(t)X(t), (5.184)
µ(t)X(t)
r2 (t) = , (5.185)
Y
µmax S(t)
µ(t) = , (5.186)
km + S(t) + k1 S2 (t)
Y % (t) = 50X(t), (5.187)
Q(t) = 0,006U % (t). (5.188)
Si se considera que Xi = 0, entonces (5.181) y (5.182) se pueden escribir como

dX(t) 1
= µ(t) − Q(t) X(t), (5.189)
dt V
dS(t) 1 µ
= [Si − S(t)] Q(t) − X(t), (5.190)
dt V Y
donde X(t) es la concentración de la biomasa, S(t) la concentración del sustrato y
Q(t) el caudal de líquido por el reactor.
Se considerará al caudal de líquido por el reactor como la variable manipulada
(entrada) y a la concentración de biomasa como la variable controlada (salida). Véase
Cuadro 5.4: Puntos de Punto X 0 [kg m−3 ] S0 [kg m−3 ] Condición

equilibrio del bioreactor
1 0 4,0 estable
2 0,9951 1,5122 inestable
3 1,5302 0,1746 estable
Figura 5.64: Reactor bio-

químico - respuestas en el
2.0
punto de operación 3, au-
Concentraciones [kg m−3 ]

mento y disminución del
caudal
1.5
X1 (t)
1.0
S1 (t)
X2 (t)
S2 (t)
0.5
0.00 2 4 6 8
Tiempo, t [h]
la sección A.2.6 del Apéndice A, para el desarrollo del modelo y el significado de las
demás variables y parámetros.
Utilizando los parámetros en Bequette (1998) para el caso con Q(t) = 0,3 m3 h−1 ,
el proceso tiene tres puntos de equilibrio, dos estables y uno inestable, listados en el
cuadro 5.4.
Si el biorreactor se encuentra en el punto de operación 3 (estable) y se produce un
aumento en el caudal procesado en el biorreactor de magnitud ∆Q(t) = +0,05 m3 h−1
en el instante t = 2 h (caso 1), la concentración de la biomasa X(t) disminuye, mien-
tras que la del sustrato S(t) aumenta, tal como se muestra en la figura 5.64.
En la misma figura se nota que, si más bien se produce una disminución en el
caudal procesado ∆Q(t) = −0,05 m3 h−1 en el mismo instante que antes (caso 2), la
concentración de la biomasa X(t) aumenta, mientras que la del sustrato S(t) dismi-
nuye.
Si los cambios en el caudal (variable manipulada) son considerados “pequeños”,
el biorreactor se estabiliza en otro punto de operación (X ox , Sox ), en la vecindad del
5.8. Proceso con múltiples puntos de equilibrio 185

químico - respuestas en el 4
punto de operación 2, in-

cremento en el caudal
3
2
X1 (t)
S1 (t)
00 10 20 30 40 50
Tiempo, t [h]
punto de operación 3 que es estable.

Si el bioreactor se encuentra ahora en el punto de operación 2 (inestable) y se
produce un aumento en el caudal procesado en el biorreactor de magnitud ∆Q(t) =
+0,05 m3 h−1 en el instante t = 2 h, la concentración de la biomasa X(t) disminuye
y sigue disminuyendo, mientras que la del sustrato S(t) aumenta y sigue aumentan-
do, hasta que el proceso se estabiliza en el punto de operación 1 en el cual no hay
reacción, tal como se muestra en la figura 5.65.
Si estando el proceso en el punto de operación 2, más bien se produce una dismi-
nución en el caudal procesado ∆Q(t) = −0,05 m3 h−1 en el mismo instante que antes,
la concentración de la biomasa X(t) ahora aumenta y sigue aumentando, mientras que
la del sustrato S(t) disminuye y sigue disminuyendo, hasta que el proceso se estabi-
liza en un punto cercano al punto de operación 3, tal como se muestra en la figura
5.66.
En ambos casos, el comportamiento del proceso se aleja del punto de operación
inestable en que se encontraba, trasladándose a otro punto de operación que sea es-
table.
En el plano de fase del biorreactor de la figura 5.67, para el caudal del líquido
por el reactor Q(t) = 0,3 m3 h−1 , se muestran las trayectorias (X(t), S(t)) para 15
condiciones iniciales diferentes.
Como se aprecia, dependiendo de la condición inicial, la operación del biorreac-

químico - respuestas en el
2.0
punto de operación 2, dis-

minución en el caudal
1.5
1.0
X2 (t)
S2 (t)
0.5
0.00 2 4 6 8 10
Tiempo, t [h]
Punto 3
(estable)
Punto 2
(inestable)
Punto 1
(estable)
Figura 5.67: Reactor bioquímico - plano de fase

5.9. Modelo general del proceso controlado 187
tor tiende a uno de los dos puntos de equilibrio estables (el 1 o el 3). Aún en el caso,
en que la variación en la condición inicial (X o = 0,99, S0 = 1,52) sea muy pequeña
respecto al punto de equilibrio inestable (X o = 0,9951, S0 = 1,5122), el proceso se
aleja de este y converge a un punto de equilibrio estable.
5.9 Modelo general del proceso controlado

Las características dinámicas de los procesos controlados anteriores, se pueden inte-
grar entonces en un modelo general, cuya función de transferencia es (Zhang, 2012)
KNp (s)e−Ls KNp− (s)Np+ (s)e−Ls

P(s) = = n , (5.191)
sn D p (s) s D p− (s)D p+ (s)
donde los polinomios del numerador y del denominar, se han expresado de forma tal
que N(0) = D(0) = 1.
Se supone que el modelo es una función de transferencia propia, esto es, que
O{D(s)} + n ≥ O{N(s)}, donde O{. . .} es el orden del polinomio.
Las raíces de Np+ (s) son los ceros de P(s) en el semiplano izquierdo del plano
complejo s, los ceros de fase mínima, y las raíces de Np+ (s) son los ceros de P(s) en
el semiplano derecho, los ceros de fase no mínima.
Por su parte, las raíces de D p− (s) son los polos de P(s) en el semiplano izquierdo
del plano complejo s, los polos estables, y las raíces de D p+ (s) son los polos de P(s)
en el semiplano derecho, los polos inestables.
En (5.191), n es el número de polos en el origen del modelo P(s) y L el tiempo
muerto.
5.10 Procesos dinámicos heterogéneos

En las secciones anteriores, se analizaron las características dinámicas de varios pro-
cesos simples. Estos se ilustraron con elementos, que pertenecían a un solo dominio
físico: eléctrico, mecánico, hidráulico, u otro.
Sin embargo, por lo general los sistemas dinámicos son heterogéneos, combinan
elementos de diversos dominios físicos, tal como lo ilustra el motor de corriente
directa presentado en el ejemplo 2.2 del Capítulo 2.
El modelo obtenido a partir de la red generalizada del motor de corriente directa,
en la sección 3.11.3 del Capítulo 3, es:
• Transvariables en el lazo de los componentes eléctricos

dia (t)
La + Ra ia (t) + Kω(t) −Va (t) = 0, (5.192)
dt
• Pervariables en el nodo de los componentes mecánicos
dω(t)
J − Kia (t) + Bω(t) + TL (t) = 0. (5.193)
dt
El cual se puede escribir, como

La K 1
p + 1 ia (t) + ω(t) − Va (t) = 0, (5.194)
Ra Ra Ra

J K 1
p + 1 ω(t) − ia (t) + TL (t) = 0. (5.195)
B B B
En forma independiente, la constante de tiempo de los componentes eléctricos es

Te = La /Ra y la de los componentes mecánicos Tm = J/B. Debe tenerse en cuenta
sin embargo, que las relaciones entre la parte eléctrica y la parte mecánica del motor,
mostrada en la figura 2.15 del Capítulo 2, afectan las constantes de tiempo del sistema
heterogéneo completo.
El motor es un sistema electromecánico (heterogéneo) cuya ecuación caracterís-
tica, es
K2

J La 2 J La
s + + s+1+ = 0, (5.196)
B Ra B Ra BRa
con raíces que no son J/B y La /Ra , debido a la adición del término K 2 /BRa , co-
rrespondiente a la transformación electromecánica de energía que tiene efecto en el
motor.
Ejemplo 5.13 Motor de corriente directa

Los parámetros de un motor de corriente directa, controlado por armadura, mode-
lado por (5.194) y (5.195), son:
• B = 0,01 N m s,
• J = 0,05 kg m2 ,
• K = Ke = 0,02 V/(rad/s) = Kt = 0,02 N m A−1 ,
• La = 0,20 H,
• Ra = 2,25 Ω.
La constante de tiempo de solo los componentes eléctricos Te = La /Ra = 0,089 s,

y la de solo los componentes mecánicos Tm = J/B = 5,0 s.
5.11. Resumen 189
Como es usual, la dinámica de la parte eléctrica es mucho más rápida que la

de la parte mecánica, por lo que puede considerarse que el cambio en las varia-
bles eléctricas es instantáneo, en comparación con el cambio experimentado por las
variables mecánicas.
Por su parte, la ecuación característica (5.196) del motor, es
s2 + 11,45s + 2,29 = 0, (5.197)
que se puede factorizar como
(4,91s + 1)(0,089s + 1) = 0. (5.198)
Las constantes de tiempo del motor son: T1 = 4,91 s y T2 = 0,089 s.
En este caso, el modelo del motor, considerando como la variable de salida a
su velocidad de rotación ω y como entradas la tensión Va aplicada al circuito de
armadura y el par TL opuesto por la carga, es
0,873 98,25
ω(s) ≈ Va (s) − TL (s). (5.199)
4,91s + 1 4,91s + 1
5.11 Resumen
El comportamiento dinámico de un proceso, depende de la localización de los polos y
ceros de su función de transferencia. Los polos determinan los modos de la respuesta
y los ceros la forma en que estos se combinan.
En los procesos autorregulados con solo polos reales, la respuesta no mostrará
ninguna oscilación y sus constantes de tiempo (el inverso de la posición de los polos),
determinarán la velocidad de la misma.
Si existen polos complejos conjugados, la respuesta de los procesos autorregula-
dos tendrá oscilación y sus características dependerán de la razón de amortiguamien-
to y la frecuencia natural de dichos polos.
En forma resumida, se tienen las siguientes características para los procesos sim-
ples sin tiempo muerto, considerando a {u(t), u(s)} como la “entrada” y a {y(t),
y(s)} como su “salida”:
Procesos estables de primer orden

• Ecuación diferencial
dy(t)
T + y(t) = Ku(t).
dt
• Función de transferencia
y(s) K
= .
u(s) T s + 1
• Respuesta a una entrada escalón

y(t) = K 1 − e−t/T ∆u.
• Polinomio característico
p(s) = T s + 1.
Procesos estables de segundo orden

d2 y(t) dy(t)
2
+ 2ζ ωn + ωn2 y(t) = ωn2 Ku(t).
dt dt
y(s) ωn2 K
= 2 .
u(s) s + 2ζ ωn s + ωn2
p(s) = s2 + 2ζ ωn s + ωn2 .
Procesos estables de polo doble

Si los dos polos son reales e iguales, se tiene
d2 y(t) dy(t)
T2 2
+ 2T + y(t) = Ku(t).
dt dt
y(s) K K
= 2 2 = .
u(s) T s + 2T s + 1 (T s + 1)2
p(s) = T 2 s2 + 2T s + 1.
5.11. Resumen 191
Procesos integrantes de primer orden

dy(t)
= Kv u(t).
dt
y(s) Kv
= .
u(s) s
y(t) = Kv t ∆u.
p(s) = s.
Procesos integrantes de segundo orden

d2 y(t) dy(t)
T + = Kv u(t).
dt 2 dt
y(s) Kv
= .
u(s) s(T s + 1)

n o
y(t) = Kv t − T 1 − e−t/T ∆u.
p(s) = T s2 + s.
Procesos inestables de primer orden

dy(t)
T − y(t) = Ku u(t).
dt
y(s) Ku
= .
u(s) T s − 1

n o
+t/T
y(t) = Ku −1 + e ∆u.
p(s) = T s − 1.
El comportamiento dinámico del proceso −“capturado” por el modelo que lo

representa−, proporciona información de cuánto cambia su respuesta (ganancia),
cuán rápido lo hace (constantes de tiempo) y cuanto tarda en manifestarse en ella
(tiempo muerto), un cambio en el estímulo aplicado.
5.12 Bibliografía
Alfaro, V. M. (1991). La Red generalizada. Ingeniería, 1(2):37–52. Disponible en:
http://revistas.ucr.ac.cr/index.php/ingenieria/article/view/7578/7242.
Alfaro, V. M. (2003). Modelado y análisis de los sistemas dinámicos utilizando la

red generalizada. Escuela de Ingeniería Eléctrica, Universidad de Costa Rica, San
José, Costa Rica.
Bequette, B. W. (1998). Process Dynamics - Modeling, Analysis, and Simulation.

Prentice Hall PTR, Upper Saddle River, NJ 07458, USA.
Bequette, B. W. (2003). Process Control - Modeling, Design, and Simulation. Pren-

tice Hall PTR, Upper Saddle River, NJ 07458, USA. Upper Saddle River, NJ,
USA.
Hoagg, J. y Berstein, D. S. (2007). Nonminimum-Phase Zeros - Much to do about

nothing. IEEE Control Systems Magazine, 27(3):45–57.
Smith, C. A. y Corripio, A. B. (2001). Control automático de procesos: Teoría y

práctica. Editorial Limusa, S.A. de C.V., México, D.F.

USA.

Zhang, W. (2012). Quantitative Process Control Theory. CRC Press, Taylor &
Francis Group, LLC, Boca Raton FL 33487-2442. USA.
Parte II
Sistemas de control
195
6
Sistemas de control realimentado
6.1 Introducción
6.2 Esquemas de control
6.3.1 Diagramas de bloques
6.3.2 Servo control y control regulador
6.3.3 Conflictos inherentes en el diseño de los sistemas de control
6.3.4 Estabilidad y respuesta de los sistemas de control
6.4 Rango de variación de las variables
6.5 Función de sensibilidad
6.5.1 Sensibilidad a lazo abierto
6.5.2 Sensibilidad a lazo cerrado
6.6 Funciones de sensibilidad de lazo cerrado
6.7 Resumen
6.8 Bibliografía
Se iniciará ahora, el estudio de los sistemas de control. Como se describió anterior-

mente, este sistema está formado por la interconexión del proceso controlado, dentro
del cual se incluyen junto al proceso mismo los instrumentos de medición y actua-
ción, con el instrumento de control o controlador.
Para un proceso dado, se deberán determinar las características que debe tener
el controlador, para que trabaje en forma armoniosa −“en sintonía”− con el proceso
controlado, de manera de lograr los objetivos establecidos para el control.
197
198 6 Sistemas de control realimentado
Figura 6.1: El proceso
6.1 Introducción
Para determinar el lazo de control a estudiar en adelante, para el análisis de sus ca-
racterísticas y funcionamiento, y para su diseño, se considerará primero el proceso,
el cual está representado por el bloque mostrado en la figura 6.1.
La variable de interés del proceso, es la variable controlada C −que puede con-
siderarse como su “salida”−. Para restringir el comportamiento de esta, esto es, para
lograr que se comporte de la manera deseada, se actuará sobre él modificando la va-
riable manipulada M −esta será la “entrada”−. Existen además, otras variables que
afectan el comportamiento de la variable controlada, que se denominarán perturba-
ciones D −“entradas” no manipuladas−.
Como se indicó en el Capítulo 5, la dinámica del proceso puede presentar ca-
racterísticas muy variadas. Ser autorregulado −estable−, integrante, inestable, tener
o no tiempo muerto, contener dinámicas lentas y rápidas de cualquier orden y ser
lineal o no. Para su representación e incorporación en los estudios de control, este se
aproximará por un modelo lineal de orden reducido.
Se supondrá en adelante, que tanto el proceso como los otros elementos o dis-
positivos requeridos para ejercer el control, están representados por una función de
transferencia, de manera que se trabajará con sistemas cuyos componentes son linea-
les, o cuyo comportamiento se ha linealizado en torno al punto de operación deseado.
Por lo tanto, se trabajará con variaciones de las variables {C, M, D}, denotadas
por {c, m, d}, en torno al punto de operación {Co , Mo , Do } en donde se ha obtenido
un modelo lineal para el proceso.
Este se puede representar entonces, por el diagrama de bloques de la figura 6.2,
en donde G p (s) y Gd (s), son las funciones de transferencia del proceso y c(s), m(s)
y d(s) las variables en el dominio de la variable compleja s, correspondientes a las
variaciones c(t), m(t) y d(t), respectivamente.
Se ha establecido, que el objetivo del sistema de control es restringir el compor-
tamiento de una variable del proceso, denominada variable controlada, c(s), modifi-
cando otra de sus variables, denominada variable manipulada, m(s).
Para obtener información de la variable controlada, se debe adicionar un elemen-
to de medición y un dispositivo de transmisión (transductor) de esta información.
Figura 6.2: Diagrama de bloques

del proceso
Figura 6.3: Diagrama de bloques del conjunto actuador, planta y sensor
Este es el sensor y transmisor o simplemente transmisor de la variable controlada.

La señal de salida del transmisor, puede estar corrompida por el ruido de medida, el
cual debe ser eliminado (filtrado).
Para poder modificar la variable utilizada para ejercer el control −la variable
manipulada−, se debe adicionar un elemento final de control, el cual incorpora los
dispositivos requeridos para recibir la señal de control −la salida del elemento de
control− y modificar la variable manipulada. Este puede ser una válvula de control,
un motor eléctrico de velocidad variable, u otro dispositivo dependiendo del proceso.
Suponiendo que se conocen las funciones de transferencia de todos estos ele-
mentos, el proceso junto con los instrumentos adicionales requeridos, el conjunto
actuador, planta y sensor, se muestra en el diagrama de bloques de la figura 6.3. Este
incluye los siguientes elementos:
• Ga (s) - función de transferencia del elemento final de control,
• Gd (s) - función de transferencia de entrada de la perturbación,
• G p (s) - función de transferencia del proceso,
• Gt (s) - función de transferencia del transmisor,
y las variables:
• c(s) - variable controlada,
• d(s) - perturbación,
• m(s) - variable manipulada,
• n(s) - ruido de medida,
• u(s) - señal de control,
• y(s) - señal realimentada,
• y0 (s) - señal de medida.
Como se indicó anteriormente, la variable de interés es la variable controlada c(s)

y la información de esta se obtiene por medio del transmisor en la señal de medida
y0 (s) o señal realimentada. Para efectuar el control, se debe modificar la variable
manipulada m(s) por medio del elemento final de control, el cual recibe la señal de
control u(s).
Por lo tanto, la interacción del controlador con el proceso se hace por medio de
la señal realimentada y0 (s), que puede contener ruido, y la señal de control u(s).
Entonces, el proceso controlado puede representarse por el diagrama de bloques
de la figura 6.4, donde
Pu (s) = Gt (s)G p (s)Ga (s), (6.1)
es la función de trasferencia de la señal de control a la señal realimentada (u → y) y
Pd (s) = Gt (s)Gd (s), (6.2)
la función de transferencia de la perturbación a la señal realimentada (d → y).

Se tiene entonces, que la señal realimentada está dada por la expresión
y0 (s) = y(s) + n(s) = Pu (s)u(s) + Pd (s)d(s) + n(s). (6.3)
Esta señal proporciona la información de cómo el esfuerzo de control y la perturba-

ción, afectan a la variable controlada.
Figura 6.4: Diagrama de bloques

del proceso controlado
Figura 6.5: Proceso contro-

lado
En forma simplificada y desde un punto de vista externo, el proceso controlado

relaciona las variables descritas en el bloque mostrado en la figura 6.5.
No se tiene información de lo que pasa al interior del proceso controlado. El aná-

lisis y el diseño del sistema de control, se hará con base en la relación entre sus entra-
das −el esfuerzo de control y la perturbación− y su salida −la señal realimentada−.
Cada variable controlada −señal realimentada− tendrá asociada una variable ma-
nipulada −esfuerzo de control− para su control, formando una “pareja”. Estas dos
variables están relacionadas entre si, primero por las características del proceso con-
trolado, en la relación u → y, y luego, como se verá a continuación, por la acción
de control. Además, la variable controlada es afectada también por la perturbación,
según lo establezca la relación d → y.
6.2 Esquemas de control

Antes de interconectar el proceso controlado con su controlador para formar el siste-
ma de control, se definirá lo que se entenderá por controlar o ejercer el control de un
proceso:
“Controlar un proceso consistirá en variar, con base en información obtenida

de este, la señal enviada al instrumento de actuación, con el fin de modificar el
comportamiento de la variable controlada, representada por la señal provista por el
instrumento de medición.”
Por lo tanto, solo existirá una acción de control, si se actúa de forma de modificar
el comportamiento de la variable de interés, con base en una medición hecha en el
proceso controlado.
La forma en que la información obtenida del proceso es utilizada para actuar
sobre proceso, constituye la ley de control implementada en el controlador.
Suponiendo que el proceso controlado se ha llevado a un punto de operación
deseado estable, se pueden establecer tres condiciones de control diferentes:
1. Sistema sin control

Se dirá que se tiene un sistema sin control, si no se toma ninguna acción correc-
tiva −cambio en la variable manipulada−, en caso de presentarse desviaciones
de la variable controlada respecto a su valor deseado. El sistema se ha ajustado
para que opere en el punto de operación deseado y tal vez no se vuelva a actuar
sobre el.
El sistema podría sin embargo, incluir algún dispositivo de mando, con una
función de transferencia Gr (s), que permita modificar el valor de la señal en-
viada al instrumento de actuación, y un instrumento indicador de la señal de
medida Iy , tal como se muestra en la figura 6.6.
La señal de medida, es ahora
y0 (s) = Pu (s)Gr (s)r(s) + Pd (s)d(s) + n(s). (6.4)
Se desearía que la señal de medida y(s), fuera siempre igual a su valor deseado
r(s), para lo cual sería necesario, que
Pu (s)Gr (s) = 1 ⇒ Gr (s) = Pu−1 (s). (6.5)
Esto es, la función de transferencia del dispositivo de mando, debería ser idén-
tica a la inversa de la del proceso controlado en su relación u → y.
6.2. Esquemas de control 203
Figura 6.6: Diagrama de bloques del sistema sin control
Debe considerarse, que el proceso controlado está representado normalmente

por un modelo lineal Pmu (s), usualmente de orden reducido, el cual solo es
capaz de representar, en forma aproximada, el comportamiento dinámico del
proceso en torno al punto de operación donde fue obtenido. Además, usual-
mente este modelo es una función de transferencia propia, que puede incluir
componentes no invertibles −tiempos muertos y ceros en el semiplano derecho
del plano complejo s−.
Por lo tanto, se escogerá la función de transferencia del dispositivo de mando,

como
−1
Gr (s) = Pmu− (s)Fr (s), (6.6)
−1
donde Pmu− (s) es el inverso de la parte invertible del modelo del proceso y
Fr (s) es la función de transferencia de un filtro de valor deseado selecciona-
do de tal manera que garantice que Gr (s) sea estrictamente propia, para evitar
saltos en u(s) cuando se hace un cambio tipo escalón en r(s), y con ganancia
unitaria (Fr (0) = 1). La parte invertible del modelo, excluye todos los compo-
nentes de fase no mínima -los ceros en el semiplano derecho del plano com-
plejo s y los tiempos muertos-.
El diagrama de bloques del sistema sin control resultante, se muestra en la

figura 6.7.
+
+
Figura 6.7: Diagrama de bloques del sistema con mando del valor deseado
Ahora la señal de medida, será
y0 (s) = Pu (s)Pmu−
−1
(s)Fr (s)r(s) + Pd (s)d(s) + n(s). (6.7)
En el caso ideal, con Pmu− (s) = Pu (s), (6.7) se reduce a
y0 (s) = Fr (s)r(s) + Pd (s)d(s) + n(s). (6.8)
Entonces, si se produce un cambio tipo escalón en el valor deseado de magni-

tud ∆r, su efecto final sobre la señal de medida, será
lı́m y0 (t) = lı́m sFr (s)r(s) = ∆r. (6.9)

t→∞ r s→0
Al modificarse el valor deseado, la variable de interés variará según la dinámica

del filtro Fr (s) utilizado, alcanzando finalmente el nuevo valor deseado.
Si el indicador incorpora un filtro del ruido de medida, que en forma ideal
elimine el ruido sin afectar en forma apreciable la señal, la señal de medida de
la variable de interés, es
−1
y(s) = Pu (s)Pmu− (s)Fr (s)r(s) + Pd (s)d(s). (6.10)
Por lo tanto, en el caso del sistema sin control, si se presenta alguna perturba-
ción, o no es posible modelar en forma fidedigna el comportamiento dinámico
Figura 6.8: Diagrama de bloques del sistema de control de lazo abierto
del proceso controlado, existirán errores en la variable de interés que no serán

corregidos.
Entonces, por definición, un sistema sin control es aquel en que no se contem-
pla variar deliberadamente una entrada al proceso, para corregir −o prevenir−,
los efectos adversos que pudiera tener una perturbación sobre la variable de in-
terés.
2. Sistema de control de lazo abierto

Se tendrá un sistema de control de lazo abierto, si se toman acciones correcti-
vas −cambio en la variable manipulada−, con base en la información de una o
más variables del proceso −normalmente de la misma perturbación−, pero no
de la variable controlada. En este caso, no existirá realimentación y al sistema
de control se le puede llamar control anticipativo o control en adelanto.
Suponiendo que hay solo una perturbación y que esta se puede medir, el siste-
ma de control anticipativo se muestra en la figura 6.8, en el cual se ha adicio-
nado un instrumento con una función de transferencia Gtd (s) para la medición
de la perturbación y un controlador anticipativo Cd (s). La señal de la pertur-
bación medida es z(s).
Si no hay cambios en el valor deseado (r(s) = 0) y el ruido de medida es
filtrado en el indicador Iy , la señal medida de la variable controlada, es
yd (s) = Pd (s)d(s) + Pu (s)Cd (s)Gtd (s)d(s). (6.11)

+- +
+
Figura 6.9: Diagrama de bloques del sistema de control anticipativo
Para eliminar el efecto de la perturbación, se requiere que
Pd (s) + Pu (s)Cd (s)Gtd (s) = 0, (6.12)
de donde el controlador anticipativo, debería ser
Cd (s) = − [Pu (s)Gtd (s)]−1 Pd (s). (6.13)
Como lo que se conocen son los modelos identificados para el proceso, el

control anticipativo (6.13), se calculará como
Cd (s) = − [Pmu− (s)Gtd (s)]−1 Pmd

0
(s)e−(Lmd −Lmu ) Fd (s), Lmd ≥ Lmu , (6.14)
donde se ha incluido un filtro de perturbación Fd (s) que, de ser necesario, hace

que Cd (s) sea una función de transferencia propia, con la única restricción que
Fd (0) = 1.
El sistema de control anticipativo resultante, se muestra en la figura 6.9.
La señal de medida, es ahora (siempre considerando r(s) = 0)
yd (s) = Pd (s)d(s)−Pu (s) [Pmu− (s)Gtd (s)]−1 Pmd

0
(s)e−(Lmd −Lmu ) Fd (s)Gtd (s)d(s),
(6.15)
que, en el caso ideal donde Pmu− (s) = Pu (s), y si además se tiene que Pmd (s) =
Pd (s), se reduce a
yd (s) = Pd (s) [1 − Fd (s)] d(s). (6.16)
Por lo tanto, en este caso, para un cambio escalón de magnitud ∆d en la per-

turbación, se tiene que su efecto final sobre la variable controlada, es
lı́m yd (t) = lı́m syd (s) = 0. (6.17)

t→∞ s→0
El control anticipativo logra eliminar el efecto adverso de la perturbación, pero

solo de la que se ha medido, no de las demás. Tampoco corregirá los errores en
la variable controlada, producto de los errores de modelado, o de los cambios
en la dinámica del proceso.
3. Sistema de control de lazo cerrado

Si las acciones correctivas se toman con base en la diferencia entre el valor
deseado y el valor real de la variable controlada, denominada error, se ten-
drá un sistema de control de lazo cerrado. En este caso existe realimentación,
comparación y cálculo del error, y se tiene un sistema de control realimentado.
Cerrar el lazo implica, que la información de la variable controlada es uti-
lizada por el algoritmo de control, para tomar la acción correctiva necesaria,
estableciendo la relación y → e → u.
Se dirá que el sistema de control realimentado es automático, si la acción co-
rrectiva se efectúa sin intervención humana.
El uso de la realimentación como parte de la toma decisiones, es una forma
intuitiva de ejercer el control de cualquier actividad o proceso: si el valor de
la variable −característica− de interés no es el deseado, se toma una acción
sobre este, se evalúa el efecto que tiene la misma, se compara con el objetivo
propuesto y con base en esta información se modifica la acción, repitiéndose
el procedimiento −constituyéndose un lazo cerrado− en forma continua hasta
alcanzar la meta.
Partiendo del diagrama del conjunto actuador, planta y sensor de la figura 6.3,
para realizar la comparación del valor medido de la variable controlada con su
valor deseado, cálculo del error, y la toma de la acción correctiva necesaria en
el control realimentado, se debe incorporar un instrumento adicional denomi-
nado controlador, cuya función de transferencia es C(s). Este incluirá además,
un filtro de la señal realimentada G f (s) para reducir el ruido de medida y los
dispositivos para introducir y fijar el valor deseado a través de Kr .
El diagrama de bloques del lazo de control realimentado se muestra en la figura
6.10. El proceso controlado y el controlador interactúan entre si, por medio de
las variables disponibles en los terminales de interconexión entre ellos (y0 (s),
u(s)).
La variable de interés C, es una característica física del proceso y la informa-

ción de esta la recibe el controlador, por medio de la señal realimentada Y 0 . Por
lo tanto, la variable que el controlador controla, es esta última.
Es importante tener en consideración lo anterior. La variable que realmente se
controla, no es directamente la variable física “controlada”, sino la señal reali-
mentada que la representa. Estas pudieran no tener entre si una relación lineal,
o no evolucionar exactamente de igual forma, debido a las características de
los dispositivos utilizados para la medición de la variable de interés, el sensor
y transmisor. Este conjunto es realmente un transductor, el cual convierte la
variable controlada en una señal que sea posible de “transmitir” al controlador.
De hecho, pudiera ser que la información sobre la variable controlada, se ob-
tenga en forma indirecta. Esto es, midiendo otra variable, de la cual el valor de
la variable de interés se pueda inferir.
Debe tenerse siempre en cuenta, que la información de la variable controlada
la constituye el nivel de la señal realimentada, que “viene” del elemento de
medición, el sensor y transmisor, al controlador, y que la acción correctiva
necesaria del esfuerzo de control, la constituye el nivel de la señal de salida del
controlador que “va” de este, al elemento final de control.
Si bien en los sistemas de control electrónicos, donde las señales para compar-
tir la información son eléctricas, analógicas o digitales, se podría considerar
que sus variaciones se detectan en forma casi instantánea, en otros, como los
sistemas neumáticos, esto no es así.
El comportamiento dinámico de los instrumentos requeridos para establecer el
lazo de control y el de los medios de comunicación entre estos, debe ser tomado
en cuenta al analizar la dinámica del proceso controlado. Estos forman parte
integral del “proceso controlado”, con el que el controlador debe interactuar.
Si bien, mediante un modelado analítico del proceso y de los instrumentos de
medición y actuación, sería posible determinar el comportamiento de todas las
variables involucradas en el sistema de control de la figura 6.10, en la prácti-
ca, la variable C solo se conoce por medio de su medición Y . Igualmente, la
variable M solo se conocería si es medida.
Por lo tanto, desde el punto de vista del controlador, la planta o proceso con-
trolado por este, corresponde al conjunto actuador, planta y sensor, o sea que
involucra tanto al proceso en si, como a los elementos de medición y actuación
adicionados, al filtro del ruido de medida si lo hubiera, y al medio físico de
interconexión de estos con el controlador.
Lo anterior implica primero, que los instrumentos de medición deben ser pre-
cisos, rápidos y repetibles, para poder suponer que Y es una representación
fidedigna de C. Y segundo, que la información disponible del sistema de con-
trol, son las señales con que el controlador se interconecta con el proceso, Y 0 y
U.
La variación del esfuerzo de control determinada por el controlador, está dado
por
u(s) = C(s)e(s) = C(s)[r(s) − y(s)]. (6.18)
El controlador C(s), procesa la señal de error e(s) = r(s) − y(s) por lo que,
independientemente de cual sea su causa −modificación del valor deseado, la
presencia de perturbaciones, o cambios en el proceso−, ante la existencia de
un error este tomará una acción correctiva.
La señal de error es utilizada para disminuir (y preferiblemente eliminar), este
mismo error.
De lo anterior se hace evidente que se necesita un sistema de control para man-

tener la variable controlada en su valor deseado, corrigiendo el efecto adverso de las
perturbaciones y de los cambios en las características del proceso.
Si no existieran perturbaciones y el proceso fuera invariante en el tiempo, no sería
necesario un sistema de control −que realice la acción de control actuando sobre el
proceso controlado−, para mantener la variable controlada en su valor deseado todo
el tiempo.
La diferencia conceptual entre el control anticipativo −control a lazo abierto−,
mostrado en la figura 6.11 y el control realimentado −control a lazo cerrado−, mos-
trado en la figura 6.12, es evidente.
Figura 6.11: Diagrama es-

quemático del control anti-
cipativo
Figura 6.12: Diagrama es-

quemático del control reali-
mentado
En el primero, figura 6.11, se tiene que
y = P(θ p ; u, d), (6.19)

u = Cant (θcant ; r, d). (6.20)
El controlador anticipativo utiliza información de la perturbación d, para modificar

la señal de control u con el propósito de anticiparse al efecto que esta tiene sobre
la variable controlada y, de manera de anularlo y tratar así de prevenir que la varia-
ble controlada se desvíe de su valor deseado r. El control anticipativo opera para
prevenir la ocurrencia del error.
La señal realimentada −variable controlada− no es considerada en el cálculo
del esfuerzo de control. Se puede decir que en el control anticipativo, el flujo de
información es d → u(r, d) → y.
Por su parte, en el caso del control realimentado, figura 6.12, se tiene que
y = P(θ p ; u, d), (6.21)

u = Creal (θcreal ; r, y) (6.22)
Ahora, el controlador realimentado utiliza información de la variable controlada

y, para modificar la señal de control u, con el propósito de responder al efecto adverso
que la perturbación d tiene sobre la variable controlada y, de manera de eliminarlo
y así regresar la variable controlada a su valor deseado r. El control realimentado
opera para corregir el error que ha ocurrido.
La señal realimentada −variable controlada− es considerada en el cálculo del

esfuerzo de control. Por lo tanto, se puede decir que en el control realimentado, el
flujo de información es y → u(r, y) → y.
Debe recalcarse aquí, que para que un esquema sea considerado un sistema de
control, ya sea a lazo abierto o a lazo cerrado, este debe actuar sobre el proceso
controlado −variando una entrada al mismo−, con base en la medición de una de sus
variables -ya sea la perturbación o la variable de interés directamente-, de manera de
modificar el comportamiento de la variable de interés -controlada-.
El realizar la acción de control involucra en forma indispensable, que se reali-
ce una acción de medir −dispositivos de medición y transmisión−, una acción de
procesar información y tomar decisiones −dispositivo controlador− y una acción de
actuar −dispositivo final de control−.
Dentro de la clasificación de los “sistemas de control” anterior, no se han incluido

los sistemas actuados mediante mandos secuenciales. Esto es, sistemas en los cuales
se efectúan operaciones consecutivas, normalmente en un orden “programado”. No
solamente los efectos de estas acciones no son verificados, sino que no existe un
dispositivo de mando que permita de alguna manera modificar en forma continua,
la señal envida al elemento de actuación. Estos no se tomarán como parte de los
sistemas de control continuo.

En adelante, se considerarán solamente los sistemas de control realimentado, dejando
la incorporación del controlador anticipativo, para un análisis posterior, en aquellos
casos en que este contribuya a mejorar el comportamiento global del sistema de con-
trol (véase el Capítulo 20).
6.3.1 Diagramas de bloques

Dado que, en general, la dinámica entre la variable controlada y la señal de control, no
es igual a la dinámica entre esta y la perturbación, el diagrama de bloques del sistema
de control realimentado, se puede representar como se muestra en la figura 6.13. En
este, Pu (s) es la función de transferencia entre la señal realimentada y la señal de
control (u → y) y Pd (s) la función de transferencia entre la señal realimentada y la
perturbación (d → y).
Se debe tener en cuenta que la señal y0 (s) puede incorporar un ruido de medida.
Si este es filtrado en forma adecuada, por el filtro de la señal de entrada incorpora-
do normalmente en el controlador, puede no ser considerado explícitamente en los
estudios de control.
Figura 6.14: Puntos de entrada de la perturbación
Para efecto del análisis de los sistemas de control, se puede considerar que la
perturbación d(s) entra en cualquier punto al proceso. Este es el caso más general y
Pd (s) 6= Pu (s), tal como se muestra en la figura 6.13.
Si Pd (s) = 1, la perturbación sería una perturbación a la salida do (s), tal como
se muestra en la figura 6.14.
Por otra parte, si se considera que la dinámica existente entre la perturbación y
la variable controlada (d → y), es similar a la existente entre esta última y la señal
de control (u → y), esto es que Pd (s) ≈ Pu (s), se tiene que la perturbación actúa a
la entrada del proceso controlado (el conjunto actuador, planta y sensor) y es una
perturbación a la entrada di (s), como se muestra también en la figura 6.14.
Este último será el caso que se tratará en adelante, por ser considerado el más
representativo, de lo que ocurre en los procesos industriales con los “cambios de
carga” (Shinskey, 2002).
Además, en los estudios de control se tendrá que el proceso estará representado
por un modelo P(s), obtenido analíticamente o mediante pruebas experimentales. No
Figura 6.15: Lazo de control realimentado simplificado
debe olvidarse que este es un modelo lineal, y que el controlador diseñado controlará
el proceso real Po , el cual normalmente no es lineal. Por lo tanto, deberán tenerse
en cuenta las variaciones de sus características, asegurando un determinado grado de
estabilidad relativa, o robustez, del sistema de control.
El diagrama simplificado final que se utilizará en adelante en el análisis y di-
seño de los sistemas de control, se muestra en la figura 6.15. En este, se tienen las
siguientes funciones de transferencia:
• C(s) - función de transferencia del controlador,
• P(s) - modelo del proceso controlado (conjunto actuador, planta y sensor),
y las siguientes variables:
• d(s) - perturbación de carga,
• e(s) - señal de error,
• n(s) - ruido de medida,
• r(s) - valor deseado,
• u(s) - señal de control (salida del controlador),
• y(s) - señal realimentada (sin ruido),
• y0 (s) - señal realimentada.
Es importante resumir aquí, algunas de las consideraciones que se han hecho,

para la obtención del diagrama de bloques simplificado del lazo de control realimen-
tado, de la figura 6.15:
1. El proceso controlado visto por el controlador, incluye el actuador y elemen-

to final de control, el proceso mismo, el sensor y transmisor, y el medio de
interconexión entre estos.
2. Para los estudios de control, el proceso controlado estará representado por un

modelo lineal y de orden reducido, el cual se supone que refleja adecuadamente
sus características dinámicas.
3. La perturbación (o el conjunto de perturbaciones) posible en el sistema de

control, se supondrá que ocurre a la entrada del mismo, en el mismo punto
de entrada de la señal de salida del controlador −aunque pueden entrar en
cualquier otro punto del proceso−.
4. La señal de entrada que recibe el controlador, es la señal realimentada de la

variable controlada (la señal de medida).
5. El algoritmo de control incluido en el controlador, se aplica todo directamen-

te al error. Posteriormente, se verá que esto no es estrictamente necesario, o
incluso conveniente.
6. El ruido de medida será filtrado y por lo tanto, pudiera no ser considerado en

los análisis posteriores.
6.3.2 Servo control y control regulador

Desde el punto de vista de un observador externo del sistema de control de la figura
6.15, en este hay tres estímulos externos (entradas): el valor deseado r, la perturba-
ción d y el ruido de medida n; y una variable de salida: la señal realimentada y0 .
Cuando el objetivo del diseño del sistema de control, sea que la variable contro-
lada siga un valor deseado cambiante en el tiempo, se dice que se tiene un servo
control o servomecanismo. Se requiere un buen seguimiento del valor deseado que
cambia.
Cuando el valor deseado se mantenga constante y el objetivo del diseño del siste-
ma de control, sea que la variable controlada regrese a su valor deseado fijo, ante la
presencia de una perturbación, se dice que se tiene un sistema de control regulador o
simplemente un regulador. En este caso, se requiere insensibilidad a las perturbacio-
nes.
Además, el ruido de medida no debe estar presente en la señal salida del contro-
lador, ya que de no ser así, este sería reinyectado al proceso controlado.
A partir del diagrama de bloques de la figura 6.15, se pueden obtener las siguien-
tes relaciones entre las variables del sistema de control
y0 (s) = y(s) + n(s), (6.23)
y(s) = P(s) [u(s) + d(s)] , (6.24)
u(s) = C(s)e(s), (6.25)
e(s) = r(s) − y0 (s), (6.26)
las cuales se pueden manipular, de la siguiente manera
y0 (s) = P(s) C(s)r(s) −C(s)y0 (s) + d(s) + n(s),

y0 (s) = C(s)P(s)r(s) −C(s)P(s)y0 (s) + P(s)d(s) + n(s),

[1 +C(s)P(s)] y0 (s) = C(s)P(s)r(s) + P(s)d(s) + n(s),
para obtener la variable de interés del sistema de control −la variable controlada−,
en función de los tres posibles estímulos −el valor deseado, la perturbación y el ruido
de medida−. Esta está dada por la ecuación
C(s)P(s) P(s) 1
y0 (s) = r(s) + d(s) + n(s), (6.27)
1 +C(s)P(s) 1 +C(s)P(s) 1 +C(s)P(s)
la cual se puede expresar en forma compacta, como
y0 (s) = yr (s) + yd (s) + yn (s), (6.28)
donde yr (s) corresponde al comportamiento de la variable controlada debido solo al
cambio en el valor deseado, yd (s) el correspondiente solo al cambio en la perturba-
ción y yn (s) el efecto realimentado del ruido de medida. En adelante, se considerarán
y analizarán estos comportamientos por separado.
Esto se puede realizar así, porque el sistema de control se está tratando como un
sistema lineal −en el que aplica el principio de superposición−. En este sistema, el
proceso controlado real −normalmente no lineal−, esta representado por un modelo
lineal de estructura y parámetros fijos, que se ha interconectado a un controlador de
estructura fija y parámetros variables lineal −suponiendo entonces que sus variables
varían dentro de su rango de operación lineal−.
Comportamiento de la variable controlada ante un cambio en el valor deseado

Si se considera solo el efecto de un cambio en el valor deseado r(s) (perturbación
d(s) = 0, ruido de medida n(s) = 0), se tiene un servo control o servomecanismo. En
este caso, el comportamiento de la variable controlada está dado, por
C(s)P(s)
yr (s) = r(s). (6.29)
1 +C(s)P(s)
62 56
[%]
[%]
ur (t)
yr (t)
60 55
58 54
56 53
54 52
52 51
50 50
0 20 40 60 80 100 0 20 40 60 80 100
Figura 6.16: Comportamiento de las variables del sistema de control, a un cambio

escalón en el valor deseado
El comportamiento deseado del servo control es tener un buen seguimiento del valor
deseado que cambia.
De (6.29), la función de transferencia de lazo cerrado del servo control Myr (s)
se define, como
. yr (s) C(s)P(s)
Myr (s) = = . (6.30)
r(s) 1 +C(s)P(s)
En la figura 6.16 se muestra un posible comportamiento de la variable controlada
y del esfuerzo de control, cuando se produce un cambio escalón del 10 % en el valor
deseado.
Usualmente, en la mayoría de los sistemas de control de un proceso industrial, el
valor deseado para la variable controlada permanece en un valor fijo, por intervalos
de tiempo largos, por lo que podría considerarse “constante”. Cuando se modifica,
usualmente se trata que este cambio no sea brusco.
Sin embargo, hay otros, como los procesos por lotes, en los que el sistema de
control debe ejecutar una “receta”. En esta, los valores deseados para las diferentes
variables del proceso, se cambian en una forma predeterminada. Estos perfiles del
valor deseado, deben ser seguidos por el sistema de control.
Un caso particular en que también se debe seguir un valor deseado cambiante,

corresponde a la operación de los controladores esclavos, en un esquema de control
en cascada (ver la sección 19.3 del Capítulo 19).
Comportamiento de la variable controlada ante un cambio en la perturbación

Si se considera ahora que el valor deseado permanece constante (r(s) = 0) y no hay
ruido de medida (n(s) = 0), se tiene un control regulador o un regulador, y el com-
portamiento de la variable controlada a un cambio en la perturbación d(s), está dado
por
P(s)
yd (s) = d(s). (6.31)
1 +C(s)P(s)
Lo que se desea en este caso, es insensibilidad a las perturbaciones que afectan
la variable controlada.
A partir de (6.31), la función de transferencia de lazo cerrado del control regu-
lador Myd (s) se define, como
. yd (s) P(s)
Myd (s) = = . (6.32)
d(s) 1 +C(s)P(s)
En la figura 6.17 se muestra un posible comportamiento de la variable controlada

y el esfuerzo de control, cuando se produce un cambio escalón de 10 ud en la pertur-
bación.
Es importante notar de lo anterior, que el sistema de control realimentado tiene

la capacidad de responder a los dos estímulos, al cambio en el valor deseado y al
cambio en la perturbación. Si bien no lo hace en la misma forma, se podría imponer
como característica deseada por ejemplo, el que este logre alcanzar el nuevo valor
deseado y el que este elimine completamente el efecto de la perturbación en lapsos
determinados. Esto es, para los dos estímulos, que al alcanzar un nuevo punto de
equilibrio estable −estado estacionario−, el error sea cero (error permanente cero),
tal como se verá posteriormente.
Las funciones de transferencia de lazo cerrado del servo control (6.30) y del
control regulador (6.32), están relacionadas de tal forma, que
Myr (s) = C(s)Myd (s). (6.33)
Esta relación establece una restricción para las especificaciones de diseño de la res-
puesta a un cambio en el valor deseado y de la respuesta a una perturbación que se
desean lograr, las cuales no son independientes y pudieran estar en conflicto.
[%]
ud (t)
65
[%]
yd (t)
50
0 20 40 60 80 100
Tiempo, t [s]
60
45
55
40
50
0 20 40 60 80 100
Tiempo, t [s]
Figura 6.17: Comportamiento de las variables del sistema de control, a un cambio

escalón en la perturbación de carga
Función de transferencia de lazo abierto

Se definirá la función de transferencia de lazo abierto L(s) del sistema de control,
como
.
L(s) = C(s)P(s), (6.34)
y se llamará polinomio característico de este, al denominador de las funciones de
transferencia de lazo cerrado en (6.27), el cual está dado por la expresión
.
p(s) = 1 + L(s) = 1 +C(s)P(s). (6.35)
Aunque las funciones de transferencia de lazo cerrado del servo control y del
control regulador, tienen el mismo denominador −el polinomio característico de lazo
cerrado−, sus numeradores son diferentes, lo cual implica que el comportamiento
del sistema de control ante un cambio en la perturbación, será diferente del que tenga
ante un cambio en el valor deseado.
Los polos del servo control y del control regulador, los polos de lazo cerrado, son
los mismos y por lo tanto, sus respuestas están compuestas por los mismo modos,
pero la forma en que estos se combinan, es diferente.
Además, debido a la relación establecida en (6.33), si se han seleccionado los

parámetros del algoritmo de control del controlador C(s) para lograr un comporta-
miento deseado, por ejemplo del servo control (r → y), entonces el comportamiento
del control regulador (d → y) estará completamente definido y no puede ser modi-
ficado. Lo anterior también es válido en el caso contrario. Por lo tanto, el lograr un
buen comportamiento del sistema de control ante un cambio en el valor deseado, no
garantiza que el comportamiento del sistema ante un cambio en la perturbación sea
también aceptable y viceversa.
Por poderse especificar solo una de las funciones de transferencia de lazo cerrado,
Myr (s) o Myd (s), este tipo de control se denomina sistema de control con solo un
grado de libertad (1GdL).
En las aplicaciones industriales, normalmente es deseable que el comportamiento
del sistema de control a un cambio en el valor deseado, se pueda restringir en forma
independiente de la restricción deseada para su comportamiento ante un cambio en
la perturbación. Para esto se requiere tener un sistema de control con dos grados de
libertad (2GdL).
En este último caso, se podrá establecer primero la relación d → y, para luego
ajustar en lo que sea posible, la relación r → y.
6.3.3 Conflictos inherentes en el diseño de los sistemas de control

realimentado
En adición al conflicto existente entre el comportamiento del servo control y el del
control regulador, el diseño de los sistemas de control, involucra tomar en considera-
ción otras restricciones inherentes al uso de la realimentación.
La señal realimentada dada por (6.27), se puede escribir en términos de la función
de transferencia de lazo abierto, como
L(s) P(s) 1
y0 (s) = r(s) + d(s) + n(s). (6.36)
1 + L(s) 1 + L(s) 1 + L(s)
Por otra parte, antes de que la señal realimentada se corrompa con el ruido de
medida, esta es
L(s) P(s) L(s)
y(s) = r(s) + d(s) − n(s). (6.37)
1 + L(s) 1 + L(s) 1 + L(s)
Además, el error que se ha definido como
e(s) = r(s) − y0 (s). (6.38)
se puede expresar por la relación
1 P(s) 1
e(s) = r(s) − d(s) − n(s). (6.39)
1 + L(s) 1 + L(s) 1 + L(s)
Entonces, para lograr un control perfecto hipotético, el cual lograría que y0 = r,

e = 0, para cualquier r, d y n, de (6.37) y (6.39) se puede obtener que sería necesario
que se cumpla, que

L(s)
1 + L(s) → 1, (6.40)

P(s)
1 + L(s) → 0, (6.41)

L(s)
1 + L(s) → 0, (6.42)

1
1 + L(s) → 0. (6.43)

El seguimiento del valor deseado y el rechazo de las perturbaciones, requieren

que la magnitud de la función de transferencia de lazo abierto sea grande, |L(s)| 1,
mientras que la eliminación del ruido de medida, que |L(s)| ≈ 0.
Este último conflicto, se resolverá incorporando a la entrada de la señal realimen-
tada en el controlador, un filtro con una función de transferencia, tal que la ganancia
combinada del controlador con la del filtro, tienda a cero a alta frecuencia.
En adición a lo anterior, es necesario tomar en consideración, el esfuerzo de con-
trol requerido para dar seguimiento a un valor deseado que cambia y para la elimina-
ción de las perturbaciones, así como el componente del ruido de medida remanente
en el mismo.
El esfuerzo de control está dado por la expresión
C(s) L(s) C(s)

u(s) = r(s) − d(s) − n(s), (6.44)
1 + L(s) 1 + L(s) 1 + L(s)
y su estudio debe formar parte del análisis del funcionamiento del sistema de control.
6.3.4 Estabilidad y respuesta de los sistemas de control

La estabilidad del lazo de control, está determinada por la localización de los polos
de lazo cerrado, los cuales son los ceros de la ecuación característica
1 +C(s)P(s) = 0, (6.45)
por lo que la estabilidad del sistema de control no depende de los estímulos (entradas)
aplicados.
Los polos de lazo cerrado −ceros de (6.45)− dependen de los ceros y polos del
modelo del proceso controlado P(s) y de los ceros y polos del controlador C(s).
6.4. Rango de variación de las variables 221
Por su parte, las características dinámicas del comportamiento de la variable de

interés (salida), a un cambio en una variable de estímulo (entrada), dependen de los
polos y ceros de la función de transferencia entre estas. Los polos de lazo cerrado
(modos de respuesta), son los mismos para todas las funciones de trasferencia de
lazo cerrado, pero la forma en que estos se combinan en la salida, depende de los
ceros.
Además de garantizar la estabilidad absoluta del sistema de control, será nece-
sario tomar en consideración los requerimientos de estabilidad relativa o robustez
del lazo de control, para garantizar su estabilidad ante cambios en las características
dinámicas del proceso controlado.
Aparece entonces un conflicto adicional, el existente entre el comportamiento y
la robustez del lazo de control.
La forma de dar solución a estos conflictos y la consideración de si alguno de
estos, se pudiera convertir más bien en una solución de compromiso, se analizará
más adelante, cuando se enfrente el diseño del sistema de control.
6.4 Rango de variación de las variables

Los sistemas de control industrial pueden ser neumáticos, electrónicos o hidráulicos.
En los primeros, la información compartida por los instrumentos del lazo de con-
trol, está representada por una presión de aire, una señal neumática, variando en el
rango de 0,2 bar (20 kPa) a 1,0 bar (100 kPa). Los instrumentos neumáticos, transmi-
sores, controladores, registrados, etc., requieren una alimentación neumática a una
presión de 1,4 bar (140 kPa), estos consumen aire. Los rangos de variación de las
señales y las presiones de alimentación de los instrumentos neumáticos, se describen
en la Norma ISA 7.0.01 (ISA, 1996).
En los electrónicos, la información compartida por el transmisor y el controlador
y por este y el elemento final de control (o un transductor incluido en este último),
está representada por el valor de una señal eléctrica, una corriente continua que va-
ría en el rango de 4 mA a 20 mA. En el caso en que la señal de corriente entre el
transmisor y el controlador deba ser llevada a otro instrumento receptor como un in-
dicador, un registrador, una entrada de un sistema de adquisición de datos, u otro,
esta usualmente es convertida, utilizando una resistencia de 250 Ω (±0,25 Ω) en uno
de los elementos receptores, a una señal de tensión eléctrica que varía de 1 V a 5
V. Los instrumentos transmisores electrónicos de campo, usualmente requieren una
alimentación eléctrica de corriente continua a 24 V (suministrada por el controlador
o el instrumento receptor correspondiente), son transmisores de dos hilos1 , y los ins-
1 Untransmisor de dos hilos, no es una fuente de corriente sino más bien un regulador de corriente
(cuya magnitud depende del valor de la variable medida), alimentado a través de los dos hilos con que
trumentos en el tablero de control, una alimentación eléctrica de corriente continua

de 24 V o una de corriente alterna a 115 V. Los niveles y otras características de las
señales e interconexión de los instrumentos en los sistemas de control electrónicos,
están regidas por la Norma ISA 50.00.01 (ISA, 1975).
Nótese que el valor mínimo o “cero” de todas las señales, corresponde a una
presión neumática, una corriente o una tensión eléctrica distintas de cero, permitiendo
así detectar una falla en la interconexión entre los instrumentos.
El uso de señales estandarizadas, neumáticos o eléctricas, permite la intercone-
xión −el compartir información− entre instrumentos de medición, control y actua-
ción de fabricantes diferentes.
Para el estudio de los sistemas de control, e independientemente de la naturaleza
física de la variable controlada, la variable manipulada y las perturbaciones, y del
tipo de señal utilizada en el sistema de control (neumática, eléctrica, u otra), se con-
siderará que las señales −la señal realimentada y la señal de salida del controlador−
son adimensionales, que varían en el ámbito de 0 % a 100 % y que, en ausencia de
mayor información, el punto de operación del sistema de control corresponde al 50 %
del ámbito de cada una de ellas, por lo que este se tomará como el “cero” −punto
de operación normal− del sistema, pudiendo existir variaciones máximas respecto a
este de ±50 %.
Por esta razón, en el punto de equilibro estable y sin error, correspondiente al
punto de operación normal, todas las variaciones de las variables del sistema de con-
trol (d, e, r, u y y) serán iguales a cero.
Por lo tanto, en el dominio del tiempo, el sistema de control realimentado estará
compuesto por el proceso controlado, representado por un conjunto de ecuaciones
diferenciales y algebraicas no lineales, y por el controlador, descrito por la ecuación
de su algoritmo de control, tal como se muestra en el diagrama de bloques de la figura
6.18.
En este sistema, el error E(t), el valor deseado R(t), el esfuerzo de control U(t) y
la señal realimentada Y (t), están expresadas en porcentaje, variando de 0 % a 100 %.
Además, la perturbación D(t) tendrá las unidades de la variable física correspondien-
te, esto es, las unidades de la perturbación D, “ud”.
Por su parte, en el dominio de la variable compleja s, el diagrama de bloques del
sistema de control será el mostrado en la figura 6.19, en donde el modelo del proceso
controlado y el controlador, están representados por una función de transferencia
(modelo lineal invariante en el tiempo).
Ahora, las variables e(s), r(s), u(s) y y(s) son variaciones expresadas en cambios
porcentuales δ %, en torno al valor de cada una de ellas en el punto de operación
se conecta al instrumento receptor y a la fuente de poder del lazo incluida en este.

6.4. Rango de variación de las variables 223
Controlador Proceso controlado
Figura 6.18: Diagrama de interconexión del sistema de control en el dominio del

tiempo
seleccionado. Las variaciones de la perturbación se expresarán como cambios en

unidades de perturbación δ ud, en torno a su valor en el punto de operación.
Si bien se supondrá, para los análisis posteriores, que la dinámica entre la pertur-
bación y la variable controlada (d → y), es similar a la existente entre esta última y
la señal de control (u → y), las unidades, y posiblemente también la magnitud, de la
ganancia KPd [ %/ud] de la función de transferencia del modelo de entrada de pertur-
bación Pd (s), son diferentes de las de la ganancia KPu [ %/ %] del modelo del proceso
controlado Pu (s). Por lo tanto, es necesario considerar esto en la simplificación del
diagrama de bloques del sistema de control, incluyendo un bloque con una ganancia
igual a la razón KPd /KPu [ %/ud], como se muestra en la figura 6.19.
Sin perder generalidad, y a menos que la información disponible del proceso
indique otra cosa, se supondrá adelante que esta razón de ganancias es unitaria, esto
es que KPd /KPu = 1[ %/ud].
Además, aunque {U(t), u(s)}, {R(t), r(s)} y {Y (t), y(s)}, están expresadas todas
en porcentajes o sus variaciones, el significado de estos es diferente.

El ámbito de variación de 0 % a 100 % del esfuerzo de control U, corresponde al
cambio necesario para que el elemento final de control varíe de una condición extre-
ma a otra, esto es, para que la variable manipulada M cambie entre dos valores límite.
Por ejemplo, que la apertura de una válvula de control cambie de completamente ce-
rrada (caudal cero) a completamente abierta (caudal máximo), o al revés, o que el
caudal de una bomba hidráulica acoplada a un motor eléctrico de velocidad variable,
varíe de cero a un caudal máximo. Debe tenerse en cuenta que, aunque la señal de
control varía de 0 % a 100 %, correspondiente por ejemplo, a un cambio desde un
valor mínimo (0 %) a un valor máximo (100 %) de la variable manipulada, la relación
entre M y U puede ser no lineal.
Por otra parte, el ámbito de variación de 0 % a 100 % del valor deseado R y de la
señal realimentada Y , corresponden al rango de medición de la variable controlada
C, seleccionado para el instrumento de medición, el sensor y transmisor. Si bien las
variables R y Y tienen siempre valores positivos (de 0 % a 100 %), la señal de error
E puede tener también valores negativos (teóricamente variaría desde −100 % hasta
+100 %).
Dado que la relación entre C y Y usualmente es lineal, las variables Y , R y E se
pueden asociar fácilmente con el valor de la variable física controlada. Por ejemplo,
si la variable controlada es una temperatura y el rango de medición de esta es de 0 ◦C
a 500 ◦C un valor de Y = 60 % representa 300 ◦C, o si el valor deseado del nivel de
un líquido en un tanque es 3,2 m y el rango de medición de este es de 0 m a 5,0 m,
este valor deseado R corresponde al 64 % del ámbito de medición.
En forma general, si el valor mínimo de la variable controlada C no es cero, su
relación con la señal realimentada Y , es

C(t) −Cmı́n
Y (t) % = 100 , (6.46)
Cmáx −Cmı́n
donde ∆C = Cmáx −Cmı́n es el rango de medida y Cmı́n el valor del “cero” del trans-
misor.
Por ejemplo, si el rango de medida de un transmisor de temperatura es desde
−40 ◦C hasta 85 ◦C, un valor Y = 20 % de la señal realimentada, indicaría que la
temperatura medida (el valor de la variable controlada C) es −15 ◦C.
6.5 Función de sensibilidad

La sensibilidad es una medida de la dependencia de alguna característica de un siste-
ma, a un parámetro en particular (Dorf y Bishop, 2005; Shinners, 1972).
6.5. Función de sensibilidad 225
Figura 6.20: Sistema de

control de lazo abierto
La función de sensibilidad SαG , indica la sensibilidad de G con respecto a pará-

metro α y está definida, como
. % cambio de G ∂ G/G α ∂ G
SαG = = = . (6.47)
% cambio de α ∂ α/α G ∂α
6.5.1 Sensibilidad a lazo abierto

Supóngase que se tiene un sistema de control, en el que se ha abierto el lazo de
realimentación (no hay realimentación), como se muestra en la figura 6.20, y se desea
investigar el efecto que tiene la variación de las características del proceso, sobre la
función de transferencia del sistema.
Tal como se definió, la función de transferencia de lazo abierto del sistema de
control, está dada por
L(s) = C(s)P(s). (6.48)
La sensibilidad de L a un cambio en P, está dada por la función
P ∂L P
SPL = = C = 1. (6.49)
L ∂ P CP
Esto indica que un cambio en las características de P(s), afecta en la misma propor-
ción a la función de transferencia L(s) y por lo tanto, en igual medida al comporta-
miento de la respuesta del sistema de lazo abierto.
6.5.2 Sensibilidad a lazo cerrado

Se analizará ahora, si el establecer un lazo de control realimentado como el mostrado
en la figura 6.21, tiene algún efecto sobre la sensibilidad del sistema de control, ante
un cambio en alguna de las características de P.
La función de transferencia de lazo cerrado (servo control), es
C(s)P(s)
Myr (s) = . (6.50)
1 +C(s)P(s)
Figura 6.21: Sistema de control de lazo cerrado
En este caso, la sensibilidad de Myr a un cambio en P, está dada por la función
M P ∂ Myr 1
SP yr = = < 1. (6.51)
Myr ∂ P 1 +CP
Lo anterior indica que la realimentación ha disminuido la sensibilidad de la res-

puesta a los cambios en las características del proceso. Este es uno de los beneficios
obtenidos al utilizar un lazo de control realimentado. La magnitud de la función de
sensibilidad de lazo cerrado depende del producto CP.
Se deseará por lo tanto, diseñar el controlador de manera que la magnitud de la
función de sensibilidad de lazo cerrado, sea lo menor posible.
6.6 Funciones de sensibilidad de lazo cerrado

A partir del diagrama de bloques del lazo de control realimentado de la figura 6.21,
se pueden obtener las siguientes funciones de sensibilidad:
• Función de sensibilidad
1 e(s)
S(s) = = = Mer (s). (6.52)
1 +C(s)P(s) r(s)
Se desea que la magnitud de esta sea lo menor posible.
• Función de sensibilidad complementaria (servo control)
C(s)P(s) y(s)
T (s) = = = Myr (s). (6.53)
1 +C(s)P(s) r(s)
Se desea que la magnitud de esta sea cercana a uno.

6.6. Funciones de sensibilidad de lazo cerrado 227
• Función de sensibilidad a la perturbación (control regulador)
P(s) y(s)
Sd (s) = = = Myd (s). (6.54)
1 +C(s)P(s) d(s)
• Función de sensibilidad del control

C(s) u(s)
Su (s) = = = Mur (s). (6.55)
1 +C(s)P(s) r(s)
• Sensibilidad del control a la perturbación
−C(s)P(s) u(s)
− T (s) = = = Mud (s). (6.56)
1 +C(s)P(s) d(s)
• Sensibilidad del error a la perturbación
−P(s) e(s)
− Sd (s) = = = Med (s). (6.57)
1 +C(s)P(s) d(s)
Las funciones anteriores, se pueden escribir en forma compacta, como

   
y(s) T (s) Sd (s)
u(s) = Su (s) −T (s)  r(s)
, (6.58)
d(s)
e(s) S(s) −Sd (s)
o como
   
y(s) C(s)P(s)/p1 (s) P(s)/p1 (s)
r(s)
u(s) =  C(s)/p1 (s) −C(s)P(s)/p1 (s) , (6.59)
d(s)
e(s) 1/p1 (s) −P(s)/p1 (s)
donde
p1 (s) = 1 +C(s)P(s). (6.60)
La expresión matricial (6.59), resume lo expresado anteriormente por (6.37),
(6.39) y (6.44).
Nótese que se requieren solamente cuatro funciones de sensibilidad, S(s), T (s),
Sd (s) y Su (s), para describir completamente el sistema de control. Este cuarteto2 ,
permite analizar el comportamiento del sistema de control a cambios en el valor
deseado y en la perturbación, y, como se verá más adelante, su robustez (índice de
estabilidad relativa).
2 Llamado “The Gang of Four” por Åström y Hägglund (2006).
Estas funciones de sensibilidad están relacionadas algebraicamente entre si, de la

siguiente manera
S(s) + T (s) = 1, (6.61)

T (s)
Sd (s) = P(s)S(s) = , (6.62)
C(s)
T (s)
Su (s) = C(s)S(s) = . (6.63)
P(s)
Dada la relación (6.61) entre la función de sensibilidad S(s) y la función de sen-
sibilidad complementaria T (s), estas son dependientes una de la otra.
Como se puede apreciar en las ecuaciones anteriores, si dado un proceso contro-
lado P(s), se selecciona el controlador C(s), para obtener una determinada función
de sensibilidad, las restantes quedan automáticamente definidas.
Si por ejemplo, el controlador se selecciona para lograr una función de sensibili-
dad complementaria T (s) determinada (con base en la especificación de desempeño
del servo control), la función de sensibilidad de perturbación Sd (s) (comportamiento
del control regulador) no se puede alterar. Esta es una limitación importante en el
desarrollo de los métodos de ajuste de los algoritmos de control de un grado de liber-
tad, la cual obliga a la obtención de relaciones particulares para cada uno de los dos
tipos de funcionamiento.
Un aspecto adicional que no debe olvidarse, es que las ganancias de las funciones
de sensibilidad que establecen relaciones entre las variables normalizadas (señales)
y, r, u y e son adimensionales, tienen unidades δ %/δ %, mientras las que establecen
relaciones entre estas variables y la perturbación d no lo son, estas tienen unidades
δ %/δ ud.
El valor máximo de la función de sensibilidad de lazo cerrado S(s), denominada
sensibilidad máxima MS , será una indicación de la estabilidad relativa del sistema
de control y de su habilidad para mantenerse estable, en caso de variaciones de los
parámetros del proceso controlado, por lo tanto será una medida de la robustez del
sistema, tal como se verá en el Capítulo 11.
6.7 Resumen
Para la variable de interés del proceso, se pueden establecer dos requerimientos u
objetivos: que esta siga un valor deseado para la misma que cambia (servo control),
o que regrese a su valor deseado −que se mantiene constante−, si es afectada por
una perturbación (control regulador).
Para logar los objetivos anteriores, se debe actuar sobre el proceso -modificando
alguna de sus variables-, ya sea con base en información de la misma variable con-
trolada (control a lazo cerrado, control realimentado), o con base en información de

otra variable del proceso (control a lazo abierto, control anticipativo).
El estudio a realizar, se centrará principalmente en el análisis y el diseño de los
sistemas de control realimentado.
Para obtener información de la variable controlada, esta se debe medir, para lo
que se requiere un instrumento de medición y transmisión conocido simplemente
como transmisor, el cual proporciona la señal realimentada.
Por otra parte, para ejercer el control se debe modificar la variable manipulada
para lo cual se requiere el elemento final de control, el cual recibe la señal de control
proveniente del controlador.
Por lo tanto, la planta o proceso controlado “visto por el controlador”, incluye el
proceso controlado en si, los instrumentos de medición y actuación, y el sistema de
interconexión entre estos.
Además de las variables anteriores, en el lazo de control se tiene la entrada de las
perturbaciones de carga y el ruido de medida.
Se supondrá que las señales en el sistema de control varían en el rango de 0 % a
100 %, que el punto de operación normal del sistema corresponde al 50 % de estas y
que, entonces, se analizarán las variaciones de las variables en torno a ese punto.
El lazo de realimentación del sistema de control de lazo cerrado, disminuye la
sensibilidad del sistema a los cambios en las características del proceso controlado.
La sensibilidad máxima MS del sistema de control, se utilizará posteriormente
como una medida de su estabilidad relativa o robustez.
Las relaciones existentes entre las funciones de sensibilidad, establecen los con-
flictos inherentes para el diseño de los sistemas de control, cuando se utilizan contro-
ladores cuyo algoritmo de control, posee solo un grado de libertad. Esto es, cuando
se puede especificar solo una de las funciones de transferencia de lazo cerrado.
Al diseñar el sistema de control, se deberá considerar el objetivo principal que se
quiere lograr con este: ¿Se requiere seguir un valor deseado de la variable controlada
que cambia frecuentemente (servo control), o es más importante el rechazo a las
perturbaciones que afectan el valor de la variable controlada (control regulador)?
6.8 Bibliografía
Åström, K. y Hägglund, T. (2006). Advanced PID Control. ISA - The Instrumenta-
tion, Systems, and Automation Society, Research Triangle Park, NC 27709, USA.

ISA (1975). Compatibility of Analog Signals for Electronic Industrial Process Instru-
ments. Standard ANSI/ISA-50.00.01-1975-R2012, The Instrumentation, Systems,
and Automation Society, Research Triangle Park, NC 27709, USA.
ISA (1996). Quality Standard for Instrument Air. Standard ANSI/ISA-7.0.01-1996,

Instrument Society of America, Research Triangle Park, NC 27709, USA.

Shinskey, F. G. (2002). Process Control: As Taught vs as Practiced. Ind. Eng. Chem.

Res., 41:3745–3750.
7
Algoritmo de control proporcional, integral y

derivativo
7.1 Introducción
7.2 Controladores de dos posiciones
7.3 Controladores continuos
7.4 Selección de la Acción del controlador
7.5 Algoritmo de control PID
7.5.1 Control proporcional (P)
7.5.2 Control proporcional y derivativo (PD)
7.5.3 Control proporcional e integral (PI)
7.5.4 Control proporcional, integral y derivativo (PID)
7.5.5 Control proporcional, integral, derivativo y aceleración
7.5.6 Algoritmos de control proporcional, integral y derivativo
7.5.7 Implementación del modo derivativo
7.5.8 Polos y ceros de los controladores
7.5.9 Esfuerzo de control ante un cambio en el valor deseado
7.5.10 Filtro de la señal realimentada
7.5.11 Prevención del desbocamiento de la salida del modo integral
7.5.12 Transferencia entre “Automático” y “Manual”
7.6 Evolución histórica de los controladores PID
7.7 Representación de los controladores en los diagramas de control
7.7.1 Diagramas de flujo de instrumentos (P&ID)
7.7.2 Diagramas funcionales
231
232 7 Algoritmo de control proporcional, integral y derivativo
7.7.3 Diagramas de bloques de funciones

7.8 Operación, configuración y ajuste del controlador
7.8.1 Configuración y ajuste
7.8.2 Operación
7.9 Control de dos grados de libertad
7.10 Estructuras equivalentes del controlador PID Estándar de 2GdL
7.10.1 Estructura 1: PID de 2GdL básico (PID2 )
7.10.2 Estructura 2: PID1 con filtro de valor deseado
7.10.3 Estructura 3: PID1 y controlador de realimentación
7.10.4 Estructura 4: PID1 , filtro de r y controlador de y
7.10.5 Estructura 5: PID1 y controlador anticipativo de r
7.11 Equivalencias entre los algoritmos de control PID de 2GdL
7.11.1 Algoritmos de control PID de dos grados de libertad
7.11.2 Parámetros equivalentes de los algoritmos PID de 2GdL
7.12 Ecuaciones generales para los algoritmos de control PID
7.13 Algoritmos de control PID discretos
7.13.1 Algoritmo de posición (absoluto)
7.13.2 Algoritmo de velocidad (incremental)
7.13.3 Salto derivativo y factor de peso del valor deseado
7.13.4 Inclusión del filtro derivativo
7.13.5 Diseño de los controladores PID digitales
7.14 Algoritmo PID de 2GdL de los controladores comerciales
7.15 Valores admisibles para los parámetros del algoritmo de control PI(D)
7.16 Identificación de la estructura del algoritmo de control PID
7.17 Funciones de sensibilidad con controladores de 2GdL
7.18 Algoritmo, estructura e implementación del control PID
7.18.1 Algoritmo de control
7.18.2 Estructuras del control
7.18.3 Implementación del control
7.19 Resumen
7.20 Bibliografía
El controlador, es el elemento del sistema de control que toma las decisiones necesa-
rias para restablecer su equilibrio, cuando se ha producido un cambio en la operación
del sistema, que origina un error en el valor de la variable controlada por este. La for-
ma en que esta acción correctiva se realiza, depende del algoritmo de control incluido
en el controlador.
Figura 7.1: Lazo de control

realimentado
7.1 Introducción
En el diagrama del sistema de control realimentado de la figura 7.1, el bloque C
representa al controlador que se utilizará para restringir −controlar−, el comporta-
miento de la variable de interés del proceso controlado del bloque P. Este último
incluye, además del proceso en si, al elemento de medición −el sensor y transmi-
sor− necesario para enviar al controlador la información de la variable controlada, al
de actuación −el elemento final de control−, requerido para cambiar la variable ma-
nipulada de acuerdo con lo indicado por el controlador, y al sistema de interconexión
entre estos.
El controlador recibe el valor deseado R y la señal realimentada (el valor medi-
do) Y de la variable controlada. Esta información es procesada por el algoritmo de
control incluido en el mismo, para determinar el error E y con base en este, producir
su señal de control U.
Aparte de los posibles cambios en el valor deseado R, el funcionamiento del
sistema de control se ve afectado también, por la perturbación D.
7.2 Controladores de dos posiciones

El dispositivo de control más simple, es uno en que la acción de control usualmente
solo tiene valores extremos.
Se dirá que un controlador produce una señal de control discreta, si esta solo
puede tomar valores determinados dentro de un conjunto acotado. Normalmente, solo
dos valores como: “todo” y “nada”, encendido y apagado, o abierto y cerrado. Es por
lo tanto, un controlador de dos posiciones (Ogata, 1987).
El mecanismo para generar el control de dos posiciones, es un relé ideal cuya
ecuación, es (
Umáx si E(t) ≥ 0,
U(t) = (7.1)
Umín si E(t) < 0,
o al contrario, donde el error E(t) = R(t) −Y (t).

Figura 7.2: Controlador de dos posiciones
En este caso, la variable manipulada es cambiada rápidamente a un valor extre-

mo, máximo o mínimo, dependiendo de si la variable controlada es mayor o menor,
que el valor deseado para la misma.
Debido a los problemas de conmutación frecuente en la señal de control, que se
pueden producir por la presencia de un ruido de medida, normalmente el controlador
discreto es un relé (interruptor), con una banda muerta (histéresis) ∆, tal como se
Los parámetros ajustables del controlador de dos posiciones, son el valor deseado
R y el ancho de la banda muerta o histéresis ∆ −aunque en ocasiones esta es fija−.
Tal como se verá en la sección 12.2 del Capítulo 12, el sistema de control con un
controlador de dos posiciones presenta un comportamiento oscilatorio. La amplitud
y el periodo de la oscilación de la variable controlada, dependerá del ajuste de la
banda muerta del controlador.
Esta banda muerta, se deberá seleccionar considerando el compromiso entre la
magnitud máxima de la oscilación del error y el número de conmutaciones por unidad
de tiempo −encender/apagar, abrir/cerrar−, que debe realizar del elemento final de
control utilizado.
7.3 Controladores continuos

El controlador será continuo, si sus señales de entrada y salida, pueden tomar cual-
quier valor dentro del rango de variación establecido.
7.3. Controladores continuos 235
Figura 7.3: Diagrama de bloques del controlador
Como se muestra en el diagrama de bloques general del controlador de la figura

7.3, el controlador recibe la información del valor deseado R provisto por el ope-
rador y el de la variable controlada por medio del valor medido Y provisto por el
instrumento de medición −la información “viene” del proceso controlado−, la cual
es procesada por el algoritmo de control incluido en el mismo, para producir la se-
ñal de control U, enviada al instrumento de actuación −la información “va” hacia el
proceso controlado−.
Como se indicó en la sección 6.4 del Capítulo 6, se supondrá que las variables
(R, U, Y ) del sistema de control, varían en el rango de 0 % al 100 %. Además, la
desviación de la señal de control Ub se supondrá, como es usual, que se ha fijado en
un 50 %.
La señal de salida del controlador, o esfuerzo de control, está dada en general por
la expresión
U(t) = Acción {C (θc ; R,Y ) +Ub } , (7.2)
si 0 % ≤ U(t) ≤ 100 %, y será 0 % o 100 %, dependiendo de la Acción del controlador,
si alcanza uno de sus valores límite.
En (7.2), θc es el conjunto de parámetros ajustables del algoritmo de control del
controlador.
La diferencia entre el valor deseado de la señal realimentada y el valor real de la
misma, será el error
E(t) = R(t) −Y (t). (7.3)
Se supondrá que el sistema de control, se encuentra inicialmente en el punto de
operación deseado normal (R0 , U0 , Y0 ), que este es estable y que todas las variables
varían en su ámbito lineal. Por lo tanto, solo se considerarán variaciones (r, u, y) de
las variables (R, U, Y ) en torno a este punto.
Suponiendo, por el momento, que el algoritmo de control se aplica todo directa-
mente al error, tal como se muestra en la figura 7.4, la ecuación de salida del contro-
lador, es
u(t) = AcciónC(θc , p)e(t) = AcciónC(θc , p)[r(t) − y(t)], (7.4)
o
u(s) = AcciónC(θc , s)e(s) = AcciónC(θc , s)[r(s) − y(s)], (7.5)
donde:
• Acción - inversa o directa (±1),
• e - error,
• p - operador diferencial (d/dt),
• r - valor deseado,
• s - variable compleja,
• t - tiempo,
• u - señal de control,
• y - señal realimentada.
La función de transferencia C(θc , s) contiene el algoritmo de control que proce-

sará el error e(s), e(s) = r(s) − y(s), para producir la señal de control u(s).
En el diagrama de bloques de la figura 7.4, el proceso controlado estará represen-
tado por el modelo lineal P(θ p , s).
7.4 Selección de la Acción del controlador

Los controladores comerciales, son diseñados para trabajar con procesos que pueden
presentar diferentes características estáticas y dinámicas.
La ganancia del proceso controlado puede ser positiva −si la señal realimentada
crece cuando la señal de control crece−, o negativa −si la señal realimentada decrece
7.4. Selección de la Acción del controlador 237
cuando la señal de control crece−. Por esta razón, los controladores tienen lo que se
denomina un selector de Acción, de manera de poder garantizar tener siempre un lazo
de realimentación negativa, independientemente del signo de la ganancia del proceso
controlado.
La Acción del controlador, debe seleccionarse antes que el sistema de control
sea puesto en operación, ya que una mala selección de la misma, lo hará inestable al
momento de ponerlo en operación automática.
Se dirá que el controlador tiene Acción directa (−1), si la señal de salida del
controlador crece cuando la señal realimentada crece, y que tiene Acción inversa
(+1), si la señal de salida el controlador decrece cuando la señal realimentada crece.
El tipo de Acción requerida en el controlador, está determinado por el signo de
la ganancia del proceso controlado (el conjunto actuador, planta y sensor). El signo
de la Acción debe ser el mismo que el de la ganancia del proceso controlado, para
preservar la realimentación negativa del lazo de control. Por lo tanto, se requiere una
Acción = +1 (inversa) si la ganancia del proceso es positiva y una Acción = −1
(directa) si esta es negativa. De esta manera, el producto de la Acción por la ganancia
del proceso controlado, será siempre positivo.
Para mantener una realimentación negativa en el sistema de control, es indispen-
sable que
Acción ∗ Ganancia proceso controlado → Positivo.
Por lo tanto, el signo correcto de la Acción del controlador, se puede establecer

determinado el signo de la ganancia del proceso controlado.
También es posible establecer la Acción requerida para el controlador, determi-
nado cómo este debe reaccionar −aumentando o disminuyendo su señal de salida−,
cuando la señal realimentada (variable controlada) crece o decrece, de manera de
alcanzar un punto de equilibrio estable.
Se analizarán dos ejemplos simples, para determinar cual es la acción requerida
del controlador en cada uno de ellos.
Ejemplo 7.1 Selección de la Acción del controlador

Considérese el sistema de control de la figura 7.5, en donde se debe controlar el nivel
del líquido en un tanque, manipulando el caudal del líquido de salida. Se supondrá
que la válvula de control es del tipo “normalmente cerrada” o de “aire para abrir”
esto es, que se requiere incrementar la señal de control para que esta se abra más.
Partiendo de un punto de equilibrio, si la señal de salida del controlador LIC
crece, la válvula de control LV se abre un poco más, el caudal del líquido de salida
del tanque crece, su nivel en el tanque baja y la señal realimentada del transmisor LT

y
Acción, sistema de control LT LIC
de nivel u Acción
directa
LV
decrece. El proceso controlado tiene entonces una ganancia negativa (U ↑ ⇒ Y ↓),

por lo que el controlador debe tener Acción directa (Y ↑ ⇒ U ↑).
Con un controlador con Acción directa, el sistema de control es estable (si sus
parámetros están bien ajustados): Y ↑ ⇒ U ↑ ⇒ Y ↓ ⇒ U ↓ ⇒ Y ↑ · · ·Y ↑↓↑↓↑ · · · .
Si por el contrario, se selecciona la Acción del controlador en forma incorrecta
(una Acción inversa), el controlador, ante un incremento del nivel del líquido en el
tanque (un aumento de la señal realimentada), disminuye su señal de salida (por la
acción inversa) con lo cual la válvula de control se cierra un poco más y el caudal
de salida de líquido del tanque disminuye, ocasionando que su nivel en el tanque
aumente, que la señal del transmisor aumente y que la señal del controlador siga
disminuyendo (la válvula de control podría llegar a cerrarse completamente) hasta
que eventualmente, el líquido en el tanque se derrame por encima del borde superior
del tanque. En este caso, el sistema de control se vuelve inestable al momento de
pasarlo a operación automática: Y ↑ ⇒ U ↓ ⇒ Y ↑ ⇒ U ↓ ⇒ Y ↑ · · ·Y ↑↑↑↑↑≺ ∞.
También se puede determinar el tipo de la Acción requerida, respondiendo a la
pregunta ¿Se debe abrir o cerrar un poco más la válvula de control, si el nivel del
líquido en el tanque aumenta por algún motivo, para que este no siga aumentando?
Si el nivel del líquido aumenta (la señal realimentada crece), el caudal de salida
del tanque debe incrementarse para que este disminuya. Como la válvula de control
requiere que la señal enviada a ella (la señal de salida del controlador) aumente
para que esta se abra un poco más entonces, si la señal realimentada crece, la señal
de salida del controlador debe crecer. Por lo tanto, se requiere que el controlador
tenga Acción directa.

Considérese ahora el sistema de control de la figura 7.6, en donde se debe controlar
la temperatura del líquido de salida de un intercambiador de calor, manipulando el

Acción, sistema de control
de temperatura
caudal del líquido calefactor que pasa por los tubos de este. Se supondrá de nuevo,
que la válvula de control es del tipo “normalmente cerrada”.
Partiendo nuevamente de un punto de equilibrio, si la señal de salida del contro-
lador TIC crece, la válvula de control TV se abre un poco más, el caudal del fluido
calefactor crece, se incrementa el calor transferido en el intercambiador, la tempera-
tura del líquido de salida aumenta y la señal realimentada del transmisor TT crece.
En este caso, el proceso controlado tiene una ganancia positiva (U ↑ ⇒ Y ↑), por lo
que el controlador debe tener Acción inversa (Y ↑ ⇒ U ↓).
Con un controlador con Acción inversa, el sistema de control es estable (si sus
parámetros están bien ajustados): Y ↑ ⇒ U ↓ ⇒ Y ↓ ⇒ U ↑ ⇒ Y ↑ · · ·Y ↑↓↑↓↑ · · · .
Si la Acción del controlador fuera directa (incorrecta) y la temperatura del fluido
a la salida del intercambiador disminuye, la señal del transmisor disminuirá, el con-
trolador disminuirá su señal de salida (por la acción directa), el caudal de líquido
calefactor por el intercambiador disminuirá, la transferencia de calor en el intercam-
biador disminuirá, la temperatura del líquido a la salida continuará disminuyendo
así como la señal del transmisor hasta que eventualmente la válvula de control se
cierre completamente, no circule más fluido calefactor, y la temperatura del líquido
a la salida del intercambiador llegue a ser igual a la que tenía a la entrada de este
(no hay ningún calentamiento). Si la Acción del controlador es incorrecta, el siste-
ma de control se vuelve inestable al momento de pasarlo a operación automática:
.
Y ↓ ⇒ U ↓ ⇒ Y ↓ ⇒ U ↓ ⇒ Y ↓ · · ·Y ↓↓↓↓↓ . . .
En forma alterna, la Acción se puede determinar dando respuesta a la pregunta
¿Se debe abrir o cerrar un poco más la válvula de control, si la temperatura del

LIC y
Acción, sistema de control
10 LAH
de nivel (manipulando el 12
caudal de entrada) u
¿Acción?
LV
10 LT
10
LSH
12
líquido de salida del intercambiador aumenta por algún motivo, para que esta no
continúe aumentando?
Si la temperatura del líquido aumenta (la señal realimentada crece), el caudal
del líquido calefactor debe disminuirse para que esta decrezca. Como la válvula
de control requiere que la señal enviada a ella (la señal de salida del controlador)
disminuya para que esta se cierre un poco más entonces, si la señal realimentada
crece, la señal de salida del controlador debe decrecer. Por lo tanto, se requiere que
el controlador tenga Acción inversa.

Supóngase, que en el proceso al que pertenece el tanque considerado en el ejemplo
7.1, es necesario ahora variar libremente el caudal de salida de líquido, según lo
requieran los procesos posteriores que hacen uso de el. Por lo tanto, se ha variado
el esquema de control del nivel del líquido en el tanque, tal como se muestra en el
diagrama de flujo de instrumentos de la figura 7.7. Ahora se manipulará el caudal
de líquido entrando al tanque.
Para efectuar la modificación, el personal de mantenimiento de la planta inter-
cambió la posición de la válvula de control (pasándola de la tubería de salida del
tanque a la de entrada), con la de la válvula manual (pasando esta de la tubería de
entrada del tanque a la tubería de salida).
Una vez realizados los cambios mecánicos y de interconexión de instrumentos

requeridos, y sin ninguna modificación en el ajuste del controlador, el operador de
la planta inició el proceso para poner el sistema de control en operación. Con el con-
trolador en modo de operación Manual, incrementó suavemente su señal de salida
abriendo cada vez más la válvula de control1 .
El nivel del líquido en el tanque aumentó y cuando estaba ya cerca de alcanzar
el valor deseado (pero ligeramente por debajo de este), el operador cambió el modo
de operación del controlador a Automático. Para su sorpresa, la válvula de control,
en vez de abrirse un poco más empezó a cerrase, el nivel del líquido disminuyó, la
válvula se cerró cada vez más hasta que quedó completamente cerrada y el nivel del
líquido continuó descendiendo hasta que el tanque quedó sin líquido.
Sin saber la causa de lo anterior, el operador decidió reiniciar el procedimiento
de puesta en servicio del lazo de control con el controlador en Manual, incremen-
tando su salida. Ahora aguardó a que el nivel del liquido en el tanque sobrepasara
ligeramente su valor deseado, para pasar luego el controlador a Automático. Espe-
raba que el controlador se encargaría de ajustar la apertura de la válvula de manera
que el nivel del líquido descendiera hasta su valor deseado. Sin embargo, miró sor-
prendido que la válvula de control en vez de cerrarse un poco, continuó abriéndose
más y el nivel del líquido siguió subiendo. Cuando se activó la alarma de nivel alto
del líquido en el tanque2 , el operador tuvo que cambiar el controlador a modo Ma-
nual y disminuir su señal de salida para cerrar la válvula de control, de manera de
impedir que el líquido en el tanque se rebalsara por la parte superior de su pared.
¿Por qué ahora se vuelve inestable el lazo de control, cuando el controlador se
pasa a operación automática?
Cuando se analizó el comportamiento del proceso del ejemplo 7.1 (en el que se
manipulaba el caudal de líquido saliendo del tanque), se determinó que su ganancia
era negativa (U ↑ ⇒ Y ↓), razón por la cual se seleccionó una Acción directa (−1)
para el controlador.
Ahora, en el sistema de control de la figura 7.7, si la señal de salida del contro-
lador crece, la válvula abre un poco más, aumenta el caudal de líquido entrando al
tanque y el nivel del líquido sube. Esto es, si U ↑ ⇒ Y ↑. Por lo tanto, la ganancia
del proceso controlado ahora es positiva.
Debido a los cambios mecánicos realizados, la ganancia del proceso controlado
ha cambiado de signo, por lo que es indispensable cambiar también el signo de la
1 Como se indica en el diagrama de flujo de instrumentos, la válvula de control LV-10 requiere que
se aumente la señal de salida neumática del controlador para que esta abra más (es del tipo que “en caso
de falla” cierra).
2 LSH-12 - interruptor de nivel alto (en la parte superior de la pared del tanque); LAH-12 - alarma
de nivel alto (en el tablero de control).

acción del controlador para mantener la realimentación negativa. El controlador

LIC-10 debe tener ahora Acción inversa (+1).
Además de lo anterior, debido a la modificación de la configuración del siste-
ma de control del nivel de líquido en el tanque, es necesario analizar también, los
posibles cambios en la dinámica del proceso controlado −ganancia, constantes de
tiempo y tiempo muerto−, y verificar el ajuste de los parámetros del algoritmo de
control del controlador.
Sin perder generalidad, y a menos que se esté trabajando con el modelo de un

proceso del cual se conoce el signo de su ganancia, para efecto de los estudios que
se realizarán posteriormente, se supondrá que el proceso controlado tiene siempre
ganancia positiva y que en consecuencia, se ha seleccionado una Acción inversa para
el controlador, de manera que se tiene una realimentación negativa en todos los casos.
7.5 Algoritmo de control proporcional, integral y

derivativo
El controlador que se utilizará para los estudios de control posteriores, tendrá un
algoritmo de control del tipo proporcional, integral y derivativo (PID), introducido
en la sección 1.6 del Capítulo 1, por lo que este podrá estar constituido por uno, dos
o tres modos de control. A continuación se analizará cada uno de estos modos.
Aunque este es el algoritmo de control más utilizado, los controladores con un
algoritmo de control PID no son todos iguales. Existen diferencias importantes, en
la forma en que el mismo se implementa en el controlador, principalmente debido al
desarrollo tecnológico de los mismos.

El control continuo más sencillo que se puede utilizar, es aquel constituido por solo
un modo de control, en el cual la salida del controlador es proporcional al error.
Este es el algoritmo de control proporcional (P). A un controlador con un algoritmo
de control proporcional, se le llamará simplemente controlador P.
Parece razonable pensar, que entre mayor sea la desviación del valor real de la va-
riable controlada de su valor deseado (el error), mayor deba ser el esfuerzo de control
aplicado para corregirlo y que a medida que este error vaya disminuyendo, también
se disminuya la acción correctiva, hasta dejar de aplicarla cuando la desviación se
ha logrado eliminar. Entonces, el esfuerzo de control debería ser proporcional a la
magnitud del error.
El factor de proporcionalidad entre la señal de salida del controlador y la señal
de error, indica cuán sensible es el controlador a la magnitud del error.
7.5. Algoritmo de control PID 243
Lamentablemente, como se verá más adelante, aplicando una acción de control

con base solamente en la magnitud y el signo del error, que se presenta al hacer un
cambio en el valor deseado de la variable controlada o si ocurre una perturbación,
usualmente no se logrará que este llegue a ser nulo, cuando el sistema de control
alcance un nuevo punto de equilibrio (estado estacionario). Es probable que para res-
tablecer el equilibrio del sistema de control, deba mantenerse una acción de control
correctiva constante que, sin embargo, no logra eliminar el error.
Ecuaciones del algoritmo de control P

La ecuación general de la señal de salida del control proporcional, es
U(t) = Acción {Kp E(t) +Ub } , (7.6)
donde Ub es la desviación de la señal de salida del controlador. Esta puede ser fija o
ajustable y por lo general, es preseleccionada por los fabricantes de los controladores,
como el 50 %.
Tomando en cuenta los limites en los valores de la señal de control, la ecuación
del controlador proporcional con Acción inversa, es

Umáx (100 %) si E(t) ≥ (Umáx −Ub ) /Kp ,

U(t) = Kp E(t) +Ub si (Umín −Ub ) /Kp < E(t) < (Umáx −Ub ) /Kp , (7.7)

Umín (0 %) si E(t) ≤ (Umín −Ub ) /Kp .

Las curvas características de un controlador P, con (a) Acción inversa y (b) Ac-
ción directa, se muestran en la figura 7.8.
De (7.6) se puede notar, que la señal de salida del controlador proporcional con
error cero, es igual al valor de la desviación Ub . Dada esta característica del contro-
lador proporcional y a que usualmente el valor de la señal de control requerida para
mantener el sistema en un punto de operación estable, es diferente de Ub , esta solo se
puede obtener teniendo un error permanente.
Si se consideran solamente variaciones de las variables en el rango lineal en torno
al punto de operación y la Acción del controlador ya ha sido seleccionada (tomada
positiva sin perder generalidad), se tiene que la ecuación de la señal de salida del
controlador, es
u(t) = Kp e(t) = Kp [r(t) − y(t)], (7.8)
o
u(s) = Kp e(s) = Kp [r(s) − y(s)]. (7.9)
La función de transferencia del controlador, está definida como
u(s)
C(s) = , (7.10)
e(s)
Figura 7.8: Curva característica de un controlador proporcional
la cual, en el caso del controlador P, es
CP (θc , s) = Kp , (7.11)
donde:
• Kp - ganancia proporcional, (adimensional [ %/ %], [mA/mA], [V/V]).
El conjunto de parámetros del algoritmo de control proporcional, es θc = θcP = {Kp }.

La ganancia Kp del controlador, determina cuan sensible es este al error, por lo
que también se le denomina sensibilidad.
Como se ve de la función de transferencia (7.11), el algoritmo de control propor-
cional no adiciona al sistema de control, ni polos ni ceros.
En algunos controladores, el ajuste del modo proporcional se realiza mediante la
banda proporcional (B p ), la cual está relacionada con la ganancia del controlador,
como
100
Bp % = . (7.12)
Kp
Por lo tanto, una B p = 50 % ≡ Kp = 2,0, una B p = 100 % ≡ Kp = 1,0 y una B p =
400 % ≡ Kp = 0,25. Incrementar la banda proporcional, es equivalente a disminuir la
ganancia proporcional del controlador.
La banda proporcional corresponde al rango de variación de la señal realimenta-
da, centrado en el valor deseado, dentro del cual la salida del controlador es propor-
cional al error, tal como se indica en la figura 7.8. Es por lo tanto, el cambio porcen-
Figura 7.9: Respuesta del control pro-

porcional
Figura 7.10: Controlador con

un algoritmo de control propor-
cional (P)
tual requerido en la señal realimentada, para causar un cambio del 0 % al 100 % en la

señal de salida del controlador.
La respuesta del algoritmo de control P a un cambio escalón en el error, solo
toma en cuenta la magnitud y el signo del error −información del valor presente del
error− como se muestra en la figura 7.9. El diagrama de bloques del controlador
proporcional se presenta en la figura 7.10.
A partir de la figura 7.4, se puede determinar que el comportamiento de la varia-
ble controlada del sistema de control, en función de los estímulos, valor deseado y
perturbación, con un controlador con un algoritmo de control proporcional (P), es
Kp P(θ p , s) P(θ p , s)
y(θc , θ p , s) = r(s) + d(s). (7.13)
1 + Kp P(θ p , s) 1 + Kp P(θ p , s)
El comportamiento del sistema de control, depende tanto de los parámetros del
modelo utilizado para representar al proceso controlado, θ p , como de los selecciona-
dos para el algoritmo de control del controlador, θc . Para simplificar la notación, en
muchos casos se indicará la señal realimentada, simplemente como y(s).
Con un controlador P, el denominador de las funciones de transferencia de lazo
cerrado en (7.13), esto es, el polinomio característico del sistema de control, es
p(θc , θ p , s) = 1 + Kp P(θ p , s). (7.14)
Los polos de lazo cerrado, son las raíces de la ecuación característica
1 + Kp P(θ p , s) = 0, (7.15)
cuya localización, y por lo tanto la estabilidad del sistema, depende de la ganancia
Kp del controlador.
2.0
Magnitud, |CP (jω)|
1.5
1.0
0.5
0.0 -3
10 10 -2 10 -1 10 0 10 1 10 2 10 3
Fase, CP (jω) [°]
50
50
10 -3 10 -2 10 -1 10 0 10 1 10 2 10 3
Figura 7.11: Algoritmo de control P - Respuesta de frecuencia (Kp = 1)
Características en la frecuencia del algoritmo de control P

La función de transferencia en la frecuencia, del algoritmo de control P (7.10), es
CP (jω) = Kp , (7.16)
cuya magnitud y fase, son
|CP (jω)| = Kp ∀ ω, (7.17)
∠CP (jω) = 0 ∀ ω. (7.18)
Por lo tanto, su magnitud es constante para todas las frecuencias y su fase es cero
para todas las frecuencias, tal como se muestra en la figura 7.11. La correspondiente
gráfica polar del controlador P, se muestra en la figura 7.12.

El algoritmo de control proporcional, solo emplea la información del error en un
instante −el valor presente− para corregirlo. No conoce el efecto −futuro−, que su
acción correctora tendrá sobre el comportamiento de la variable controlada y por lo
tanto, sobre el error.
Figura 7.12: Algoritmo de

control P - Gráfica polar
(Kp = 1)
Una forma de predecir la evolución futura del error, es utilizando su razón de

cambio −velocidad−, dada por su derivada.
Parece aconsejable emplear un esfuerzo de control que utilice mayor información
del error, no solo su magnitud y signo. Si el error crece o decrece rápidamente, es
razonable pensar que la acción correctiva deba ser mayor que si su cambio es lento, de
manera de “frenar” en alguna forma su evolución rápida, y que esta acción correctiva
se deba incrementar si su magnitud crece y que se deba más bien disminuir si decrece.
Entonces, el esfuerzo de control debería contener un componente proporcional a la
derivada del error.
Sin embargo, este componente adicional en el esfuerzo de control, con base en
la velocidad de cambio del error, será nulo si el error llega a ser constante −¡Aún si
este error estacionario no es cero!−.
Ecuaciones del algoritmo de control PD
El algoritmo de control proporcional y derivativo (PD), es un control de dos modos

en el cual la ecuación de la señal de salida, es

dE(t)
U(t) = Acción Kp E(t) + Td +Ub . (7.19)
dt
Para pequeñas variaciones de las variables en el rango de variación lineal en torno

al punto de operación, (7.19) se reduce a

de(t)
u(t) = Kp e(t) + Td , (7.20)
dt
o
Td s
u(s) = Kp 1 + e(s), (7.21)
αTd s + 1
siendo entonces, la función de transferencia del controlador PD

Td s (1 + α)Td s + 1
CPD (θc , s) = Kp 1 + = Kp , (7.22)
αTd s + 1 αTd s + 1
donde:
• Kp - ganancia proporcional (adimensional),
• Td - tiempo derivativo (segundos),
• α - constante del filtro derivativo (adimensional).
El conjunto de parámetros del algoritmo de control proporcional y derivativo, es

θc = θcPD = {Kp , Td , α}.
De la función de transferencia (7.22), se ve que el algoritmo de control proporcio-
nal y derivativo, adiciona al sistema de control un cero ajustable en −1/[(1 + α)Td ]
y un polo alejado del eje imaginario en −1/(αTd ), ya que usualmente α = 0,10.
A un controlador con un algoritmo de control proporcional y derivativo, se le
llamará simplemente controlador PD.
Para algunos de los estudios de control, (7.22) se simplificará, -controlador PD
ideal-, como
CPD (θc , s) = Kp (1 + Td s) . (7.23)
El controlador PD ideal contribuye solo con un cero localizado en −1/Td . El cero
se desplaza cuando se cambia el tiempo derivativo. El efecto de esta simplificación
se verá más adelante.
En la figura 7.13 se muestra la respuesta del algoritmo de control PD (ideal), a
un cambio tipo rampa en el error. Como se aprecia, Td es el tiempo en el que la salida
del algoritmo de control PD, adelanta a la del algoritmo de control P puro. O, lo que
es lo mismo, es el tiempo que tarda el modo proporcional, para que su contribución
sea igual a la del modo derivativo, a un error en rampa.
Entre menor sea la constante de tiempo derivativa Td , menor será la acción deri-
vativa. El modo derivativo se desactiva haciendo Td = 0.
Figura 7.13: Respuesta del control proporcional y derivativo
Figura 7.14: Controlador con un algoritmo de control proporcional y derivativo (PD)
La derivada del error en (7.20), se puede aproximar como

de(t) ê(t + ∆t) − e(t)
≈ , (7.24)
dt ∆t
donde ê(t + ∆t) es el valor estimado del error ∆t unidades de tiempo en el futuro.
Por lo tanto, la señal de control en el instante t, toma en consideración una estima-
ción del valor futuro del error. Se puede indicar entonces, que el modo derivativo es
anticipativo o predictivo.
El algoritmo de control proporcional y derivativo, toma en consideración infor-
mación del valor presente y de la posible evolución futura del error.
La contribución del modo derivativo en la salida del controlador, es pequeña si el
error cambia lentamente y es alta si cambia rápido. Además, esta cantidad se suma al
aporte del modo proporcional si el error crece y se resta de este si más bien decrece.
El diagrama de bloques del controlador proporcional y derivativo, se muestra en
la figura 7.14.
Como se observa en (7.19), en condiciones de estado estacionario con error per-
manente cero, la señal de salida del controlador PD es U(t) = Ub , igual a la señal de
salida de un controlador con un algoritmo de control proporcional, ya que en régi-

men permanente, el modo derivativo no contribuye en nada en la señal de salida del
controlador.
Por esta razón, para obtener en estado estacionario una salida del controlador PD
diferente de Ub , debe existir un error permanente.
Características en la frecuencia del algoritmo de control PD

.
La función de transferencia en la frecuencia (s = jω), del algoritmo de control PD
(7.22), está dada por la expresión

jωTd jω(1 + α)Td + 1
CPD (jω) = Kp 1 + = Kp . (7.25)
jωαTd + 1 jωαTd + 1
Su magnitud y fase, son

s
[ω(1 + α)Td ]2 + 1
|CPD (jω)| = Kp ≥ Kp ∀ ω, (7.26)
(ωαTd )2 + 1
∠CPD (jω) = tan−1 (ω(1 + α)Td ) − tan−1 (ωαTd ) ≥ 0 ∀ ω. (7.27)
A alta frecuencia (ω → ∞) su magnitud tiende a Kp (1 + 1/α) y su fase a cero.

Por su parte, a baja frecuencia (ω → 0) su magnitud tiende a Kp y su fase nuevamente
a cero.
A las frecuencias intermedias su fase es positiva, tal como se muestra en la figura
7.15 (Kp = 1, Td = 10 s, α = 0,1). Como se verá, este adelanto de fase, contribuye
a la estabilidad relativa del sistema de control. La correspondiente gráfica polar del
controlador PD, se muestra en la figura 7.16.
Hay una percepción general de que el modo derivativo mejora el comportamiento
y la estabilidad del sistema de control. Sin embargo, debe notarse que si bien este
provee un adelanto de fase, también la magnitud de la función de transferencia del
controlador PD, crece respecto al valor correspondiente a la del controlador P, por lo
cual debe analizarse el efecto combinado de su magnitud y fase, sobre la estabilidad
relativa del sistema de control. Puede ser que esta se incremente, como también que
más bien se deteriore.

Como se aprecia en (7.6) y (7.19), si el error E(t) es cero, la salida del algoritmo de
control proporcional y la del proporcional y derivativo, es U(t) = Ub . Esto es, sus
salidas son iguales al valor establecido para la desviación. Aunque esta desviación
12
Magnitud, |CPD(jω)|
10
0
10-3 10-2 10-1 100 101 102 103
60
Fase, ∠CPD(jω) [°]
50
40
30
20
10
0
−10 -3
10 10-2 10-1 100 101 102 103
Figura 7.15: Algoritmo de control PD - Respuesta de frecuencia (Kp = 1, Td =

10 s, α = 0,1)

control PD - Gráfica polar
(Kp = 1, Td = 10 s, α = 0,1)
puede ser ajustable en algunos controladores, como se ha indicado, normalmente los

fabricantes la fijan en el valor correspondiente a “media escala”, en un 50 %.
Lo anterior ocasiona que con un controlador proporcional y con uno proporcional
y derivativo, normalmente no sea posible operar en estado estacionario con error cero,
ya que no necesariamente el 50 % de la señal de control, es el valor necesario para
lograr el punto de operación estable deseado. Si la señal de control debe ser cualquier
valor diferente del 50 %, este solo se podrá obtener con un error permanente E0 , de
tal manera que U0 = Kp E0 +Ub .
Con el fin de lograr un punto de operación estable sin error, es necesario adi-
cionar al algoritmo de control, un modo que permita obtener señales de salida del
controlador, diferentes del 50 % con error permanente cero. Este es el modo de con-
trol integral.
Si el sistema de control alcanza un nuevo punto de equilibrio (estado estaciona-
rio) y la desviación de la variable controlada respecto a su valor deseo no se ha elimi-
nado, este error se seguiría “acumulando” a medida que pasa el tiempo. El signo de
esta acumulación, dependería del signo del error permanente no eliminado. Parece
razonable pensar entonces, que el esfuerzo de control deba incorporar un componen-
te adicional que contemple la magnitud de esta acumulación -el tiempo durante el
cual esta ha estado cambiando- y que la señal de control siga variando, hasta que
se logre que la acumulación del error ya no lo haga más −¡No necesariamente que
esta acumulación se haga cero!−. Entonces, la acción de control debería incluir un
componente proporcional a la integral del error.
El valor que alcance esta acumulación -integral- del error, puede ser tanto positivo
como negativo, dependiendo de la evolución que ha tenido la señal de error en el
pasado.
Ecuaciones del algoritmo de control PI

El algoritmo de control proporcional e integral (PI), es un control de dos modos en
el cual la ecuación de la señal de salida, es
1 t
Z
U(t) = Acción Kp E(t) + E(ξ )dξ +Ub . (7.28)
Ti 0
1 t
Z
u(t) = Kp e(t) + e(ξ )dξ , (7.29)
Ti 0
o
1
u(s) = Kp 1 + e(s), (7.30)
Ti s
Figura 7.17: Respuesta del control proporcional e integral
siendo entonces la función de transferencia del controlador PI

1 Ti s + 1
CPI (θc , s) = Kp 1 + = Kp , (7.31)
Ti s Ti s
donde:
• Ti - tiempo integral (segundos).
El conjunto de parámetros del algoritmo de control proporcional e integral es θc =

θcPI = {Kp , Ti }.
A un controlador con un algoritmo de control proporcional e integral, se le lla-
mará simplemente controlador PI.
En la figura 7.17 se muestra la respuesta del algoritmo de control PI a un cambio
escalón en el error. Como se aprecia, ante la existencia de un error constante, cada
Ti unidades de tiempo la salida del modo integral repite en magnitud, la salida del
modo proporcional. Por esta razón, en algunos controladores (especialmente los neu-
máticos), el ajuste del modo integral se hace en repeticiones por unidad de tiempo, o
razón de restablecimiento Tr (repeticiones/segundo)
1
Tr = . (7.32)
Ti
Entre menor sea la constante de tiempo integral Ti , mayor será la acción integral.
El modo integral se desactiva haciendo Ti → ∞.
El algoritmo de control proporcional e integral, toma en lasu evolución que ha
tenido en el pasado.
Figura 7.18: Controlador con un algoritmo de control proporcional e integral (PI)
Como se observa de la función de transferencia (7.31), el controlador PI contribu-

ye con un polo en el origen y un cero localizado en −1/Ti . El cero se desplaza cuando
se cambia el tiempo integral. El diagrama de bloques del controlador proporcional e
integral, se muestra en la figura 7.18.
En un punto de equilibrio para un valor deseado constante, la salida del contro-
lador debe ser constante. Entonces, la integral del error debe ser constante, y para
que esto sea posible, el error debe llegar a ser cero y continuar siendo cero. El mo-
do integral garantiza que, en el caso de un valor deseado constante, se logre error
permanente cero.
Como se observa en (7.28), en condiciones de estado estacionario con error per-
manente cero, la señal de salida del controlador PI, es
U0 = Ui0 +Ub , (7.33)
donde Ui0 es la contribución del modo integral, positiva o negativa. Esto permite
obtener salidas del controlador diferentes de Ub , con error permanente cero.
En los controladores P y PD neumáticos antiguos, en los cuales la desviación Ub
era ajustable, a esta se le llamaba “restablecimiento manual”, ya que esto permitía al
operador ajustarla manualmente, variando así la señal de salida del controlador, para
eliminar el error remanente después de un cambio en el valor deseado o debido a una
perturbación -pero debía variarla nuevamente, cuando se presentara otra vez un error
permanente-. Por esta razón, originalmente al modo integral se le denominó resta-
blecimiento automático, ya que este elimina el error sin necesidad de la intervención
del operador -lo hace en forma automática-.
En la figura 7.19 se muestra una forma alternativa de implementar un controlador
con un algoritmo de control proporcional e integral, cuya función de transferencia es
(7.31). Por razones del desarrollo histórico de los controladores industriales, a esta
forma de implementar el algoritmo de control PI, se le denomina controlador con
reajuste automático (Veronesi, 2002).
Figura 7.19: Controlador con “reajuste automático” (PI)
Como se puede apreciar de la figura 7.19, mientras exista un error distinto de

cero (Kp e(s) 6= 0), el esfuerzo de control u(s) se seguirá “reajustando” hasta lograr
un error permanente cero y se tenga una señal de salida del controlador constante.
Características en la frecuencia del algoritmo de control PI

.
La función de transferencia en la frecuencia (s = jω), del algoritmo de control PI

1 jωTi + 1
CPI (jω) = Kp 1 + = Kp . (7.34)
jωTi jωTi
Su magnitud y fase son

s
1
|CPI (jω)| = Kp 1+ ≥ Kp ∀ ω, (7.35)
(ωTi )2
π
∠CPI (jω) = − + tan−1 (ωTi ) ≤ 0 ∀ ω. (7.36)
2
A alta frecuencia (ω → ∞) su magnitud tiende a Kp y su fase a cero. Por su parte,

a baja frecuencia (ω → 0) su magnitud tiende a ∞ y su fase a −90°, tal como se
muestra en la figura 7.20 (Kp = 1, Ti = 10 s). Lo anterior sería correcto solo si no
hubiera ninguna limitación al valor de las señales ya que, evidentemente, la señal
de salida del controlador no puede llegar a ser “infinita” en ningún momento. La
correspondiente gráfica polar del controlador PI, se muestra en la figura 7.21.
Como se verá, el aumento en la magnitud y el atraso de fase de la función de
transferencia del controlador PI, respecto a los correspondientes valores de la del
controlador P, disminuyen la estabilidad relativa del sistema de control -el margen de
ganancia y el margen de fase que se definirán en el Capítulo 11-.
20
Magnitud, |CPI(jω)|
15
10
0
10-3 10-2 10-1 100 101 102 103
0
Fase, ∠CPI(jω) [°]
−20
−40
−60
−80
−100 -3
10 10-2 10-1 100 101 102 103
Figura 7.20: Algoritmo de control PI - Respuesta de frecuencia (Kp = 1, Ti = 10 s)

control PI - Gráfica polar
(Kp = 1, Ti = 10 s)

Los tres modos de control vistos anteriormente, se pueden combinar en un algoritmo
de control proporcional, integral y derivativo (PID).
La ecuación de la señal de salida del control PID Estándar, es
1 t

dE(t)
Z
U(t) = Acción Kp E(t) + E(ξ )dξ + Td +Ub . (7.37)
Ti 0 dt

1 t

de(t)
Z
u(t) = Kp e(t) + e(ξ )dξ + Td , (7.38)
Ti 0 dt
o
1 Td s
u(s) = Kp 1 + + e(s), (7.39)
Ti s αTd s + 1
siendo la función de transferencia del controlador PID Estándar

1 Td s
CPIDestandar (s) = Kp 1 + + , (7.40)
Ti s αTd s + 1
en donde:
• Kp - ganancia del controlador (adimensional),
• Ti - tiempo integral (segundos),
• α - constante adimensional.
El conjunto de parámetros del algoritmo de control proporcional, integral y deri-

vativo es θc = θcPID = {Kp , Ti , Td , α}.
Para algunos de los los estudios posteriores, (7.40) se simplificará -controlador
PID ideal-, como
Ti Td s2 + Ti s + 1

1
CPIDestandar (s) = Kp 1 + + Td s = Kp . (7.41)
Ti s Ti s
Un controlador con un algoritmo de control proporcional, integral y derivativo,

se llamará simplemente controlador PID.
En la figura 7.22 se muestra el diagrama de bloques del controlador PID Están-
dar.
Figura 7.22: Controlador con un algoritmo de control proporcional, integral y deri-

vativo (PID) Estándar
Figura 7.23: Características del error consideradas por el algoritmo de control PID
El controlador PID, cuya función de transferencia es (7.40), contribuye con un

polo en el origen, con dos ceros cuya localización depende de los valores de Ti y Td
y con un polo alejado del eje imaginario en −1/(αTd ). Es importante notar que los
ceros del algoritmo de control PID Estándar, pueden ser reales y distintos, reales e
iguales, y también complejos conjugados, dependiendo de los valores de Ti y Td .
El algoritmo de control PID toma en consideración el valor presente del error, su
evolución en el pasado y su posible comportamiento en el futuro, como se muestra
en la figura 7.23. La ecuación de la señal de control se relaciona con la evolución del
error en el tiempo, como
u(t) = Kp {e(t) + 1 Rt
Ti 0 e(ξ )dξ + Td de(t)
dt }.
P I D (7.42)
presente pasado futuro
Por lo tanto, el esfuerzo de control es una suma ponderada de las características

que ha tenido el error en el pasado −por cuánto tiempo ha existido−, las que tiene
en la actualidad −cuánto está alejada la variable controlado de su valor deseado− y
las que podría tener en el futuro −cuán rápido y en que sentido está cambiando−.
En el algoritmo de control PID, Kp es el factor de peso de la acción proporcional,
Kp /Ti el de la acción integral y Kp Td el de la acción derivativa.
El ajuste de la acción proporcional del algoritmo de control, afectará la magnitud
del esfuerzo de control -la acción correctiva- utilizado, el de la acción integral la
duración de esta corrección y el del modo derivativo su velocidad de cambio.
Posición y velocidad de la señal de control del algoritmo de control PID

Como lo indica (7.42), el algoritmo de control PID determina el valor de la señal de
salida del controlador esto es, la posición que debe tener el elemento final de control,
por ejemplo la apertura de una válvula de control, aunque esta “posición” podría
ser también la velocidad de rotación de un motor eléctrico de velocidad variable, en
función de las características que tiene, ha tenido y pudiera tener la señal de error.
Se puede analizar también el funcionamiento del algoritmo de control PID, con-
siderando la razón de cambio de la señal de control. Derivando (7.42) se tiene, que
du(t) de(t) Kp d2 e(t)

= Kp + e(t) + Kp Td , (7.43)
dt dt Ti dt 2
du(t) de(t) d2 e(t)

= Kpe e(t) + Kve + Kae . (7.44)
dt dt dt 2
Entonces, la velocidad con que debe “moverse” el elemento final de control, es
. .
proporcional al error con Kpe = Kp /Ti , a su razón de cambio −velocidad− con Kve =
.
Kp y a la razón de cambio de su razón de cambio −aceleración− con Kae = Kp Td .
Por lo tanto, entre mayor sea la magnitud del error, más rápido aumenta o dismi-
nuye −dependiendo del signo del error−, la señal de salida del controlador.
Además, la razón de cambio de la señal de control, depende de la magnitud y
signo de la velocidad y la aceleración con que cambia el error.
Cuando el sistema de control alcanza un nuevo punto de equilibrio, estado esta-
cionario, el error es constante, por lo que sus cambios −velocidad y aceleración−
serán nulos. Además, se tiene que en el punto de equilibrio la señal de control tam-
bién es constante, por lo que su variación es igualmente nula. De (7.44) se ve, que la
única forma en que se logra que du(t)/dt = 0, con de(t)/dt = 0 y d2 e(t)/dt 2 = 0, es
que también se tenga e(t) = 0.
Por lo tanto, el modo de control que asegura que el sistema de control, con un
controlador con un algoritmo de control PI(D), alcance un nuevo punto de equilibrio
con error permanente cero, luego de que ha sido excitado −por un cambio en la
perturbación o en el valor deseado, que luego permanecen constantes−, es el modo
integral.
Independientemente de que ya sean estímulos exógenos o cambios endógenos al
sistema de control, los que causen el error en la variable controlada, para tener un
sistema de control que en estado estacionario sea exacto, es indispensable utilizar
controladores con un algoritmo de control que incluya el modo integral esto es, un
algoritmo de control PI o uno PID.
Características en la frecuencia del algoritmo de control PID Estándar

La función de transferencia en la frecuencia, del algoritmo de control PID Estándar

1 jωTd
CPID (jω) = Kp 1 + + . (7.45)
jωTi jωαTd + 1
A alta frecuencia (ω → ∞) dominan las características del algoritmo PD, su mag-
nitud tiende a Kp (1 + 1/α) y su fase a cero. Por su parte, a baja frecuencia (ω → 0)
dominan las características del algoritmo PI, su magnitud tiende a ∞ y su fase a −90°.
A las frecuencias intermedias primero hay un retraso de fase y luego un adelanto de
fase, tal como se muestra en la figura 7.24 (Kp = 1, Ti = 10 s, Td = 2 s, α = 0,1). La
correspondiente gráfica polar del controlador PID, se muestra en la figura 7.25.
7.5.5 Control proporcional, integral, derivativo y aceleración

Si bien, como se verá más adelante en la Evolución histórica de los controladores co-
merciales con un algoritmo de control PID de la sección 7.6, el algoritmo de control
de cuatro modos: proporcional, integral, derivativo y aceleración, denominado algo-
ritmo de control PIDA, se conoce desde 1935, su utilización no es muy extendida.
En el controlador con un algoritmo de control PIDA, el esfuerzo de control está
dado por la expresión
1 t d2 E(t)

dE(t)
Z
U(t) = Acción Kp E(t) + E(ξ )dξ + Td + Ta +Ub . (7.46)
Ti 0 dt dt 2
La primera derivada del error, es una indicación de su razón de cambio (veloci-
dad) y la segunda derivada de su aceleración. Por lo tanto, este controlador toma en
consideración información del error, que el algoritmo PID no incluye en el cálculo
de la señal de control.
Para pequeñas variaciones de las variables en su rango lineal, entonces
Ta s2

1 Td s
u(s) = Kp 1 + + + e(s), (7.47)
Ti s α1 Td s + 1 (α2 Ta s + 1)2
20
Magnitud, |CPID(jω)|
15
10
0
10-3 10-2 10-1 100 101 102 103
60
Fase, ∠CPID(jω) [°]
40
20
0
−20
−40
−60
−80
−100 -3
10 10-2 10-1 100 101 102 103
Figura 7.24: Algoritmo de control PID - Respuesta de frecuencia (Kp = 1, Ti =

10 s, Td = 2 s, α = 0,1)

control PID - Gráfica polar
(Kp = 1, Ti = 10 s, Td =
2 s, α = 0,1)
donde:
• Ti - tiempo integral [s],
• Td - tiempo derivativo [s],
• Ta - constante de aceleración [s2 ],
• α1 - constante (adimensional),
• α2 - constante [s−1 ].
El conjunto de parámetros del algoritmo de control proporcional, integral, deri-

vativo y aceleración es θc = θcPIDA = {Kp , Ti , Td , Ta , α1 , α2 }.
El controlador PIDA proporciona un polo en el origen, tres polos alejados hacia la
izquierda (α1 y α2 son constantes 1) en el plano complejo s y tres ceros ajustables.
7.5.6 Estructuras de los algoritmos de control proporcional, integral y

derivativo
El algoritmo de control proporcional, integral y derivativo (PID) Estándar visto an-
teriormente, no es el único algoritmo de control PID existente. De hecho, este no
corresponde a la ecuación de los primeros controladores PID comerciales. Existe
una diferencia importante, entre la ecuación del control PID utilizada por lo general
en los libros de texto y la forma en que los mismos son implementados, esto producto
de su desarrollo tecnológico.
Ecuaciones de los algoritmos de control proporcional, integral y

derivativo
Las siguientes son las principales variantes del algoritmo de control PID:
1. Algoritmo de control PID Estándar (no interactivo)

Corresponde al PID ya presentado y cuyo diagrama de bloques se muestra en
la figura 7.22. Su función de transferencia es

1 Td s
CPIDestandar (s) = Kp 1 + + , (7.48)
Ti s αTd s + 1
donde:

Figura 7.26: Controlador con un algoritmo de control proporcional, integral y deri-

vativo (PID) Serie
• Ti - tiempo integral (segundos),

• α - constante adimensional.
Los parámetros del algoritmo de control PID Estándar, son entonces θc =
{Kp , Ti , Td , α}.
Los ceros de la función de transferencia (7.40) de un controlador con un algo-
ritmo de control PID Estándar, pueden ser reales, iguales o distintos, o comple-
jos conjugados. Para que los ceros del controlador con un algoritmo de control
PID Estándar sean reales, se requiere que Ti ≥ 4Td (para el caso ideal con
α = 0).
2. Algoritmo de control PID Serie (interactivo)
Corresponde a la unión en serie de un control PI con un controlador PD, como
se muestra en la figura 7.26, y su función de transferencia es
0 0
0 Ti s + 1 Td s + 1
CPIDserie (s) = Kp , (7.49)
Ti0 s α 0 Td0 s + 1
donde:
• Kp0 - ganancia del controlador (adimensional),
• Ti0 - constante de tiempo integral (segundos),
• Td0 - constante de tiempo derivativa (segundos),
• α 0 - constante adimensional.
Los parámetros del algoritmo de control PID Serie, son θc0 = {Kp0 , Ti0 , Td0 , α 0 }.
Como se nota en (7.49), los ceros de un controlador con un algoritmo de con-
trol PID Serie, siempre son reales −ya sean distintos o iguales− y no pueden
ser complejos conjugados.
Comparando los numeradores de (7.48) y (7.49) con α = α 0 = 0 (caso ideal),

se tiene que
Ti Td s2 + Ti s + 1 = Ti0 Td0 s2 + (Ti0 + Td0 )s + 1. (7.50)
Entonces, se obtiene que
Ti Td = Ti0 Td0 , (7.51)

Ti = Ti0 + Td0= (1 + Td0 /Ti0 )Ti0 , (7.52)
0
Td 1 Td
= . (7.53)
Ti 0
(1 + Td /Ti ) Ti0
0 2
Por lo tanto, tal como se ve en (7.53), independientemente de la razón de la

constante de tiempo del modo derivativo a la del modo integral Td0 /Ti0 del con-
trolador PID Serie, no es posible hacer que su tiempo derivativo efectivo Td (en
el controlador PID Estándar), sea mayor que su tiempo integral efectivo Ti . Es
más, siempre se tendrá que Td ≤ 0,25Ti para los parámetros equivalentes. En el
caso particular en que Td0 = Ti0 (controlador PID Serie con dos ceros iguales),
se tendrá Ti = 4Td en el controlador PID Estándar.
Si por ejemplo, se ajustara un controlador PID Serie seleccionando su cons-
tante de tiempo integral y derivativa de forma que Ti0 = 4Td0 , los parámetros
equivalentes (del PID Estándar) tendrían una relación tal que Ti = 6,25Td y si
se ajusta de manera que Td0 = 4Ti0 , los parámetros equivalentes también ten-
drían una relación Ti = 6,25Td .
Mientras que en un controlador PID Serie, se tiene que su tiempo integral efec-
tivo siempre será mayor que su tiempo derivativo efectivo, independientemente
de cual sea el ajuste de sus parámetros, en un controlador PID Estándar no hay
impedimento para ajustar el tiempo derivativo, a un valor mayor que el del
tiempo integral. Sin embargo, es usual que en el ajuste de los parámetros del
algoritmo de control PID Estándar, se seleccione siempre Ti ≥ Td .
Controlador PID electrónico analógico

Los controladores neumáticos y los electrónicos analógicos, fueron implemen-
tados, por razones de costo, utilizando el menor número posible de amplifica-
dores, resultando tener estos un algoritmo de control PID Serie.
En la figura 7.27 se muestra parte del diagrama eléctrico equivalente del cir-
cuito de un controlador electrónico analógico Bell & Howell (Hougen, 1972).
Figura 7.27: Diagrama parcial

de un controlador PID electró-
nico analógico
Analizando este diagrama, se puede encontrar que la relación entre la tensión

de salida y la de entrada (el error E), es

Eo (s) (R1 + R3 )C1 s + 1 R2 (C2 +C3 )s + 1 1
=− . (7.54)
Ei (s) R1C2 s R2C3 s + 1 R3C1 s + 1
En el caso particular de este controlador Bell & Howell, sus componentes te-
nían los siguientes valores: R1 y R2 : 0,3 MΩ → ∞ (ajustables), R3 = 10 kΩ,
C1 = C2 = 1 µF, C3 = 0,1 µF. Utilizando estos parámetros en (7.54), se tiene
que

Eo (s) (R1 + 0,01)s + 1 1,1R2 s + 1 1
=− . (7.55)
Ei (s) R1 s 0,1R2 s + 1 0,01s + 1
Como R1 0,01, R1 + 0,01 ≈ R1 . Además, de forma práctica 0,01s 1, en-

tonces (7.55) se reduce a

Eo (s) R1 s + 1 1,1R2 s + 1
=− . (7.56)
Ei (s) R1 s 0,1R2 s + 1
. . .
Definiendo como parámetros ajustables Ti0 = R1 , Td0 = 1,1R2 , α 0 Td0 = 0,1R2
(α 0 = 0,091 para este controlador) e incorporando a la salida del diagrama de
la figura 7.27, un circuito amplificador inversor de ganancia K = Kp0 , se tiene
entonces que 0 0
U(s) 0 T1 s + 1 Td s + 1
= Kp , (7.57)
E(s) Ti0 s α 0 Td0 s + 1
la cual corresponde a la función de transferencia de un controlador con un

algoritmo de control PID Serie.
Figura 7.28: Controlador con

un algoritmo de control pro-
porcional, integral y derivativo
(PID) Paralelo
3. Algoritmo de control PID Paralelo (de ganancias independientes)

En este controlador cada modo de control tiene su propia ganancia, como se
muestra en el diagrama de bloques de la figura 7.28, y su función de transfe-
rencia es
Ki Kd s
CPIDparalelo (s) = Kp + + , (7.58)
s α p Kd s + 1
donde:

• Ki - ganancia integral (1/segundos),
• Kd - ganancia derivativa (segundos),
• α p - constante adimensional.
Los parámetros del algoritmo de control PID Paralelo, son θcp = {Kp , Ki , Kd , α p }.
7.5.7 Implementación del modo derivativo

En las ecuaciones simplificadas utilizadas para describir el control PD y el PID, se ha
hecho uso de un derivador “ideal”, cuyas características difieren de las del derivador
“real” utilizado en las ecuaciones originales.
Modo derivativo ideal

La ecuación de salida del modo derivativo “ideal”, es
udi (s) = Td se(s). (7.59)

Su función de transferencia en frecuencia, es

udi (jω)
= jTd ω. (7.60)
e(jω)
cuya magnitud
udi (jω)
e(jω) = Td ω. (7.61)

crece indefinidamente al aumentar la frecuencia.

Debido a su gran ganancia a alta frecuencia, el modo derivativo ideal amplifi-
ca el ruido de medida. Además, al ser su función de transferencia impropia, no es
físicamente realizable.
Estando en un punto de operación estable, cuando se produce un cambio del valor
deseado en forma de escalón, este se manifiesta de igual forma en la señal de error. Si
el modo derivativo ideal se aplicara directamente a este error, se produciría un cambio
brusco, un impulso de magnitud infinita, en la señal de salida del controlador, lo cual
es, a todas luces indeseable. Lo recomendable sería aplicar el modo derivativo solo a
la señal realimentada.
Modo derivativo real

Por su parte, la ecuación de salida del modo derivativo “real”, es
Td s
udr (s) = e(s). (7.62)
αTd s + 1
Su función de transferencia en frecuencia, es
udr (jω) jTd ω
= , (7.63)
e(jω) jαTd ω + 1
cuya magnitud
udr (jω) Td ω
e(jω) = p(αT ω)2 + 1 , (7.64)

d
cuando ω → ∞
udr (jω) 1
e(jω) → α . (7.65)

En la práctica 0,05 ≤ α ≤ 0,20. Si α = 0,10 (valor usual), la ganancia a alta

frecuencia del derivador real es 10. Al tener una ganancia finita a alta frecuencia, el
derivador real limita la amplificación del ruido de medida.
Cuando se produce un cambio escalón en el valor deseado, ahora el salto a la
salida del modo derivativo, no es ya de magnitud infinita. En el instante inicial del
cambio del valor deseado, el error es amplificado 1/α veces por el modo derivativo.
Por lo tanto, siempre es recomendable aplicar el modo derivativo, solo a la señal
realimentada.
Como en el caso más común con α = 0,10, la localización del polo del modo
derivativo de los controladores con un algoritmo de control PID (7.48) a (7.58), está
alejado hacia la izquierda del cero en el plano complejo s, su influencia sobre la
respuesta del controlador se considerará despreciable.
Adelante, en algunos de los desarrollos analíticos que se presentarán, se traba-
jará con las ecuaciones simplificadas (ideales) de los algoritmos de control, aunque
para las simulaciones digitales, se siempre emplearán controladores con un modo
derivativo con filtro.
Efecto del filtro derivativo
En el algoritmo de control PID, el ruido de medida contenido en la señal realimen-

tada, pasa a la señal de salida del controlador por varios caminos. En el modo pro-
porcional es amplificado o atenuado, dependiendo del valor de la ganancia. En el
modo integral es “suavizado” al integrarlo. En el modo derivativo, es amplificado
una cantidad que depende del valor del parámetros α del filtro derivativo.
En la figura 7.29 se muestran tres casos de cómo el ruido de medida, con una
variación de ±0,10 %, es transferido a la señal de salida del controlador, al esfuerzo
de control.
Las figuras de la primera columna, corresponden al caso en que en el controlador
se utiliza un algoritmo de control PID, con un modo derivativo con α = 0,001, que
tiende a ser un derivador ideal. Como se puede apreciar, el ruido, casi imperceptible
en la señal realimentada, es amplificado y toma valores, que serían imposibles en
la práctica y que ocasionarían cambios excesivos e instantáneos del elemento final
de control. En el segundo caso (las figuras de la columna central), el algoritmo de
control utiliza un modo derivativo con un filtro con α = 0,10, lo que hace que se
limite la amplificación del ruido, aunque siempre habrá variaciones rápidas, pero no
muy grandes, en la señal de control. Por último, en la columna de la derecha, se
aprecia cómo en el caso de un controlador con un algoritmo de control PI, el ruido
prácticamente no es transferido a la señal de salida del controlador.
Debe tenerse en cuenta que, en los casos anteriores, el modo derivativo se aplicó
solamente a la señal realimentada, para evitar un cambio brusco en la señal de control,
cuando se cambia en forma de escalón el valor deseado.
y(t) y(t) y(t)
100 r(t) 100 r(t) 100 r(t)

d(t) d(t) d(t)
Variables [%]
Variables [%]
Variables [%]
90 90 90
80 80 80
70 70 70
60 60 60
50 50 50
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
40 40 40
Tiempo, t [s] Tiempo, t [s] Tiempo, t [s]
100 u(t) 100 u(t) 100 u(t)

Variables [%]
Variables [%]
Variables [%]
80 80 80
60 60 60
40 40 40
20 20 20
0 0 0
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
Tiempo, t [s] Tiempo, t [s] Tiempo, t [s]
Figura 7.29: Filtrado del ruido de medida
7.5.8 Polos y ceros de los controladores

El controlador aporta a la función de transferencia de lazo abierto del sistema de
control, polos y ceros ajustables dependiendo de su algoritmo de control.
En resumen se tiene:
• Controlador P
No aporta ni polos ni ceros.
• Controlador PD
Aporta un cero ajustable en −1/[(1 + α)Td ] y un polo alejado (hacia la izquier-
da en el plano complejo s) en −1/(αTd ).
• Controlador PI
Aporta un cero ajustable en −1/Ti y un polo en el origen.
• Controlador PID Estándar

Aporta dos ceros ajustables, los cuales son las raíces de la ecuación Ti Td (1 +
α)s2 + (Ti + αTd )s + 1 = 0 (ambos ceros se mueven cuando se varía Ti o Td ,
pudiendo ser reales o complejos conjugados) y dos polos, uno en el origen y
otro alejado en −1/(αTd ).
• Controlador PID Serie

Aporta dos ceros ajustables, uno en −1/Ti0 y otro en −1/Td0 , y dos polos, uno
en el origen y otro alejado en −1/(α 0 Td0 ).
7.5.9 Esfuerzo de control ante un cambio escalón en el valor deseado

Se analizará ahora cómo varía la señal de salida del controlador, en el momento en
que se produce un cambio en el valor deseado.
Control proporcional e integral - Salto proporcional

Considérese un controlador con un algoritmo de control PI. En el instante en que se
produce un cambio escalón de magnitud ∆r en el valor deseado, el cambio en la señal
de salida del controlador
1
CPI (s) = Kp 1 + , (7.66)
Ti s
será
∆u = Kp ∆e = Kp ∆r. (7.67)
Si la ganancia Kp es alta, se producirá a la salida del controlador un cambio
brusco de magnitud considerable.
Una forma de evitar el salto proporcional anterior, es no aplicar el modo propor-
cional directamente al error, sino solo a la señal realimentada. En este caso, la salida
del controlador sería
Kp
u(s) = −Kp y(s) + [r(s) − y(s)] , (7.68)
Ti s

Kp 1
u(s) = r(s) − Kp 1 + y(s). (7.69)
Ti s Ti s
Ante un cambio escalón en el valor deseado, la señal de salida del controlador no
mostrará el salto brusco, sin embargo, la respuesta del sistema de control será más
lenta. Esta modificación no afecta la respuesta a un cambio en la perturbación.
Control proporcional y derivativo - Salto derivativo

Considérese un controlador con un algoritmo de control PD. En este caso, en el
instante en que se produce un cambio escalón de magnitud ∆r en el valor deseado,
en la señal de salida del controlador

Td s
CPD (s) = Kp 1 + , (7.70)
αTd s + 1
se producirá un cambio instantáneo de magnitud

1
∆u = Kp 1 + ∆r, (7.71)
α
el cual puede llevar al elemento final de control a una condición extrema.

Si se toma el valor usual α = 0,10 entonces, el cambio brusco en la salida del
controlador tendrá una magnitud
∆u(α=0,10) = 11Kp ∆r. (7.72)
Para eliminar este salto derivativo, la derivada se debe aplicar solo a la señal
realimentada y no al error, de manera que la salida del controlador sea

Td s
u(s) = Kp r(s) − y(s) − y(s) , (7.73)
αTd s + 1

Td s
u(s) = Kp r(s) − 1 + y(s) . (7.74)
αTd s + 1
La mayoría de los fabricantes de controladores optan por aplicar el modo deri-
vativo solo a la señal realimentada y esta característica en muchas ocasiones no se
puede cambiar (Wade, 2004).
Por esta razón, al algoritmo de control PID Serie con el modo derivativo aplicado
solo a la señal realimentada, se le denomina PID Industrial y su señal de salida está
dada por la expresión
0
!" 0
!#
0 Ti s + 1 Td s + 1
u(s) = Kp 0 r(s) − 0 y(s). (7.75)
Ti s α 0 Td s + 1
El controlador con un algoritmo de control PID Industrial, responde de la misma

manera que un controlador con un algoritmo de control PID Serie (con los mismos
parámetros), ante un cambio en la perturbación, pero no así a un cambio en el valor
deseado.
Una alternativa a lo anterior para evitar el salto derivativo, es utilizar un cambio
de valor deseado tipo rampa, donde el tiempo total para que este se transfiera del
valor actual al nuevo, sea ajustable.
7.5.10 Filtro de la señal realimentada

Debido a que el ruido de medida contamina la señal realimentada y no contiene in-
formación relevante del proceso controlado, este debe ser filtrado. Los controladores
electrónicos industriales usualmente incorporan un filtro de la señal realimentada, el

cual puede ser fijo o ajustable.
En la mayoría de los casos, este es un filtro paso bajo cuya función de transferen-
cia, es
1
F(s) = , (7.76)
Tf s + 1
donde:
• T f - constante de tiempo del filtro [s].
Como se ha visto, la función de transferencia en frecuencia de un controlador con

un algoritmo de control PI, es

1
CPI (jω) = Kp 1 + , (7.77)
jωTi
cuya magnitud
|CPI (jω)| → Kp , para ω → ∞. (7.78)
El ruido de medida de alta frecuencia será amplificado si Kp > 1 y atenuado si Kp < 1,
pero no eliminado.
Si se adiciona el filtro (7.76), a la función de transferencia del controlador PI (PI
con filtro), entonces se tiene

1 1
CPIF (jω) = Kp 1 + , (7.79)
jωTi jωT f + 1
cuya magnitud
|CPIF (jω)| → 0, para ω → ∞. (7.80)
El filtro contribuye a eliminar el ruido de medida de alta frecuencia.
En el caso del controlador con un algoritmo de control PID Estándar, su función
de transferencia en frecuencia, es

1 jωT d
CPID (jω) = Kp 1 + + , (7.81)
jωTi jωαTd + 1
cuya magnitud
1
|CPID (jω)| → Kp 1 + , para ω → ∞. (7.82)
α
Si a este controlador se le adiciona el filtro (7.76), a la entrada de la señal reali-
mentada, la magnitud de su función de transferencia a alta frecuencia tenderá a cero,
eliminado el ruido de medida.
Sin embargo, en el caso de un controlador con un algoritmo de control PID Ideal,

este debe ampliarse con un filtro de segundo orden, cuya función de transferencia es
1
F(s) = , (7.83)
T f2 /2s2 + T f s + 1
para obtener

1 1
CPIDF (jω) = Kp 1 + + jωT d , (7.84)
jωTi −(ωT f )2 /2 + jωT f + 1
cuya magnitud
|CPIDF (jω)| → 0, para ω → ∞. (7.85)
Para lograr tener un controlador con ganancia tendiendo a cero a alta frecuencia y
así eliminar el ruido de medida, se sugiere el uso de un filtro de la señal realimentada
de primer orden (7.76) con el algoritmo de control PI y el de un filtro de segundo
orden (7.83) con un algoritmo de control PID Ideal (Hägglund, 2012, 2013).
7.5.11 Prevención del desbocamiento de la salida del modo integral

La posibilidad de que ocurra un desbocamiento del modo integral, llevando la señal
de salida del controlador a un valor extremo, es un problema importante en las apli-
caciones con controladores, con un algoritmo de control que tiene modo integral (PI
y PID).
Si en un momento determinado, la señal de salida del controlador lleva al elemen-
to final de control a uno de sus puntos extremos y persiste el error y este no cambia
de signo, el modo integral continúa incrementado (o disminuyendo) su contribución
en la salida, sin que el elemento final de control pueda modificar su posición (Yu,
2006).
Para que la salida del controlador regrese a valores dentro del rango de operación
lineal del elemento final de control, se requiere no solamente que el error cambie de
signo, sino también que transcurra un lapso considerable, para que el valor del com-
ponente integral en la señal de salida del controlador “desintegre” el error acumulado.
Esto provoca respuestas más lentas y mayores sobrepasos, o errores máximos (Peng
et al., 1996).
El desbocamiento de la salida del modo integral, puede ser causado por cambios
grandes en el valor deseado o la perturbación.
Una manera intuitiva de prevenir este problema, sería “deteniendo” la integra-
ción, cuando la señal de salida del controlador alcance un valor extremo (Araki, 2002;
Johnson, 2005).
100%
0%
Figura 7.30: Prevención del desbocamiento de la salida del modo integral
También se puede incorporar al controlador, la lógica necesaria para que en el

caso que su señal de salida alcance un valor extremo, se presente un error ficticio
igual a cero a la entrada del integrador, de manera que la integral no siga cambiando.
El error a la entrada del integrador volvería a su valor real, cuando la señal de salida
del controlador regrese a un valor dentro de su rango de variación lineal, por la con-
tribución del modo proporcional o del modo derivativo si está presente (Peng et al.,
1996; Wilkie et al., 2002).
Los controladores comerciales incorporan en forma estándar, algún procedimien-
to para prevenir este problema. Una forma de hacerlo es con base en el “cálculo hacia
atrás” del modo integral, como se muestra en la figura 7.30 (Åström y Hägglund,
1995; Veronesi, 2002).
Como se aprecia en esta figura, en el rango de operación lineal, la señal de salida
del controlador U(t) es igual a su salida “interna” U 0 (t) y no se efectúa ninguna
corrección a la señal de control. Sin embargo, en el momento en que U 0 (t) cruce un
valor extremo, la diferencia de esta con su valor limitado, ∆U(t) = Ulı́m − U 0 (t), es
realimentada en forma negativa al integrador. La constante de tiempo Tr , determinará
la velocidad con que el sistema efectúa la corrección.
Sin perder generalidad, si para simplificar se toma Td = 0, entonces siendo 0 % ≤
U(t) ≤ 100 % la señal de salida del controlador, es
Z t
Kp
U(t) = U 0 (t) = Kp E(t) + E(ξ )dξ +Ub , (7.86)
0 Ti
o, para variaciones de las variables

0 1
u (t) = Kp 1 + e(t), (7.87)
Ti p
que corresponde a la señal normal de salida del controlador PI.

En el momento en que U 0 (t) > Umáx (100 %) (igualmente se puede analizar el
caso en que la salida del controlador descienda del límite inferior de la señal de
salida Umı́n ), se tiene que
U(t) = Umáx , (7.88)

Z t
Kp 1
U 0 (t) = Kp E(t) + 0

E(ξ ) + Umáx −U (ξ ) dξ +Ub . (7.89)
0 Ti Tt
Para pequeñas variaciones de las variables, (7.89) se puede escribir como

0 Tt Ti p + 1 1
u (t) = Kp e(t) + Umáx . (7.90)
Ti Tt p + 1 Tt p + 1
Si el error persiste, en estado estacionario se tiene que
Tt Kp
U0 = E +Umáx . (7.91)
Ti
Entonces U 0 > Umáx , la entrada al integrador es cero (su salida deja de crecer) y la
señal de salida del controlador permanece en el valor límite constante.
En el momento en que el error cambia de signo, se tiene que U 0 < Umáx , y la señal
de salida del controlador vuelve a estar en su rango de variación normal.
Se recomienda que la constante
√ de tiempo Tt sea mayor que Td y menor que Ti .
Una selección adecuada es Tt = Ti Td (Åström y Hägglund, 2006), o Tt = (Ti +Td )/2
(Yu, 2006).
Si el modo integral del controlador se ha implementado como se mostró en la
figura 7.19, un esquema de prevención del desbocamiento del modo integral para
este, se muestra en la figura 7.31.
7.5.12 Transferencia entre la operación “Automática” y la “Manual”

Los controladores industriales, deben incorporar un selector de modo de operación
entre el modo Manual (M) y el modo Automático (A). En el modo Manual, el lazo
de control está abierto y el valor de la señal de salida del controlador es establecida
−en forma “manual”− por el operador, la cual permanecerá constante mientras este
no la cambie. En el modo Automático, el lazo de control está cerrado y la señal de
salida del controlador, es calculada −en forma “automática”− por el algoritmo de
control.
Como es posible que durante la operación del proceso, se deba transferir la ope-
ración del controlador del modo de operación manual al automático y viceversa, es
indispensable que en el momento de la conmutación del modo de operación, no se
Figura 7.31: Prevención del desbocamiento del modo integral en controladores con
“reajuste automático”
Figura 7.32: Controlador con selector “Automático - Manual”
produzca un cambio en la señal de control. Esta característica de los controladores

comerciales se conoce, por razones históricas, como “transferencia Auto/Manual sin
saltos ni procedimientos”.
La forma en que se efectúa esta transferencia depende del fabricante y está in-
cluida prácticamente en todos los controladores comerciales actuales. Una forma de
hacerlo se muestra en la figura 7.32.
Durante la operación automática del controlador, la señal manual Um generada
internamente, “sigue” al valor de la señal de salida U(t), de manera que al momento
de la transferencia A → M, el valor del ajuste manual es igual al valor instantáneo de
la señal del control.
Con este esquema, se previene la saturación del modo integral y los saltos bruscos
al cambiar en modo de operación del controlador.
7.6. Evolución histórica de los controladores PID 277
7.6 Evolución histórica de los controladores comerciales

con un algoritmo de control PID
En el siglo pasado, la aplicación de los sistemas de control realimentado empezó
con el uso, por parte de Elmer Sperry, de los giroscopios y pilotos automáticos en
los barcos, aplicados posteriormente a la estabilización de aeronaves (Bissell, 2009;
Hunsaker, 1954).
Nicolas Minorsky analizó las propiedades del controlador de tres términos para
el control del curso de un barco (Bennett, 1984). La ecuación del movimiento de un
barco utilizada por Minorsky (1922), está dada por la expresión
Aα̈ + Bα̇ + Kρ = D, (7.92)
donde α es el ángulo de desviación del barco respecto a su curso deseado, ρ el

ángulo del timón, A el momento de inercia del barco, B la resistencia por fricción
que se opone al giro, D el par de perturbación y K una constante.
Entre las “clases” de control analizados por Minorsky, se incluye uno en donde
el cálculo del ángulo de posición del timón, está dada por la expresión
Z
ρ =m αdt + nα + pα̇, (7.93)
con contantes m = 0, m 6= 0, n 6= 0 y p 6= 0.
En el caso con m = 0 (control proporcional y derivativo), encontró que no se
eliminaba el efecto de un par perturbador constante, como el de un viento sostenido.
El caso con m 6= 0, correspondía a un control proporcional, integral y derivativo.
Utilizando el criterio de estabilidad de Hurwitz que se presentará en la sección
10.3.1 del Capítulo 10, encontró las relaciones entre los parámetros del regulador y
los de la dinámica del barco, que se deben satisfacer para garantizar la estabilidad del
sistema de control.
El control con instrumentos neumáticos, hizo su aparición a inicios del siglo pa-
sado en la industria lechera, controlando la temperatura de una planta pausterizadora,
estos eran controladores de dos posiciones (“todo” o “nada”) (Bennett, 2000).
El primer controlador neumático comercial de uso industrial, con el modo pro-
porcional ajustable, fue el Taylor Instruments modelo 56R creado en 1933. En 1934
Foxboro introdujo el controlador proporcional e integral Modelo 40 y en 1938 Taylor
Instruments incorporó el modo derivativo en el controlador 56R, creando el contro-
lador proporcional y derivativo.
Callender (1934) describe la operación de un “aparato” electromecánico, con las
características de un controlador proporcional e integral, y propone utilizarlo para el
control de la temperatura en una unidad de destilación.
En 1935, Sergei G. Mitereff3 presentó una clasificación con las ecuaciones dife-
renciales de doce controladores de procesos. Entre las seis clases que consideró que
habían llegado recientemente a este campo, incluyó la ecuación (Bennett, 1993b)
dP
Z
F = k1 PdT + k2 P + k3 + (C), (7.94)
dT
correspondiente a un controlador con modos integral, proporcional y derivativo.
Entre las seis más conocidas, indica Mitereff que está la ecuación del controlador
proporcional y la del proporcional e integral.
Además, entre las más nuevas, incluyó el controlador proporcional y derivativo,
y un controlador con la ecuación
dP d2 P
Z
F = k1 PdT + k2 P + k3 + k4 2 + (C), (7.95)
dT dT
el cual se denotaría más tarde, como controlador PIDA (proporcional, integral, deri-
vativo y aceleración).
Una descripción cronológica del desarrollo de los controladores comerciales, con
un algoritmo de control de la familia PID, se puede encontrar en Bennett (1993a,
2000).
La que puede considerarse como la primera patente relacionada con el control
proporcional, integral y derivativo, se atribuye a Callender y Stevenson (1939). De
esta se toma la siguiente descripción:
“This invention relates to the automatic control of variable physical characteris-

tics, for example temperature or pressure, and more particularly to the achievement
of this aim by a system which is entirely or substantially entirely electrical in opera-
tion.
The essential desideratum in the type of automatic control system here proposed
is that any deviation (θ ) of the characteristic, as indicated, from its desired or set
standard value, shall operate compensating means in such a way that the compen-
sating effect (V), resulting from the operation of the compensating means, shall be
dependent upon the behaviour of θ , in accordance with some particular chosen law.
If the compensating effect V is applied in direct proportion to the magnitude of
the deviation θ , over-compensation will inevitably result.
To eliminate the consequent hunting and instability of the system, the compensa-
ting effect is additionally regulated in accordance with other characteristics of the
deviation in order to bring the system back to the desired balanced condition as ra-
pidly as possible. These characteristics include in particular the rate of deviation
3 Transactions of the American Society of Mechanical Engineers, Vol. 57, p. 161, 1935.
(which may be indicated mathematically by the time-derivative of the deviation)

and also the summation or quantitative total change of the deviation over a given
time (which may be indicated mathematically by the time-integral of the deviation).
This principle of control of the compensating effect may be based upon a mathemati-
cal formula incorporating the indicated characteristics. A formula of this type is set
forth hereafter, together with certain variations therein. ...”.
... “It can be shown that the apparatus of Fig. 1 obeys a control law expressed by
the equation
dθ
Z
−V = k1 θ dt + k2 θ + k3 ,
dt
where
−V is the compensating effect
θ is the deviation of temperature
t is time
k1 , k2 , k3 are contants. ...”4 .
En 1939 fue puesto en el mercado el primer controlador con el algoritmo de

control proporcional, integral y derivativo (PID) completamente ajustable, el Taylor
Instruments Fulscope Modelo 100, mostrado en la figura 7.33 (Taylor Instruments,
1989). Todos estos controladores eran del tipo de “caja grande”.
“It had the three responses of sensitivity, automatic reset, and pre-act (PID), no
other controller had this; ...” según indica John Ziegler refiriéndose al Fulscope 100
en Blinkley (1990).
En la celebración del 15 aniversario del lanzamiento de su controlador Fulscope
Series 100, Taylor Instruments (1989) indica que este posee las siguientes caracterís-
ticas:
“ADAPTABILITY
1. Extremely versatile. The same control mechanisms are available for Tempera-
ture, Pressure, Flow and Liquid Level ... .
2. Adaptable to any control problem because the Fulscope Controller has three
control effects: (a) Proporcional Response - ... Adjustable Sensitivity ... (b)
Automatic Reset Response, ... continuously adjustable (.05 to 5 repeats per
minute). (c) PRE-ACT Response (rate action) continuously adjustable within
the range 0.2 to 10 min. ... .
3. Proper Adjustment Easily Obtained. Control Response Adjustment Dials are
calibrated in specific units ... .
4 El destacado en negrita del texto no es del original.
Figura 7.33: Controlador

PID Taylor Instruments
Fulscope 100 (1939)
4. Controller action simple changed ... .
DEPENDABLE OPERATION
5. Control point always matches the set point when automatic reset is used, ... .
... control point always returns to set point, regardless of load changes.
6. Trouble-free air system. ... .
7. Lifelong Accurary. ... .
Write for Bulleting 98151. Taylor Instruments Companies, ... .”
En 1945 se funda la Instrument Society of America (ISA), hoy The International

Society of Automation (ISA)5 .
5 https://www.isa.org/
El primer controlador PID electrónico analógico (Autronic) fue introducido en

1951 por The Swartwout. Entre 1951 y 1958 otros fabricantes empezaron a comer-
cializar sus controladores electrónicos, primero de tubos al vacío y luego transis-
torizados, y en 1976 se introdujo el primer controlador electrónico digital (Morris,
1990). En la década de 1950, se redujo el tamaño de las cajas de los controladores
-se adopta el formato “3x6”, cara frontal de 7,5 cm x 15 cm aproximadamente-.
En 1954 la ISA publica el primer ejemplar del la revista ISA Journal (ahora
InTech)6 , mismo año en que se publica el primer ejemplar de la revista Control En-
gineering7 . También en 1954, se funda la IEEE Control Systems Society (CSS)8 .
En 1957 se anuncia la primera computadora digital para control, la RW-300 de
Ramo-Wooldridge Corp.
En 1959 Honeywell introdujo la señal de corriente de 4 mA a 20 mA para la
de transmisión electrónica, la cual se convirtió poco después, en el estándar indus-
trial (Strothman, 1995).
En 1969 Honeywell presentó sus controladores VutroniK, con la primera modifi-
cación del algoritmo PID. En estos, la acción derivativa se aplicaba a la variable del
proceso y luego se sumaba a la integral del error (Morris, 1990).
Tal como se indicará más adelante, los algoritmos de control proporcional, inte-
gral y derivativo por estas fechas, eran del tipo denominado de un grado de libertad
(1GdL).
Un segundo grado de libertad, para obtener algoritmos de control PID de dos
grados de libertad (2GdL), fue propuesto por Araki (1984a,b, 1985) introduciendo
factores de peso en el valor deseado, tanto en el modo proporcional como en el deri-
vativo. La ecuación de salida equivalente para el nuevo algoritmo de control PID de
2GdL, está dada por la expresión
1 t

d [(1 − βa )r(t) − y(t)]
Z
u(t) = Kp (1 − αa )r(t) − y(t) + [r(ξ ) − y(ξ )]dξ + .
Ti 0 dt
(7.96)
Araki denomina a los parámetros Kp , Ti y Td , como los parámetros fundamen-
tales del controlador, y a αa y βa , como los parámetros de 2GdL, todos los cinco
ajustables.
Una descripción de los desarrollos relacionados con los controladores PID de
2GdL (particularmente en Japón), es presentada en Araki y Taguchi (2003); Taguchi
y Araki (2002).
6 https://www.isa.org/standards-and-publications/isa-publications/
intech-magazine/.
7 http://www.controleng.com/magazine.html.
8 http://www.ieeecss.org/.
Los factores de peso del valor deseado, tal como se expresan en (7.96), tienen la
forma normalmente utilizada por los fabricantes de controladores japoneses, mientras
que es más generalizado, que se emplee un factor de peso del valor deseado en el
modo proporcional β = 1 − αa y un factor de peso de valor deseado en el modo
derivativo γ = 1 − βa , de manera que la expresión usual de la ecuación de salida de
un controlador PID de 2GdL, es
1 t

d [γr(t) − y(t)]
Z
u(t) = Kp β r(t) − y(t) + [r(ξ ) − y(ξ )]dξ + , (7.97)
Ti 0 dt
tal como se verá más adelante en la sección 7.9.

En la actualidad, la gran mayoría de los controladores electrónicos de uso indus-
trial con un algoritmo de control PID, emplean microprocesadores, incorporan estra-
tegias de control adicionales, tienen capacidad de efectuar múltiples operaciones, son
completamente configurables y poseen facilidades para la comunicación ente ellos o
con computadoras supervisoras en una red.
Además de en los controladores de lazo individuales, el algoritmo de control PID
se puede encontrar en los sistemas de control distribuido (DCS - “distributed control
systems”), en los controladores lógicos programables (PLC - “programmable logic
controllers”) y en los sistemas de automatización digitales (DAS “digital automation
systems”).
La diferencia entre la ecuación del control PID de “texto” y la utilizada en los
controladores PID comerciales, surgió desde la creación del primer controlador PID,
el Taylor Instruments Fulscope 100, ya que este y la mayoría de los controladores
PID neumáticos y electrónicos analógicos, se construyeron mediante la colocación
en serie de sus modos de control, para reducir el número de amplificadores requeridos
para su implementación y así disminuir su costo.
En la actualidad, dada la flexibilidad de los controladores electrónicos digitales,
es usual que en un controlador, se pueda seleccionar entre varios de los algoritmos
de control PID disponibles.
Muchas son las compañías relacionadas a lo largo de la historia, con la fabri-
cación de instrumentos y controladores de uso industrial, particularmente de los
EE.UU., tales como: Brown Instruments Co., mediados de 1800 (Edward Brown);
Taylor Instruments Co., 1851 (George Taylor y David Kendall); Fisher Governor
Co., 1888 (William Fisher); Honeywell Hearing Specialty, 1906 (Mark C. Honey-
well); Industrial Instruments Co., 1908 → The Foxboro Co., 1914 (familia Bristol);
Leeds & Northrup, 1899 (Morris E. Leeds); Bailey Meter Co., 1916 (Ervin G. Bai-
ley); Hagan Controls, 1916 (John M. Hopwood y Thomas Peebes); Ficher & Porter
Co., 1937 (Kermit Ficher y George Porter); Rosemount Engineering Co., 1956 (Ro-
bert Keppel, Vernon Hertn y Frank Werner), según lo describe Strothman (1995).
La mayoría de estos nombres han desaparecido ya, varios “absorbidos” por al-
guna de las megacompañias transnacionales de automatización y control de procesos
existentes actualmente como: ABB Process Automation Division, Emerson Process
Managment, Honeywell International Inc., Schneider Electric, Siemens AG, Yoko-
gawa Electric Corporation y otras pocas más.
Varias veces a lo largo de su existencia, se ha declarado que el algoritmo de
control PID está ya obsoleto (“muerto”), o se ha predicho que sería “reemplazado”
en breve por otras técnicas de control9 . Sin embargo, diversos reportes confirman,
que el algoritmo de control utilizado con más frecuencia en los controladores de uso
industrial, es el proporcional, integral y derivativo (PID), y que en la mayor parte de
los casos, este se ha ajustado como un proporcional e integral (PI).
Por ejemplo, Desbourough y Miller (2002) indican que en una revisión de 11 600
lazos de control en 18 instalaciones en los EE.UU., refinerías de petroleo, industrias
químicas y de pulpa y papel, se encontró que una media del 97,7 % de los lazos de
control utilizan un algoritmo de control PI(D).
Según Araki (2002), un estudio realizado en 1989 en Japón, concluyó que más del
90 % de los controladores utilizados en la industria, corresponden a alguna versión
del algoritmo de control PI(D).
Por su parte, Åström y Hägglund (2006) mencionan que más del 95 % de los
lazos de control utilizados en el control de procesos, son del tipo PI(D).
Aun en el caso de los esquemas de control jerarquizado −piramidal− de los pro-
cesos industriales multivariables, en los que se utiliza en el nivel superior un control
predictivo con base en modelos (MPC - “model predictive control”) como supervisor,
para lograr una operación óptima del proceso, el cual ajusta los valores deseados −de
referencia− de los controladores reguladores individuales de cada variable −los con-
troladores en la “base” de la pirámide de control−, estos últimos son controladores
con un algoritmo de control PI(D) (Balbis et al., 2006).
Por lo tanto, no hay ninguna duda sobre la importancia del estudio del compor-
tamiento de los sistemas de control con controladores con un algoritmo de control
proporcional, integral y derivativo (PID), ni sobre la necesidad de adquirir destreza
en el ajuste adecuado de sus parámetros.
9 ”PID Control will soon be obsolete”, ASEA Novatune Team (1982), “It will soon be replace
by Model Predictive Control”, Conference on Model Predictive Control (1989); según se acota en
Bernharsson, B. y Äström, K. J. (s.f.) - “Control System Design - PID Control”, Lund University,
Lund, Suecia.
Figura 7.34: Representación de los controla-

dores en un diagrama de flujo de instrumentos
(P&ID)
7.7 Representación de los controladores en los diagramas

de control
En el estudio de los sistemas de control, normalmente estos se representan gráfica-
mente mediante un diagrama de bloques en el cual, cada bloque corresponde a la
función de transferencia del elemento que representa: el proceso, los instrumentos de
medición y actuación, y el controlador.
Sin embargo, en los diagramas de flujo de instrumentos (P&ID), utilizados para
mostrar la instrumentación -la cual obviamente incluye a los lazos de control- de un
proceso industrial, se emplea una nomenclatura y simbología estándar, para repre-
sentar a los instrumentos, de manera que las variables mediadas o controladas, las
funciones de los instrumentos, algunas de sus características físicas y el tipo de seña-
les empleadas para la interconexión de los mismos, estén identificadas claramente.
7.7.1 Diagramas de flujo de instrumentos (P&ID)

La norma utilizada con mayor frecuencia, para el desarrollo de los diagramas de flujo
de instrumentos, es la ISA 5.1 (ISA, 2009).
En un P&ID, cada instrumento está representado por un símbolo y una etique-
ta, compuesta de letras y números, la cual establece cual es la variable medida o
controlada por el, sus funciones pasivas y sus funciones activas.
Para los controladores, se supondrá que estos están instalados en un tablero de
control, y son representados por un círculo conteniendo su etiqueta, como se ilustra
en la figura 7.34.
Su etiqueta incluye la identificación funcional, cuyas letras establecen cual es
7.7. Representación de los controladores en los diagramas de control 285
la variable controlada10 , sus funciones pasivas adicionales11 y su función de salida

que será siempre controlador (C); y la identificación de lazo, cuyos dígitos indican el
número del lazo de control al cual pertenece.
Aunque en los diagramas de tubería e instrumentos elaborados con la norma ISA
5.1, se muestran todos los instrumentos que componen el sistema de control, este no
provee información al interior del controlador. Esto es, sobre su algoritmo de control
o sobre otras características de los mismos. Esta información se encuentra mejor
descrita en los diagramas funcionales (Wade, 2004).
7.7.2 Diagramas funcionales

La simbología utilizada para la elaboración de los diagramas funcionales de los sis-
temas de control, tiene como base la establecida en la norma SAMA12 PMC-22.1
(SAMA, 1981). Esta ha sido incorporada en la norma ISA 5.1 ya que la SAMA,
ahora la LPA13 , dejó de darle soporte. La representación de un controlador en un
diagrama funcional, es similar a la que se muestra en la figura 7.35.
Como se aprecia, en este tipo de diagrama se indican los modos de su algoritmo
de control14 , otros componentes del controlador como el comparador de error15 y los
dispositivos de operación manual16 , pero no donde está localizado (en el campo o en
un tablero de control), ni si es neumático, electrónico o implementado utilizando otra
tecnología. Además, en los diagramas SAMA no se hace referencia a los equipos del
proceso asociados al sistema de control representado.
En el caso de la figura 7.35, se tiene un controlador proporcional e integral, con
un selector para la transferencia de la operación automática a manual y viceversa.
Si bien los diagramas de tubería e instrumentos, son la forma usual de mostrar
los sistemas de instrumentación y control en la industria de procesos, los diagramas
funcionales son de uso amplio en la industria de generación de energía.
Ejemplo 7.4 Diagramas de flujo de instrumentos y diagramas funcionales

Para ilustrar la diferencia entre los diagramas de flujo de instrumentos y los diagra-
mas funcionales, en la figura 7.36 se reproduce el P&ID del sistema de control de
10 F - caudal, L - nivel, P - presión, T - temperatura, u otra.
11 I - indicador, R - registrador, u otra.
12 Scientific Apparatus Makers Association.
13 Laboratory Products Association, http://www.lpanet.org/i4a/pages/index.cfm?
pageid=1.
14 De 1 a 3: P - proporcional, I - integral, D - derivativo.
15 Diferencia - ∆.
16 T - transferencia, A - ajuste manual (valor deseado, salida del controlador).
Figura 7.35: Representación de los controladores en

un diagrama funcional
nivel introducido en la sección 1.3.3 (figura 1.11) del Capítulo 1, mientras que en la
figura 7.37 se muestra el diagrama funcional correspondiente, o diagrama SAMA.
El diagrama de flujo de instrumentos puede incluir información de los equipos
del proceso y del sistema de tuberías, por lo que el acrónimo P&ID en ocasiones se
interpreta como “Process and Instrument Diagram” o como “Pipe and Instrument
Diagram”, dependiendo del tipo y nivel de detalle de la información contenida en el
plano.
La representación del controlador en el diagrama SAMA de la figura 7.37, per-
mite saber que su algoritmo de control es proporcional (P), integral (I) y derivativo
(D), con el modo derivativo (D) aplicado solo a la señal realimentada. Además, que
este tiene un selector para la transferencia (T) Automático a Manual, y el ajuste ma-
nual (A) del valor deseado (en modo Automático) y de su señal de salida (en modo
Manual).
Aunque a lo largo de todo este documento, se utiliza una nomenclatura estan-

darizada y de uso común en los estudios de los sistemas de control automático, es
importante indicar que los fabricantes de instrumentos, y en particular los de los con-
Figura 7.36: Ejemplo 7.4 - Diagrama de flujo de instrumentos (P&ID) del sistema de
control de nivel, Norma ISA 5.1
troladores de uso industrial, designan con otros nombres a las variables de interés de
los lazos de control.
En los manuales y en la literatura técnica de los fabricantes, usualmente se denota
como SP (“set-point”) al valor deseado r, como PV (“process variable”) a la señal
realimentada y, y como CO (“controller output”) al esfuerzo de control u.
7.7.3 Diagramas de bloques de funciones

La aplicación de los sistemas de control digital distribuido (DCS) y de los buses de
datos digitales, creó la necesidad de contar con una forma normalizada para repre-
sentar las funciones y la interconexión de los componentes de los sistemas de control
digital, de los diferentes fabricantes.
La simbología, los parámetros y la interconexión de los bloques de funciones se
describen en la norma IEC 61804 (IEC, 2006) y en los manuales de los bloques de la
Figura 7.37: Ejemplo 7.4 - Diagrama funcional del

sistema de control de nivel, Norma SAMA PMC- LT
22.1
P I
A T A
I/P
LV
BKCAL_IN
BKCAL_OUT
CAS_IN
CAS_IN BKCAL_OUT
AO
OUT_D
AI OUT OUT
FF_VAL
IN
PID OUT
TRK_IN_D
TRK_VAL
Figura 7.38: Bloques de funciones de entrada, salida y control
Fieldbus Foundation (2002).

En el contexto de este libro, solo se hará referencia a los bloques de las funcio-
nes de entrada analógica (AI - “analog input”), de salida analógica (AO - “analog
output”) y de control proporcional, integral y derivativo (PID - “proportional integral
derivative”), mostrados en la figura 7.38.
El bloque de función de entrada analógica (AI), procesa la medición hecha por
el dispositivo de campo (el transmisor) y la hace disponible para otros bloques de
función. Su salida (OUT) está en unidades de ingeniería e indica la cantidad medida
LT-10 LIC-10 LY-10

BKCAL_IN
OUT_D BKCAL_OUT BKCAL_OUT
AI CAS_IN CAS_IN
AO
OUT FF_VAL
IN
PID OUT OUT
TRK_IN_D
TRK_VAL
Figura 7.39: Ejemplo 7.5 - Diagrama de bloques de funciones del sistema de control
de nivel, Norma IEC 61804
(PV). Además, el bloque AI incluye parámetros de alarmas, escalamiento y filtrado

de la señal, control de su operación, simulación y otros.
El bloque de función de salida analógica (AO), asigna un valor de salida (OUT)
a un dispositivo de campo (el elemento final de control) por medio de un canal de
salida particular. El valor de la salida recibido por el parámetro CAS_IN, es provisto
por otro bloque. El bloque AO, permite definir parámetros de control, estado de la
señal y simulación.
El bloque de función de control proporcional, integral y derivativo (PID), com-
bina la lógica para ejecutar el control PID. El algoritmo PID puede ser Estándar o
Serie. El valor de entrada analógica (PV) es recibida por el parámetro IN, y la señal
de control (CO) está disponible en el parámetro OUT. Los parámetros del bloque
PID permiten configurar el algoritmo de control (STRUCTURE), la acción, el fil-
trado de la señal de entrada, las señales de seguimiento, los limites de la salida, las
alarmas, el valor deseado (SP, en unidades de ingeniería o %), los parámetros: ganan-
cia proporcional (GAIN), la constante de tiempo integral (RESET, en s), la constante
de tiempo derivativo (RATE, en s), los factores de peso del valor deseado (UBETA,
UGAMMA), y otras opciones.
La descripción detallada de los parámetros de estos y los demás bloques de fun-
ciones disponibles, se encuentra en las normas respectivas.
Ejemplo 7.5 Diagrama de bloques de funciones

Utilizando el mismo ejemplo del sistema de control del nivel del líquido en un tanque
empleado anteriormente (figuras 7.36 y 7.37), se muestra ahora en la figura 7.39
el correspondiente “diagrama de bloques de funciones” de este sistema de control,
para su implementación en un sistema de control digital distribuido o en un equipo
similar.
El bloque de la función de entrada analógica (AI) recibe la señal realimentada
del transmisor de nivel (LT-10). El bloque de la función de control (PID) corresponde
Señal de control Valor deseado

(corriente, mA) (temperatura, °C)
TIC
15
Controlador
I/P
TY
PI 15 Señal realimentada
12 TV
15 Elemento final (corriente, mA)
de control
Variable manipulada Sensor y transmisor

(caudal de vapor) (transmisor)
TI TIT
14 15
Una de las posibles

perturbaciones Variable controlada
(temperatura del T (temperatura del líquido
líquido a la entrada) Proceso a la salida, °C)
Figura 7.40: Ejemplo 7.6 - P&ID del sistema de control de la temperatura en un

intercambiador de calor
al controlador (LIC-10). Por su parte, el bloque de la función de salida analógica

(AO), provee la señal para el transductor electroneumático (LY-10) utilizado para
convertir la señal de control enviada a la válvula de control (LV-10).
Ejemplo 7.6 Diagrama de flujo de instrumentos

Un ejemplo adicional de la utilización de la simbología de la norma ISA S5.1 para la
confección de los diagramas de flujo de instrumentos, se muestra en la figura 7.4017 ,
el cual corresponde al P&ID del sistema de control realimentado de la temperatura
de salida del líquido de un intercambiador de calor, en el cual se emplea vapor de
agua como medio calefactor.
El sistema de control debe responder a las modificaciones del valor deseado in-
troducidas por el operador en el controlador TIC-15 y a las variaciones del valor de
la variable controlada detectadas por el transmisor TIT-15, debido a otros cambios
en las características del proceso (perturbaciones) como pueden ser las variaciones
en la demanda del fluido calefactor (variaciones de carga), en la temperatura del
17 Las anotaciones no forman parte del diagrama de flujo de instrumentos.
7.8. Operación, configuración y ajuste del controlador 291
líquido a la entrada del intercambiador y en la calidad del vapor de agua entre otras
posibles, manipulando el caudal del vapor de agua mediante la válvula de control
TV-1518 .
7.8 Operación, configuración y ajuste del controlador

El fabricante del controlador proporciona su Manual del usuario y otros adiciona-
les, con instrucciones precisas para el personal involucrado en las diferentes etapas
de su vida útil: instalación, configuración (programación, ajuste), operación, y man-
tenimiento y reparación. Estos manuales describen las opciones incorporadas en el
controlador, así como las precauciones que deben tomarse para su correcta operación.
7.8.1 Configuración y ajuste

Durante la etapa de puesta en marcha y prueba de una planta, previo a su entrada en
producción normal, o cuando es necesario reemplazar un controlador o realizar una
“actualización tecnológica” de los lazos de control de un proceso, se debe configurar
el controlador. Esto es, se deben seleccionar las características activas del mismo.
Estas pueden ser unas pocas, en los controladores de lazo sencillos, o una cantidad
considerable si el controlador o el bloque o función PID del software de control,
ofrece una gama amplia de opciones.
Debe recordarse que la Acción (directa, inversa) del controlador, se debe selec-
cionar antes de ponerlo en operación “automática”.
Cuando se realiza la instalación inicial del controlador, o si las condiciones de
su operación lo hacen necesario, se deben ajustar los valores de sus parámetros.
Estos incluyen, como mínimo, la ganancia (Kp ), el tiempo integral (Ti ) y el tiempo
derivativo Td . Además, pudiera ser necesario ajustar los factores de peso del valor
deseado, las constantes de tiempo de los filtros, u otros parámetros. Debe verificarse
el tipo de algoritmo de control incorporado en el controlador, así como las unidades
en que deben introducirse los valores de ajuste de sus parámetros.
7.8.2 Operación
Cuando una planta está en producción, es el personal de operaciones el que supervisa
el funcionamiento de sus sistemas de control.
18 En este diagrama, TY-15 es un transductor electroneumático (I/P), PI-12 el indicador de la presión
de suministro del vapor de agua y TI-14 el indicador de la temperatura del líquido a la entrada del
intercambiador.
Aunque la información provista en la cara frontal de los controladores de lazo,

o en las terminales de operación de los sistemas de control computadorizados, pue-
de diferir dependiendo de su fabricante, la mayoría incluye un despliegue numérico
de la variable controlada y de su valor deseado (en unidades de ingeniería o en por-
centaje); barras indicadoras de la variable controlada (PV), el valor deseado (SP)
y la señal de salida del controlador (CO), normalmente en porcentaje; un selector
para la operación automática (A) o manual (M), con indicación del modo de opera-
ción activo; botones para incrementar (⇑) o decrementar (⇓) ya sea el valor deseado
si el controlador está en modo “automático”, o la señal de control si está en modo
“manual”.
En la figura 7.41 se muestra la información y controles disponibles en una “cara
frontal” típica (tablero para la operación), de un controlador PID de uso industrial.
La mayoría de los fabricantes de controladores PID, siguen un patrón similar en
el diseño de las características visuales y de operación del controlador, mostradas al
operador en la cara frontal de estos. Además, sus dimensiones están normalizadas,
yendo desde el tamaño 1/2 DIN (más grande) hasta el tamaño 1/32 DIN (más peque-
ño) (IEC, 2002). Evidentemente, entre menor sea el tamaño del controlador, menor
será la información que se puede mostrar en su frente19 .
Aún incluso en los sistemas de control digital distribuido (DCS), en donde la
interacción del operador con el sistema de control del proceso, incluye dispositivos
de despliegue gráfico (“pantallas”), para mostrar el diagrama de flujo de instrumentos
de su sistema de control (P&ID), con información detallada de los controladores, las
curvas de tendencia de las variables, así como las posibles condiciones de alarma
del sistema y otra información relevante de su funcionamiento, los controladores
(PID) son representados usualmente en forma gráfica, mediante un diagrama similar
al mostrado en la figura 7.41.
7.9 Control de dos grados de libertad

En las aplicaciones de control en la industria, es de primordial importancia, restringir
el comportamiento de la variable controlada, cuando se produce una perturbación,
conforme a un criterio de diseño establecido. Además, es necesario también poder
restringir su comportamiento, cuando se produce un cambio en el valor deseado.
Por lo tanto, es deseable poder establecer el criterio de diseño del servo control,
en forma independiente -en el tanto en que esto sea posible-, del correspondiente al
control regulador.
19 Tamaños: 1/2 DIN (192 mm x 96 mm), 1/4 DIN (96 mm x 96 mm), 1/8 DIN (48 mm x 96 mm),
1/16 (48 mm x 48 mm) y 1/32 DIN (24 mm x 48 mm) (IEC, 2002).
7.9. Control de dos grados de libertad 293
Figura 7.41: Tablero frontal de ope-

ración de un controlador PID
65.084 LIC-10
PV SP
100
80
A
M
A/M
60
CO
100
40 80
60
20 40
20
0 0
Algoritmo de control PID de un grado de libertad

Considérese un controlador PID Estándar (7.37), con el modo derivativo aplicado a
la señal realimentada solamente, cuya ecuación es
1 t

dY (t)
Z
U(t) = Acción Kp R(t) −Y (t) + [R(ξ ) −Y (ξ )]dξ − Td +Ub .
Ti 0 dt
(7.98)
Para pequeñas variaciones de las variables en su rango de variación lineal, apli-
cando la trasformada de Laplace, el esfuerzo de control está dado por

1 Td s
u(s) = Kp r(s) − y(s) + [r(s) − y(s)] − y(s) (7.99)
Ti s αTd s + 1
que se puede rescribir para el análisis, como

1 1 Td s
u(s) = Kp 1 + r(s) − Kp 1 + + y(s). (7.100)
Ti s Ti s αTd s + 1
En forma compacta, (7.100) se puede escribir, como
u(s) = Cr1 (s)r(s) −Cy1 (s)y(s), (7.101)
donde
1
Cr1 (s) = Kp 1 + , (7.102)
Ti s
es la parte del algoritmo de control que se aplica al valor deseado, denominado el
compensador o controlador de valor deseado, y

1 Td s
Cy1 (s) = Kp 1 + + , (7.103)
Ti s αTd s + 1
es la parte del algoritmo de control que se aplica a la señal realimentada, denominado
el compensador o controlador de realimentación.
Debe indicarse aquí, que la factorización del algoritmo de control, hecha en
(7.101), se hace solo para efectuar el análisis del comportamiento del sistema de
control y no para su implementación real en el controlador.
Como se observa en las ecuaciones anteriores, los parámetros del compensador
de valor deseado, son los mismos que los del compensador de realimentación.
En este caso, la señal realimentada en función de los estímulos que recibe el
sistema de control, está dada por
Cr1 (s)P(s) P(s)
y(s) = r(s) + d(s), (7.104)
1 +Cy1 (s)P(s) 1 +Cy1 (s)P(s)
y(s) = Myr1 (s)r(s) + Myd1 (s)d(s). (7.105)
Si se escogen los parámetros del compensador de realimentación Cy1 (Kp , Ti , Td )

para logar un determinado comportamiento deseado del control regulador −mediante
la especificación de Myd1 −, los parámetros del compensador de valor deseado Cr1
(Kc , Ti ) están ya fijos y por lo tanto, el comportamiento del servo control Myr1 no se
puede modificar. Por esta razón este es un algoritmo de control PID de un grado de
libertad (1GdL).
Algoritmo de control PID de dos grados de libertad

Considérese ahora, que el esfuerzo de control del controlador PID Estándar, está dado
por la ecuación
1 t

dY (t)
Z
U(t) = Acción Kp β R(t) −Y (t) + [R(ξ ) −Y (ξ )]dξ − Td +Ub ,
Ti 0 dt
(7.106)
en la cual se ha adicionado el parámetro β , que multiplica al valor deseado en el
modo proporcional.
Ahora, el esfuerzo de control para pequeñas variaciones de las variables en su
rango lineal, es

1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] − y(s) , (7.107)
Ti s αTd s + 1
que factorizado, resulta ser

1 1 Td s
u(s) = Kp β + r(s) − Kp 1 + + y(s), (7.108)
Ti s Ti s αTd s + 1
En forma compacta, (7.108) se puede escribir para el análisis, como
u(s) = Cr2 (s)r(s) −Cy2 (s)y(s), (7.109)
donde
1
Cr2 (s) = Kp β + , (7.110)
Ti s
es el nuevo compensador o controlador de valor deseado y

1 Td s
Cy2 (s) = Kp 1 + + , (7.111)
Ti s αTd s + 1
es el compensador o controlador de realimentación.

Es importante notar que Cy2 (s) = Cy1 (s), esto es, que la incorporación del pará-
metro β solo afecta a la parte del algoritmo de control que se aplica al valor deseado.
Como se observa en las ecuaciones anteriores, aunque algunos de los parámetros
del compensador de valor deseado son los mismos que los del compensador de re-
alimentación, este incluye el parámetro adicional β denominado factor de peso del
valor deseado.
Ahora, la ecuación de salida de lazo cerrado está dada, por
Cr2 (s)P(s) P(s)
y(s) = r(s) + d(s), (7.112)
1 +Cy2 (s)P(s) 1 +Cy2 (s)P(s)
que se puede rescribir, como
y(s) = Myr2 (s)r(s) + Myd2 (s)d(s). (7.113)
Si se escogen los parámetros del compensador de realimentación Cy2 (Kp , Ti ,

Td ) para logar un determinado comportamiento deseado del regulador −mediante la
especificación de Myd2 −, los parámetros Kp y Ti del compensador de valor deseado
Cr2 están fijos, quedando sin embargo libre el parámetro β , el cual se puede utilizar
para modificar la respuesta del servo control Myr2 .
El factor de peso del valor deseado, es restringido por algunos fabricantes de con-
troladores PID comerciales, a tomar valores solo en el ámbito 0 ≤ β ≤ 1,0, aunque
se ha demostrado la conveniencia de no hacerlo (Alfaro et al., 2009).
Por permitir este algoritmo de control, seleccionar los parámetros Kp , Ti y Td para
lograr el comportamiento deseado ante un cambio en la perturbación y luego utilizar
el factor de peso del valor deseado β , para mejorar el comportamiento del sistema
de control ante un cambio en el valor deseado, es que se les denomina algoritmos de
control PID de dos grados de libertad (2GdL).
El controlador (7.108) es de dos grados de libertad, no porque la relación entre
u(s) y r(s), Cr2 (s), sea diferente a la relación entre u(s) y y(s), Cy2 (s), sino porque
Cr2 (s) contiene un parámetro que no está en Cy2 (s).
Por su parte, en el controlador (7.100) si bien Cr1 (s) 6= Cy1 (s), este es de solo un
grado de libertad, ya que Cr1 (s) no incluye ningún parámetro que no esté en Cy1 (s).
La ecuación general del algoritmo de control PID Estándar de dos grados de
libertad, es

1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] + [γr(s) − y(s)] ,
Ti s αTd s + 1
(7.114)
donde β es el factor de peso proporcional del valor deseado y γ el factor de peso
derivativo del valor deseado, el cual se puede considerar como un selector del modo
Figura 7.42: Controlador con un algoritmo de control PID Estándar de 2GdL
derivativo, ya que usualmente solo puede tomar el valor 0 o el 1. Como se ha indicado

en el análisis del modo derivativo hecho anteriormente, normalmente es conveniente
que γ = 0.
En la figura 7.42 se muestra el diagrama de bloques de un controlador con este
algoritmo de control (PID Estándar de 2GdL).
La contribución del modo proporcional, en la señal de salida del controlador de
dos grados de libertad
uP (s) = Kp {β r(s) − y(s)} , (7.115)
se puede escribir, como
uP (s) = Kp {β r(s) − β y(s) − y(s) + β y(s)} , (7.116)

= Kp {β [r(s) − y(s)] − (1 − β )y(s)} , (7.117)
= Kp {β e(s) − (1 − β )y(s)} . (7.118)
Por lo tanto, se puede decir que en un controlador de 2GdL, el modo proporcional se

aplica a una combinación lineal del error y la señal realimentada. El factor de peso
0 ≤ β ≤ 1, permite dar una mayor ponderación ya sea al error (β → 1), o a la señal
realimentada (β → 0).
Algo similar se puede considerar para el modo derivativo, si el factor de peso
derivativo del valor deseado es ajustable, 0 ≤ γ ≤ 1.
En forma compacta, los controladores con un algoritmo de control de dos grados
de libertad, se representarán mediante el diagrama de bloques mostrado en la figura
7.43.
Figura 7.43: Controlador PID Es-

tándar de 2GdL
Figura 7.44: Sistema de control realimentado de 2GdL
Los grados de libertad de un sistema de control, permitidos por la estructura del

controlador, se definen entonces como el número de funciones de transferencia de la-
zo cerrado (“objetivos”), que se pueden “ajustar” en forma independiente (Horowitz,
1963).
Se han establecido dos características deseables del algoritmo de control: 1. que
este sea de dos grados de libertad, para permitir diseñar el sistema de control con base
en las especificaciones del control regulador, y luego poder modificar la respuesta del
servo control, en lo que sea posible; y 2. que el modo derivativo se aplique solo a la
señal realimentada.
Ahora, el sistema de control realimentado con un controlador que utiliza un al-
goritmo de control de dos grados de libertad, se muestra en la figura 7.44.
7.10 Estructuras equivalentes del controlador PID

Estándar de dos grados de libertad
La ecuación del algoritmo de control proporcional, integral y derivativo estándar de
dos grados de libertad (7.107), se puede obtener utilizando diferentes estructuras del
controlador.
7.10. Estructuras equivalentes del controlador PID Estándar de 2GdL 299
Figura 7.45: PID de 2GdL - estructura 1
7.10.1 Estructura 1: PID de 2GdL básico (PID2 )

En la figura 7.45 se muestra el diagrama de bloques del controlador con el algoritmo
de control PID Estándar de dos grados de libertad, que ya se ha presentado.
Su salida está dada por la expresión
u(s) = Cr (s)r(s) −Cy (s)y(s), (7.119)
donde

1 β Ti s + 1
Cr (s) = Kp β + = Kp , (7.120)
Ti s Ti s

1 Td s
Cy (s) = Kp 1 + + . (7.121)
Ti s αTd s + 1
Es importante tener en cuenta que en esta estructura, aunque (7.120) y (7.121)
parecen indicar que el modo integral se aplica por separado al valor deseado y a la
señal realimentada, y que luego estas dos integrales se restan para obtener la inte-
gral del error, esto no es así para la implementación real del controlador o para la
simulación de los sistemas de control. El modo de control integral, debe aplicarse
directamente a la señal de error.
A continuación se verán algunas estructuras alternativas equivalentes.
7.10.2 Estructura 2: Controlador PID de 1GdL (PID1 ) con filtro de

valor deseado
La señal de salida del controlador mostrado en figura 7.46, está dada por
u(s) = C(s)Fr (s)r(s) −C(s)y(s). (7.122)
Para que el controlador (7.122) sea equivalente al dado por (7.119), se debe hacer
C(s) = Cy (s), (7.123)

Fr (s) = C−1 (s)Cr (s). (7.124)
Figura 7.46: PID de 2GdL -

estructura 2
Figura 7.47: PID de 2GdL - estructura 3
Sustituyendo (7.120) y (7.121) en (7.123) y (7.124), se obtiene que

1 Td s
C(s) = Kp 1 + + , (7.125)
Ti s αTd s + 1
(αTd s + 1)(β Ti s + 1)
Fr (s) = . (7.126)
(1 + α)Td Ti s2 + (Ti + αTd )s + 1
Si los parámetros de C(s) se han seleccionado, los polos del filtro Fr (s) y uno de
sus ceros están ya fijos. El factor de peso del valor deseado β , permite “mover” el
cero restante del filtro, para modificar la respuesta del servo control. Entonces, Fr (s)
es un filtro de valor deseado con un cero ajustable.
7.10.3 Estructura 3: Controlador PID de 1GdL y controlador de

realimentación
Otra estructura alternativa es la mostrada en la figura 7.47. En esta, la salida del
controlador está dada, por
u(s) = C∗ (s)[r(s) − y(s)] −Cy∗ (s)y(s), (7.127)
C∗ (s) = Cr (s), (7.128)

Cy∗ (s) = Cy (s) −Cr (s). (7.129)
7.10. Estructuras equivalentes del controlador PID Estándar de 2GdL 301

estructura 4
Para hacer (7.127) equivalente a (7.119) se requiere que

∗ β Ti s + 1
C (s) = Kp , (7.130)
Ti s

[1 + α(1 − β )]Td s + 1 − β
Cy∗ (s) = Kp . (7.131)
αTd s + 1
7.10.4 Estructura 4: PID1 con filtro de valor deseado y controlador de

realimentación
Una estructura equivalente adicional, se muestra figura 7.48.
Ahora, la señal de salida del controlador es
u(s) = C0 (s) Fr0 (s)r(s) − y(s) −Cy0 (s)y(s).

(7.132)
con
C0 (s)Fr0 (s) = Cr (s), (7.133)

0
C (s) +Cy0 (s) = Cy (s). (7.134)
En este caso, para hacer (7.132) equivalente a (7.119) se tienen tres incógnitas y
solo dos ecuaciones. Entonces, seleccionando

0 Td s
Cy (s) = Kp , (7.135)
αTd s + 1
se obtienen las otras dos funciones de transferencia requeridas, como

0 Ti s + 1
C (s) = Kp , (7.136)
Ti s
β Ti s + 1
Fr0 (s) = . (7.137)
Ti s + 1

estructura 5
La estructura de la figura 7.48 y (7.135) a (7.137), muestran claramente las ca-

racterísticas del controlador con un algoritmo de control PID Estándar de dos grados
de libertad.
El valor deseado r(s) es filtrado por Fr0 (s), cuyas constantes de tiempo depen-
de del tiempo integral Ti y del factor de peso del valor deseado β . Este filtro tiene
ganancia unitaria.
El controlador C0 (s) es un PI, que procesa la diferencia entre el valor deseado
filtrado y la señal realimentada y(s). Como la ganancia del filtro de valor deseado es
unitaria, cuando t → ∞ su salida → r(t) y por lo tanto, la entrada al controlador PI
→ e(t).
Por su parte, el controlador Cy0 (s) corresponde al modo derivativo (D), que solo
se aplica a la señal realimentada y(t).
7.10.5 Estructura 5: PID1 y controlador anticipativo del valor deseado

En la figura 7.49 se presenta otra estructura alternativa. En esta se utiliza un contro-
lador anticipativo de valor deseado.
Para este caso, la señal de salida del controlador, es
u(s) = C f r (s)r(s) +C(s) [r(s) − y(s)] . (7.138)
Para que (7.138) sea equivalente a (7.119), se requiere que
C(s) = Cy (s), (7.139)

C f r (s) = Cr (s) −C(s). (7.140)
Por lo tanto, en esta estructura

1 Td s
C(s) = Kp 1 + + , (7.141)
Ti s αTd s + 1

Td s
C f r (s) = Kp β − 1 − . (7.142)
αTd s + 1
7.11. Equivalencias entre los algoritmos de control PID de 2GdL 303
7.11 Equivalencias entre los algoritmos de control

proporcional, integral y derivativo de dos grados de
libertad
Los algoritmos de control PID introducidos en la sección 7.5.6, se replantearán de
manera que sean de dos grados de libertad y además, que el modo derivativo se
aplique solo a la señal realimentada.
Por otra parte, debe considerarse que es posible que el algoritmo de control uti-
lizado en el controlador que se desea ajustar, no sea el mismo utilizado por el proce-
dimiento empleado para el cálculo de sus parámetros. Es necesario entonces, contar
con ecuaciones de “conversión” de los parámetros, de manera de tener algoritmos de
control equivalentes, esto es, que producen sistemas de control que se comportan de
la misma manera, ante los mismos cambios en los estímulos, variaciones en el valor
deseado y en la perturbación.
7.11.1 Algoritmos de control proporcional, integral y derivativo de dos

grados de libertad
Los algoritmos de control proporcional integral derivativo de dos grados de libertad,
más utilizados son:
• Algoritmo PID Estándar (PID2 )

1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] − y(s) ,
Ti s αTd s + 1
(7.143)
cuyos parámetros ajustables son θc = {Kp , Ti , Td , α, β , γ = 0}.
• Algoritmo PID Paralelo

Ki Kd s
u(s) = Kp [β p r(s) − y(s)] + [r(s) − y(s)] − y(s), (7.144)
s α p Kd s + 1
con parámetros ajustables θcp = {Kp , Ki , Kd , α p , β p , γ p = 0}.

• Algoritmo PID Serie (“Industrial”)

0 0 0 1 0

u(s) = Kp β r(s) − y (s) + r(s) − y (s) , (7.145)
Ti0 s
donde
Td0 s + 1

y0 (s) = y(s), (7.146)
α 0 Td0 s + 1
siendo sus parámetros θc0 = {Kp0 , Ti0 , Td0 , α 0 , β 0 , γ 0 = 0}.
• Algoritmo PID Ideal con filtro (PID2F )

1
u(s) = Kp∗ ∗
β r(s) − y f (s) + ∗
[r(s) − y f (s)] − Td s y f (s) , (7.147)
Ti∗ s
donde la señal realimentada filtrada, es

1
y f (s) = y(s), (7.148)
Tf s + 1
y sus parámetros ajustables son θc∗ = {Kp∗ , Ti∗ , Td∗ , T f , β ∗ , γ ∗ = 0}.
7.11.2 Parámetros equivalentes de los algoritmos de control

proporcional, integral y derivativo de dos grados de libertad
Las ecuaciones de conversión, para obtener controladores con algoritmos de control

PID equivalentes, son (Alfaro y Vilanova, 2012):
• De un PID Paralelo a un PID Estándar
Kp = Kp , (7.149)
Kp
Ti = , (7.150)
Ki
Kd
Td = , (7.151)
Kp
α = α p Kp , (7.152)
β = βp, (7.153)
γ = γ p = 0. (7.154)
• De un PID Serie a un PID Estándar
Kp = Fc0 Kp0 , (7.155)

Ti = Fc0 Ti0 , (7.156)
(1 − α 0 Fc0 )Td0
Td = , (7.157)
Fc0
Fc0 α 0 Ti0
α= , α0 < 1+ , (7.158)
1 − α 0 Fc0 Td0
β0
β= , (7.159)
Fc0
γ = γ 0 = 0, (7.160)
(1 − α 0 )Td0
Fc0 = 1 + . (7.161)
Ti0
• De un PID Ideal con filtro a un PID Estándar
Kp = Fc∗ Kp∗ , (7.162)

Ti = Fc∗ Ti∗ , (7.163)
Td∗
Td = − T f , Td∗ > Fc∗ T f , (7.164)
Fc∗
Fc∗ T f
α= , (7.165)
Td∗ − Fc∗ T f
β∗
β= , (7.166)
Fc∗
γ = γ ∗ = 0, (7.167)
Tf
Fc∗ = 1 − ∗ , Ti∗ > T f . (7.168)
Ti
• De un PID Estándar a un PID Serie
Kp0 = Fc Kp , (7.169)
Ti0 = Fc Ti , (7.170)
(1 + α)Td
Td0 = (7.171)
Fc
αF c
α0 = , (7.172)
1+α
β
β0 = , (7.173)
Fc
0
γ = γ = 0, (7.174)
Fc = f (Ti , Td , α). (7.175)
En este caso, se tiene que el factor de conversión (7.175), es

" s #
αTd (4 + 2α)Td α 2 Td2
Fc = 0,5 1 + + 1− + 2 . (7.176)
Ti Ti Ti
Por lo tanto, existe un algoritmo PID Serie equivalente a un PID Estándar, solo
si se cumple que
2
2 Td Td
α − (4 + 2α) + 1 > 0. (7.177)
Ti Ti
Para el caso particular de un algoritmo PID Estándar con α = 0,1, de (7.177) se

obtiene que existe entonces un PID Serie equivalente, solo si Ti > 4,20Td . Esto
difiere del requisito clásico que indica que existe un algoritmo de control PID
Estándar equivalente a uno Serie solo si Ti ≥ 4Td , ya que esta última relación
ha sido obtenida utilizando un modo derivativo ideal, con α = 0.
La desigualdad cuadrática (7.177), se puede aproximar por una línea recta dada
por la ecuación
Ti
> 4,05 + 1,80 α, (7.178)
Td
para 0 ≤ α ≤ 1,0.
• De un PID Estándar a un PID Ideal con filtro
Kp∗ = Fc f Kp ,
Ti∗ = Fc f Ti ,

∗ 1+α
Td = Td , (7.179)
Fc f
T f = αTd ,
β
β∗ = ,
Fc f
γ ∗ = 0,
αTd
Fc f = 1 + . (7.180)
Ti
Existencia o no de algoritmos de control PID de 2GdL equivalentes
Del análisis de las ecuaciones de conversión anteriores, se puede indicar que:
• Siempre existe un algoritmo de control PID Ideal con filtro de 2GdL, equi-
valente a un algoritmo PID Estándar de 2GdL y a un algoritmo PID Serie de
2GdL.
• Siempre existe un algoritmo PID Estándar de 2GdL, equivalente a un algoritmo

PID Serie de 2GdL.
• No siempre existe un algoritmo PID Estándar de 2GdL, equivalente a un algo-

ritmo PID Ideal con filtro de 2GdL.
• No siempre existe un algoritmo PID Serie de 2GdL, equivalente a un algoritmo

PID Estándar de 2GdL.
Debe tenerse en cuenta que las ecuaciones de conversión y las conclusiones an-
teriores, consideran que se ha seleccionado γ = 0 para todos los algoritmos y que
además, incluyen el filtro del modo derivativo (α 6= 0).
Por lo tanto, se puede considerar al algoritmo de control PID Ideal con filtro,
como el más general de todos los presentados hasta el momento, ya que puede repro-
ducir el comportamiento en un lazo de control con cualquiera de ellos, si se ajusta
con los parámetros equivalentes correspondientes.
7.12 Estructuras generales para los algoritmos de control

proporcionales, integrales y derivativos
Los controladores comerciales con un algoritmo de control proporcional, integral y
derivativo, no solo difieren en la forma de su implementación, con los modos de
control en paralelo o en serie, sino también si incorporan o no, otras características
como filtros.
Considerando las dos formas generales de interconectar los modos de control (en
paralelo o en serie), es posible establecer ecuaciones generales para representar al
control PID, a partir de las cuales de pueden derivar las vistas anteriormente. Estos
algoritmos de control se puede denominar como algoritmos de control PID generales
o algoritmos de control PID universales (Alfaro, 2002).
Las ecuaciones permiten representar los algoritmo de control PID mediante dos
estructuras básicas, con la selección adecuada de sus parámetros (Kp , Ti , Td ) y los
factores de peso de valor deseado (β , γ).
Las ecuaciones generales son:
• Modos de control en paralelo

1
u p (s) = Kpp [u pr (s) − u py (s)] ,
Tf s + 1

β 1 γTd p s
u pr (s) = + + r(s), (7.181)
Tr s + 1 Tip s αTd p s + 1

1 Td p s
u py (s) = 1 + + y(s).
Tip s αTd p s + 1
• Modos de control en serie

1
us (s) = Kps [usr (s) − usy (s)] ,
Tf s + 1

β 1 γTds s
usr (s) = + 1+ r(s), (7.182)
Tr s + 1 Tis s αTds s + 1

1 Tds s
usy (s) = 1 + 1+ y(s),
Tis s αTds p + 1
donde:
• Kpx - ganancia proporcional,
• Tix - constante de tiempo integral,

7.13. Algoritmos de control PID discretos 309
• Tdx - constante de tiempo derivativa,
• T f - constante de tiempo del filtro de salida,
• Tr - constante de tiempo del filtro de valor deseado,
• β - factor de peso del valor deseado,
• γ - selector de la acción derivativa,
• α - constante.
7.13 Algoritmos de control proporcional, integral y

derivativo discretos
Hasta este punto, se ha considerado que todas las variables del lazo de control son
continuas en el tiempo, esto es, existen en cualquier instante.
Además, se ha indicado que los controladores con algoritmos de control PID, han
evolucionado desde su primera realización con elementos mecánicos neumáticos,
hasta los actuales controladores de lazo electrónicos digitales.
Estos últimos, al igual que los incorporados (“programados”) en los controlado-
res lógicos programables (PLC) y en los sistemas de automatización digitales (DAS)
requieren, entre otros elementos, de un sistema de muestreo y un convertidor analó-
gico a digital (A/D) de la señal realimentada (entrada), y de un convertidor digital a
analógico (D/A) para producir la señal analógica de control (salida).
Por lo tanto, el algoritmo de control procesa variables cuyo valor se conoce sola-
mente, en determinados instantes de tiempo (tiempo discreto) (Bobál et al., 2005).
7.13.1 Algoritmo de posición (absoluto)

Para discretizar la ecuación general del control PID Estándar
1 t

de(t)
Z
u(t) = Kp e(t) + e(ξ )dξ + Td , (7.183)
Ti 0 dt
se supondrá que las variables son muestreadas a intervalos ∆t (periodo de muestreo)

fijos, por lo que se dispone de las variables en un conjunto de instantes discretos {tk }
y se emplearán diferencias finitas retrógradas para aproximar el término derivativo y
el integral.
El periodo de muestreo es entonces ∆t = tk − tk−1 y las diferentes variables en el
instante tk se denotarán simplemente como vk ≡ v(tk ).
El tiempo de muestreo típico de los controladores industriales, es de 100 ms (10

muestras por segundo).
La aproximación de la integral del error, será
Z tk k
e(ξ )dξ ≈ ∑ e j ∆t, (7.184)
0 j=1
y la de su derivada
de(t) ek − ek−1
|t=tk ≈ . (7.185)
dt ∆t
La salida del controlador en el instante k, está dada entonces por la ecuación
" #
∆t k Td
uk = Kp ek + ∑ e j + ∆t (ek − ek−1 ) ,
Ti j=1
(7.186)
o
uk = u p,k + ui,k + ud,k . (7.187)
Al algoritmo de control (7.186) se le llama algoritmo de control PID de posición
o absoluto. Cada periodo de muestreo, se calcula el valor “completo” de la señal de
salida del controlador.
Se puede incorporar al algoritmo PID discreto la prevención del desboque del
modo integral, verificando en cada instante k, si el valor de la salida uk está entre sus
valores extremos, umı́n ≤ uk ≤ umáx . Si no es así, la contribución del modo integral se
mantiene constante , ui,k = ui,k−1 , y se recalcula el valor de la salida uk .
Si en vez de utilizar una integración rectangular para la aproximación de la inte-
gral, se emplea una integración más exacta, como la integración trapezoidal, (7.184)
sería ahora
Z tk k
e j − e j−1
e(ξ )dξ ≈ ∑ ∆t, (7.188)
0 j=1 2
y la salida del controlador, sería

( " # )
∆t ek + e0 k−1 Td
uk = K p ek + + ∑ e j + (ek − ek−1 ) . (7.189)
Ti 2 j=1 ∆t
7.13.2 Algoritmo de velocidad (incremental)

Otra forma de obtener la salida del controlador, es utilizar el cambio en su salida
entre dos instantes seguidos
∆uk = uk − uk−1 , (7.190)
7.13. Algoritmos de control PID discretos 311
el cual está dado, por

∆t Td
∆uk = Kp ek − ek−1 + ek + (ek − 2ek−1 + ek−2 ) , (7.191)
Ti ∆t
y es conocido como algoritmo de control PID de velocidad o incremental. Cada
periodo de muestreo, solo se calcula el valor de la “variación” de la señal de salida
del controlador.
Utilizando (7.190) y (7.191), se puede obtener la salida del controlador, como

∆t Td
uk = uk−1 + Kp ek − ek−1 + ek + (ek − 2ek−1 + ek−2 ) , (7.192)
Ti ∆t
la cual se puede rescribir de la siguiente forma

∆t Td 2Td Td
uk = uk−1 + Kp 1 + + ek − 1 + ek−1 + ek−2 . (7.193)
Ti ∆t ∆t ∆t
7.13.3 Eliminación del salto derivativo e incorporación del factor de

peso del valor deseado
Se ha visto, que hay dos características que se desea tengan los algoritmos de control
proporcional, integral y derivativo.
Una, es que ante un cambio escalón en el valor deseado, no se presente un cambio
brusco (salto derivativo) a la salida del controlador. Para lograr esto, el modo deriva-
tivo debe aplicarse solo a la señal realimentada, en vez de directamente al error.
La otra característica deseada, es que este tenga dos grados de libertad. Esto
es, que permita, aunque sea en una forma limitada, mejorar el comportamiento del
sistema de control cuando se presente un cambio en el valor deseado, si el controlador
ya se ha ajustado considerando el comportamiento ante un cambio en la perturbación
y los requisitos de robustez para el lazo de control.
Para incorporar estas dos característica, la ecuación del controlador con un algo-
ritmo PID digital de posición (7.189), se modificará como
( " # )
∆t ek + e0 k−1 Td
uk = Kp β rk − yk + + ∑ e j − (yk − yk−1 ) , (7.194)
Ti 2 j=1 ∆t
y el del controlador con el algoritmo de control PID digital de velocidad (7.192),

como

∆t Td
uk = uk−1 + Kp β (rk − rk−1 ) − (yk − yk−1 ) + ek − (yk − 2yk−1 + yk−2 ) .
Ti ∆t
(7.195)
7.13.4 Inclusión del filtro derivativo

Como es usual, en las ecuaciones de los algoritmos de control PID digitales ante-
riores, se ha aproximado la derivada del error por una diferencia como se indica en
(7.187). Si el modo derivativo se aplica a la señal realimentada, su contribución en la
salida del controlador, es
Td
udk = − (yk − yk−1 ), (7.196)
∆t
como se muestra en (7.194).
Por lo tanto, el cambio ∆yk en la señal realimentada en un periodo de muestreo
∆T es amplificado Td /∆T veces.
Si por ejemplo, el periodo de muestreo ∆T = 0,5 s y el tiempo derivativo Td =
30 s, se tiene que Td /∆T = 60. Si el periodo de muestreo se reduce a ∆T = 0,1 s,
entonces Td /∆T = 300 -la amplificación del mismo cambio en la señal realimentada
sería cinco veces mayor-. La amplificación de los cambios en la señal realimentada
depende de la relación Td /∆T .
Aunque se espera que al reducir el periodo de muestreo, las diferencias entre los
valores muestreados de la señal realimentada en dos instantes consecutivos también
sean menores, es conveniente incluir un filtro como parte del algoritmo de PID dis-
creto, de manera que la contribución del modo derivativo en la salida del controlador,
sea
Td
udk = − (yk − yk−1 ), (7.197)
∆T + αTd
Ahora,
Td 1
→ . (7.198)
∆T + αTd ∆T →0 α
Si α = 0,1 la amplificación 1/α -“limite de la ganancia dinámica” (Corripio, 2001)-
sería a lo más 10 veces y además, independiente del periodo de muestreo y del tiempo
derivativo.
7.13.5 Diseño de los controladores PID digitales

El controlador digital recibe la información de la variable controlada, medida solo en
determinados instantes, separados entre si por un periodo de muestreo.
Este periodo de muestreo debe ser suficientemente corto, frecuencia alta, para
prevenir una mala identificación de los componentes de alta frecuencia en la señal.
Una recomendación usual, es que la frecuencia de muestreo sea de 5 a 10 veces el
ancho de banda del proceso (Goodwin et al., 2001).
Para evitar que los componentes de alta frecuencia de la señal, sean identificadas
como de baja frecuencia, se debe utilizar un filtro pasa bajo analógico (“anti-alias
filter”) antes de realizar el muestreo de la señal realimentada.
7.14. Algoritmo PID de 2GdL de los controladores comerciales 313
Los controladores digitales de uso industrial, normalmente emplean un periodo

de muestreo de entre 100 ms y 250 ms (toman de 4 a 10 muestras por segundo), el
cual usualmente es adecuado, dada la dinámica lenta de la mayoría de estos procesos.
Para el diseño del controlador, si este es implementado en forma discreta, me-
diante las ecuaciones mostradas en las sección 7.13.1 y la sección 7.13.2, usualmen-
te se utilizan procedimientos desarrollados para los algoritmos de control en tiempo
continuo, empleando modelos en tiempo continuo (y normalmente lineales) del pro-
ceso, identificados a partir de los datos muestreados.
Para tomar en cuenta el retraso adicionado por el muestreo de la variable contro-
lada, este se puede considerar dentro del modelo del proceso controlado, adicionando
al tiempo muerto medio periodo de muestreo, de manera que el tiempo muerto del
modelo utilizado para el ajuste de los parámetros del algoritmo de control digital, es
1
Ld = L + ∆t. (7.199)
2
Debe tenerse en cuenta sin embargo, que cuando se utiliza un método de lazo
cerrado para identificar los parámetros críticos (Kpu , Tu ) del proceso, el efecto del
muestreo está considerado en forma implícita, en la determinación de estos paráme-
tros.
7.14 Algoritmo de control PID de dos grados de libertad

de los controladores comerciales
Como se ha visto, la historia de los controladores con un algoritmo de control de
la familia PID, es larga. Así también lo es, la lista de fabricantes que comerciali-
zan controladores, con alguna variante del algoritmo de control PID de un grado de
libertad.
Aunque, como se ha indicado, la definición de los grados de libertad de un sis-
tema de control y las ventajas de los de dos grados de libertad sobre los de solo uno,
fueron descritas por Horowitz (1963), a esto no se le prestó mucha atención por unos
20 años. No es hasta Araki (1984b), que se tratan de aprovechar las características
que proporcionan los sistemas de control de dos grados de libertad, utilizando un
algoritmo de control proporcional, integral y derivativo. Varias estructuras de con-
troladores PID de 2GdL, son propuestos en Araki (1984a,b, 1985), las cuales fueron
adoptadas posteriormente por los fabricantes.
En los EE.UU. se han patentado algoritmos de control PI y PID de dos grados
de libertad desde hace casi 30 años (Hiroi, 1988, 1993), incluso antes en Japón.
Sin embargo, la lista de fabricantes de controladores con un algoritmo proporcional,
integral y derivativo de dos grados de libertad, es muy corta.
Aunque las ventajas del algoritmo de control de dos grados de libertad sobre el
de solo uno son evidentes, esto no se ha traducido -por el momento- en una oferta
mayor de este tipo de controladores.
Implementaciones del algoritmo de control proporcional, integral y derivativo de
dos grados de libertad, se encuentran comercialmente en los siguientes controlado-
res de lazo, software de control, controladores lógicos programables y sistemas de
control distribuido (Alfaro y Vilanova, 2016):
• ABB Control Technologies - PID01 Function (PID01A), disponible en el ABB

Extended Automation System 800xA (ABB Automation Technology Products,
2004; ABB Control Technologies, 2012a,b,c).
• Emerson Process Managment - DeltaV PID Function Block. El parámetro

STRUCTURE del bloque, permite seleccionar el algoritmo de control como
de uno o de dos grados de libertad (Beall, na; Emerson Process Management,
2011), (Fisher-Rosemount Systems, Inc., 2006).
• Mitsubishi Electric - S.2PID Instruction, disponible en la PLC MELSEC-Q

Series (Mitsubishi Electric Corporation, Industrial Automation, 2002).
• National Instruments - LabView PID Advanced VI (LabView PID Advanced

Autotuning VI) (National Instruments Corporation, 2014).
• OMRON - Basic PID Block Model <011>, utilizado en sus controladores ló-
gicos programables (OMRON Corporation, 2005).
• REX Controls - PIDU Function Block (PIDAT, PIDGS, PIDMA, PIDUI), dis-
ponible en el REX Control System (REX Controls s.r.o., 2015).
• Siemens AG - PID Compact Function. Disponible en los productos SIMATIC

S7 (S7-1200) (Siemens AG, 2009, 2011a,b, 2012).
• Toshiba Corporation - PID_P Function, utilizado en la Unified Controller nv

series y la Integrated Controller V series (Toshiba Corporation, 2014b). El mis-
mo algoritmo de control de dos grados de libertad, es empleado en los contro-
ladores de lazo LC531 y LC532 (Toshiba Corporation, 2014a).
Las ecuaciones y otras características de estos controladores, están descritas en

los manuales de los fabricantes citados y, en forma resumida, en Alfaro y Vilanova
(2016).
A pesar de las diferencias en la nomenclatura empleada por los fabricantes, se
puede observar que la mayoría de ellos implementa en forma directa, o con alguna
variante, el algoritmo de control PID Estándar de 2GdL. Por lo tanto, se considerará
7.15. Valores admisibles para los parámetros del algoritmo de control PI(D) 315
a este, como el algoritmo “estándar” de los controladores PID comerciales de dos

grados de libertad.
Además, usualmente este se puede complementar con filtros de entrada del valor
deseado y de la señal realimentada.
Aunque algunos de los fabricantes, no imponen restricciones a los valores que
pueden tomar los factores de peso del valor deseado, hay otros que los restringen al
rango de variación de 0 a 1.
El limitar el factor de peso del valor deseado proporcional, a que sea menor o
igual a uno, puede llegar a restringir el comportamiento que se puede logar ante un
cambio en el valor deseado, cuando el lazo de control se ha diseñado con una robustez
alta (Alfaro et al., 2009).
7.15 Valores admisibles para los parámetros del algoritmo

de control PI(D)
Para efecto del análisis y ajuste del algoritmo de control proporcional, integral y deri-
vativo de los controladores, se considerará que sus parámetros pueden tomar valores
en los siguientes rangos:
• Ganancia proporcional, 0 < Kp ≤ Kpmáx .
• Constante de tiempo integral, 0 < Ti ≤ Timáx s. Para efectos prácticos, se con-
siderará que Timáx → ∞.
Algunos fabricantes permiten introducir el valor 0 (cero) en el valor del pa-
rámetro del modo integral. Esto no significa que el tiempo integral Ti = 0 s,
implica solamente que el modo integral se desactiva.
• Constante de tiempo derivativo, 0 ≤ Td ≤ Tdmáx s.
El modo derivativo se desactiva utilizando Td = 0 s.
• Factor de peso proporcional del valor deseado, 0 ≤ β ≤ βmáx .
Algunos fabricantes limitan el valor máximo del factor de peso proporcional
del valor deseado, a ser 0 ≤ β ≤ 1,0.
• Factor de peso derivativo del valor deseado, 0 ≤ γ ≤ 1. Usualmente γ ∈ {0, 1}.
• Constante del filtro derivativo, αmı́n ≤ α ≤ αmáx . Para los controladores “idea-
les” (no realizables) α = 0.
En los controladores en que la constante del filtro derivativo no es selecciona-
ble, normalmente 0,05 ≤ α ≤ 0,20 dependiendo del fabricante. Si esta es fija
y no se conoce, se puede suponer que α = 0,10.
• Constante de tiempo del filtro de la señal realimentada, 0 ≤ T f ≤ T f máx s.
Por lo tanto, todos los parámetros de los algoritmos de control, serán siempre
positivos o cero (donde este valor sea admisible). Sus valores extremos dependerán
de cada fabricante.
Considerando lo anterior, cuando como parte de algún análisis se indique, por
ejemplo, que “... el sistema de control es estable para cualquier valor de K p ...”, se
sobrentenderá que esto es para cualquier valor positivo de la ganancia proporcional
Kp del controlador.
7.16 Identificación de la estructura del algoritmo de

control PID del controlador
En el caso que se tengan que ajustar los parámetros del algoritmo de control de un
controlador PID electrónico, del Manual del usuario proporcionado por el fabricante,
o de la rutina para su configuración y ajuste, usualmente se pueden determinar sus
características principales.
Por ejemplo, si el ajuste del modo proporcional se efectúa en términos de ganan-
cia o de banda proporcional en porcentaje, si el del modo integral es en unidades de
tiempo (tiempo integral) o en repeticiones por unidad de tiempo (razón de restableci-
miento), y si las unidades de tiempo para el ajuste del modo integral y del derivativo,
son minutos o segundos.
Con frecuencia, es posible seleccionar si el modo derivativo del algoritmo de
control se aplica directamente al error o si solo a la señal realimentada. Si el contro-
lador no permite hacer esta selección y no se indica sobre cual de estas dos señales
se aplica el modo derivativo, es necesario determinarlo analizando la señal de salida
del controlador, a un cambio escalón en el valor deseado. Si el modo derivativo se
aplica solo a la señal realimentada, la salida del controlador sería como la de un con-
trolador PI, pero si este se aplica al error, aparecería el salto derivativo tal como se
muestra en la figura 7.50 (Kp = 0,5, Ti = 1,0 min, Td = 1,0 min), donde en el caso
del controlador PIDY el modo derivativo se aplica solo a la señal realimentada y en
el del controlador PIDE , este se aplica al error.
Además, también se puede encontrar que en muchas de las ocasiones en que el
algoritmo de control no se puede seleccionar, el fabricante tampoco indica cuál es
este. Por lo tanto, es indispensable realizar una prueba para determinarlo, de manera
de poder ajustar correctamente sus parámetros.
Como los dos algoritmos de control PID más utilizados por los fabricantes, son
el PID Estándar y el PID Serie, solo se determinarán las características de las señales
de salida de estos dos, para identificarlos.
7.16. Identificación de la estructura del algoritmo de control PID 317
Figura 7.50: Señal de salida

de un controlador PID a un 80 Y(t)PIDY
Y(t)PIDE
cambio escalón en el valor R(t)
Variables [%]
deseado 75
70
65
60
55
50
45
0.0 0.2 0.4 0.6 0.8 1.0
Tiempo, t [min]
Se partirá de que se ha obtenido, la curva de respuesta del controlador PID a

un cambio escalón en la señal realimentada de magnitud ∆y (con el valor deseado
constante), mostrada en la figura 7.51.
Características de la señal de salida de un controlador PID Estándar

Si el algoritmo de control es proporcional, integral y derivativo estándar, los indica-
dores de su señal de salida, señalados en la figura 7.51, son

1
∆u0 = −Kp 1 + ∆y (7.200)
α
y
∆ux = −Kp ∆y. (7.201)
Características de la señal de salida de un controlador PID Serie

En el caso del algoritmo de control proporcional, integral y derivativo serie, estos
indicadores son
0 0 1
∆u0 = −Kp ∆y (7.202)
α0
Figura 7.51: Señal de salida

de un controlador PID a un
cambio escalón en la señal
realimentada
y
(1 − α 0 )Td0

∆u0x = −Kp0 1 + ∆y. (7.203)
Ti0
Por lo tanto, estos dos valores permiten identificar si el algoritmo de control PID
del controlador, es estándar o serie.
Para el caso frecuente en que α = α 0 = 0,1, se tiene:
• Controlador PID Estándar
∆u0 = −11Kp ∆y, ∆ux = −Kp ∆y. (7.204)
• Controlador PID Serie

T0

∆u00 = −10Kp0 ∆y, ∆u0x = −Kp0 1 + 0,9 d0 ∆y. (7.205)
Ti
Aunque los cambios ∆uo de los dos algoritmos de control solo difieren en un
10 %, los cambios ∆u0x correspondientes si pueden ser muy diferentes, dependiendo
de la razón del tiempo derivativo al tiempo integral del algoritmo de control tipo
serie.
7.16. Identificación de la estructura del algoritmo de control PID 319

Señal de salida del contro-
lador PID1
Ejemplo 7.7 Identificación del algoritmo PID de un controlador
Se tiene que identificar el algoritmo de control PID de dos controladores.

Ambos son ajustados con los siguientes parámetros: ganancia = 2, tiempo inte-
gral = 0,5 minutos y tiempo derivativo = 1 minuto. Se supone que α = 0,10, a menos
que la información disponible de los controladores, indique otra cosa.
Para la prueba, en ambos casos se produce un cambio en la señal realimentada
∆y = −2 %.
Con estos parámetros y el cambio producido en la señal realimentada, las ca-
racterísticas de la señal de salida del controlador serían: ∆u0 = 44 % y ∆ux = 4 % si
su algoritmo de control fuera un PID Estándar, y ∆u0 = 40 % y ∆ux = 11,2 % si este
fuera un PID Serie
La señal de salida del controlador PID1 se muestra en la figura 7.52 y la del
controlador PID2 en la figura 7.53.
Verificando en estas curvas de respuesta, las características mostradas por los
dos controladores, se tiene ∆u01 ≈ 44 % y ∆ux1 ≈ 4 % para el PID1 y ∆u02 ≈ 39,6 %
y ∆ux2 ≈ 11,27 % para el PID2 . Por lo tanto, se puede concluir que el algoritmo de
control del PID1 es uno Estándar y que el del PID2 uno Serie.

Señal de salida del contro-
lador PID2
7.17 Funciones de sensibilidad con controladores de dos

grados de libertad
En la sección 6.5 del Capítulo 6, se determinaron las funciones de sensibilidad del
sistema de control, para el caso particular en que todos los modos del algoritmo de
control del controlador, procesaran directamente la señal de error.
Si el algoritmo de control del controlador es de dos grados de libertad, o si su mo-
do derivativo se aplica solo a la señal realimentada, a partir del diagrama de bloques
de la figura 7.44, se tiene que las funciones de sensibilidad, son ahora:
• Función de sensibilidad
1 + [Cy (s) −Cr (s)]P(s) e(s)
S2 (s) = = = Mer2 (s). (7.206)
1 +Cy (s)P(s) r(s)
• Función de sensibilidad complementaria (servo control)

Cr (s)P(s) y(s)
T2 (s) = = = Myr2 (s). (7.207)
1 +Cy (s)P(s) r(s)
• Función de sensibilidad a la perturbación (control regulador)

P(s) y(s)
Sd2 (s) = = = Myd2 (s). (7.208)
1 +Cy (s)P(s) d(s)
7.17. Funciones de sensibilidad con controladores de 2GdL 321
• Función de sensibilidad del control

Cr (s) u(s)
Su2 (s) = = = Mur2 (s). (7.209)
1 +Cy (s)P(s) r(s)
• Sensibilidad del control a la perturbación
−Cy (s)P(s) u(s)
− T2 (s) = = = Mud2 (s). (7.210)
1 +Cy (s)P(s) d(s)
• Sensibilidad del error a la perturbación
−P(s) e(s)
− Sd2 (s) = = = Med2 (s). (7.211)
1 +Cy (s)P(s) d(s)
Las funciones anteriores se pueden escribir en forma compacta, como
   
y(s) Cr (s)P(s)/p2 (s) P(s)/p2 (s)
r(s)
u(s) =  Cr (s)/p2 (s) −Cy (s)P(s)/p2 (s) ,
d(s)
e(s) [1 + (Cy (s) −Cr (s))P(s)]/p2 (s) −P(s)/p2 (s)
(7.212)
donde
p2 (s) = 1 +Cy (s)P(s). (7.213)
En este caso, solo las siguientes funciones de sensibilidad están relacionadas al-
gebraicamente entre si
S2 (s) + T2 (s) = 1, (7.214)
T2 (s)
Sd2 (s) = , (7.215)
Cr (s)
T2 (s)
Su2 (s) = . (7.216)
P(s)
Con un controlador de dos grados de libertad, si dada el modelo P(s) del proceso
controlado, se seleccionan los parámetros del controlador de realimentación Cy (s),
para lograr una función de sensibilidad de perturbación Sd2 (s) determinada −con ba-
se en las especificaciones para el comportamiento del control regulador−, la función
de sensibilidad complementaria T2 (s) −comportamiento del servo control−, no está
completamente definida. Se pueden utilizar los parámetros aún no seleccionados del
controlador de valor deseado Cr (s), para modificar el comportamiento del sistema de
control ante un cambio en el valor deseado.
El análisis del comportamiento de un sistema de control ante un cambio en los
estímulos, r(s) y d(s), no debe restringirse a la evolución de la variable controlada
y(s), debe considerar las demás variables, u(s) y e(s). Esto es, deben analizarse todas
las funciones de transferencia en (7.212).
7.18 Algoritmo, estructura e implementación del control

Con base en lo desarrollado anteriormente, se debe distinguir entre tres aspectos re-
lacionados con el control PID: su algoritmo, las estructuras utilizadas para su análisis
y su implementación.
7.18.1 Algoritmo de control

El algoritmo de control, también llamada ley de control, se refiere a la función que
genera la señal o esfuerzo de control U, con base en la señal realimentada Y (variable
controlada) y el valor deseado R para esta.
En el dominio del tiempo, esta se puede expresar en forma general, como
U(t) = Ct (θc ; R(t),Y (t),t). (7.217)
Tomando en cuenta sus características y disponibilidad real, se considerará desea-

ble utilizar un algoritmo de control proporcional, integral y derivativo estándar de dos
grados de libertad, dado por la expresión
1 t
Z
U(t) = Acción Kp β R(t) −Y (t) + [R(ξ ) −Y (ξ )]dξ
Ti 0

d [γR(t) −Y (t)]
+Td +Ub , 0 ≤ U(t) ≤ 100 %. (7.218)
dt
Para variaciones de las señales en su rango lineal, el esfuerzo de control en el

dominio de la variable compleja s
u(s) = Cs (θc ; r(s), y(s), s), (7.219)
es entonces

1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] + [γr(s) − y(s)] ,
Ti s αTd s + 1
(7.220)
con parámetros θc = {Kp > 0, Ti > 0, Td ≥ 0, α > 0, β ≥ 0, 0 ≤ γ ≤ 1}.
7.18.2 Estructuras del control

Se ha visto en la sección 7.10, que el algoritmo de control PID Estándar de 2GdL
puede representarse mediante diferentes estructuras de control. Esto es, utilizando
7.18. Algoritmo, estructura e implementación del control PID 323
distintos arreglos de bloques de funciones de transferencia, los bloques del controla-

dor.
En el caso de los controladores PID de dos grados de libertad, la estructura básica
(“estructura 1”)
u(s) = Cr (θcr , s)r(s) −Cy (θcy , s)y(s), (7.221)
indica claramente que los parámetros θcr del controlador de valor deseado Cr , no son
exactamente los mismos que los parámetros θcy del controlador de realimentación
Cy .
Considerando el algoritmo de control (7.220), se tiene que el conjunto de paráme-
tros θcr = {Kp , Ti , Td , α, β , γ} y que el conjunto θcy = {Kp , Ti , Td , α}. Los parámetros
β y γ solo afectan la respuesta a un cambio en el valor deseado.
Además, en el caso en que, como es preferido, la acción derivativa se aplique
solo a la señal realimentada, seleccionando γ = 0, el conjunto de parámetros del
controlador de valor deseado, se reduce a θcr = {Kp , Ti , β }.
S
Los parámetros del controlador, son entonces θc = θcr θcy .
Si bien la estructura 1, es la forma usual de segregar las acciones del controlador
PID para el diseño de los lazos de control, por ejemplo, mediante una deducción
matemática directa, es más bien la estructura 4 de la figura 7.48, la que permite
apreciar las características del algoritmo de control PID de dos grados de libertad,
para el caso con γ = 0.
Utilizando (7.135) a (7.137) en (7.132), el cálculo del esfuerzo de control se
puede escribir, como

Ti s + 1 β Ti s + 1 Td s
u(s) = Kp r(s) − y(s) − Kp y(s). (7.222)
Ti s Ti s + | αTd s + 1
Se nota que: 1. el valor deseado es filtrado; 2. la diferencia entre el valor desea-

do filtrado y la señal realimentada es procesada por un controlador proporcional e
integral; y 3. se aplica el modo derivativo solo a la señal realimentada.
7.18.3 Implementación del control

Por otra parte, la implementación del control PID corresponde al conjunto de ecua-
ciones, bloques causales o funciones de transferencia que, definidos (o interconecta-
dos entre si) de determinada manera, permiten obtener el esfuerzo de control para su
aplicación, por ejemplo en las simulaciones digitales.
Las características y capacidades de los ambientes de simulación de sistemas
dinámicos o diseño de sistemas de control computadorizados disponibles, son muy
variadas, y la implementación del algoritmo de control del controlador se puede rea-
lizar entonces utilizando diferentes técnicas.
50% 100%
-50% 0%
Figura 7.54: Implementación del algoritmo de control PID de 2GdL
Implementación utilizando un diagrama de interconexión de bloques
Una forma usual de implementar el algoritmo de control, es hacerlo en un ambiente

gráfico mediante la interconexión de bloques funcionales.
En este caso, se considerará que una implementación de un algoritmo de con-
trol que estabiliza un proceso controlado es buena, si las funciones de transferencia
(bloques) del controlador son propias y si las funciones de sensibilidad de la sec-
ción 7.17 y todas las posibles funciones de transferencia de lazo cerrado adicionales
resultantes, son propias y estables (Kwok y Davison, 2007).
Por lo tanto, para un algoritmo de control que estabiliza un determinado proceso
controlado, pudiera suceder que algunas de sus implementaciones, se considere que
no son buenas según la definición anterior.
Por ejemplo, en la figura 7.42 se muestra el diagrama de bloques que frecuen-
temente se utiliza para realizar la implementación del algoritmo de control PID de
dos grados de libertad. Sin embargo, tendría que considerarse que esta implemen-
tación “no es buena”, ya que posee un bloque inestable, el integrador. La salida de
este bloque crecerá (o decrecerá) indefinidamente, ante la presencia de un error que
persiste y no cambia de signo. Por lo tanto, este esquema debe complementarse con
bloques adicionales, para prevenir que esto suceda −con un sistema de prevención
del desboque del modo integral−.
Una alternativa, es realizar la implementación del controlador PID, tal como se
muestra en la figura 7.54, en la cual se utiliza un modo integral con “reajuste auto-
mático”. En esta implementación, las funciones de transferencia de todos los bloques
utilizados son propias y estables.
7.18. Algoritmo, estructura e implementación del control PID 325
Implementación utilizando funciones de transferencia

Otra forma usual, es utilizando un ambiente de diseño de sistemas de control asistido
por computadora, en el cual esté definido como un tipo elemental la función “función
de transferencia”, tf(num,den). En este caso, cada uno de los controladores esta-
rán representados por su función de transferencia expresada como la razón de dos
polinomios.
Por ejemplo, el controlador PI (7.31)

Ti s + 1
CPI (s) = Kp , (7.223)
Ti s
o el controlador PID Estándar (7.40)
(1 + α)Ti Td s2 + (Ti + αTd )s + 1

CPIDestandar (s) = Kp , (7.224)
αTi Td s2 + Ti s
se pueden representar fácilmente de esta manera.
Debe tenerse en cuenta, que deben utilizarse funciones de transferencia propias
para representar el controlador. Por lo tanto, no se pueden emplear las versiones
“ideales” (modo derivativo ideal), de las funciones de transferencia de los controla-
dores PID.
Implementación utilizando ecuaciones algebraico diferenciales

La ecuación de salida del controlador PID Estándar de dos grados de libertad (con la
derivada aplicada solo a la señal realimentada)
1 t

dy(t)
Z
u(t) = Kp β r(t) − y(t) + e(ξ )dξ − Td , (7.225)
Ti 0 dt
se puede expresar como un conjunto de ecuaciones algebraico diferenciales lineales
implícitas, dado por
duxi (t)
Ti = r(t) − y(t), (7.226)
dt
dy(t)
u(t) = Kp β r(t) − y(t) + uxi (t) − Td , (7.227)
dt
y estas ser empleadas dentro del modelo dinámico a resolver, en un entorno de si-
mulación con base en un lenguaje de modelado con base en ecuaciones, tal como
Modelica20 .
20 A los interesados en el lenguaje Modelica, se les recomienda el libro: Alfaro, V. M. - “Sistemas di-
námicos heterogéneos: Modelado, simulación y optimización con Modelica”, el cual se puede descargar
de la dirección web https://pidplanet.wordpress.com/modelica/.
Implementación utilizando ecuaciones de estado

Si el sistema de control se expresa como un conjunto de ecuaciones diferenciales
y algebraicas explicitas, su solución numérica (simulación), se puede realizar utili-
zando alguno del los algoritmos de integración numérica del tipo “Runge-Kutta” o
“predictor y corrector” disponibles.
En este caso, el proceso controlado está expresado como el conjunto de ecuacio-
nes
dx p (t)
= f p (θ p ; x p (t), u(t), d(t),t), (7.228)
dt
y(t) = g p (θ p ; x p (t),t). (7.229)
y el controlador, como
dxc (t)
= fc (θc ; xc (t), r(t), y(t),t), (7.230)
dt
u(t) = gc (θc ; xc (t), r(t), y(t),t). (7.231)
Ahora, por ejemplo el algoritmo de control PI de 1GdL se representa mediante

su ecuación de estado y su ecuación de salida, como
e(t) = r(t) − y(t), (7.232)

dx(t) 1
= e(t), (7.233)
dt Ti
u(t) = Kp [e(t) + x(t)], (7.234)
el PID ideal de 1GdL con filtro

1 1
u(s) = Kp 1 + + Td s e(s), (7.235)
Ti s Tf s + 1
por el conjunto de ecuaciones diferenciales y algebraicas
e(t) = r(t) − y(t), (7.236)

dxc1 (t)
= xc2 (t), (7.237)
dt
dxc2 (t) 1
= − xc2 (t) + e(t), (7.238)
dt Tf

Kp 1 Td
u(t) = xc1 (t) + 1 − xc2 (t) + Td e(t) , (7.239)
T f Ti Tf
7.19. Resumen 327
y PID Serie de 1GdL (7.49), como
e(t) = r(t) − y(t), (7.240)

0 (t)
dxc1 1 0
xc2 (t) + Kp0 Td0 e(t) ,

= 0 0 (7.241)
dt αTd Ti
0
dxc2 (t)

1 0 0 1
=− x (t) + Kp 1 − e(t), (7.242)
dt αTd0 c2 α
0 1 0 Kp0
u(t) = xc1 (t) + x (t) + e(t). (7.243)
αTd0 c2 α
Queda pendiente todavía, la selección correcta de los parámetros del algoritmo
de control, los cuales dependerán de las características dinámicas del modelo del pro-
ceso controlado, de manera que todas las posibles funciones de transferencia de lazo
cerrado que se puedan establecer, sean estables. De obtenerse esto, se tendrá entonces
un algoritmo de control estabilizador para el proceso controlado considerado.
7.19 Resumen
El algoritmo de control proporcional, integral y derivativo (PID) es, sin la menor
duda, el de mayor uso para la solución de los problemas de control en la industria.
Sin embargo, los controladores con un algoritmo de control PID no son todos iguales.
Aunque los fabricantes utilizan nombres muy diversos para referirse a la estruc-
tura de sus controladores, se puede decir que existen dos formas de combinar sus
modos de control: en paralelo y en serie.
Es importante tener cuidado al estudiar la información provista por los fabrican-
tes debido a la diversidad de términos, algunos contradictorios entre si, que utilizan
para referirse a las características o estructuras de los algoritmos de control imple-
mentados en sus controladores. Los hay que incluso se refieren a su algoritmo de
control PID Estándar como PID “ISA”, aunque la ISA21 no promociona ningún al-
goritmo de control PID en particular (Wade, 2004).
Es por lo tanto importante, conocer la forma en que está realizado el algoritmo
de control del controlador que se va ha utilizar, de manera de poder establecer cuales
deben ser los parámetros para su ajuste. Si esta difiere de la estructura del contro-
lador utilizado en el estudio y diseño del sistema de control, se deben encontrar los
parámetros equivalentes requeridos mediante las ecuaciones de conversión.
Cuando se trabaja con controladores de solo un grado de libertad, debe seleccio-
narse cual es la función principal del lazo de control, servo control o control regula-
dor, para su ajuste.
21 The International Society of Automation.
Por su parte, los controladores de dos grados de libertad, ofrecen la posibilidad

de seleccionar los parámetros del algoritmo de control del controlador, para lograr el
comportamiento deseado del control regulador, junto con los requisitos de robustez,
permitiendo además, mejorar el desempeño del servo control con el factor de peso
del valor deseado.
7.20 Bibliografía
ABB Automation Technology Products (2004). Industrial IT 800xA - System, 800xA
for Advant Master, System Version 4.0, Graphic Library. Västeras, Sweden. Do-
cument number: 3BSE030430R4001.
ABB Control Technologies (2012a). Functional Description - PID01 Closed Loop

Controller. Västeras, Sweden. Document number. 3BTG811792-3032, Version
5.2-0.
ABB Control Technologies (2012b). Functional Description: PID01A - Closed Loop

Controller with Auto Tuner, Version 5.2-0 . Västeras, Sweden. Document number:
3BTG811792-3033.
ABB Control Technologies (2012c). Funtional Description, PP_ FunctionLib. Väs-

teras, Sweden. Document number: 3BTG811792-3011, Version 5.2-0.
Alfaro, V. M. (2002). Ecuaciones para controladores PID universales. Ingeniería,

12(1-2):11–20.
Alfaro, V. M. y Vilanova, R. (2012). Conversion Formulae and Performance Capa-

bilities of Two-Degree-of-Freedom PID Control Algorithms. En 17th IEEE In-
ternational Conference on Emerging Technologies and Factory Autmation (ETFA
2012). Setiembre 17-21, Krakóv, Polonia.
Alfaro, V. M. y Vilanova, R. (2016). Model-Reference Robust Tuning of

PID Controllers. Springer International Publishing AG, Gewerbestrasse 11,
6330 Cham, Switzerland. ISBN 978-3-319-28213-8.
Alfaro, V. M., Vilanova, R., y Arrieta, O. (2009). Considerations on Set-Point Weight

choice for 2-DoF PID Controllers. En IFAC International Symposium on Advanced
Control on Chemical Process (ADCHEM 2009). 12-15 July, Istambul, Turkey.
Araki, M. (1984a). On Two-Degree-of-Freedom PID Control System. Reporte técni-

co, SICE Research Committee on Modeling and Control Design of Real Systems.
Araki, M. (1984b). PID control system with reference feedforward (PID-FF con-
trol system). En Proc. 23rd SICE (Society of Instrument and Control Engineers)
Annual Conference, páginas 31–32.
Araki, M. (1985). Two-Degree-of-Freedom Control System - I. Systems and Control,

29:649–656.
Araki, M. (2002). PID Control. En Unbehauen, H., editor, Control Systems, Robotics,
and Automation, volumen II. Encyclopedia of Life Support Systems (UNESCO-
EOLSS).
Araki, M. y Taguchi, H. (2003). Two-Degree-of-Freedom PID Controllers. Interna-

tional Journal of Control, Automation, and Systems, 1(4):401–411.


Balbis, L., Katebi, R., y Ordys, A. (2006). Model predictive control design for in-
dustrial applications. En International Control Conference (ICC2006). Glasgow,
UK.
Beall, J. (n.a.). Interesting and Useful Features of the DeltaV PID Controller. Con-
ference, Emerson Process Management. Emerson Global Users Exchange.
Bennett, S. (1984). Nicolas Minorsky and the Automatic Sterring of Ships. IEEE
Control Systems Magazine, páginas 10–15. November.
Bennett, S. (1993a). Development of the PID Controller. IEEE Control Systems

Magazine, páginas 59–65. December.
Bennett, S. (1993b). A history of control engineering: 1930-1955. Peter Peregrinus,

Ltd., London, UK.
Bennett, S. (2000). The Past of PID Controllers. En IFAC Digital Control: Past,
Present, and Future of PID Control. Terrassa, Spain.
Bissell, C. C. (2009). A History of Automatic Control. En Norf, S. Y., editor, Sprin-

ger Handbook of Automation, páginas 53–69. Springer-Verlag Berlin Heidelberg.
Blinkley, G. J. (1990). Moderm control started with Ziegler-Nichols tuning. Control

Engineering, 37 (12). (entrevista a John G. Ziegler).
Bobál, V., Böhm, J., Fessl, J., y Machacek, J. (2005). Digital Self-Tuning Controllers.
Springer Verlag London Limited. London, UK.
Callender, A. (1934). Preliminary notes on automatic control. Reporte técnico, I.C.I.

(Alkali) Limited, Winnington, UK. 15 January.
Callender, A. y Stevenson, A. B. (1939). Automatic control of variable physi-

cal characteristics. (Presentada: 17.feb.1936. Otorgada: 10.oct.1939). US Patent
2,175,985, United States Patent and Trademark Office.
Corripio, A. B. (2001). Tuning of Industrial Control Systems. ISA - The Instrumen-

tation, Systems, and Automation Society, Research Triangle Park, NC, USA., 2nd.
edición.
Desbourough, L. y Miller, R. (2002). Increasing customer value of industrial control

performance monitoring – Honeywell’s experience. En Sixth International Con-
ference on Chemical Process Control, volumen 98 of AIChE Symposium Series,
páginas 169–189. January 7-12, Tucson, Arizona, USA.
Emerson Process Management (2011). Key Features of the DeltaV PID Function
Block. DeltaV Whitepaper.
Fieldbus Foundation (2002). FOUNDATION™ fieldbus Application Guide - Fun-

ction Block Capabilities in Hybrid/Batch Applications. Manual AG-170, Rev. 1.1,
Fieldbus Foundation.
Fisher-Rosemount Systems, Inc. (2006). DeltaV Books Online. Version 9.3.
Goodwin, G. C., Graebe, S. F., y Salgaro, M. E. (2001). Control System Design.

Prentice Hall, Inc., Upper Saddle River, NJ, USA.
Hägglund, T. (2012). Signal Filtering in PID Control. En IFAC Conference on Ad-

vances in PID Control (PID’12). March 28-30, Brescia, Italy.
Hägglund, T. (2013). A unified discusion in signal filtering in PID control. Control

Engineering Practice, 21:994–1006.
Hiroi, K. (1988). Process Controller Having an Adjusment System with Two De-
gree of Freedom. (Presentada: 14.feb.1986. Otorgada: 5.jul.1988). US Patent
4,744,924, United States Patent and Trademark Office.
Hiroi, K. (1993). Two Degree of Freedom Controller. (Presentada: 12.abr.1991. Otor-

gada: 16.mar.1993). US Patent 5,195,028, United States Patent and Trademark
Office.
Horowitz, I. M. (1963). Synthesis of Feedback Systems. Academic Press. New York,

N.Y., USA.
Hougen, J. O. (1972). Measurements and Control Applications for Practicing Engi-

neers. Instrument Society of America, Pittsburgh, PA, USA.
Hunsaker, J. C. (1954). Elmer Ambrose Sperry, 1860 - 1930. Biographical memoir,

National Academy of Science, Washington, D.C., USA.
IEC (2002). Panel mounted equipment - Electrical measuring instruments - Dimen-

sions for panel mounting. Standard DIN IEC 61554:1999, International Electro-
technical Commission. Geneve, Switzerland.
IEC (2006). Function blocks (FB) for process control - Part 2: Specification of FB
concept and electronic device language (EDDL). Standard 61804-2, International
Electrotechnical Commission, Geneve, Switzerland.
ISA (2009). Instrumentation Symbols and Identification. Standard ANSI/ISA-5.1,

The International Society of Automation, Research Triangle Park, NC 27709,
USA.
Johnson, M. A. (2005). PID Control Technology. En Johnson, M. A. y Moradi,

M. H., editores, PID Control - New Identification and Design Methods, páginas
1–46. Springer-Verlag London Ltd., U.K.
Kwok, W. W. y Davison, D. E. (2007). Implementation of Stabilizing Control Laws

- How many controller blocks are needed for a universally good implementation?
IEEE Control Systems Magazine, páginas 55–60. February.
Minorsky, N. (1922). Directional stability of automatically steered bodies. Journal.

of the American Society of Naval Engineers, 34:280–309.
Mitsubishi Electric Corporation, Industrial Automation (2002). MELSEC System Q

- Programmable Logic Controllers, Programming Manual (Process Control Ins-
tructions, QnPH CPUs). Art. no. 149256, SH(NA)-080316, Version A.
Morris, H. M. (1990). Electronic PID controllers shrink while features grow. Control
Engineering, 37 (12):31–34.
National Instruments Corporation (2014). LabVIEW 2014 Help. 11500 North Mopac
Expressway, Austin, Texas, USA. Document No.371361L-01.

OMRON Corporation (2005). SYSMAC CS/CJ Series CS1W-LCB01/CS1W-LCB05

Loop Control Boards, CS1D-CPU P Process-control CPU Units, CJ1G-CPU P
Loop-control CPU Units - Function Blocks Reference Manual . Control Devices
Division H.Q., Shiokoji Horikawa, Shimogyo-ku, Kyoto, 600-8530, Japan. Cat.
No. W407-E1-06.
Peng, Y., Vrancic, D., y Hanus, R. (1996). Anti-Windup, Bumpless, and Conditio-
ning Transfer Techniques for PID Controllers. IEEE Control Systems, 16(4):48–
57.
REX Controls s.r.o. (2015). Function Blocks of the REX Control System: Reference
manual. Pilsen, Czech Republic. Version 2.10.6.
SAMA (1981). Functional Diagramming of Instrument and Control Systems. Stan-

dard PMC- 22.1, Scientific Apparatus Makers Association.
Siemens AG (2009). PID Control with Gain Scheduling and PID Tuning, SIMATIC
PCS 7 - Application Example. Nürnberg, Germany. 38755162.
Siemens AG (2011a). SIMATIC Process Control System PCS 7 - PCS 7 Advanced

Process Library V8.0, Function Manual. Nürnberg, Germany. A5E03709256-01.
Siemens AG (2011b). SIMATIC S7-1200 Easy Book. Nürnberg, Germany.

A5E02486774-02.
Siemens AG (2012). SIMATIC S7-1200 Programmable controller, System Manual.

Nürnberg, Germany. A5E02486680-06.
Strothman, J. (1995). M&C Technology History - More than a century of measu-

ring and controlling industrial processes. InTech, 42 (6):52–78. Special Issue:
Celebrating ISA’s 50th Anniversary.
Taguchi, H. y Araki, M. (2002). Survey of researches on Two-Degree-of-Freedom

PID controllers. En The 4th Asian Control Conference. September 25-27, Singa-
pore.
Taylor Instruments (1989). Controller revealed for ISA Journal Readers - Inside
story of Taylor Fulscope. InTech, 36(6). Reimpresión de anuncio publicado en
ISA Journal Vol. 1 (1), enero 1954, InTech Special Section - 35th Anniversary
issue 1954/1989 Celebrating 35 years of intrumentation and controls.
Toshiba Corporation (2014a). Unified Controller - Single-Loop Controller

LC531/LC532 - Instruction Manual. 72-34, Horikawa-cho, Saiwai-Ku, Kawasaki
212-8585, Japan, 4th edición.
Toshiba Corporation (2014b). Unified Controller nv series & Integrated Controller

V series - Programming Instructions (LD/FBD/SFC/ST). 72-34, Horikawa-Cho,
Saiwai-Ku, Kawasaki 212-8585, Japan, 6th edición.
Veronesi, M. (2002). Regolazione PID: fondamenti di teoria, algoritmi di taratua,

applicazioni di controllo. FancoAngeli, Milano, Italia.

Yu, C.-C. (2006). Autotuning of PID Controllers. Springer-Verlag London Ltd., 2nd
edición. London, UK.
8
Identificación del modelo del proceso

controlado
8.1 Introducción
8.2 Estructura de los modelos de interés
8.2.1 Procesos autorregulados (estables)
8.2.2 Procesos autorregulados (estables) con respuesta inversa
8.2.3 Procesos integrantes
8.2.4 Procesos inestables
8.3 Ajuste de los parámetros de los modelos autorregulados
8.3.1 Procedimientos de ajuste
8.3.2 Ajuste del modelo a partir de la curva de reacción
8.3.3 Ajuste del modelo a partir de la información crítica
8.3.4 Ajuste a partir de una prueba con un controlador P
8.4 Ajuste de los parámetros de los modelos con respuesta inversa
8.5 Ajuste de los parámetros de los modelos de los procesos integrantes
8.5.1 Ajuste con base en una prueba de lazo abierto
8.5.2 Ajuste utilizando un controlador P
8.5.3 Ajuste con base en la información crítica
8.6 Ajuste de los parámetros de los modelos de los procesos inestables
8.7 Ajuste de los modelos minimizando el error de predicción
8.8 Evaluación de los modelos autoregulados
8.8.1 Índice de error de predicción de la respuesta temporal
8.8.2 Índice de error de predicción de la información crítica
335
336 8 Identificación del modelo del proceso controlado
8.8.3 Error de predicción de la respuesta bajo control

8.9 Aproximaciones del tiempo muerto
8.9.1 Aproximaciones polinomiales
8.9.2 Aproximaciones de Padé
8.9.3 Otras aproximaciones
8.9.4 Características de las aproximaciones de Padé
8.10 Reducción del orden del modelo
8.10.1 Ajuste de modelos utilizando la regla de la mitad
8.10.2 Ajuste de modelos utilizando la regla de la mitad modificada
8.10.3 Aproximación modelos de segundo orden por de primero
8.11 Comparación de las respuestas de lazo abierto y lazo cerrado
8.12 Modelo nominal, medio y extremo
8.13 Resumen
8.14 Bibliografía
Para representar al proceso controlado o planta vista por el controlador -el conjunto
actuador, planta y sensor- en los estudios de control, o para el ajuste de los parámetros
del algoritmo de control del controlador, se requiere un modelo que provea informa-
ción de su comportamiento dinámico. Este debe ser simple, pero al mismo tiempo,
debe proveer información fidedigna del comportamiento del proceso, en el punto de
operación del sistema de control. Esta información usualmente incluye: la ganancia,
las constantes de tiempo y el tiempo muerto aparente del proceso controlado.
8.1 Introducción
Aunque pudiera ser posible obtener un modelo del proceso analíticamente, aplicando
las leyes de conservación y las relaciones constitutivas de los diferentes elementos
que lo componen como se mostró en el Capítulo 4, es más frecuente que la infor-
mación dinámica del proceso, se obtenga mediante pruebas experimentales, a partir
de la curva de reacción del proceso, de la ganancia crítica y el periodo de oscilación
del sistema de control en el límite de la estabilidad con un control proporcional, o
mediante la realimentación con un relé (Liu et al., 2013).
Estos modelos experimentales son del tipo caja negra. Esto es, establecen sola-
mente la relación entre la variable que se ha establecido como la “entrada” al proceso
y el comportamiento de la variable de interés o variable medida, la cual se ha esta-
blecido como su “salida”. El proceso está definido entonces como un sistema causal
lineal, que es representado por una función de transferencia. No se conocen la varia-
bles al interior del proceso.
En el contexto de la ingeniería de control, la identificación se define como la

construcción del modelo matemático de un sistema dinámico, a partir de observacio-
nes (mediciones) y el conocimiento previo del mismo (Norton, 1986).
Además del procedimiento de identificación utilizado y del tipo de modelo ob-
tenido, es de importancia para los estudios de control, que el modelo identificado
represente con fidelidad el comportamiento dinámico del proceso controlado. Para
verificar la bondad de un modelo, deben tomarse en cuenta dos aspectos: la técnica
utilizada para su identificación y el propósito para el cual se ha obtenido.
En los estudios de control, hay dos usos para los modelos del proceso contro-
lado. Uno es la utilización de sus parámetros en los métodos o reglas de ajuste de
los parámetros de los algoritmos de control de los controladores. El tipo de modelo
requerido en este caso, depende del procedimiento de ajuste seleccionado. Aunque el
modelo más utilizado para este propósito, es el de primer orden más tiempo muerto,
con frecuencia este no provee los mejores resultados.
El otro uso del modelo, es para representar al proceso controlado en los estudios
de control por simulación. En este caso, se requiere el modelo que mejor represente la
dinámica del proceso y no necesariamente tiene que ser el mismo que se ha empleado
para el ajuste de los parámetros del algoritmo de control.
Un buen modelo de orden reducido orientado a control, será entonces aquel que
permita diseñar un controlador con un algoritmo de control de la familia PID, con
base en un conjunto de especificaciones, cuyo comportamiento con el proceso con-
trolado real, sea similar al obtenido durante el proceso de diseño, cuando se utilizó el
modelo como proceso controlado.
El procedimiento para la puesta en servicio de un lazo de control, incluirá por lo
tanto varias etapas: la selección de la estructura del modelo del proceso controlado
y el ajuste de sus parámetros, el cálculo de los parámetros del algoritmo de control
incluido en el controlador, los estudios del comportamiento del lazo de control por
simulación, el ajuste del controlador y su puesta en servicio, las cuales se muestran
en el diagrama de flujo de la figura 8.1.
La identificación del modelo lineal y de orden reducido, a utilizarse en los estu-
dios de control, involucra dos etapas: 1. la selección de su estructura y 2. el ajuste de
sus parámetros a los datos experimentales conocidos. El modelo identificado será un
modelo paramétrico experimental.
Con base en el conocimiento previo del proceso y en el de su comportamiento
en la prueba experimental, se puede seleccionar la estructura del modelo -su tipo y
orden-, de entre los indicados más adelante en la sección 8.2. Por lo tanto, queda pen-
diente solo el ajuste de los parámetros del modelo seleccionado. Esto es, determinar
cuales deben ser estos parámetros, para lograr que el modelo represente, de la mejor
mejor manera posible según el criterio de evaluación seleccionado, el comportamien-
to dinámico del proceso controlado.
Figura 8.1: Etapas para el ajuste de los parámetros del algoritmo de control del con-
trolador
8.2 Estructura de los modelos de interés

La aplicación de un método de ajuste de los parámetros del algoritmo de control,
requiere que el proceso controlado se represente por medio de un modelo sencillo.
En el Capítulo 5, se analizó el comportamiento dinámico de los procesos sim-
ples, autoregulados −sobre y subamortiguados estables y con respuesta inversa− y
no autoregulados −integrantes e inestables−. Estos permiten representar una gama
muy amplia de comportamientos dinámicos, encontrados en los procesos que pudiera
desearse controlar.
En particular, son de interés aquellos modelos que pueden ser utilizados en el
ajuste de los parámetros de los algoritmos de control PI(D), por lo que en particular
se considerarán los listados a continuación.
8.2.1 Procesos autorregulados (estables)

Los modelos de orden reducido utilizados para representar procesos estables, inclu-
yen:
Modelo estable de primer orden (epo)
dy(t)
T + y(t) = Ku(t). (8.1)
dt
y(s) K
= P(θ p , s) = , θ p = {K, T }. (8.2)
u(s) Ts+1
8.2. Estructura de los modelos de interés 339
Modelo estable de segundo orden (eso)

d2 y(t) dy(t)
T1 T2 2
+ (T1 + T2 ) + y(t) = Ku(t). (8.3)
dt dt
K K
P(θ p , s) = = , (8.4)
(T1 s + 1)(T2 s + 1) (T s + 1)(aT s + 1)
T1 ≥ T2 , T = T1 , a = T2 /T1 , θ p = {K, T, a}.
Modelo estable de primer orden más tiempo muerto (epomtm)

y(t) = 0, para 0 ≤ t < L, (8.5)

dy(t)
T + y(t) = Ku(t − L), para t ≥ L. (8.6)
dt
Ke−Ls
P(θ p , s) = , θ p = {K, T, L}. (8.7)
Ts+1
Modelo estable de polo doble más tiempo muerto (epdmtm)

y(t) = 0, para 0 ≤ t < L. (8.8)

d2 y(t) dy(t)
T2 + 2T + y(t) = Ku(t − L), para t ≥ L. (8.9)
dt 2 dt
Ke−Ls
P(θ p , s) = , θ p = {K, T, L}. (8.10)
(T s + 1)2
Modelo sobreamortiguado estable de segundo orden más tiempo muerto

(esomtm)
y(t) = 0, para 0 ≤ t < L, (8.11)

d2 y(t) dy(t)
T1 T2 + (T1 + T2 ) + y(t) = Ku(t − L), para t ≥ L. (8.12)
dt 2 dt
Ke−Ls Ke−Ls
P(θ p , s) = = . (8.13)
(T1 s + 1)(T2 s + 1) (T s + 1)(aT s + 1)
T1 ≥ T2 , T = T1 , a = T2 /T1 , θ p = {K, T, a, L}.
En particular, el modelo (8.13) puede representar a cualquiera de los modelos

(8.2) a (8.10) para los procesos sobreamortiguados estables, si se considera que 0 ≤
a ≤ 1 y L ≥ 0.
Modelo subamortiguado estable de segundo orden más tiempo muerto

(ssomtm)
y(t) = 0, para 0 ≤ t < L, (8.14)

d2 y(t) dy(t)
+ 2ζ ωn + ωn2 y(t) = ωn2 Ku(t − L), para t ≥ L. (8.15)
dt 2 dt
ωn2 Ke−Ls
P(θ p , s) = , θ p = {K, ζ , ωn , L}. (8.16)
s2 + 2ζ ωn s + ωn2
8.2.2 Procesos autorregulados (estables) con respuesta inversa

Para los procesos que presentan una “respuesta inversa” esto es, que inicialmente la
repuesta evoluciona en la dirección contraria a la que lo hace finalmente, resultado
de la competencia de una dinámica rápida con ganancia baja, con una dinámica lenta
con ganancia alta, se utiliza un modelo con un cero de fase no mínima, un cero que
se encuentra en el semiplano derecho del plano complejo s.
8.2. Estructura de los modelos de interés 341
Modelo estable de segundo orden con respuesta inversa más tiempo muerto
(zsomtm)
y(t) = 0, para 0 ≤ t < L, (8.17)
d2 y(t)

dy(t) du(t − L)
T1 T2 + (T1 + T2 ) + y(t) = K u(t − L) − T3 , para t ≥ L.
dt 2 dt dt
(8.18)
K(−T3 s + 1)e−Ls K(−bT s + 1)e−Ls
P(θ p , s) = = , (8.19)
(T1 s + 1)(T2 s + 1) (T s + 1)(aT s + 1)
T1 ≥ T2 , T = T1 , a = T2 /T1 , b = T3 /T1 , θ p = {K, T, a, b, L}.

Los modelos de los procesos con una característica “integradora”, incluyen por lo
menos un polo en el origen del plano complejo s y son:
Modelo integrante de primer orden más tiempo muerto (ipomtm)

y(t) = 0, para 0 ≤ t < L, (8.20)
dy(t)
T = Kv u(t − L), para t ≥ L. (8.21)
dt
Kv e−Ls
P(θ p , s) = , θ p = {Kv , L}. (8.22)
s
Modelo integrante de segundo orden más tiempo muerto (isomtm)
y(t) = 0, para 0 ≤ t < L, (8.23)
d2 y(t) dy(t)
T + = Kv u(t − L), para t ≥ L. (8.24)
dt 2 dt
Kv e−Ls
P(θ p , s) = , θ p = {Kv , T, L}. (8.25)
s(T s + 1)
8.2.4 Procesos inestables

Los modelos de los procesos cuya respuesta a una entrada acotada no tiene límite,
incluyen un “polo inestable”, un polo en el semiplano derecho del plano complejo s
y son de la forma:
Modelo inestable de primer orden más tiempo muerto (upomtm)

y(t) = 0, para 0 ≤ t < L, (8.26)

dy(t)
T − y(t) = Ku u(t − L), para t ≥ L. (8.27)
dt
Ku e−Ls
P(θ p , s) = , θ p = {Ku , T, L}. (8.28)
Ts−1
En los modelos (8.2) a (8.28), {K, Kv , Ku } son las ganancias, {T, T1 , T2 , T3 } las
contantes de tiempo, L el tiempo muerto aparente, y {a, b} los parámetros adimen-
sionales (razones de constantes de tiempo) del modelo.
8.3 Ajuste de los parámetros de los modelos

autorregulados
Seleccionada la estructura del modelo, es necesario ajustar los parámetros del mismo,
con base en la información colectada del proceso, mediante una prueba experimental.
8.3.1 Procedimientos de ajuste

Como se indicó anteriormente, existen varios procedimientos para la determinación
experimental de los parámetros de los modelos de interés. El procedimiento utilizado
para su obtención, afecta la fidelidad con que el modelo representa el comportamiento
dinámico del proceso.
Entre los procedimientos utilizados para la identificación de los modelos se en-
cuentran:
1. Uso de la curva de reacción (prueba de lazo abierto).
2. A partir de la información crítica.

8.3. Ajuste de los parámetros de los modelos autorregulados 343
Figura 8.2: Prueba de lazo abierto
3. Mediante una prueba de lazo cerrado, utilizando un controlador con un algo-

ritmo de control P.
Los procedimientos de lazo abierto, excitan al proceso con una señal de entrada
−normalmente en forma de escalón− y observan la curva de respuesta. La respuesta
del proceso a una entrada tipo escalón, se denomina curva de reacción del proceso
(Alfaro, 2001a).
En estos casos, no se requiere que el controlador a ajustar se encuentre instalado.
Sin embargo, si lo está, se puede utilizar para producir el escalón a la entrada del
proceso (salida del controlador), operándolo en modo manual, como se muestra en la
figura 8.2.
Entre los procedimientos de este tipo, se encuentran los de Ho et al. (1995),
Jahanmiri y Fallahi (1997) y Nishikawa et al. (1984).
Los métodos de lazo cerrado pueden emplear un controlador con un algoritmo de
control proporcional, con una ganancia arbitraria operando en modo automático, para
obtener la curva de respuesta del sistema de control, a un cambio en el valor deseado.
De esta curva, se puede obtener información para la identificación del modelo, la
selección de su estructura y el ajuste de sus parámetros (Alfaro, 2001b).
Entre los métodos de este tipo se encuentran los de Chen (1989); Jutan y Rodrí-
guez (1984); Lee (1989); Lee y Sung (1993), y Yuwana y Seborg (1982).
Utilizando el control P, también se puede llevar el sistema al punto de oscilación
mantenida, para determinar los parámetros críticos o últimos del proceso. Esta in-
formación se puede obtener también empleando un relé como controlador (Åström y
Hägglund, 1984).
A continuación, se presentan las ecuaciones requeridas para el ajuste de los pa-
rámetros de los modelos, mediante cada uno de estos procedimientos.
8.3.2 Ajuste del modelo a partir de la curva de reacción
El proceso debe llevarse primero, al punto de operación donde se desea identificar su

comportamiento dinámico, dado por los valores de las variables {Y0 , U0 , D0 }.
Se supondrá en adelante, que las variables determinadas {u, y}, son variaciones
a partir del punto de operación establecido.
Con base en la información medida de la curva de reacción, los métodos de ajus-
te de los parámetros del modelo se denomina como métodos de la tangente, de la
tangente y un punto, de dos puntos, de tres puntos, o de las áreas características.
Obtenida la curva de reacción del proceso en el punto de operación deseado, la
cual es la respuesta a un cambio escalón en su entrada, es posible ajustar los mode-
los sobreamortiguados de interés descritos anteriormente utilizando uno, dos o tres
puntos sobre esta.
Dentro de las técnicas de ajuste de modelos del proceso controlado, a partir de la
información de la curva de reacción, se incluyen, entre otros, los métodos de Jahan-
miri y Fallahi (1997); Nishikawa et al. (1984); Smith (1972); y Ziegler y Nichols
(1942).
Si la curva de reacción del proceso muestra evidencia de que el proceso es de
primer orden, ya sea que tenga o no tiempo muerto, tal como se muestra en la figura
8.3, se pueden determinar directamente a partir de esta, los parámetros del modelo
(8.7).
Si el proceso es de segundo orden o mayor, con o sin tiempo muerto, este se
puede aproximar por alguno de los modelos (8.7), (8.10) y (8.13). Para ajustar los
modelos (8.7) y (8.10) se requieren dos puntos sobre la curva de reacción y para
ajustar el modelo (8.13) tres puntos.
La respuesta del modelo ym (t) deberá coincidir con la del proceso original y(t),
en los puntos utilizados para su ajuste, como se muestra en la figura 8.4 en el caso
particular de un modelo de primer orden más tiempo muerto (8.7), para cuyo ajuste
se utilizaron dos puntos sobre la curva de reacción (y1 ,t1 ) y (y2 ,t2 ).
Los puntos utilizados para el ajuste de los modelos, son seleccionados por el
autor del método de ajuste. En el caso de los métodos de dos puntos se tienen por
ejemplo: Alfaro (2001a) (25 % y 75 %), Bröida en Bouamama (1998) (28 % y 40 %),
Chen y Yang (2000) (33 % y 67 %), Ho et al. (1995) (35 % y 85 %), Smith (1972)
(28,3 % y 63,2 %), o Viterková et al. (2000) (33 % y 70 %).
En los métodos de tres puntos se emplean los tiempos correspondientes, por
ejemplo a: Alfaro (2006) (25 %, 50 % y 75 %), Jahanmiri y Fallahi (1997) (2 % o
5 %, 70 % y 90 %), o Stark en Mollenkamp (1984) (15 %, 45 % y 75 %).
Figura 8.3: Respuesta de un proceso de primer orden
Método de tres puntos 123c

Se describe a continuación la utilización del método de tres puntos 123c (Alfaro,
2006), el cual permite determinar los parámetros de cuatro modelos: uno de primer
orden, uno de segundo orden de polo doble y dos de segundo orden sobreamorti-
guados, todos con tiempo muerto, utilizando los tiempos requeridos para alcanzar el
25 % (t25 ), el 50 % (t50 ) y el 75 % (t75 ), del cambio en la respuesta del proceso a un
cambio escalón en la entrada.
Determinación de la ganancia
En la figura 8.5 se muestra la curva de reacción de un proceso típico. Si se considera
que la entrada al proceso es una señal escalón u(t) de amplitud ∆u, que su respuesta
es una señal y(t), y que el cambio total de la salida es ∆y, la ganancia estacionaria de
todos estos los modelos se obtiene, como
∆y
K= . (8.29)
∆u
Figura 8.4: Respuesta del proceso y del modelo epomtm
Modelos de primer orden más tiempo muerto

La respuesta del modelo de primer orden más tiempo muerto (8.7), a un cambio
escalón ∆u en la entrada, está dada por la expresión
(
0, 0 ≤ t < L,
y(t) = −(t−L)/T
(8.30)
K 1−e ∆u, t ≥ L.
De (8.30) se puede obtener que el tiempo requerido para alcanzar un valor de la

respuesta yx determinado, está dado por

1
tx = L − ln 1 − yx T. (8.31)
K∆u
Se considerará en adelante, que la respuesta del proceso se ha normalizado res-
pecto a su valor final ∆y = K∆u y se denotará a yx simplemente como x, donde x es
un valor entre 0 y 1, el cual representa el punto fraccional que se desea alcanzar en
la respuesta.
Figura 8.5: Puntos sobre la curva de reacción del proceso, utilizados en el método
123c
tx = L + f1 (x)T, (8.32)
donde
f1 (x) = − ln(1 − x). (8.33)
Para el modelo de primer orden más tiempo muerto, se deben ajustar dos pará-
metros de tiempo {L, T }, por lo que es necesario determinar los dos tiempos (t1 , t2 )
requeridos para alcanzar dos puntos (x1 , x2 ) sobre la curva de reacción, entonces
t1 = L − ln(1 − x1 )T = L + f1 (x1 )T, (8.34)

t2 = L − ln(1 − x2 )T = L + f1 (x2 )T. (8.35)
Resolviendo este sistema de ecuaciones para L y T , se obtiene

t2 − t1
T= , (8.36)
f1 (x2 ) − f1 (x1 )
L = t2 − f1 (x2 )T. (8.37)
Estas ecuaciones se pueden escribir, como
T = a1 (t2 − t1 ), (8.38)
L = b1t1 + (1 − b1 )t2 , (8.39)
donde
1
a1 = , (8.40)
f1 (x2 ) − f1 (x1 )
b1 = a1 f1 (x2 ). (8.41)
Las ecuaciones (8.29), (8.33) y (8.38) a (8.41) son las expresiones generales pa-
ra ajustar un modelo de primer orden más tiempo muerto, utilizando los tiempos
requeridos para que la respuesta alcance cualesquiera dos puntos sobre la curva de
reacción.
Utilizando (8.32) y (8.33), se puede encontrar que los tiempos requeridos para
que la respuesta alcance los siguientes porcentajes, múltiplos de 10 %, son
t10 = L + 0,1054T, (8.42)

t20 = L + 0,2231T, (8.43)
t30 = L + 0,3567T, (8.44)
t40 = L + 0,5108T, (8.45)
t50 = L + 0,6931T, (8.46)
t60 = L + 0,9163T, (8.47)
t70 = L + 1,2040T, (8.48)
t80 = L + 1,6094T, (8.49)
t90 = L + 2,3026T. (8.50)
Cualesquiera dos de estos tiempos, se pueden utilizar para el ajuste de los pará-
metros del modelo epomtm, aunque se recomienda que estos no sean muy cercanos
entre si y que no se encuentren tampoco, cerca de cualquiera de los tiempos extremos
(al inicio o al final de la curva de reacción del proceso).
Si se seleccionan los puntos correspondientes al 25 % y el 75 % del cambio total,
los tiempos requeridos para alcanzarlos, están dados por las expresiones
t25 = L + 0,2877T, (8.51)

t75 = L + 1,3863T, (8.52)
pudiéndose calcular entonces los parámetros del modelo de primer orden más tiempo
muerto, con las ecuaciones (Alfaro, 2001a)
∆y
K= , (8.53)
∆u
T = 0,9102(t75 − t25 ), (8.54)
L = 1,2620t25 − 0,2620t75 , (8.55)
donde t25 y t75 son los tiempos requeridos para que la respuesta alcance el 25 % y el
75 % del cambio total.
Modelo de segundo orden de polo doble

La respuesta del modelo de polo doble más tiempo muerto (8.10), a un cambio esca-
lón ∆u en la entrada, está dada por la ecuación
(
0, 0 ≤ t < L,
y(t) = t−L
−(t−L)/T (8.56)
K 1− 1+ T e ∆u, t ≥ L.
Definiendo el tiempo normalizado tn = (t − L)/T , se puede encontrar que la res-

puesta normalizada del modelo en dos instantes tn1 y tn2 está dada por las expresiones
x1 = 1 − (1 + tn1 )e−tn1 , (8.57)

−tn2
x2 = 1 − (1 + tn2 )e . (8.58)
Como no es posible una solución analítica de este sistema de ecuaciones, pa-

ra determinar tn1 y tn2 en función de x1 y x2 , y a partir de ellos obtener L y T , se
puede emplear una de estas ecuaciones, para determinar los tiempos requeridos para
alcanzar puntos en la curva de respuesta desde 0,02 hasta 0,98 (del 2 % al 98 %), y
determinar de estos, los valores de una función f2 (x) que permita calcular el tiempo
requerido tx para alcanzar el punto x en la curva de respuesta, como
tx = L + f2 (x)T. (8.59)
Los valores de la función f2 (x), se muestran en la figura 8.6.

Utilizando dos de estos tiempos, se pueden obtener los parámetros del modelo,
como
T = a2 (t2 − t1 ), (8.60)
L = b2t1 + (1 − b2 )t2 , (8.61)
Figura 8.6: Función f2 (x)

6
para (8.59)
f2 (x)
5
0
0.0 0.2 0.4 0.6 0.8 1.0
x
donde
1
a2 = , (8.62)
f2 (x2 ) − f2 (x1 )
b2 = a2 f2 (x2 ), (8.63)
0,3566 + 4,0587x − 2,6065x2
f2 (x) = . (8.64)
1,4103 − 0,4542x − 0,6532x2
0,10 ≤ x ≤ 0,90
Si alguno de los puntos utilizados no está en el ámbito 0, 10 ≤ x ≤ 0, 90, se puede

utilizar
0,0840 + 3,6888x − 0,4114x2 − 2,8474x3

f2 (x) = . (8.65)
0,6581 + 2,2713 − 4,4782x2 + 1,6201x3
0, 02 ≤ x ≤ 0, 98
Con (8.29) y (8.60) a (8.65), se puede ajustar un modelo de segundo orden de polo
doble, a partir de cualesquiera dos puntos sobre la curva de reacción del proceso.
En particular, en el caso del modelo de polo doble (8.10), los tiempos requeridos
para alcanzar el 25 % y el 75 % de la respuesta, son
t25 = L + 0,9613T, (8.66)

t75 = L + 2,6926T. (8.67)
Si se resuelve este conjunto de ecuaciones para L y T , los parámetros del modelo

de polo doble se obtienen entonces (Alfaro, 2006), con
∆y
K= , (8.68)
∆u
T = 0,5776(t75 − t25 ), (8.69)
L = 1,5552t25 − 0,5552t75 . (8.70)
Modelos de segundo orden sobreamortiguados

La respuesta del modelo de segundo orden sobreamortiguado más tiempo muerto
(8.13), a un cambio escalón en la entrada, está dada por la ecuación
(
0, 0≤t <L
y(t) = 1
−(t−L)/T a
−(t−L)/aT (8.71)
K 1 − 1−a e + 1−a e ∆u, t ≥ L.
En este caso se debe ajustar un parámetro más, que en los dos casos anteriores.
Para su ajuste se tienen dos procedimientos:
• Procedimiento simplificado
Se supondrá primero, que se ha obtenido ya un modelo de polo doble, con
parámetros K, T 0 y L0 .
Se tiene que la suma de todas las constantes de tiempo y el tiempo muerto, o
tiempo de residencia medio, está dado por
T∑ = L0 + 2T 0 , (8.72)
para el modelo de polo doble (8.10) y por
T∑ = L + (1 + a)T, (8.73)
para el modelo sobreamortiguado de segundo orden (8.13).

Si se toma entonces el tiempo muerto del modelo sobreamortiguado de segun-
do orden, igual al tiempo muerto del modelo de polo doble, L = L0 , de (8.72)
y (8.73) se obtiene, que
2T 0 = (1 + a)T. (8.74)
Resolver esta ecuación para T , requiere del conocimiento de un punto adicio-

nal sobre la curva de respuesta del proceso, el cual se tomará arbitrariamente
como x = 0, 5 (50 %).
El tiempo requerido para que la respuesta del sistema de segundo orden sobre-
amortiguado alcance el 50 % de su valor final, se puede estimar con la expre-
sión
t50 = L + (0,7181 + 0,9922a)T. (8.75)
Utilizando (8.74) y (8.75) se determina que a está dada, por
t50 − L0 − 1,4362T 0
a= . (8.76)
1,9844T 0 − t50 + L0
Entonces
2T 0
T= , (8.77)
1+a
y las constantes de tiempo del modelo de segundo orden sobreamortiguado,
serán
T1 = T, (8.78)
T2 = aT. (8.79)
El conjunto de ecuaciones resultantes para la identificación del modelo (Alfaro,

2006), es
∆y
K= , (8.80)
∆u
T 0 = 0,5776 (t75 − t25 ) , (8.81)
0
L = 1,5552t25 − 0,5552t75 , (8.82)
0
L=L, (8.83)
2T 0
T= , (8.84)
1+a
T1 = T, (8.85)
T2 = aT, (8.86)
t50 − L − 1,4362T 0
a= . (8.87)
1,9844T 0 − t50 + L
• Procedimiento general
En el procedimiento simplificado anterior, el tiempo muerto aparente del mo-
delo de segundo orden sobreamortiguado, se tomó igual al del modelo de polo
doble. Para deducir las ecuaciones necesarias para calcular también el tiempo
muerto aparente del nuevo modelo, se deben determinar los tiempos necesarios
para que la respuesta del modelo de segundo orden sobreamortiguado alcance

el 25 % (t25 ), el 50 % (t50 ) y el 75 % (t75 ) del cambio total, encontrándose que
están dados por las expresiones
t25 = L + (0,3555 + 0,6419a)T, (8.88)
t50 = L + (0,7181 + 0,9922a)T, (8.89)
t75 = L + (1,3421 + 1,3455a)T. (8.90)
A partir de estos tiempos, se deducen las siguientes ecuaciones para el ajuste

del modelo de segundo orden sobreamortiguado (Alfaro, 2006), dadas por
∆y
K= , (8.91)
∆u
t75 − t25
T= , (8.92)
0, 9866 + 0, 7036a
T1 = T, (8.93)
T2 = aT, (8.94)
L = t75 − (1,3421 + 1,3455a)T, (8.95)
−0,6240t25 + 0,9866t50 − 0,3626t75
a= . (8.96)
0,3533t25 − 0,7036t50 + 0,3503t75
Conociendo entonces, los tiempos requeridos para alcanzar el 25 %, el 50 % y el
75 % del cambio total en la respuesta del proceso a un cambio escalón en la entrada,
se pueden ajustar cuatro modelos diferentes: uno de primer orden más tiempo muerto,
uno de segundo orden de polo doble más tiempo muerto y dos de segundo orden
sobreamortiguados más tiempo muerto. Por utilizar los puntos correspondientes a
uno, dos y tres cuartos del cambio total en la respuesta, este método se denomina
método de identificación de tres puntos 123c.
Los puntos seleccionados en el método 123c, corresponden a un caso particular
del método de ajuste de los modelos en el cual se utilizan cualesquiera dos o tres
puntos sobre la curva de reacción presentado en Alfaro (2006) y en donde también se
describe el método de ajuste simétrico y el método de ajuste de los tiempos óptimos.
Es conveniente, que el ajuste del modelo no se haga con base en los datos de solo
una prueba experimental. Debe analizarse el comportamiento del sistema en varios
puntos de operación, dentro del rango de variación previsto para el funcionamien-
to del sistema de control, tanto a incrementos como a decrementos de la señal de
control, y posiblemente también, con diferentes amplitudes. Esto dará información,
sobre “cuan lineal” es el proceso.
Además, para validar el modelo, es necesario contar con los datos de otra prueba
experimental realizada en el mismo punto de operación, donde se obtuvieron los
datos utilizados anteriormente para el ajuste de los parámetros del modelo.
Ejemplo 8.1 Ajuste de los modelos con el método 123c
Considérese el proceso controlado, con la función de transferencia
1,25
Po (s) = , T o = 15 s.
(8s + 1)(4s + 1)(2s + 1)(s + 1) ∑
Si se aplica a la entrada del proceso un cambio escalón ∆u = 0,10, de su curva

de reacción se tiene: ∆y = 0,125, y t25 = 8,398 s, t50 = 12,954 s y t75 = 19,3581 s.
Utilizando el método de ajuste de tres puntos 123c, se obtienen los siguientes
modelos:
1,25e−5,53s
Pm1 (s) = , T∑ 1 = 15,51 s, St1 = 0,37561,
9,98s + 1
1,25e−2,31s
Pm2 (s) = , T∑ 2 = 14,97 s, St2 = 0,01039,
(6,33s + 1)2
1,25e−2,31s
Pm3 (s) = , T∑ 3 = 14,97 s, St3 = 0,00944,
(7,01s + 1)(5,65s + 1)
1,25e−2,22s
Pm4 (s) = , T∑ 4 = 14,98 s, St4 = 0,00704,
(7,01s + 1)(5,75s + 1)
donde los T∑ i son las sumas de las contantes de tiempo y el tiempo muerto de los
modelos (tiempo de residencia medio de los modelos), y los Sti los índices de error
de predicción de la respuesta temporal (véase la sección 8.8.1).
Bajo es índice de evaluación seleccionado, el modelo que mejor reproduce la
curva de reacción del proceso de cuarto orden Po es Pm4 .
Es importante notar, que la bondad de un modelo está relacionada en parte, con
que su tiempo de residencia medio, esto es con que T∑ mi ≈ T∑ o .
Modelos de segundo orden subamortiguados
Cuando la respuesta del proceso es subamortiguada, esto es, que presenta una osci-
lación amortiguada, este no puede ser representado adecuadamente por los modelos
que solo tienen polos reales, es necesario que incluyan polos complejos conjugados.
El modelo de segundo orden cuyos parámetros se deben ajustar, es de la forma
y(s) ωn2 Ke−Ls

= 2 . (8.97)
r(s) s + 2ζc ωn s + ωn2
Figura 8.7: Curva de reacción del proceso subamortiguado
Las ecuaciones para el ajuste de los parámetros de (8.97), son
∆y
K= , (8.98)
∆u
y p − yu
δ= , (8.99)
y − y0
su
ln2 (δ )
ζ= , (8.100)
π 2 + ln2 (δ )
T = 2(L − t p ), (8.101)
2π
ωn = p , (8.102)
T 1−ζ2
T
L = tp − . (8.103)
2
La información que debe obtenerse de la respuesta, se muestra en la figura 8.7.

8.3.3 Ajuste del modelo a partir de la información crítica

La información “crítica” o “última” del proceso controlado, ganancia Kpu y perio-
do de oscilación Tu , se puede determinar utilizando un controlador proporcional, o
mediante la realimentación con un relé.
Por definición, la ganancia crítica de un proceso, es la ganancia de un controlador
proporcional que hace que su sistema de control sea oscilatorio, y el periodo crítico,
es el periodo de esta oscilación.
La ganancia crítica o ganancia última de un proceso, es una indicación de cual
fácil es de controlar, es una medida de la controlabilidad del proceso. Por su parte,
el periodo crítico o periodo último de un proceso, es una medida de su velocidad de
respuesta. Entre mayor sea el periodo, menor es su velocidad (Corripio, 2001).
Determinación de la información crítica

• Método de oscilación mantenida
Supóngase que se tiene el sistema de control de un proceso estable, con un
controlador puramente proporcional -los modos integral y derivativo se deben
desactivar- (Ti → ∞, Td = 0) y que el sistema está operando en el punto de
operación deseado, con el controlador en “automático”, con una ganancia su-
ficientemente baja que garantice la estabilidad del lazo de control.
Perturbando el sistema con incrementos y decrementos alternados del valor
deseado, se inspeccionará el comportamiento del lazo de control. Si este es
estable, sobre o subamortiguado, se sigue incrementando la ganancia del con-
trolador hasta que se alcance el límite de la estabilidad del sistema o sea, hasta
lograr una oscilación mantenida −una oscilación de amplitud constante−.
El valor de la ganancia del controlador proporcional en el límite de la esta-
bilidad, es la ganancia última o crítica Kpu y el periodo de oscilación de la
respuesta el periodo último o crítico Tu , del proceso controlado.
• Método de realimentación con relé

La información crítica del proceso controlado, se puede obtener también en
forma experimental, utilizando un relé como controlador (Åström y Hägglund,
1984), como se muestra en la figura 8.8.
Una vez realizada la conmutación del controlador al relé, debe dejarse que el
sistema alcance la operación en estado estacionario, esto es, una oscilación
autogenerada estable de amplitud constante. Bajo el control del relé, el sistema
de control llegará a oscilar por si solo a su frecuencia crítica.
Figura 8.8: Sistema de control con un relé
El sistema de control con el relé oscilará en forma permanente, si se cumple

que
1 + N(a)P(jωu ) = 0, (8.104)
donde la función descriptiva N(a) de un relé de amplitud d, con una señal de

salida periódica de magnitud a, es (Åström y Hägglund, 1984)
4d
N(a) = . (8.105)
πa
Entonces, la función de transferencia del proceso controlado, a la frecuencia
de oscilación ωu , debe ser
1 πa
P(jωu ) = − =− . (8.106)
N(a) 4d
La parte imaginaria de P(jωu ) es cero, la frecuencia de oscilación ωu = 2π/Tu

(Tu es el periodo crítico) y la ganancia crítica 1/|P(jωu )| = 4d/πa.
Por lo tanto, si la amplitud del relé es d y a es la amplitud de la señal de salida
del sistema de control, como se muestra en la figura 8.9, la ganancia crítica se
puede estimar, como
4d 4d 0
Kpu = = 0, (8.107)
πa πa
y el periodo de oscilación de la señal, será el periodo de oscilación crítico
Tu = Tc . (8.108)
La expresión (8.107) para el cálculo de la ganancia crítica, se ha obtenido uti-

lizando solo el primer término de las series que representan el comportamiento
Figura 8.9: Señales del sistema de control con un relé
de las señales de salida del controlador y del proceso. Esta, por lo tanto, es una
aproximación.
La amplitud d del relé, determinará la amplitud a de la oscilación de la variable
controlada.
Si la señal realimentada tiene ruido, debe utilizarse un relé con histéresis, con
un diferencial mayor a la amplitud del ruido de la señal, para evitar la con-
mutación continua del relé. Por ejemplo, con una histéresis del doble que la
amplitud del ruido.
En este caso, la función descriptiva del relé con una histéresis ε, es
"r #
4d ε 2 ε
N(a) = 1− −j , (8.109)
πa a a
y su inversa
1 π p 2 πε
= a − ε2 + j . (8.110)
N(a) 4d 4d
Entonces, la ganancia crítica será
0 4d
Kpu = √ . (8.111)
π a2 − ε 2
Como la intersección entre la respuesta de frecuencia del modelo del proceso

controlado y la función descriptiva del relé con histéresis, no ocurre sobre el eje
real negativo de la gráfica polar, no se identificará correctamente la frecuencia
ω−π , aunque posiblemente esta esté relativamente cerca (Crowe y Johnson,
2005).
Se supondrá en adelante, que la información crítica del proceso controlado, se ha

obtenido utilizando alguno de estos dos procedimientos y se deducirán las ecuaciones
necesarias para ajustar los parámetros de los modelos de primer y segundo orden
(polo doble) más tiempo muerto, a partir de esta.
En el caso particular (ideal), en el que se conozca la función de transferencia
“exacta” del proceso controlado, la información crítica del sistema se puede obtener
también, utilizando varias de las herramientas de análisis de los sistemas de control
que se estudiarán más adelante, como el criterios de estabilidad de Routh-Hurwitz y
el de Liénard-Chipart, o el diagrama de Bode.
Tal como se han definido, la ganancia de un controlador proporcional que lleva
el sistema al límite de la estabilidad, es la ganancia crítica Kpu y el periodo de la
oscilación del sistema de control con esa ganancia, el periodo crítico Tu .
Además, si por ejemplo se ha obtenido el diagrama de Bode de la función de
transferencia de lazo abierto del sistema de control, con un controlador proporcional
con una ganancia arbitraria Kp = Kp0 y se determina el margen de ganancia Am y la
frecuencia de cruce de fase ω−π del sistema de control (definidos más adelante en la
sección 11.2 y la sección 11.3.1 del Capítulo 11), la ganancia crítica del proceso será
Kpu = Am Kp0 y el periodo crítico Tu = 2π/ω−π .
La ganancia de los modelos puede obtenerse mediante una prueba con el contro-
lador proporcional, con una ganancia arbitraria Kp que mantenga estable el sistema
de control. Si se produce un cambio escalón en el valor deseado de magnitud ∆r y
el cambio total en la variable controlada es ∆y, la ganancia del proceso controlado
(modelo) se puede obtener, como

1 ∆y
K= . (8.112)
Kp ∆r − ∆y
Modelo de primer orden más tiempo muerto

La ecuación característica del sistema de control, de un proceso de primer orden más
tiempo muerto con un controlador proporcional, es
Kp Ke−Ls
1+ = 0. (8.113)
Ts+1
En el límite de la estabilidad, Kp = Kpu , s = jω = jωu , se tiene entonces que
Kpu Kp e−jLωu
= −1, (8.114)
jT ωu + 1
de donde se obtienen las condiciones de magnitud y fase
Kpu K
p = 1, (8.115)
1 + (T ωu )2
− Lωu − tan−1 (T ωu ) = −π. (8.116)
Sustituyendo ωu = 2π/Tu y despejando los parámetros del modelo, se obtiene

que estos están dados, por

1 ∆y
K= , (8.117)
Kp ∆r − ∆y
Tu
q
T= (Kpu K)2 − 1, (8.118)
2π
Tu −1 2πT
L= π − tan . (8.119)
2π Tu
Suponiendo que el proceso controlado es epomtm {K, T, L}, se requieren apro-

ximadamente tres constantes de tiempo (3T ) para que su curva de reacción alcance
el 95 % de su valor final y se cuente con la información para ajustar los parámetros
T y L del modelo, aunque debe esperarse a que la respuesta se estabilice en su valor
final (por lo menos unas cinco constantes de tiempo) para poder determinar K.
Por su parte, en la prueba con un relé usualmente se requieren tres periodos (3Tu )
para que la respuesta sea una oscilación mantenida. Si τL = L/T < 0,28 se tiene que
Tu < T , por lo tanto, en esos casos la prueba del relé será más eficiente que la prueba
al escalón (curva de reacción), considerando el tiempo requerido para realizar cada
una de ellas (Yu, 2006), aunque se requiere una prueba adicional a la del relé para
ajustar K.
Modelo de polo doble más tiempo muerto
En el caso del sistema de control, de un proceso de segundo orden (polo doble) más
tiempo muerto con un controlador proporcional, la ecuación característica del sistema
de control, es
Kp Ke−Ls
1+ = 0. (8.120)
(T s + 1)2
Procediendo en forma análoga, a como se hizo en el punto anterior para el pro-

ceso de primer orden, se obtiene que en este caso los parámetros del modelo de polo
doble se pueden determinar con las siguientes relaciones

1 ∆y
K= , (8.121)
Kp ∆r − ∆y
Tu p
T= Kpu K − 1, (8.122)
2π
Tu −1 2πT
L= π − 2 tan . (8.123)
2π Tu
Modelo de primer orden a partir del de segundo, método 1D2u
Los modelos de primer orden más tiempo muerto ajustados a partir de la información
última, normalmente no reflejan adecuadamente la dinámica de los procesos de orden
alto. Por esta razón se sugiere que, para determinar los parámetros de un modelo de
primer orden más tiempo muerto, se emplee más bien el modelo de segundo orden
de polo doble ajustado a partir de la información última.
Si se obtiene entonces un modelo de segundo orden más tiempo muerto de polo
doble a partir de la información crítica, se pueden determinar los parámetros del
modelo de primer orden mediante el método 123c, en donde los tiempos t25 y t75
serían ahora, los tiempos requeridos para que la respuesta del modelo de segundo
orden más tiempo muerto a una entrada escalón, alcance el 25 % y el 75 % de su
cambio total.
Utilizando estos tiempos, se obtienen los parámetros del modelo de primer orden
en función de los del modelo de polo doble, como

1 ∆y
K= , (8.124)
Kp ∆r − ∆y
Tu p
T0 = Kpu K − 1, (8.125)
2π
0

0 Tu −1 2πT
L = π − 2 tan , (8.126)
2π Tu
T = 1,5758T 0 , (8.127)
0 0
L = L + 0,5077T . (8.128)
Esto garantizará que la respuesta del nuevo modelo de primer orden, coincida con
la del de polo doble al 25 % y 75 % del cambio total en la respuesta, como sucede
cuando los parámetros de los dos modelos se ajustan a partir de la curva de reacción
del proceso, con el método 123c.
En adelante, el procedimiento anterior para el ajuste de un modelo de primer
orden a partir de la respuesta del de segundo orden de polo doble, obtenido utilizando
la información crítica, se denominará 1D2u.
8.3.4 Ajuste del modelo a partir de una prueba con un controlador con
un algoritmo de control proporcional
Los métodos de identificación de control P, tienen como base la identificación del
modelo del proceso, a partir de la curva de respuesta del sistema de control a un
cambio escalón en el valor deseado, cuando este se controla con un controlador pu-
ramente proporcional.
Se da por supuesto que la ganancia Kp del controlador, es lo suficientemente alta
como para que la respuesta del sistema sea subamortiguada, pero no tanto como para
que el sistema de control sea inestable.
La respuesta del sistema de lazo cerrado, puede entonces ajustarse como la de un
sistema de segundo orden más tiempo muerto y a partir de este modelo ajustar uno
para el proceso controlado, ya sea de primer orden más tiempo muerto, o de segundo
orden más tiempo muerto.
En el lazo de control de un proceso controlado P(s), con un controlador puramen-
te proporcional C(s) = Kp , se tiene que la función de transferencia de lazo cerrado,
es
. y(s) Kp P(s)
Myr (s) = = . (8.129)
r(s) 1 + Kp P(s)
Supóngase que la ganancia del controlador Kp , se ha seleccionado de manera que
la respuesta a un cambio escalón en el valor deseado sea subamortiguada, y que el
cambio total en la respuesta, a un cambio ∆r en el valor deseado, es ∆y.
La ganancia del proceso se puede obtener a partir de la ganancia de lazo cerrado,

dada por
. ∆y Kp K
Kyr = = , (8.130)
∆r 1 + Kp K
de donde se obtiene que la ganancia del proceso controlado se puede calcular, como

1 ∆y
K= . (8.131)
Kp ∆r − ∆y
Si a partir de la respuesta subamortiguada, se puede ajustar un modelo de lazo

cerrado de segundo orden más tiempo muerto, dado por
y(s) ω 2 Kyr e−Ls

= 2 nc 2
, (8.132)
r(s) s + 2ζc ωnc s + ωnc
y se supone que el proceso controlado es de primer orden más tiempo muerto, se tiene
además, que la función de transferencia de lazo cerrado se puede expresar también,
como
y(s) Kp Ke−Ls
= . (8.133)
r(s) T s + 1 + Kp Ke−Ls
El tiempo muerto de la función de transferencia de lazo cerrado (8.133), será el

tiempo muerto del modelo del proceso controlado.
El problema puede resolverse igualando (8.132) y (8.133). Para esto, debe utili-
zarse una aproximación del tiempo muerto que aparece en el denominador de (8.133).
Existen diferentes procedimientos para el ajuste de los parámetros de los mode-
los, de los cuales, los más conocidos son el de Jutan y Rodríguez (1984), el de Lee
(1989) y el deYuwana y Seborg (1982), entre otros.
Respuesta de lazo cerrado subamortiguada
Utilizando un controlador proporcional con ganancia Kp , se obtiene la respuesta del

sistema a un cambio ∆r en el valor deseado, mostrada en la figura 8.10.
Se supondrá que la respuesta a lazo cerrado con el controlador proporcional es
de la forma general dada por (8.132).
En la figura 8.10 se indica la información requerida, para ajustar los parámetros
de la función de transferencia de lazo cerrado.
Figura 8.10: Respuesta de lazo cerrado, control P
Las ecuaciones a utilizar, son
∆y
Kyr = , (8.134)
∆r
y p − yu
δ= , (8.135)
yu − y0
s
ln2 (δ )
ζc = , (8.136)
π 2 + ln2 (δ )
2π
ωnc = p , (8.137)
Tc 1 − ζc2
Tc
L = tp − . (8.138)
2
Si el modelo del proceso se supone de primer orden más tiempo muerto, dado
por la función de transferencia
Ke−Ls
P(θ p , s) = , (8.139)
Ts+1
8.4. Ajuste de los parámetros de los modelos con respuesta inversa 365
su ganancia K se ajusta, con

1 ∆y
K= , (8.140)
Kp ∆r − ∆y
y empleando una aproximación de Pade de primer orden para el tiempo muerto (pre-
sentada más adelante en la sección 8.9.2), se obtiene que la constante de tiempo T
está dada, por
2ζc + 0,5Lωnc (2Kyr − 1)
T= . (8.141)
ωnc (1 − Kyr )
El tiempo muerto L del modelo (8.139), es el obtenido con (8.138).
Respuesta de lazo cerrado sobreamortiguada

Para el caso en que la respuesta del sistema de control con un controlador propor-
cional, no presente oscilación, se supondrá que este se puede representar por una
función de transferencia de lazo cerrado de primer orden más tiempo muerto, dada
por
Kyr e−Ls
Myr (s) = , (8.142)
Tc s + 1
cuyos parámetros {Kyr , Tc , L} se ajustan con alguna de las técnicas de dos puntos,
por ejemplo con el método 123c descrito en la sección 8.3.2.
En este caso, la ganancia K del modelo del proceso, se determina igual que antes,
empleando (8.140), el tiempo muerto L es el mismo del modelo de lazo cerrado
(8.142) y la constante de tiempo T se obtiene utilizando una serie de primer orden
como aproximación del tiempo muerto en (8.133), con la relación
T = (1 + Kp K)Tc + Kp KL. (8.143)
Ya sea que la respuesta del sistema de control con un controlador P sea sub o
sobreamortiguada, en ambos casos se ajustan los parámetros de un modelo de primer
orden más tiempo muerto (epomtm), para representar al proceso controlado.
8.4 Ajuste de los parámetros de modelos para los procesos

con respuesta inversa
La respuesta del modelo estable de segundo orden sobreamortiguado más tiempo
muerto con un cero de fase no mínima (8.19), a un cambio escalón en la entrada, está
dada por la ecuación
(
0, 0≤t <L
y(t) = 1−b
−(t−L)/T a−b
−(t−L)/aT (8.144)
K 1 − 1−a e + 1−a e ∆u, t ≥ L.
Figura 8.11: Curva de reacción, proceso con respuesta inversa
Para el ajuste de los parámetros de este modelo, se utilizará el procedimiento

descrito en Balaguer et al. (2011), a partir de la curva de reacción de la figura 8.11.
Las ecuaciones para el ajuste del modelo, son
∆y
K= , (8.145)
∆u
T = 0,60 (t90 − t47 ), (8.146)
1 + (y0 − y p )/∆y
b= − 1, (8.147)
e−(t p −L)/T
(t47 − L)/T − 0,7538 − 0,6262 b + 0,0696 b2
a= . (8.148)
0,9275 + 0,1794 b − 0,0161 b2
De la curva de reacción deben determinarse directamente: el tiempo muerto apa-

rente L, los tiempos al 47 %, t47 , y al 90 %, t90 , del cambio en la respuesta, el bajo
impulso y p y el tiempo al que este ocurre t p . Todos estos tiempos deben ser medidos
a partir del instante en que se aplica el escalón de entrada.
8.5. Ajuste de los parámetros de los modelos de los procesos integrantes 367
Figura 8.12: Curva de reacción, proceso integrante
8.5 Ajuste de los parámetros de los modelos de los

procesos integrantes
Se presentarán a continuación, varios procedimientos para el ajuste de los parámetros
de los modelos utilizados para representar los procesos que tengan una característica
integradora, como por ejemplo, la acumulación de masa o energía.
8.5.1 Ajuste con base en una prueba de lazo abierto

La curva de respuesta de un proceso integrante, a un cambio en la entrada de magni-
tud ∆u, se muestra en la figura 8.12.
La respuesta del modelo integrante de segundo orden (8.25), es
(
0, 0≤t <L
y(t) = −(t−L)/T
(8.149)
Kv t − L − T 1 − e ∆u, t ≥ L.
Si se dibuja una recta tangente a la curva de respuesta y(t → ∞), se determinan

directamente Kv , L0 = L + T y y(L + T ).
y(L + T ) = 0,3679Kv T ∆u. (8.150)
Entonces, la ganancia Kv del modelo se obtiene de la pendiente de la recta tangente

a la curva de respuesta y
2,718 y(L + T )
T= , (8.151)
Kv ∆u
L = L0 − T. (8.152)
Para el modelo integrante puro (8.22), se emplean Kv y L = L0 .
Ejemplo 8.2 Ajuste del modelo para un proceso integrante

Considérese el proceso integrante de tercer orden, dado por la función de transfe-
rencia
0,60
Ppi (s) = ,
s(s + 1)(0,50s + 1)
cuya curva de reacción (y pi (t)) se muestra en la figura 8.13.
Siguiendo el procedimiento descrito anteriormente, a partir de la respuesta del
proceso, se obtienen los parámetros de los siguientes modelos integrantes
0,60e−1,52s
Pmi1 = ,
s
0,60e−0,328s
Pmi2 = ,
s(1,192s + 1)
cuyas curvas de reacción ymi1 (t) y ymi2 (t)), se muestran también en la figura 8.13.
Como era de esperarse, la respuesta del modelo integrante de segundo orden, es
prácticamente igual a la del proceso.
8.5.2 Ajuste utilizando un controlador P

Si la ganancia del proceso integrante es alta, podría ser muy difícil e incluso imposi-
ble, realizar una prueba de lazo abierto para ajustar un modelo para este.
Empleando un controlador proporcional con ganancia Kp para controlar el pro-
ceso integrante (8.25), la función de transferencia de lazo cerrado de este sistema,
es
Kp Kv e−Ls
Myr (s) = . (8.153)
s(T s + 1) + Kp Kv e−Ls
8.5. Ajuste de los parámetros de los modelos de los procesos integrantes 369
35
Variables [%]
30
25
20 ypi(t)
ymi1(t)
ymi2(t)
15 u(t)
10
0
0 2 4 6 8
Tiempo, t [s]
Figura 8.13: Ejemplo 8.2 - Curva de reacción del proceso integrante y los modelos
Aproximando el tiempo muerto de (8.153) por una serie de primer orden, esta se
puede escribir, como
(Kp Kv )/T e−Ls

Myr (s) = . (8.154)
s2 + (1 − Kp Kv L)/T s + Kp Kv /T
Dependiendo de si la respuestas de lazo cerrado es sobre o subamortiguada, uti-

lizando alguno de los procedimientos indicados anteriormente, se puede ajustar un
modelo de la forma
2 e−Ls
ωnc
Myr (s) = 2 2
, (8.155)
s + 2ζc ωnc s + ωnc
o
1/(T1c T2c )e−Ls
Myr (s) = . (8.156)
s2 + (T1c + T2c )/(T1c T2c )s + 1/(T1c T2c )
Conocida la ganancia Kp del controlador utilizado y el tiempo muerto L determi-

nado de la respuesta de lazo cerrado, los demás parámetros del modelo integrante se
obtienen con las relaciones

1
T= 2L
. (8.157)
2ζc ωnc − ωnc
2
T ωnc
Kv = , (8.158)
Kp
a partir de (8.155), o con
T1c T2c
T= , (8.159)
T1c + T2c + L
T
Kv = , (8.160)
Kp T1c T2c
a partir de los parámetros en (8.156).
8.5.3 Ajuste con base en la información crítica

Los parámetros de un modelo para representar un proceso controlado integrante, tam-
bién se pueden ajustar utilizando su información crítica.
• Proceso integrante de primer orden
La ecuación característica del sistema de control P, de un proceso integrante de
primer orden (8.22), es
Kp Kv e−Ls
1+ = 0. (8.161)
s
En el límite de la estabilidad, se tiene que
Kpu Kv e−jLωu
= −1, (8.162)
jωu
de donde las condiciones de magnitud y fase, son

Kpu Kv
= 1, (8.163)
ωu
π
−Lωu − = −π. (8.164)
2
Utilizado ωu = 2π/Tu y resolviendo para los parámetros del modelo, se obtiene
que estos están dados por las expresiones
2π
Kv = , (8.165)
Kpu Tu
Tu
L= . (8.166)
4
8.6. Ajuste de los parámetros de los modelos de los procesos inestables 371
• Proceso integrante de segundo orden

En el caso de un proceso integrante dado por (8.25), la ecuación característica
es
Kp Kv e−Ls
1+ = 0. (8.167)
s(T s + 1)
En el límite de la estabilidad, se tiene ahora que
Kpu Kv e−jLωu
= −1, (8.168)
jωu (jωu T + 1)
de donde las condiciones de magnitud y fase, son

Kpu Kv
p = 1, (8.169)
ωu 1 + (ωu T )2
π
−Lωu − − tan−1 (ωu Tu ) = −π. (8.170)
2
Utilizado ωu = 2π/Tu y resolviendo para los parámetros del modelo, se obtiene

que estos están dados por las expresiones
s
Kp Kv Tu 2

Tu
T= − 1, (8.171)
2π 2π

Tu π −1 2πT
L= − tan . (8.172)
2π 2 Tu
La ganancia Kv del modelo a usarse en (8.171), debe obtenerse a partir de una

prueba con un controlador proporcional, utilizando (8.158) o (8.160).
8.6 Ajuste de los parámetros de los modelos de los

procesos inestables
Los parámetros del modelo (8.28) utilizado para representar a un proceso inesta-
ble, no se pueden ajustar a partir de una prueba de lazo abierto. Debe obtenerse la
respuesta controlando el proceso con un controlador con un algoritmo de control pro-
porcional, con una ganancia tal que que garantice que el lazo de control sea estable.
En la figura 8.14 se muestra la curva de respuesta del sistema de control P de un
proceso inestable, a un cambio en el valor deseado de magnitud ∆r.
Se ha supuesto que el valor de Kp utilizado, produce una respuesta de lazo cerrado
estable y sin oscilación.
Figura 8.14: Respuesta a lazo cerrado, proceso inestable con control P
La función de transferencia del sistema de control, es

Kp Ku e−Ls
Myr (s) = . (8.173)
T s − 1 + Kp Ku e−Ls
Utilizando una serie de primer orden para aproximar al tiempo muerto del deno-
minador, e−Ls ≈ 1 − Ls, se obtiene
Kp Ku /(Kp K − 1)e−Ls Kyr e−Ls
Myr (s) = = . (8.174)
(T − Kp Ku L)/(Kp Ku − 1)s + 1 Tc s + 1
El tiempo muerto aparente L, se obtiene directamente con la recta tangente al
punto de inflexión de la respuesta y la constante de tiempo de lazo cerrado Tc , del
punto y(L + Tc ) = 0,632∆y.
Los parámetros de la función de transferencia de lazo cerrado, son
∆y Kp Ku
Kyr = = , (8.175)
∆r Kp Ku − 1
T − Kp Ku L
Tc = . (8.176)
Kp Ku − 1
8.7. Ajuste de los modelos minimizando el error de predicción 373
Figura 8.15: Ajuste de los parámetros del modelo
Con esta información, se obtienen los otros parámetros del modelo del proceso
inestable

1 ∆y
Ku = , (8.177)
Kp ∆y − ∆r
T = Kp Ku (Tc + L) − Tc . (8.178)
8.7 Ajuste de los parámetros de los modelos minimizando

el error de predicción
Los procedimientos descritos anteriormente, para el ajuste de los modelos lineales de
orden reducido, utilizados para representar a los procesos controlados en los estudios
de control y para el cálculo de los parámetros del algoritmo de control del contro-
lador, son básicamente gráficos y utilizan información de la curva de respuesta del
proceso, o de su comportamiento con un control proporcional o con un relé.
Normalmente, la información del comportamiento del proceso controlado se ha
obtenido experimentalmente, como un conjunto de valores muestreados {y p (k)} en
n instantes conocidos {t(k)}.
Los parámetros del modelo se pueden ajustar entonces, utilizando un procedi-
miento de optimización, tal como se muestra en la figura 8.15.
Los pasos para el ajuste del modelo a partir de los datos de una prueba de lazo
abierto, son:
1. Obtener la información del proceso {y p (k), t(k)} a un estímulo determinado

{u(k), t(k)}, la curva de reacción.
2. Identificar el tipo de comportamiento del proceso (sobre o subamortiguado,

integrante, etc.).
3. Seleccionar la estructura del modelo, cuyos parámetros ajustables son θ m .
4. Para los procesos autoregulados (estables), determinar la ganancia del modelo

con un promedio de los m1 valores iniciales y los m2 valores finales, en estado
estacionario estacionario en ambos casos, como
1 m1 1
m1 ∑i=1 y p (i) − m2 ∑ni=n−m2 y p (i)
K= 1 m1 1
. (8.179)
m1 ∑i=1 u(i) − m2 ∑ni=n−m2 u(i)
5. Eliminar el corrimiento inicial de las señales muestreadas y escalar sus magni-

tudes (normalizar).
6. Ajustar los demás parámetros del modelo, de tal manera que el error cuadrático
de predicción del modelo
n n 0 2
2
Epred (θ m ) = ∑ e2pred (k, θ m ) = ∑ y p (k) − y0m (k, θ m ) . (8.180)
k=1 k=1
sea mínima −ajuste en el sentido de los cuadrados mínimos−.

Esto es, que
2o . 2 o 2
Epred = Epred (θ m ) = mı́n Epred (θ m ), (8.181)
θm
o
donde θ m son los parámetros del modelo de mejor ajuste, en el sentido de los
“cuadrados mínimos”.
8.8 Evaluación de los modelos autoregulados

Para evaluar la bondad de los modelos identificados, se definirán tres índices de
desempeño del modelo. El índice de error de predicción de la respuesta temporal
Stm , el índice de error de predicción de la información crítica Sum y el índice de error
de predicción del comportamiento bajo control realimentado Scm (Alfaro, 2007).
8.8.1 Índice de error de predicción de la respuesta temporal

Supóngase que la información de la respuesta del proceso a una entrada escalón, se ha
colectado en el conjunto de n valores
{yt p (k), t(k)} y que la del modelo identificado
está contenida en el conjunto ytm (k, θ ), t(k) , donde el vector θ corresponde a los
parámetros ajustados para el modelo evaluado.
8.8. Evaluación de los modelos autoregulados 375
El error de predicción de la respuesta temporal en el instante k está definido,

como
etm (k, θ ) = yt p (k) − ytm (k, θ ). (8.182)
Se definirá el índice de error de predicción de la respuesta temporal, como
n n
2 ∆t 2 ∆t
Stm (θ ) = ∑ etm (k, θ ) 2 = ∑ yt p (k) − ytm (k, θ ) , (8.183)
k=1 ∆ u k=1 ∆2 u
donde ∆t es el periodo de muestreo de las respuestas y ∆u la magnitud del cambio
escalón en la entrada.
Si se identifican varios modelos para un mismo proceso, el mejor modelo en
reproducir la curva de reacción, será el que posea el menor Stm .
8.8.2 Índice de error de predicción de la información crítica

Es necesario verificar también, cuán bien permiten los modelos estimar la informa-
ción crítica del proceso. Para esto, se definirá el índice de error de predicción de la
información crítica, como
" 2 2 #1/2
Kpu − Kpum (θ ) Tu − Tum (θ )
Sum (θ ) = + , (8.184)
Kpu Tu
donde (Kpu , Tu ) es la información crítica obtenida con sistema de control del proceso
y (Kpum (θ ), Tum (θ )) la predicha con el sistema de control utilizando el modelo.
Si se identifican varios modelos para un mismo proceso, el mejor modelo en
predecir la información crítica, será el que posea el menor Sum .
8.8.3 Índice de error de predicción de la respuesta bajo control

realimentado
Para definir el error de predicción del comportamiento bajo control realimentado, se
supondrá que se tiene
la respuesta del sistema de control con el proceso {ycp (k),t(k)}
y con el modelo ycm (k, θ ),t(k) , ante un cambio escalón en el valor deseado, utili-
zando el mismo controlador en ambos casos.
El error de predicción del comportamiento de lazo cerrado, es
ecm (k) = ycp (k) − ycm (k, θ ). (8.185)
Se definirá el índice de error de predicción de la respuesta de lazo cerrado, ante
un cambio en el valor deseado, como
n n
∆t 2 ∆t
Scm (θ ) = ∑ e2cm (k, θ ) 2
= ∑
∆ r k=1
ycp (k) − ycm (k, θ )
∆2 r
, (8.186)
k=1
donde ∆t es el periodo de muestreo de las respuestas y ∆r la magnitud del cambio

escalón en el valor deseado.
Los índices Stm , Sum y Scm son una indicación de la bondad del modelo bajo tres
condiciones diferentes: 1. en la reproducción de la curva de reacción del proceso,
2. la estimación de la información crítica, y 3. el comportamiento del proceso bajo
control realimentado como servo control. Al comparar varios modelos para un mismo
proceso, podría encontrarse que no hay un único modelo que sea el mejor bajo los
tres índices, por lo que el modelo a utilizar dependerá del estudio de interés.
Además, como ya se ha indicado, no necesariamente se debe emplear el mismo
modelo para el ajuste de los parámetros del algoritmo de control del controlador y
para representar al proceso controlado en los estudios de control mediante simulación
digital.
Ejemplo 8.3 Evaluación de los métodos de ajuste de los modelos

Considérese el proceso controlado con ocho polos, cuya función de transferencia, es
1,2
Po (s) = , T∑ = 31,875 s
∏4i=0 (2i s + 1) ∏3j=1 (0,5 j s + 1)
con las constantes de tiempo en segundos, para el cual se han obtenido los siguientes
modelos:
1. A partir de la curva de reacción, método 123c
• epomtm
1,2e−12,90s
Pm1 (s) = , T = 32,89 s.
19,99s + 1 ∑
• epdmtm
1,2e−6,47s
Pm2 (s) = , T = 31,85 s.
(12,69s + 1)2 ∑
• esomtm (procedimiento simplificado)
1,2e−6,47s
Pm3 (s) = , T = 31,85 s.
(14,01s + 1)(11,37s + 1) ∑
• esomtm (procedimiento general)
1,2e−6,22s
Pm4 (s) = , T = 31,83 s.
(13,95s + 1)(11,66s + 1) ∑
8.8. Evaluación de los modelos autoregulados 377
Cuadro 8.1: Ejemplo 8.3 - Modelo Stm Kum Tum [s] Sum Scm
Índices de error de predic-
ción de los modelos Pm1 0,07206 2,59 42,74 0,3668 0,36924
Pm2 0,00227 3,84 41,89 0,0625 0,00761
Pm3 0,00210 3,85 41,89 0,0601 0,00761
Pm4 0,00156 4,01 41,07 0,0379 0,00492
Pm5 2,01457 4,09 42,45 0 1,85796
Pm6 0,02941 4,09 42,45 0 0,06384
Pm7 0,10760 2,657 43,63 0,3515 0,20936
2. A partir de la información crítica

Los parámetros críticos del proceso controlado, son Kpu = 4,09 y Tu = 42,45 s.
• epomtm
1,2e−12,0s
Pm5 (s) = .
32,46s + 1
• epdmtm
1,2e−6,33s
Pm6 (s) = .
(13,33s + 1)2
• epomtm (método 1D2u)
1,2e−13,11s
Pm7 (s) = .
21,05s + 1
En el cuadro 8.1 se listan los índices de error de predicción de los modelos y los
parámetros críticos predichos con ellos. Para la evaluación del desempeño de los
modelos bajo control realimentado, se utilizó en todos los casos, un controlador PI
con Kp = 1 y Ti = 20 s.
Como más importante que los valores absolutos de los índices, son sus valores
relativos, en el cuadro 8.2 estos se han normalizado respecto al índice del mejor
modelo en cada evaluación.
De los cuadros anteriores, se hace evidente que en este caso, el mejor modelo es
el de segundo orden sobreamortiguado más tiempo muerto cuyos parámetros se han
ajustado con el método 123c general (Pm4 ), aunque tiene un error de hasta un 3 %
en la identificación de los parámetros críticos.
Además, en este caso el mejor modelo de primer orden más tiempo muerto, es el
que se ha ajustado con el método 1D2u.
En el diseño de los lazos de control, es de primordial importancia que el modelo
reproduzca el comportamiento del proceso controlado, bajo condiciones de control
realimentado.
Cuadro 8.2: Ejemplo 8.3 Modelo Stmn Kumn Tumn Scmn

- Índices y parámetros
normalizados Pm1 46,19 0,63 1,01 74,74
Pm2 1,46 0,94 0,99 1,54
Pm3 1,35 0,94 0,99 1,54
Pm4 1 0,98 0,97 1
Pm5 1291,39 1 1 376,11
Pm6 18,85 1 1 12,92
Pm7 68,97 0,65 1,03 42,38
Figura 8.16: Ejemplo 8.3 - yr1(t)

yr2(t)
62
Respuestas del servo con- Variables [%] yr3(t)
r(t)
trol 60
58
56
54
52
50
48
0 50 100 150 200
Tiempo, t [s]
En la figura 8.16 se muestran las respuestas del sistema de control del proce-
so controlado (y1 (t)) y la obtenida utilizando como proceso, los mejores modelos
epomtm (y2 (t)) y esomtm (y3 (t)), ante un cambio del 10 % en el valor deseado. Por
su parte, en la figura 8.17, las correspondientes a un cambio del 10 ud en la pertur-
bación.
Mientras que se notan algunas diferencias entre la respuesta del sistema de con-
trol utilizando el modelo de primer orden y la del correspondiente al proceso origi-
nal, la del sistema de control con el modelo de segundo orden, parece idéntica a la
obtenida con el proceso “real”.
Por lo tanto, es conveniente utilizar el modelo de segundo orden, en el diseño y
estudio del sistema de control para este proceso.
8.9 Aproximaciones del tiempo muerto

Como se vio en las secciones anteriores, para representar los procesos de segundo
orden o mayor con un modelo de primer orden, se debe incluir en el modelo un tiem-
8.9. Aproximaciones del tiempo muerto 379
Figura 8.17: Ejemplo 8.3 yd1(t)

yd2(t)
62
- Respuestas del control yd3(t)
d(t)
Variables [%]
regulador 60
58
56
54
52
50
48
0 50 100 150 200
Tiempo, t [s]
po muerto. Normalmente a este tiempo muerto se le llama tiempo muerto aparente

del proceso, ya que es producto de la aproximación del proceso de orden alto, por el
modelo de orden reducido.
La dinámica dominante del proceso -correspondiente al modo de respuesta más
lento-, queda reflejada en la constante de tiempo de los modelos de primer orden
y en la constante de tiempo mayor, en los de segundo. La siguiente dinámica en
importancia del proceso, quedará representada por la segunda constante de tiempo
de los modelos de segundo orden. Todas las dinámicas restantes, correspondientes a
los modos de respuesta rápidos del proceso, así como su tiempo muerto, quedarán
englobados en el tiempo muerto aparente del proceso.
Por lo tanto, el tiempo muerto incluido en el modelo, puede ser producto solo del
procedimiento utilizado para ajustar el modelo, o corresponder a una característica
real del proceso, como se mostró en la sección 5.3 del Capítulo 5.
La respuesta y(t) de un tiempo muerto de magnitud L a una entrada u(t), es la
misma señal de entrada pero retrasada L unidades de tiempo
yL (t) = u(t − L), para t ≥ L. (8.187)
La función de transferencia del tiempo muerto, es
. yL (s)
GL (s) = = e−Ls , (8.188)
u(s)
que puede expresarse, como

!n
1
e−Ls = lı́m L . (8.189)
ns+1
n→∞
Esto es, como un número infinito de funciones de transferencia de primer orden en

serie (Zhang, 2012).
Si el modelo del proceso incluye un tiempo muerto, este aparecerá en el poli-
nomio característico del sistema de control realimentado, ocasionando que sea una
función en s con un número infinito de raíces. Además, la inclusión del tiempo muer-
to como parte de las funciones de transferencia de lazo abierto y lazo cerrado, es un
obstáculo para el manejo algebraico de las mismas, por lo que es necesario aproxi-
marlo por una función racional en s, usualmente mediante una serie o una razón de
dos polinomios.
8.9.1 Aproximaciones polinomiales

Una forma de aproximar el tiempo muerto, es mediante una serie de Maclaurin, de la
forma
L2 s2 L3 s3 L4 s4 n n

−Ls nL s
e = lı́m 1 − Ls + − + · · · + (−1) , (8.190)
n→∞ 2! 3! 4! n!
la cual usualmente se hace finita truncándola.
Las aproximaciones del tiempo muerto mediante polinomios de primer o segundo
orden, son
e−Ls ≈ 1 − Ls, (8.191)
e−Ls ≈ 1 − Ls + 0,5 L2 s2 . (8.192)
8.9.2 Aproximaciones de Padé

La magnitud y fase de la función de transferencia del tiempo muerto (8.188), son
|GL (jω)| = 1, (8.193)
∠GL (jω) = −Lω. (8.194)
Como la magnitud de la función de transferencia del tiempo muerto es unitaria
para todas las frecuencias, alterando este por lo tanto solo la fase de la función de
transferencia de lazo abierto del sistema de control, es conveniente aproximarlo por
una función de transferencia que presente estas propiedades. Unas de las más utiliza-
das son la aproximaciones de Padé de primer (1:1) y segundo (2:2) orden, dadas por
las expresiones
1 − 0,5 L s
e−Ls ≈ , (8.195)
1 + 0,5 L s
1 − 0,5 L s + 0,0833 L2 s2
e−Ls ≈ . (8.196)
1 + 0,5 L s + 0,0833 L2 s2
La aproximación de Padé de tercer orden (3:3), es

1 − 0,5 L s + 0,1 L2 s2 − 0,00833 L3 s3
e−Ls ≈ , (8.197)
1 + 0,5 L s + 0,1 L2 s2 + 0,00833 L3 s3
o
120 − 60 L s + 12 L2 s2 − L3 s3
e−Ls ≈ . (8.198)
120 + 60 L s + 12 L2 s2 + L3 s3
y la de quinto orden (5:5)
30240 − 15120 L s + 3360 L2 s2 − 420 L3 s3 + 30 L4 s4 − L5 s5
e−Ls ≈ . (8.199)
30240 + 15120 L s + 3360 L2 s2 + 420 L3 s3 + 30 L4 s4 + L5 s5
La ecuación general de la aproximación de Padé de orden (n : n), es
i

1 + ∑ni=1 i!(−Ls)
2i!
e−Ls ≈ PL(n:n) (s) = . (8.200)
n i!(Ls)i
1 + ∑i=1 2i!
Todos los polos de la aproximación de Padé están en el semiplano izquierdo del
plano complejo s −son todos polos estables− y todos sus ceros en el semiplano
derecho −son ceros de fase no mínima−. Debido a la localización de los ceros y
dependiendo del orden de la aproximación, esta puede presentar características de
respuesta inversa o múltiples cruces por cero. La localización de los polos y ceros es
simétrica respecto al eje imaginario.
En la figura 8.18 se muestra la respuesta de un tiempo muerto puro
G0L (s) = KL e−Ls = 2e−s (8.201)
con KL = 2 y L = 1s y la de sus aproximaciones de Padé de orden (20:20), (5:5), (2:2)
y (1:1).
8.9.3 Otras aproximaciones

Si bien, usualmente el orden de los polinomios del numerador y del denominador
de la aproximación del tiempo muerto son iguales, tal como es el caso en (8.195) a
(8.199), se pueden emplear otras en las que el orden del polinomio del denominador,
excede al del numerador.
Por ejemplo
1
e−Ls ≈ , (0:1), (8.202)
1+Ls
1 − 0,333L s
e−Ls ≈ , (1:2), (8.203)
1 + 0,667L s + 0,167L2 s2
1 − 0,400L s + 0,050L2 s2
e−Ls ≈ , (2:3). (8.204)
1 + 0,600L s + 0,150L2 s2 + 0,0167L3 s3
Figura 8.18: Aproximaciones de Padé (n : n) para el tiempo muerto
Un análisis de las características de las diferentes aproximaciones del tiempo

muerto, permitió obtener los siguientes polinomios (Alfaro, 2003)
e−Ls ≈ 1 − 0,527 L s, (8.205)

−Ls 2 2
e ≈ 1 − 0,861 L s + 0,223 L s . (8.206)
y razones de dos polinomios
1 − 0,496 L s
e−Ls ≈ , (8.207)
1 + 0,496 L s
1 − 0,496 L s + 0,091 L2 s2
e−Ls ≈ . (8.208)
1 + 0,496 L s + 0,091 L2 s2
para una mejor representación de este en los estudios de control.

Las pruebas hechas por Mirzal (2012), de cinco aproximaciones del tiempo muer-
to, con tres procesos diferentes (de primer, segundo y tercer orden) y ocho tiempos
muertos normalizados en el rango 0,01 ≤ L/T ≤ 30, indican que la aproximación de
segundo orden
1 − 0,490 L s + 0,0954 L2 s2
e−Ls ≈ , (8.209)
1 + 0,490 L s + 0,0954 L2 s2
es la que da el menor error de predicción de la respuesta del proceso a una entrada
escalón. Esta aproximación fue obtenida por aproximación directa de la respuesta de
frecuencia (DFR - “direct frequency response”) del tiempo muerto.
8.9.4 Características de las aproximaciones de Padé

Como se ha indicado, las aproximaciones de Padé más utilizadas, corresponden a
funciones de transferencia en las que el polinomio del numerador es del mismo orden
que el del denominador, aproximaciones (n : n) denotadas como PL(n:n) (s).
Como estas aproximaciones son una función de transferencia bipropia, presentan
un salto inicial (en el instante en que se produce el cambio escalón en la señal de
entrada al tiempo muerto), dado por
1
lı́m y(t) = y(0+ ) = lı́m sPL(n:n) (s) = (−1)n . (8.210)
t→0+ s→∞ s
tal como se muestra en las curvas de reacción de la figura 8.18, para las aproxima-
ciones de Padé de orden (20:20), (5:5), (2:2) y (1:1).
Otras características de las aproximaciones de Padé, son

PL(n:n) (jω) = 1 ∀ ω, (8.211)
lı́m ∠PL(n:n) (jω) = −2n 90°. (8.212)
ω→∞
Para eliminar el salto inicial a la salida de la aproximación de Padé del tiempo

muerto, cuando se produce un cambio escalón en la entrada, se puede utilizar una
aproximación de orden (m : n), de la forma

i!(−Ls)i
1 + ∑mi=1 2i!
PL(m:n) = i
. (8.213)
i!(Ls)
1 + ∑ni=1 2i!
con m < n, de manera que esta sea una función de transferencia estrictamente propia.
Ahora, para un cambio escalón en la señal de entrada al tiempo muerto y(0+ ) = 0.
Lamentablemente, en las aproximaciones de Padé con m < n, no se conserva la
magnitud unitaria a todas las frecuencias y se reduce el desfase máximo, indicados
por (8.211) y (8.212). En este caso, se tiene que

lı́m PL(m:n) (jω) = 0, (8.214)
ω→∞
lı́m ∠PL(m:n) (jω) = −(m + n) 90°. (8.215)
ω→∞
Figura 8.19: Aproximaciones de Padé (n − 1 : n) para el tiempo muerto
Un buen compromiso es utilizar m = n − 1, con PL(n−1:n) (s) (Vajta, 2000).

Por ejemplo, la aproximación de Padé (4:5), es
15120 − 6720 L s + 1260 L2 s2 − 120 L3 s3 + 5 L4 s4

e−Ls ≈ . (8.216)
15120 + 8400 L s + 2100 L2 s2 + 300 L3 s3 + 25 L4 s4 + L5 s5
El comportamiento de las aproximaciones (1:2), (2:3) y (4:5) del tiempo muerto

G0L (s) = 2e−s se muestra en la figura 8.19. Como se aprecia, ha desaparecido el salto
inicial en la señal de salida del tiempo muerto. Por otra parte, como ya se ha indicado,
debido al número de ceros de fase no mínima que poseen, las respuestas de estas
aproximaciones tienen respectivamente uno, dos y cuatro cruces por cero.
Normalmente, el tiempo muerto forma parte de un modelo que incluye otras di-
námicas y este se puede considerar ya sea como un retraso a la entrada o como un
retraso a la salida, lo cual es importante en el modelado del proceso en el espacio de
estados, pero que no es visible si el modelo del proceso es una función de transferen-
cia, en la cual
−Ls
1 −Ls −Ls 1 e
y(s) = e u(s) = e u(s) = u(s). (8.217)
Ts+1 Ts+1 Ts+1

- Respuesta de un modelo yL(12 :12)(t)
epo y uno epomtm (K = 2, 2.5 yL(4 :5)(t)
Variables [%]
T = 1 s, L = 1 s) utilizando y(t)
u(t)
aproximaciones de Padé
2.0
1.5
1.0
0.5
0.0
0 2 4 6 8
Tiempo, t [s]
Ejemplo 8.4 Curvas de reacción y aproximaciones de Padé

Considérense por ejemplo, los modelos de primer orden con y sin tiempo muerto
dados por las funciones de transferencia
Ke−Ls
PL (s) = , (8.218)
Ts+1
K
P(s) = , (8.219)
Ts+1
con K = 2, T = 1 s y L = 1 s.
En la figura 8.20, se muestran las respuestas de estos procesos a una entrada
escalón unitario, utilizando para el tiempo muerto una aproximación de Padé (12:12)
y una (4:5).
De estas curvas de respuesta, se hace evidente que al combinar el tiempo muerto,
representado por una función de Padé, con alguna otra dinámica, la influencia de la
aproximación sobre la respuesta durante el transcurso del tiempo muerto, se reduce
a un pequeño rizado de la señal.
Debido a que la distribución de polos y ceros de las aproximaciones de Padé

se hacen más compactas a medida que aumenta su orden, también se hacen más
sensibles a los errores numéricos, por lo que se recomienda utilizar n ≤ 10.
Por otra parte, la necesidad de utilizar una aproximación del tiempo muerto cuan-
do se hace una simulación digital, no aparece si esta se realiza mediante la intercone-
xión de bloques funcionales donde la función tiempo muerto (“delay”), está imple-
mentada como un registro de datos circular de dimensión apropiada (D > L/∆t ≥ 3),
con un puntero a la cola −para el almacenamiento del nuevo valor de la entrada en
el instante k∆t− y un puntero a la cabeza −para la extracción del valor de la salida
correspondiente al valor de la entrada L unidades de tiempo antes−. Sin embargo,
pudiera requerirse hacer una interpolación lineal para determinar el valor de la señal
de salida, si el tiempo muerto no es un múltiple entero del paso ∆t utlizado para la
solución (simulación) del modelo.
8.10 Reducción del orden del modelo

Como se ha indicado en las secciones anteriores, para el cálculo de los parámetros del
algoritmo de control del controlador, usualmente se requiere que el orden del modelo
sea bajo, de primer o segundo orden, los cuales podrían no ser los mejores para
utilizarse como reemplazo del proceso real en los estudios de control, por ejemplo
mediante su simulación digital.
Es necesario distinguir aquí, entre el término reducción del orden del modelo, del
término simplificación del modelo (Chaturvedi, 2010).
Se entiende usualmente por un modelo de orden reducido, a un modelo en el
dominio del tiempo −conjunto de ecuaciones algebraico diferenciales−, el cual es
una representación “más grosera” del proceso y que por lo tanto, es un modelo de
dimensión menor −tiene menos variables de estado− que uno más detallado, para el
mismo conjunto de variables de entrada (estímulos) y salida (variables de interés).
Por otra parte, la simplificación de un modelo representado por una función de
transferencia, se refiere a la obtención de una función de transferencia aproximada,
cuyo polinomio del denominador es de orden menor al del polinomio del denomi-
nador del modelo original. Este nuevo modelo, permite una representación aproxi-
mada del proceso desde el punto de vista externo −en su relación entrada a salida−,
en el cual los coeficientes de las nuevas expresiones polinomiales (del numerador
y denominador), han perdido cualquier relación que hubieran podido tener con los
componentes físicos del mismo.
A pesar de lo anterior, en adelante se empleará el término modelo de orden redu-
cido, para referirse a la función de transferencia de un modelo de orden “bajo” (de
primero o segundo), que permite aproximar, con una bondad suficiente, el compor-
tamiento dinámico del proceso controlado, para el análisis, el diseño y la simulación
de su sistema de control.
8.10. Reducción del orden del modelo 387
8.10.1 Ajuste de modelos utilizando la regla de la mitad

Supóngase que se ha obtenido por algún procedimiento, ya sea analítico o experi-
mental no descrito, un modelo cuyo orden es “alto”, superior a dos.
Un modelo de orden menor se puede ajustar a este, mediante alguno de los proce-
dimientos descritos anteriormente en este mismo capítulo. Otra alternativa es emplear
un procedimiento analítico, en particular la “regla de la mitad”.
La regla de la mitad, provee un procedimiento simple para aproximar el compor-
tamiento de un proceso de orden alto, con un modelo de orden reducido (Skogestad,
2003).
Sistemas sobreamortiguados sin ceros de fase mínima

Modelo de orden alto original
Ke−Lo s
Po (s) = , T1 ≥ T2 ≥ ...Tn , (8.220)
(T1 s + 1)(T2 s + 1)...(Tn s + 1)
• Aproximación mediante un modelo de primer orden más tiempo muerto
Ke−Ls T2 T2 n
P1 (s) = , T = T1 + , L = Lo + + ∑ T j . (8.221)
Ts+1 2 2 j=3
• Aproximación mediante un modelo de segundo orden más tiempo muerto
Ke−Ls T3
P2 (s) = , T10 = T1 , T20 = T2 + ,
(T10 s + 1)(T20 s + 1) 2
n
T3
L = Lo + + ∑ Tj . (8.222)
2 j=4
En un caso más general, se considera que el modelo incluye ceros de fase no

mínima (en el semiplano derecho), pero siempre sin ceros de fase mínima, dado por
la función de transferencia
K(−T1∗ s + 1)(−T2∗ s + 1)...(−Tm∗ s + 1)e−Lo s

Po∗ (s) = , T1 ≥ T2 ≥ ...Tn , (8.223)
(T1 s + 1)(T2 s + 1)...(Tn s + 1)
Ke−Ls T2 T2 n m
P1 (s) = , T = T1 + , L = Lo + + ∑ T j + ∑ Tk∗ . (8.224)
Ts+1 2 2 j=3 k=1
Ke−Ls T3
P2 (s) = , T10 = T1 , T20 = T2 + ,
(T10 s + 1)(T20 s + 1) 2
n m
T3
L = Lo + + ∑ T j + ∑ Tk∗ . (8.225)
2 j=4 k=1
Sistemas sobreamortiguados con ceros de fase mínima
Si el modelo tiene un cero de fase mínima, este debe cancelarse con el polo más
cercano a el, siguiendo una serie de reglas (Skogestad, 2003; Skogestad y Grimholt,
2012).
Debe tenerse en cuenta que las reglas de cancelación indicadas en las referen-
cias citadas, dependen del parámetro de diseño del sistema de control, utilizando el
método SIMC (“simple control”) que se presentará en la sección 14.4 del Capítulo
14, por lo que el modelo resultante, es particular para el ajuste del sistema de control
realizado.
8.10.2 Ajuste de modelos utilizando la regla de la mitad modificada

Para mejorar el comportamiento del modelo de orden reducido, particularmente cuan-
do T2 T1 , se propone una modificación a la regla de la mitad (Lee et al., 2014).
Considérese el modelo que incluye ceros de fase no mínima, pero no ceros de
fase mínima, dado por la función de transferencia:
K(−T1∗ s + 1)(−T2∗ s + 1)...(−Tm∗ s + 1)e−Lo s

Po∗ (s) = , T1 ≥ T2 ≥ ...Tn , (8.226)
(T1 s + 1)(T2 s + 1)...(Tn s + 1)
Ke−Ls
P1 (s) = ,
Ts+1
T2
T = T1 + 2 , (8.227)
2T1
n m
T22
L = Lo + T2 − + ∑ T j + ∑ Tk∗ .
2T1 j=3 k=1
8.10. Reducción del orden del modelo 389
Ke−Ls
P2 (s) = ,
(T10 s + 1)(T20 s + 1)
T10 = T1 , (8.228)
T32
T20 = T2 + ,
2T2
n m
T32
L = Lo + T3 − + ∑ T j + ∑ Tk∗ .
2T2 j=4 k=1
Ejemplo 8.5 Reducción del orden del modelo

Considérese nuevamente el proceso controlado utilizado en el ejemplo 8.1, cuyo mo-
delo “exacto” es conocido y dado por la función de transferencia
1,25
Po (s) = , T o = 15 s.
(8s + 1)(4s + 1)(2s + 1)(s + 1) ∑
Las aproximaciones analíticas de orden reducido para este proceso, son:
• Utilizando la regla de la mitad
1,25e−5s
P1S (s) = , (8.229)
10s + 1
1,25e−2s
P2S (s) = . (8.230)
(8s + 1)(5s + 1)
• Utilizando la regla de la mitad modificada
1,25e−6s
P1L (s) = , (8.231)
9s + 1
1,25e−2,5s
P2L (s) = . (8.232)
(8s + 1)(4,5s + 1)
Dadas las características de los dos procedimientos de reducción del orden del
modelo, en todos los modelos de orden reducido obtenidos, se conserva que T∑ i =
T∑ o = 15 s.
Compárese estos modelos con los obtenidos, utilizando el método de ajuste 123c,
en el ejemplo 8.1.
8.10.3 Aproximación de modelos de segundo orden por uno de primero

En la sección 8.3.3, se presentó el método 1D2u para determinar los parámetros de
un modelo de primer orden más tiempo muerto, a partir de uno de segundo que se ha
obtenido con la información crítica.
Otros procedimientos disponibles para la reducción del orden del modelo, son
(Panda et al., 2004):
• Modelos originales esomtm
0
K 0 e−L s
P1 (s) = 0 , (8.233)
(T s + 1)2
0
K 0 e−L s
P2 (s) = 0 , (8.234)
(T s + 1)(aT 0 s + 1)
0
K 0 e−L s
P3 (s) = 0 2 . (8.235)
T s + 2ζ T 0 s + 1
(8.236)
• Parámetros de la aproximación epomtm

Ke−Ls
P(s) = (8.237)
Ts+1
1. A partir de P1 (s)
K = K0, (8.238)
0
T = 1,641T , (8.239)
0 0
L = L + 0,505T . (8.240)
K = K0, (8.241)
−6,9a 0
T = (0,828 + 0,812a + 0,172e )T , (8.242)
1,116T 0
L = L0 + . (8.243)
1 + 1,208a
K = K0, (8.244)
0
T = 2ζ T , (8.245)
T0
L = L0 + . (8.246)
2ζ
8.11. Comparación de las respuestas de lazo abierto y lazo cerrado 391
8.11 Comparación de las respuestas de lazo abierto y lazo

cerrado
Se han presentado varios procedimientos para ajustar los parámetros de los modelos
de orden reducido, de manera de reproducir las características de la respuesta a lazo
abierto de diferentes procesos. También se han visto procedimientos para ajustar los
parámetros de los modelos, de manera que este reproduzca las características del
proceso, cuando se realiza una prueba de lazo cerrado.
Se podría pensar que, si las curvas de reacción de dos procesos diferentes son si-
milares, estos se comportan también en forma similar bajo una prueba de lazo cerrado
con el mismo controlador (Åström y Murray, 2008).
También podría parecer razonable suponer que, si mediante una prueba de lazo
cerrado con un controlador específico, se han obtenido comportamientos similares
para dos procesos diferentes, el comportamiento de estos procesos sería también si-
milar a lazo abierto.
Sin embargo, lo anterior, y particularmente el segundo caso, no necesariamente
es cierto, como se verá en los siguientes dos ejemplos.
Ejemplo 8.6 Procesos con curvas de reacción similares, pero con respuestas a
lazo cerrado diferentes
Considérese dos procesos estables, representados por las funciones de transferencia
2
P1 (s) = , T = 10,0s, (8.247)
10s + 1 ∑
y
2
P2 (s) = , T = 10,15s. (8.248)
(10s + 1)(0,1s + 1)(0,05s + 1) ∑
Sus curvas de reacción (respuesta a lazo abierto), se muestran en la figura 8.21,
las cuales son muy similares. De hecho, no hay una diferencia significativa entre
estas.
Estos dos procesos se controlarán con el mismo controlador, con un algoritmo
de control proporcional.
Si la ganancia del controlador es baja, las respuestas de los dos sistemas de
control son similares. Sin embargo, a medida que se aumenta la ganancia del con-
trolador, las dos respuestas empiezan a ser diferentes.
Si fuera posible aumentar la ganancia del controlador hasta Kp = 75,0, los dos
sistemas de control responderían a un cambio en el valor deseado de forma muy
distinta, tal como se muestra en la figura 8.22.

20
Curvas de reacción
Variables [%]
15
y1 (t)
10 y2 (t)
u(t)
0
0 10 20 30 40 50 60
Tiempo, t [s]
Figura 8.22: Ejemplo 8.6 yr1(t)

- Respuestas de los servo 65 yr2(t)
Variables [%]
r(t)
controles P (Kp = 75,0)
60
55
50
0.0 0.5 1.0 1.5 2.0 2.5 3.0

Tiempo, t [s]
Aunque no es evidente de las curvas de respuesta de estos servo controles, que

no es posible aumentar la ganancia del controlador a valores tan elevados, basta
con verificar el salto proporcional a la salida del controlador, para confirmar que
esto no es posible. Con Kp = 75, el salto proporcional sería ∆u0 = Kp ∆r = 750 %, el
cual es físicamente imposible.
En los capítulos siguientes, se presentarán otras herramientas de análisis que
permiten encontrar una explicación a lo que sucede en este caso, tales como el lugar
geométrico de las raíces, la gráfica polar y el diagrama de Bode.
En la figura 8.23 se muestran los diagramas de Bode (curvas de magnitud y fase
de L(jω)), de los dos sistemas de control. Como se aprecia, si bien las curvas de
magnitud, de la función de transferencia de lazo abierto de los dos sistemas de con-
trol, son simulares para todas las frecuencias, las de fase difieren significativamente
a alta frecuencia.
8.11. Comparación de las respuestas de lazo abierto y lazo cerrado 393
Figura 8.23: Ejemplo 8.6 20
Magnitud, |L(jω)|
- Diagramas de Bode de 15
los sistemas de control P 10
(Kp = 75,0) 5
0
10-2 10-1 100 101 102 103
Fase, ∠L(jω) [°]

−50
−100
−150
−200
−250
10-2 10-1 100 101 102 103
La fase de la función de transferencia de lazo abierto del control P de P1 (curva

a trazos), nunca se hace más negativa que −180° −el sistema es estable para todo
valor de Kp −, mientras que el control P de P2 (curva continua) tiene una frecuencia
crítica ω−π = 0,173 rad s−1 . Se puede encontrar que el sistema de control P de P2 ,
es inestable para Kp > 153.
Si a partir de la curva de reacción del proceso P2 , se ajusta el modelo P1 , las
dinámicas no modeladas, existentes en el proceso “real” pero no incluidas en el
modelo identificado, podrían hacer que el comportamiento del sistema de control
diseñado a partir del modelo P1 , se comporte diferente a lo esperado cuando controle
P2 .
En la figura 8.24 se muestran las respuestas y las señales de salida del con-
trolador de los dos sistemas de control, ante un cambio en el valor deseado y la
perturbación, con un controlador proporcional con K p = 4, las cuales son bastante
similares.
Ejemplo 8.7 Procesos con respuestas a lazo cerrado similares, pero con
comportamientos a lazo abierto diferentes
Considérese ahora los procesos de segundo orden, representados por las funciones
de transferencia
5
P3 (s) = , (8.249)
(20s + 1)(s + 1)
y
5
P4 (s) = . (8.250)
(20s − 1)(s + 1)
Figura 8.24: Ejemplo 8.6 - y1 (t)

65
Respuestas de los sistemas
Variables [%]
y2 (t)
60
de control con Kp = 4,0
55
50
0 2 4 6 8 10 12 14
45
Tiempo, t [s]
u1 (t)
90
u2 (t)
Variables [%]
80
70
60
50
0 2 4 6 8 10 12 14
Tiempo, t [s]

Curvas de reacción
Variables [%]
80
60
y1 (t)
y2 (t)
40 u(t)
20
0
0 10 20 30 40
Tiempo, t [s]
El proceso P3 es estable, mientras que el proceso P4 es inestable. Evidentemente,

sus curvas de reacción son completamente distintas, tal como se observa en la figura
8.25.
Sin embargo, su comportamiento a lazo cerrado puede ser bastante parecido,
como se evidencia en sus respuestas a un cambio escalón en el valor deseado, si
ambos procesos se controlan con un controlador P con Kp = 20,0, como se muestra
en la figura 8.26.
Se deben utilizar herramientas adicionales, para hacer una mejor comparación
de estos sistemas de control.
Se hace evidente entonces que, para utilizar la información de la curva de res-
puesta de lazo cerrado, con el propósito de ajustar los parámetros de un modelo para
el proceso, es necesario contar con información adicional sobre su comportamiento
dinámico general.
8.12. Modelo nominal, medio y extremo 395
Figura 8.26: Ejemplo 8.7 - yr1(t)

Respuesta de los sistemas 65 yr2(t)
Variables [%]
r(t)
de control
60
55
50
0 2 4 6 8 10 12 14
Tiempo, t [s]
Si por ejemplo, se utilizara la información de la respuesta a lazo cerrado del

sistema de control del proceso inestable mostrada en la figura 8.26 (curva a trazos),
para ajustar un modelo epomtm para el proceso suponiendo en forma errada que
este es autorregulado, se podría llegar a tener un modelo muy simular al descrito
por P3 . Si este modelo (estable) es utilizado para el diseño del sistema de control, el
cual en las simulaciones se comporta de acuerdo a lo establecido en el criterio de
diseño, su funcionamiento con el proceso real (inestable), podría ser catastrófico.
8.12 Modelo nominal, medio y extremo

Supóngase, sin perder generalidad, que se ha seleccionado un modelo de pomtm para
representar al proceso controlado, dado por la función de transferencia
Ke−Ls
P(s) = , (8.251)
Ts+1
cuyos parámetros θ p = {K, T, L}, se han ajustado en el punto de operación más pro-
bable del sistema de control, siendo este
o
K o e−L s
Po (s) = . (8.252)
T os + 1
El modelo (8.252) se denominará como el modelo nominal del proceso controla-

do, cuyos parámetros (los parámetros nominales) son θ po = {K o , T o , Lo }.
Supóngase además, que considerando el conjunto de todos los puntos de opera-
ción posibles del sistema de control, los parámetros de ajuste del modelo del proceso
controlado, pueden variar en los rangos
K ∈ [K m , K M ], (8.253)
m M
T ∈ [T , T ], (8.254)
m M
L ∈ [L , L ], (8.255)
donde pm M
i y pi , corresponden al valor mínimo y máximo del parámetro pi , respecti-
vamente.
Con base en los rangos de variación de los parámetros de los modelos ajustados,
se puede definir el modelo medio del proceso controlado, en el “centro” del conjunto
de modelos, como (Zhang, 2012)
∗
K ∗ e−L s
P∗ (s) = . (8.256)
T ∗s + 1
donde
Km + KM
K∗ = , (8.257)
2
Tm +TM
T∗ = , (8.258)
2
Lm + LM
L∗ = , (8.259)
2
cuyos parámetros θ ∗ = {K ∗ , T ∗ , L∗ }, son los parámetros del modelo medio del pro-
ceso controlado (los parámetros medios).
Podría utilizarse el modelo medio (8.256), como el modelo del proceso contro-
lado para el ajuste de los parámetros del algoritmo de control del controlador. De
hacerse así, debe tenerse en cuenta que el modelo medio, puede no coincidir, no solo
no con el modelo del proceso controlado en el punto de operación más probable, sino
tampoco representarlo en ninguno de los posibles puntos de operación del sistema de
control.
Como se verá en la sección 12.12.1 del Capítulo 12, si el proceso controlado es
epomtm, el caso más crítico respecto a la estabilidad del sistema de control, con un
controlador de parámetros fijos, corresponde al caso en que aumenta la ganancia K,
disminuye la constante de tiempo T y aumenta el tiempo muerto L del modelo. Por
lo tanto, el modelo extremo, el que reduce la estabilidad del sistema hasta el extremo,
sería M
K M e−L s
P• (s) = m , (8.260)
T s+1
cuyos parámetros θ • = {K M , T m , LM }, son los “parámetros extremos” del modelo
del proceso controlado.
8.13. Resumen 397
Si ahora se emplea el modelo extremo (8.260), como el modelo del proceso con-
trolado para el ajuste de los parámetros del algoritmo de control del controlador, se
estaría utilizando el modelo correspondiente al caso “más malo” que además, proba-
blemente no corresponde al modelo del proceso en ninguno de los posibles puntos de
operación del sistema de control. Esto, con seguridad, reduciría el comportamiento
del sistema de control en los puntos de operación más frecuentes.
8.13 Resumen
Para poder diseñar el sistema de control realimentado, lo cual incluye además del
ajuste de los parámetros del algoritmo de control del controlador, evaluar el fun-
cionamiento del mismo, esto es, determinar sus características de comportamiento y
robustez, es indispensable contar con un modelo que represente al proceso controlado
en estos estudios.
La identificación del modelo del proceso controlado, incluye la selección de su
estructura (sobre o subamortiguado, integrante, inestable) y el ajuste de sus paráme-
tros (ganancia, constantes de tiempo, tiempo muerto).
En general, se utilizan modelos simples de primer y segundo orden más tiempo
muerto para la representación del proceso controlado, ajustados en el punto de ope-
ración más probable o deseado para el sistema de control. Este es el modelo nominal.
Para el ajuste de los modelos de los procesos autoregulados, adecuados para los
estudios de control con controladores PI(D), se cuenta con tres procedimientos ge-
nerales: 1. a partir de la curva de reacción del proceso, 2. a partir de la información
crítica del proceso, y 3. a partir de la respuesta en lazo cerrado con un controlador
P.
El comportamiento de los modelos bajo diferentes condiciones, depende no solo
de su orden, sino también del procedimiento utilizado para su ajuste. Es por lo tanto
importante conocer las características de los modelos obtenidos y utilizar el que se
considera “mejor” para los estudios de control.
Por lo tanto, un modelo adecuado para los estudios de control, será aquel que
permita diseñar el controlador con un algoritmo de control proporcional, integral y
derivativo (PID), de manera que su comportamiento posterior con el proceso real, sea
similar al obtenido con el modelo durante la etapa de diseño.
El modelo nominal identificado, además de ser lineal, se ha obtenido en un deter-
minado punto de operación, por lo que solo puede representar el comportamiento del
proceso controlado no lineal, en el conjunto de todos los posibles puntos de opera-
ción, en forma aproximada. La incertidumbre implícita en el modelo nominal, debe
tenerse en consideración en el diseño del sistema de control. Una forma usual de
hacerlo, es estableciendo el grado de robustez requerida para el sistema de control.
Un diseño conservador alternativo, para el ajuste de los parámetros del algoritmo

de control del controlador, puede tener como base el modelo del “peor caso”, de entre
todos los modelos identificados para el proceso en los diferentes posibles puntos de
operación. Este sería el modelo para el cual, su sistema de control tiene el menor
índice de estabilidad relativa.
En el caso extremo, para un modelo epomtm, se podría utilizar para el diseño la
mayor ganancia, la menor constante de tiempo y el mayor tiempo muerto aparente
identificados (el modelo extremo). Sin embargo, esto pudiera ocasionar un diseño con
una pérdida importante en el comportamiento del sistema de control, en los puntos
de operación más frecuentes, si estos no corresponden al caso extremo seleccionado.
Además, debe tenerse en cuenta que este modelo, usado para representar al pro-
ceso en los estudios de control, no necesariamente es el requerido para el cálculo
de los parámetros del algoritmo de control del controlador. Este último, estará de-
terminado por los requisitos que imponga para él, el método o regla de ajuste del
controlador seleccionada.
Para los procesos integrantes pudiera ser necesario, emplear en algunos casos un
procedimiento de lazo cerrado para el ajuste del modelo. Esto será indispensable en
el caso de los procesos inestables.
Las pruebas de comportamiento a lazo cerrado de un proceso, pueden “ocultar”
algunas características importantes del comportamiento dinámico del proceso, por
lo que es indispensable su estudio previo, para poder interpretar correctamente los
resultados de la prueba.
8.14 Bibliografía
Alfaro, V. M. (2001a). Identificación de procesos sobre amortiguados utilizando
técnicas de lazo abierto. Ingeniería, 11(1,2):11–25.
Alfaro, V. M. (2001b). Identificación de procesos sobre amortiguados utilizando
técnicas de lazo cerrado. Ingeniería, 11(1,2):27–40.
Alfaro, V. M. (2003). Nuevas aproximaciones del tiempo muerto para estudios de
control. Ingeniería, 13(1,2):41–52.
Alfaro, V. M. (2006). Identificación de modelos de orden reducido a partir de la curva
de reacción del proceso. Ciencia y Tecnología, 24(2):197–216.
Alfaro, V. M. (2007). Evaluación de los modelos utilizados en los estudios de control
PID. Ingeniería, 17:117–129.
Åström, K. J. y Hägglund, T. (1984). Automatic tuning of simple regulators with
specification on phase and amplitude margins. Automatica, 20(5):645–651.

Balaguer, P., Alfaro, V. M., y Arrieta, O. (2011). Second order inverse response
process identification from transient step response. ISA Transactions, 50:231–238.
Bouamama, B. O. (1998). La Régulation automatique. Ecole Universitaire

D’Ingénieurs de Lille (ECUDIL), Francia.

Chen, C. L. (1989). A Simple Method for On-Line Identification and Controller

Tuning. AIChE Journal, 35(12).
Chen, C. L. y Yang, S. F. (2000). Tuning PID controllers based on gain and phase
margin specification. En IFAC Digital Control: Past, Present, and Future of PID
Control (PID’00). 5-7 Abril, Terrasa, España.

edición.
Crowe, J. y Johnson, M. A. (2005). Phase-Locked Loop Methods. En Johnson, M. A.

y Moradi, M. H., editores, PID Control - New Identification and Design Methods.
Springer-Verlag London Ltd., U.K.
Ho, W.-K., Hang, C.-C., y Cao, L. S. (1995). Tuning PID Controllers Based on Gain
and Phase Margin Specifications. Automatica, 31(3):497–502.
Jahanmiri, A. y Fallahi, H. R. (1997). New methods for process identification and de-
sign of feedback controllers. Transaction of The Institute of Chemical Engineers,
75 Part A.
Jutan, A. y Rodríguez, E. S. (1984). Extension of a new method for on-line controller

tuning. The Canadian Journal of Chemical Engineers, 62.
Lee, J. (1989). On-Line PID Controller Tuning from a Single Close-Loop Test. AI-
ChE Journal, 35(2).
Lee, J., Cho, W., y Edgar, T. F. (2014). Simple Analytic PID Controller Tuning Rules
Revisited. Industrial & Engineering Chemistry Research, 53:5038–5047.
Lee, J. y Sung, S. W. (1993). Comparison of Two Identification Methods for PID

Controller Tuning. AIChE Journal, 39(4).
Liu, T., Wang, Q.-G., y Huang, H.-P. (2013). A tutorial review on process identifica-
tion from step or relay feedback test. Journal of Process Control, 23:1597–1623.
Mirzal, A. (2012). Stability Analysis and Compensation of Time Delays in Analog
Control Systems. International Journal of Control and Automation, 5(4):1–17.
Mollenkamp, R. A. (1984). Introduction to Automatic Process Control. Instrument
Society of America, Research Triangle Park, NC, USA.
Nishikawa, Y., Sannomiya, N., Ohta, T., y Tanaka, H. (1984). Amethod for auto-
tuning PID controller parameters. Automatica, 33(4):321–332.
Norton, J. P. (1986). An Introduction to Identification. Academic Press, Inc.(London)
Ltd. London, UK.
Panda, R. C., Yu, C.-C., y Huang, H. P. (2004). PID tuning rules for SOPDT systems:
Review and some new results. ISA Transactions, 43:283–295.
Skogestad, S. (2003). Simple analytic rules for model reduction and PID controller
tuning. Journal of Process Control, 13:291–309.
Skogestad, S. y Grimholt, C. (2012). The SIMC Method for Smooth PID Controller
Tuning. En Vilanova, R. y Visioli, A., editores, PID Control in the Third Millen-
nium, páginas 147–175. Springer-Verlag London Limited.
Smith, C. L. (1972). Digital Computer Control. International Texbook, Co.
Vajta, M. (2000). Some remarks on padé-approximations. En 3rd TEMPUS-
INTCOM Symposium. September 9-14, Veszprén, Hungary.
Viterková, M., Vitecek, A., y Smitny, S. (2000). Simple PI and PID controllers tuning
for monotone self regulation plant. En IFAC Digital Control: Past, Present and
Future of PID Control (PID’00). 5-7 Abril, Terrasa, España.
Yu, C.-C. (2006). Autotuning of PID Controllers. Springer-Verlag London Ltd., 2nd
edición. London, UK.
Yuwana, M. y Seborg, D. E. (1982). A new method for on-line controllers tuning.
AIChE Journal, 28(3).
Ziegler, J. G. y Nichols, N. B. (1942). Optimum Settings for Automatic Controllers.
ASME Transactions, 64:759–768.
Parte III
Análisis de los sistemas de control
401
9
Índices para medir el comportamiento de los

lazos de control
9.1 Introducción
9.2 Comportamiento ante un cambio en el valor deseado
9.2.1 Cálculo de los indicadores del comportamiento dinámico
9.2.2 Sistemas críticamente amortiguados
9.3 Comportamiento ante un cambio en la perturbación
9.4 Efecto de los polos y los ceros adicionales
9.5 Índices de error integral
9.5.1 Índices de error integral del servo control
9.6 Indicadores del uso del esfuerzo de control
9.7 Error en régimen permanente
9.7.1 Error permanente a un cambio en el valor deseado
9.7.2 Error permanente dinámico
9.7.3 Error permanente a un cambio en la perturbación
9.7.4 Error permanente normalizado y absoluto
9.8 Especificaciones de diseño
9.8.1 Criterios para el comportamiento del servo control
9.8.2 Criterios para el comportamiento del control regulador
9.9 Polos dominantes y comportamiento
9.10 Índices de comportamiento normalizados
9.11 Resumen
403
404 9 Índices de comportamiento de los lazos de control
9.12 Bibliografía
Una parte indispensable del proceso de análisis y diseño de los sistemas de control,
es el establecer los índices con que se medirá su funcionamiento: su comportamiento
dinámico y su estabilidad relativa.
Se puede desear diseñar el controlador de manera que mantenga la variable con-
trolada del proceso, tan cerca como sea posible a un valor deseado (control regula-
dor); para que esta siga los cambios en su valor deseado (servo control); o para que
se encuentre siempre dentro de un ámbito predeterminado (control de dos o más po-
siciones). Por lo tanto, las características del funcionamiento del sistema de control,
cuando reacciona a los diferentes estímulos, deben evaluarse.
Además, puede requerirse que el sistema de control tenga un determinado grado
de estabilidad relativa, o robustez. Esta también debe determinarse.
Los índices de comportamiento cuantifican diferentes aspectos del funcionamien-
to del lazo de control. Estos permitirán analizar los conflictos o compromisos exis-
tentes, al establecer un determinado criterio de diseño para el lazo. Además, servirán
para comparar el funcionamiento de dos o más sistemas de control, para un mismo
proceso controlado, con controladores de diferente estructura, o con controladores
con algoritmos de control similares pero con diferente ajuste.
9.1 Introducción
Considérese el diagrama de bloques del sistema de control realimentado de dos gra-
dos de libertad. de la figura 9.1. Debe recordarse que en este, las funciones de trans-
ferencia Cr (θcr , s) y Cy (θcy , s) representan las partes del algoritmo de control que se
aplican al valor deseado y a la señal realimentada, respectivamente. Por su parte, la
función de transferencia P(θ p , s) corresponde al modelo nominal del proceso con-
trolado, el cual incluye al proceso mismo, y a todos los instrumentos de medición y
actuación requeridos para establecer el lazo de control realimentado.
Se considerará que el controlador incorpora un filtro del ruido de medida n(s),
de manera que este es eliminado. Entonces, para los efectos del algoritmo de control,
y0 (s) ≈ y(s).
Se deberán establecer índices de comportamiento, para medir algunas de las
características del funcionamiento del sistema de control, ante cambios en el valor
deseado r(s) y en la perturbación d(s).
9.2. Comportamiento ante un cambio en el valor deseado 405
9.2 Comportamiento ante un cambio en el valor deseado

El comportamiento del servo control, esto es, el funcionamiento del sistema de con-
trol ante un cambio en el valor deseado, normalmente se especifica con base en las
características de respuesta a una entrada escalón, de un sistema de segundo orden
subamortiguado.
Esto presupone que la función de transferencia de lazo cerrado del servo control,
tiene un par de polos complejos conjugados dominantes. Esto es, un par de raíces de
la ecuación característica de lazo cerrado, que se encuentran en el plano complejo
s, más cerca del eje imaginario que las demás. Además, se supone también, que si
existiera un polo real cercano al par dominante, este está muy cerca de un cero, de
manera que su efecto se cancele.
En la figura 9.2 se muestra la respuesta y(t) del sistema de control, a un cambio
escalón en el valor deseado r(t). En ella se muestran algunos de los indicadores
del funcionamiento que son de interés. Estos se definirán, antes de establecer las
ecuaciones para su cálculo (Ogata, 2010; Wilkie et al., 2002).
Para efectos del funcionamiento del sistema de control, serán de interés los si-
guientes indicadores:
• Error permanente e p - Diferencia entre el valor final de la respuesta y el valor
deseado.
• Periodo To - Periodo de oscilación de la respuesta.
• Razón de asentamiento de - Razón del segundo sobrepaso al primero.
• Sobrepaso máximo Mp - Valor máximo en que la respuesta excede a su va-

lor final (en estado estacionario) durante la respuesta transitoria, normalmente
dado como un porcentaje del valor final (Mpn % ).
• Tiempo al sobrepaso máximo t p - Tiempo que transcurre hasta que se alcanza

el valor máximo de la respuesta.
Figura 9.2: Índices de comportamiento para el servo control
• Tiempo de respuesta o asentamiento taε - Tiempo que tarda la respuesta en

entrar en una banda de ±ε % del valor final y permanecer en ella. Normalmente
esta banda se selecciona como el 2 % (ta2 ) o el 5 % (ta5 ).
• Tiempo de levantamiento tl - Tiempo que tarda la respuesta en ir del 10 % al

90 % de su valor final.
• Tiempo de retardo tr - Tiempo que tarda la respuesta en alcanzar el 50 % de su

valor final.
• Valor final yu - Valor final de la respuesta (nuevo valor en estado estacionario).
De los índices anteriores todos, excepto el error permanente, corresponden a in-

dicadores del comportamiento dinámico del sistema de control.
9.2.1 Cálculo de los indicadores del comportamiento dinámico

Normalmente, el comportamiento de los sistemas de control, se analiza considerando
que la función de transferencia de lazo cerrado del sistema de control, es la de un
sistema de segundo orden subamortiguado con ganancia unitaria, y que el cambio

escalón en la entrada también es unitario.
Se considerará aquí sin embargo, el caso más general de los sistemas de control
con ganancia de lazo cerrado no unitaria y entradas tipo escalón también no unitario.
Si la función de transferencia del servo control, es de la forma general
ωn2 Kyr
Myr (s) = , (9.1)
s2 + 2ζ ωn s + ωn2
donde:
• Kyr - ganancia de lazo cerrado del servo control,
• ζ - razón de amortiguamiento,
• ωn - frecuencia natural,
y se produce un cambio escalón en el valor deseado de magnitud ∆r, la respuesta del
sistema de control, dependiendo de la razón de amortiguamiento será:
• ζ > 1 - Sistema sobreamortiguado
" √ 2 √ 2 #
e−(ζ − ζ −1)ωnt e−(ζ + ζ −1)ωnt
y(t) = Kyr 1 + p + p ∆r. (9.2)
2(ζ 2 − ζ ζ 2 − 1 − 1) 2(ζ 2 + ζ ζ 2 − 1 − 1)
• ζ = 1 - Sistema críticamente amortiguado

y(t) = Kyr 1 − (1 + ωnt)e−ωnt ∆r.

(9.3)
• 0 ≤ ζ < 1 - Sistema subamortiguado

( " p !#)
e−ζ ωnt p 1−ζ2
y(t) = Kyr 1 − p sen ωn 1 − ζ 2t + tan−1 ∆r.
1−ζ2 ζ
(9.4)
Para el cálculo de los indicadores del comportamiento del sistema de control, se
supondrá que la respuesta al escalón es subamortiguada, de la forma
" # p !
e−ζ ωnt 1 − ζ 2
y(t) = Kyr 1 − p sen (ωat + φ ) ∆r φ = tan−1 , (9.5)
1−ζ2 ζ
donde p
ωa = ωn 1 − ζ 2, (9.6)
es la frecuencia natural amortiguada.
En la figura 9.3 se muestra la respuesta normalizada del servo control, a un cam-
bio escalón en el valor deseado, en el caso de que este sea un sistema subamortiguado.
Figura 9.3: Respuesta nor- ( )

yn tn
( )
r tn
malizada del servo control 1.5
( ) = y(t )/(K ∆r)

yr
(ζ = 0, 20)
n
yn tn
1.0
0.5
0.0
0 5 10 15 20 25 30
tn =ω n
t
Tiempo al pico
El tiempo al que ocurre el sobrepaso máximo, se puede obtener derivando la expre-

sión de la señal de salida e igualándola a cero. Haciendo esto, se puede encontrar que
los mínimos y máximos de la respuesta, ocurren en los instantes
nπ
t= p n = 0, 1, 2, . . . . (9.7)
ωn 1 − ζ 2
El primer sobrepaso ocurre en n = 1. Entonces, el tiempo al pico (o al sobrepaso

máximo), será
π π
tp = p = . (9.8)
ωn 1 − ζ 2 ωa
Periodo
El segundo valor pico corresponde a (9.7) con n = 3. Entonces, el periodo de oscila-

ción es el tiempo entre dos picos sucesivos, o sea
2π
To = p . (9.9)
ωn 1 − ζ 2
Sobrepaso máximo
La magnitud del valor máximo de la respuesta, se puede encontrar evaluando y(t) en
t = t p . Este es
" #
e−ζ ωnt p p
y(t p ) = Kyr 1 − p sen ωn 1 − ζ 2t p + φ ∆r,
1−ζ2
h i
y p = y(t p ) = Kyr 1 + e−ζ ωnt p ∆r, (9.10)
h √ 2i
y p = Kyr 1 + e−πζ / 1−ζ ∆r.
Además, el valor final de la respuesta yu , será
yu = ∆y = Kyr ∆r. (9.11)
Se definirá el sobrepaso máximo normalizado, como

y p − yu
Mpn = , (9.12)
yu
el cual está dado por la expresión

√ 2
Mpn = e−πζ / 1−ζ , (9.13)
definido usualmente como un porcentaje

√ 2
Mpn % = 100 e−πζ / 1−ζ . (9.14)
Este sobrepaso máximo normalizado es relativo al valor final de la respuesta y

depende únicamente de la razón de amortiguamiento del sistema de control.
En el cuadro 9.1a, se muestra como varía el sobrepaso máximo normalizado en
función de la razón de amortiguamiento y en en el cuadro 9.1b, como varía la razón
de amortiguamiento en función del sobrepaso máximo normalizado.
Conocido el sobrepaso máximo normalizado, se puede obtener la razón de amor-
tiguamiento, como
− ln(Mpn % /100)
ζ= 1/2 . (9.15)
π 2 + ln2 (Mpn % /100)
Por otro lado, el sobrepaso máximo absoluto es
√ 2
Mpa = Kyr e−πζ / 1−ζ ∆r = Kyr Mpn ∆r, (9.16)
Cuadro 9.1: Sobrepaso máximo y razón de amortiguamiento
(a) Sobrepaso máximo normalizado (b) Razón de amortiguamiento
Razón de amortiguamiento, ζ Mpn % Sobrepaso máximo, Mpn % ζ

0,20 52,7 0 1,0
0,25 44,4 5 0,69
0,30 37,2 10 0,59
0,35 30,9 15 0,52
0,40 25,4 20 0,456
0,45 20,5 25 0,404
0,50 16,5
0,60 9,5
0,70 4,6
0,80 1,5
0,90 0,15
Cuadro 9.2: Ejemplo 9.1 ∆r % y(t p ) % Mpn % Mpa %

- Variación del sobrepaso
máximo (Kyr = 1, ζ = 10 12,54 25,4 2,54
0,40) 20 25,08 25,4 5,08
40 50,15 25,4 10,15
que en porcentaje, es √ 2
Mpa % = 100 Kyr e−πζ / 1−ζ ∆r. (9.17)
Este sobrepaso máximo absoluto depende de la razón de amortiguamiento, de la
ganancia de lazo cerrado y de la magnitud del escalón de entrada.
En el ejemplo 9.1, se muestra cómo varía el sobrepaso máximo absoluto de la
respuesta del sistema de control, ante cambios de diferente magnitud en el valor
deseado, mientras que todas ellas tienen el mismo sobrepaso máximo normalizado.
Ejemplo 9.1 Sobrepaso máximo

Suponiendo que la razón de amortiguamiento del sistema de control es ζ = 0,40, y
la ganancia de lazo cerrado es unitaria (Kyr = 1) en el cuadro 9.2 se muestra como
varían los sobrepasos máximos para diferentes cambios en el valor deseado.
Aunque las tres respuestas tienen el mismo sobrepaso máximo normalizado, la
respuesta mostrará un mayor sobrepaso con relación al ámbito de variación de la
variable, entre mayor sea el cambio que se produzca en el valor deseado.
Error máximo
Nótese que cuando se da un cambio en el valor deseado en forma de escalón, el
sobrepaso máximo de la respuesta no es una indicación del error máximo. Si existe
un sobrepaso (cuando el sistema de control es subamortiguado), este indica el % en
que la respuesta del sistema de control sobrepasa a su valor final.
En el caso de un cambio escalón en el valor deseado, el error máximo ocurre
en el instante mismo en que el valor deseado se modifica, siendo este emáx = ∆r y
te máx = 0+ .
Razón de asentamiento
La razón de asentamiento o decaimiento, es la razón del segundo sobrepaso al sobre-
paso máximo y está dada por
√ 2
e−3πζ / 1−ζ √ 2
de = √ 2 = e−2πζ / 1−ζ , (9.18)
e−πζ / 1−ζ
la cual se puede calcular, como

de = Mp2 . (9.19)
Otros indicadores
Aunque el tiempo al sobrepaso máximo y su valor, se pueden obtener en forma exacta
en función de la razón de amortiguamiento y la frecuencia natural, no es así con el
tiempo de levantamiento, el de retardo y el de respuesta, por lo que se deben encontrar
expresiones aproximadas para el cálculo de estos indicadores.
Las siguientes expresiones y otras, se pueden encontrar por ejemplo en Dorf y
Bishop (2005), Kuo (1996), y Lewis y Yang (1999).
Tiempo de retardo
El tiempo de retardo, el cual es el tiempo que tarda la respuesta en alcanzar el 50 %
de su valor final, no se puede calcular en forma exacta. Algunas aproximaciones para
su estimación, son
1 + 0,7ζ
tr ≈ , 0 < ζ < 1, (9.20)
ωn
y
1,1 + 0,125ζ + 0,469ζ 2
tr ≈ , 0 < ζ < 1. (9.21)
ωn
Figura 9.4: Tiempo de respuesta o asentamiento
Tiempo de levantamiento
Tampoco el tiempo de levantamiento se puede calcular en forma exacta, por lo que
el tiempo que tarda la respuesta en ir del 10 % al 90 % de su valor final, se puede
estimar, como
0,60 + 2,16ζ
tl ≈ , 0,4 ≤ ζ ≤ 0,8, (9.22)
ωn
o, como
1 − 0,4167ζ + 2,917ζ 2
tl ≈ , 0 < ζ < 1. (9.23)
ωn
Tiempo de respuesta o asentamiento

El cálculo del tiempo de respuesta o tiempo de asentamiento, se realiza normalmente
utilizando la envolvente exponencial decreciente, en vez de la respuesta completa, tal
como se muestra en la figura 9.4. El tiempo de respuesta es en realidad una función
discontinua, ya que la respuesta puede entrar por última vez en la banda seleccionada,
tanto por el límite superior (por “arriba”) como por el límite inferior (por “abajo”),
dependiendo de la razón de amortiguamiento.
Suponiendo que es la envolvente superior, la que entra primero a la banda de ±ε

se tiene, que " #
e−ζ ωnta
Kyr 1 + p ∆r = Kyr ∆r + ε, (9.24)
1−ζ2
de donde se obtiene que el tiempo de respuesta, se estima como
p
− ln ε 1 − ζ 2 /(Kyr ∆r)
ta ≈ . (9.25)
ζ ωn
Usualmente, el valor de la banda para el tiempo de respuesta ε, se escoge como
un 5 % (ta5 ) o un 2 % (ta2 ) del valor final de la respuesta. En este caso, el tiempo de
respuesta estaría dado por la expresión general
p
− ln εn 1 − ζ 2
ta ≈ . (9.26)
ζ ωn
Utilizando los porcentajes anteriores, los tiempos de respuesta estimados, serían
3
ta5 ≈ , ζ ≤ 0,83, (9.27)
ζ ωn
o
7ζ − 2,2
ta5 ≈ , 0,83 < ζ ≤ 1,4, (9.28)
ωn
y
4
ta2 ≈ , ζ ≤ 0,88, (9.29)
ζ ωn
o
10ζ − 4,2
ta2 ≈ , 0,88 < ζ ≤ 1,4. (9.30)
ωn
En el cuadro 9.3 se muestra como varía el sobrepaso máximo y algunos otros de
los indicadores de la respuesta, al variar la razón de amortiguamiento. Si aumenta el
amortiguamiento del sistema (ζ crece), el sobrepaso máximo normalizado (Mpn % )
disminuye, el tiempo de levantamiento (tl ) y el tiempo al pico (t p ) aumentan, y el
tiempo de respuesta (ta ) disminuye. Esto es, la respuesta se vuelve inicialmente más
lenta y con un valor máximo menor, pero alcanza más rápidamente el nuevo valor
estacionario.
Además, se nota que si se requiere una respuesta inicial rápida, se debe permitir
un mayor sobrepaso máximo y esperar tiempos de asentamiento mayores. Por lo
tanto, al diseñar el servo control se debe establecer un compromiso entre el sobrepaso
máximo permitido y la velocidad de respuesta inicial, mediante la especificación
por ejemplo del tiempo de levantamiento y el tiempo requerido para que el sistema
alcance el nuevo punto de equilibrio, establecido por el tiempo de respuesta.
Cuadro 9.3: Variación de los índices de desempeño con la razón de amortiguamiento
ζ Mpn % ω n tl ωnt p ωnta5 ωnta2

0,35 30,9 1,36 3,36 8,57 11,43
0,40 25,4 1,46 3,43 7,50 10,00
0,45 20,5 1,57 3,52 6,67 8,89
0,50 16,3 1,68 3,63 6,00 8,00
0,60 9,5 1,90 3,93 5,00 6,67
0,70 4,6 2,11 4,40 4,29 5,72
0,80 1,5 2,33 5,24 3,75 5,00
Cuadro 9.4: Sistema de Porcentaje de respuesta, %yu t/Tc

control críticamente amor-
tiguado 10 0,532
50 1,678
90 3,890
95 4,741
98 5,830
9.2.2 Sistemas críticamente amortiguados

Si el sistema de control es de segundo orden críticamente amortiguado, su función
de transferencia de lazo cerrado se puede escribir, como
Kyr
Myr (s) = , (9.31)
(Tc s + 1)2
donde Tc sería la constante de tiempo de lazo cerrado.
La respuesta de este sistema, a un cambio escalón de magnitud ∆r en la estrada,
es
t −t/Tc
y(t) = Kyr 1 − 1 + e ∆r. (9.32)
Tc
En el cuadro 9.4 se listan los tiempos requeridos para que la respuesta del sistema
de control, alcance un determinado porcentaje de su valor final yu = Kyr ∆r.
Con base en esos valores, se pueden calcular los diferentes tiempos que describen
el comportamiento del lazo de control, como:
• Tiempo de levantamiento
tl = 3,36Tc . (9.33)
• Tiempo de retardo
tr = 1,68Tc , (9.34)
9.3. Comportamiento ante un cambio en la perturbación 415
• Tiempo de respuesta o de asentamiento al 5 %

ta5 = 4,74Tc , (9.35)
• Tiempo de respuesta o de asentamiento al 2 %

ta2 = 5,83Tc . (9.36)
Todos los tiempos que cuantifican el funcionamiento del lazo de control, depen-
den de Tc . Además, el sobrepaso máximo Mp = 0 y el tiempo al pico y el periodo de
oscilación, no existen.
9.3 Comportamiento ante un cambio en la perturbación

El comportamiento del control regulador, dependerá de cómo el sistema de control
responde ante un cambio en la perturbación de carga.
La función de transferencia de lazo cerrado del control regulador, es
P(s)
Myd (s) = , (9.37)
1 +C(s)P(s)
Dc (s)Np (s)
Myd (s) = . (9.38)
Dc (s)D p (s) + Nc (s)Np (s)
Se supondrá adelante, que la función de transferencia del controlador tiene un
polo en el origen, de manera que este aparece como un cero en el origen en la función
de transferencia de lazo cerrado del control regulador. Como se verá más adelante,
este garantizará tener error permanente cero a un cambio escalón en la perturbación
y proviene del modo integral del controlador.
La función de transferencia general de lazo cerrado del control regulador, será
ωn2 Kyd s
Myd (s) = . (9.39)
s2 + 2ζ ωn s + ωn2
Si se supone que el cambio en la perturbación es tipo escalón y de magnitud ∆d
d(t) = ∆dus (t), (9.40)
la respuesta del sistema de control, será
ωn2 Kyd ∆d

−1
y(t) = L . (9.41)
s2 + 2ζ ωn s + ωn2
Al igual que para el servo control, se tendrán tres casos diferentes de respuesta,
dependiendo de la razón de amortiguamiento del sistema de control:

Kyd ωn h −(ζ +√ζ 2 −1)ωnt √
−(ζ − ζ 2 −1)ωn t
i
y(t) = p e −e ∆d, (9.42)
2 ζ2 −1
y(t) = Kyd ωn2te−ωnt ∆d, (9.43)

Kyd ωn −ζ ωnt p
y(t) = p e sin ωn 1 − ζ 2t ∆d. (9.44)
1−ζ2
Tiempo al error máximo
En este caso, el tiempo al que ocurre el error máximo, está dado por las siguientes
expresiones:
p !
1 ζ+ ζ2 −1
te máx = p ln p , (9.45)
2ωn ζ 2 − 1 ζ − ζ2 −1

1
te máx = , (9.46)
ωn
cos−1 (ζ )
te máx = p . (9.47)
ωn 1 − ζ 2
Si la función de transferencia del proceso controlado es estrictamente propia, en
el caso de la respuesta a un cambio escalón en la perturbación, el error máximo no se
da en el instante en que se presenta el cambio en la perturbación.
Error máximo
En el caso del control regulador, el error máximo será:
emáx = 0,368ωn Kyd ∆d, (9.48)

√
−1 (ζ )/ 1−ζ 2
emáx = ωn Kyd e−ζ cos ∆d. (9.49)
9.4. Efecto de los polos y los ceros adicionales 417
Tiempo de recuperación
El tiempo de recuperación del control regulador, tiene un significado similar al del
tiempo de respuesta o de asentamiento en el servo control. Ambos son una indicación
de la velocidad con que el sistema de control se estabiliza nuevamente. En el caso
del servo control en las cercanías del nuevo valor deseado, ya que ha cambiado, o
exactamente en este si no hay error permanente, y en el caso del control regulador,
cerca o en en el mismo valor deseado si no hay error permanente, ya que no ha
cambiado.
Para el regulador subamortiguado (0 < ζ < 1), se puede estimar el tiempo de
recuperación utilizando la envolvente exponencial, en forma similar a como se hizo
en el caso del servo control, obteniéndose
p
− ln ε 1 − ζ 2 /ωn Kyd
ta = , (9.50)
ζ ωn
en donde ε es la banda en valor absoluto en torno al valor final el cual, en este caso,
es cero.
Una forma alterna de establecer el tiempo de recuperación de las respuestas a un
cambio en la perturbación, es definiéndolo como el tiempo a partir de que se presenta
la perturbación, requerido para que el sistema entre en una banda ±εemáx en torno al
valor final, usualmente ±5 %emáx . Esto es, el tiempo para que el error se reduzca a
un porcentaje determinado del error máximo.
Los índices de comportamiento definidos para la respuesta a un cambio en la
perturbación, se muestran en la figura 9.5.
9.4 Efecto de los polos y los ceros adicionales

En el desarrollo anterior, para la obtención de los índices de comportamiento del
sistema de control, se supuso que la función de transferencia de lazo cerrado del
servo control es de la forma (9.1) y que la del control regulador de la forma (9.39).
Esto es, con solo un par de polos complejos conjugados o polos dobles.
Sin embargo, si se tienen polos adicionales o ceros, estos afectarán la forma de
la respuesta y por lo tanto, los índices calculados no son válidos.
Se considera que la respuesta de un sistema de tercer orden puede aproximarse
por la de uno de segundo orden, solo si la constante de tiempo del polo real más
rápido (T3 ) es menor a la décima parte de la constante de tiempo del par de polos
complejos dominantes (ζ ωn )1 . Esto es, que se encuentra por lo menos diez veces
1 Clement, P. R. (1960) - “A Note on Third-Order Linear Systems”, IRE Transactions on Automatic
Control, junio, 151.

Figura 9.5: Índices de comportamiento para el control regulador
más alejado del origen que los polos dominantes.

De igual manera, la existencia de ceros reales afecta la respuesta del sistema de
control. Para que su influencia pueda despreciarse, deben estar ubicados por lo menos
diez veces más hacia la izquierda del origen, que los polos dominantes.
9.5 Índices de comportamiento con base en el error

integral
Como se ha advertido, los indicadores numéricos del comportamiento determinados
en la sección 9.2 y la sección 9.3, son válidos solo para sistemas de lazo cerrado de
segundo orden.
Una medida que se puede utilizar, para diseñar los sistemas de control y evaluar
su comportamiento, y que no depende del orden del mismo, es mediante la utilización
de índices de error integral.
Por ejemplo, en la figura 9.6, se han demarcado las áreas correspondiente al error
absoluto, que se presenta en el caso de un cambio escalón en el valor deseado y en la
perturbación de carga.
Los índices de error integral más utilizados, son:
9.5. Índices de error integral 419
yr (t) yd (t)
62 r(t) 62 d(t)
Variables [%]
Variables [%]
60 60
58 58
56 56
54 54
52 52
50 50
48 48
0 20 40 60 80 100 0 20 40 60 80 100
Figura 9.6: Índice de error integral JIAE
• Integral del error absoluto (IAE)

Z ∞
.
JIAE = |e(t)| dt, (9.51)
0
• Integral del error cuadrático (ISE)

Z ∞
.
JISE = e2 (t)dt, (9.52)
0
• Integral del tiempo por el error absoluto (ITAE)

Z ∞
.
JITAE = t |e(t)| dt, (9.53)
0
• Integral del tiempo por el error cuadrático (ITSE)

Z ∞
.
JIT SE = te2 (t)dt. (9.54)
0
donde el error, es
e(t) = r(t) − y(t), (9.55)
y
er (t)
|er (t)|
t |er (t)|
er2 (t)
Variables [%]
t er2 (t)
15
10
0
0 50 100 150
Tiempo, t [s]
Figura 9.7: Peso dado al error, en los índices de comportamiento de error integral del
servo control
• r(t) - valor deseado (de la variable controlada),
• y(t) - señal realimentada (variable controlada).
También se puede establecer una funcional de costo en el error general, definien-

do el criterio IT m AE n , como
Z ∞
.
JIT m AE n = t m |e(t)|n dt, (9.56)
0
con m = {0, 1, 2} y n = {1, 2}.

La variación en el tiempo de los integrandos de estos índices de comportamiento,
se muestran en la figura 9.7 para un cambio escalón en el valor deseado y en la figura
9.8 para un cambio escalón en la perturbación. En estas figuras se aprecia el peso que
se le da al error, en función de su magnitud y del instante en que ocurre.
El índice JISE es más sensible a los errores grandes que el JIAE , por lo que los ser-
vo controles optimizados con este criterio, disminuirán el error inicial (error grande)
en forma rápida, dando respuestas iniciales rápidas (tiempos de levantamiento cor-
tos). Sin embargo, el elevar al cuadrado el error, hace que este índice sea muy poco
9.5. Índices de error integral 421
ed (t)
|ed (t)|
t |ed (t)|
ed2 (t)
Variables [%]
40 t ed2 (t)
30
20
10
0
0 50 100 150
Tiempo, t [s]
Figura 9.8: Peso dado al error en los índices de comportamiento de error integral del
control regulador
sensible a los errores muy pequeños, lo que normalmente resulta en respuestas con
poco amortiguamiento.
Por otra parte, como los índices JITAE y JIT SE penalizan más fuertemente los erro-
res a medida que transcurre el tiempo, deben esperarse menores tiempos de asenta-
miento, respecto a los logrados con los índices JIAE o JISE , al emplear uno de estos
criterios para el diseño del sistema de control.
Por lo tanto, si se desea reducir los errores grandes, el criterio JISE es mejor que el
JIAE , pero para suprimir los errores pequeños el criterio JIAE es mejor que el JISE . Por
otra parte, para eliminar los errores que permanecen en el tiempo, el criterio JITAE es
el mejor (Stephanopoulos, 1984).
Lo que se podría llamar el error acumulado, sería la integral respecto al tiempo de
la señal de error. En esta, la integral de los errores negativos se restaría de la integral
de los errores positivos y en consecuencia, un sistema completamente oscilatorio
tendría, un error acumulado igual a cero. Por lo tanto, es más conveniente establecer
un indicador que podría llamarse, indice de la variable controlada en error. Esto es,
una indicación de cuanto ha estado fuera de su valor deseado la variable controlada,
el cual es igual al índice JIAE .
Si el error permanente tiende a un valor finito constante distinto de cero, la inte-
Cuadro 9.5: Características Criterio ζc Mp % ωnct p ωncta2

de la respuesta óptima a
una entrada escalón en el JIAE 0,662 6,24 4,19 6,01
valor deseado JITAE 0,753 2,75 4,77 5,71
JISE 0,500 16,30 3,63 8,07
JIT SE 0,595 9,77 3,91 5,93
gral del error absoluto se puede definir, como

Z ∞
0 .
JIAE = |e(t) − e(∞)| dt, (9.57)
0
donde
e(∞) = lı́m e(t). (9.58)
t→∞
9.5.1 Índices de error integral del servo control

Para el caso particular, en el que la función de transferencia de lazo cerrado del servo
control, sea de segundo orden con ganancia unitaria, de la forma
yr (s) 2
ωnc
= 2 2
, (9.59)
r(s) s + 2ζc ωnc s + ωnc
los valores de la razón de amortiguamiento que minimizan cada uno de los criterios
de error integral anteriores, así como el valor de algunas de las características de la
respuesta a un cambio escalón en el valor deseado, se listan en el cuadro 9.5.
Como se aprecia en dicho cuadro, el criterio JITAE da el menor sobrepaso máximo
y el menor tiempo de respuesta, mientras que el JISE el menor tiempo al pico. El JIAE
no es el mejor bajo ningún índice, pero da una respuesta más “balanceada”. Por esta
razón, el mínimo del índice JIAE , es uno de los más utilizados como criterio de diseño
para el comportamiento de los sistemas de control. Sin embargo, por poderse evaluar
analíticamente, se suele utilizar también el índice JISE .
Además, se puede notar que los índices que penalizan el error cuadrático, hacen
que la respuesta inicial del servo control sea rápida, pero con los mayores sobrepasos
y con un tiempo de respuesta mayor. Estos producen sistema de control más lentos.
La figura 9.9 muestra los índices de comportamiento de error integral normali-
zados, esto es, divididos por su valor mínimo, en función de la razón de amortigua-
miento. Como se aprecia, las curvas de los índices con base en el error cuadrático
son bastante planas, especialmente la del JISE .
Un cambio en la razón de amortiguamiento ζ de los polos de lazo cerrado del
sistema de control, y por lo tanto en el sobrepaso máximo, a partir de su valor óptimo,
9.6. Indicadores del uso del esfuerzo de control 423
Figura 9.9: Índices de com-

JIAEn
portamiento de error in- JITAEn
JISEn
tegral del servo control 3.5 JITSEn
Índices de error integral normalizados

normalizados
3.0
2.5
2.0
1.5
1.0
0.4 0.6 0.8 1.0 1.2

ζ
solo afecta significativamente a la integral del tiempo por el error absoluto (JITAE ) y
en un menor grado, a la del error absoluto (JIAE ).
En la figuras 9.10 se muestran las curvas de respuesta a un cambio escalón unita-
rio en el valor deseado, de los sistemas óptimos según los diferentes criterios de error
integral.
9.6 Indicadores del uso del esfuerzo de control

En el diseño de los lazos de control, no solamente es de importancia el comporta-
miento de la variable controlada, cuando se produce un cambio, ya sea en el valor
deseado o en la perturbación. Es importante también analizar el comportamiento del
esfuerzo de control u(t), la señal de salida del controlador. Como esta va directa-
mente al elemento final de control, es importante determinar, su variación y valores
extremos.
La variación total del esfuerzo de control, se define como
Z ∞
. ∞ du(t)
TVu =
0
dt dt ≈ ∑ |uk+1 − uk | . (9.60)
k=0
La cual debe evaluarse tanto para un cambio en el valor deseado TVur , como para un
cambio en la perturbación TVud .
JIAE
1.4 JITAE
JISE
JITSE
y(t)nopt
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 2 4 6 8 10
ωn t
Figura 9.10: Curvas de respuesta de los servo controles óptimos respecto a un índice
de error integral
La variación total del esfuerzo de control, es una indicación de su “suavidad”

y por lo tanto, de la del movimiento que el elemento final de control experimenta,
durante el periodo transitorio al pasar de un punto de operación estable a otro.
Otro índice que es de interés, es el “salto” o cambio inicial ∆u0 del esfuerzo de
control, ante un cambio en el valor deseado, dado por
∆u0 = Kp β ∆r, (9.61)
si el algoritmo de control es PI, o PID de dos grados de libertad con la acción deriva-
tiva aplicada solo a la señal realimentada, y por

1
∆u0 = Kp β + ∆r, (9.62)
α
si la acción derivativa, en el caso del PID, se aplica directamente al error.
Si por ejemplo, β = 1,0 y α = 0,1, el cambio inicial en el esfuerzo de control del
algoritmo de control PID, sería ∆u0 = Kp ∆r si el modo derivativo es aplicado solo a
la señal realimentada y ∆u0 = 11Kp ∆r -once veces mayor-, si la derivada se aplica
directamente al error.
También es importante su valor máximo, Umáx .
9.7 Error en régimen permanente

En la figura 9.1 se mostró el lazo de control realimentado. En este se tienen, como se
ha visto, dos estímulos (entradas): el valor deseado r(t) y la perturbación d(t), y una
9.7. Error en régimen permanente 425
variable de interés (salida): la variable controlada y(t).

La variable controlada en función de las dos entradas al lazo de control, está dada
por la expresión
C(s)P(s) P(s)
y(s) = r(s) + d(s). (9.63)
1 +C(s)P(s) 1 +C(s)P(s)
El error se ha definido, como la diferencia entre el valor deseado de la variable
controlada y su valor real, esto es
e(s) = r(s) − y(s). (9.64)
Interesa aquí investigar la exactitud con que funciona el sistema de control esto
es, cual es el posible error permanente, el error que existirá una vez que se ha alcan-
zado un nuevo estado de equilibrio, cuando se presenta un cambio ya sea en el valor
deseado o en la perturbación.
El error permanente e p se definirá, como
e p = lı́m e(t) = lı́m se(s). (9.65)

t→∞ s→0
9.7.1 Error permanente a un cambio en el valor deseado

Para el caso del servo control, la función de transferencia entre el error y el valor
deseado, es
er (s) 1
= . (9.66)
r(s) 1 +C(s)P(s)
El error en régimen permanente, será entonces

sr(s)
e pr = lı́m ser (s) = lı́m . (9.67)
s→0 s→0 1 +C(s)P(s)
Como normalmente no se conoce la forma exacta de las señales de entrada al
sistema de control, y que posiblemente estas no puedan ser representadas por una
expresión analítica, se prueban los sistemas de control con señales particulares.
Se considerará entonces, que los cambios en el valor deseado pueden ser del tipo
escalón y rampa unitarios, los cuales están dados por las siguientes expresiones:
• Valor deseado tipo escalón unitario
r0 (t) = us (t), r0 (s) = 1/s, (9.68)
• Valor deseado tipo rampa unitaria
r1 (t) = tus (t), r1 (s) = 1/s2 , (9.69)

donde us (t) es la función escalón unitario.

Estas dos entradas, pueden representarse mediante una entrada general, de la
forma
rm (t) = t m us (t), rm (s) = 1/sm+1 , m = 0, 1. (9.70)
El error permanente al valor deseado general rm , será
s/sm+1

1
e prm = lı́m = lı́m m m , (9.71)
s→0 1 +C(s)P(s) s→0 s + s C(s)P(s)
1 1
e prm = = , (9.72)
lı́ms→0 s + lı́ms→0 s C(s)P(s) lı́ms→0 sm + Km
m m
donde
Km = lı́m [smC(s)P(s)] = lı́m [sm L(s)] , (9.73)
s→0 s→0
se denomina constante de error.
Las constantes de error serán:
• K0 - constante de error escalón
K0 = lı́m [C(s)P(s)] = lı́m L(s), (9.74)

s→0 s→0
• K1 - constante de error rampa
K1 = lı́m [sC(s)P(s)] = lı́m [sL(s)] . (9.75)

s→0 s→0
Supóngase además, que las funciones de transferencia del modelo del proceso
controlado (autoregulado o integrante) y del controlador, se pueden escribir como
k ∏ki=1 (Ti s + 1) k 0
P(s) = m = P (s), (9.76)
snp ∏ j=1 (T j s + 1) snp
k p ∏li=1 (Ti s + 1) kp
C(s) = nc n = nc C0 (s), (9.77)
s ∏ j=1 (T j s + 1) s
donde np es el número de polos en el origen del proceso controlado y nc el de los del
controlador.
La función de transferencia de lazo abierto, será
k p k ∏ ceros del proceso controlado y del controlador
C(s)P(s) = nc+np
. (9.78)
s ∏ polos del proceso controlado y del controlador
Entonces, el
kpk
lı́m [C(s)P(s)] = . (9.79)
s→0 lı́ms→0 snc+np
Tipo de una función de transferencia

Se definirá como Tipo de una función de transferencia, al número de polos que tenga
en el origen (integradores puros). Una función de transferencia será Tipo 0, 1, 2, . . .
si tiene 0, 1, 2 o más polos en el origen.
Por lo tanto, se tendrán entonces procesos o modelos Tipo 0, 1, 2, etc. según el
número de polos que tengan en el origen. El tipo del proceso controlado es np.
Si los controladores se restringen a los que tienen un algoritmo de control de la
familia PID, estos pueden ser Tipo 0 (P, PD) o Tipo 1 (PI, PID). El tipo del controla-
dor es nc.
Tipo de un sistema de control

Se dirá que un sistema de control es Tipo 0, 1, 2, . . . , si su función de transferencia
de lazo abierto L(s) = C(s)P(s) tiene 0, 1, 2 o más polos en el origen. Estos polos
pueden ser provistos por el controlador, por el proceso controlado, o por ambos. El
Tipo del sistema de control será nc + np.
Como el error permanente del servo control está dado, por
1
e prm = , m = 0, 1, (9.80)
lı́ms→0 sm + Km
en donde lı́ms→0 sm es 1 o 0, entonces, para que un sistema de control sea capaz
de seguir a una entrada rm sin error permanente, la constante de error Km debe ser
infinita. Esto solo es posible, si la función de transferencia de lazo abierto, tiene al
menos m + 1 polos en el origen.
Por lo tanto, se tienen los siguientes casos:
• Error permanente a un valor deseado tipo escalón (m = 0)
1
e pr0 = , K0 = lı́m [C(s)P(s)] . (9.81)
1 + K0 s→0
Para que K0 sea infinito, la función de transferencia de lazo abierto debe tener
por lo menos un polo en el origen. Esto implica que para que el error perma-
nente a un cambio escalón en el valor deseado sea cero, el sistema de control
debe ser Tipo 1 o mayor.
• Error permanente a un valor deseado tipo rampa (m = 1)
1
e pr1 = , K1 = lı́m [sC(s)P(s)] . (9.82)
K1 s→0
En este caso, el sistema de control debe ser Tipo 2 o mayor para que K1 sea
infinito y el error permanente a un cambio rampa en el valor deseado sea cero.
Cuadro 9.6: Error permanente del servo control
Sistema de Error a un valor Error a un valor

control Tipo K0 K1 deseado escalón deseado rampa
0 kpk 0 1/(1 + k p k) ∞
1 ∞ kpk 0 1/(k p k)
2 ∞ ∞ 0 0
Debe recordarse que la restricción en cuanto al Tipo, se impone al sistema de

control como tal (a su función de transferencia de lazo abierto) y no al proceso o el
controlador en particular.
Los resultados anteriores se resumen en el cuadro 9.6. Como se aprecia en es-
te, un sistema de control Tipo 0, tendrá un error permanente finito ante un cambio
escalón en el valor deseado, pero no podrá dar seguimiento a un valor deseado que
cambie a una velocidad constante (en rampa).
Usualmente, el cambio que se hace del valor deseado del controlador, tiene forma
de un escalón (un salto brusco instantáneo). Entonces, el servo control será exacto (la
variable controlada alcanzará el nuevo valor deseado sin error), solo si este es Tipo 1
o mayor.
9.7.2 Error permanente dinámico

En el punto anterior, se encontraron las condiciones que debe cumplir el sistema de
control, para que el error permanente a un cambio en el valor deseado, sea cero o
constante. Además, se encontró también, que hay ocasiones en las cuales el error
crece o decrece sin cota esto es, que el sistema de control no puede dar seguimiento
al cambio en el valor deseado. Este es el caso, como se indicó, de un sistema de
control Tipo 0, si el valor deseado cambia en forma de rampa.
Se definirá entonces el error permanente dinámico, como la evolución del error
del servo control, cuando t → ∞.
La función de transferencia entre el error y el valor deseado, es
er (s) 1
= Mer (s) = . (9.83)
r(s) 1 +C(s)P(s)
y el error en régimen permanente, será entonces
e pr (t) = lı́m er (t). (9.84)
t→∞
Si el valor deseado es de la forma general

rm (t) = ∆rmt m us (t), (9.85)
se puede encontrar que el error dinámico, está dado por la expresión

m
Ci m!
e prm (t) = ∑ ∆rm lı́m t m−i us (t), (9.86)
i=0 i! (m − i)! t→∞
donde
di Mer (s)
i
d 1
Ci = lı́m = lı́m . (9.87)
s→0 dsi s→0 dsi 1 +C(s)P(s)
Considérense los siguientes casos:
• Si el valor deseado es un escalón unitario (∆rm = 1, m = 0)
e pr0 (t) = C0 us (t), (9.88)
con
1 1
C0 = lı́m = . (9.89)
s→0 1 +C(s)P(s) 1 + K0
Entonces,
1
e pr0 (t) = us (t), (9.90)
1 + K0
lo cual coincide con la expresión encontrada anteriormente.
El error permanente es constante, tal como se muestra en la figura 9.11.
• Si el valor deseado es una rampa unitaria (∆rm = 1, m = 1), este crece con
velocidad constante, entonces,
h i
e pr1 (t) = C0 lı́m t +C1 us (t), (9.91)
t→∞
con

1 1
C0 = lı́m = , (9.92)
s→0 1 +C(s)P(s) 1 + K0

d 1
C1 = lı́m . (9.93)
s→0 ds 1 +C(s)P(s)
Si K0 es una constante (sistema de control Tipo 0), el error permanente diná-

mico crecerá linealmente con el tiempo, como se muestra en la figura 9.12.
Si el error crece en forma de rampa, la señal de salida del controlador (P o PD)
variará en forma proporcional al tiempo al cuadrado, hasta alcanzar un valor
límite.
Figura 9.11: Sistema de control

Tipo 0 - Error permanente diná-
mico, a un cambio escalón en
el valor deseado (∆r0 = 10 %)

trol Tipo 0 - Error permanen-
te dinámico, a un cambio ti-
po rampa en el valor deseado
(∆r1 = 1 %/s)

trol Tipo 1 - Error permanen-
te dinámico, a un cambio ti-
po rampa en el valor deseado
(∆r1 = 1 %/s)
El error dinámico será constante, si K0 tiende a infinito (sistema de control

Tipo 1), como se aprecia en la figura 9.13.
En este caso, si el proceso controlado es Tipo 1, entonces el controlador es
Tipo 0 (P o PD). Por lo tanto, si el error es constante, la señal de salida del
controlador será constante. Sin embargo, si el proceso es Tipo 0, entonces el
controlador debe ser Tipo 1 (PI o PID) y ante un error constante, la señal de
salida del controlador variará linealmente con el tiempo hasta alcanzar un valor
límite. A partir de ese instante, el error crecerá en forma continua.
Para que el error permanente sea cero, C1 debe ser cero, esto es que

d
lı́m [C(s)P(s)] → ∞, (9.94)
s→0 ds
y por lo tanto, la función de transferencia de lazo abierto debe tener por lo

menos un polo doble en el origen (ser Tipo 2 o mayor).
• Si el valor deseado creciera con una aceleración constante (m = 2)
t2

1
e pr2 (t) = C0 lı́m +C1 lı́m t + C2 us (t). (9.95)
t→∞ 2 t→∞ 2!
Entonces, si C0 , C1 y C2 son constantes distintas de cero (sistema de control
Tipo 0), el error dinámico crecerá con el cuadrado del tiempo; si C0 = 0 (sis-
tema de control Tipo 1), el error dinámico crecerá linealmente con el tiempo;
si C0 = 0 y C1 = 0 (sistema de control Tipo 2), el error dinámico es constante.

El error dinámico será cero solo si C0 = 0, C1 = 0 y C2 = 0 esto es, el sistema
debe ser por lo menos Tipo 3.
9.7.3 Error permanente a un cambio en la perturbación

En este caso, la función de transferencia entre el error y la perturbación, es
ed (s) −P(s)
= , (9.96)
d(s) 1 +C(s)P(s)
y el error en régimen permanente, será

−sP(s)d(s)
e pd = lı́m sed (s) = lı́m . (9.97)
s→0 s→0 1 +C(s)P(s)
Si se define una perturbación general, como
dm (t) = t m us (t), dm (s) = 1/sm+1 , m = 0, 1, (9.98)
se tiene que el error permanente a esta perturbación general, es
−sP(s)/sm+1

−P(s)
e pdm = lı́m = lı́m m m . (9.99)
s→0 1 +C(s)P(s) s→0 s + s C(s)P(s)
Si las funciones de transferencia del proceso controlado y del controlador, se ex-

presan como en (9.76) y (9.77), el error permanente del control regulador se puede
expresar, como
−kP0 (s)/snp

e pdm = lı́m m m , (9.100)
s→0 s + s k p kC 0 (s)P0 (s)/(snc snp )
−kP0 (s)

e pdm = lı́m m+np m−nc , (9.101)
s→0 s +s k p kC0 (s)P0 (s)
−k p
e pdm = m+np
. (9.102)
lı́ms→0 s + k p k lı́ms→0 sm−nc
Se tienen ahora los siguientes casos:
• Error permanente a una perturbación tipo escalón (m = 0)
1. Proceso no integrante (Tipo 0, np = 0)

−k
e pd0 = . (9.103)
1 + k p k lı́ms→0 s−nc
– Controlador Tipo 0 (nc = 0)

−k
e pd0 = . (9.104)
1 + kpk
En este caso (np = 0 y nc = 0) habrá un error permanente finito.
e pd0 = 0. (9.105)
Ahora (np = 0 y nc = 1) no habrá error permanente.
2. Proceso integrante (Tipo 1 o mayor, np > 0)
−k
e pd0 = , (9.106)
lı́ms→0 snp + k p k lı́ms→0 s−nc
−k −1
e pd0 = −nc
= . (9.107)
k p k lı́ms→0 s k p lı́ms→0 s−nc
−1
e pd0 = . (9.108)
kp
En este caso (np > 0 y nc = 0) habrá un error permanente finito.
e pd0 = 0. (9.109)
Ahora (np > 0 y nc = 1) no habrá error permanente.
En el caso del control regulador, para garantizar tener error permanente cero
a una perturbación tipo escalón, el polo en el origen debe ser aportado por el
controlador. El controlador debe ser Tipo 1.
• Error permanente a una perturbación tipo rampa (m = 1)
Independientemente del Tipo del modelo del proceso, el error permanente a
una perturbación creciente en el tiempo como una rampa, es
−k −1
e pd1 = = . (9.110)
lı́ms→0 s1+np + k p k lı́ms→0 s1−nc k p lı́ms→0 s1−nc
e pd1 → ∞. (9.111)
En este caso, el sistema de control (P o PD), no podrá corregir el efecto

de la perturbación en rampa.

−1
e pd1 = . (9.112)
kp
Ahora, aunque el sistema de control (PI o PID) logre llegar a mantener

el valor de la variable controlada con un error constante, solo lo logrará
por un tiempo. Mientras la perturbación en rampa persista, el controla-
dor continuará variado su señal de salida hasta que esta alcance un valor
límite. A partir de este instante, le será imposible atenuar el efecto de la
perturbación.
De lo anterior, se puede deducir que los polos en el origen del proceso contro-
lado, no tienen ningún efecto sobre el error permanente del sistema de control ante
un cambio en la perturbación. Este es afectado, solo por los polos en el origen del
controlador.
Para tener error permanente cero a una perturbación en escalón, el controlador
debe ser Tipo 1, y a una perturbación cambiando como una rampa, debería ser Tipo
2. Pero si los controladores a utilizar, están limitados a ser de los que tienen un
algoritmo de control de la familia PID, a lo más son Tipo 1.
Si el controlador es un PI o un PID (Tipo 1), se tendrá error permanente cero a un
cambio escalón en la perturbación y un error permanente finito, por un tiempo que
pudiera ser “corto”, a un cambio tipo rampa.
De los resultados anteriores se puede observar también que, en el caso de un

sistema de control con un controlador con un algoritmo de control proporcional y un
proceso no integrante (controlador Tipo 0, sistema de control Tipo 0), si se presenta
un cambio escalón positivo en el valor deseado de magnitud ∆r, existirá un error
permanente positivo esto es, siempre yu = ∆y < ∆r −la variable controlada terminará
siempre por debajo del valor deseado−.
Además, si se presenta un cambio escalón positivo en la perturbación de mag-
nitud ∆d, existirá un error permanente negativo, siempre yu = ∆y > 0 −la variable
controlada terminará siempre por arriba del valor deseado−. En la figura 9.14, se
muestra el error permanente de la respuesta del servo control (a la izquierda) y el de
la del control regulador (a la derecha), ante un cambio escalón en el valor deseado y
en la perturbación, respectivamente.
9.7.4 Error permanente normalizado y absoluto

En el caso que exista un error permanente finito, las expresiones anteriores darán
lo que se puede definir como error permanente normalizado, ya que se obtuvieron
Figura 9.14: Error permanente del control P (servo control, control regulador)
suponiendo un cambio unitario en las entradas. Sin embargo, la magnitud del error
permanente absoluto dependerá de la magnitud del cambio en la entrada.
Supóngase que se tiene el sistema de control de un proceso no integrante con
ganancia K y un controlador proporcional con ganancia Kp .
Las ganancias en estado estacionaria de lazo cerrado, serán:
• Entrada de valor deseado

Kp K
Kyr = , (9.113)
1 + Kp K
• Entrada de perturbación
K
Kyd = . (9.114)
1 + Kp K
Cambio escalón en el valor deseado

Si se produce un cambio escalón en el valor deseado de magnitud ∆r, el cambio total
en la salida, será
∆yr = Kyr ∆r, (9.115)
y el cambio en el error permanente
Kp K
∆e pr = ∆r − ∆yr = ∆r − ∆r, (9.116)
1 + Kp K

Kp K
∆e pr = 1 − ∆r. (9.117)
1 + Kp K
El error permanente absoluto a un cambio escalón en el valor deseado, es

1
∆e pr = ∆r, (9.118)
1 + Kp K
y el error permanente normalizado, será
∆e pr 1
∆e prn = = . (9.119)
∆r 1 + Kp K
El error permanente absoluto del servo control, es un % del ámbito de medición

de la variable controlada, mientras que el correspondiente error permanente norma-
lizado es adimensional ( %/ %).
Como se puede deducir de (9.115), para poder garantizar un error permanente
cero a un cambio escalón en el valor deseado (∆yr = ∆r), la ganancia de lazo cerrado
Kyr debe ser unitaria, esto es
Myr (0) = 1. (9.120)
Como se vio anteriormente, esto solo se garantiza si el controlador tiene modo
integral (controlador PI o PID) o si el proceso es integrante (Tipo 1 o mayor).
Ejemplo 9.2 Error permanente del servo control

Supóngase que para un sistema de control P se tiene que Kp = 2 y K = 2. El error
permanente normalizado, a un cambio escalón en el valor deseado, será ∆e prn =
1/(1 + 4) = 1/5 = 0,20 %/ % o, lo que es lo mismo, un 20 % del ∆r.
Si el cambio en el valor deseado es ∆r = 15 %, el error permanente absoluto
será ∆e pr = 0, 20 ∗ 15 = 3 % (del ámbito de medición de la variable controlada) y
si el cambio en el valor deseado es ∆r = 40 %, el error permanente absoluto será
∆e pr = 0,20 ∗ 40 = 8 %.
En ambos casos, el error permanente normalizado será el 0,20 %/ %. Sin embar-
go, desde el punto de vista práctico, lo importante es determinar la magnitud del
error permanente absoluto en términos del rango de medición de la variable contro-
lada, la cual depende de la magnitud del cambio en el valor deseado.
Usualmente, se desea que la desviación máxima de la variable controlada en esta-

do estacionario, se encuentre dentro de una banda de error permanente (independien-
temente del valor deseado), expresada como un porcentaje del ámbito de medición,
o como una determinada cantidad en las unidades correspondientes.
Cambio escalón en la perturbación

Si se produce un cambio escalón en la perturbación de magnitud ∆d, el cambio total
en la salida será
∆yd = Kyd ∆d, (9.121)
y el cambio en el error permanente
∆e pd = −∆yd . (9.122)
El error permanente absoluto a un cambio escalón en la perturbación, es

K
∆e pd = − ∆d, (9.123)
1 + Kp K
y el error permanente normalizado, será
∆e pd K
∆e pdn = =− . (9.124)
∆d 1 + Kp K
El error permanente absoluto del control regulador, es un % del ámbito de me-
dición de la variable controlada, mientras que el correspondiente error permanente
normalizado tiene unidades de %/ud.
Ahora, como se puede deducir de (9.121), para poder garantizar un error perma-
nente cero a un cambio escalón en la perturbación (∆yd = 0), la ganancia de lazo
cerrado Kyd debe ser cero, esto es
Myd (0) = 0. (9.125)
Para poder obtener esto, es indispensable que el controlador tenga modo integral,
debe ser por lo tanto un controlador PI o un PID.
Ejemplo 9.3 Error permanente del control regulador

Supóngase que para un sistema de control P se tiene que Kp = 2 y K = 2. El error
permanente normalizado, a un cambio escalón en la perturbación, será ∆e pdn =
−2/(1 + 4) = −2/5 = −0,40 %/ud.
Si el cambio en la perturbación es ∆d = 5 ud, el error permanente absoluto
será ∆e pd = −0, 40 ∗ 5 = −2 % (del ámbito de medición de la variable controlada)
y si el cambio en la perturbación es ∆d = 15 ud, el error permanente absoluto es

∆e pd = −0,40 ∗ 15 = −6 %.
En ambos casos, el error permanente normalizado es −0, 40 %/ud. Sin embargo,
desde el punto de vista práctico, lo importante es la magnitud del error permanen-
te absoluto en términos del rango de medición de la variable controlada, la cual
depende de la magnitud del cambio en la perturbación.
9.8 Especificaciones de diseño en el dominio del tiempo

El diseño de los sistemas de control, consistirá en la selección de la función de trans-
ferencia del controlador, que permita dar cumplimiento a las especificaciones de di-
seño establecidas.
En el caso más frecuente, el controlador tendrá un algoritmo de control perte-
neciente a la familia de los algoritmos de control PID (P, PI, PD o PID), por lo que
el diseño del sistema de control consistirá en la selección de sus parámetros (ganan-
cia proporcional, tiempo integral y tiempo derivativo según se aplique), para lograr
restringir el comportamiento de la variable controlada como es deseado.
Las especificaciones de diseño, condiciones que determinan el comportamiento
dinámico del sistema de control, se pueden dividir en dos categorías:
• Especificaciones del comportamiento transitorio y en régimen permanente.
• Especificaciones de la robustez del lazo.
Las especificaciones del comportamiento, describen el funcionamiento deseado
del sistema de control (variación de la variable controlada) ante un estímulo determi-
nado, y las especificaciones de robustez (estabilidad relativa) establecen la capacidad
del sistema de control de mantenerse estable, ante variaciones en las características
Normalmente, existe un conflicto entre el comportamiento dinámico deseado y
la robustez requerida. Este conflicto debe ser resuelto por el diseñador del sistema
de control, estableciendo el nivel mínimo de robustez requerido para el sistema de
control.
Como los cambios en las perturbaciones que afectan al sistema de control y la
variación de las características dinámicas del proceso controlado son inevitables, nor-
malmente es recomendable asegurar el grado mínimo de robustez requerida y luego,
determinar lo que podría considerarse como el “mejor” comportamiento posible, se-
gún lo establezca el criterio utilizado para su medición.
Las características usualmente utilizadas para establecer el comportamiento desea-
do del sistema de control, están relacionadas con la respuesta transitoria a un cambio
en los estímulos al sistema y en el error permanente.
9.8. Especificaciones de diseño 439
Por ejemplo, en el caso del servo control, se pueden establecer las restricciones
al comportamiento de la variable controlada, utilizando algunas de las siguientes
características, cuando se presenta un cambio escalón en el valor deseado:
• Sobrepaso máximo Mp ,
• Tiempo de retardo tr ,
• Tiempo de levantamiento tl ,
• Tiempo al pico (al valor máximo) t p ,
• Tiempo de respuesta ta ,
• Error permanente e pro
• Valor de un índice de error integral Jer (IAE, ITAE, ISE, ITSE),
• Variación total del esfuerzo de control TVur ,
• Cambio instantáneo del esfuerzo de control ∆u0 y valor máximo Umáx .
En el caso de control regulador, las restricciones al comportamiento de la variable
controlada, se pueden establecer utilizando las siguientes características, cuando se
presenta un cambio escalón en la perturbación:
• Error máximo emáx ,
• Tiempo al error máximo (al pico) te máx ,
• Tiempo de recuperación ta ,
• Error permanente e pdo ,
• Valor de un índice de error integral Jed (IAE, ITAE, ISE, ITSE),
• Variación total del esfuerzo de control TVurd .
En relación a la robustez, como se verá en el Capítulo 11, esta se puede establecer
utilizando alguna de las siguientes medidas de la estabilidad relativa del sistema de
control:
• Margenes de ganancia y de fase (Am , φm ),
• Margen de estabilidad Sm ,
• Sensibilidad máxima MS ,
• Índices de robustez paramétricos, en la ganancia y en el tiempo muerto (IRK ,
IRL ).
9.8.1 Criterios para el comportamiento del servo control

Se considerará como funcionamiento deseado del sistema de control, ante un cambio
escalón en el valor deseado, que el comportamiento de la variable controlada tenga
las siguientes características:
1. Un sobrepaso máximo inferior a un valor máximo (Mpn ≤ Mpn máx )

Como se ha determinado anteriormente, el sobrepaso máximo normalizado,
si este existe (sistemas subamortiguados), depende solamente de la razón de
amortiguamiento, por lo que el requisito que Mpn ≤ Mpn máx implica que ζ ≥
ζmı́n . La razón de amortiguamiento del sistema de control debe ser mayor a un
determinado valor mínimo.
Por lo tanto, los lugares de razón de amortiguamiento constante en el plano
complejo s, mostrados en la figura 5.37 del Capítulo 5, son a su vez los lugares
de sobrepaso máximo normalizado constante.
2. Un tiempo de respuesta (al 5 % o 2 %), menor a un valor máximo (ta ≤ ta máx )

Aunque usualmente se utilizan las aproximaciones del tiempo de respuesta al
5 % y 2 %, como 3/ζ ωn y 4/ζ ωn , respectivamente. Debido a que en la práctica
el sobrepaso máximo se limita a valores bajos (0 ≤ Mpn ≤ 20 %), es convenien-
te utilizar las siguientes ecuaciones
3
ta5 ≈ (ζ ≤ 0,83), (9.126)
ζ ωn
7ζ − 2,2
ta5 ≈ (0,83 < ζ ≤ 1,4), (9.127)
ωn
4
ta2 ≈ (ζ ≤ 0,88), (9.128)
ζ ωn
10ζ − 4,2
ta2 ≈ (0,88 < ζ ≤ 1,4). (9.129)
ωn
El requerimiento que ta ≤ ta máx , establece que la constante de amortiguamiento

del sistema, deba ser mayor que un valor mínimo (ζ ωn ≥ σa mı́n ).
Por lo tanto, los lugares de constante de amortiguamiento constante en el plano
complejo s, mostrados en la figura 5.38 del Capítulo 5, son a su vez los lugares
de tiempo de respuesta constante.
En el caso particular de los sistemas con amortiguamiento crítico, como se vio
anteriormente, el tiempo de respuesta está dado por ta5 = 4,47Tc y ta2 = 5,83Tc .
9.8. Especificaciones de diseño 441
3. Un tiempo de levantamiento menor a un valor máximo (tl ≤ tl máx ) si se desea

una respuesta inicial rápida. O podría ser deseable también que el tiempo de
levantamiento sea mayor que un cierto valor mínimo (tl ≥ tl mı́n ), si es necesario
limitar el cambio inicial en el esfuerzo de control, o por limitaciones físicas del
sistema de control.
Ya que en el caso de los sistemas subamortiguados, el tiempo de levantamiento
depende tanto de la razón de amortiguamiento como de la frecuencia natural,
no es posible determinar un lugar de tiempo de levantamiento constante. En
estos casos, es más conveniente utilizar el tiempo al pico, como una indicación
de la velocidad inicial del sistema.
Para los sistemas de control con amortiguamiento crítico, el tiempo de levan-
tamiento es tl = 3,36Tc .
4. Un tiempo al pico menor que un determinado valor, o entre un valor mínimo y
uno máximo (t p mı́n ≤ t p ≤ t p máx ).
Como el tiempo al pico está dado por al ecuación
π π
tp = p = , (9.130)
ωn 1 − ζ 2 ωa
los lugares de frecuencia natural amortiguada constante en el plano complejo

s, son a su vez los lugares de tiempo al pico constante.
5. Un error permanente menor a un valor máximo (e pr0 ≤ e pr0 máx ), o que este sea
cero (e pr0 = 0).
6. El valor mínimo de algún índice de error integral Jer .
La selección de cual índice optimizar (IAE, ITAE, ISE, ITSE), dependerá de
las características deseadas para el comportamiento de la variable controlada.
7. El valor mínimo de la variación del esfuerzo de control TVur .
9.8.2 Criterios para el comportamiento del control regulador

Se considerará como comportamiento deseado del sistema de control, ante un cambio
escalón en la perturbación, que el comportamiento de la variable controlada tenga las
siguientes características:
1. Un error máximo inferior a un valor máximo (emáx ≤ Emáx )
Para los procesos subamortiguados, el error máximo está dado por
−1
√ 2
emáx = ωn Kyd e−ζ cos (ζ )/ 1−ζ , (9.131)
y para los procesos críticamente amortiguados, por
emáx = 0, 368ωn Kyd , (9.132)
El valor máximo del error es proporcional a la ganancia de lazo cerrado del

control regulador Kyd la cual, como se verá más adelante, depende de los pará-
metros del controlador.
2. Un tiempo al error máximo menor a un valor máximo (te máx ≤ Te máx )

Para los procesos subamortiguados, este es
cos−1 (ζ )
te máx = p , (9.133)
ωn 1 − ζ 2
y para los críticamente amortiguados

1
te máx = . (9.134)
ωn
3. Un tiempo de recuperación menor a un máximo (ta ≤ tmáx )

La banda en torno al valor deseado utilizada para determinar el tiempo de
recuperación, puede especificarse ya sea como un valor absoluto en %, o como
un porcentaje del error máximo.
4. Un error permanente menor a un valor máximo (e pd0 ≤ e pd0 máx ), o que este
sea cero (e pd0 = 0).
5. El valor mínimo de algún índice de error integral Jed .
6. El valor mínimo de la variación del esfuerzo de control TVud .
9.9 Polos dominantes y comportamiento

Cuando se derivaron las expresiones para el cálculo de los índices de comportamiento
del sistema de control, como el sobrepaso máximo, el tiempo al pico o el tiempo
de asentamiento, se supuso que el sistema era de segundo orden subamortiguado.
Evidentemente, los modelos de los procesos controlados pueden tener un número
mayor de polos e incluso ceros. Sin embargo, la simplificación anterior obedece por
un lado a aspectos prácticos, ya que no hay una forma fácil de estudiar los sistemas
de un orden superior a dos y por otro, a que en muchos casos se puede suponer que
la respuesta del sistema esta dominada por un par de polos complejos conjugados
9.10. Índices de comportamiento normalizados 443
(polos dominantes), que son los más lentos (más cercanos al eje imaginario del plano
complejo s).
De cumplirse esto, las especificaciones del comportamiento de lazo cerrado como
el sobrepaso máximo, tiempo de asentamiento o tiempo al pico entre otras, establecen
limitaciones a la ubicación que pueden tener estos polos complejos dominantes en el
plano complejo s.
Sin embargo, los procesos controlados son por lo general de orden alto y pueden
incluir también tiempo muerto, por lo que su comportamiento no es descrito en forma
adecuada por un modelo de segundo orden sin tiempo muerto, como el utilizado para
determinar los índices de comportamiento.
Por esta razón, una forma usual de diseñar los sistemas de control, es utilizar un
criterio de error integral para optimizar su comportamiento, al mismo tiempo que se
emplea una especificación de robustez mínima, para asegurar un determinado grado
de estabilidad relativa.
9.10 Índices de comportamiento normalizados

Es evidente que los índices utilizados para medir el comportamiento de un sistema
de control, ante un cambio en el valor deseado o en la perturbación, dependen de las
características dinámicas del proceso controlado y de las magnitudes de los cambios
en los estímulos aplicados.
Al analizar el comportamiento de los sistemas de control de dos o más procesos
diferentes, la simple comparación de las magnitudes absolutas de estos indicadores,
podría llevar a una conclusión equivocada, sobre la bondad relativa de sus sistemas
de control.
Es necesario por lo tanto, utilizar índices de comportamiento normalizados para
la comparación.
Por ejemplo, para la comparación del comportamiento de los sistemas de control
de un proceso epomtm {K, T , L}, se pueden utilizar los siguientes índices normali-
zados (Alfaro, 2005):
• Control regulador
IAEd
IAEdn = , (9.135)
KT ∆d
Emáx d
Emáx dn = , (9.136)
K∆d
tad
tadn = . (9.137)
T
• Servo control
IAEr
IAErn = , (9.138)
T ∆r
Mp
Mpn = , (9.139)
Kyr ∆r
tar
tarn = . (9.140)
T
9.11 Resumen
Para medir el comportamiento de los sistemas de control, se han definido varios in-
dicadores tomando como punto de partida, las características de la respuesta a un
cambio escalón en el valor deseado y en la perturbación.
El sobrepaso máximo o el error máximo, el tiempo de levantamiento o el tiem-
po de asentamiento, permiten establecer las características deseables de la respuesta
transitoria.
Los índices de error integral, permiten dar un “peso relativo” a la magnitud del
error y al instante en que este ocurre, en el cálculo de los índices de error integral.
En el caso de un cambio escalón en el valor deseado, este nuevo valor se puede
alcanzar sin error −servo control exacto−, solo si el proceso o el controlador, tienen
por lo menos un polo en el origen (alguno de los dos posee características integra-
doras). Por su parte, el error producido por un cambio escalón en la perturbación,
solo se puede eliminar −control regulador exacto− si el algoritmo de control del
controlador, incluye el modo integral (su función de transferencia tiene un polo en el
origen).
Es evidente que sería conveniente, que el control regresara la variable controlada
a su valor deseado ante la presencia de una perturbación y que lo llevara a un nuevo
valor deseado si este es cambiado, en un tiempo corto y con un error máximo y
un sobrepaso máximo mínimos. Sin embargo, cumplir esto en forma simultánea, no
siempre es posible.
Además de lo anterior, como se verá más adelante, existe un conflicto inevitable
entre el comportamiento deseado y la robustez requerida para el sistema de control.
Este conflicto debe ser resuelto por el diseñador, estableciendo primero la robustez
mínima requerida para el sistema de control y seleccionando luego, los índices para
evaluar el comportamiento que se puede alcanzar con el sistema de control diseñado.
9.12 Bibliografía
Alfaro, V. M. (2005). Estimación del desempeño IAE óptimo de los reguladores y
servomecanismos PID. Ingeniería, 15(1):79–90.

Kuo, B. C. (1996). Sistemas de control automático. Prentice-Hall Hispanoamericana,

S.A., 7ª edición.
Lewis, P. H. y Yang, C. (1999). Sistemas de control en ingeniería. Prentice Hall.

España.


10
Estabilidad de los lazos de control
10.1 Introducción
10.2 Determinación de la estabilidad
10.3 Análisis del polinomio característico
10.3.1 Criterio de estabilidad de Routh-Hurwitz
10.3.2 Criterio de estabilidad de Liénard-Chipart
10.3.3 Multiplicidad de las raíces imaginarias
10.3.4 Efecto de la variación del proceso controlado
10.3.5 Estabilidad robusta y Teorema de Kharitonov
10.4 Movimiento de los polos de lazo cerrado
10.4.1 Lugar geométrico de las raíces (LGR) de Evans
10.4.2 Dibujo del lugar geométrico de las raíces
10.4.3 Lugar de las raíces de diferentes sistemas de control
10.4.4 Efecto de la adición de un polo o un cero
10.4.5 LGR de los sistemas de control con tiempo muerto
10.5 Contornos de las raíces
10.6 Gráfica polar y estabilidad
10.6.1 Criterio de estabilidad de Nyquist
10.6.2 Criterio de estabilidad de Foellinger-Yeung
10.7 Resumen
10.8 Bibliografía
447
448 10 Estabilidad de los lazos de control
En los capítulos anteriores, se han presentado las características de los procesos con-
trolados y las de los algoritmos de control PID, además de los índices para evaluar el
comportamiento de los lazos de control.
Para que el sistema de control diseñado sea de utilidad, este debe ser estable. Esto
es, que en la eventualidad de un cambio finito en alguno de sus estímulos, alcance un
nuevo punto de equilibrio, donde todas las variables son constantes.
Como se mostrará, la estabilidad del sistema de control, no depende de las carac-
terísticas del los estímulos aplicados, solo de los parámetros de sus componentes: el
proceso controlado y el controlador.
10.1 Introducción
Se verán ahora las características del sistema de control, que determinan su estabili-
dad, la cual es una condición indispensable para su operación.
Se sabe que la función de transferencia de lazo cerrado del servo control, está
dada por la expresión
. y(s) C(s)P(s)
Myr (s) = = . (10.1)
r(s) 1 +C(s)P(s)
Se dirá entonces, que un sistema de control es estable en su relación entrada a
salida esto es, externamente estable, si la función de transferencia de lazo cerrado
Myr (s) es estable. Esto, considerando al valor deseado r(s) como su entrada y a la
señal realimentada y(s) como su salida.
Se puede decir también, que un sistema de control es estable si toda entrada
acotada produce una salida acotada, esto es, si es BIBO (“bounded-input-bounded-
output”) estable . O se puede definir la estabilidad del sistema de control, indicando
que un sistema de control es inestable si cualquier entrada acotada produce una
salida no acotada.
Se entenderá que cualquier señal v(t) es acotada, si existe una constante Ψ < ∞,
tal que |v(t)| < Ψ para todo valor de t.
Una función de transferencia será BIBO estable, si y solo si es propia −el grado
del polinomio de su denominador es mayor o igual al grado del polinomio de su
numerador− y su polinomio del denominador es Hurwitz −todas sus raíces tienen
parte real negativa−.
La función de transferencia de lazo cerrado del servo control (10.1), para un con-
trolador con un algoritmo de control PID y los modelos de los procesos controlados
considerados en este estudio, es siempre propia. El que esta sea BIBO estable, se re-
duce a requerir que el polinomio de su denominador, el polinomio característicos de
lazo cerrado, sea Hurwitz. Esto es, que todos los polos de lazo cerrado tengan parte
real negativa.
Pero garantizar solo la estabilidad externa del lazo de control, no es suficiente. Es
necesario garantizar su estabilidad interna. Esta asegurará que el sistema de control
de lazo cerrado sea estable, no solamente entre la señal de entrada de valor deseado y
la señal de salida del sistema de control, sino también entre cualesquiera dos señales
internas.
El sistema de control será internamente estable, si todas las siguientes funciones
de transferencia de lazo cerrado
. y(s) P(s)
Myd (s) = = , (10.2)
d(s) 1 +C(s)P(s)
. e(s) 1
Mer (s) = = , (10.3)
r(s) 1 +C(s)P(s)
. e(s) −P(s)
Med (s) = = , (10.4)
d(s) 1 +C(s)P(s)
. u(s) C(s)
Mur (s) = = , (10.5)
r(s) 1 +C(s)P(s)
. u(s) −C(s)P(s)
Mud (s) = = , (10.6)
d(s) 1 +C(s)P(s)
son BIBO estables.

La estabilidad interna implica estabilidad externa, pero no a la inversa (Dorato,
2000).
Una mala consecuencia de la inestabilidad interna, es que un cambio escalón
en el valor deseado, produzca una cambio impulsional a la salida del controlador.
Además, la estabilidad interna garantiza que no existan cancelaciones malas de polos
con ceros. Estas son cancelaciones de polos inestables del proceso, con los ceros del
controlador. Esto se ilustrará con un par de ejemplos.
Ejemplo 10.1 Estabilidad externa e interna

Supóngase que se tiene el modelo del proceso controlado, dado por la función de
transferencia
K
P(s) = , (10.7)
Ts+1
y que se desea controlarlo, empleando un controlador con un algoritmo de control
proporcional y derivativo ideal, dado por la función de transferencia
C(s) = Kp (Td s + 1) . (10.8)

En este caso, la función de transferencia de lazo cerrado del servo control, es

KK p
1+KK p (Td s + 1) Kyr (Td s + 1)
Myr (s) = = , (10.9)
T +KK p Td
s+1 Tc s + 1
1+KK p
la cual es propia y su denominador es Hurwitz para todo Tc (todo Kp y Td ). Por lo

tanto, el sistema de control es externamente estable.
Sin embargo, la función de transferencia desde el valor deseado hasta el esfuerzo
de control, está dada por la expresión

K
1+KK p (Td s + 1)(T s + 1) Kur (Td s + 1)(T s + 1)
Mur (s) = = , (10.10)
T +KK p Td
s+1 Tc s + 1
1+KK p
que es impropia y el sistema de control no es internamente estable.

Si se hace un cambio tipo escalón en el valor deseado, se presentará un salto
tipo impulso de magnitud infinita en la salida del controlador.
Ejemplo 10.2 Estabilidad externa e interna

Considérese ahora que se tiene un proceso inestable, cuyo modelo es
K
P(s) = . (10.11)
s(T s − 1)
Para diseñar su sistema de control, se emplea una técnica de cancelación de
polos con ceros, seleccionado el controlador (si esto fuera posible), como
C(s) = Kp (T s − 1). (10.12)
La función de transferencia entre la variable controlada y el valor deseado, es
1 1
Myr (s) = = . (10.13)
Tc0 s + 1

1
KK p s+1
El sistema de control es externamente estable para todo Tc0 (todo Kp ).

Por otra parte, la función de transferencia entre la variable controlada y la per-
turbación, es
1 0
Kp Kyd
Myd (s) = = , (10.14)
(T s − 1)(Tc0 s + 1)

1
(T s − 1) KK p s + 1
la cual tiene un polo inestable y el sistema de control no es internamente estable.

Si se produce una perturbación positiva, la variable controlada crecerá sin cota.
Figura 10.1: Diagrama de bloques del sistema de control realimentado de 2GdL
En la obtención de las funciones de transferencia de lazo cerrado (10.1) a (10.6),

se ha supuesto que el algoritmo de control completo es aplicado directamente al error,
por lo que se ha hecho uso de la función de transferencia del controlador C(s).
Sin embargo, en el Capitulo 7 se ha indicado que esto normalmente no es con-
veniente y que es de interés, el uso de los algoritmos de control de dos grados de
libertad.
Para el análisis subsiguiente, el diagrama de bloques del sistema de control de dos
grados de libertad de la figura 7.44, se ha redibujado como se muestra en la figura
10.1.
Considerando entonces que la parte del algoritmo de control aplicada al valor
deseado Cr (s) es diferente de la aplicada a la señal realimentada Cy (s), las funciones
de transferencia de lazo cerrado, son
. y(s) Cr (s)P(s)
Myr (s) = = , (10.15)
r(s) 1 +Cy (s)P(s)
. y(s) P(s)
Myd (s) = = , (10.16)
d(s) 1 +Cy (s)P(s)
. e(s) 1 + P(s)[Cy (s) −Cr (s)]
Mer (s) = = , (10.17)
r(s) 1 +Cy (s)P(s)
. e(s) −P(s)
Med (s) = = , (10.18)
d(s) 1 +Cy (s)P(s)
. u(s) Cr (s)
Mur (s) = = , (10.19)
r(s) 1 +Cy (s)P(s)
. u(s) −Cy (s)P(s)
Mud (s) = = . (10.20)
d(s) 1 +Cy (s)P(s)
Que el polinomio del denominador de las funciones de transferencia de lazo ce-

rrado (10.15) a (10.20) sea Hurtwitz, depende del valor de los parámetros de P(s) y
Cy (s), pero no de los parámetros de Cr (s) que no están en Cy (s).
Esto permitirá diseñar el sistema de control, con controladores con un algoritmo
de control de dos grados de libertad, en dos etapas: primero considerando simultá-
neamente la robustez requerida y el comportamiento del control regulador y luego,
solo el mejoramiento del comportamiento del servo control.
10.2 Determinación de la estabilidad

Se ha establecido anteriormente, que para que una función de transferencia sea BIBO
estable, el polinomio de su denominador debe ser Hurwitz, esto es, todas sus raíces
deben tener parte real negativa.
El denominador de todas las funciones de transferencia de lazo cerrado, es el
polinomio característico del sistema de control, el cual está dado por la ecuación
.
p(s) = 1 + L(s) = 1 +Cy (s)P(s). (10.21)
Si las funciones de transferencia del controlador y del proceso controlado se escriben

como la razón de dos polinomios
Ncy (s) Np (s)

Cy (s) = , P(s) = , (10.22)
Dcy (s) D p (s)
la función de transferencia de lazo abierto, es
Ncy (s)Np (s)

L(s) = , (10.23)
Dcy (s)D p (s)
y la ecuación característica del sistema de control, se puede escribir, como
Dcy (s)D p (s) + Ncy (s)Np (s) = 0. (10.24)
Como los polos de lazo cerrado son los ceros de la ecuación característica, estos
dependen de los polos y ceros de lazo abierto.
De (10.24) se observa, que los polos de la función de transferencia de lazo abierto
L(s), no son raíces de la ecuación característica. Esto es, no son a la vez, polos de
lazo cerrado. Por lo tanto, es posible que el sistema de control de un proceso estable
−los polos de lazo abierto son estables− sea inestable −los polos de lazo cerrado son
inestables− y que el sistema de control de un proceso inestable −los polos de lazo
abierto son inestables− pueda ser estable −los polos de lazo cerrado son estables−,
dependiendo del ajuste de los parámetros del algoritmo de control del controlador.
10.2. Determinación de la estabilidad 453
La estabilidad del lazo de control, depende de la localización de los polos de lazo

cerrado.
Se dirá entonces, que un sistema de control es asintóticamente estable, si todas
las raíces de la ecuación característica tienen parte real negativa, esto es, que se en-
cuentran en el semiplano izquierdo del plano complejo s. En cualquier otro caso, se
considerará que el sistema es inestable.
Aunque para efectos del sistema de control, se puede decir que si las raíces de la
ecuación característica son imaginarias puras el sistema es oscilatorio, si estas tienen
una multiplicidad mayor que uno, el sistema será inestable.
Debido a lo anterior, es que los diferentes procedimientos para analizar la esta-
bilidad de los sistemas de control, investigan en alguna forma las características del
polinomio característico del mismo.
Debido a que este se puede escribir, como
p(θcy , θ p , s) = 1 +Cy (θcy , s)P(θ p , s) = 1 + L(θcy , θ p , s), (10.25)
es posible emplear herramientas que utilizan la función de transferencia de lazo

abierto L(θcy , θ p , s), para analizar la estabilidad del sistema de control de lazo ce-
rrado.
Es importante notar, que los coeficientes del polinomio característico (10.25),
dependen de los parámetros del modelo del proceso controlado θ p , que son fijos,
y de los parámetros de la parte del algoritmo de control que se aplica a la señal
realimentada θcy , que son ajustables. Pero que no dependen de los parámetros de la
parte del algoritmo de control, que se aplica al valor deseado θcr que no están en θcy .
Por lo tanto, la estabilidad del sistema de control no depende de algunos parámetros
del controlador, tales como los factores de peso y las constantes de tiempo de los
filtros del valor deseado.
Si bien como se ha indicado, los parámetros θ p del modelo nominal del proceso
controlado son fijos, las características dinámicas del proceso real, sufren variaciones
cuando el cambia el punto de operación del sistema de control −por cambios en el
valor deseado o en la perturbación−, afectando la estabilidad relativa del mismo.
El uso del control realimentado permitirá controlar en forma estable, con el ajuste
adecuado, un proceso que sin control es inestable. Este es uno de los beneficios de la
realimentación. Sin embargo, el uso de la realimentación también puede ocasionar,
que el sistema de control de un proceso estable, sea inestable si los parámetros del
algoritmo de control de su controlador están mal ajustados.
Esta última posibilidad es la que hace necesario analizar en detalle, las condicio-
nes que los parámetros del algoritmo de control del controlador deben cumplir, para
asegurar la estabilidad del sistema de control.
10.3 Análisis del polinomio característico

Se verán primero, dos procedimientos algebraicos para determinar la estabilidad ab-
soluta del sistema de control, a partir de su polinomio característico.
10.3.1 Criterio de estabilidad de Routh-Hurwitz

Adolf Hurwitz1 y Edward J. Routh2 determinaron en forma independiente, las con-
diciones necesarias y suficientes para investigar la estabilidad de un sistema de con-
trol, a partir de los signos y valores de los coeficientes de la ecuación característica.
Aunque sus desarrollos fueron independientes, ambos criterios proveen la misma in-
formación.
En la actualidad, es muy simple determinar las raíces de un polinomio empleando
un programa de diseño de sistemas de control asistido por computadora (CACSD)
y a partir de estas, verificar la estabilidad del sistema. Sin embargo, el criterio de
Routh-Hurwitz cobra importancia y utilidad, cuando el polinomio característico in-
cluye algún parámetro variable del sistema de control, cuyo efecto sobre la estabili-
dad del sistema se desea investigar.
El método de Routh-Hurwitz es un procedimiento algebraico, para determinar
si un polinomio tiene o no raíces en el semiplano derecho -estabilidad absoluta-.
Analiza los signos y las magnitudes de los coeficientes de la ecuación característica
sin calcular sus raíces. Sin embargo, no provee información de la estabilidad relativa
del sistema de control.
Supóngase que la ecuación característica del sistema de control, tiene la forma
general
an sn + an−1 sn−1 + · · · + a1 s + a0 = 0. (10.26)
Para que no existan raíces de (10.26) con parte real positiva, esto es, para que el
polinomio sea Hurwitz, son condiciones necesarias pero no suficientes, que:
1. Todos los coeficientes ai del polinomio tengan el mismo signo.
2. Ninguno de los coeficientes ai sea cero.
Las primera condición está dada por el hecho de que, para que el sistema de
control sea estable, todas las raíces de la ecuación característica deben tener parte real
negativa. Esto implica que este es el producto de factores de la forma (s + λi ), donde
1 Hurwitz, A. (1895) - “Uber die Belingungen under welchen eine Gleichung nur Wurzeln mit
negativen realen Theilen besitzt”, Math. Ann., 46, 273

2 Ruth, E. J. (1905) - “Advanced Dynamics of a System of Rigid Bodies”, MacMillllan & Co.,
Londres
10.3. Análisis del polinomio característico 455
los λi deben ser reales y positivos, o complejos conjugados con parte real positiva. El
producto de estos términos, da polinomios con todos los coeficientes positivos.
La segunda condición resulta del hecho de que si algún coeficiente faltara, esto
implicaría la cancelación entre coeficientes reales positivos y negativos, o la existen-
cia de raíces imaginarias.
Se supondrá en adelante, que todos los coeficientes del polinomio característico
son reales y que además an es positivo.
Para construir el arreglo de Routh-Hurwitz, se debe proceder como sigue:
1. El arreglo tendrá un total de n + 1 filas, asociadas a los términos sn , sn−1 ,

. . . hasta s0 .
2. Se ordenan los coeficientes del polinomio característico en las dos primeras

filas, de la siguiente manera
sn an an−2 an−4 ... a0 0

n−1
s an−1 an−3 ... 0 0
si el orden n del polinomio es par. Si n es impar, a0 caerá en la segunda fila.
3. Se calculan las siguientes filas del arreglo, como
sn an an−2 an−4 ... a0 0

n−1
s an−1 an−3 ... 0 0
sn−2 b31 b32
...
si ... bi j
donde
an−1 an−2 − an an−3
b31 = ,
an−1
an−1 an−4 − an an−5
b32 = ,
an−1
y en general
bi−1,1 bi−2, j+1 − bi−2,1 bi−1, j+1
bi j = .
bi−1,1
.
4. Se continua el procedimiento hasta que se completen las n + 1 filas, o se pre-

sente alguno de los casos especiales que se mencionarán más adelante.
5. Se investigan los signos de los elementos de la primera columna.
Para que el sistema de control sea asintóticamente estable, esto es, para que la
ecuación característica no tenga raíces con parte real positiva, todos los ele-
mentos de la primera columna del arreglo de Routh-Hurwitz deben ser positi-
vos. Si no es así, existen raíces con parte real positiva, el sistema es inestable,
y el número de cambios de signo, indica el número de raíces en el semiplano
derecho del plano complejo s.
Casos especiales
Puede ser que antes de alcanzar la última fila del arreglo, el primer elemento de una
fila sea cero, o que los elementos de una fila completa sean todos cero. En estos casos,
no se pueden calcular los elementos de la siguiente fila como se indicó anteriormente
y se debe seguir un procedimiento alternativo.
Determinación de parámetros para que el sistema sea estable
El criterio de Routh-Hurwitz, se puede utilizar para determinar el rango de valores

de un parámetro del sistema de control, que garantizan la estabilidad del lazo.
En este caso, los valores del parámetro variable, necesarios para lograr que todos
los elementos de la primera columna del arreglo de Routh-Hurwitz sean positivos y
mayores que cero, serán los que garanticen que el sistema de control de lazo cerrado
sea estable.
Ejemplo 10.3 Criterio de estabilidad de Routh-Hurwitz
Considérese el sistema de control realimentado con un controlador proporcional

C(s) = Kp (Cy (s) = Kp ), cuyo polinomio característico, es
p(s) = s4 + 22s3 + 10s2 + 2s + Kp ,

En este caso, el arreglo de Routh-Hurwitz es
s4 1 10 Kp
s3 22 2 0
reemplazada por
s3 11 1 0
s2 9, 9 Kp 0
reemplazada por
s2 1 Kp /9, 9 0
s1 1 − 1, 11Kp 0
0
s Kp /9, 9 0
Según el criterio de Routh-Hurwitz, para que el sistema sea asintóticamente es-

table, se requiere que 1 − 1,11Kp > 0 y que Kp > 0. De estas condiciones, se puede
obtener que el rango de ganancias del controlador, para el cual el sistema de control
es estable es 0 < Kp < 0,9. Por lo tanto Kp = 0,9 hará el sistema oscilatorio y valores
de ganancia mayores a este, lo harán inestable.
10.3.2 Criterio de estabilidad de Liénard-Chipart

En el punto anterior, se vio la utilización del criterio de Routh-Hurwitz, el cual esta-
blece condiciones a los coeficientes del polinomio
p(s) = an sn + an−1 sn−1 + · · · + a1 s + a0 , (10.27)
de manera que sus raíces tengan parte real negativa. Un polinomio con estas propie-
dades se le conoce como polinomio Hurwitz.
Cuando el polinomio p(s), es el polinomio característico de un lazo de control
realimentado, la condición de que este sea Hurwitz, es precisamente una condición
necesaria para que el sistema de control sea estable.
Se puede mostrar que el criterio de Routh-Hurwitz, obtenido en término de los
arreglos de Routh, es equivalente a que los determinantes
∆1 > 0, ∆2 > 0, ... ∆n > 0. (10.28)
Los ∆i son llamados determinantes de Hurwitz y están dados por
∆1 = a1 , (10.29)

a1 a0
∆2 =
, (10.30)
a3 a2

a1 a0 0

∆3 = a3 a2 a1 , (10.31)
a5 a4 a3
y en general, por

a1
a0 0 ... 0
a3
a 2 a 1 ... 0
∆i = a5 a4 a3 ... ,
(10.32)
...

a2i−1 a2i−2 a2i−3 . . . ai
donde los coeficientes con subíndices mayores que n o negativos, son cero.
El criterio de Liénard-Chipart3 (Dorato, 2000), reduce el número de determinan-
tes que se deben evaluar. Este establece que el polinomio p(s) tiene todas sus raíces
con parte real negativa, si y solo si uno de los siguientes conjuntos de desigualdades
se cumple
an > 0, an−2 > 0, . . . ; ∆1 > 0, ∆3 > 0, . . . (10.33)
o
an > 0, an−2 > 0, ...; ∆2 > 0, ∆4 > 0, ... (10.34)
Aunque cualquiera de los dos conjuntos de desigualdades se puede utilizar, el
primero requiere menos cálculos cuando n es par y el segundo cuando es impar, ya
que los ∆i solo se requieren calcular hasta i = n − 1.
Si se combinan estas desigualdades, con las condiciones de igualdad de signo y
de no ausencia de los coeficientes del polinomio indicadas anteriormente, se puede
establecer un criterio de estabilidad absoluta.
Considerando polinomios de primero hasta cuarto orden, se tiene, que
Las raíces del polinomio característico tienen todas parte real negativa, si se
cumplen las siguientes condiciones:
1. p1 (s) = a1 s + a0 ,
a0 , a1 > 0.
2. p2 (s) = a2 s2 + a1 s + a0 ,
a0 , a1 , a2 > 0.
3 Liénard, A. y M. H. Chipart (1914) - Sur le signe de la partie réelle des racines d’une équation
algébrique, J. Math. Pures Appl., 10(6), 291-346.
3. p3 (s) = a3 s3 + a2 s2 + a1 s + a0 ,
a0 , a1 , a2 , a3 > 0 y a1 a2 − a0 a3 > 0.
4. p4 (s) = a4 s4 + a3 s3 + a2 s2 + a1 s + a0 ,
a0 , a1 , a2 , a3 , a4 > 0 y a1 a2 a3 − a21 a4 − a0 a23 > 0.
Lo anterior reduce la prueba de estabilidad de los polinomios de hasta cuarto

orden, a la inspección de sus coeficientes y la verificación de una desigualdad, lo
cual es muy simple.
Este criterio de estabilidad, se puede utilizar también para determinar el rango
de valores de un parámetro, que garantiza la estabilidad de un sistema de control en
particular.
Ejemplo 10.4 Criterio de estabilidad de Liénard-Chipart

Se desea determinar el ámbito de valores de Kp que mantienen estable el sistema de
control, con
p(s) = s4 + 22s3 + 10s2 + 2s + Kp .
Como todos los coeficientes del polinomio deben tener el mismo signo y no faltar
ninguno, se tiene que la primera condición es que Kp > 0.
Además, se debe verificar que
a1 a2 a3 − a21 a4 − a0 a23 > 0,
la que en este caso es
2 ∗ 10 ∗ 22 − 4 − Kp ∗ 222 = 436 − 484Kp > 0,
Kp < 436/484 = 0,90.

Combinado esta restricción con la anterior, se obtiene que se requiere que 0 < Kp <
0, 90 para que el sistema sea estable.
Este es el mismo resultado obtenido en el ejemplo 10.3 utilizando el criterio de
estabilidad de Routh-Hurwitz.
Ejemplo 10.5 Criterio de estabilidad de Liénard-Chipart

Supóngase que la función de transferencia de lazo abierto de un sistema de control,
es
K(s + 10)(s + 20)
L(s) = .
s(s + 1)(s + 2)
El polinomio característico de lazo cerrado, es en este caso
p(s) = s3 + (3 + K)s2 + (2 + 30K)s + 200K,
de donde se obtiene primero, que se requiere que K > 0.

Además, aplicando el criterio de estabilidad de Liénard-Chipart, se tiene que
cumplir que
(3 + K)(2 + 30K) − 200K = 30K 2 − 108K + 6 > 0,
(K − 0,0564)(K − 3,544) > 0.

Por lo tanto, para que el sistema sea estable 0 < K < 0,0564 o K > 3,544.
El sistema de control es condicionalmente estable. Esto es, que existen dos con-
juntos disjuntos de valores de K, que garantizan la estabilidad del sistema de control.
Ejemplo 10.6 Estabilidad del sistema de control de un barco

Como se indicó en la sección 7.6 del Capítulo 7, un protagonista importante en
los albores del desarrollo de los sistemas de control fue Nicolas Minorsky, con sus
estudios sobre el comportamiento de los sistemas de control del curso de un barco.
Considerando el modelo dinámico del barco y la expresión del esfuerzo de con-
trol, se puede determinar que la ecuación característica del sistema de control de su
dirección, es
A s3 + (B + K p) s2 + K n s + K m = 0
Utilizando el criterio de estabilidad de Liénard-Chipart, se encuentra que para
garantizar la estabilidad de este sistema de control, se debe cumplir que
B + K p > 0,
K n > 0,
K m > 0,
(B + K p)K n − A K m > 0.
Que son las mismas condiciones de estabilidad que determinó Minorky en 1922,
utilizando el criterio de estabilidad de Hurwitz (Bennett, 1984).
10.3.3 Multiplicidad de las raíces imaginarias

Una condición adicional de estabilidad, es que no existan raíces múltiples en el eje
jω.
Ejemplo 10.7 Raíces múltiples en el eje imaginario

El sistema de control con el polinomio característico
p(s) = s3 + s2 + 4s + 4 = (s + 1)(s ± j2),
es oscilatorio, mientras que el sistema de control con el polinomio característico
p(s) = s5 + s4 + 8s3 + 8s2 + 16s + 16 = (s + 1)(s ± j2)2 ,
es inestable.
10.3.4 Efecto de la variación de los parámetros del proceso controlado

En los puntos anteriores, al hacer el análisis de la estabilidad, se supuso que los co-
eficientes del polinomio característico son constantes. Esto es equivalente a suponer,
que las características del proceso controlado no cambian.
Como se ha visto anteriormente, usualmente esto no es cierto, ya que el com-
portamiento dinámico del proceso controlado, puede cambiar como resultado de un
cambio en el punto de operación, debido a una variación del valor deseado o a las
perturbaciones, e incluso por su “envejecimiento”.
Ejemplo 10.8 Efecto de la variación de los parámetros del proceso controlado

Se tiene un proceso controlado cuyo modelo, es
K
P(s) = ,
s(T s + 1)2
y parámetros nominales Ko = 0,50 y To = 2,0 s. Además, estos parámetros tienen una

cierta incertidumbre (pueden variar en un intervalo): K ∈ [K − , K + ] y T ∈ [T − , T + ].
Supóngase que la ganancia puede variar hasta en ±20 % (K ∈ [0,40, 0,60]) y la
constante de tiempo en hasta un ±10 % (T ∈ [1,80 s, 2,20 s]).
Si este proceso se controla con un controlador proporcional (C(s) = Kp ), la ecua-
ción característica del sistema de control, es
KKp
1+ = 0,
s(T s + 1)2
de la cual se obtiene su polinomio característico
p(s) = T 2 s3 + 2T s2 + s + KKp .
Para que este sistema sea estable, empleando el criterio de estabilidad de Liénard-
Chipart, se requiere que
2
0 < Kp < . (10.35)
KT
Utilizando los parámetros nominales del modelo, se obtiene que la ganancia del
controlador debe ser 0 < Kp < 2, para que el sistema de control sea estable.
Por otra parte, de la condición para la estabilidad anterior, se nota que la res-
tricción máxima en la ganancia del controlador (el valor superior mínimo de esta)
cuando los parámetros del proceso controlado cambian, se obtiene en el caso en que
tanto su ganancia como su constante de tiempo son máximos. En este caso extremo
se tiene, que
2
0 < Kp0 < = 1,515. (10.36)
K+T +
La incertidumbre en los parámetros del modelo, llega a reducir en hasta un 24,24 %

el valor máximo permitido para la ganancia Kp del controlador.
Una manera de analizar el efecto de la variación de los coeficientes del polinomio

característico del sistema de control, es utilizando el teorema de Kharitonov descrito
a continuación.
10.3.5 Estabilidad robusta y Teorema de Kharitonov

Supóngase ahora que los coeficientes ai , del polinomio característico
p(s) = an sn + an−1 sn−1 + · · · + a1 s + a0 , (10.37)
de un sistema de control, pueden variar en un intervalo [a− +

i , ai ] para i = 0, 1, ..., n, en
forma independiente del valor del coeficiente a j con j 6= i.
El conjunto de todos los polinomios característicos está definido por la cota infe-
rior y superior de cada coeficiente y se denotará, como
p(s, a) = an sn + an−1 sn−1 + · · · + a1 s + a0 : ai ∈ [a− +

i , ai ], i = 0, 1, ..., n . (10.38)
Este tipo de polinomios se denomina polinomio de intervalos (Datta et al., 2000).

Teorema 10.1 Teorema de Kharitonov

El polinomio de intervalos p(s, a) de orden n fijo, es robustamente estable si y solo
si, los siguientes cuatro polinomios son Hurwitz
p1 (s) = a− − + 2 + 3 − 4 − 5
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . .
− 2 − 3
p2 (s) = a+ + + 4 + 5
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . . (10.39)
− − 2 − 5
p3 (s) = a+ + 3 + 4
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . .
p4 (s) = a− + + 2 − 3 − 4 + 5
0 + a1 s + a2 s + a3 s + a4 s + a5 s + . . .
Los polinomios p1 (s) a p4 (s) se llaman polinomios de Kharitonov4

Por lo tanto, la estabilidad robusta se puede verificar aplicando por ejemplo, la
prueba de estabilidad de Routh-Hurwitz o el criterio de Liénard-Chipart, a los cuatro
polinomios de Kharitonov.
La prueba de estabilidad de un polinomio de intervalos, se puede simplificar aún
más, si su orden n es 3, 4, o 5 (Paraskevopoulos, 2002):
1. El polinomio de intervalos p(s, a) de orden n = 3, es robustamente estable si y

solo si, el polinomio de Kharitonov p3 (s) es Hurwitz.

solo si, los polinomios de Kharitonov p2 (s) y p3 (s) son Hurwitz.

solo si, los polinomios de Kharitonov p1 (s), p2 (s) y p3 (s) son Hurwitz.
Ejemplo 10.9 Estabilidad robusta

El polinomio característico del sistema de control P, del proceso controlado
K
P(s) = ,
s(p2 s2 + p 1 s + p0 )
es
p(s) = p2 s3 + p1 s2 + p0 s + KKp .
Según el criterio de estabilidad de Liénard-Chipart, este sistema de control es
estable, si
p0 p1
0 < Kp < .
K p2
4 Kharitonov, V. L. (1978), “Asymptotic Stability of an Equilibrium Position of a Family of Systems
of Differential Equations”, Differentsial’nye Uravneniya, 14, 2086-2088.

Si los parámetros del modelo son inciertos cada uno en un determinado interva-
lo, la restricción máxima al valor de la ganancia del controlador, está dada por
p−
0 p1
−
0 < Kp0 < .
K + p+
2
Como el polinomio característico es de tercer orden, considerando la simplifica-

ción indicada anteriormente, se puede analizar solamente la estabilidad del polino-
mio de Kharitonov
− − 2 − − 2
p3 (s) = a+ + 3 + + 3
0 + a1 s + a2 s + a3 s = K K p + p0 s + p1 s + p2 s .
Aplicando el criterio de estabilidad de Liénard-Chipart a este polinomio, se ob-

tiene que se requiere que
p− p−
0 < Kp < 0+ 1+ ,
K p2
lo cual coincide con el resultado anterior.
Aunque el teorema de Kharitonov es una herramienta importante para el análisis

de la robustez, solo es aplicable a un polinomio de intervalos, esto es, a los polino-
mios en los que sus coeficientes varían en forma independiente.
En el caso general de un polinomio
n
p(s, b) = ∑ fi (b1 , b2 , · · · , bm )si , (10.40)
i=0
donde las fi (· · · ) son funciones de los coeficientes inciertos b1 , b2 , · · · , bm , el teorema

de Kharitonov falla en la respuesta a la prueba de estabilidad robusta. El resultado
obtenido es conservador (Atherton, 2013).
Lamentablemente, por lo general los polinomios característicos de los sistemas
de control de procesos con parámetros que varían, no resultan ser un polinomio de
intervalos, debido a la dependencia de sus coeficientes con los parámetros del siste-
ma.
Ejemplo 10.10 Polinomios de Kharitonov

Considérese ahora el sistema de control P, cuya función de transferencia de lazo
abierto, es
KKp
L(s) = .
s(T1 s + 1)(T2 s + 1)
Supóngase además, que los valores nominales y los intervalos de variación de

los parámetros del proceso controlado son: Ko = 2, K ∈ [1,9, 2,2], T1o = 2 s, T1 ∈
[1,8 s, 2,5 s] y T2o = 0,5 s, T2 ∈ [0,2 s, 0, 8 s].
El polinomio característico de este sistema, es
p(s) = T1 T2 s3 + (T1 + T2 )s2 + s + KKp ,
el cual no es un polinomio de intervalos.

Para que el sistema sea estable, se requiere que

1 T1 + T2 1 1 1
0 < Kp < = + .
K T1 T2 K T1 T2
Con los parámetros nominales, la estabilidad del sistema de control se garantiza,

si
1 1 1 1 1 1
0 < Kp < + = + = 1,25,
K T1 T2 2,0 2,0 0,5
y con los parámetros perturbados, si

0 1 1 1 1 1 1
0 < Kp < + + = + = 0,75.
K T1+ T2+ 2,2 2,5 0,8
La incertidumbre del modelo, resulta en una reducción del 40 % en la ganancia límite

del controlador.
Por otra parte, como en este caso el polinomio característico del sistema de con-
trol no es un polinomio de intervalos, la única forma de aplicar el teorema de Khari-
tonov, es tomando los valores extremos superiores e inferiores de los coeficientes de
cada uno de los términos del polinomio.
Haciendo esto, el polinomio de Kharitonov a analizar, sería entonces
p3 (s) = T1+ T2+ s3 + (T1− + T2− )s2 + s + K + Kp .
Este polinomio es Hurwitz si
1 T1− + T2−

1 1,8 + 0,2
0 < Kp < + = = 0,4545,
K T1+ + T2+ 2,2 2,5 ∗ 0,8
lo cual implicaría una reducción del 63,6 % en el rango de ganancias que garantizan
la estabilidad del sistema, para todo el conjunto de parámetros inciertos. Este es un
resultado conservador, ya que utilizando el criterio de Liénard-Chipart, se había
determinado que la incertidumbre de los parámetros del modelo, reducía el rango de
ganancias que garantizan la estabilidad del sistema de control solo en un 40 %.
Ejemplo 10.11 Polinomios de Kharitonov

Considérese ahora el caso en que el proceso controlado, cuya función de transferen-
cia es
K
P(s) = ,
(T s + 1)3
se controla con un controlador proporcional C(s) = Kp (Cy (s) = Kp ).
Además, los valores nominales de los parámetros del proceso, son Ko = 1 y
To = 1 s y estos pueden variar ±5 % Esto es, toman valores K ∈ [0,95, 1,05] y
T ∈ [0,95 s, 1,05 s]. Se desea determinar el efecto que estas variaciones tienen,
sobre la estabilidad del sistema de control.
Para el modelo nominal, el polinomio característico es
p(s) = T 3 s3 + 3T 2 + 3T s + 1 + KKp = s3 + 3s2 + 3s + 1 + Kp ,
del cual se obtiene que 0 < Kp < 8, para que el sistema sea asintóticamente estable.
Los cuatro polinomios de Kharitonov de este sistema, son
p1 (s) = 1 + 0,95Kp + 2,85s + 3,308s2 + 1,158s3 , (10.41)

p2 (s) = 1 + 1,05Kp + 3,15s + 2,071s2 + 0,857s3 , (10.42)
2 3
p3 (s) = 1 + 1,05Kp + 2,85s + 2,071s + 1,158s , (10.43)
p4 (s) = 1 + 0,95Kp + 3,15s + 3,308s2 + 0,857s3 . (10.44)
Aplicando el criterio de estabilidad de Routh-Hurtwitz o el de Liénard-Chipart

a estos polinomios, se encuentra que los valores de la ganancia límite, para que
en cada uno de los casos, el sistema de control sea asintóticamente estable son
{7,52, 6,30, 3,90, 11,75}.
Por lo tanto, para garantizar la estabilidad del sistema de control para cualquier
variación de los parámetros del proceso controlado en los intervalos indicados, se-
gún el teorema de Kharitonov sería necesario restringir el rango de variación de la
ganancia a 0 < Kp < 3,90.
Como se vio anteriormente, se pudo haber analizado solamente el polinomio de
Kharitonov p3 (s), con el mismo resultado.
Según esto, la variación combinada de ±5 % en todos los parámetros del modelo
del proceso controlado, causa una reducción de más del 50 % en la ganancia límite
Considérese nuevamente el polinomio característico, de este sistema de control
p(s) = T 3 s3 + 3T 2 + 3T s + 1 + KKp .
Aplicando el criterio de estabilidad de Liénard-Chipart se requiere que
(3T )(3T 2 ) − (1 + KKp )(T 3 ) = 9T 3 − T 3 (1 + KKp ) > 0,
o lo que es lo mismo, que

9 − (1 + KKp ) > 0,
de donde
8
Kp < .
K
Por lo tanto, el rango de valores de la ganancia del controlador, que garantizan
la estabilidad absoluta del sistema de control, no depende de la constante de tiempo
del polo triple del proceso controlado y por lo tanto, no se vería afectado por su
incertidumbre. Se ha supuesto hasta aquí, que los tres polos son “trillizos idénticos”
y que comparten la misma incertidumbre en su constante de tiempo.
Distinto sería si el modelo del proceso controlado, fuera
K
P(s) = ,
(T1 s + 1)(T2 s + 1)(T3 s + 1)
en cuyo caso, el polinomio característico de su sistema de control P, sería
p(s) = T1 T2 T3 s3 + (T1 T2 + T1 T3 + T2 T3 )s2 + (T1 + T2 + T3 )s + 1 + KKp .
Para que este sistema de control sea estable, se requiere que

(T1 + T2 + T3 )(T1 T2 + T1 T3 + T2 T3 ) − T1 T2 T3
Kp < .
KT1 T2 T3
que en el caso (nominal) en que T1 = T2 = T3 = T s, resulta ser
(3T )(3T 2 ) − T 3 8
Kp < 3
= .
KT K
Este, evidentemente, es el mismo resultado anterior obtenido con el polo triple.
Sin embargo, este nuevo modelo permite analizar el efecto de la incertidumbre en las
tres constantes de tiempo del proceso controlado (T1 , T2 , T3 ), consideradas diferentes.
Debe tenerse en cuenta que los polinomios característicos de los sistemas de
control de este ejemplo, no son polinomios de intervalos, por lo que no es conveniente
la aplicación del teorema de Kharitonov.
Como se ha visto en los ejemplos anteriores, la variación de los parámetros del

proceso controlado afecta la estabilidad del lazo de control. Por esto, es importante
garantizar no solamente la estabilidad absoluta del sistema de control, sino también
un determinado grado de estabilidad relativa o robustez.
10.4 Movimiento de los polos de lazo cerrado

Como se ha visto anteriormente, existen procedimientos que permiten determinar
la estabilidad absoluta del sistema de control, sin obtener las raíces del polinomio
característico.
La estabilidad del lazo de control, depende de la localización de los polos de lazo
cerrado (raíces de la ecuación característica). Para un proceso controlado dado, esta
localización de los polos de lazo cerrado, depende de los parámetros del algoritmo
de control del controlador. Es por lo tanto de interés, conocer como se ve afectada
la localización de los polos de lazo cerrado, cuando un parámetro del controlador
cambia, por lo general su ganancia, si los otros permanecen fijos.
Esto se podría verificar fácilmente, encontrando las raíces de la ecuación carac-
terística para valores específicos del parámetro de interés, pero es más ilustrativo y
útil, usar una técnica gráfica, que permita visualizar el movimiento de los polos de
lazo cerrado, cuando el parámetro de interés cambia.
El método del Lugar geométrico de las raíces (LGR) desarrollado por Walter R.
Evans5 , es una técnica gráfica, que permite obtener la localización de las raíces de
la ecuación característica del sistema de control de lazo cerrado, en función de un
parámetro, sin necesidad de resolverla. El método tiene como base, la relación que
existe entre los polos de la función de transferencia de lazo cerrado y los polos y
ceros de la función de transferencia de lazo abierto.
10.4.1 Lugar geométrico de las raíces (LGR) de Evans

La ecuación característica del lazo de control realimentado, es
1 + L(s) = 1 +Cy (s)P(s) = 0. (10.45)
Suponiendo que se desean determinar las raíces de esta ecuación, cuando varía
la ganancia del controlador y que su función de transferencia se puede escribir como
Cy (s) = KpCy0 (s), entonces (10.45) sería
1 + KpCy0 (s)P(s) = 0. (10.46)
Condiciones de magnitud y ángulo

La ecuación característica (10.46), se puede escribir como
KpCy0 (s)P(s) = −1. (10.47)
Para satisfacer la ecuación anterior, se deben cumplir las siguientes dos condiciones:
5 Evans, W. R. (1948) - “Graphical Analysis of Control Systems”, Trans. AIEE, 67
10.4. Movimiento de los polos de lazo cerrado 469
1. La magnitud de KpCy0 (s)P(s) debe ser unitaria
KpCy0 (s)P(s) = 1.

(10.48)
2. El ángulo de KpCy0 (s)P(s) debe ser un múltiplo impar de 180º
∠ KpCy0 (s)P(s) = ±(2k + 1)180, k = 0, 1, 2, . . .

(10.49)
Si la función de transferencia de lazo abierto, está dada por la expresión
Kp K 0 (s + z1 )(s + z2 ) · · · (s + zm )
KpCy0 (s)P(s) = = K ∗Cy0 (s)P0 (s), (10.50)
(s + p1 )(s + p2 ) · · · (s + pn )
en donde K = Kp K 0 , ya que Cy0 (s) y P0 (s) se han expresado como el producto de polos
y ceros reales o complejos conjugados.
Se puede escribir entonces, que la condición de magnitud es
m
Cy (s)P0 (s) = 1 = ∏i=1|s + zi | ,
0
(10.51)
K ∗ ∏nj=1 s + p j
y la condición de ángulo
m n
∠ Cy0 (s)P0 (s) = ±(2k + 1)180 = ∑ ∠(s + zi ) − ∑ ∠(s + p j ), k = 0, ±1, ±2, . . .

i=1 j=1
(10.52)
En (10.51) y (10.52) el número de polos de lazo abierto es n y el de ceros de lazo
abierto m.
El lugar de las raíces, puede construirse entonces, encontrando todos los puntos
en el plano complejo s que satisfagan la condición de ángulo (10.52) y los valores de
K ∗ a lo largo del lugar, determinarse de la condición de magnitud (10.51).
10.4.2 Dibujo del lugar geométrico de las raíces

Aunque se supondrá, que el gráfico que muestra el movimiento de las raíces de la
ecuación característica en el plano complejo, el LGR, se obtendrá utilizando algún
programa de computadora, se presentan aquí las reglas que permiten su elaboración
a mano alzada. Esto es, para obtener un bosquejo del lugar de las raíces, con el
fin principal de observar el efecto que los parámetros del algoritmo de control del
controlador, tienen sobre la estabilidad del sistema de control (Nise, 2002; Ogata,
2010).
Figura 10.2: Puntos de ini-

cio y final del LGR
Supóngase que se tiene un sistema de control realimentado, con la función de

transferencia de lazo abierto
L(s) = Cy (s)P(s), (10.53)
y se desea investigar el comportamiento de las raíces de la ecuación característica

(polos de lazo cerrado), cuando varía un parámetro, comúnmente la ganancia del
controlador Kp .
Para dibujar el LGR, se deben seguir los siguientes pasos:
1. Escribir la función de transferencia de lazo abierto, como la razón de los pro-

ductos de los ceros y polos y el parámetro variable de interés. Entonces (10.53)
debe escribirse como
Kp K 0 (s + z1 )(s + z2 ) · · · (s + zm ) K ∗ ∏m
i=1 (s + zi )
L(s) = = . (10.54)
(s + p1 )(s + p2 ) · · · (s + pn ) ∏nj=1 (s + p j )
2. Indicar en el plano complejo s, la localización de los polos de lazo abierto con

una “X” y la de los ceros de lazo abierto con una “O”, como se muestra en la
figura 10.2.
3. Aplicar las reglas de construcción del LGR que se verán a continuación, para
dibujar las ramas o trayectorias de los polos de lazo cerrado.
4. Si fuera necesario, determinar el valor de parámetro K ∗ en punto de interés y

calcular el valor de la ganancia como Kp = K ∗ /K 0 .
Reglas de construcción del lugar geométrico de las raíces

A continuación se listan las reglas necesarias para la construcción del Lugar geomé-
trico de las raíces de lazo cerrado (Evans, 1950; Takahashi et al., 1970).
El lugar de las raíces del polinomio característico (polos de lazo cerrado) en el
plano complejo s, se determinará para valores positivos de la ganancia K ∗ variando
desde cero hasta infinito.
Reglas básicas
1. Simetría del LGR
El lugar de las raíces es simétrico respecto al eje real.
Como la ecuación característica es una función racional en s con coeficientes
reales, las partes complejas del lugar siempre ocurrirán como pares complejos
conjugados.
2. Inicio y final del LGR
Los polos de lazo abierto son los puntos para K ∗ = 0 del lugar geométrico de
las raíces y los ceros de lazo abierto son los puntos para K ∗ → ∞ del lugar.
Cuando el orden n del denominador de Cy0 (s)P0 (s) es mayor que el orden m del
numerador (hay más polos de lazo abierto que ceros), entonces n – m ramas
del lugar terminarán en infinito (van a ceros en infinito).
En la condición de magnitud (10.51), cuando K ∗ → 0 la expresión tiende a
infinito y s → −p j y cuando K ∗ → ∞, la magnitud tiende a cero y s → −zi .
3. Número de ramas del LGR
El número de ramas del lugar geométrico de las raíces, o sea el número de
polos de lazo cerrado, es igual al orden de la ecuación característica, esto es,
igual al número de polos de la función de transferencia de lazo abierto. Cada
rama del lugar de las raíces describe el movimiento de un polo de lazo cerrado
al variar el parámetro K ∗ .
4. Lugar de las raíces sobre el eje real
Un punto sobre el eje real forma parte del lugar geométrico de las raíces, si el
número de polos y ceros de lazo abierto a su derecha es impar.
La contribución en ángulo de los polos y ceros en el eje real a la izquierda del
punto de interés s1 es cero, lo mismo que la de cualquier par de polos o ceros
complejos. La contribución de los polos a la derecha del punto es −180º y la
de los ceros 180º. Para cumplir con los requisitos de ángulo, el número total
de polos y ceros a la derecha del punto debe ser impar.
5. Ángulos de las asíntotas

Para valores altos de s, el lugar de las raíces que tienden a infinito es asintótico
a lineas rectas llamadas asíntotas, cuyos ángulos están dados por
(2k + 1)180
αak = , k = 0, 1, 2, . . . (n − m − 1). (10.55)
n−m
6. Punto de intersección de las asíntotas con el eje real (centroide de las asíntotas)
Si n − m ≥ 2, la intersección de las asíntotas con el eje real, o centroide de las
asíntotas, ocurre en un punto σa dado por
∑nj=1 ℜ(p j ) − ∑m
i=1 ℜ(zi )
σa = , n − m ≥ 2. (10.56)
n−m
7. Centroide de las raíces

Si n − m ≥ 2, entonces el centroide de las raíces permanece estacionario cuan-
do K ∗ varía y localizado en un punto sobre el eje real dado por
∑nj=1 ℜ(p j )
σr = , n − m ≥ 2. (10.57)
n
Si por lo menos dos raíces van a infinito, cuando una o más raíces se desplazan
a la izquierda, debe haber una o más raíces que se desplazan a la derecha.
Reglas complementarias
8. Puntos de salida o entrada al eje real (raíces repetidas)
Para el caso donde el lugar de las raíces tiene ramas sobre el eje real entre
dos polos, existe un punto donde estas ramas dejan el eje real para entrar en la
región compleja (punto de salida), o cuando el lugar de las raíces tiene ramas
sobre el eje real entre dos ceros o entre un cero y −∞, las ramas vienen de
polos en el área compleja y llegan al eje real (punto de entrada), en un punto
ℜ(s) = σc que se puede determinar haciendo
dK ∗ (σ )
|σc = 0. (10.58)
dσ
En forma alterna, los puntos de entrada y salida del eje real se pueden obtener
de la relación
m n
1 1
∑ σc + zi = ∑ σc + p j . (10.59)
i=1 j=1
El valor de K ∗ cuando las raíces dejan el eje real es un máximo sobre el eje y es
un mínimo cuando entran, por lo que obtenida la expresión de K ∗ , dK ∗ /dσ = 0
en esos puntos.
Esta condición es necesaria pero no suficiente, esto es que algunas soluciones
del polinomio obtenido al derivar K ∗ (σ ), no serán necesariamente puntos de
salida o entrada al eje real.
9. Ángulo de salida o entrada al eje real
Si hay puntos de salida o entrada al eje real, en donde p lugares geométricos
de las raíces (ramas), despegan de un punto de salida o llegan a un punto de
entrada, estas lo hacen con un ángulo igual a
(2k + 1)180
αck = , p = 2, 3, . . . ; k = 0, 1, . . . (p − 1). (10.60)
p
10. Ángulo de partida (de llegada) de un polo (a un cero) complejo

Los ángulos con que el lugar deja un polo complejo o llega a un cero complejo,
se obtienen de la condición de ángulo.
Ángulo de salida desde un polo complejo px
" #
m n
∠(s + px ) = ∑ ∠(s + zi ) − ∑ ∠(s + p j ) − 180. (10.61)
i=1 j=1, j6=x
Ángulo de llegada a un cero complejo zx

" #
m n
∠(s + zx ) = 180 − ∑ ∠(s + zi ) − ∑ ∠(s + p j ) . (10.62)
i=1,i6=x j=1,
11. Puntos de cruce del eje imaginario

Los puntos donde el lugar de las raíces interseca el eje imaginario y los co-
rrespondientes valores de K ∗ en esos puntos, pueden determinarse aplicando
el criterio de estabilidad de Routh–Hurwitz, el de Liénard–Chipart o por sus-
titución directa de s = jω en la ecuación característica. En este último caso,
se obtendrán dos ecuaciones con dos incógnitas (Ku∗ , ωu ).
12. Cálculo del valor de la ganancia K ∗ sobre un punto del lugar
El valor de K ∗ en un punto s1 determinado del lugar de las raíces, puede
encontrarse aplicando la condición de magnitud

∗ 1 ∏nj=1 s1 + p j
Ks=s1 = 0 = m . (10.63)
|C (s1 )P0 (s1 )| ∏i=1 |s1 + zi |
Debe recordarse que K ∗ = Kp K 0 , por lo que la ganancia del controlador sería

entonces Kp = K ∗ /K 0 .
10.4.3 Lugar de las raíces de diferentes sistemas de control

Las reglas básicas para la construcción del lugar geométrico de las raíces, del dia-
grama cuyo nombre completo es gráfico del movimiento de las raíces de la ecuación
característica del sistema de control de lazo cerrado, sus polos, sobre el plano com-
plejo s, al variar un parámetro del sistema desde cero hasta infinito, permiten ela-
borar rápidamente un bosquejo del mismo, usualmente con el propósito de visualizar
la estabilidad del sistema de control, respecto al parámetro variable (Dorf y Bishop,
2005).
Sin embargo, se supondrá en adelante que este será dibujado, utilizando la rutina
correspondiente, en un entorno de diseño digital de sistemas de control (CACSD).
Por lo tanto, los lugares de las raíces de los sistemas de control, se ilustrarán
utilizando varios ejemplos particulares.
Debe recordarse que para su elaboración, se parte de la información de la función
de transferencia de lazo abierto L(s), para mostrar el movimiento de los polos de lazo
cerrado, en el plano complejo s = σ + jω.
Ejemplo 10.12 Lugar geométrico de las raíces

En la figura 10.3 se muestran los LGR de sistemas de control con uno, dos, tres y
cuatro polos reales, y un parámetro variable, en los cuales se nota el cambio del
ángulo de las asíntotas.
Los sistemas de control (a) y (b) son estables para cualquier valor del parámetro
variable, pero los sistemas (c) y (d), se volverán inestables para valores “altos” del
parámetro variable. Dos polos de lazo cerrado de los sistemas (c) y (d), “se pasan”
al semiplano derecho del plano complejo s, cuando el valor del parámetro variable
aumenta.

Considérese el sistema de control, con las siguientes funciones de transferencia
Kp (s + 2)
Cy (s) = ,
s
1
P(s) = .
s(s + 4)
2 2
jω jω
1 1
0 0
−4 −3 −2 −1 0 1 −4 −3 −2 −1 0 1
σ σ
−1 −1
−2 −2
(a) LGR - Sistema con un polo (b) LGR - Sistema con dos polos
2
2
jω jω
1 1
0 0
−4 −3 −2 −1 0 1 −4 −3 −2 −1 0 1
σ σ
−1 −1
−2 −2
(c) LGR - Sistema con tres polos (d) LGR - Sistema con cuatro polos
Figura 10.3: Lugares geométricos de las raíces del ejemplo 10.12

Figura 10.4: LGR del ejemplo 10.13
Su función de transferencia de lazo abierto, es entonces
Kp (s + 2)
L(s) = .
s2 (s + 4)
En la figura 10.4 se muestra la variación de los polos de lazo cerrado, cuando

la ganancia Kp del controlador varía (el LGR). Como se aprecia, este sistema de
control es estable para todo K p > 0. Los polos de lazo cerrado, se encuentran siempre
en el semiplano izquierdo del plano complejo s.
En el LGR de la figura 10.4, se indican algunas de las características, determi-
nadas con las reglas básicas para su construcción.
Figura 10.5: LGR del ejem-

plo 10.14 jω
0
−5 −4 −3 −2 −1 0
σ
−5

Sea el sistema de control, con la siguiente función de transferencia de lazo abierto
Kp (s + 5)
L(s) = .
s(s2 + 4s + 8)
En la figura 10.5 se muestra el lugar geométrico de sus raíces de lazo cerrado.

El sistema se vuelve inestable para valores altos de Kp . El valor de la ganancia
en el límite de la estabilidad (Kpu ), cuando los polos de lazo cerrado que se mueven
hacia la derecha en el plano complejo s, se encuentran sobre el eje imaginario, se
puede determinar utilizando el criterio de Liénard-Chipart.

Sea el sistema de control, con la siguiente función de transferencia de lazo abierto
Kp (0,1s + 1)
L(s) = .
s(s + 1)(0,25s + 1)2
En la figura 10.6 se muestra el LGR correspondiente.

En este caso, como en el anterior, dos de las ramas del LGR pasan al semiplano
derecho del plano complejo s cuando Kp crece, lo que indica que para valores altos
de Kp , el sistema tendrá dos polos de lazo cerrado inestables.

plo 10.15 4
jω
0
−14 −12 −10 −8 −6 −4 −2 0
σ
−2
−4

Considérese el sistema de control, con las funciones de transferencia
Cy (s) = Kp ,
(0,25s + 1)(0,125s + 1) 0,0625(s + 4)(s + 8)

P(s) = = .
s(s + 1)(0,5s + 1) s(s + 1)(s + 2)
En la figura 10.7 se muestra la variación de los polos de lazo cerrado, cuando la
ganancia Kp del controlador varía.
En este caso, el sistema es estable para todo valor de Kp .

Considérese el sistema de control de un proceso inestable, cuya función de transfe-
rencia de lazo abierto, es
Kp (s2 + 4s + 5)
La (s) =
s((s − 1)(s + 2)
Como se aprecia en la figura, es necesario incrementar la ganancia del contro-
lador, para estabilizar el sistema de control. En este caso particular, se requiere que
Kp > 1,18 para que el sistema sea estable.

plo 10.16 jω
0
−15 −10 −5 0
σ
−5

plo 10.17 jω
2
0
−3 −2 −1 0 1
σ
−1
−2

plo 10.18 4
jω
0
−4 −2 0 2 4 6 8 10 12
σ
−2
−4
En un sistema de control de un proceso estable a lazo abierto, que puede volverse

inestable al aumentarse la ganancia proporcional Kp del controlador, existe un valor
límite (máximo) de Kp para mantener el sistema de control estable.
Por el contrario, en un sistema de control de un proceso inestable a lazo abierto,
usualmente debe aumentarse la ganancia del controlador (con un algoritmo de control
que lo logre estabilizar), para que el sistema de control a lazo cerrado sea estable. En
estos casos, existe entonces un valor límite (mínimo), sobre el cual debe mantenerse
la ganancia Kp del controlador.
La función de transferencia de lazo abierto del sistema de control, de un proceso con

respuesta inversa (tiene un cero en el semiplano derecho del plano s), es
Kp (−0,25s + 1)
La (s) =
(s + 1)(0,5s + 1)

El proceso controlado es de segundo orden y estable. Sin embargo, debido a que
posee un cero de fase no mínima, su sistema de control se vuelve inestable para
valores altos de Kp .
Figura 10.10: LGR del

6
ejemplo 10.19 jω
0
−6 −4 −2 0
σ
−2
−4
−6
Se tiene ahora un sistema de control, cuya función de transferencia de lazo abierto,

es
Kp (s2 + 2s + 4)
La (s) =
s(s + 4)(s + 6)(s2 + 1,4s + 1)
En la figura 10.10 se muestra la variación de los polos de lazo cerrado, cuando

la ganancia Kp del controlador varía.
Este es un sistema de control condicionalmente estable. Al incrementarse la ga-
nancia del controlador, el sistema de control se vuelve inestable por primera vez.
Luego, si se sigue aumentando la ganancia se logra estabilizar el sistema, pero si la
ganancia se aumenta más, se torna otra vez inestable.
10.4.4 Efecto de la adición de un polo o un cero

Mediante un ejemplo y la utilización del lugar geométrico de las raíces, se analizará el
efecto que tiene en general, sobre la estabilidad del sistema de control, el adicionar un
cero o un polo. Esto permite intuir el efecto que tendrá el pasar de un controlador con
un algoritmo de control proporcional, a uno con un algoritmo de control proporcional
e integral −adicionar un polo en el origen−, o a uno con un algoritmo de control
proporcional y derivativo −adicionar un cero−.
Figura 10.11: Ejemplo

10.20 - LGR del sistema 2
original jω
0
−2.0 −1.5 −1.0 −0.5 0.0
σ
−1
−2
Ejemplo 10.20 LGR - Adición de un polo o un cero

Supóngase que se tiene un sistema de control, cuya función de transferencia de lazo
abierto, es
K
L1 (s) = .
(s + 1)(s + 2)
En la figura 10.11 se muestra el LGR del sistema de control y como se aprecia, este
es estable para todo valor de K. Sin embargo, no es posible cambiar el valor de la
parte real de los polos complejos conjugados, ya que estos se mueven sobre lineas
rectas verticales (sobre el lugar de constante de amortiguamiento constante). Como
se vio en el Capítulo 9, esto indica que no es posible cambiar el tiempo de respuesta
del sistema de control (servo control).
Si se adiciona un polo en −4, se tiene la función de transferencia de lazo abierto
K
L2 (s) = .
(s + 1)(s + 2)(s + 4)
Como se ve en la figura 10.12, el LGR del sistema de control se ha “volcado”

hacia la derecha (los ángulos de las asíntotas han cambiado de ±90º a ±60º y 180º).
El sistema se volverá inestable para valores altos de K. El valor de K al cual el
sistema se vuelve inestable, se reduce a medida que el polo adicional se corre hacia

10.20 - Efecto de la adición
de un polo en −4 jω
4
0
−5 −4 −3 −2 −1 0 1
σ
−2
−4
la derecha (mayor influencia). Además, al moverse los polos de lazo cerrado hacia
la derecha el sistema de control será más lento.
Considérese ahora la adición de un cero en −4, teniéndose entonces la siguiente
función de transferencia de lazo abierto
K(s + 4)
L3 (s) = .
(s + 1)(s + 2)
En este caso, como se muestra en la figura 10.13, además de ser el sistema de
control estable para todo valor de K, los polos de lazo cerrado se mueven hacia la
izquierda, haciendo la respuesta del servo control más rápida.
En general, se puede decir que la adición de un polo, mueve parte del LGR hacia
la derecha y hace el sistema de control más lento y propenso a la inestabilidad, mien-
tras que la adición de un cero mueve el LGR hacia la izquierda, hace el sistema de
control más estable y rápido. El efecto real de los polos y ceros adicionados, depende
de su posición relativa, respecto a los demás polos y ceros del sistema de control.
Entre más cercano al eje imaginario se encuentre el polo o cero adicionado, mayor
será su efecto sobre la respuesta del sistema de control.
Sin embargo, el efecto de la adición de un cero, requiere de un análisis más
detallado.
Considérese el sistema con dos polos reales, como el utilizado en el ejemplo
10.20. En este caso se tienen las siguientes posibilidades:

10.20 - Efecto de la adición 3
de un cero en −4 jω
0
−6 −4 −2 0
σ
−1
−2
−3
1. Si el cero se coloca a la izquierda de los dos polos, los polos de lazo cerrado
se mueven hacia la izquierda al aumentar K y la respuesta se hace más rápida.
Esta puede ser sobre, sub o críticamente amortiguada, dependiendo del valor
de K.
2. Si el cero se coloca entre los dos polos, el lugar se mueve hacia la izquierda,
pero hasta dónde se puede mover, queda limitado por la posición del cero. La
respuesta será sobreamortiguada.
3. Si el cero se coloca a la derecha del polo más lento, esto hace que el lugar se
mueva más bien hacia la derecha, el polo dominante se hace más lento. Esta
posición del cero no es conveniente.
Existen dos casos adicionales de interés, correspondientes a la colocación del

cero sobre uno de los polos -cancelación de polos con ceros-. En estos casos, el
sistema se convertirá en uno de primer orden cuya velocidad de respuesta depende de
K. Aunque esta es una técnica utilizada con frecuencia para el diseño de sistemas de
seguimiento (servo control), el efecto adverso que esto puede tener sobre la respuesta
del control regulador y otras de sus características, se analizarán más adelante.
10.4.5 Lugar geométrico de las raíces de los sistemas de control de

procesos con tiempo muerto
En el caso de los sistemas de control de procesos con tiempo muerto, la función de
transferencia de lazo abierto se puede escribir, como
L(s) = Cy (s)P0 (s)e−Ls . (10.64)
Ahora, el número de raíces del polinomio característico
p(s) = 1 +Cy (s)P0 (s)e−Ls , (10.65)
es infinito y por lo tanto también el número de ramas del LGR es infinito.

Una forma de analizar la influencia del tiempo muerto sobre la estabilidad del
sistema de control, es aproximándolo por alguna función racional en s.
Si se emplea por ejemplo la aproximación de Padé de primer orden (ver la sec-
ción 8.9 del Capítulo 8 para las aproximaciones del tiempo muerto), la función de
transferencia de lazo abierto, sería

0 1 − 0,5Ls
L(s) ≈ Cy (s)P (s) . (10.66)
1 + 0,5Ls
El efecto del tiempo muerto se analizará mediante un ejemplo.
Ejemplo 10.21 LGR - Efecto del tiempo muerto del proceso

Supóngase un controlador proporcional
Cy (s) = Kp ,
y los siguientes dos procesos

1
P1 (s) = ,
s+2
e−0,2s
P2 (s) = .
s+2
• Caso 1
Kp
L1 (s) = .
s+2
El LGR del sistema de control del proceso sin tiempo muerto se muestra en la
figura 10.14. El sistema de control es estable para todo valor de Kp .

Sistema de control del proceso
jω
sin tiempo muerto
0.5
0.0
−4 −3 −2 −1 0
σ
−0.5
• Caso 2
Utilizando una aproximación de Padé de primer orden para el tiempo muerto,
se tiene que
Kp (1 − 0,1s) Kp (10 − s) −Kp (s − 10)
L2 (s) = = = .
(s + 2)(1 + 0,1s) (s + 2)(s + 10) (s + 2)(s + 10)
El LGR del sistema de control del proceso con tiempo muerto se muestra en la
figura 10.15.
En este caso el sistema de control se puede volver inestable. El valor de la ga-
nancia crítica (ganancia en el límite de la estabilidad) es Kpu = 12, el sistema
se inestabiliza para Kp > 12.
Si el tiempo muerto aumenta a L = 0,5 s, la ganancia crítica se reduce a Kpu =
6. El tiempo muerto tiene un efecto adverso sobre la estabilidad del sistema de
control.
10.5 Contornos de las raíces

Usualmente, el lugar geométrico de las raíces se utiliza para analizar el movimiento
de los polos de lazo cerrado, cuando uno de los parámetros del sistema de control
varía. Sin embargo, también se puede utilizar para estudiar el efecto que causa la
variación de por ejemplo, dos parámetros. En este último caso, se tendrán lo que
10.5. Contornos de las raíces 487

Sistema de control del proceso
15
jω
con tiempo muerto (aproxima-
ción de Padé de primer orden)
10
0
−10 0 10 20 30
σ
−5
−10
−15
se denomina como contornos de las raíces, los cuales constituyen una familia de
lugares geométricos de las raíces.
Supóngase que se tiene el polinomio característico de un sistema de control re-
alimentado, dado por
p(s) = 1 + L(s) = 1 + K1 Q1 (s) + K2 Q2 (s), (10.67)
donde K1 y K2 son parámetros variables, y Q1 (s) y Q2 (s) son razones de polinomios

en s, entonces
K1 N1 (s) K2 N2 (s)
p(s) = 1 + + . (10.68)
D1 (s) D2 (s)
Para investigar el efecto de la variación simultánea de los dos parámetros, se seguirá
el siguiente procedimiento:
1. Eliminar el parámetro K2 , haciendo K2 = 0.

El polinomio resultante, es
K1 N1 (s)
p1 (s) = 1 + = 1 + L1 (s), (10.69)
D1 (s)
y la ecuación característica de lazo cerrado
D1 (s) + K1 N1 (s) = 0. (10.70)

Dibujar el lugar geométrico de las raíces de p1 (s) utilizando L1 (s). Los polos
y ceros de L1 (s) son los polos y ceros de Q1 (s). Los polos de lazo cerrado, son
los ceros de la ecuación característica (10.70).
2. Volver al polinomio característico original (K2 6= 0).

Escribir el polinomio característico original, como
K1 N1 (s) K2 N2 (s)
p2 (s) = 1 + + . (10.71)
D1 (s) D2 (s)
La ecuación característica se puede escribir entonces, como
K2 N2 (s)D1 (s)
1+ = 1 + L2 (s), (10.72)
D2 (s) [D1 (s) + K1 N1 (s)]
de donde
K2 N2 (s)D1 (s)
L2 (s) = . (10.73)
D2 (s) [D1 (s) + K1 N1 (s)]
Los ceros de L2 (s) son los ceros de Q2 (s) y los polos de Q1 (s), y los polos
de L2 (s) los polos de Q2 (s) y los ceros del polinomio característico p1 (s).
Esto implica, que los contornos de las raíces de p2 (s) parten de puntos que se
encuentran en el lugar geométrico de las raíces de p1 (s).
Ejemplo 10.22 Contornos de las raíces

Considérese el sistema de control, cuya función de transferencia de lazo abierto, es
K1 (s + 1)
L(s) = ,
s2 (s + K2 )
para el cual se desea investigar el efecto de K1 y K2 , sobre la localización del los

polos de lazo cerrado.
El polinomio característico del sistema, es
p(s) = s3 + K2 s2 + K1 s + K1 .
Haciendo K2 = 0, este se reduce a
p1 (s) = s3 + K1 s + K1 .
10.5. Contornos de las raíces 489

10.22 - LGR con K1 va-
riando y K2 = 0 jω
4
0
−1.0 −0.5 0.0 0.5
σ
−2
−4
La ecuación característica en este caso se puede escribir, como
K1 (s + 1)
1+ = 1 + L1 (s) = 0.
s3
El LGR a partir de L1 (s) se muestra en la figura 10.16 (K1 variando).

Escribiendo ahora la ecuación característica del sistema original, como
K2 s2
1+ = 1 + L2 (s) = 0,
s3 + K1 s + K1
se obtiene que los contornos de las raíces a partir de L2 (s) con K2 variando (K1
fijo), parten del lugar de las raíces de L1 (s). Estos se muestran en la figura 10.17,
con K1 ∈ {0,01, 0,10, ..., 2,0, 3,0}.
En este caso, debe utilizarse el parámetro K2 para estabilizar el sistema de con-
trol. El rango de valores de K2 que logran estabilizar este sistema, depende del valor
del parámetro K1 .
Los contornos de las raíces, permitirán entonces analizar el comportamiento de

lazo cerrado, de los sistemas de control con controladores de dos y hasta tres modos
de control.

10.22 - Contornos de las 2
raíces con K2 variando y K1 jω
fijo
1
0
−1.0 −0.5 0.0 0.5
σ
−1
−2
10.6 Gráfica polar y estabilidad

La gráfica polar de la función de transferencia de lazo abierto, puede emplearse pa-
ra analizar tanto la estabilidad absoluta, como la estabilidad relativa del sistema de
control. A continuación se describirán los procedimiento para la determinación de
la estabilidad absoluta, dejando para el capítulo siguiente, los índices de estabilidad
relativa que se pueden determinar a partir de esta.
10.6.1 Criterio de estabilidad de Nyquist

Este criterio es una herramienta valiosa, con la que se puede determinar la estabilidad
de un sistema de control realimentado.
La aplicación del criterio de estabilidad de Nyquist (1932), requiere de la grá-
fica polar de función de transferencia de lazo abierto L(jω), para ω variando desde
−∞ hasta +∞, a la cual normalmente se le denomina diagrama de Nyquist (Dorf y
Bishop, 2005).
El criterio de Nyquist permite determinar el número de raíces de la ecuación ca-
racterística (polos de lazo cerrado), que tienen parte real positiva (que se encuentran
el semiplano derecho del plano complejo s).
Se tiene que el polinomio característico del sistema de control, es
p(s) = 1 + L(s) = 1 +Cy (s)P(s). (10.74)
10.6. Gráfica polar y estabilidad 491
Suponiendo que las funciones de transferencia del controlador y del proceso, se pue-
den expresar como la razón de dos polinomios en s
Nc (s) Np (s)
Cy (s) = , P(s) = , (10.75)
Dc (s) D p (s)
el polinomio característico, sería
Nc (s)Np (s) Dc (s)D p (s) + Nc (s)Np (s)
p(s) = 1 +Cy (s)P(s) = 1 + = . (10.76)
Dc (s)D p (s) Dc (s)D p (s)
Los ceros del numerador de (10.76) son los ceros de la ecuación característica y por
lo tanto constituyen los polos de lazo cerrado, mientras que los ceros del denomina-
dor de (10.76) son los polos de lazo abierto.
Si p(s) se expresa con los polinomios del numerador y denominador en términos
de sus factores, se tiene
K(s + z1 )(s + z2 )(s + z3 ) · · ·
p(s) = . (10.77)
(s + p1 )(s + p2 )(s + p3 ) · · ·
Como p(s) es el denominador de las funciones de transferencia de lazo cerrado, los
ceros de p(s) son los polos de lazo cerrado, por lo que para que el sistema sea estable
es necesario que sus ceros −z1 , −z2 , −z3 , . . . tengan todos parte real negativa.
El criterio de estabilidad de Nyquist relaciona el número de ceros y polos de
p(s) que se encuentran en el semiplano derecho, con la gráfica polar de la función de
transferencia de lazo abierto L(s).
Sea Zd el número de ceros de p(s), polos de lazo cerrado, en el semiplano dere-
cho, y Pd el número de polos de p(s), polos de lazo abierto, en el semiplano derecho.
Si se toma un contorno cerrado en el plano complejo s que encierre todo el se-
miplano derecho, como se muestra en la figura 10.18, esto es, que encierre todos
los polos y ceros de p(s) en ese semiplano, y se recorre este desde ω = −∞ hasta
ω = +∞ entonces, en el plano complejo de p(jω) de la figura 10.19, la gráfica polar
de p(jω) = 1 + L(jω) hará Zd − Pd giros en torno al origen.
Si se hace un corrimiento del origen al punto −1, entonces el número N de veces
que se encierra el punto −1 por parte del diagrama de Nyquist (gráfica polar de L(jω)
de la figura 10.20), tomados positivos en el sentido del movimiento de las manecillas
del reloj y negativos en el sentido contrario, está dado por
N = Zd − Pd . (10.78)
Para que el sistema de control sea estable, se requiere que no existan polos de
lazo cerrado en el semiplano derecho, esto es que Zd = 0. Por lo tanto, de (10.78) se
tiene que
N = −Pd . (10.79)
Figura 10.18: Contorno

cerrado del semiplano dere-
cho del plano s
Figura 10.19: Encierros del

origen en el plano p(jω)
Figura 10.20: Encierros del

punto −1 en el plano L(jω) ℑ L j 
N encierros
del punto -1
L  j 
-1 ℜ L  j 
Entonces, el número de veces que el diagrama de Nyquist encierra el punto −1, debe
ser igual al número de polos de lazo abierto en el semiplano derecho y en el sentido
contrario al movimiento de las manecillas del reloj.
De (10.79), si Pd = 0, entonces N = 0. Si el sistema no tiene polos de lazo abierto
en el semiplano derecho, el diagrama de Nyquist no debe encerrar al punto −1.
El número de polos en el semiplano derecho, es por lo tanto
Zd = N + Pd . (10.80)
La gráfica polar de la función de transferencia de lazo abierto del sistema de con-

trol, puede dibujarse con algún programa para computadora apropiado. Debe tenerse
en cuenta la dificultad que su dibujo presenta, cuando la función de transferencia
tiene polos en el origen.
Si se imagina el plano infinito de L(jω), como un prado finito sobre el cual se ha
marcado la gráfica de Nyquist, se puede clavar una estaca en el lugar correspondiente
al punto −1 y atar un extremo de una cuerda a esta. Tomando el otro extremo de la
cuerda y estando en un punto sobre la gráfica dibujada, no hay encierros del punto
−1 si recorrida una vez la gráfica completa de Nyquist, la cuerda no se ha arrollado
en la estaca (Åström y Murray, 2008).
Gráfica polar general

Considérese la función de transferencia de lazo abierto general, dada por la expresión
K(1 + jωTa )(1 + jωTb ) . . . (1 + jωTl )
L( jω) = , n+k > l (10.81)
( jω)n (1 + jωT1 )(1 + jωT2 ) . . . (1 + jω, Tk )
con l ceros, k polos reales o complejos conjugados y n polos en el origen (Ogata,
2010).
En este caso general, se tiene:
1. Parte de la gráfica polar cuando ω → 0

Cuando ω → 0 la magnitud de L( jω) tiende a K si n = 0 y a ∞ si n > 0, y la
fase de L( jω) tiende a −n90°.
2. Parte de la gráfica polar cuando ω → ∞

Cuando ω → ∞ la magnitud de L( jω) tiende a cero y la fase de L( jω) tiende
a (l − n − k)90°. Como el orden del denominador es siempre mayor que el
del numerador, el punto de alta frecuencia (ω → ∞) se alcanza en el sentido
del movimiento de las manecillas del reloj y la gráfica termina en el origen,
tangente al eje determinado por el ángulo anterior.
No se hará un uso posterior del diagrama de Nyquist, para analizar la estabilidad

absoluta de los sistemas de control, ya que se considera que la aplicación del criterio
de Foellinger-Yeung, descrito a continuación, es una forma más simple de realizarlo,
con base en la gráfica polar de su función de transferencia de lazo abierto.
10.6.2 Criterio de estabilidad de Foellinger-Yeung

Sea L(s) = Cy (s)P(s) la función de transferencia de lazo abierto, de un sistema de
control realimentado con C(∞)P(∞) constante.
El criterio de Foellinger6 -Yeung (Yeung, 1985) establece que:
Un sistema de control de lazo cerrado es estable si y solo si, se cumple que

Pi
∆φv = + Pd 180°, (10.82)
2
donde:
∆φv es el cambio de fase de un vector v apuntando desde el punto z = (−1, 0), al

punto móvil z(ω) = C(jω)P(jω) en el plano z de L(jω), cuando ω varía desde
0 hasta +∞, como se muestra en la figura 10.21.
6 Foellinger, O. (1978) - “Regelungstechnik”, Elitera-Verlag, Berlin, Germany.
Figura 10.21: Cambio de

fase del vector v
Pi es el número de polos de L(s) sobre el eje imaginario del plano complejo s, y
Pd es el número de polos de L(s) en el semiplano derecho del plano complejo s.
Como Pi y Pd son positivos o cero, ∆φv debe ser mayor o igual a cero.
Este criterio no indica el número de raíces de la ecuación característica en el
semiplano derecho, solo si el sistema es estable o no.
Mientras que el diagrama de Nyquist incluye la gráfica polar de L(jω) para fre-
cuencias positivas y negativas, el criterio de Foellinger-Yeung solo utiliza su gráfica
polar para las frecuencias positivas y por lo tanto, no requiere que se incluyan en la
gráfica, los semicírculos de radio infinito de la contribución de los polos en el origen,
necesarios para “cerrar” el diagrama de Nyquist, cuando estos existen.
La utilización del criterio de estabilidad de Foellinger-Yeung, se ilustrará con
varios ejemplos.
Figura 10.22: Ejemplo ℑ L(jω)

10.23 - Gráfica polar de 0.2
L(jω), K = 2, 0
0.0
ℜ L(jω)
−1.0 −0.5 0.0 0.5 1.0 1.5 2.0
−0.2
−0.4
−0.6
−0.8
−1.0
−1.2
Cuadro 10.1: Ejemplo ω |L( jω)| ∠L( jω) ∠v

10.23 - Magnitud y fase
de L(jω) 0 K 0 0
∞ 0 -180° 0
∆φv = 0
Ejemplo 10.23 Criterio de estabilidad de Foellinger-Yeung
Considérese el sistema cuya función de transferencia de lazo abierto, es
K
L(s) = .
(s + 1)2
En este se tiene Pi = 0, Pd = 0, por lo tanto, de (10.82) ∆φv debe ser cero, para
que el sistema sea estable.
De la figura 10.22 y el cuadro 10.1 se comprueba que el cambio en el ángulo de
v es cero, lo que indica que el sistema es estable.
Es más, el sistema es estable para cualquier valor de K.

10.24, - Gráfica polar, 2
K ∈ {3, 0, 11,0}
0
ℜ L(jω)
−2 0 2 4 6 8 10
−2
−4
−6
−8
Cuadro 10.2: Ejemplo ω |L( jω)| ∠L( jω) ∠v1 ∠v2

10.24 - Magnitud y fase K bajo K alto
de L(jω)
0 K 0 0 0
∞ 0 -270° 0 -360°
∆φv = 0 -360°

K
L(s) = .
(s + 1)3
Se tiene que Pi = 0, Pd = 0, por lo tanto, de (10.82) ∆φv debe ser cero, para que
el sistema sea estable.
De la figura 10.23 y el cuadro 10.2, se puede verificar que para valores “bajos”
de K, ∆φv1 = 0° y el sistema es estable, pero que para valores “altos” de K, ∆φv2 =
−360° (cambio negativo en ∠v) y el sistema es inestable. Por lo tanto, existe un límite
(superior) al valor de K, bajo el cual el sistema de control es estable.

10.25, - Gráfica polar, 20
K ∈ {0,5, 8,0}
0
ℜ L(jω)
−15 −10 −5 0 5
−20
−40
−60
−80
−100

de L(jω),
0 ∞ -90 -90° -90°
∞ 0 -270° 0 -360°
∆φv = 90° -270°

Considérese ahora el sistema de control, cuya función de transferencia de lazo abier-
to, tiene un polo en el origen y está dada, por
K
L(s) = .
s(s + 1)2
En este sistema se tiene Pi = 1, Pd = 0, por lo tanto, ∆φv debe ser 90°, para que
el sistema sea estable.
De la figura 10.24 y el cuadro 10.3, se puede verificar que para valores bajos de
K, ∆φv1 = 90° y el sistema es estable, pero que para valores altos de K, ∆φv2 = −270°
(cambio negativo en ∠v) y el sistema es inestable.
ℑ L(jω) ℑ L(jω)
4 4
2 2
ℜ L(jω) ℜ L(jω)
0 0
−10 −8 −6 −4 −2 0 2 −10 −8 −6 −4 −2 0 2
−2 −2
−4 −4
(a) T1 > T2 (b) T2 > T1
Figura 10.25: Ejemplo 10.26, - Gráficas polares, (T1 , T2 ) ∈ {(2,0, 1,0), (1,0, 2,0)}

10.26 - Magnitud y fase T1 > T2 T2 > T1
de L(jω)
0 ∞ -180° -180° -180°
∞ 0 -180° 0 -360°
∆φv = 180° -180°

K(T1 s + 1)
L(s) = .
s2 (T2 s + 1)
Se tiene ahora que Pi = 2, Pd = 0, por lo tanto, ∆φv debe ser 180°, para que el
sistema sea estable.
De la figura 10.25 y el cuadro 10.4, se puede verificar que si T1 > T2 (figura
10.25a) ∆φv1 = 180° y el sistema es estable, pero que si T2 > T1 (figura 10.25b)
∆φv2 = −180° (cambio negativo en ∠v) y el sistema es inestable.
Si la influencia del cero es mayor que la del polo (1/T1 < 1/T2 ) -el cero se en-
cuentra a la derecha del polo-, el sistema de control es estable, pero si la influencia
del polo es mayor que la del cero (1/T2 < 1/T1 ) -el polo se encuentra a la derecha
del cero-, entonces el sistema de control es inestable, esto independientemente del
ℑ L(jω) ℑ L(jω)
20 20
15 15
10 10
5 5
ℜ L(jω) ℜ L(jω)
0 0
−5 −4 −3 −2 −1 0 1 −5 −4 −3 −2 −1 0 1
−5 −5
(a) K bajo (b) K alto
Figura 10.26: Ejemplo 10.26 - Gráficas polares

de L(jω)
0 ∞ -270° 90° -270°
∞ 0 -90° 0 0
∆φv = -90° 270°
valor que tome K. En este caso, K no afecta la estabilidad absoluta del sistema de
control.

Considérese el sistema de control de un proceso inestable, cuya función de transfe-
rencia de lazo abierto, es
K(T1 s + 1)
L(s) = .
s(T2 s − 1)
En este sistema Pi = 1, Pd = 1, por lo tanto, ∆φv debe ser 270°, para que el
sistema sea estable.
De la figura 10.26 y el cuadro 10.5, se puede verificar que para valores bajos de
K (figura 10.26a) ∆φv1 = −90° (cambio negativo en ∠v) y el sistema es inestable,
pero que para valores altos de K (figura 10.26b) ∆φv2 = 270° y el sistema es estable.
10.7. Resumen 501
Es necesario incrementar el valor de K, para lograr estabilizar el sistema de

control, de este proceso controlado que es inestable.
10.7 Resumen
El garantizar la estabilidad absoluta del sistema de control es indispensable. Esto
requiere que todos los polos de las funciones de transferencia de lazo cerrado, se
encuentren en el semiplano izquierdo del plano complejo s.
Como se ha observado, una de las características importantes que provee la reali-
mentación, es la posibilidad de poder operar en un punto estable, un proceso que sin
control es inestable.
Sin embargo, la realimentación introduce también el problema que, por una mala
selección de los parámetros del algoritmo de control del controlador, se puede hacer
que un proceso que sin control es estable, se vuelva inestable al cerrar el lazo de
realimentación. Tal posibilidad se puede verificar mediante el gráfico del lugar de las
raíces del polinomio característico, o de la gráfica polar de la función de transferencia
de lazo abierto.
Para la determinación de la estabilidad del sistema de control, y el efecto que al-
gún parámetro del controlador pudiera tener sobre esta, se cuenta con procedimientos
algebraicos como el de Routh-Hurwitz y el de Liénard-Chipart.
También se pueden utilizar métodos gráficos como el lugar geométrico de las
raíces (LGR) de Evans y la gráfica polar de L(jω) junto con el criterio de Nyquist, o
el de Foellinger-Yeung.
El efecto de dos parámetros sobre la estabilidad del sistema de control, puede
analizarse utilizando los contornos de las raíces.
Es importante recordar, que estas técnicas determinan la estabilidad del sistema
de control de lazo cerrado, a partir de su función de transferencia a lazo abierto.
10.8 Bibliografía
Atherton, D. (2013). Control Engineering. bookboon.com, 2 edición.
Bennett, S. (1984). Nicolas Minorsky and the Automatic Sterring of Ships. IEEE
Control Systems Magazine, páginas 10–15. November.
Datta, A., Ho, M.-T., y Bhattacharyya, S. P. (2000). Structure and Synthesis of PID
Controllers. Springer-Verlag London Limited.
Dorato, P. (2000). Analytic Feedback System Design - An Interpolation Approach.

Books/Cole. Pacific Grove, CA 93950, USA.

Evans, W. R. (1950). Control System Synthesis by Root Locus Method. Transactions

of the American Institute of Electrical Engineers, 69:66–69.
Nise, N. S. (2002). Sistemas de control para ingeniería. Compañía Editorial Conti-

nental. S.A. de C.V., México, D.F.
Nyquist, H. (1932). Regeneration Theory. Bell System Technical Journal, 11:126–

147.

España.
Paraskevopoulos, P. N. (2002). Moderm Control Engineering. CRC Press, Taylor &

Francis Group, Boca Raton, FL., USA.

USA.
Yeung, K. S. (1985). A Reformulation of Nyquist’s Criteria. IEEE Transactions on

Education, E28(1):58–60.
11
Robustez de los lazos de control
11.1 Introducción
11.2 Análisis de la estabilidad
11.3 Índices de robustez
11.3.1 Índices de estabilidad relativa
11.3.2 Criterio de estabilidad de Bode
11.3.3 Margen de estabilidad y sensibilidad máxima
11.3.4 Índices de robustez paramétricos
11.3.5 Relaciones entre las medidas de robustez
11.4 Estabilidad relativa en el diagrama de Bode
11.4.1 Márgenes de ganancia y fase
11.4.2 Diagrama de Bode combinado
11.4.3 Criterio de estabilidad de Bode revisado
11.5 Fragilidad del controlador
11.5.1 Fragilidad en la robustez
11.5.2 Fragilidad en el comportamiento
11.5.3 Anillos de fragilidad
11.6 Resumen
11.7 Bibliografía
En el Capítulo 10, se presentaron los procedimientos utilizados para analizar la es-

tabilidad absoluta de los lazos de control, verificando si su polinomio característico
tiene o no, raíces en el semiplano derecho del plano complejo s.
503
504 11 Robustez de los lazos de control
Se extenderá ahora, el análisis de la estabilidad del sistema de control al dominio

de la frecuencia y se establecerán varias formas de medir la estabilidad relativa del
sistema de control o, como se denomina normalmente, la robustez del mismo.
11.1 Introducción
La robustez de un sistema de control, está relacionada con su capacidad de mante-
nerse estable, ante cambios en las características del proceso controlado.
En el Capítulo 8, se presentaron los procedimientos para la identificación de los
modelos de orden reducido de los procesos controlados, adecuados para los estu-
dios de sus sistemas de control. Estos modelos se obtienen en el punto de operación
normal o deseado del sistema de control y por lo tanto, solo reflejan el comporta-
miento dinámico del proceso controlado en la vecindad de ese punto, son modelos
nominales.
Dado que los procesos son por lo general no lineales, sus características −ganancia,
constantes de tiempo y tiempo muerto−, variarán cuando el punto de operación del
sistema de control cambie debido a una modificación del valor deseado, o por el
efecto de las perturbaciones.
El diseño del sistema de control, se realiza empleando el modelo seleccionado pa-
ra representar al proceso controlado, el modelo nominal. Sin embargo, el controlador
obtenido será utilizado para controlar el proceso real, esperándose que su desempeño
sea muy similar al observado cuando se utilizó el modelo como proceso controlado.
Esto a pesar de las deficiencias que pudiera haber tenido el modelo utilizado y de las
variaciones de las características dinámicas y de linealidad del proceso, que pudieran
presentarse.
Lo anterior obliga primero, a utilizar un modelo nominal que refleje adecuada-
mente el comportamiento del proceso controlado bajo condiciones de control reali-
mentado, y segundo, a garantizar un determinado grado de robustez −estabilidad
relativa− del sistema de control diseñado, para asegurar la estabilidad del mismo
ante la presencia de variaciones en las características del proceso.
Como se confirmará más adelante, existe un conflicto entre el desempeño óptimo
del sistema de control y su robustez, que debe ser resuelto en la etapa de diseño.
11.2 Análisis de la estabilidad

Supóngase que en el sistema de control de la figura 11.1, se tiene que el valor deseado
y la perturbación son cero. Se abre el lazo de realimentación a la salida del compa-
rador de error y se introduce en el punto 1 una señal senoidal de magnitud unitaria y
frecuencia ω, e1 (t) = sen(ωt), como se muestra en la figura 11.2.
11.2. Análisis de la estabilidad 505
Figura 11.2: Introducción de una señal senoidal para el análisis de la estabilidad
Como la señal en el punto 2 es e2 (s) = −C(s)P(s)e1 (s), la señal estacionaria

en el punto 2 dependerá de la función de transferencia de lazo abierto L(jω) =
C(jω)P(jω), esto es, tendrá una amplitud |L(jω)| y un desfase de −180 + ∠L(jω)
grados.
Supóngase que a cierta frecuencia ω = ω−π , el desfase de L(jω) es 180°, esto
es ∠L(jω−π ) = −180°. A esta frecuencia, la señal en el punto 2 tendrá un desfase
total de −360° y por lo tanto, estará en fase con la señal de entrada en el punto 1
(sen(ω−π t)).
Dependiendo de la magnitud de la función de transferencia de lazo abierto, se
pueden dar los siguientes casos:
1. Si la ganancia de lazo abierto es unitaria, |L(jω−π )| = 1, la señal en el punto 2

es de la misma magnitud que la señal de entrada (|e2 (t)| = |e1 (t)|), por lo que
el sistema no notará ningún cambio si el selector de posición se pasa del punto
1 al 2. Este continuará oscilando con amplitud constante, se tendrá un sistema
oscilatorio.
2. Si la ganancia de lazo abierto es menor que uno, |L(jω−π )| < 1, la señal en

el punto 2 tiene una amplitud menor que la de la entrada (|e2 (t)| < |e1 (t)|), y
seguirá atenuándose cuando el selector se pasa del punto 1 al 2. Se tendrá un
sistema estable.
Figura 11.3: Gráfica polar de un sistema de control estable (L1 ), uno oscilatorio (L2 )
y uno inestable (L3 )
3. Si la ganancia de lazo abierto es mayor que uno, |L(jω−π )| > 1, la señal en el

punto 2 es de mayor amplitud que la de la entrada (|e2 (t)| > |e1 (t)|), y conti-
nuará amplificándose cuando el selector se pasa del punto 1 al 2. Se tendrá un
sistema inestable.
Las tres condiciones anteriores se ilustran en la gráfica polar de la figura 11.3.

En forma simplificada, se puede indicar que el sistema de control es estable, si
a la frecuencia ω = ω−π , a la cual la fase de la función de transferencia de lazo
abierto ∠L(jω−π ) = −180°, su magnitud |L(jω−π )| < 1.
También se puede decir, que si la magnitud de la función de transferencia de lazo
abierto es mayor a uno, cuando su fase es −180°, el sistema de control es inestable,
o que si la fase de la función de transferencia de lazo abierto es más negativa que
−180°, cuando su magnitud es uno, el sistema de control es inestable.
Por lo tanto, la estabilidad relativa del sistema de control, está relacionada con la
magnitud de la función de transferencia de lazo abierto, cuando su fase es −180° y
con su fase, cuando su magnitud es unitaria.
Con base en lo anterior se harán las siguientes definiciones:
11.3. Índices de robustez 507
• Frecuencia de cruce de magnitud

La frecuencia de cruce de magnitud ω1 , será la frecuencia menor a la cual la
magnitud de la función de transferencia de lazo abierto es unitaria
|L(jω1 )| = 1. (11.1)
• Frecuencia de cruce de fase

La frecuencia de cruce de fase ω−π , será aquella frecuencia a la cual la fase de
la función de transferencia de lazo abierto es −180°
∠L(jω−π ) = −180°. (11.2)
Si se consideran sistemas de control estables con solo una frecuencia de cruce

de magnitud, se puede observar que el sistema amplifica las señales de frecuencia
inferior a la frecuencia de cruce de magnitud y atenúa las de frecuencia superior a
esta (Wilkie et al., 2002).
Si la frecuencia de cruce de magnitud es baja, el sistema de control responderá
lentamente a la entrada, mientras que si esta es alta, lo hará rápidamente.
Por otra parte, no todos los sistemas de control tienen una frecuencia de cruce de
fase.
11.3 Índices de robustez

La robustez del sistema de control realimentado, es una indicación de cuánto pueden
variar los parámetros del proceso controlado, antes de que el sistema de control se
torne inestable, por lo que está relacionado con su estabilidad relativa o grado de
estabilidad.
Los índices utilizados para la medición de la robustez de los lazos de control
han evolucionado con el tiempo, de los indicadores “clásicos” de margen de ganan-
cia y margen de fase, pasando por los índices de estabilidad paramétricos, hasta los
criterios “modernos” de sensibilidad máxima y margen de estabilidad, los cuales se
definirán a continuación (Alfaro y Vilanova, 2011; Vilanova et al., 2012).
El criterio de Routh-Hurwitz y el de Liérnad-Chipart vistos en el Capítulo 10
permiten determinar la estabilidad absoluta del sistema de control (si el sistema es
estable o no), pero no su grado de estabilidad, una vez que este ha sido diseñado.
También se vio en el Capítulo 10, como la gráfica de Nyquist se puede emplear
para determinar la estabilidad absoluta del sistema de control y cómo el gráfico del
lugar geométrico de las raíces de lazo cerrado, permite observar si el sistema de
control se vuelve inestable para algún valor de un parámetro variable del controlador.
Para establecer los índices de estabilidad relativa o robustez, del sistema de con-
trol, se considerará que el algoritmo de control utilizado es de dos grados de libertad.
El diagrama de bloques del sistema de control, se presenta nuevamente en la figura
11.4.
El polinomio característico del lazo de control, es en este caso
p(s) = 1 + L(s) = 1 +Cy (s)P(s). (11.3)
De su ecuación característica
1 +Cy (s)P(s) = 0, (11.4)
se obtiene, que
Cy (s)P(s) = −1. (11.5)
El sistema de control estará en el límite de la estabilidad cuando s = jωu , donde

ωu es la frecuencia crítica. En ese punto
Cy (jωu )P(jωu ) = −1, (11.6)
lo que lleva a las siguientes dos condiciones:
• Condición de magnitud
|Cy (jωu )P(jωu )| = 1. (11.7)
• Condición de fase
∠Cy (jωu )P(jωu ) = −180°. (11.8)
Estas dos características, corresponden a las del punto −1 en el plano complejo de

L(jω), en el cual se dibujará su gráfica polar.
La lejanía de la gráfica polar de L(jω) del punto −1, será una indicación de la
estabilidad relativa del sistema de control.
La frecuencia crítica ωu es entonces la frecuencia de cruce de fase ω−π . El siste-
ma de control oscila a la frecuencia ω−π .
11.3.1 Índices de estabilidad relativa

En la figura 11.5 se muestra la gráfica polar de la función de transferencia de lazo
abierto L(jω). En este, se indica el punto de cruce de magnitud, como el punto en que
esta gráfica polar corta el círculo de radio unitario centrado en el origen y el punto de
cruce de fase, como el punto en que esta corta el eje real negativo. Las frecuencias
correspondientes a esos puntos se han definido anteriormente.
Con base en estos puntos de cruce, se definirán los siguientes índices de estabili-
dad relativa (Bode, 1940):
• Margen de fase
El margen de fase φm , mostrado en la figura 11.6, será la cantidad de fase en
grados que se puede atrasar la fase de L(jω1 ), para alcanzar los −180°, esto es
∠L(jω1 ) − φm = −180°, (11.9)
φm = ∠L(jω1 ) + 180°. (11.10)
• Margen de ganancia
El margen de ganancia Am , mostrado en la figura 11.7, será el factor por el que
se puede multiplicar la magnitud de L(jω−π ), de manera que su producto sea
unitario, esto es
Am |L(jω−π )| = 1, (11.11)
1
Am = . (11.12)
|L(jω−π )|
El margen de ganancia se puede expresar también en dB, como

1
AmdB = 20 log = −20 log (|L(jω−π )|). (11.13)
|L(jω−π )|
Figura 11.5: Puntos y frecuencias de cruce
Para que un sistema sea estable, se requiere que el margen de ganancia sea mayor
que uno (Am > 1) y que el margen de fase sea positivo (φm > 0). Basta que el margen
de ganancia Am < 1 o que el margen de fase φm < 0, para que el sistema sea inestable.
Si estos márgenes son (Am = 1, φm = 0), el sistema de control es oscilatorio.
Valores usuales para el margen de ganancia son de 2 a 4 y para el margen de fase
de 30° a 60°, los cuales deben tomarse como una pareja (Am , φm ) para definir por
ejemplo una robustez mínima (2, 30°) o una robustez alta (4, 45°).
Si se considera que el modelo del proceso controlado es epomtm, dado por la
Ke−Ls
P(s) = , (11.14)
Ts+1
el margen de ganancia Am , indica cuánto puede llegar a diferir la ganancia K del
proceso respecto a la del modelo, suponiendo que no hay diferencia entre los valores
Figura 11.6: Margen de fase, φm
de la constante de tiempo T y el tiempo muerto L del proceso respecto a los del

modelo, manteniéndose el sistema de control estable.
Por su parte, el margen de fase φm , indica cuánto puede llegar a diferir el tiempo
muerto L del proceso respecto al del modelo, manteniéndose el sistema de control
estable, suponiendo que no hay diferencia entre los valores de la ganancia K y la
constante de tiempo T del proceso, respecto a los del modelo.
Ninguno de estos dos márgenes, provee una indicación directa de cuánto pudiera
llegar a diferir la constante de tiempo T del proceso respecto a la del modelo, sin
que el sistema de control se inestabilice, suponiendo que la ganancia K y el tiempo
muerto L del proceso son los mismos que los del modelo.
Figura 11.7: Margen de ganancia, Am
11.3.2 Criterio de estabilidad de Bode

Con base en las definiciones anteriores, el criterio de estabilidad de Bode, establece
que (Bode, 1940):
“Un sistema de control de lazo cerrado es inestable, si la magnitud de su función
de transferencias de lazo abierto es mayor que uno, a la frecuencia a la que la fase
de esta es −180°. En otro caso, el sistema de control es estable.”
Esta definición de la inestabilidad del sistema de control, presupone que este es
estable a lazo abierto y que tiene solo una frecuencia de cruce de fase.
11.3.3 Margen de estabilidad y sensibilidad máxima

Uno de los inconvenientes de utilizar el par (Am , φm ), como indicador de la estabili-
dad relativa es que, aunque ambos índices cumplan con un determinado criterio de
estabilidad (exceden ciertos valores mínimos), esto no garantiza que la gráfica polar
de L(jω) no pase cerca del punto crítico −1.
Es importante contar entonces, con un indicador de “cuán cerca” pasa la gráfica
de polar de L(jω) del punto crítico.
Figura 11.8: Margen de estabilidad Sm y sensibilidad máxima MS
Se dirá que el margen de estabilidad Sm del sistema de control, es la distancia

más corta desde la gráfica polar de su función de transferencia de lazo abierto L(jω)
al punto −1, dada por la expresión
.
Sm = mı́n |1 +Cy (jω)P(jω)| , (11.15)
ω

Los valores típicos para el margen de estabilidad, van desde 0,5 (robustez míni-
ma) hasta cerca de 0,8 (robustez alta).
El margen de estabilidad, puede utilizarse como criterio de diseño para la ro-
bustez de lazo de control. Su valor requerido para el diseño, dependerá de las no
linealidades del proceso (variación de sus parámetros)
Por otra parte, la función de sensibilidad del sistema de control realimentado, tal
como se definió en el Capítulo 6, está dada por
. 1 1
S(s) = = . (11.16)
1 + L(s) 1 +Cy (s)P(s)
Entonces, se puede establecer también como parámetro de diseño de robustez, el
valor máximo de la magnitud de la función de sensibilidad, definiendo la sensibilidad
máxima, como

. 1
MS = máx |S(jω)| = máx . (11.17)
ω ω 1 +Cy (jω)P(jω)
En la gráfica polar de L(jω), la distancia más corta del punto −1 a la gráfica polar
de Cy (jω)P(jω) es 1/MS , como se muestra en la figura 11.8.
Por lo tanto, el margen se estabilidad del sistema de control realimentado, es el
inverso de la sensibilidad máxima Sm = 1/MS .
La sensibilidad máxima se puede interpretar como una medida de la robustez, ya
que indica cuanto puede variar el proceso sin que cause una inestabilidad del lazo de
control.
Valores típicos para la sensibilidad máxima MS van de 1,2 a 2, equivalentes a
valores del margen de estabilidad Sm de 0,83 a 0,50. El valor Sm = 0,50 (MS = 2) se
considera como el mínimo de robustez, mientras que sistemas de control con márge-
nes de estabilidad 0,71 ≤ Sm ≤ 0,83 (1,4 ≥ MS ≥ 1, 2) se consideran muy robustos.
En la figura 11.9 se muestra la gráfica polar de un sistema de control, con la
indicación de su sensibilidad máxima (robustez) y los límites usuales para esta y
en la figura 11.10 lo mismo, pero utilizando los círculos de margen de estabilidad
extremos.
Si en forma intuitiva se considera que “más es mejor”, es conveniente utilizar el
margen de estabilidad Sm como indicador de la robustez, ya que entre más alto sea el
Sm más robusto es el sistema, en vez de usar la sensibilidad máxima MS , para la cual
entre más baja sea la MS más robusto es el sistema.
Si se desea que un sistema de control tenga una robustez igual o superior a un
valor mínimo, especificado mediante el valor de su margen de estabilidad mínimo
Sm mı́n , entonces el sistema debe cumplir con que su Sm ≥ Sm mı́n o lo que es lo mismo,
que la gráfica polar de su función de trasferencia de lazo abierto esté, para todas
las frecuencias, fuera del círculo de radio Sm mı́n centrado en el punto −1, como se
Amplificación de las perturbaciones

A lazo abierto, la influencia de la perturbación sobre la variable controlada, es
ydo (s) = P(s)d(s). (11.18)
ℑ L(jω)
Figura 11.9: Robustez del
MS = 1.2
sistema de control y círcu-
los de sensibilidad máxima
MS = 2.0
MS = 1.71
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
−1.5
−2.0
ℑ L(jω)
Figura 11.10: Robustez
Sm = 0.8
del sistema de control y
círculos de margen de esta- Sm = 0.58
Sm = 0.5
bilidad 0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
−1.5
−2.0
Figura 11.11: Robustez

mínima en función del mar-
gen de estabilidad
Cuando se cierra el lazo de realimentación, la influencia de la perturbación sobre

la señal realimentada, está dada por la ecuación
P(s)
ydc (s) = d(s). (11.19)
1 +Cy (s)P(s)
El efecto que tiene la realimentación, sobre la influencia de la perturbación en la

variable controlada, está dado por la razón entre (11.19) y (11.18), esto es por

ydc (s) 1 P(s) 1
= = = S(s). (11.20)
ydo (s) P(s) 1 +Cy (s)P(s) 1 +Cy (s)P(s)
Entonces, de (11.20), se deduce que las perturbaciones con frecuencias ω tales

que |S(jω)| < 1 son atenuadas por efecto de la realimentación, mientras que las per-
turbaciones con frecuencias para las cuales |S(jω)| > 1 son amplificadas.
La menor frecuencia ω = ωs1 a la cual |S(jωs1 )| = 1, es la frecuencia de cruce
de sensibilidad (Åström y Hägglund, 2006).
Por otra parte, la mayor amplificación de las perturbaciones ocurre a la frecuencia
ω = ωMS . Esto es, a la frecuencia a la cual la magnitud de la función de sensibilidad
es máxima. Esta corresponde al punto sobre la gráfica polar de L(jω), a la cual se
determina la sensibilidad máxima MS y el margen de estabilidad Sm .
11.3.4 Índices de robustez paramétricos

Se pueden establecer índices de robustez paramétricos, considerando la variación de
algunas características específicas del proceso controlado.
Gráfico de robustez paramétrica

Considérese que se ha seleccionado un modelo para el proceso controlado, de primer
orden más tiempo muerto, dado por la función de transferencia
Ke−Ls
P(s) = , (11.21)
Ts+1
y que, en el punto de operación en que se desea que opere el sistema de control, su
ajuste resulta ser
o
o K o e−L s
P (s) = o , (11.22)
T s+1
cuyos parámetros K o , T o y Lo son la ganancia, constante de tiempo y tiempo muer-
to que se utilizarán en las ecuaciones de ajuste de los parámetros del algoritmo de
control del controlador, esto es, son los parámetros del modelo nominal del proceso
controlado.
Supóngase además, que el sistema de control diseñado, se puede llevar hasta el
límite de la estabilidad, variando por separado la ganancia y el tiempo muerto del
modelo y que los valores de estos parámetros, que en forma independiente hacen
oscilatorio el sistema, son Ku y Lu , respectivamente.
Con base en esta información, se pueden definir los siguientes índices de robus-
tez:
• Índice de robustez en la ganancia

Ku
IRK = − 1. (11.23)
Ko
• Índice de robustez en el tiempo muerto

Lu
IRL = − 1. (11.24)
Lo
Se considerará que un sistema de control es “razonablemente” estable (robusto)

si su IRK > 1 y su IRL > 1. Esto es, debe permitir que en forma independiente,
la ganancia y el tiempo muerto del proceso incluso se dupliquen, sin causar una
inestabilidad del lazo de control.
Sistema
muy robusto
Sistema
robusto
Sistema
no robusto
Figura 11.12: Gráfico de los índices de robustez paramétricos
Estos índices son una indicación de cuanto pueden variar en forma independiente
la ganancia y el tiempo muerto del proceso antes de que el sistema se vuelva inestable
y por lo tanto, son una indicación de su estabilidad relativa.
Se puede construir un gráfico que permita verificar la robustez del sistema de
control, con base en estos dos índices de robustez paramétricos, como se muestra en
la figura 11.12 (Gerry y Hansen, 1987; Gerry, 1988).
En adición a los índices anteriores, se puede definir también un margen de tiempo
muerto ML , el cual indica (en unidades de tiempo), cuanto puede aumentar el tiempo
muerto del proceso controlado, antes de que el sistema de control se vuelva inestable
y que evidentemente, es similar al índice de robustez en el tiempo muerto.
Este está definido, como
ML = Lu − Lo , (11.25)
entonces
ML
IRL = . (11.26)
Lo
Margen de estabilidad paramétrica global

Los índices de estabilidad paramétrica definidos anteriormente, consideran el efecto
sobre la robustez del sistema de control, de la variación por separado de un parámetro
(ganancia o tiempo muerto) del modelo del proceso controlado. Sin embargo, es
conveniente tener una medida de la robustez paramétrica, que considere la variación
simultánea de todos los parámetros del modelo del proceso controlado, tal como el
margen de estabilidad Sm (o la sensibilidad máxima MS ) lo hace.
Considérese que el modelo del proceso controlado es P(θ p , s), donde θ p = {pi }np
es el conjunto de sus n p parámetros. El modelo nominal del proceso controlado, es
.
Po (s) = P(θ po , s), (11.27)
donde θ po = {poi }np es el conjunto de parámetros nominales, ajustados en el punto de

operación más probable o frecuente, del sistema de control.
La incertidumbre con que se conocen los parámetros del modelo del proceso
controlado, o su variación respecto a su valor nominal, se puede establecer en forma
normalizada, en por unidad como (Johnson, 2005)
. pi − poi
δ pin = , i = 1, 2, · · · np, (11.28)
poi
o en porcentaje
pi − poi

.
δ pin % = 100 , i = 1, 2, · · · np. (11.29)
poi
Entonces, los parámetros del modelo del proceso controlado, se pueden expresar en
función de su valor nominal y su variación normalizada, como
pi = poi (1 + δ pin ). (11.30)
Esta variación normalizada de cada uno de los parámetros, toma valores en el

rango
− 1 < δ m pin ≤ δ pin ≤ δ M pin < ∞, (11.31)
donde
. pmı́n − po . pmáx − po
δ m pin = i o i , δ M pin = i o i , (11.32)
pi pi
siendo pmı́n
i y pmáx
i , el valor mínimo y el valor máximo respectivamente, del pará-
metro pi . La incertidumbre de los parámetros del modelo del proceso controlado es
0 < pmı́n
i ≤ pi ≤ pmáx
i < ∞, i = 1, 2, · · · np.
Las variaciones normalizadas probables de los parámetros del modelo P(s) del
proceso controlado, debido a sus no linealidades en el rango de operación del sistema
de control, están dadas por el conjunto δ pn = {δ pin }np . Por lo tanto, el modelo
nominal Po (s), corresponde al punto δ pon = {δ poin }np = {0} esto es, al origen del
espacio δ pn (de np dimensiones).
Sea ahora un conjunto de variaciones de los parámetros del modelo del proceso
controlado δ pun = {δ puin }np , que llevan al sistema de control al límite de la estabili-
dad. Para que el sistema de control sea estable, se debe cumplir que
|δ pin | < |δ puin |, i = 1, 2, · · · , np, (11.33)
cuando cada uno de los parámetros del modelo del proceso controlado, varía en forma
independiente.
Por lo tanto
Pu (s) = {P(θ pu , s)}np , θ pu = {poj6=i , poi (1 + δ puin )}, i, j = 1, 2, · · · np, (11.34)
es el conjunto de los modelos con un parámetro perturbado a la vez, en el límite de

la estabilidad.
Sin embargo, las np desigualdades en (11.33) no garantizan la estabilidad del sis-
tema de control, en todo el conjunto de puntos de operación posibles, con un contro-
lador de parámetros fijos, ya que varias de las características del proceso controlado
pueden variar en forma simultánea.
Con base en el conjunto de variaciones normalizadas de los parámetros δ pun , el
margen de estabilidad paramétrica (PSM - “parametric stability margin”), se define
como
.
PSM = mı́n u kδ pn k p , (11.35)
δ pn ∈δ pn
donde p es la norma utilizada para su evaluación.

Si se emplea la norma l2 , entonces
s
np
kδ pn k2 = ∑ (δ pin )2 , (11.36)
i=1
y el margen de estabilidad paramétrica

s
np
PSM2 = mı́n
δ pn ∈δ pun
∑ (δ pin )2 . (11.37)
i=1
En este caso, el margen de estabilidad paramétrica está determinado por la hiperes-

fera de mayor radio posible, con su centro en el origen del espacio δ pn , en la cual, el
cambio simultáneo de todos los parámetros del modelo correspondiente a un punto
en su superficie, coloca el sistema de control en el límite de la estabilidad.
Si se utiliza la norma infinito, entonces
kδ pn k∞ = máx |δ pin |, (11.38)

i
y el margen de estabilidad paramétrica, es

PSM∞ = mı́n máx |δ pin | . (11.39)
δ pn ∈δ pun i
Ahora, el margen de estabilidad paramétrica está determinado por el tamaño del hi-
percubo más grande posible, en el cual, el cambio simultaneo de todos los parámetros
del modelo correspondiente a un punto en su superficie, coloca al sistema de control
al límite de la estabilidad.
11.3.5 Relaciones entre las medidas de robustez

Supóngase, que con base en un modelo de primer orden más tiempo muerto con
ganancia Ka y tiempo muerto La , se han ajustado los parámetros del algoritmo de
control del controlador del sistema de control, y que para este, se ha determinado el
margen de ganancia Am , el margen de fase φm y las frecuencias de cruce ω1 y ω−π .
Como la ganancia crítica está dada por la expresión
Ku = Am Ka , (11.40)
se tiene, que
IRK = Am − 1. (11.41)
Como el tiempo muerto que hace inestable el sistema, está dado por
π
Lu = La + φm , (11.42)
180ω−π
se obtiene, que
πφm
IRL = . (11.43)
180ω−π La
Además, como se indicó anteriormente
1
Sm = . (11.44)
MS
Figura 11.13: Índices de estabilidad relativa
Ya que el uso del margen de estabilidad o de la sensibilidad máxima como criterio

de robustez, se puede interpretar como el requerimiento de que la gráfica polar de la
función de transferencia de lazo abierto L(jω), esté siempre fuera de un círculo de
radio Sm centrado en −1, como se muestra en la figura 11.13, estas establecen cotas
inferiores a los márgenes de ganancia y fase.
Cuadro 11.1: Valores mí- Sm MS Am > φm >

nimos de Am y φm asegu-
rados para un Sm o una MS 0,500 2,000 2,0 29,0º
determinadas 0,550 1,818 2,2 31,9º
0,556 1,800 2,3 32,3º
0,600 1,667 2,5 34,9º
0,625 1,600 2,7 36,4º
0,650 1,538 2,9 37,9º
0,700 1,429 3,3 41,0º
0,714 1,400 3,5 41,8º
0,750 1,333 4,0 44,0º
0,800 1,250 5,0 47,2º
0,833 1,200 6,0 49,2º
En esta figura se puede apreciar, que
1 1
+ < 1, (11.45)
MS Am
por lo que
MS 1
Am > = . (11.46)
MS − 1 1 − Sm
Además, en el caso extremo

1 1
sen = , (11.47)
2φm 2MS

−1 1
φm > 2 sen = 2 sen−1 (0,5Sm ) . (11.48)
2MS
En el cuadro 11.1 se listan los valores de los márgenes de ganancia y fase, que
se asegurarían para diferentes valores del margen de estabilidad o de la sensibilidad
máxima.
Por lo tanto, valores de Sm ≥ 0,5 (MS ≤ 2) aseguran Am > 2, φm > 29° e IRK > 1.
Para tener un indicador de robustez que muestre que entre mayor sea este, es más
alta la estabilidad relativa del sistema de control, se le dará preferencia al uso del
índice de estabilidad Sm como criterio de diseño para la robustez, en lugar de a la
sensibilidad máxima MS , aunque debe indicarse, que el uso de esta última está más
extendido.
El criterio de robustez mínima para los sistemas de control, será que su Sm ≥ 0,50.
Un sistema de control tendrá una robustez intermedia si su Sm ≥ 0,60, una robustez
alta si su Sm ≥ 0,70 y una robustez muy alta si su Sm ≥ 0,80.
Debido al conflicto existente entre la robustez y el comportamiento del lazo de
control, con la finalidad de obtener el mejor comportamiento posible, el control se
deberá diseñar de manera que su Sm ≈ 0,50, a menos que las características del
proceso controlado exijan una robustez mayor.
11.4 Estabilidad relativa en el diagrama de Bode

En la sección 11.3.1, se definieron los márgenes de estabilidad relativa de un sistema
de control, a partir de la gráfica polar de la función de transferencia de lazo abierto.
Sin embargo, a menos que dicha gráfica se dibuje en forma exacta, no es posible
medir estos márgenes a partir de la misma. Por otra parte, esta información se puede
obtener a partir de su diagrama de Bode (1940).
Mientras que la gráfica polar de la función de transferencia de lazo abierto L(jω),
es un gráfico en coordenadas polares de su magnitud y fase, su diagrama de Bode
contiene esta misma información, pero en una escala semi logarítmica. Es un gráfico
de su magnitud |L(jω)| y de su fase ∠L(jω) en grados, contra la frecuencia ω en
rad s−1 en una escala logarítmica.
11.4.1 Márgenes de ganancia y fase

El círculo de magnitud unitaria de la gráfica polar de L(jω), se convierte en la línea
de magnitud unitaria, en la gráfica de magnitud del diagrama de Bode para todas
las frecuencias, y el eje real negativo de la gráfica polar, en la línea de −180° de la
gráfica de fase del diagrama de Bode para todas las frecuencias.
Por lo tanto, la frecuencia de cruce de magnitud ω1 , corresponderá a la frecuencia
a la cual la gráfica de magnitud de la función de transferencia de lazo abierto pasa
por 1 y la frecuencia de cruce de fase ω−π , la frecuencia a la cual la gráfica de fase
de la función de transferencia de lazo abierto corta la línea de los −180°.
El margen de ganancia Am se puede obtener verificando, a la frecuencia de cruce
de fase, cuanto se puede “subir” (multiplicando por Am ) la gráfica de magnitud para
que pase por 1 a esa frecuencia.
El margen de fase φm por su parte, se puede obtener verificando, a la frecuencia
de cruce de magnitud, cuanto se puede “bajar” (restando φm ) la gráfica de fase para
que pase por −180º a esa frecuencia.
Para que el sistema sea estable, se debe cumplir que la magnitud de la función de
transferencia de lazo abierto sea menor que 1 cuando su fase es −180° y que su fase
11.4. Estabilidad relativa en el diagrama de Bode 525
Figura 11.14: Diagrama de Bode y márgenes de estabilidad relativa
sea menos negativa que −180º cuando su magnitud es 1. Basta que una de estas dos
condiciones no se cumpla, para que el sistema sea inestable.
Aunque con frecuencia se dibuja el diagrama de Bode de la magnitud de la fun-
ción de transferencia de lazo abierto en dB, esta conversión no se hará aquí.
Como el margen de ganancia Am , es la cantidad máxima por la cual se puede
multiplicar la ganancia de lazo abierto del sistema de control, para alcanzar el límite
de la estabilidad, el diagrama de Bode y la obtención de los índices de estabilidad a
partir de este, se harán con la magnitud de L(jω) es escala lineal, tal como se muestra
en la figura 11.14.
Por lo tanto, y en concordancia con lo indicado en la gráfica polar, la frecuencia
de cruce de magnitud ω1 , corresponde a la frecuencia a la cual |L(jω1 )| = 1 y la
frecuencia de cruce de fase ω−π , a la frecuencia a la cual ∠L(jω−π ) = −180°.
Figura 11.15: Ejemplo 11.1 - Márgenes de estabilidad
Ejemplo 11.1 Índices de estabilidad relativa

Considérese el sistema de control, con la función de transferencia de lazo abierto
0,5
L(s) = .
s(s + 1)(0,5s + 1)
Los gráficos con la indicación de los indicadores de estabilidad relativa o robus-

tez del sistema de control, se muestran en la figura 11.15.
Del diagrama de Bode de la función de transferencia de lazo abierto L( jω) (a
la izquierda), se obtiene que en este caso, la frecuencia de cruce de magnitud es
ω1 = 0,446 rad s−1 y la frecuencia de cruce de fase ω−π = 1,41 rad s−1 . Los márgenes
de ganancia y fase del sistema de control de lazo cerrado son Am = 6,0 y φm = 53,4°.
Estos indican una estabilidad relativa alta.
Sin embargo, de la gráfica polar de L( jω) (a la derecha), se puede determinar
que el margen de estabilidad del sistema de control es Sm = 0,64, el cual indica que
el sistema de control tiene una robustez intermedia.
Ejemplo 11.2 Índices de estabilidad relativa

Considérese ahora, el proceso controlado dado por la función de transferencia
1
P(s) = .
(s + 1)3
Este se controlará con un controlador con un algoritmo de control proporcional

e integral, dado por la función de transferencia

1
C(s) = Kp 1 + ,
Ti s
con parámetros Kp ∈ {0,5, 1,5} y Ti = 2 s.
Los índices de estabilidad relativa para los dos casos son:
1. Kp = 0,50
(Am = 8,71@1,33rad s−1 , φm = 74,1°@0,255rad s−1 ), Sm = 0,775 (MS = 1,29).
2. Kp = 1,50
(Am = 2,89@1,33rad s−1 , φm = 38,9°@0,707rad s−1 ), Sm = 0,467 (MS = 2,14).
Como era de esperar, al incrementarse la ganancia proporcional del controlador,
la robustez del lazo de control disminuye.
En el primer caso, todos los indicadores de robustez muestran que el sistema
de control es muy robusto. Sin embargo, en el segundo, mientras que el margen de
ganancia y el de fase parecen indicar que el sistema de control tiene una robustez
mayor que la mínima usual, la sensibilidad máxima por su lado muestra que esto no
es así.
Los ejemplos anteriores confirman, tal como se ha indicado anteriormente, que

el que un sistema de control tanga márgenes de ganancia (Am ) y fase (φm ) altos, no
garantiza que la gráfica polar de su función de trasferencia de lazo abierto L(jω), no
pase cerca del punto −1, o sea que tenga un margen de estabilidad (Sm ) bajo −o una
correspondiente sensibilidad máxima (MS ) alta−, indicador de una robustez baja.
11.4.2 Diagrama de Bode combinado

Es usual que el diagrama de Bode esté compuesto por dos gráficos separados: el de
magnitud contra la frecuencia y el de fase contra la frecuencia. Sin embargo, se puede
hacer una modificación, dibujando los dos gráficos juntos, con escalas independien-
tes.
La ordenada izquierda del gráfico, corresponderá a la magnitud (|L(jω)|) y la
ordenada derecha, a la fase (∠L(jω)) de la función de transferencia de lazo abierto.
En la abscisa se tendrá la frecuencia ω rad s−1 , en escala logarítmica.
Si se seleccionan las escalas de magnitud y fase de manera que |L(jω)| = 1 y
∠L(jω) = −180° estén ambas en el 50 % de la escala correspondiente, se tendrá una
misma línea de referencia para la determinación de los márgenes de magnitud y fase,
la línea (1, −180°). Esta nueva gráfica se denominará diagrama de Bode combinado.
6
Am = 6.0 @ ω−180 = 1.414 rad/s; φm = 53.41° @ ω1 = 0.446 rad/s
Mag. Fase −100
−150
Magnitud, |L(jω)|

0 −200
−2
−250
−4 -1
10 100 101 102
Figura 11.16: Ejemplo 11.3 - Diagrama de Bode combinado, Kp = 1,0 (sistema esta-
ble)
Ejemplo 11.3 Diagrama de Bode combinado

Sea la función de transferencia de lazo abierto de un sistema de control, dada por
0,5Kp
L(s) = .
s(s + 1)(0,5s + 1)
En la figure 11.16 se muestra el diagrama de Bode, con la modificación propuesta
anteriormente −el diagrama de Bode combinado−, para el caso en que la ganancia
proporcional del controlador es Kp = Kp1 = 1,0. El sistema es estable con Am = 6,0,
φm = 53,41° y ω1 < ω−π .
En el sentido de crecimiento de la frecuencia, la gráfica de magnitud cruza pri-
mero -a menor frecuencia-, la línea de referencia (1, −180°), que la gráfica de fase.
Si la ganancia del controlador se hace K p = Kp2 = Am Kp1 = 6,0, el sistema
de control se encuentra en el límite de la estabilidad, es oscilatorio, tal como se
confirma en la figura 11.17. Ahora Am = 1,0, φm = 0,0° y ω1 = ω−π . Las curvas de
magnitud y fase, cruzan la línea de referencia en el mismo punto.
Al aumentar la ganancia proporcional del controlador, la frecuencia de cruce de
magnitud ω1 aumenta. La gráfica de magnitud se desplaza hacia la derecha hasta

Am = 1.0 @ ω− 180 = 1.414 rad/s; φm = 0.0° @ ω1 = 1.414 rad/s
Mag. Fase −100
- Diagrama de Bode com-
binado, Kp = 6,0 (sistema 4
oscilatorio) −150
Magnitud, |L(jω)|
2

0 −200
−2
−250
−4 -1
10 100 101 102

Am = 0.25 @ ω−
180 = 1.414 rad/s; φm = -31.58° @ ω1 = 2.611 rad/s
Mag. Fase −100
- Diagrama de Bode com-
binado, Kp = 24,0 (sistema 4
inestable) −150
Magnitud, |L(jω)|

0 −200
−2
−250
−4 -1
10 100 101 102
que, en el límite de la estabilidad, las dos gráficas cruzan la línea (1, −180°) en el
mismo punto, a ω = ω−π .
Si se aumenta aún más la ganancia del controlador, por ejemplo a Kp = Kp3 =
4Am Kp1 = 24,0, el sistema de control se torna inestable con Am = 0,25, φm = −31,58°
y ω1 > ω−π , tal como se aprecia en la figura 11.18.
Cuando el sistema es inestable, la gráfica de fase cruza a menor frecuencia la
línea (1, −180°), que la gráfica de magnitud.
El diagrama de Bode combinado propuesto, muestra en forma más evidente que

el diagrama de Bode dibujado en su forma tradicional, no solo la estabilidad absoluta
del sistema de control −si este es estable o no−, sino también el grado de su estabi-
lidad relativa, al mostrar claramente la magnitud de los márgenes de estabilidad −de
magnitud y fase− y la cercanía relativa de las frecuencias de cruce correspondientes.
11.4.3 Criterio de estabilidad de Bode revisado

En el análisis de los sistemas de control, interesan sus características a las frecuencias
cercanas a la frecuencia crítica, la frecuencia de cruce de fase ω−π . Sin embargo, la
definición dada anteriormente sobre la estabilidad del sistema de control, con base en
el valor de la magnitud de la función de transferencia de lazo abierto a la frecuencia a
la cual su fase es −180°, no es suficiente. Deben investigarse también las magnitudes
de L(jω) a las frecuencias a las cuales su fase es −180° − n 360°. Esto es, cuando la
gráfica polar de la función de transferencia de lazo abierto, corta más de una vez el
eje real negativo. Esto se da, por ejemplo, cuando el modelo del proceso controlado
tiene un tiempo muerto.
El siguiente criterio de estabilidad de Bode revisado, es una condición suficiente
pero no necesaria, para que un sistema de control sea estable (Hahn et al., 2001):
“Un sistema de lazo cerrado es estable, si el sistema a lazo abierto es estable y
la respuesta de frecuencia de su función de transferencia de lazo abierto, tiene una
magnitud menor a la unidad, a todas las frecuencias correspondientes a ∠L(jω) =
−180° −n 360°, donde n = 0, 1, 2, · · · , ∞.”
El uso del criterio de estabilidad de Bode revisado, se ilustrará con un ejemplo.
Ejemplo 11.4 Criterio de estabilidad de Bode revisado

Considérese el proceso cuya función de transferencia, es
K(−s + 1)e−Ls
P(s) = ,
s(T s + 1)
con parámetros: K = 0,5, T = 0,20 s y L = 0,60 s.

Este proceso se controla con un controlador con un algoritmo de control PD,
dado por
Td s + 1
Cy (s) = Kp , (11.49)
αTd s + 1
ajustado con los siguientes parámetros: Kp = 0,75, Td = 0,80 s y α = 0,05.
Del diagrama de Bode de la función de transferencia de lazo abierto de este
sistema de control, mostrado en la figura 11.19, se puede determinar que la amplitud
de L(jω), a la frecuencia a la cual su fase en −180°, es |L(j1,767)| ≈ 0,70. Como
además su margen de fase es positivo (φm = 65,03°), se puede llegar a la conclusión
errónea de que este sistema de control es estable, con un margen de ganancia Am =
1,43. Según esto, la ganancia del controlador se podría incrementar hasta casi en un
43 % sin que el sistema de control se vuelva inestable.

Am = 1.43 @ ω−
180 = 1.767 rad/s
Magnitud, |L(jω)|
- Diagrama de Bode de 3
L(jω) con Kp = 0,75 (mar- 2
1
gen de ganancia erróneo)
0
−1 -1
10 100 101 102
φ = 65.03° @ ω
0 m 1 = 0.43 rad/s
Fase, ∠ L(jω) [°]

−100
−200
−300
−400
−500
10-1 100 101 102
Figura 11.20: Ejemplo 11.4 - Gráfica

ℑ L(jω)
polar de L(jω) con Kp = 0,75 1.5
1.0
0.5
ℜ L(jω)
0.0
−1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
−0.5
−1.0
−1.5
−2.0
−2.5
Sin embargo, a la frecuencia a la cual la fase de L(jω) es −540° (= −180°

−360°), su magnitud es mayor que la unidad. En este caso, de acuerdo con el criterio
de estabilidad de Bode revisado establecido anteriormente, el sistema de control es
inestable.
Esto se puede corroborar fácilmente, aplicando el criterio de Foellinger-Yeung a
la gráfica polar de L(jω) mostrada en la figura 11.20. Efectivamente, el sistema de
control con Kp = 0,75 es inestable (el ∆φv es negativo).
Analizando la |L(jω)| a las frecuencia a las que ∠L(jω) = −180° −n 360°,
4
Am = 0.79 @ ω−540 = 10.512 rad/s
Magnitud, |L(jω)|
3
−1 -1
10 100 101 102
0
φm = 65.03° @ ω 1 = 0.43 rad/s
Fase, ∠ L(jω) [°]
−100
−200
−300
−400
−500
10-1 100 101 102
Figura 11.21: Ejemplo 11.4 - Diagrama de Bode de L(jω) con Kp = 0,75 (margen de
ganancia correcto)
se determina el margen de ganancia correcto, siendo este Am = 0, 79, tal como se

muestra en la figura 11.21. El sistema de control es inestable (Am < 1).
Si solo se analiza la magnitud de la función de transferencia de lazo abierto
del sistema de control, a la frecuencia ω−π , puede llegarse a una conclusión errada
sobre su estabilidad.
Para estabilizar el sistema de control, la ganancia del controlador se reduce a
Kp = 0,25.
Los nuevos diagramas de Bode y de robustez, se muestran en la figura 11.22.
El margen de estabilidad es ahora Sm = 0,58 y el margen de ganancia Am =
2,28. Nótese que en este caso, el margen de ganancia sigue estando determinado por
|L(jω−3π )|.
11.5 Fragilidad del controlador

Si la robustez, es una indicación de cuanto pueden variar las características del pro-
ceso controlado, sin que el sistema de control se vuelva inestable, la fragilidad del
controlador es una indicación de cuanto pueden variar sus propios parámetros, sin
11.5. Fragilidad del controlador 533
Figura 11.22: Ejemplo 11.4 - Diagrama de Bode y de robustez con Kp = 0,25
causar una reducción significativa de la robustez o de los índices de comportamiento

La posible fragilidad de los controladores, se hizo manifiesta al analizar el efecto
de la variación de los parámetros de los controladores, obtenidos por técnicas como
H2 , H∞ y l1 (Keel y Battacharyya, 1997).
El índice de fragilidad delta épsilon, se introdujo inicialmente respecto a la ro-
bustez (Alfaro, 2007) y fue extendido posteriormente también al comportamiento
(Alfaro y Vilanova, 2012a).
11.5.1 Fragilidad en la robustez

El índice de fragilidad en la robustez, relaciona la pérdida de robustez del lazo de
control, cuando se varían los parámetros del controlador una cantidad determinada,
con respecto a la robustez nominal del lazo de control y está definido, como
m
MS∆ε
RFI∆ε = − 1. (11.50)
MSo
donde la sensibilidad máxima extrema MS∆ε m , representa la mayor pérdida de robustez
del sistema de control, cuando todos sus parámetros se varían una cantidad δε = ±ε,
y MSo es la sensibilidad máxima nominal.
En particular el índice de fragilidad en la robustez delta 20 (RFI∆20 ), permite
definir el grado de fragilidad en la robustez de los controladores, con un algoritmo de
control PID, como:
• Un controlador PID es frágil en la robustez, si su Índice de fragilidad delta 20

es mayor que 0,50, (RFI∆20 > 0,50).
• Un controlador PID no es frágil en la robustez, si su Índice de fragilidad delta

20 es menor o igual a 0,50, (RFI∆20 ≤ 0,50).
• Un controlador PID es elástico en la robustez, si su Índice de fragilidad delta

20 es menor o igual a 0,10, (RFI∆20 ≤ 0,10).
Por lo tanto, se considerará un controlador como frágil, si el lazo de control pierde

más de un 50 % de robustez, cuando todos sus parámetros son perturbados hasta en un
20 %, de lo contrario se dirá que no es frágil. Además, un controlador será elástico,
si el lazo de control no pierde más de un 10 % de robustez cuando sus parámetros
son perturbados hasta en un 20 %. En este último caso, el controlador permitiría un
afinamiento final de sus parámetros (hasta en un ±20 % de sus valores nominales),
sin temor a que el sistema tenga una pérdida apreciable de robustez (esta será a lo
más de un 10 %).
La influencia de cada uno de los parámetros del controlador en su fragilidad, se
puede investigar utilizando el índice de fragilidad paramétrica delta épsilon en la
robustez, definido como
M pi
RFIδpεi = Sδoε − 1. (11.51)
MS
11.5.2 Fragilidad en el comportamiento

Para definir la fragilidad del controlador respecto a su comportamiento, se utilizará
como índice de su comportamiento
Z ∞
.
Je = |e(t)| dt. (11.52)
0
El índice de fragilidad en el comportamiento está definido, como

m
Je∆ε
PFI∆ε = − 1. (11.53)
Jeo
Por su parte, el índice de fragilidad paramétrica delta épsilón en el comporta-
miento, se define como
pi
pi Jeδ
PFIδ ε = oε − 1. (11.54)
Je
Utilizando el índice de fragilidad en el comportamiento delta 20 (PFI∆20 ), se
puede definir el grado de fragilidad en el comportamiento de los controladores con
un algoritmo de control PID, como:
11.5. Fragilidad del controlador 535
• Un controlador PID es frágil en el comportamiento, si su Índice de fragilidad

delta 20 es mayor que 0,50, (PFI∆20 > 0,50).
• Un controlador PID no es frágil en el comportamiento, si su Índice de fragili-

dad delta 20 es menor o igual a 0,50, (PFI∆20 ≤ 0,50).
• Un controlador PID es elástico en el comportamiento, si su Índice de fragili-

dad delta 20 es menor o igual a 0,10, (PFI∆20 ≤ 0,10).
La fragilidad en el comportamiento debe evaluarse por separado, para un cambio
en el valor deseado PFIr∆ε , de la correspondiente a un cambio en la perturbación
PFId∆ε .
Los índices de fragilidad en la robustez RFI∆20 y en el comportamiento PFI∆20 ,
se puede utilizar junto con las especificaciones de diseño del comportamiento y la
medición de la robustez, para diseñar sistema de control con controladores con un
algoritmo de control PI(D) que sean óptimos, robustos y no frágiles.
La evaluación de la fragilidad de varias reglas de ajuste de los algoritmos de
control PI(D), se presenta en Alfaro et al. (2009) y Alfaro y Vilanova (2012a).
11.5.3 Anillos de fragilidad

La perdida de robustez del lazo de control, cuando se varían los parámetros del con-
trolador esto es, la fragilidad del controlador, se puede analizar en forma gráfica,
utilizando los anillos de fragilidad (Alfaro y Vilanova, 2012a,b).
El Gráfico de los anillos de robustez y fragilidad delta 20 establece, sobre la
gráfica polar de la función de transferencia de lazo abierto del sistema de control, las
áreas anulares que permiten determinar si el controlador es elástico, no frágil o frágil
en la robustez.
Si la robustez nominal del lazo de control es MSo entonces, los anillos de fragilidad
se definen como las siguientes áreas:
• Anillo de controladores elásticos en la robustez (anillo RRC): MSo ≤ MS ≤
1,1MSo .
• Anillo de controladores no frágiles en la robustez (anillo RNFC): 1,1MSo <

MS ≤ 1,5MSo .
• Anillo de controladores frágiles en la robustez (anillo RFC): 1,5MSo < MS .

El requerimiento de que el controlador sea, por ejemplo, no frágil en la robus-
tez, implica que la gráfica polar de la función de transferencia de lazo abierto del
sistema de control, no debe entrar al el anillo RFC, cuando todos los parámetros del
controlador se varían en hasta un ±20 %.
Figura 11.23: Anillos de ℑ L(jω)

fragilidad
MSo = 1.86
RRC 0.5 RFI∆20 = 0.387
RNFC
RFC
ℜ L(jω)
0.0
−1.5 −1.0 −0.5 0.0 0.5
MS = 2.0 −0.5
−1.0
−1.5
En la figura 11.23, se muestra el caso de un sistema de control con un controlador

no frágil. La gráfica polar del caso extremo entra en anillo RNFC pero no en el RFC.
La robustez nominal del sistema de control es MSo = 1,86 y su índice de fragilidad
en la robustez RFI∆20 = 0,387.
11.6 Resumen
Si bien la estabilidad absoluta es indispensable, la estabilidad relativa o robustez del
lazo de control, es necesaria para asegurar el funcionamiento estable del sistema de
control, ante las posibles variaciones de las características del proceso controlado.
Esta robustez del lazo de control, puede establecerse utilizando el par de margen
de ganancia y margen de fase (Am , φm ), los índices de estabilidad paramétrica (IRK ,
IRL ), el margen de estabilidad paramétrica global (PSM), la sensibilidad máxima MS ,
o el margen de estabilidad Sm .
Al determinar los indicadores de la estabilidad del sistema de control, a partir del
diagrama de Bode de su función de transferencia de lazo abierto, deben investigarse
las magnitudes a las frecuencias a las cuales, la fase es un múltiplo negativo impar
de −180°.
Además, la fragilidad del controlador −en la robustez y en el comportamiento−,
será otro factor a considerar en el proceso de diseño.
El diseñador debe resolver los conflictos existentes entre el comportamiento de
la respuesta del sistema de control a un cambio en los estímulos, la robustez del
lazo ante los cambios en las características del proceso controlado y la fragilidad del
controlador respecto a los posibles cambios en sus propios parámetros.
Por lo tanto, los métodos de ajuste de los parámetros del algoritmo de control
PID de 2GdL del controlador, deberían considerar siempre y en forma integral, la
tripleta de índices {comportamiento, robustez, fragilidad} (Alfaro y Vilanova, 2010).
11.7 Bibliografía
Alfaro, V. M. (2007). PID controllers’ fragility. ISA Transactions, 46:555–559.
Alfaro, V. M. y Vilanova, R. (2010). Sintonización de los controladores PID de

2GdL: desempeño, robustez y fragilidad. En XIV Congreso Latinoamericano de
Control Automático (CLCA 2010). 24-27 agosto, Santiago, Chile.
Alfaro, V. M. y Vilanova, R. (2011). Control PID robusto: Una visión panorámica.

Revista Iberoamericana de Automática e Informatica industrial (RIAI), 8(3):141–
158. (Tutorial).
Alfaro, V. M. y Vilanova, R. (2012a). Fragility Evaluation of PI and PID Controllers

Tuning Rules. En Vilanova, R. y Visioli, A., editores, PID Control in the Third
Millenium - Lessons Learned and New Approaches, páginas 349–380. Springer-
Verlag London Limited.
Alfaro, V. M. y Vilanova, R. (2012b). Fragility-Rings - A Graphic Tool for PI/PID

Controllers Robustness-Fragility Analysis. En IEEE 20th Mediterranean Confe-
rence on Control and Automation (MED’12). 28-30 March, Brescia, Italy.
Alfaro, V. M., Vilanova, R., y Arrieta, O. (2009). Fragility Analysis of PID Con-
trollers. En 18th International Conference on Control Applications part of the
2009 IEEE Multi-Conference on Systems and Control (CCA2009). July 8-9, Saint
Petersburg, Russia.

Bode, H. W. (1940). Relations Between Attenuation and Phase in Feedback Ampli-

fier Design. Bell System Technical Journal, 19:421–454.
Gerry, J. P. (1988). Find Out How Good That PID Tuning Really Is. Control Engi-
neering, 35 (7):69–71.
Gerry, J. P. y Hansen, P. D. (1987). Choosing the Right Controller. Chemical Engi-

neering, May 25:65–68.
Hahn, J., Edison, T., y Edgar, T. F. (2001). A Note on Stability Analysis Using Bode
Plots. Chemical Engineering Education, páginas 208–211. Summer School.
Johnson, M. A. (2005). Some PID Control Fundamentals. En Johnson, M. A. y

Moradi, M. H., editores, PID Control - New Identification and Design Methods.
Springer-Verlag London Ltd., U.K.
Keel, L. H. y Battacharyya, S. P. (1997). Robust, fragil or optimal? IEEE Transac-

tions on Automatic Control, 42:1098–1105.
Vilanova, R., Alfaro, V. M., y Arrieta, O. (2012). Robustness in PID Control. En

Vilanova, R. y Visioli, A., editores, PID Control in the Third Millenium - Lessons
Learned and New Approaches, páginas 113–145. Springer-Verlag London Limi-
ted.

12
Análisis del comportamiento de los sistemas

de control proporcional, integral y derivativo
12.1 Introducción
12.2 Comportamiento del sistema de control de dos posiciones
12.3 Análisis del control proporcional en estado estacionario
12.4 Control proporcional
12.4.1 Procesos controlados de primer orden
12.4.2 Procesos controlados de segundo orden
12.5 Efecto de la adición de un polo o un cero
12.6 Efecto del tiempo muerto del proceso
12.7 Control proporcional e integral
12.8 Control proporcional y derivativo
12.9 Contornos de las raíces del control PID
12.10 Polos y ceros
12.10.1 Efecto de la cancelación de polos con ceros
539
540 12 Análisis del control proporcional, integral y derivativo
12.11 Plantas integrantes y no integrantes

12.11.1 Control PI de un proceso no integrante de primer orden
12.11.2 Control P de un proceso integrante
12.12 Efecto de la variación del proceso o del controlador
12.12.1 Variación de los parámetros del proceso controlado
12.12.2 Variación de los parámetros del controlador
12.13 Resumen
12.14 Bibliografía
En capítulos anteriores, se ha visto la forma de obtener un modelo de orden redu-

cido, para representar al proceso controlado en los estudios de control, así como la
estructura y las características de los diferentes algoritmos de control de la familia de
algoritmos PID. También se ha establecido, la forma de medir el comportamiento de
la variable controlada por el lazo de control, a un cambio en los estímulos aplicados,
las condiciones que deben cumplirse para garantizar la estabilidad absoluta de los
lazos de control realimentado y los índices que indican la robustez del mismo.
Se estudiará ahora, la utilización de los controladores con un algoritmo de control
PI(D), para el control de un proceso dado y se investigará el efecto que tiene la
variación de sus parámetros, sobre la respuesta temporal, el movimiento de los polos
de lazo cerrado en el plano complejo s y la gráfica polar de la función de trasferencia
de lazo abierto, del sistema de control (Ogata, 2010; Wilkie et al., 2002).
12.1 Introducción
El diagrama de bloques del sistema de control realimentado, se muestra en la figura
12.1, en donde está representada la función de transferencia del modelo del proce-
so controlado P(s) y la del controlador C(s), así como los estímulos aplicados al
sistema, r(s) y d(s), y la variable controlada por él, y(s).
La variable controlada, en función de los estímulos aplicados al sistema de con-
trol, está dada por la expresión
C(s)P(s) P(s)
y(s) = r(s) + d(s). (12.1)
1 +C(s)P(s) 1 +C(s)P(s)
Se investigará adelante, el comportamiento de este sistema de control, con pro-

cesos controlados representados por modelos simples y controladores con diferentes
algoritmos de control, ante cambios en los estímulos aplicados.
12.2. Comportamiento del sistema de control de dos posiciones 541
En el caso de un cambio en el valor deseado (sin perturbaciones), la respuesta

(12.1), se reduce a
C(s)P(s)
yr (s) = r(s), (12.2)
1 +C(s)P(s)
de donde la función de transferencia del servo control, es
. yr (s) C(s)P(s)
Myr (s) = = . (12.3)
r(s) 1 +C(s)P(s)
Si lo que se tiene es más bien, un cambio en la perturbación (con un valor deseado
constante), (12.1) se reduce ahora a
P(s)
yd (s) = d(s), (12.4)
1 +C(s)P(s)
de donde se obtiene que, la función de transferencia del sistema de control regulador,
es
. yd (s) P(s)
Myd (s) = = . (12.5)
d(s) 1 +C(s)P(s)
12.2 Comportamiento del sistema de control de dos

posiciones
Antes de abordar el problema que más interesa, el de los sistemas de control con
controladores que tienen un algoritmo de control proporcional, integral y derivativo,
se analizará en forma breve, el caso simple cuando la señal de control del controlador,
solo puede tomar dos valores (extremos).
Si el controlador es de dos posiciones con una banda muerta ∆, como el pre-
sentado en la sección 7.2 del Capítulo 7, la variable controlada oscilará en forma
permanente. Este comportamiento se analizará, utilizando un ejemplo.
Ejemplo 12.1 Control de dos posiciones

Considérese un proceso controlado de segundo orden, dado por las ecuaciones

2
y1 (s) = u(s), (12.6)
20s + 1

1
y(s) = y2 (s) = y1 (s). (12.7)
5s + 1
Entonces, su modelo es
y(s) 2
= P(s) = . (12.8)
u(s) (20s + 1)(5s + 1)
Este proceso se controlará con un controlador de dos posiciones, con una banda
muerta ajustable (relé con histéresis). El valor deseado de la variable controlada
es R = 50 % y la salida del controlador toma dos valores extremos: 0 % y 100 %
(encendido y apagado, o abierto y cerrado).
En la figura 12.2 se muestra el comportamiento del sistema de control con tres
bandas muertas diferentes: ∆ ∈ {20 %(±10 %), 10 %(±5 %), 2 %(±1 %)}.
Como se puede apreciar en las curvas del comportamiento del sistema de con-
trol, existe un conflicto entre el valor del error máximo de la variable controlada y
el periodo de conmutación del elemento final de control, que depende de la banda
muerta del controlador.
Por un lado, se desea que la desviación de la variable controlada de su valor
deseado, sea la menor posible (el menor error máximo).
Por el otro, se desea también que el elemento final de control no conmute con
mucha frecuencia, para evitar su deterioro. Además, pudieran existir restricciones
para las veces por una unidad de tiempo, que el elemento final de control pueda
operase. Como por ejemplo, el número máximo de arranques por hora, para el caso
de un motor eléctrico.
Al disminuir la banda muerta, decrece el error máximo de la variable controlada,
pero aumenta la frecuencia de las conmutaciones (menor periodo), del elemento final
de control.
Como se aprecia en el plano de fase Y2 (t) vs Y1 (t) de la figura 12.3 para el caso
con ∆ = 10 %, la operación normal del sistema de control corresponde a un ciclo
límite, en el cual permanecerá indefinidamente.
El diferencial ∆ del controlador se deberá seleccionar considerando entonces, el

compromiso entre el valor del error máximo y el periodo de la oscilación. Esta banda
podría ser angosta para que el error máximo sea pequeño, siempre que no se exceda
el número máximo de conmutaciones recomendadas (o permitidas), para el elemento
final de control.
12.2. Comportamiento del sistema de control de dos posiciones 543
Figura 12.2: Ejemplo 12.1 - Comportamiento del sistema de control de dos posicio-
nes
Figura 12.3: Ejemplo 12.1 - Plano de fase del sistema de control de dos posiciones
12.3 Análisis del control proporcional en estado

estacionario
El conjunto de ecuaciones que representan el sistema de control de la figura 12.1,
incluye la ecuación del controlador
U(t) = C {θc ; R(t),Y (t)}, (12.9)
y la ecuación del conjunto actuador, planta y sensor, el proceso controlado
Y (t) = P{θ p ;U(t), D(t)}. (12.10)
Conocidos los valores de las dos entradas, R(t) y D(t), (12.9) y (12.10) se pueden
resolver para encontrar Y (t) y U(t) (Åström y Hägglund, 1995).
El comportamiento del conjunto actuador, planta y sensor en régimen permanen-
te, corresponde a su característica estática y el del controlador, a la característica
dada por (7.6) en el Capítulo 7. El punto de operación del sistema de control en régi-
men permanente, estará dado entonces por la intersección de estas dos curvas, el cual
realmente no es solo un punto, sino un conjunto de puntos de operación posibles, de-
pendiendo de la variación de la curva característica estática del proceso controlado,
por efecto de las perturbaciones, tal como se muestra en la figura 12.4.
12.3. Análisis del control proporcional en estado estacionario 545
Y
1
Puntos de
operación Características estáticas
posibles del conjunto actuador,
planta y sensor
Punto de operación
más probable
E
R
Punto de
operación
deseado
Curva característica
del controlador P
0,5 1 U
Figura 12.4: Comportamiento en régimen permanente del sistema de control P

La curva característica estática del proceso controlado dibujada a trazos, corres-

ponde al comportamiento en estado estacionario del proceso para el caso “más pro-
bable” de las perturbaciones, mientras que las dos curvas continuas, representan su
característica estática con las perturbaciones “extremas”.
Para el ejemplo en la figura 12.4, como la ganancia del conjunto actuador, planta
y sensor, el proceso controlado, es positiva (la señal realimentada Y −salida− crece,
cuando la señal de control U −entrada− crece), se requiere un controlador con Ac-
ción inversa (la señal de control U −salida− decrece, cuando la señal realimentada
U −entrada− crece).
En la sección 7.5.1 del Capítulo 7, se indicó que la ecuación del algoritmo de
control proporcional, en el rango de variación lineal de las variables, es
U(t) = ±Kp E(t) +Ub , (12.11)
donde Ub es la desviación o “corrimiento del cero”, el cual, aunque en muchos con-
troladores es ajustable, usualmente está fijo en un 50 %.
Por lo tanto, si el valor de la señal de control requerida para lograr un punto de
operación estable Us 6= Ub , este solo se puede alcanzar con Es 6= 0 esto es, con un
error permanente. Esto se puede apreciar fácilmente en la figura 12.4.
En el caso particular del sistema de control mostrado en la figura 12.4, para man-
tener la variable controlada en el valor deseado (error cero) con la perturbación más
probable (en el “punto de operación deseado”), se requiere que la señal de salida del
controlador Us ≈ 35,5 %. Como se ve, este es un punto de operación imposible de
obtener con el controlador proporcional.
Para el valor de la perturbación más probable, el sistema de control operará en
un punto (el “punto de operación más probable”), en el cual se tiene que Us ≈ 41 %,
teniéndose un error permanente Es ≈ −4 %.
Para un valor deseado constante, si hay cambios en las perturbaciones, el pun-
to de operación del sistema de control en estado estacionario, se moverá dentro de
los “puntos de operación posibles” indicados en la figura 12.4. Como se aprecia, ca-
da uno de ellos se logra con un error permanente diferente, el cual incluso pudiera
cambiar de signo.
En el controlador proporcional, se puede modificar tanto el valor deseado R como
la ganancia Kp , o la banda proporcional B p .
El efecto que tiene sobre el punto de operación más probable en estado estacio-
nario el variar: (a) la banda proporcional B p o (b) el valor deseado R del controlador
P, se muestra en la figura 12.5.
De esta figura, es evidente que para disminuir el error permanente con un valor
deseado constante, es necesario reducir la banda proporcional B p (incrementar la ga-
nancia Kp ) del controlador. Esto sin embargo, afectará el comportamiento dinámico
del sistema de control, como se verá a continuación.
12.3. Análisis del control proporcional en estado estacionario 547
Y Y
1 1
0,5 1 U 0,5 1 U
(a) Variación de la banda proporcional (b) Variación del valor deseado
Figura 12.5: Control P en estado estacionario - Efecto de la variación de B p o R
Si el valor deseado de la variable controlada así como las perturbaciones perma-

necen constantes, al modificarse el valor de la banda proporcional del controlador,
el punto de operación del sistema de control en estado estacionario, se moverá sobre
la curva característica estática del proceso correspondiente, como se muestra en la
figura 12.5 (a) (Wade, 2004).
Por otra parte, no hay una relación directa entre el valor deseado dado al contro-
lador y el punto de operación más probable del sistema de control en estado estacio-
nario. Al modificarse el valor deseado de la variable controlada, el sistema de control
se estabilizará en un punto de operación diferente, tal como se ve en la figura 12.5
(b).
El análisis del comportamiento de los sistema de control que se realizará a con-
tinuación, con diferentes procesos controlados y algoritmos de control, se hará en
torno a un punto de operación estable del sistema de control hipotético, el cual se
supone que corresponde a {Ro = 50 %, Yo = 50 %, Uo = 50 %, Do = 0 ud, Eo = 0 %},
a menos que la información disponible del sistema de control del proceso controlado
en particular, indique otra cosa. En este punto, antes de que se presente un cambio en
alguno de los estímulos, las variaciones de todas las variables {r, y, u, d, e} son cero.
Aunque las variables {R, Y , U} tienen solo valores positivos en el rango de varia-
ción de 0 % a 100 %, sus variaciones {r, u, y} en torno al punto de operación nominal,
pueden tener valores tanto positivos como negativos.
Es importante tener presente lo anterior, para interpretar correctamente las varia-
ciones de las variables involucradas en el sistema de control.
Si por ejemplo, se considera el sistema de control de nivel presentado en el ejem-
plo 2.1 del Capítulo 2, en el punto de operación más probable se tiene que {Ro =
80 %, Yo = 80 %,Uo = 78,3 %, Eo = 0 %} las cuales corresponden a {Ho = 2,5 m,
Xvso = 0,5, Qso = 0,0783 m3 s−1 }. En este punto, las variaciones de las diferentes
variables {r, y, u, e} son todas cero.
Suponiendo que en un determinado momento, el nivel del líquido en el tanque,
por alguna razón cambia a H = 2,75 m, entonces Y = 88 % y y = +8 %, el nivel del
líquido ha aumentado un 8 % (de su ámbito de variación total). Si más bien el nivel
del líquido en otro instante cambia a H = 2,0 m, ahora Y = 64 % y y = −16 %.
Evidentemente, en el segundo caso el nivel del líquido en el tanque no es “nega-
tivo”, lo que la variación de la señal realimentada (y = −16 %) indica, es que el nivel
del líquido a disminuido un 16 % (de su ámbito de variación total) respecto al punto
de operación normal seleccionado.
Los valores de las variaciones de las variables {r, y, u, e, d}, indican incrementos
−valores positivos− o decrementos −valores negativos− de estas, respecto a su valor
en el punto de operación nominal establecido para el análisis −su valor “cero”−.
12.4 Control proporcional

Se ha visto que el controlador continuo más simple, es el controlador con solo el
modo de control proporcional o controlador P, cuya función de transferencia, es
C(s) = Kp , (12.12)
donde:
• Kp - ganancia proporcional del controlador.

Por su parte, el proceso controlado autoregulado más simple posible, es uno cuyo
modelo es de primer orden sin tiempo muerto. Este servirá para estudiar la influencia
de los diferentes modos de control, sobre el comportamiento del sistema de control.
12.4. Control proporcional 549
La función de transferencia del modelo del proceso controlado, será

K
P(s) = , T > 0, (12.13)
Ts+1
en donde:
• K - ganancia del proceso,
• T - constante de tiempo del proceso.
Como se ha establecido en el Capítulo 2, el proceso controlado (y su modelo)

representan al conjunto actuador, planta y sensor, y considerando que la señal de en-
trada al controlador y(s) y su salida u(s) son del mismo tipo −por ejemplo ambas
señales de presión neumáticas, ambas señales de corriente o tensión eléctricas−, se
supondrá que la ganancia del proceso controlado no tiene unidades. Además, se su-
pondrá también en adelante, que todas los parámetros que representan un tiempo,
incluyendo por supuesto a las constantes de tiempo, tienen unidades de segundos.
Sin perder generalidad, la escala de tiempo del sistema de control será entonces el
segundo.
Respuesta a un cambio en el valor deseado

Sustituyendo en (12.3) las funciones de transferencia del proceso controlado y del
controlador, se tiene
Kp K
yr (s) Kp K
= T s+1
K K = . (12.14)
r(s) p
1 + T s+1 T s + 1 + Kp K
La cual se puede escribir también, como

Kp K
yr (s) 1+K p K
= . (12.15)
r(s) T
s+1
1+K p K
Si se define la ganancia de lazo cerrado del servo control Kyr , como
. Kp K
Kyr = , (12.16)
1 + Kp K
y la constante de tiempo de lazo cerrado del servo control Tcr , como
. T
Tcr = , (12.17)
1 + Kp K
la función de transferencia de lazo cerrado del servo control (12.15), será

yr (s) Kyr
Myr (s) = = , (12.18)
r(s) Tcr s + 1
en donde, tanto su ganancia como su constante de tiempo, se ven afectadas por la
ganancia proporcional Kp del controlador.
Para cualquier valor de Kp , la ganancia de lazo cerrado del servo control, será
Kp K
Kyr = < 1, (12.19)
1 + Kp K
por lo que el valor final de la variable controlada, en respuesta a un cambio escalón
de magnitud ∆r en el valor deseado, será
.
yru = lı́m yr (t) = yr (∞) = ∆yr = Kyr .∆r < ∆r. (12.20)
t→∞
Esto es, el valor final de la variable controlada nunca alcanzará el valor deseado.
Si el cambio ∆r en el valor deseado es positivo, en estado estacionario la variable
controlada se estabilizará siempre en un valor por debajo del nuevo valor deseado y
por lo tanto, existirá un error permanente positivo distinto de cero, dado por

1
e pr0 = ∆r − ∆y = (1 − Kyr ) ∆r = ∆r. (12.21)
1 + Kp K
El error permanente normalizado (respecto al cambio en el valor deseado), es
1
e pr0n = . (12.22)
1 + Kp K
Si Kp → ∞, entonces Kyr → 1 y e pr0n → 0. Al aumentar la ganancia del controla-
dor, aumenta la ganancia de lazo cerrado y disminuye el error permanente, como se
muestra en la figura 12.6 (Smith y Corripio, 2001).
Por su parte, la constante de tiempo de lazo cerrado, es
T
Tcr = < T. (12.23)
1 + Kp K
Esto es, la respuesta del sistema de control será siempre más rápida, que la del pro-
ceso sin control. Si Kp → ∞, entonce Tcr → 0.
En este caso particular, al aumentar la ganancia del controlador, el sistema de
control responde más rápido y tendrá un error permanente menor. Esto parece indicar,
que sería conveniente utilizar una ganancia bien alta en el controlador. Sin embargo,
se ha dejado de lado un aspecto importante, el verificar cómo cambia la salida del
controlador, ante el cambio en el valor deseado.
Figura 12.6: Servo control P, proceso controlado de primer orden
Variación del esfuerzo de control - a un cambio en el valor deseado

La salida del controlador, está dada por la expresión
C(s)
ur (s) = r(s), (12.24)
1 +C(s)P(s)
que en este caso, es
Kp Kp (T s + 1)
ur (s) = K p K r(s) = r(s), (12.25)
1+ T s + 1 + Kp K
T s+1

Kp
1+K p K (T s + 1) Kyr (T s + 1)
ur (s) = r(s) = r(s). (12.26)
T
s + 1 K(Tcr s + 1)
1+K p K
Ante un cambio escalón en el valor deseado, la salida del controlador presenta un

cambio instantáneo, igual a
.
ur0 = lı́m+ ur (t) = ur (0+ ) = lı́m [s u(s)] = Kp ∆r, (12.27)
t→0 s→∞
decreciendo luego en forma exponencial, hasta un valor final

. Kp Kyr
uru = lı́m ur (t) = ur (∞) = lı́m[s u(s)] = ∆r = ∆r. (12.28)
t→∞ s→0 1 + Kp K K
Figura 12.7: Salida del con-

trolador, servo control P,
proceso controlado de pri-
mer orden
Este cambio instantáneo en la salida del controlador, que se produce debido al

cambio escalón en el valor deseado, se conoce como el salto proporcional de la
salida del controlador y se muestra en la figura 12.7.
Por lo tanto, la ganancia Kp del controlador, no se puede aumentar arbitrariamen-
te para disminuir el error permanente y aumentar también la velocidad de respuesta
del sistema de control. Existe un límite a su valor más alto, impuesto por la magnitud
del cambio instantáneo en la señal de salida del controlador y por la habilidad del
elemento final de control en seguir dicho cambio.
Considerando el límite en la señales establecido en el Capítulo 2, existe entonces
un límite al valor máximo de la ganancia, dado por
0,5
Kp ≤ . (12.29)
∆r
Por ejemplo, si se consideran normales cambios en el valor deseado del 10 %

(∆r = 0,1) el valor máximo de la ganancia del controlador sería Kp máx = 5.
Respuesta a un cambio en la perturbación de carga

Sustituyendo ahora en (12.5), las funciones de transferencia del proceso controlado
y del controlador, se tiene que
K
yd (s) K
= T s+1
K K = , (12.30)
d(s) p
1 + T s+1 T s + 1 + Kp K
la cual se puede escribir también, como

K
yd (s) 1+K p K
= . (12.31)
d(s) T
s+1
1+K p K
Si se define la ganancia de lazo cerrado del control regulador Kyd , como
. Kp
Kyd = , (12.32)
1 + Kp K
y la constante de tiempo de lazo cerrado del control regulador Tcd , como
. T
Tcd = , (12.33)
1 + Kp K
la función de transferencia de lazo cerrado del control regulador (12.31), será
yd (s) Kyd
Myd (s) = = , (12.34)
d(s) Tcd s + 1
en donde nuevamente, tanto su ganancia como su constante de tiempo, se ven afec-

tadas por la ganancia Kp del controlador.
Para cualquier valor de Kp , la ganancia de lazo cerrado del control regulador, será
Kp
Kyd = > 0, (12.35)
1 + Kp K
por lo que el valor final, de la variable controlada en respuesta a un cambio escalón

de magnitud ∆d en la perturbación, es
.
ydu = lı́m yd (t) = yd (∞) = ∆yd = Kyd ∆d > 0. (12.36)
t→∞
Esto es, la variable controlada nunca regresará a su valor deseado.

Figura 12.8: Control regulador P, proceso controlado de primer orden
Si el cambio ∆d en la perturbación es positivo, la variable controlada se quedará

siempre por encima del valor deseado (error negativo), y por lo tanto, existirá un error
permanente distinto de cero, dado por

K
e pd0 = −∆yd = −Kyd ∆d = − ∆d. (12.37)
1 + Kp K
El error permanente normalizado (respecto al cambio en la perturbación), es
−K
e pd0n = . (12.38)
1 + Kp K
Si Kp → ∞, entonces Kyd → 0 y e pd0n → 0. Al aumentar la ganancia del contro-

lador, disminuye la ganancia de lazo cerrado y disminuye el error permanente, como
se muestra en el gráfico izquierdo de la figura 12.8.
Por su parte, la constante de tiempo de lazo cerrado, es
T
Tcd = < T. (12.39)
1 + Kp K
y por lo tanto, la respuesta del sistema de control será siempre más rápida, que la del
proceso sin control. Si Kp → ∞, entonce Tcd → 0.
La constante de tiempo de lazo cerrado del control regulador, es igual a la del
servo control, Tcd = Tcr = Tc . Entonces Tc será simplemente la constante de tiempo
de lazo cerrado. Como se ha mostrado antes, el denominador de todas las funcio-

nes de transferencia de lazo cerrado es el mismo. Este corresponde a los polos de
lazo cerrado del sistema de control, la diferencia estará en el numerador (ganancia y
posición de los ceros de lazo cerrado).
En este caso particular, al aumentar la ganancia del controlador, también el siste-
ma de control responderá más rápido y tendrá un error permanente menor. Pero antes
de afirmar que sería conveniente utilizar una ganancia bien alta en el controlador, es
necesario verificar nuevamente, cómo cambia la señal de salida del controlador, ante
el cambio en la perturbación.
Variación del esfuerzo de control - a un cambio en la perturbación de carga

En este caso, la salida del controlador está dada por la expresión
C(s)P(s)
ud (s) = − d(s), (12.40)
1 +C(s)P(s)
que es
Kp K
(T s+1) Kp K
ud (s) = − K p K d(s) =− d(s), (12.41)
1 + (T s+1) T s + 1 + Kp K

Kp K
1+K p K Kp Kyd
ud (s) = − d(s) = − d(s). (12.42)
T
s+1 Tcd s + 1
1+K p K
Ante un cambio escalón en la perturbación, la salida del controlador no presenta

un salto instantáneo, ya que cambia como la respuesta de un sistema de primer orden
y decrece en forma exponencial hasta un valor valor final
. Kp K
udu = lı́m ud (t) = ud (∞) = lı́m[s ud (s)] = − ∆d = −Kp Kyd ∆d. (12.43)
t→∞ s→0 1 + Kp K
El cambio en la salida del controlador, se muestra en el gráfico derecho de la

figura 12.8.
Por lo tanto, nuevamente la ganancia Kp del controlador, no se puede aumentar
arbitrariamente para disminuir el error permanente y aumentar también la velocidad
de respuesta del sistema de control. Existe un límite a su valor más alto, impuesto
por la magnitud del cambio total requerido en la señal de salida del controlador. Este
cambio depende de la magnitud de las posibles perturbaciones.
Estabilidad del lazo de control

De (12.14) se tiene, que el polinomio característico del sistema de control de un
proceso de primer orden, con un controlador proporcional, está dado por la expresión
p(s) = T s + 1 + Kp K, (12.44)
el cual es de primer orden, con todos sus coeficientes positivos mayores que cero,
para cualquier valor de Kp > 0. Por lo tanto, de conformidad con el criterio de esta-
bilidad de Liénard-Chipart descrito en la sección 10.3.2 del Capítulo 10, el sistema
de control es estable para todo valor de Kp .
Amplificación del ruido de medida

De la figura 12.9, se puede obtener que a la salida del controlador, el ruido de medida
n(s) se ha transformado en
C(s)
un (s) = − n(s). (12.45)
1 +C(s)P(s)
Para el caso del proceso controlado de primer orden con un controlador propor-
cional, (12.45), es
Kp
1+KK p (T s + 1) Kyn (T s + 1)
un (s) = − n(s) = − n(s). (12.46)
T
s+1 Tc s + 1
1+KK p
Por lo tanto, el ruido de medida de alta frecuencia de amplitud ∆n, es reinyectado

en estado estacionario al proceso, como un “ruido” en la señal de control, de amplitud
∆u = Kyn ∆n.
Figura 12.10: Relación Kp

vs K, para atenuar o am-
plificar el ruido de medida
(0 < K < 1)
Para que el ruido de medida sea atenuado en alguna proporción, se debe cumplir
que
Kp
Kyn = < 1. (12.47)
1 + KKp
La ganancia Kyn < 1 para toda ganancia K ≥ 1. Por lo tanto, solo debe analizarse
el caso K < 1 para el cual, la ganancia del controlador debe ser
1
Kp < , 0 < K < 1. (12.48)
1−K
Los valores requeridos de Kp para atenuar el ruido de medida, en función de la

ganancia K del modelo del proceso controlado, se muestran en la figura 12.10.
Anteriormente, se indicó que la ganancia Kp del controlador debe ser alta, para
diminuir el error permanente y hacer la repuesta del sistema de control más rápida.
Sin embargo, se impuso una restricción a su valor, para disminuir la magnitud de los
cambios bruscos a la salida del controlador. A esta restricción, se adiciona ahora una
limitación a su valor, debido a la necesidad de no amplificar el ruido de medida.
Si el ruido de medida es amplificado a la salida del controlador, ocasionará un
desgaste excesivo del elemento final de control, debido a los “movimientos” rápidos,
y tal vez de una amplitud considerable, que este ocasionaría.
En los casos en que la amplitud del ruido de medida sea significativa, debe con-
siderarse la necesidad de filtrar la señal realimentada para disminuirlo, teniendo en
cuanta que este filtro, agrega un retraso en la respuesta del lazo de control.

Considérese ahora un proceso controlado de segundo orden cuya función de transfe-
rencia, es
K
P(s) = , T1 ≥ T2 > 0, (12.49)
(T1 s + 1)(T2 s + 1)
en donde:
• K - ganancia del proceso,
• T1 , T2 - constantes de tiempo del proceso.

Siguiendo un procedimiento similar, al usado para el proceso controlado de primer
orden, se puede encontrar que la función de transferencia del servo control propor-
cional del proceso de segundo orden, está dado por la ecuación
yr (s) Kp K
Myr (s) = = 2
, (12.50)
r(s) T1 T2 s + (T1 + T2 )s + 1 + Kp K

Kp K
T1 T2
Myr (s) = . (12.51)
T1 +T2 1+K p K
s2 + T1 T2 s+ T1 T2
Si se compara esta, con la función de transferencia de un sistema general de

segundo orden subamortiguado, dada por la ecuación
2K
ωnc yr
Myr (s) = , (12.52)
s2 + 2ζc ωnc s + ωnc
2
se puede encontrar que la ganancia de lazo cerrado Kyr , es
Kp K
Kyr = < 1, (12.53)
1 + Kp K
por lo que habrá un error permanente.

Por su parte, la constante de amortiguamiento de lazo cerrado ζc ωnc , está dada

por
1 T1 + T2
ζc ωnc = , (12.54)
2 T1 T2
que solo depende de parámetros del proceso, y la frecuencia natural de lazo cerrado
ωnc , por r
1 + KP K
ωnc = . (12.55)
T1 T2
De las ecuaciones anteriores se puede obtener que la razón de amortiguamiento
de lazo cerrado, es " #
1 T1 + T2
ζc = p . (12.56)
2 T1 T2 (1 + Kp K)
Si la ganancia proporcional del controlador Kp aumenta:
1. La ganancia de lazo cerrado Kyr aumenta, por lo que el error permanente e pr0
disminuye.
2. La constante de amortiguamiento de lazo cerrado ζc ωnc no cambia (depende

solamente de las constantes de tiempo del modelo del proceso controlado), por
lo que el tiempo de respuesta ta no se puede modificar.
3. La frecuencia natural de lazo cerrado ωnc aumenta, por lo que el periodo de

oscilación To , el tiempo de levantamiento tl y el tiempo al pico t p disminuyen.
4. La razón de amortiguamiento de lazo cerrado ζc disminuye, por lo que el so-

brepaso máximo Mp aumenta.
Lo anterior se puede observar en la figura 12.11.

Si se produce un cambio en el valor deseado (supuesto positivo), durante el pe-
riodo transitorio (mientras el sistema de control evoluciona de un punto de operación
estable a otro), puede ser que la variable controlada tenga valores mayores (error
negativo) o menores (error positivo) que el nuevo valor deseado, pero finalmente
terminará estabilizándose en un valor menor que este.
Variación del esfuerzo de control - a un cambio en el valor deseado

En este caso, la señal de salida del controlador está dada, por
Kp
T1 T2 (T1 s + 1)(T2 s + 1)
ur (s) = r(s), (12.57)
1+K K
s2 + TT11+T T2
2
s + T1 Tc2 p
Figura 12.11: Servo control P, proceso controlado de segundo orden
cuyos valores extremos u(0+ ) y u(∞), son los mismos que se determinaron para el
caso del proceso controlado de primer orden con el controlador P, como se mues-
tra en la figura 12.12, por lo que existen las mismas restricciones a la ganancia del
controlador para evitar el salto proporcional inicial, cuando se produce un cambio
escalón en el valor deseado.
Respuesta a un cambio en la perturbación

En el caso del control regulador, la función de transferencia de lazo cerrado, sería
K
yd (s)
Myd (s) = = T1 T2
, (12.58)
d(s) T +T 1+K K
s2 + T11 T22 s + T1 Tp2
que comparándola con la función de transferencia

2K
ωnc yd
Myd (s) = , (12.59)
s + 2ζc ωnc s + ωn2
2
se encuentra que la ganancia de lazo cerrado Kyd , está dada por

Kp
Kyd = , (12.60)
1 + Kp K
y que la constante de amortiguamiento, la frecuencia natural y la razón de amorti-
guamiento de lazo cerrado, tienen las mismas expresiones encontradas para el caso
del servo control.
Figura 12.12: Salida del

controlador, servo control
P, proceso controlado de
segundo orden
Variación del esfuerzo de control - a un cambio en la perturbación

En este caso, la salida del controlador, está dada por la expresión
Kp K
C(s)P(s)
ud (s) = − d(s) = − T1 T2
d(s). (12.61)
1 +C(s)P(s) s2 + T1 +T2
s+
1+K p K
T1 T2 T1 T2
La respuesta del sistema de control, así como la variación de la señal de salida

del controlador, se muestran en la figura 12.13.
Si se produce un cambio en la perturbación (supuesto positivo), durante el perio-
do transitorio (mientras el sistema de control evoluciona de un punto de operación
estable a otro), puede ser que la variable controlada tenga valores mayores (error
negativo) o menores (error positivo) que el valor deseado que permanece constante,
pero finalmente terminará estabilizándose en un valor mayor que este.
Estabilidad del lazo de control

De (12.50) se tiene que, el polinomio característico del sistema de control de un
proceso de segundo orden sobreamortiguado, con un controlador proporcional, está
p(s) = T1 T2 s2 + (T1 + T2 )s + 1 + Kp K, (12.62)
Figura 12.13: Control regulador P, proceso controlado de segundo orden
la cual es de segundo orden, con todos sus coeficientes positivos mayores que ce-
ro, para cualquier valor de Kp > 0. Por lo tanto, de conformidad con el criterio de
estabilidad de Liénard-Chipart, el sistema de control es estable para todo valor de
Kp .
12.5 Efecto de la adición de un polo o un cero

Para analizar el efecto que sobre el comportamiento del sistema de control, específi-
camente sobre el del servo control, tiene la adición de un polo o un cero en el lazo
directo, se utilizará un proceso controlado integrante dada por la función de transfe-
rencia
K
P(s) = , (12.63)
s(T s + 1)
y un controlador proporcional.
Las función de transferencia del servo control, es en este caso
K K
p
yr (s) T
= K K, (12.64)
r(s) s2 + T1 s + Tp
y el polinomio característico de lazo cerrado, es ahora
1 Kp K
p(s) = s2 + s+ = s2 + 2ζc ωnc s + ωnc
2
. (12.65)
T T
12.5. Efecto de la adición de un polo o un cero 563
El sistema tiene una ganancia de lazo cerrado unitaria, por lo que el error per-
manente a un cambio escalón en el valor deseado será cero (el sistema de control es
Tipo 1 gracias al polo en el origen aportado por el proceso integrante); el polinomio
característico es de segundo orden y todos sus coeficientes son positivos para cual-
quier valor positivo de la ganancia del controlador, por lo que el sistema será siempre
estable.
La constante de amortiguamiento de lazo cerrado es constante y dada por
1
ζc ωnc = , (12.66)
2T
por lo que la parte real de los polos complejos de lazo cerrado es constante.
La frecuencia natural y la razón de amortiguamiento, son
r
Kp K
ωnc = , (12.67)
T
1
ζc = p . (12.68)
4T Kp K
Al aumentar la ganancia del controlador, disminuye la razón de amortiguamiento
(aumenta el sobrepaso máximo) y aumenta la frecuencia natural (disminuye el perio-
do de oscilación). El sistema es cada vez más oscilatorio, pero su tiempo de respuesta
no cambia y nunca se vuelve inestable, como se puede ver en los gráficos de la figura
12.14.
Adición de un polo
Si se agrega un polo en el lazo directo en s = −1/Tp , la función de transferencia de
lazo cerrado del servo control, será
yr (s) Kp K
= , (12.69)
r(s) s(T s + 1)(Tp s + 1) + Kp K
y el polinomio característico de lazo cerrado

T + Tp 2 1 Kp K
p(s) = s3 + s + s+ . (12.70)
T Tp T Tp T Tp
Para que el sistema sea estable para cualquier ganancia del controlador Kp > 0,
de conformidad con el criterio de estabilidad de Liénard-Chipart, se debe cumplir la
desigualdad
1 T + Tp Kp K
− > 0, (12.71)
T Tp T Tp T Tp
Figura 12.14: Sistema de control original
de donde se obtiene que la ganancia del controlador, debe cumplir con ser
T + Tp
0 < Kp < , (12.72)
KT Tp
para mantener estable al sistema.
La ganancia crítica (ganancia que hace oscilatorio al sistema de control), es en-
tonces
T + Tp 1 1 1
Kpu = = + . (12.73)
KT Tp K T Tp
De la ecuación característica del sistema de control, se puede encontrar que en el
límite de la estabilidad (Kp = Kpu ), la frecuencia crítica es
s
1
ωu = , (12.74)
T Tp
y por lo tanto el periodo de oscilación crítico, es

p
Tu = 2π T Tp . (12.75)
Si la constante de tiempo Tp del polo adicionado aumenta (el polo se mueve hacia
la derecha), el valor de la ganancia crítica Kpu disminuye y aumenta el periodo crítico
Tu . Al aumentar la influencia del polo se reduce el ámbito de Kp que mantiene estable
el sistema, tal como se muestra en el cuadro 12.1 y en la figura 12.15.
12.5. Efecto de la adición de un polo o un cero 565
Cuadro 12.1: Influencia Tp /T Kpu KT Tu /T

del polo adicional sobre
los parámetros críticos 0,25 5 π
1 2 2π
4 1,25 4π
Figura 12.15: Efecto de la adición de un polo en s = −1/Tp
Como existe un límite superior al valor de la ganancia del controlador que man-
tiene estable el sistema, esto implica que al aumentar esta, los polos de lazo cerrado
se mueven hacia la derecha, haciendo que la respuesta del sistema sea cada vez más
lenta.
En forma resumida, la adición del polo ha ocasionado que el sistema de control
sea más lento y que pudiera volverse inestable, si se aumenta mucho la ganancia del
controlador. El efecto del polo es desestabilizador.
Adición de un cero
Si se agrega ahora un cero en el lazo directo en s = −1/Tz , la función de transferencia

de lazo cerrado del servo control, será
yr (s) Kp K(Tz s + 1)
= , (12.76)
r(s) s(T s + 1) + Kp K(Tz s + 1)
y el polinomio característico de lazo cerrado
1 + Kp KTz Kp K
p(s) = s2 + s+ . (12.77)
T T
El sistema será estable para todo valor positivo de la ganancia Kp del controlador.
Además, la constante de amortiguamiento (que es igual a la parte real de los polos
de lazo cerrado), es
1 1 + Kp KTz
ζc ωnc = . (12.78)
2 T
Entonces, a medida que la constante de tiempo del cero Tz aumenta (el cero se
mueve hacia la derecha) para un valor fijo de Kp , la constante de amortiguamiento
aumenta, indicando que los polos de lazo cerrado se mueven hacia la izquierda, ha-
ciendo que la respuesta sea más rápida. Al alejarse los polos de lazo cerrado del eje
jω aumenta la estabilidad relativa del sistema de control.
La adición del cero ha ocasionado que el sistema sea más rápido y tenga una
mayor estabilidad relativa. El efecto del cero es estabilizador.
Sin embargo, en este caso, debe ponerse un límite al corrimiento hacia la derecha
del cero adicionado. Mientras se mantenga Tz < T , el cero estará a la izquierda del
polo del proceso controlado, los polos de lazo cerrado se mueven hacia la izquierda
cuando aumenta Kp y pueden colocarse de manera de obtener respuestas sobre, sub
o críticamente amortiguadas. Si se hace Tz = T , el cero adicionado cancela el polo
del proceso y el sistema se convierte en uno de primer orden cuya velocidad se puede
aumentar arbitrariamente incrementando la ganancia Kp . Pero si se llega a hacer Tz >
T el cero adicionado se traslada a la derecha del polo real del proceso, haciendo
que el sistema de control tenga un polo muy lento cuya velocidad casi no se puede
incrementar aumentado Kp , como se muestra en la figura 12.16.
12.6 Efecto del tiempo muerto del proceso

En las secciones anteriores se ha analizado el efecto que tienen, sobre el comporta-
miento del sistema de control y particularmente sobre su estabilidad, la ganancia y la
localización de los polos y ceros.
Por otra parte, en la sección 5.3 del Capítulo 5, se indicó que los modelos pueden
incorporar características de tiempo muerto. Este puede ser un tiempo muerto “real”,
particularmente en los sistemas de control que involucran el transporte de masa o
energía, el muestreo de las variables, o instrumentos como analizadores. También
este puede ser un tiempo muerto “aparente”, producto de la aproximación de los
procesos con dinámicas de orden alto, con modelos de orden reducido (de primero o
segundo).
12.6. Efecto del tiempo muerto del proceso 567
Figura 12.16: Efecto de la adición de un cero en s = −1/Tz
Cuadro 12.2: Efecto del τL 0 0,25 0,50 1,0 2,0

cambio del tiempo muerto
- Índices de estabilidad MS 1,0 1,20 1,40 1,84 2,96
Sm 1,0 0,83 0,71 0,54 0,34
Am ∞ 6,93 3,81 2,26 1,52
ω−π rad s−1 - 6,86 3,67 2,03 1,14
Considérese ahora, el proceso controlado dado por el modelo de primer orden

con tiempo muerto
Ke−Ls
P(s) = , (12.79)
Ts+1
controlado con un controlador proporcional
C(s) = Kp . (12.80)
Se tomará como caso particular, un controlador proporcional con una ganancia

Kp = 1 y un proceso dado por (12.79) con una ganancia K = 1, una constante de
tiempo T = 1 s y tiempos muertos normalizado τL = L/T ∈ {0, 0,50, 1, 2}.
En la figura 12.17 se muestra la gráfica polar y en la figura 12.18 la respuesta del
servo control, para los cuatro valores de tiempo muerto.
Por su parte, en el cuadro 12.2 se aprecia el efecto que tiene el aumento del
tiempo muerto del proceso controlado, sobre los índices de estabilidad del lazo de
control.
Considerando los parámetros del controlador fijos, un incremento en el tiempo
muerto del proceso, o en el valor relativo de las constantes de tiempo más pequeñas,
Figura 12.17: Efecto del

cambio del tiempo muerto - = L(jω)
1.0
Gráfica polar
0.5
< L(jω)
0.0
2.0 1.5 1.0 0.5 0.0 0.5
0.5
1.0
Figura 12.18: Efecto del

y1 (t)
cambio del tiempo muer- y2 (t)
y3 (t)
to - Respuestas del servo 65 y4 (t)
Variables [%]
r(t)
control
60
55
50
0 5 10 15 20
Tiempo, t [s]
12.7. Control proporcional e integral 569
que este representa en el modelo, hace que la robustez medida con la sensibilidad
máxima MS o el margen de estabilidad Sm disminuya, que el margen de ganancia Am
disminuya, con lo que disminuye la ganancia crítica del sistema de control, el siste-
ma es menos estable, y que la frecuencia de cruce de fase ω−π (frecuencia crítica)
disminuya, con lo que el sistema de control se torna más lento.
12.7 Control proporcional e integral

Se utilizará ahora un controlador con un algoritmo de control proporcional e integral
o PI, cuya función de transferencia, es

1
C(s) = Kp 1 + , (12.81)
Ti s
donde:
• Kp - ganancia proporcional del controlador,
• Ti - constante de tiempo integral.

Se analizará primero el caso de un proceso controlado simple, de primer orden.

La función de transferencia de lazo cerrado del servo control, será ahora
K p K(Ti s+1)
yr (s) Ti s(T s+1) Kp K(Ti s + 1)
Myr (s) = = K K(Ti s+1)
= , (12.82)
r(s) 1 + Tpi s(T s+1) Ti s(T s + 1) + Kp K(Ti s + 1)
obteniéndose finalmente, que

K p K(Ti s+1)
Ti T
Myr (s) = . (12.83)
1+K p K Kp K
s2 + T s + Ti T
La ganancia de lazo cerrado es unitaria, lo que implica error permanente cero a

un cambio escalón en el valor deseado (el sistema de control es Tipo 1 por el aporte
del polo en el origen del modo integral del controlador).
El polinomio característico, es

2 1 + Kp K Kp K
p(s) = s + s+ , (12.84)
T Ti T
Figura 12.19: Efecto del cambio del tiempo integral
del cual por inspección, se puede deducir que el sistema es estable para cualquier
valor de los parámetros del controlador (Kp > 0, Ti > 0).
En este caso, la constante de amortiguamiento de los polos de lazo cerrado, es

1 1 + Kp K
ζc ωnc = , (12.85)
2 T
y la frecuencia natural y la razón de amortiguamiento

r
Kp K 1 + Kp K
ωnc = , ζc = . (12.86)
Ti T 2ωnc T
La influencia del modo integral sobre la posición de los polos de lazo cerrado,
se muestra en la figura 12.19 para tres valores diferentes de la constante de tiempo
integral. Como se aprecia en esta figura, es conveniente que Ti ≤ T .
Ejemplo 12.2 Servo control PI - Proceso controlado de primer orden

Considérese el sistema de control del proceso controlado
1
P(s) = ,
s+1
con el controlador PI
1
C(s) = Kp 1 + .
Ti s
Figura 12.20: Ejemplo 12.2 - Servo control PI, efecto de la variación de la Kp , proceso
controlado de primer orden
La respuesta y el esfuerzo de control del servo control PI ante un cambio del

10 % en el valor deseado, con este proceso de primer orden, se muestran en la figura
12.20.
La figura 12.20 muestra además, el efecto de la variación de la ganancia del

controlador (Kp = {1, 2, 5}), con una constante de tiempo integral fija (Ti = 0, 25 s).
Es evidente que la magnitud del salto proporcional en la salida del controlador,
impone una restricción al valor máximo que se puede utilizar para la ganancia del
controlador.
Debe recordarse que este salto es ∆u0 = Kp ∆r.
Por su parte, la figura 12.21 muestra el efecto de la posición relativa del cero
del controlador (que depende de Ti ), sobre la respuesta del servo control (Kp = 2 y
Ti ∈ {0,25 s, 0,5 s, 1 s, 2 s}).
Como se ha anotado antes, valores de Ti > T hacen que la respuesta sea lenta.
El valor Ti = T hace que el servo control sea de primer orden, con una respuesta
cuya velocidad se puede ajustar variando Kp (sin olvidar tomar en consideración la
limitación en el salto proporcional a la salida del controlador).
Figura 12.21: Ejemplo 12.2 - Servo control PI, efecto de la variación del Ti , proceso
controlado de primer orden

La función de transferencia del control regulador en este caso, es
KTi s
Ti T
Myd (s) = , (12.87)
1+K p K K K
s2 + T s + TipT
cuya ganancia estacionara es cero, se tendrá error permanente cero a un cambio es-
calón.
Ejemplo 12.3 Control regulador PI - Proceso controlado de primer orden

Utilizando el mismo proceso controlado del ejemplo 12.2, en la figura 12.22 se mues-
tra el efecto de la variación de la ganancia del controlador y en la figura 12.23 el
del cambio en la constante de tiempo integral para un cambio de 10 ud en la pertur-
bación de carga.
Estabilidad del sistema de control

De (12.84), el polinomio característico del sistema de control de un proceso contro-
lado de primer orden con un controlador proporcional e integral, es

2 1 + Kp K Kp K
p(s) = s + s+ , (12.88)
T Ti T
Figura 12.22: Ejemplo 12.3 - Control regulador PI, efecto de la variación del Kp ,
proceso controlado de primer orden
Figura 12.23: Ejemplo 12.3 - Control regulador PI, efecto de la variación del Ti ,
proceso controlado de primer orden
cuyos coeficientes son todos positivos para Kp > 0 y Ti > 0. Por lo tanto, el sistema
de control es siempre estable.

Se considerará ahora el control PI del proceso controlado de segundo orden
K
P(s) = , T1 > T2 . (12.89)
(T1 s + 1) (T2 s + 1)

La función de transferencia de lazo cerrado, es
pK K
Ti T1 T2 (Ti s + 1)
Myr (s) = . (12.90)
s3 + TT11+T 2
s 2 + 1+K p K s + K p K
T2 T1 T2 Ti T1 T2
de donde se obtiene que el polinomio característico del sistema de control, es

3 T1 + T2 2 1 + Kp K Kp K
p(s) = s + s + s+ . (12.91)
T1 T2 T1 T2 Ti T1 T2
El efecto del movimiento del cero del controlador (modo integral), se muestra en
la figura 12.24. Su máximo efecto se logra cancelando el polo más lento del proceso
(Ti = T1 ).
El efecto de la variación de la ganancia Kp , con un valor del tiempo integral Ti
fijo, se muestra en la figura 12.25. Al aumentar Kp aumenta el sobrepaso máximo,
disminuye el tiempo de levantamiento y el tiempo al pico (si la respuesta es subamor-
tiguada), el sistema de control reacciona inicialmente más rápido. Sin embargo, el
aumento de la ganancia, puede llegar a hacer que el tiempo de respuesta del sistema
de control aumente, haciéndose este más lento (tarda más en alcanzar el nuevo punto
de equilibrio estable). Además, el aumento en la ganancia Kp , hace que aumente la
velocidad de cambio del esfuerzo de control y este tenga valores extremos mayores.

La función de transferencia de lazo cerrado del control regulador, es
K
T1 T2 s
Myd (s) = . (12.92)
T1 +T2 1+K K K K
s3 + T1 T2 s2 + T1 Tp2 s + Ti Tp1 T2
La respuesta del sistema de control así como la variación de la señal de salida

del controlador, se muestran en la figura 12.26. Al aumentar Kp disminuye el error
Figura 12.24: Efecto del cambio del tiempo integral
Figura 12.25: Servo control PI, proceso controlado de segundo orden

Figura 12.26: Control regulador PI, proceso controlado de segundo orden
máximo y el tiempo a este error máximo. Sin embargo, el aumento de la ganancia,

puede llegar a hacer que el tiempo de recuperación del sistema de control aumente,
haciéndolo más lento (tarda más en alcanzar el nuevo punto de equilibrio estable).
Además, este aumento en la ganancia Kp , hace que aumente la velocidad de cambio
del esfuerzo de control y que este tenga valores extremos mayores.
Nótese que un aumento en la ganancia Kp del controlador, hace que aumente el
sobrepaso máximo (valor máximo) de la respuesta a un cambio en el valor deseado
(si esta es subamortiguada), como lo muestra la figura 12.25, pero al mismo tiempo
hace que disminuya el error máximo a un cambio en la perturbación, según se aprecia
en la figura 12.26.

El polinomio característico de este sistema de control es de tercer orden, dado por la
expresión
p(s) = T1 T2 Ti s3 + (T1 + T2 ) Ti s2 + (1 + Kp K) Ti s + Kp K. (12.93)
Aplicando el criterio de estabilidad de Liénard-Chipard, se puede obtener que pa-

ra garantizar su estabilidad, los parámetros del algoritmo de control PI, deben cumplir
con que
T1 T2 Kp K
Ti > , (12.94)
T1 + T2 1 + Kp K
12.8. Control proporcional y derivativo 577
o, lo que es lo mismo, con que

Ti
Kp < . (12.95)
K [T1 T2 /(T1 + T2 ) − Ti ]
Si se aumenta la ganancia del controlador de manera que Kp K/(1 + Kp K) ≈ 1,
entonces, para mantener estable el sistema de control, se requiere que

T1 T2
Ti > , (12.96)
T1 + T2
estableciéndose el límite superior para el valor menor del tiempo integral, de manera
que el sistema sea estable para cualquier valor de Kp .
12.8 Control proporcional y derivativo

Se empleará para el análisis el controlador con un algoritmo de control PD, cuya
función de transferencia ideal, es
C(s) = Kp (Td s + 1) , (12.97)
donde:
• Kp - ganancia proporcional del controlador,
• Td - constante de tiempo derivativo.

Primero se analizará el caso del modelo del proceso controlado de primer orden.

Ahora, la función de transferencia de lazo cerrado del servo control, es

Kp K
1+K p K (Td s + 1)
Myr (s) = . (12.98)
K p KTd +T
1+K p K s + 1
Se puede observar que la ganancia de lazo cerrado es en este caso, la misma que
la obtenida con el controlador P, por lo que el error permanente para un valor dado
de la ganancia del controlador Kp , será el mismo independientemente del valor de
tiempo derivativo Td (el modo derivativo no contribuye en nada a la disminución del
error permanente).
Además, en este caso la constante de tiempo de lazo cerrado, es

Kp KTd + T
Tc = , (12.99)
1 + Kp K
por lo que la respuesta del sistema de control, para valores constantes de la ganancia
Kp , se hace más lenta a medida que aumenta el tiempo derivativo Td .
En este caso, el control proporcional derivativo no ofrece ninguna ventaja sobre el
control puramente proporcional, más bien limita la velocidad de respuesta del sistema
de control.

En el caso del control regulador la función de transferencia de lazo cerrado, es
K
1+K p K
Myd (s) = . (12.100)
K p KTd +T
1+K p K s+1
Al igual que en el caso del servo control, en este caso el modo derivativo hace
más lenta la respuesta del control regulador, no siendo de ningún beneficio.

Considérese ahora el proceso controlado de segundo orden con un controlador pro-
porcional derivativo.

La función de transferencia de lazo cerrado del servo control, en este caso está dada
por la expresión
Kp K
T1 T2 (Td s + 1)
Myr (s) = . (12.101)
T +T +K KT 1+K K
s2 + 1 2T1 T2 p d s + T1 Tp2
El polinomio característico, es ahora

2 T1 + T2 + Kp KTd 1 + Kp K
p(s) = s + s+ , (12.102)
T1 T2 T1 T2
entonces, la constante de amortiguamiento de lazo cerrado, es

1 T1 + T2 + Kp KTd
ζc ωnc = , (12.103)
2 T1 T2
12.8. Control proporcional y derivativo 579
Figura 12.27: Servo control PD (γ = 1), proceso controlado de segundo orden
y la frecuencia natural
r
1 + Kp K
ωnc = , (12.104)
T1 T2
con las que se obtiene que la constante de amortiguamiento, es
!
1 T1 + T2 + Kp KTd
ζc = p . (12.105)
2 T1 T2 (1 + Kp K)
Para un valor fijo de Kp , al aumentar Td aumenta la constante de amortiguamien-

to, por lo que los polos de lazo cerrado se mueven hacia la izquierda.
El aumentar la ganancia Kp disminuye el error permanente, pero aumenta el so-
brepaso máximo. Sin embargo, si se aumenta el tiempo derivativo Td , esto permite
aumentar la ganancia Kp para disminuir el error permanente, sin que disminuya la
razón de amortiguamiento y mantener así, el sobrepaso máximo.
En la figura 12.27 se muestra la respuesta del sistema de control y el esfuerzo
de control, utilizando un controlador con un algoritmo PD, con el modo derivativo
aplicado directamente al error (γ = 1). Se puede observar el salto derivativo que se
produce ante el cambio escalón en el valor deseado, el cual evidentemente excedería
el rango de variación posible del esfuerzo de control.
Para reducir este cambio brusco en la salida del controlador, el modo derivativo
se debe aplicar solo a la señal realimentada (γ = 0), obteniéndose la respuesta que
Figura 12.28: Servo control PD (γ = 0), proceso controlado de segundo orden
se muestra en la figura 12.28. La aplicación del modo derivativo solo a la señal re-
alimentada, hace que la respuesta del sistema de control ante el cambio en el valor
deseado, sea ligeramente más lenta.

En el caso del control regulador, la función de transferencia de lazo cerrado, es
K
T1 T2
Myd (s) = . (12.106)
T +T +K KT 1+K K
s2 + 1 2T1 T2 p d s + T1 Tp2
Las respuestas del control regulador ante un cambio en la perturbación de carga,

se muestran en la figura 12.29. En este caso, el aplicar el modo derivativo al error
o solo a la señal realimentada, no tiene ningún efecto sobre la respuesta del lazo de
control ante la perturbación.

El polinomio característico de este sistema es de segundo orden, dado por la expre-
sión
p(s) = T1 T2 s2 + (T1 + T2 + Kp KTd ) s + 1 + Kp K, (12.107)
cuyos coeficientes son todos positivos, para cualquier Kp > 0 y Td ≥ 0. El sistema es
siempre estable.
12.9. Contornos de las raíces del control PID 581
Figura 12.29: Control regulador PD, proceso controlado de segundo orden
12.9 Contornos de las raíces del control PID

Para analizar el efecto del modo integral y del modo derivativo, sobre la localización
de los polos de lazo cerrado y por ende, sobre la estabilidad del sistema de control,
se hará uso de un ejemplo.
Considérese que el modelo del proceso controlado es de segundo orden, dado por
4 2
P(s) = = . (12.108)
(2s + 1)(s + 1) (s + 0,5)(s + 1)

Primero, se controlará este proceso, con un controlador con un algoritmo de control
proporcional (P)
C(s) = Kp . (12.109)
La función de transferencia de lazo abierto del sistema de control, es
2Kp
LP (s) = , (12.110)
(s + 0,5)(s + 1)
y su polinomio característico
p(s) = 2s2 + 3s + 1 + 4Kp . (12.111)
Aplicando el criterio de estabilidad de Liénard-Chipart, se puede verificar que el
sistema es estable para todo Kp > 0.
Figura 12.30: Control P

- Lugar de las raíces (Kp
variando)
El controlador no tiene polos en el origen y el sistema de control es Tipo 0, por

lo que tendrá error permanente tanto a un cambio escalón en el valor deseado, como
en la perturbación.
El movimiento de los polos de lazo cerrado en el plano complejo s, cuando se
aumenta la ganancia Kp del controlador, se muestra en la figura 12.30.
Este diagrama confirma, que el sistema no se volverá inestable si se aumenta Kp
-las ramas del lugar de las raíces nunca cruzan hacia el semiplano derecho del plano
complejo s-. A medida que se aumenta Kp , la razón de amortiguamiento disminuye
y la frecuencia natural aumenta, pero la constante de amortiguamiento permanece
constante.

Se utilizará ahora, un controlador con un algoritmo proporcional e integral (PI),

1 s + 1/Ti
C(s) = Kp 1 + = Kp . (12.112)
Ti s s
La función de transferencia de lazo abierto es, en este caso
2Kp (s + 1/Ti )
LPI (s) = , (12.113)
s(s + 0,5)(s + 1)
y su polinomio característico
p(s) = 2s3 + 3s2 + (1 + 4Kp )s + 4Kp /Ti . (12.114)
Aplicando el criterio de estabilidad de Liénard-Chipart, se puede verificar que para

que el sistema sea estable se debe cumplir, que
8Kp
Ti > . (12.115)
3(1 + 4Kp )
Por lo tanto, para un valor dado de la ganancia Kp , si se aumenta la acción in-

tegral, disminuyendo Ti , el sistema se puede volver inestable. Además, se puede ve-
rificar que si Kp aumenta, el límite inferior de Ti para garantizar la estabilidad del
lazo de control, aumenta. Esto es, que si se aumenta la acción proporcional, se debe
disminuir la acción integral, para mantener la estabilidad del sistema de control.
Para verificar esto, se dibujarán los contornos de las raíces de este sistema de
control.
Su ecuación característica, es
2Kp (s + 1/Ti )
1+ = 0, (12.116)
s(s + 0,5)(s + 1)
2Kp /Ti
1+ = 0. (12.117)
s[(s + 0,5)(s + 1) + 2Kp ]
Los contornos de las raíces empezarán en un polo en el origen y en un par de

polos que son las raíces del polinomio característico del sistema de control cuando
Ti → ∞ (polos sobre el lugar de las raíces mostrado en la figura 12.30), tal como se
Los contornos de las raíces muestran que al incrementar la acción integral, dis-
minuyendo Ti , los polos de lazo cerrado se mueven hacia la derecha, el sistema se
torna más lento y puede volverse inestable.
El controlador tiene un polo en el origen (control PI) y el sistema de control
es Tipo 1, por lo que no tendrá error permanente a un cambio escalón en el valor
deseado, ni en la perturbación.

Ahora, para controlar el proceso, se utilizará un controlador proporcional y derivativo
(PD) ideal,
C(s) = Kp (Td s + 1). (12.118)
Figura 12.31: Control PI

- Contornos de las raíces
(valores de Kp fijos y Ti
variando)
La función de transferencia de lazo abierto, es
2Kp (Td s + 1)
LPD (s) = , (12.119)
(s + 0,5)(s + 1)
y el polinomio característico
p(s) = 2s2 + (3 + 4Kp Td )s + 1 + 4Kp . (12.120)
Por inspección, del polinomio característico se puede constatar que el sistema de

control es estable, para todo Kp > 0 y Td > 0.
La ecuación característica, es
2Kp (Td s + 1)
1+ = 0, (12.121)
(s + 0,5)(s + 1)
el cual se puede escribir, como
2Kp Td s
1+ = 0. (12.122)
(s + 0,5)(s + 1) + 2Kp
Los contornos de las raíces, empezaran ahora en polos ubicados en el lugar de

las raíces de la figura 12.30, tal como se muestra en la figura 12.32.
Figura 12.32: Control PD

(valores de Kp fijos y Td
variando)
Para un valor fijo de la ganancia Kp , si se aumenta el valor del tiempo derivativo

Td (más acción derivativa), los polos de lazo cerrado se moverán hacia la izquierda,
el sistema de control se hace más rápido y más estable. Debe notarse sin embargo,
que un aumento excesivo del tiempo derivativo Td sería perjudicial, ya que el sistema
de control llegaría a tener un polo de lazo cerrado rápido pero también uno lento
(dominante).
El controlador no tiene polos en el origen y el sistema de control es Tipo 0, por
lo que tendrá error permanente tanto un cambio escalón en el valor deseado, como
en la perturbación.

Finalmente, el proceso se controlará con un controlador con un algoritmo de control
PID Ideal,
2
1 Td s + s + 1/Ti
C(s) = Kp 1 + + Td s = Kp . (12.123)
Ti s s
La ecuación característica del sistema de control, es
2Kp (Td s2 + s + 1/Ti )

1+ = 0. (12.124)
s(s + 0,5)(s + 1)
Si Td = 0 y Ti → ∞, (12.124) se reduce a
2Kp
1+ = 0, (12.125)
(s + 0,5)(s + 1)
correspondiente al control P de la sección 12.9.1, cuyo lugar de las raíces para Kp
variando, se muestra en la figura 12.30.
En en caso en que Td = 0, (12.124) se reduce entonces a
2Kp (s + 1/Ti )
1+ = 0, (12.126)
s(s + 0,5)(s + 1)
2Kp /Ti
1+ = 0, (12.127)
s[(s + 0,5)(s + 1) + 2Kp ]
correspondiente al control PI de la sección 12.9.2, cuyos contornos de las raíces, para
varios valores de Kp fijos y Ti variando, se muestra en la figura 12.31.
La ecuación característica del control PID (12.124) se puede reordenar, como
2Kp Td s2
1+ = 0. (12.128)
s(s + 0,5)(s + 1) + 2Kp (s + 1/Ti )
de donde se ve que la función de transferencia de lazo abierto, en este caso, es
2Kp Td s2
LPID (s) = , (12.129)
s(s + 0,5)(s + 1) + 2Kp (s + 1/Ti )
cuyo denominador, es el polinomio característico del sistema de control PI.
Entonces, los contornos de las raíces para el tiempo derivativo Td variando, em-
pezarán en polos que se encuentran en los contornos de las raíces para un valor de
ganancia Kp fijo y tiempo integral Ti variando, mostrados en la figura 12.31.
Los contornos de las raíces para el control PID, cuando el tiempo derivativo Td
varía, se muestran en la figura 12.33, para un valor de la ganancia proporcional Kp
del controlador fija y varios valores del tiempo integral Ti también fijos.
El modo integral se adicionó para garantizar tener error permanente cero, tanto a
un cambio escalón en el valor deseado como en la perturbación, y el modo derivativo
se incorporó para mejorar la estabilidad del sistema de control.
Como se aprecia en la figura 12.33, para una ganancia Kp y un tiempo integral Ti
fijos, existe un valor máximo del tiempo derivativo Td con el cual se puede mejorar
la velocidad del sistema de control −se logra el máximo corrimiento de los polos de
lazo cerrado hacia la izquierda−. Valores superiores a este, más bien perjudicarán
el comportamiento del sistema de control −los polos de lazo cerrado dominantes se
empezarán a mover entonces hacia la derecha−.
12.10. Polos y ceros 587
Figura 12.33: Control PID

(un valor de Kp fijo, va-
rios valores de Ti fijos y Td
variando)
12.10 Polos y ceros del servo control y del control

regulador
Si se expresan las funciones de transferencia del proceso controlado y el controlador,
como la razón de dos polinomios en s
Np (s)
P(s) = , (12.130)
D p (s)
Nc (s)
C(s) = , (12.131)
Dc (s)
los ceros de los polinomios de los numeradores Np (s) y Nc (s), son los ceros del pro-
ceso controlado y el controlador respectivamente, y los ceros de los polinomios de los
denominadores D p (s) y Dc (s), son los polos del proceso controlado y el controlador.
Sean n p y m p (n p ≥ m p ) el número de polos y ceros del proceso controlado y nc
y mc (nc ≥ mc ) el número de polos y ceros del controlador.
La función de transferencia de lazo abierto, es
Np (s)Nc (s)
L(s) = C(s)P(s) = . (12.132)
D p (s)Dc (s)
Los ceros de lazo abierto son m p + mc y corresponden a los ceros del proceso
controlado y del controlador, y los polos de lazo abierto son n p + nc y son los polos
del proceso controlado y del controlador.
Se puede encontrar que los polos y ceros de la función de transferencia del servo
control, son
C(s)P(s) Nc (s)Np (s)

Myr (s) = = . (12.133)
1 +C(s)P(s) Dc (s)D p (s) + Nc (s)Np (s)
Los ceros de lazo cerrado del servo control, son los ceros de lazo abierto (los
ceros del controlador y los del proceso controlado) y los polos de lazo cerrado, son
los ceros del polinomio característico
p(s) = Dc (s)D p (s) + Nc (s)Np (s), (12.134)
que dependen de los polos y ceros de lazo abierto. El orden del polinomio (número
de polos de lazo cerrado) es igual a n p + nc . Esto es, igual al número de polos de lazo
abierto.
Por su parte, los polos y ceros de la función de transferencia del control regulador,
son
P(s) Dc (s)Np (s)
Myd (s) = = . (12.135)
1 +C(s)P(s) Dc (s)D p (s) + Nc (s)Np (s)
Los ceros de lazo cerrado del control regulador, son los polos del controlador
y los ceros del proceso controlado y los polos de lazo cerrado, son los ceros del
polinomio característico.
La estabilidad del lazo de control depende de los polos de sus funciones de trans-
ferencia de lazo cerrado, por lo que esta no depende de la entrada considerada. Ade-
más, los modos de la respuesta del servo control y del control regulador, dependen
de estos polos (los cuales son los mismos en ambos casos), pero la forma en que
estos se combinan depende de los ceros. Por eso, la respuesta a un cambio en el valor
deseado, será diferente de la obtenida en respuesta a un cambio en la perturbación de
carga.
12.10.1 Efecto de la cancelación de polos con ceros

Una práctica común en el diseño del servo control, es colocar los ceros del controla-
dor, en la misma posición que los polos dominantes del proceso controlado (los más
lentos). Esto se denomina cancelación de polos con ceros.
Si se consideran controladores con algoritmos de control de la familia de algo-
ritmos PID y procesos controlados hasta de segundo orden, y se escriben sus fun-
ciones de transferencia en función de constantes de tiempo como P(s) = Kp /D p (s)
12.11. Plantas integrantes y no integrantes 589
y C(s) = Kc Nc (s)/(Ti s), se puede hacer Nc (s) = D p (s) y utilizar un controlador con
un algoritmo de control PI con el proceso controlado de primer orden y un controla-
dor con un algoritmo de control PID Serie ideal con el de segundo, para cancelar en
ambos casos, todos los polos del modelo del proceso controlado.
Haciendo esto, las funciones de transferencia de lazo cerrado del servo control y
el control regulador, se reducen a
Kp KNc (s) Kp K 1
Myr (s) = = = , (12.136)
D p (s)(Ti s + Kp K) Ti s + Kp K Ti
s+1
Kp K
y
Ti
KTi s Kps
Myd (s) = = h i, (12.137)
D p (s)(Ti s + Kp Kp ) D (s) Ti
s + 1
p Kp K
respectivamente.
Las funciones de transferencia del servo control (12.136) y del control regulador
(12.137), tienen ambas el mismo denominador, el polinomio característico de lazo
cerrado
p(s) = D p (s)(Ti s + Kp K). (12.138)
Sin embargo, los polos cancelados de la función de transferencia del modelo del
proceso controlado D p (s), no aparecen en el denominador de la realización mínima
de la función de transferencia del servo control (12.136) −cuando se ha efectuado
la cancelación de los polos con los ceros en el mismo lugar−, por lo que se tiene
un sistema de lazo cerrado que se comporta como si fuera de primer orden y cuya
velocidad de respuesta se puede aumentar, incrementando la ganancia proporcional
Kp del controlador.
Por otro lado, en el caso del control regulador, los polos cancelados del proceso
controlado, si aparecen en el denominador de la función de transferencia de lazo
cerrado (12.137) y por los tanto, afectan la respuesta a un cambio en la perturbación.
Este efecto será mayor si los polos cancelados del proceso son lentos, más lentos que
el polo de lazo cerrado.
Entonces, aunque la respuesta del servo control sea rápida, la del control regula-
dor estará dominada por los polos lentos del proceso controlado y no podrá hacerse
más rápida aumentando la ganancia del controlador.
12.11 Control de plantas integrantes y no integrantes

Para comparar el efecto que tienen los polos en el origen del proceso controlado y
el controlador, sobre el error permanente ante un cambio en el valor deseado y en
la perturbación, se compararán las funciones de transferencia de un sistema de con-

trol de un proceso de primer orden, con un controlador proporcional e integral, con
las obtenidas en el control de un proceso integrante, con un controlador puramente
proporcional.
12.11.1 Control PI de un proceso no integrante de primer orden

Considérese el proceso controlado de primer orden
K
P(s) = , (12.139)
Ts+1
y un controlador proporcional e integral

Ti s + 1
C(s) = Kp . (12.140)
Ti s
El proceso controlado es Tipo 0 y el controlador es Tipo 1, y por lo tanto, el
sistema de control es Tipo 1.
La función de transferencia del servo control, es
Kp K (Ti s + 1)
Myr (s) = . (12.141)
Ti s (T s + 1) + Kp K (Ti s + 1)
La ganancia estacionaria de lazo cerrado Kyr = Myr (0) = 1, por lo que el error
permanente a una cambio escalón en el valor deseado es cero.
Por su parte, la función de transferencia del control regulador, es
KTi s
Myd (s) = . (12.142)
Ti s (T s + 1) + Kp K (Ti s + 1)
La ganancia estacionaria de lazo cerrado Kyd = Myd (0) = 0, por lo que el error
permanente a un cambio escalón en la perturbación también es cero.
El polo en el origen aportado por el controlador, asegura tener error permanente
cero a cambios escalón, tanto en el valor deseado, como en la perturbación de carga.
12.11.2 Control P de un proceso integrante

Considérese ahora el proceso controlado integrante, dado por la función de transfe-
rencia
K
P(s) = , (12.143)
s(T s + 1)
y un controlador proporcional
C(s) = Kp . (12.144)
12.12. Efecto de la variación del proceso o del controlador 591
El proceso es Tipo 1 y el controlador es Tipo 0, y por lo tanto, el sistema de

control es Tipo 1.
La función de transferencia del servo control, es
Kp K
Myr (s) = . (12.145)
s(T s + 1) + Kp K
La ganancia estacionaria de lazo cerrado Kyr = Myr (0) = 1, por lo que el error
permanente a una cambio escalón en el valor deseado es cero.
Por su parte la función de transferencia del control regulador es
K
Myd (s) = . (12.146)
s(T s + 1) + Kp K
La ganancia estacionaria de lazo cerrado Kyd = Myd (0) 6= 0, por lo que el error
permanente a un cambio escalón en la perturbación, será distinto de cero.
El polo en el origen aportado por el proceso controlado, contribuye a eliminar
solamente el error permanente a un cambio en el valor deseado.
Para asegurar error permanente cero a cambios escalón, tanto en el valor deseado
como en la perturbación, el polo en el origen debe ser aportado por el controlador.
Si nos restringimos a controladores con algoritmos de control de la familia PID,
entonces se requiere utilizar un controlador con un algoritmo de control PI o uno
PID para lograrlo.
12.12 Efecto de la variación de los parámetros del proceso

o del controlador
Se analizará aquí el efecto que tienen, sobre la estabilidad del lazo de control, las
posibles variaciones de las características dinámicas del proceso controlado, así como
las de los parámetros del algoritmo de control del controlador.
Se tiene que la función de transferencia del lazo abierto del sistema de control,
es
L(s) = C(s)P(s), (12.147)
donde C(s) y P(s) son las funciones de transferencia del controlador y el proceso
controlado, respectivamente.
En el dominio de la frecuencia (s = jω), esta es
L(jω) = C(jω)P(jω). (12.148)

y su magnitud y fase, son
|L(jω)| = |C(jω)||P(jω)|, (12.149)

∠L(jω) = ∠C(jω) + ∠P(jω). (12.150)
Se emplearán (12.149) y (12.150), junto con el diagrama de Bode y la gráfica

polar de L(jω), para analizar el efecto que tiene la variación de las características
dinámicas del proceso controlado y los parámetros de ajuste de los modos de control
del controlador.
12.12.1 Variación de los parámetros del proceso controlado

Si el modelo nominal del proceso controlado, es de primer orden más tiempo muerto,
dado por las expresiones
Ko e−Lo s
Po (s) = , (12.151)
To s + 1
Ko e−jωLo
Po (jω) = , (12.152)
jωTo + 1
cuya magnitud y fase, son
Ko
|Po (jω)| = p , (12.153)
(ωTo )2 + 1
∠Po (jω) = −ωLo − tan−1 (ωTo ), (12.154)
donde {Ko , To , Lo } son sus parámetros nominales. Entonces, para un controlador

con parámetros fijos, la magnitud y la fase de la función de transferencia de lazo
abierto con el modelo nominal, son
Ko
|Lo (jω)| = p |C(jω)|, (12.155)
(ωTo )2 + 1
∠Lo (jω) = −ωLo − tan−1 (ωTo ) + ∠C(jω). (12.156)
El modelo nominal representa las características dinámicas del proceso contro-

lado, en el punto de operación más frecuente o deseado, del sistema de control. Sin
embargo, el punto de operación del sistema de control puede cambiar ya sea por
cambios en el valor deseado o en las perturbaciones. Si el proceso es no lineal, sus
características dinámicas variarán respecto de las del modelo nominal.
Figura 12.34: Diagrama

de Bode - Aumento de la
ganancia del proceso con-
trolado
Variación de la ganancia
Si la ganancia del proceso controlado aumenta (K 0 > Ko ), entonces
K0
|L0 (jω)| = |Lo (jω)| > |Lo (jω)|, (12.157)
Ko
∠L0 (jω) = ∠Lo (jω). (12.158)
La magnitud de L(jω) aumenta, pero su fase no cambia. Un cambio en la ganancia

del proceso, solo afecta la curva de magnitud de L(jω) en el diagrama de Bode.
Como se puede verificar del diagrama de Bode de L(jω) en la figura 12.34 y
de su gráfica polar en la figura 12.35, si ganancia del proceso controlado aumenta,
disminuye la estabilidad relativa del sistema de control: el margen de ganancia Am
y el margen de fase φm disminuyen, la frecuencia de cruce de fase ω−180 no cambia
pero la frecuencia de cruce de magnitud ω1 aumenta, y el margen de estabilidad Sm
disminuye (MS aumenta). Al aumentar la ganancia del proceso, la gráfica polar de
L(jω) se acerca más al punto crítico −1.
Ejemplo 12.4 Variación de la ganancia del proceso controlado

Si los parámetros del modelo nominal de un proceso controlado son Ko = 2, To = 5 s y
Lo = 2 s y este se controla con un controlador PI con parámetros K p = 1 y Ti = 10 s,
se tiene un sistema de control cuyos índices de estabilidad relativa se listan en el
cuadro 12.3.
Si la ganancia del proceso aumenta un 50 %, entonces la estabilidad relativa del
lazo de control disminuye, el margen de estabilidad pasa de Sm = 0,50 a ser solo
Figura 12.35: Gráfica polar

- Aumento de la ganancia
del proceso controlado
Cuadro 12.3: Ejemplo 12.4 K del Sm Am ω−180 φm ω1

- Índices de estabilidad, modelo rad s−1 ° rad s−1
aumento de la ganancia del
proceso controlado Ko 0,50 2,15 0,843 61,75 0,363
1,5Ko 0,27 1,43 0,843 33,35 0,575
Sm = 0,27, tal como lo muestran los nuevos índices de estabilidad, listados también
en el cuadro 12.3.
Además, la frecuencia de cruce de fase ω−180 no cambia, pero la de cruce de
magnitud ω1 aumenta.
Nótese que si K 0 = 1,5Ko , entonces A0m = Aom /1,5 (A0m /Aom = 0,667).
El diagrama de Bode y la gráfica polar de este sistema de control, son los mos-
trados en las figuras 12.34 y 12.35 respectivamente.
Variación del tiempo muerto

Ahora, si el tiempo muerto del proceso controlado aumenta (L0 > Lo ), se tiene que
|L0 (jω)| = |Lo (jω)|, (12.159)

0 0 0 0
∠L (jω) = −ω(L − Lo ) + ∠L (jω < ∠L (jω). (12.160)
La magnitud de la función de transferencia de lazo abierto no cambia, pero su fase

disminuye. El aumento del tiempo muerto atrasa más la fase. Un cambio en el tiempo
muerto del proceso, solo afecta la curva de fase de L(jω) en el diagrama de Bode.

de Bode - Aumento del
tiempo muerto del proceso
controlado
Figura 12.37: Gráfica po-

lar - Aumento del tiempo
muerto del proceso contro-
lado
Los índices de estabilidad relativa disminuyen al aumentar el tiempo muerto del

proceso, tal como se muestra en el diagrama de Bode de su función de transferencia
de lazo abierto en la figura 12.36 y su correspondiente gráfica polar en la figura 12.37.
Si el tiempo muerto del proceso controlado aumenta, disminuyen el margen de
ganancia Am y el margen de fase φm , la frecuencia de cruce de fase ω−180 disminuye
pero la frecuencia de cruce de magnitud ω1 permanece igual, y el margen de estabili-
dad Sm disminuye. Al aumentar el tiempo muerto del proceso, nuevamente la gráfica
polar de L(jω) se acerca más al punto crítico −1.
Cuadro 12.4: Ejemplo 12.5 L del Sm Am ω−180 φm ω1

aumento del tiempo muer-
to del proceso controlado Lo 0,50 2,15 0,843 61,75 0,363
1,5Lo 0,31 1,51 0,578 40,96 0,363
Ejemplo 12.5 Variación del tiempo muerto del proceso controlado

Para el mismo modelo y controlador usado en el ejemplo 12.4, se incrementa ahora
el tiempo muerto del proceso un 50 %. Los nuevos índices de estabilidad relativa se
listan en el cuadro 12.4.
El sistema ha perdido estabilidad. Además, la frecuencia de cruce de fase ω−180
disminuye, mientras que la frecuencia de cruce de magnitud ω1 permanece igual.
Nótese que si L0 = 1,5Lo , entonces ∆φm = φm0 − φmo = −0,5ω1 Lo . Además, el
nuevo margen de tiempo muerto ML0 = ML /1,5.
Un aumento del 50 % en el tiempo muerto disminuye, en este caso, el margen de
estabilidad de Sm = 0,50 a Sm = 0,31.
Variación de la constante de tiempo

Si es la constante de tiempo del proceso controlado la que cambia, se tiene ahora que
p !
(ωT ) 2 +1
|L0 (jω)| = p |Lo (jω)|, (12.161)
(ωTo0 )2 + 1
∠L0 (jω) = − tan−1 (ωT 0 ) + tan−1 (ωTo ) + ∠Lo (jω). (12.162)
El cambio en la constante de tiempo del proceso, afecta tanto la magnitud como

la fase, de la función de transferencia de lazo abierto del sistema de control.
Se tienen dos posibles casos:
• Si T 0 > To
|L0 (jω)| < |L( jω)|, (12.163)

∠L0 (jω) < ∠Lo (jω). (12.164)
• Si T 0 < To
|L0 (jω)| > |L( jω)|, (12.165)

∠L0 (jω) > ∠Lo (jω). (12.166)
Figura 12.38: Diagrama de Bode - Cambio de la constante de tiempo del proceso

controlado
Por lo tanto, debe analizarse el efecto combinado que estos cambios tienen, sobre
la estabilidad del sistema de control.
Como se aprecia del diagrama de Bode, en la figura 12.38, y la gráfica polar, en
la figura 12.39, de la función de transferencia de lazo abierto, en este caso, si T crece
el sistema de control es más estable, pero si T decrece el sistema de control es menos
estable, disminuyen el margen de ganancia Am , el margen de fase φm y el margen de
estabilidad Sm .
El resultado anterior, pudiera parecer inesperado. Sin embargo, si se considera
que para el modelo de primer orden más tiempo muerto, se tiene que el tiempo muer-
to normalizado es τL = L/T entonces, una disminución en la constante de tiempo
dominante, equivale a un incremento en el tiempo muerto relativo (normalizado).
Una disminución de la constante de tiempo dominante, hace que el efecto de los
demás retrasos en el lazo de control, cobren más relevancia.
Figura 12.39: Gráfica polar - Cambio de la constante de tiempo del proceso contro-
lado
Cuadro 12.5: Ejemplo 12.6 T del Sm Am ω−180 φm ω1

variación de la constan-
te de tiempo del proceso To 0,50 2,15 0,843 61,75 0,363
controlado 1,5To 0,63 3,04 0,806 67,14 0,254
0,5To 0,20 1,26 0,934 31.11 0,702
Ejemplo 12.6 Variación de la constante de tiempo del proceso

Utilizando el mismo proceso controlado y el mismo controlador, que para los análisis
anteriores, se ha variado ahora la constante de tiempo del proceso en un ±50 %.
Los índices de estabilidad del sistema de control, con el modelo nominal y con
los modelos perturbados, se listan en el cuadro 12.5.
Los índices de estabilidad relativa, confirman que si el proceso se vuelve más
lento, T 0 > To , el sistema de control es más estable y que si el proceso se torna más
bien más rápido, T 0 < To , el sistema de control es menos estable.
Un cambio de hasta un ±50 % en la constante de tiempo T del modelo (con los
demás parámetros constantes), ocasiona que el margen de estabilidad del sistema
de control varíe entre Sm = 0,63 y Sm = 0,20 (correspondiente este último a una
robustez muy baja).
Además, la diferencia entre la frecuencia de cruce de fase y la frecuencia de
cruce de magnitud ∆ω = ω−180 − ω1 , aumenta si T crece (∆ω + ) y disminuye si T
decrece (∆ω − ). Por lo tanto, entre más disminuya la constante de tiempo del proceso
controlado (suponiendo que su tiempo muerto aparente no cambia), más se acerca
el sistema de control al límite de su estabilidad.
Como se aprecia en la figura 12.39, para el caso en que T = 0,5To , la gráfica
polar de la función de transferencia de lazo abierto L(jω), pasa “muy cerca” del
punto crítico −1.
De lo anterior se puede concluir que, desde el punto de vista de la estabilidad

relativa del sistema de control de un proceso controlado, representado por un modelo
de primer orden más tiempo muerto, el caso que más la deteriora, corresponde al
desplazamiento del sistema a un punto de operación en el cual, si se obtuviera un
nuevo modelo, su ganancia y su tiempo muerto aparente habrían aumentado, y su
constante de tiempo dominante habría disminuido, respecto a los parámetros del mo-
delo nominal utilizado para el ajuste del los parámetros del controlador. El caso más
crítico es entonces, al punto de operación del sistema de control, en el que el proceso
controlado estaría representado por el modelo extremo
M
K M e−L s
P• (s) = , (12.167)
T ms + 1
cuyos parámetros θ • = {K M , T m , LM }, son la ganancia máxima, la constante de tiem-
po dominante mínima y el tiempo muerto aparente máximo.
Se puede verificar que, para el proceso controlado y el controlador de los ejem-
plos anteriores, si en forma simultánea la ganancia y el tiempo muerto del modelo
aumentan un 50 % y su constante de tiempo más bien disminuye un 50 %, el sistema
de control se vuelve inestable.
En la figura 12.40, se muestra la gráfica de robustez del sistema de control de los
ejemplos con el modelo nominal, que tiene un margen de estabilidad Sm = 0,50 y la
correspondiente al caso, en que los parámetros del proceso han variado todos pero
solo un 25 %. (K = 125 % Ko , T = 0,75 % To , L = 125 % Lo ), para el cual el margen
de estabilidad de ha reducido a Sm = 0,11, indicando que su robustez es marginal.
Figura 12.40: Efecto com-

binado del cambio en todos ℑ L(jω)
1.0
los parámetros del proce- Sm = 0.8
so controlado (Ko + 25 %,
Sm = 0.5
To − 25 %, Lo + 25 %) 0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
Lo anterior demuestra la necesidad de analizar el comportamiento dinámico del

proceso controlado, en todos los posibles puntos de operación del sistema de control
y tomarlo en consideración al establecer el nivel mínimo de robustez utilizado en su
diseño, empleando el modelo nominal.
12.12.2 Variación de los parámetros del controlador
Se analizará ahora, como afecta la robustez del sistema de control, un cambio en los
parámetros del controlador.
Se supondrá que el proceso controlado es sobreamortiguado, estable y de tercer
orden, de un orden mayor, o con tiempo muerto. Este se controlará con un controlador
P, un controlador PI y un controlador PD.
Las funciones de transferencia en frecuencia de los controladores, son
CP (jω) = Kp , (12.168)

1
CPI (jω) = Kp 1 + , (12.169)
jωTi

jωTd
CPD (jω) = Kp 1 + . (12.170)
jωαTd + 1
Figura 12.41: Control P -

Efecto de la variación de la
ganancia Kp
Control P - Variación de la ganancia

La magnitud y la fase de la función de transferencia de lazo abierto del sistema de
control P, son
|L(jω)| = Kp |P(jω)|, (12.171)
∠L(jω) = ∠P(jω). (12.172)
Si el controlador se ajusta con dos ganancias diferentes (Kp1 , Kp2 ), entonces
Kp2
|L2 (jω)| = |L1 (jω)|, (12.173)
Kp1
∠L2 (jω) = ∠L1 (jω). (12.174)
La ganancia del controlador P, solo afecta la magnitud de L(jω).
Si se aumenta la ganancia del controlador (Kp2 > Kp1 ), más acción proporcional,
el sistema pierde estabilidad, disminuye el margen de estabilidad Sm y los márgenes
de magnitud Am y fase φm , tal como se muestra en la figura 12.41.
Un incremento en la acción proporcional (mayor Kp ), reduce la estabilidad del
sistema de control.
Cuadro 12.6: Ejemplo 12.7 Kp del Sm Am ω−180 φm ω1

- Control P, índices de es- controlador rad s−1 ° rad s−1
tabilidad
1,0 0,65 4,13 0,375 78,01 0,133
1,5 0,52 2,75 0,375 51,70 0,192
Ejemplo 12.7 Variación de la ganancia del controlador

Para el análisis se ha considerado un proceso controlado sobreamortiguado de se-
gundo orden más tiempo muerto, dado por la función de transferencia
2e−2s
P(s) = . (12.175)
(10s + 1)(5s + 1)
Los indices de estabilidad para dos valores de la ganancia Kp del controlador,
se listan en el cuadro 12.6. Si la ganancia del controlador aumenta (se aumenta la
acción proporcional), disminuye la estabilidad del control P.
En este caso, un aumento del 50 % en la ganancia Kp del controlador, produce
una disminución del 20 % en la robustez del lazo de control, medida con el margen
de estabilidad Sm .
Nótese que Am2 /Am1 = Kp1 /Kp2 . Un aumento del 50 % en la ganancia del con-
trolador (K p2 = 1,5Kp1 ), produce una reducción del 33,3 % en el margen de ganancia
del sistema de control (Am2 = Am1 /1,5).
Control PI - Variación del tiempo integral

Para el sistema de control PI, la magnitud y fase de L(jω), son
q
|L(jω)| = Kp 1 + 1/(ωTi )2 |P(jω)|, (12.176)
π
∠L(jω) = − + tan−1 (ωTi ) + ∠P(jω). (12.177)
2
Si el algoritmo de control se ajusta, con dos valores diferentes del tiempo integral
(Ti1 , Ti2 ), entonces
s
1 + 1/(ωTi2 )2
|L2 (jω)| = |L1 (jω)|, (12.178)
1 + 1/(ωTi1 )2
∠L2 (jω) = tan−1 (ωTi2 ) − tan−1 (ωTi1 ) + ∠L1 (jω). (12.179)
Si el tiempo integral se disminuye (Ti2 < Ti1 ), más acción integral, se tiene que
|L2 (jω)| > |L1 (jω)|, (12.180)
∠L2 (jω) < ∠L1 (jω). (12.181)
Figura 12.42: Control PI -

Efecto de la variación del
tiempo integral Ti
Cuadro 12.7: Ejemplo 12.8 Ti [s] del Sm Am ω−180 φm ω1

- Control PI, índices de controlador rad s−1 ° rad s−1
estabilidad (Kp = 1)
30,0 0,60 3,66 0,351 62,80 0,137
15,0 0,53 3,17 0,324 46,86 0.146
Un incremento en la acción integral (menor Ti ), disminuye los márgenes de esta-

bilidad Sm y (Am , φm ), tal como se muestra en la figura 12.42.
Ejemplo 12.8 Variación del tiempo integral del controlador

Para el mismo proceso controlado sobreamortiguado de segundo orden más tiempo
muerto, utilizado anteriormente con el control P, los indices de estabilidad del siste-
ma de control PI, para dos valores del tiempo integral Ti del controlador, se listan en
el cuadro 12.7. Si el tiempo integral del controlador decrece (se aumenta la acción
integral), disminuye la estabilidad del control PI.
En este caso, una disminución del 50 % en el tiempo integral Ti del controlador,
ocasiona una reducción de casi el 12 % en la robustez del sistema de control, medida
con el margen de estabilidad Sm .
Control PD - Variación del tiempo derivativo

En el caso del control PD, la magnitud y fase de la la función de transferencia de lazo
abierto, son
s
1 + [(1 + α)ωTd ]2
|L(jω)| = Kp |P(jω)|, (12.182)
1 + (αωTd )2
∠L(jω) = tan−1 ((1 + α)ωTd ) − tan−1 (αωTd ) + ∠P(jω). (12.183)
Por simplicidad, en lo siguiente se considerará un controlador PD ideal (α = 0)

con dos valores diferentes de tiempo derivativo (Td1 , Td2 ). Se tiene entonces, que
r
1 + ωTd2
|L2 (jω)| = |L1 (jω)|, (12.184)
1 + ωTd1
∠L2 (jω) = tan−1 (ωTd2 ) − tan−1 (ωTd1 ) + ∠L1 (jω). (12.185)
Si el tiempo derivativo aumenta (Td2 > Td1 ), más acción derivativa, se tiene que
|L2 (jω)| > |L1 (jω)|, (12.186)

∠L2 (jω) > ∠L1 (jω). (12.187)
La percepción general, es que un incremento en la acción derivativa (mayor Td ),

aumenta la estabilidad del sistema de control, que Sm y (Am , φm ) crecen, tal como
se muestra en la figura 12.43. Sin embargo, existe un límite al valor de la acción
derivativa, que proporciona un beneficio en términos de ganancia en la estabilidad
relativa del lazo de control. Si bien un incremento del tiempo derivativo incrementa la
fase de la función de transferencia de lazo abierto, también incrementa su magnitud,
como lo indican (12.185) y (12.184).
Ejemplo 12.9 Variación del tiempo derivativo del controlador

Para el mismo proceso controlado sobreamortiguado de segundo orden más tiempo
muerto anterior, los indices de estabilidad del sistema de control PD, para dos valo-
res del tiempo derivativo Td del controlador, se listan en el cuadro 12.8. Si el tiempo
derivativo del controlador aumenta, aumenta la estabilidad del control PD.
Si bien el modo derivativo del controlador, es un modo de control estabilizador,
como se ya se ha indicado en la sección 12.5, es posible que mucha acción derivativa
Figura 12.43: Control PD

- Efecto de la variación del
tiempo derivativo Td
Cuadro 12.8: Ejemplo 12.9 Td [s] del Sm Am ω−180 φm ω1

- Control PD, índices de controlador rad s−1 ° rad s−1
estabilidad (Kp = 1)
0,5 0,69 5,20 0,435 81,64 0,133
2,0 0,76 6,36 0,642 90,26 0,139
(un corrimiento excesivo del cero del controlador hacia la derecha), sea más bien
perjudicial, tal como se mostró en la sección 12.9.
En el caso del ejemplo, las constantes de tiempo del modelo del proceso contro-
lado son T1 = 10 s y T2 = 5 s.
Si Td < 5 s, el cero del controlador PD, se encuentra a la izquierda del polo más
rápido del proceso, por lo que su corrimiento del cero hacia la derecha (aumen-
tado Td ) contribuye a mejorar el comportamiento dinámico del sistema de control,
incluyendo su margen de estabilidad.
Sin embargo, al acercar el cero del controlador al polo rápido del proceso, o
pasarlo la derecha de este, más bien deteriora el margen de estabilidad del sistema
de control. Este deterioro es mucho mayor, si el cero del controlador se coloca a la
derecha del polo lento del proceso (Td > 10 s), tal como se muestra en el cuadro
Cuadro 12.9: Ejemplo 12.9 Td [s] Sm Td [s] Sm

- Margen de estabilidad
del control PD (Kp = 1) 0,25 0,67 5,0 0,72
0,5 0,69 6,0 0,62
1,0 0,73 7,5 0,54
2,0 0,76 10,0 0,42
4,0 0,72 15,0 0,21
12.9.
En el caso del ejemplo, un incremento del tiempo derivativo Td de 0,5 s a 2,0 s
incrementa el margen de estabilidad Sm del lazo de control, este pasa de 0,69 a 0,76.
Sin embargo, incrementos mayores de la acción derivativa del controlador, más bien
deterioran la robustez del lazo de control, llegando esta a ser significativamente
menor. Si el tiempo derivativo Td = 15,0 s, el margen de estabilidad se reduce a
Sm = 0,21.
12.13 Resumen
Se ha analizado el comportamiento de los sistemas de control de los procesos con-
trolados simples, de primer y segundo orden, con controladores con un algoritmo de
control proporcional, proporcional e integral y proporcional y derivativo, observando
el efecto que tienen sobre el error permanente y el comportamiento dinámico del lazo
de control, el polo y los ceros adicionados por el controlador.
Con un controlador P, es necesario incrementar la ganancia para diminuir el error
permanente, pero esto puede tener un efecto perjudicial sobre el comportamiento
dinámico y la estabilidad relativa del sistema de control.
El modo integral del controlador PI, garantiza el tener error permanente cero
tanto a un cambio escalón en el valor deseado como en la perturbación de carga. Sin
embargo, puede reducir la estabilidad relativa del lazo de control.
Para un proceso controlado de primer orden, el modo derivativo del controlador
PD resulta en una reducción de la velocidad de respuesta, mientras que con un pro-
ceso de segundo orden, ayuda a hacer la respuesta más rápida y contribuye a que se
pueda disminuir el error permanente aumentando la ganancia del controlador.
El cambio en la dinámica del proceso controlado, puede tener un efecto adverso
sobre la estabilidad relativa del sistema de control. Por lo tanto, es indispensable
analizar esta, en todos los posibles puntos de operación del sistema de control.
Considerando un proceso controlado cuyo modelo es de primer orden más tiempo
muerto, la estabilidad relativa del sistema de control se reduce, si opera en un punto
en el cual la ganancia o el tiempo muerto aparente del modelo que lo representaría
en ese nuevo punto aumentan, o si la constante de tiempo del mismo disminuye, con
respecto a los parámetros del modelo nominal.
Para un proceso controlado estable de tercer orden o mayor, o con tiempo muerto,
con parámetros fijos, un incremento en la ganancia del controlador P −más acción
proporcional−, reduce los márgenes de estabilidad del lazo de control. Para un con-
trolador PI, si el tiempo integral disminuye −más acción integral−, también los már-
genes de estabilidad del lazo de control disminuyen. Si el controlador es un PD, un
incremento del tiempo derivativo −más acción derivativa−, por lo general aumen-
ta la estabilidad relativa del sistema de control, sin embargo, un exceso de acción
derivativa puede más bien disminuir la estabilidad del lazo de control.
12.14 Bibliografía

España.
Smith, C. A. y Corripio, A. B. (2001). Control automático de procesos: Teoría y

práctica. Editorial Limusa, S.A. de C.V., México, D.F.

Parte IV
Ajuste de los sistemas de control

PID
609
13
Ajuste analı́tico de los algoritmos de control

13.1 Introducción
13.2 Deducción matemática del servo control
13.2.1 Procesos sin tiempo muerto
13.2.2 Procesos con tiempo muerto
13.3 Deducción matemática del control regulador
13.4 Deducción matemática de los PID de dos grados de libertad
13.4.1 Características de comportamiento y robustez
13.4.2 Procedimiento de ajuste analítico robusto ART2
13.4.3 Aplicación del ART2 a procesos sin tiempo muerto
13.4.4 Aplicación del ART2 a procesos con tiempo muerto
13.5 Resumen
13.6 Bibliografía
Para el ajuste de los controladores con un algoritmo de control proporcional, integral

y derivativo (PID), se cuenta con dos tipos de procedimientos:
1. Los que se denominan métodos de ajuste o sintonización analíticos, en los

cuales las ecuaciones para el cálculo de uno o más de los parámetros del al-
goritmo de control del controlador, se han determinado mediante una síntesis
matemática, a partir de un modelo del proceso controlado y una especificación
611
612 13 Ajuste analítico de los algoritmo de control PID
del comportamiento deseado del sistema de control. Estos incluyen un pará-

metro de diseño, el cual puede ser modificado por el diseñador, para lograr el
comportamiento dinámico deseado.
2. Las reglas de ajuste o sintonización, obtenidas usualmente utilizando simula-

ciones digitales y técnicas de optimización matemática, en las cuales el criterio
de desempeño o de robustez seleccionado por el autor del método, está implí-
cito en las ecuaciones y este no se puede variar, aunque estas pudieran incluir
también, algún parámetro de diseño ajustable.
Por to tanto, el ajuste del algoritmo de control incluido en el controlador, consisti-

rá en el cálculo del valor de sus parámetros, con el fin de cumplir con un determinado
criterio de diseño del lazo de control.
Los parámetros del algoritmo de control del controlador, no solo se deben ajus-
tar, es necesario “sintonizar” el controlador, esto es, hacer que las características
del controlador estén en síntonía (armonía), con las del proceso controlado (Smith,
2002).
Debe tomarse en consideración, que las especificaciones de diseño del lazo de
control, esto es, la forma en que se desea restringir el comportamiento de la varia-
ble controlada, incluyen características de funcionamiento dinámico, su evolución en
el tiempo ante cambios en el valor deseado y la perturbación, y de error permanen-
te; como también requisitos de robustez, de la estabilidad relativa del lazo de control,
considerando las posibles variaciones del comportamiento dinámico del proceso con-
trolado.
Sin embargo, estas especificaciones pueden estar en conflicto unas con otras, por
lo que no siempre es posible lograr el cumplimiento simultáneo de todas ellas.
Considerando que la robustez del sistema de control es de importancia primor-
dial, se deberá buscar entonces, el mejor comportamiento dinámico posible, con el
nivel de estabilidad relativa mínima requerido.
13.1 Introducción
Se estudiarán aquí los procedimientos de ajuste de los algoritmos de control deriva-
dos en forma analítica, dejando para después, la presentación de las reglas de ajuste.
La síntesis analítica del controlador, consistirá entonces en la deducción mate-
mática de las expresiones necesarias, para el cálculo de los parámetros del algoritmo
de control del controlador.
13.2. Deducción matemática del servo control 613
En el lazo de control realimentado de la figura 13.1, la señal de salida del sistema

de control en función de sus entradas, está dada por la expresión
C(s)P(s) P(s)
y(s) = r(s) + d(s), (13.1)
1 +C(s)P(s) 1 +C(s)P(s)
donde:
• C(s) - función de transferencia del controlador,
• P(s) - función de transferencia del proceso controlado (modelo),
• d(s) - perturbación,
• r(s) - valor deseado,
• y(s) - señal realimentada.
La deducción matemática del algoritmo de control requerido del servo control
(servomecanismo) y del control regulador (regulador), se realizará a partir de (13.1).
13.2 Deducción matemática del servo control

El términos generales, la deducción matemática de los controladores para lograr una
respuesta deseada, ante un cambio en el valor deseado, denominada en adelante co-
mo ajuste o síntesis analítica del servo control, parte del conocimiento del modelo
P(s) del proceso controlado y del establecimiento de la función de transferencia de
lazo cerrado Myrt (s) deseada del servo control, para luego determinar la función de
transferencia C(s) del controlador requerido para lograrla.

A partir de (13.1) se tiene que la función de transferencia de lazo cerrado del
servo control, está dada por la expresión
. yr (s) C(s)P(s)
Myr (s) = = . (13.2)
r(s) 1 +C(s)P(s)
Si se supone entonces que el modelo P(s) del proceso controlado es conocido

y se especifica el comportamiento dinámico deseado del sistema de control ante un
cambio en el valor deseado, estableciendo la función de transferencia de lazo cerra-
do Myrt (s), entonces (13.2) se puede resolver de manera de encontrar la función de
transferencia del controlador requerido.

Manipulando (13.2), con Myr (s) = Myr t (s), se tiene que
t t
Myr (s) + Myr (s)C(s)P(s) = C(s)P(s), (13.3)
t t

Myr (s) = C(s)P(s) 1 − Myr (s) , (13.4)
de donde se obtiene, que el controlador requerido está dado, por
" #
M t (s)
yr
C(s) = P−1 (s) t (s)
. (13.5)
1 − Myr
La expresión (13.5), es la ecuación básica para la deducción matemática de los

controladores para el servo control.
Evidentemente, debe verificarse que el controlador requerido sea físicamente rea-
lizable (función de transferencia propia). Además, es de interés que este controlador
tenga un algoritmo de control perteneciente a la familia de algoritmos de control PID.
Por lo tanto, no debe contener tiempos muertos ni derivadores puros y su ganancia
debe ser finita.
Como la función de transferencia del controlador dada por (13.5), está relacio-
nada con el inverso de la del modelo del proceso controlado y los controladores PID
tienen a los más dos ceros, se deberán utilizar modelos simples para la deducción
matemática de los controladores con un algoritmo de control PI(D).
13.2.1 Procesos sin tiempo muerto

Se considerarán primero, procesos controlados representados por modelos de pri-
mer y segundo orden sin tiempo muerto y posteriormente, se les incluirá un tiempo
muerto, para poder representar procesos de orden más alto.
Procesos controlados de primer orden

Como primer paso en la deducción matemática del servo control, se considerará el
proceso controlado más simple posible. Supóngase que este es representado por un
modelo de primer orden dado, por
K
P(s) = , (13.6)
Ts+1
donde:
• K - ganancia,
• T - constante de tiempo,
y que se desea determinar cuál debe ser el tipo de controlador y sus parámetros,
requerido para lograr que la función de transferencia de lazo cerrado tenga una ex-
presión determinada, según los siguientes casos:
1. Respuesta de primer orden con ganancia no unitaria

Sea la función de transferencia de lazo cerrado deseada
t Kyr
Myr (s) = , (13.7)
Tc s + 1
donde
• Kyr - ganancia de lazo cerrado,

• Tc - constante de tiempo de lazo cerrado.
Sustituyendo (13.6) y (13.7) en (13.5), se tiene que

 
Kyr
Ts+1 Kyr Ts+1  1−Kyr
C(s) = =  . (13.8)
Kp Tc s + 1 − Kyr Kp Tc
s+1
1−Kyr
Si el controlador es puramente proporcional (P), C(s) = Kp , entonces se re-

quiere que
Tc
= T, (13.9)
1 − Kyr
de donde
Tc = (1 − Kyr )T, (13.10)
y además, que
Kyr
Kp = , (13.11)
K(1 − Kyr )
o
Kyr
Kp K = . (13.12)
1 − Kyr
De (13.10) se tiene, que

Tc
Kyr = 1 − , (13.13)
T
y sustituyéndola en (13.12), se obtiene que la ganancia normalizada del con-

trolador, es
. T
κ p = Kp K = − 1, 0 < Tc < T, (13.14)
Tc
siendo la ganancia de lazo cerrado
Kp K
Kyr = . (13.15)
1 + Kp K
De (13.10) se puede apreciar, que la ganancia especificada del servo control

Kyr , solo puede tener valores menores que uno y para que sea positiva, se re-
quiere que Tc < T .
La constante de tiempo de lazo cerrado deseada, debe ser siempre menor que la
constante de tiempo del modelo del proceso controlado. Además, la ganancia
de lazo cerrado será menor que uno y existirá un error permanente.
Debido a la relación entre Kyr y Tc en (13.13), no es posible especificar los dos
parámetros de la función de transferencia de lazo cerrado deseada (13.7), en
forma independiente.
Si se desea que el sistema responda más rápido (Tc menor), se deberá aumentar
la ganancia Kp del controlador, lo cual contribuirá también a disminuir el error
permanente.
Se definirá ahora la constante de tiempo de lazo cerrado, en función de la
constante de tiempo del proceso, como
.
Tc = τc T, (13.16)
donde
Tc
τc = , (13.17)
T
será ahora, el parámetro adimensional de diseño.
Valores de τc > 1, significarían que la respuesta deseada del sistema de control
de lazo cerrado, es más lenta que la del proceso sin control, mientras que valo-
res de τc < 1, que se desea una respuesta del servo control más rápida, que la
del proceso sin control.
Entonces
1 1 − τc
Kp K = −1 = . (13.18)
τc τc
Para tener valores positivos de Kp se tiene que 0 < τc < 1, por lo que solo se
pueden especificar respuestas de lazo cerrado, más rápidas que la del proceso
sin control.
La función de transferencia de lazo cerrado resultante, es

Kp K 1
Myr (s) = , (13.19)
1 + Kp K τc T s + 1
o
1 − τc
Myr (s) = , 0 < τc < 1. (13.20)
τc T s + 1
2. Respuesta de primer orden con ganancia unitaria

Supóngase ahora, que se desea que la función de transferencia del servo con-
trol, sea de primer orden con ganancia unitaria de la forma
t 1 1
Myr (s) = = , (13.21)
Tc s + 1 τc T s + 1
de manera de asegurar error permanente cero, a un cambio escalón en el valor

deseado.
Utilizando (13.5) se tiene que ahora

Ts+1 1 1
C(s) = = 1+ . (13.22)
Kτc T s Kτc Ts
Entonces, se requiere un controlador proporcional e integral (PI), con los si-

guientes parámetros normalizados
. 1
κ p = Kp K = , (13.23)
τc
T
. i
τi = = 1. (13.24)
T
El cero del controlador, ha sido colocado sobre el polo del modelo del proceso
controlado, cancelándolo.
En general, si dado el modelo P(s) del proceso controlado, se desea que la
función de transferencia de lazo cerrado del servo control, sea
t 1
Myr (s) = , (13.25)
Tc s + 1
de (13.5) se obtiene que el controlador requerido, es

−1 1 −1 1
C(s) = P (s) = P (s) . (13.26)
Tc s τc T s
El número de polos del proceso, determina el número de ceros requeridos del

controlador, por lo que si los controladores se restringen a tener un algoritmo
de control de la familia PID, este procedimiento solo se puede utilizar con
procesos (modelos) de primer y segundo orden.
3. Respuesta de segundo orden subamortiguada

Se desea ahora, que el polinomio característico de lazo cerrado, sea de la forma
general
p(s) = s2 + 2ζc ωnc s + ωnc
2
, (13.27)
de manera de localizar los polos complejos conjugados de lazo cerrado, en una

posición específica (ubicación de polos) (Åström y Hägglund, 1984).
En este caso, se requiere un controlador proporcional e integral, con los si-
guientes parámetros
2ζc ωnc T − 1
Kp = , (13.28)
K
2ζc ωnc T − 1
Ti = 2T
, (13.29)
ωnc
siendo entonces sus parámetros normalizados

.
κ p = Kp K = 2ζc ωnc T − 1, (13.30)
. Ti 2ζc ωnc T − 1
τi = = . (13.31)
T (ωnc T )2
La función de transferencia resultante del servo control, es

h i
2 2ζc ωnc T −1
2
ω (Ti s + 1) ω nc 2 T
ωnc
s + 1
Myr = 2 nc 2
= 2 2
. (13.32)
s + 2ζc ωnc s + ωnc s + 2ζc ωnc s + ωnc
Los polos de lazo cerrado se han colocado donde es deseado.

Por su parte, la influencia del cero del controlador sobre la respuesta del siste-
ma de control, dependerá del valor de Ti , el cual depende de los parámetros de
diseño de lazo cerrado (ζc , ωnc ).
4. Respuesta de segundo orden críticamente amortiguada

En el caso particular, en el que se desee una respuesta de segundo orden rápida
pero sin sobrepaso, con un polinomio de lazo cerrado, dado por
p(s) = Tc2 s2 + 2Tc s + 1, (13.33)
con Tc = τc T , se requerirá un controlador PI con parámetros

. 2 − τc
κ p = Kp K = , (13.34)
τc
. Ti
τi = = (2 − τc )τc , (13.35)
T
0 < τc < 2.
La función de transferencia de lazo cerrado resultante del servo control, es

(2 − τc )Tc s + 1 (2 − τc )τc T s + 1
Myr = = . (13.36)
(Tc s + 1)2 (τc T s + 1)2
El cero del controlador está localizado en sz = −1/[(2−τc )τc T ] y el polo doble

de lazo cerrado en s p = −1/(τc T ).
Si τc > 1 el cero estará a la izquierda de los polos de lazo cerrado, si τc < 1
estará a su derecha y si τc = 1 estará sobre los polos.
Si se desea que la influencia del cero sobre la respuesta de lazo cerrado sea
la menor posible, este deberá estar a la izquierda (τc > 1). Entonces se debe
especificar una respuesta lenta.
Si τc ≈ 1, Ti y Tc son bastante parecidos, por lo que la influencia del cero es
importante, pero cancelada por el efecto de uno de los polos de lazo cerrado,
por lo tanto la respuesta tiende a ser parecida a la de un sistema de primer
orden.
Si τc > 1 el cero se mueve a la izquierda alejándose de los polos de lazo ce-
rrado, por lo que la respuesta se asemejará más, a la respuesta de un sistema
críticamente amortiguado.
Ejemplo 13.1 Deducción matemática del servo control PI

Considérese el proceso controlado de primer orden, cuya función de transferencia es
1,25
P(s) = .
10s + 1
Cuadro 13.1: Ejemplo 13.1 τc Kp Ti [s]

- Parámetros del controla-
dor 2,0 0,4 10,0
1,0 0,8 10,0
0,5 1,6 10,0
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
Figura 13.2: Ejemplo 13.1 - Respuesta del servo control PI
Se desea determinar los parámetros del controlador PI, requeridos para que la
respuesta del servo control sea de primer orden. Los valores del parámetro de diseño
son τc ∈ {2, 1, 0,5}.
Utilizando (13.23) y (13.24), se obtienen los parámetros del controlador lista-
dos en el cuadro 13.1. La respuesta del servo control con estos tres conjuntos de
parámetros, se muestra en la figura 13.2.
Al disminuirse el parámetro de diseño τc , aumenta la ganancia Kp del controla-
dor, el tiempo integral Ti no cambia, la respuesta del sistema de control se hace más
rápida, al mismo tiempo que aumenta el salto proporcional en la señal de salida del
controlador, cuando se hace un cambio escalón en el valor deseado.
Por lo tanto, la velocidad del servo control estará limitada por el valor máximo
permitido para el salto en la salida del controlador, que se produce cuando se cambia
el valor deseado como un escalón.
Procesos controlados de segundo orden

En el caso de un proceso controlado de segundo orden, cuya función de transferencia,
es
K K
P(s) = = , (13.37)
(T1 s + 1)(T2 s + 1) (T s + 1)(aT s + 1)
siendo T1 > T2 , T = T1 y a = T2 /T1 , se tienen los siguientes casos:
1. Respuesta de segundo orden subamortiguada con ganancia no unitaria

Suponiendo que se desee una función de transferencia de lazo cerrado de la
forma
2K
ωnc
t yr
Myr (s) = 2 2
, (13.38)
s + 2ζc ωnv s + ωnc
se puede encontrar que la ganancia normalizada del controlador proporcional

(P) requerido, es
. (1 + a)2 − 4aζc2
κ p = Kp K = , (13.39)
4aζc2
y que
1+a
ωnc = , (13.40)
2aζc T
1+a
ζc < √ . (13.41)
2 a
Además, la constante de amortiguamiento está dada, por
1+a
ζc ωnc = , (13.42)
2aT
o sea, que solo depende de los parámetros del proceso y no se puede cambiar.
Por lo tanto, se puede especificar la razón de amortiguamiento de lazo cerrado
ζc , o la frecuencia de oscilación natural de lazo cerrado ωnc , pero no ambos,
ya que la constante de amortiguamiento está fija.
Esto significa que si se especifica ζc < 1 (respuesta subamortiguada), los polos
de lazo cerrado se mueven sobre el lugar de constante de amortiguamiento
constante.
2. Respuesta de segundo orden subamortiguada con ganancia unitaria

El error permanente a un cambio escalón en el valor deseado, se puede eliminar
utilizando un controlador proporcional e integral (PI).
Si se escoge arbitrariamente Ti = T (cancelando el polo más lento del proceso),
se obtiene que la ganancia del controlador, es
. 1
κc = Kp K = , (13.43)
4aζc2
y que la constante de amortiguamiento, resulta también depender solamente de

los parámetros del proceso, siendo
1
ζc ωnc = . (13.44)
2aT
3. Respuesta de primer orden con ganancia unitaria
Para lograr una función de transferencia de lazo cerrado del servo control, de
la forma
t 1 1
Myr (s) = = , (13.45)
Tc s + 1 τc T s + 1
utilizando (13.26) se tiene que
(T1 s + 1)(T2 s + 1)
C(s) = , (13.46)
KTc s
y se requiere un controlador, con un algoritmo de control PID Serie ideal con
los parámetros
T1
Kp0 = , (13.47)
Tc K
Ti0 = T1 , (13.48)
Td0 = T2 . (13.49)
Entonces, los parámetros normalizados del controlador en función del paráme-

tro de diseño τc , son
. 1
κ p0 = Kp0 K = , (13.50)
τc
. T0
τi0 = i = 1, (13.51)
T
0
0 . Td
τd = = a, (13.52)
T
α 0 = 0,1. (13.53)
Si el controlador a ajustar tiene un algoritmo de control PID Estándar, sus

parámetros deben ser
. 1+a
κ p = Kp K = , (13.54)
τc
. Ti
τi = = 1 + a, (13.55)
T
. Td a
τd = = , (13.56)
T 1+a
α = 0,1(1 + a). (13.57)
Nótese que la cancelación de los dos polos del proceso controlado, con los
ceros del controlador PID, solo es “perfecta” en el caso de los algoritmo de
control PID ideales, con α 0 = α = 0.
4. Respuesta de segundo orden sobreamortiguada con ganancia unitaria

Para incluir la constante del filtro derivativo del algoritmo de control PID Es-
tándar, entre los parámetros del controlador a determinar, se debe emplear una
función de transferencia deseada para el servo control, que sea de segundo
orden. Esta se puede seleccionando como
t 1
Myr (s) = , (13.58)
(τc T s + 1)(0,1τc T s + 1)
para mantener la respuesta deseada del servo control, similar a la de un sistema

de primer orden.
En este caso, los parámetros normalizados del controlador, son
. τi
κ p = Kp K = , (13.59)
1,1τc
. Ti τc
τi = = 1 + a − , (13.60)
T 11
. Td a τc
τd = = − , (13.61)
T τi 11
τc
α= . (13.62)
11τd
Nótese que ahora el parámetro de diseño τc , afecta a todos los parámetros del
algoritmo de control y debe seleccionarse de manera que estos sean positivos.
Cuadro 13.2: Ejemplo 13.2 τc Kp Ti [s] Td [s]

dor 2,0 0,6 15,0 3,33
1,0 1,2 15,0 3,33
0,5 2,4 15,0 3,33
Ejemplo 13.2 Deducción matemática del servo control PID

Considérese el proceso controlado de segundo orden, cuya función de transferencia
es
1, 25
P(s) = .
(10s + 1)(5s + 1)
Se desea determinar los parámetros del controlador PID Estándar, requeridos
para que la respuesta del servo control sea de primer orden. Los valores del pará-
metro de diseño son τc ∈ {2, 1, 0,5}.
Utilizando (13.54) a (13.56), se obtienen los parámetros del controlador listados
en el cuadro 13.2. La respuesta del servo control con estos tres conjuntos de pará-
metros se muestra en la figura 13.3. En este caso, se ha utilizado γ = 1 (derivada
sobre el error). Como se aprecia, la respuesta del servo control es de primer orden
(cancelación de los polos del proceso). Además, se nota que se produce un cambio
brusco en la salida del controlador, al cambiar el valor deseado (salto derivativo)
que excede el límite físico de esta variable.
Para evitar este salto derivativo, se debe utilizar γ = 0 (derivada solo sobre la
señal realimentada). La respuesta en este otro caso, se muestra en la figura 13.4.
Como se aprecia, ahora ya no se efectúa la cancelación de los polos del proceso
controlado con los ceros del controlador y la variable controlada muestra un sobre-
paso, que aumenta al especificarse una respuesta cada vez más rápida. Sin embargo,
el cambio instantáneo en la salida del controlador es menor (solo el salto proporcio-
nal), aunque estableciendo siempre un límite al valor máximo que se puede utilizar
en la ganancia del controlador y por lo tanto, un límite a la velocidad de respuesta
del servo control.

Para el mismo proceso controlado del ejemplo anterior, los parámetros del contro-
lador PID Estándar, calculados ahora con (13.59) a (13.62), se listan en el cuadro
13.3. Como se aprecia, a medida que el parámetro de diseño disminuye, los pará-
metros del controlador tienden a los valores determinados para el controlador PID
supuesto ideal.
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
u1 (t)
90 u2 (t)
Variables [%]
u3 (t)
80
70
60
50
0 50 100 150 200 Tiempo, t [s] 250
Figura 13.3: Ejemplo 13.2 - Respuesta del servo control PID (γ = 1)
Cuadro 13.3: Ejemplo 13.3 τc Kp Ti [s] Td [s] α

dor 2,0 0,48 13,18 1,97 0,92
1,0 1,02 14,09 2,64 0,34
0,5 2,12 14,55 2,98 0,15
0,4 2,66 14,64 3,05 0,12
Las respuestas del sistema de control para los casos τc ∈ {2, 1, 0,5} con γ = 0,
se muestran en la figura 13.5. Estas son ahora ligeramente más lentas que en el caso
anterior (ejemplo 13.2), pero con un salto inicial a la salida del controlador menor.
13.2.2 Procesos con tiempo muerto

Como se ha visto antes, para poder representar un proceso de orden alto con un
modelo de orden reducido, este debe incluir un tiempo muerto. Se supondrá entonces,
que el modelo utilizado es de la forma
Ke−Ls
P(s) = , (13.63)
Ts+1
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
u1 (t)
75
u2 (t)
Variables [%]
u3 (t)
70
65
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
Figura 13.4: Ejemplo 13.2 - Respuesta del servo control PID (γ = 0)
o
Ke−Ls
P(s) = . (13.64)
(T1 s + 1)(T2 s + 1)
Si el modelo tiene un tiempo muerto, este aparecerá en la función de transferencia
de lazo cerrado -no se puede eliminar-, de manera que las funciones de transferen-
cia deseadas para el servo control, deben contener el mismo tiempo muerto en el
numerador.
La inclusión del tiempo muerto, en el modelo del proceso controlado, originará
que este aparezca en el denominador de la función de transferencia de lazo cerrado
(polinomio característico), requiriéndose utilizar alguna aproximación racional del
mismo, para poder encontrar sus raíces.

Si se desea que la función de transferencia de lazo cerrado para el servo control, sea
de primer orden con ganancia unitaria, dada por
t e−Ls e−Ls
Myr (s) = = , (13.65)
Tc s + 1 τc T s + 1
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
75 u1 (t)
u2 (t)
Variables [%]
70 u3 (t)
65
60
55
50
0 50 100 150 200 Tiempo, t [s] 250
Figura 13.5: Ejemplo 13.3 - Respuesta del servo control PID
sustituyendo (13.63) y (13.65) en (13.5), se obtiene que el controlador requerido,

sería
Ts+1 1
C(s) = . (13.66)
K τc T s + 1 − e−Ls
El tiempo muerto del numerador de la función de transferencia de lazo cerrado, es
cancelado por el tiempo muerto del modelo del proceso y no aparece en la ecuación
del controlador. Sin embargo, aparece el término 1 − e−Ls en el denominador, el cual
corresponde al compensador de tiempo muerto recomendado en otras técnicas de
control −el predictor de Smith1 −.
El tiempo muerto, se aproximará por una serie de Mclaurin de primer orden
e−Ls ≈ 1 − Ls, (13.67)
y la función de transferencia (13.66) del controlador, se reduce a

Ts+1 T 1
C(s) = = 1+ , (13.68)
K(τc T + L)s K(τc T + L) Ts
1 Smith, O. J. M. - “A Controler to Overcome Dead Time”, ISA Journal, Vol. 6, 2, 1959
Cuadro 13.4: Límite al Sobre paso máximo Mpn % Velocidad relativa τc >
parámetro de diseño τc
1 1,30 τL
5 0,92 τL
el cual es un controlador PI, con parámetros
T
Kp = , (13.69)
K(τc T + L)
Ti = T. (13.70)
Los parámetros normalizados del controlador, son entonces

. 1
κ p = Kp K = , (13.71)
τc + τL
. Ti
τi = = 1, (13.72)
T
donde τL = L/T es el tiempo muerto normalizado del modelo.
Debe recordarse que en la deducción matemática del controlador, se empleó una
aproximación para el tiempo muerto, por lo que su compensación no será perfecta y
podrá presentarse un sobrepaso, especialmente para el caso de desearse una respuesta
muy rápida (τc bajo).
Se puede establecer un límite inferior al valor del parámetro de diseño τc , si-
guiendo las recomendaciones de Martin et al. (1975), de manera de no exceder un
sobrepaso máximo determinado, los cuales se listan en el cuadro 13.4.
Si se desea que la función de transferencia de lazo cerrado sea (13.65), de (13.5)
se puede obtener que en general, para procesos con tiempo muerto, el controlador
requerido es
e−Ls
C(s) = P−1 (s) . (13.73)
(τc T + L)s
Comparando (13.73) con (13.26), se nota que el tiempo muerto del modelo del
proceso controlado, obligará a reducir la ganancia proporcional del controlador.
Ejemplo 13.4 Deducción matemática del servo control PI

Considérese el proceso controlado de primer orden más tiempo muerto, cuya función
de transferencia, es
1, 25e−4s
P(s) = , τL = 0, 4.
10s + 1
Cuadro 13.5: Ejemplo 13.4 τc Kp Ti [s] r

Sm
dor 1,50 0,42 10,0 0,83
0,75 0,70 10,0 0,73
0,25 1,23 10,0 0,56
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 200

45 Tiempo, t [s]
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
0 50 100 150 200

45 Tiempo, t [s]
Figura 13.6: Ejemplo 13.4 - Respuesta del servo control
Se desea determinar los parámetros del controlador PI, requeridos para que la res-
puesta del servo control sea de primer orden. Los valores del parámetro de diseño
son τc = {1, 5, 0, 75, 0, 25}.
Utilizando (13.71) y (13.72), se obtienen los parámetros del controlador listados
en el cuadro 13.5. La respuesta del servo control con estos tres conjuntos de pará-
metros, se muestra en la figura 13.6. Debido a la aproximación del tiempo muerto
utilizada, al especificar respuestas rápidas, esta empieza a mostrar un sobrepaso.
Además, se determinó la robustez del lazo de control resultante Sm r , incluida en
el cuadro 13.5. La gráfica polar de los tres sistemas se muestra en la figura 13.7.
Como se aprecia, a medida que se especifican respuestas más rápidas (τc menor),
r disminuye).
el sistema de control pierde robustez (el margen de estabilidad Sm

Robustez del servo control ℑ L(jω)
1.0
Sm = 0.8
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
Procesos controlados de segundo orden orden

Considérese ahora, que la función de transferencia del proceso controlado es (13.64),
la cual se puede reescribir como
Ke−Ls T2 L
P(s) = , T = T1 , a = (T2 ≤ T1 ), τL = , (13.74)
(T s + 1)(aT s + 1) T1 T
y se consideran los siguientes dos casos:
1. Respuesta de lazo cerrado de primer orden

Se desea entonces que la función de transferencia de lazo cerrado deseada del
servo control, sea
t e−Ls e−Ls
Myr (s) = = . (13.75)
Tc s + 1 τc T s + 1
Utilizando (13.73), se obtiene que el controlador requerido es
(T s + 1)(aT s + 1) 1
C(s) = , (13.76)
K (τc T + L)s
o
T 1
C(s) = 1+ (aT s + 1), (13.77)
(τc T + L)K Ts
lo cual corresponde a un controlador con un algoritmo de control PID Serie

ideal, con parámetros
T
Kp0 = , (13.78)
(τc T + L)K
Ti0 = T, (13.79)
Td0 = aT. (13.80)
Entonces, los parámetros normalizados del controlador, en función del pará-

metro de diseño τc , son
. 1
κ p0 = Kp0 K = , (13.81)
τc + τo
. T0
τi0 = i = 1, (13.82)
T
0
0 . Td
τd = = a. (13.83)
T
Si el controlador a ajustar, es un controlador con un algoritmo de control PID

Estándar (ideal), sus parámetros deben ser
. 1+a
κ p = Kp K = , (13.84)
τc + τL
. Ti
τi = = 1 + a, (13.85)
T
. Td a
τd = = . (13.86)
T 1+a
Si se considera en el modelo (13.74), que 0 ≤ a ≤ 1 y τL ≥ 0 entonces, este

representa a los modelos de primer orden y segundo orden con o sin tiempo
muerto, por lo que (13.81) a (13.83) y (13.84) a (13.86), son las ecuaciones
para el ajuste de un servo control PI o un PID (Estándar o Serie). El parámetro
de diseño τc determina la velocidad de su respuesta del sistema de control.
No debe dejarse de tener en cuenta, que la obtención de las ecuaciones anterio-
res mediante la deducción matemática de los controladores PID, se ha hecho
considerándolos como ideales, esto es, sin el filtro derivativo (α 0 = α = 0).
2. Respuesta de lazo cerrado de segundo orden sobreamortiguada

Para incluir la constante del filtro derivativo del algoritmo de control PID Es-
tándar, entre los parámetros del controlador a determinar, se debe emplear una
función de transferencia deseada para el servo control, que sea de segundo

orden. Esta se puede seleccionando como
t e−Ls
Myr (s) = , (13.87)
(τc T s + 1)(0,1τc T s + 1)
para mantener la respuesta deseada del servo control, similar a la de un sistema

de primer orden, en forma similar a como se hizo en la sección 13.2.1 para los
procesos sin tiempo muerto.
En este caso, los parámetros normalizados del controlador, son
. τi
κ p = Kp K = , (13.88)
1,1τc + τL
. Ti τc2
τi = = 1 + a − , (13.89)
T 11τc + 10τL
. Td a τc2
τd = = − , (13.90)
T τi 11τc + 10τL
τc2
α= . (13.91)
(11τc + 10τL )τd
Si τL → 0, entonces (13.88) a (13.91) → (13.59) a (13.62).

Nótese que nuevamente el parámetro de diseño τc , afecta a todos los paráme-
tros del algoritmo de control y debe seleccionarse de manera que estos sean
positivos.

Considérese el proceso controlado, cuyo modelo es la función de transferencia de
segundo orden más tiempo muerto
1,25e−4s
P(s) = ,
(10s + 1)(5s + 1)
K = 1,25, T = 10 s, L = 4 s, a = 0,5, τL = 0,4.
Se desea determinar los parámetros de un controlador con un algoritmo de con-
trol PID Estándar, requeridos para que la respuesta del servo control sea de primer
orden. Los valores del parámetro de diseño son τc = {1, 25, 0, 80, 0, 35}.
Utilizando (13.84) a (13.86), se obtienen los parámetros del controlador lista-
dos en el cuadro 13.6. La respuesta del servo control, con estos tres conjuntos de
parámetros se muestra en la figura 13.8.
y1 (t)
70 y2 (t)
Variables [%]
y3 (t)
65
60
55
50
0 50 100 150 200

45 Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
u3 (t)
65
60
55
50
0 50 100 150 200

45 Tiempo, t [s]
Figura 13.8: Ejemplo 13.5 - Respuesta del servo control

Robustez del servo control ℑ L(jω)
1.0
Sm = 0.8
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
Cuadro 13.6: Ejemplo 13.5 τc Kp Ti [s] Td [s] r

Sm
dor 1,25 0,73 15,0 3,33 0,79
0,80 1,0 15,0 3,33 0,72
0,35 1,6 15,0 3,33 0,57
Además, se determinó la robustez del lazo de control resultante Sm r , incluida en
el cuadro 13.6. La gráfica polar de los tres sistemas se muestra en la figura 13.9.
Aunque para el cálculo de los parámetros del algoritmo de control, se utiliza-
ron ecuaciones que lo suponen ideal, para la simulación del lazo de control se ha
empleado un controlador, con un modo derivativo con filtro (α = 0,1).
Si se disminuye el valor del parámetro de diseño τc , la respuesta del sistema de
control se hace más rápida, pero aumenta el salto proporcional en la señal de control
y además, el sistema de control pierde robustez. Por lo tanto, existe un límite al valor
menor del parámetro de diseño. Estos es, al aumento de la velocidad de respuesta
del sistema de control, impuesto por la magnitud del salto proporcional y la robustez
mínima admisible.
13.3 Deducción matemática del control regulador

En vez de presentar un procedimiento de deducción matemática de los controladores,
solo para un cambio en la perturbación de carga, que podría llamarse ajuste analítico
o síntesis matemática del control regulador, sin tener en consideración la respuesta
del sistema de control a un cambio en el valor deseado, o para controladores de
solo un grado de libertad, es más conveniente tener un procedimiento de ajuste que
contemple tanto la respuesta a un cambio en la perturbación de carga, como a uno en
el valor deseado, empleando controladores de dos grados de libertad.
En este caso, la parte correspondiente a la deducción matemática del control
regulador, se podrá utilizar para ajustas el algoritmo de control de los controladores
de un grado de libertad, para los cambios en la perturbación.
13.4 Deducción matemática de los controladores de dos

grados de libertad
Considérese que se tiene el modelo del proceso controlado, dado por la función de
transferencia P(s) y un controlador con un algoritmo de control PID Estándar de dos
13.4. Deducción matemática de los PID de dos grados de libertad 635
Figura 13.10: Sistema de control con un controlador de dos grados de libertad
grados de libertad, cuya salida está dada por la expresión

1
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] + Td s [γr(s) − y(s)] . (13.92)
Ti s
Esta se puede escribir en forma compacta, como
u(s) = Cr (θcr , s)r(s) −Cy (θcy , s)y(s), (13.93)
donde
1
Cr (θcr , s) = Kp β + + γTd s , (13.94)
Ti s
es la función de transferencia del controlador de valor deseado con parámetros θcr ,
y
1
Cy (θcy , s) = Kp 1 + + Td s , (13.95)
Ti s
es la del controlador de realimentación con parámetros θcy , tal como se muestra en
la figura 13.10.
Entonces, el comportamiento de la variable controlado por el sistema de control,
ante una variación en sus estímulos, está dada por
Cr (θcr , s)P(θ p , s) P(θ p , s)

y(s) = r(s) + d(s), (13.96)
1 +Cy (θcy , s)P(θ p , s) 1 +Cy (θcy , s)P(s)
o, en forma compacta, por
y(s) = Myr (θc , θ p , s)r(s) + Myd (θcy , θ p , s)d(s), (13.97)
donde
. Cr (θcr , s)P(θ p , s)
Myr (θc , θ p , s) = , (13.98)
1 +Cy (θcy , s)P(θ p , s)
es la función de transferencia de lazo cerrado del servo control y
. P(θ p , s)
Myd (θcy , θ p , s) = , (13.99)
la función de transferencia de lazo cerrado del control regulador, las cuales están
relacionadas por
Myr (θc , θ p , s) = Cr (θcr , s)Myd (θcy , θ p , s), θc = θcr ∪ θcy . (13.100)
El polinomio característico del sistema de control de lazo cerrado, es
p(θcy , θ p , s) = 1 +Cy (θcy , s)P(θ p , s). (13.101)
El comportamiento del sistema de control ante un cambio en la perturbación,

depende de θ p (los parámetros del modelo del proceso controlado) y θcy (los pará-
metros de la parte del algoritmo de control, que se aplica a la señal realimentada); el
comportamiento ante un cambio en el valor deseado, depende de θ p y θc (de todos los
parámetros del algoritmo de control). Por su parte, la robustez del sistema de control
depende de θ p y θcy (no depende de los parámetros del algoritmo de control que solo
afectan al valor deseado).
Por simplicidad, en adelante se omitirá el uso de la indicación de los conjuntos de
parámetros que afectan a cada una de las respuestas o a las funciones de transferencia.
En las ecuaciones anteriores, β es el factor de peso del valor deseado (en algunos
de los controladores comerciales de dos grados de libertad 0 ≤ β ≤ 1 ) y γ el selector
de la acción derivativa (γ = {0, 1}). Como es deseable evitar un salto brusco en la
salida del controlador, cuando se cambia el valor deseado, se hará siempre γ = 0, esto
es, el modo derivativo se aplicará solo a la señal realimentada.
Si β = 1 los parámetros de Cr (s) son idénticos a los de Cy (s), de manera que
no es posible especificar el comportamiento dinámico del sistema de control ante
los cambios en el valor deseado, en forma independiente del comportamiento que
presenta ante un cambio en las perturbaciones de carga. En este caso se tendría un
controlador de solo un grado de libertad.
Si por el contrario β 6= 1, el controlador tendrá dos grados de libertad. En este
caso, dada el modelo P(s) del proceso controlado, se puede seleccionar el controlador
de realimentación Cy (s) para lograr el desempeño deseado del control regulador y
luego, emplear el factor de peso del valor deseado en el controlador de valor deseado
Cr (s), para modificar el comportamiento del servo control.
Además, del polinomio característico (13.101) se ve que la localización de los
polos de lazo cerrado, y por ende también la estabilidad del lazo de control, depende
de los parámetros de Cy (s) y por lo tanto, no se ve afectada por el valor de β ni por
el de γ.
13.4.1 Características de comportamiento y robustez

Respuesta a un cambio de carga
Son características deseables de la respuesta del sistema de control a un cambio es-
calón en la perturbación, que esta tenga el menor error máximo posible, sea no osci-
latoria, con un tiempo de recuperación corto y sin error permanente. Además, desde
el punto de vista del problema de ajuste del algoritmo de control del controlador, es
conveniente tener el menor número posible de parámetros de diseño variables.
Se considerará entonces, que la respuesta deseable del control regulador corres-
ponde a la de una función de transferencia, de la forma
t1 Ko s
Myd (s) = , (13.102)
(Tc s + 1)2
para los procesos sin tiempo muerto, y para los procesos con tiempo muerto, a
t2 Ko se−Ls
Myd (s) = , (13.103)
(Tc s + 1)2
en donde, Tc es la constante de tiempo de lazo cerrado, que se empleará como único
parámetro de diseño.

En este caso, se considerará como respuesta deseable ante un cambio escalón en el
valor deseado (servo control), una que sea rápida pero que no presente sobrepaso
y con error permanente cero. Esto es, como la respuesta de un sistema de primer
orden o la de uno de segundo orden críticamente amortiguado, cuyas funciones de
transferencia son
t1 1
Myr (s) = , (13.104)
Tc s + 1
t2 1
Myr (s) = , (13.105)
(Tc s + 1)2
para los procesos sin tiempo muerto, y
t3 e−Ls
Myr (s) = , (13.106)
Tc s + 1
t4 e−Ls
Myr (s) = , (13.107)
(Tc s + 1)2
para los procesos con tiempo muerto.
Medición de la robustez
Una de las características más importantes de los lazos de control, en adición a com-
portamiento, es su robustez. Esto es, su capacidad de mantener el sistema estable
ante cambios en los parámetros del sistema controlado. Normalmente existe un con-
flicto entre el comportamiento óptimo del lazo de control y su robustez, que debe ser
resulto por el diseñador.
Se ha visto, que la estabilidad relativa o robustez del lazo de control, se puede
medir con diferentes índices como los margenes de ganancia y fase (Am , φm ) o los
índices de robustez en la ganancia y el tiempo muerto (IRKp , IRL ). Además, se puede
utilizar la sensibilidad máxima MS o el margen de estabilidad Sm , como medida de
robustez. Estos dos últimos indicadores tienen la ventaja, que aseguran cotas inferio-
res para el margen de ganancia y el de fase.
13.4.2 Procedimiento de ajuste analítico robusto ART2

El procedimiento analítico para el ajuste robusto de los parámetros de los algoritmos
de control PID de dos grados de libertad, o simplemente ajuste analítico robusto
de dos grados de libertad, se ha denominado ART2 (“analytical robust tuning 2”)
(Alfaro, 2006).
Este deberá producir sistemas de control que respondan rápido y sin oscilación, a
un cambio escalón en la perturbación de carga, con una sensibilidad máxima menor
a un valor establecido y que muestren una respuesta también rápida y no oscilatoria a
los cambios escalón en el valor deseado, sin requerir variaciones bruscas o excesivas
en el esfuerzo de control.
El primer paso en la deducción matemática de los controladores de dos grados de
libertad, consiste en la determinación de la función de transferencia del controlador
de realimentación Cy (s), requerido para lograr una función de trasferencia de lazo
cerrado deseada del control regulador Mydt (s), a partir del modelo P(s) utilizado para
representar al proceso controlado.

Partiendo de (13.99) se puede obtener que, en general, el controlador de reali-
mentación necesario, está dado por la expresión
t (s)
P(s) − Myd 1 1
Cy (s) = t (s) = t (s) − . (13.108)
P(s)Myd Myd P(s)
Esta ecuación, permitirá deducir los reguladores requeridos para los diferentes
procesos controlados.
Seleccionado el controlador de realimentación Cy (s), queda establecida la fun-
ción de transferencia de lazo cerrado del regulador Myd (s).
Como segundo paso, se puede emplear entonces el parámetro libre del contro-
lador de valor deseado Cr (s), para modificar el comportamiento del servo control
Myr (s).
A partir de (13.98) y (13.99) se obtiene que estas están relacionadas por
Myr (s) = Cr (s)Myd (s). (13.109)
13.4.3 Aplicación del ART2 a procesos sin tiempo muerto

Se empleará ahora, el procedimiento de ajuste analítico robusto, para el control de
procesos de primer y segundo orden.

• Parámetros del controlador de realimentación
Si se sustituye en (13.99) la función de transferencia de un proceso controlado de

primer orden y la de un controlador PI, se obtiene que
Ti /Kp s
Myd (s) = . (13.110)
Ti T 2 K p K+1
K p K s + Ti Kp K s+1
Expresando la función de transferencia deseada del control regulador (13.102), como
t Ks
Myd (s) = , (13.111)
Tc2 s2 + 2Tc s + 1
e igualando término a término (13.110) y (13.111), se obtiene que los parámetros del
controlador PI requerido, son
2T − Tc
Kp = , (13.112)
KTc
Tc (2T − Tc )
Ti = . (13.113)
T
Se puede apreciar en (13.112) y (13.113), que la constante de tiempo del sistema de
lazo cerrado especificada Tc , debe cumplir con la restricción
Tc < 2T, (13.114)
para que los parámetros del controlador sean valores positivos.

Se definirá la constante de tiempo de lazo cerrado en función de la constante de
tiempo del proceso, como
.
Tc = τc T, (13.115)
1.0
20
τi
κc
0.8
15
0.6
10
0.4
0.2
0 0.0
0.0 0.5 1.0 1.5 2.0 0.0 0.5 1.0 1.5 2.0
τc τc
Figura 13.11: Parámetros normalizados del controlador PI
donde τc = Tc /T será ahora el parámetro adimensional de diseño, el cual representa

la velocidad relativa del lazo de control respecto a la del modelo del proceso contro-
lado.
Los parámetros del controlador se pueden expresar en función de τc , como
2 − τc
Kp = , (13.116)
Kτc
Ti = τc T (2 − τc ), (13.117)
. 2 − τc
κ p = Kp K = , (13.118)
τc
. Ti
τi = = τc (2 − τc ), (13.119)
T
siendo κ p y τi los parámetros normalizados del controlador para parámetros de dise-

ño 0 < τc < 2. La variación de los parámetros del controlador se muestra en la figura
13.11.
La función de transferencia de lazo cerrado resultante para el regulador, será
Kp τc2 T s
Myd (s) = . (13.120)
(τc T s + 1)2
• Factor de peso del valor deseado
Como el compensador de valor deseado Cr (s) será siempre un controlador PI, inde-
pendientemente de si el compensador de realimentación es un PI o un PID, (13.109)
se puede escribir como
Kp (β Ti s + 1)
Myr (s) = Myd (s). (13.121)
Ti s
Sustituyendo en (13.121) la función obtenida del regulador (13.120) y los pará-
metros del controlador (13.112) y (13.113), se obtiene que la función de transferencia
de lazo cerrado del servo control, es
Kp (β Ti s + 1) Kτc2 T s
Myr (s) = . (13.122)
Ti s (τc T s + 1)2
El servo control tiene los dos polos seleccionados para el control regulador y un
cero, cuya posición se puede seleccionar dentro del rango de variación que ofrece el
factor de peso del valor deseado β . Debe tenerse en consideración, que en algunos
controladores de dos grados de libertad comerciales 0 ≤ β ≤ 1.
Una selección adecuada del factor de peso del valor deseado, es
τc T 1
β= = , 0 < τc < 2. (13.123)
Ti 2 − τc
Seleccionado β como en (13.123), se logra que el cero del controlador cancele
uno de los polos de lazo cerrado, resultando la función de transferencia del servo
control, ser
1
Myr (s) = . (13.124)
τc T s + 1
Sin embargo, si β está restringido a ser menor que uno, entonces
1
β= , 0 < τc ≤ 1, (13.125)
2 − τc
β = 1, 1 < τc < 2. (13.126)
En este caso, cuando τc → 0, β → 0,5 y si τc > 1, β = 1. Esto significa que en este

caso, el factor de peso del valor deseado solo podría modificar la respuesta del servo
control, para los valores del parámetro de diseño en el ámbito 0 < τc ≤ 1.
Este factor de peso, también tiene influencia sobre el cambio en la señal de salida
del controlador, que se produce en el instante en que se efectúa un cambio de valor
deseado. Si bien no existirá un salto impulsional cuando se cambie el valor deseado
en forma de escalón, debido a que la acción derivativa en el caso de los controladores
PID, se ha seleccionado que se aplique solo a la señal realimentada, sí existirá un
cambio escalón producto de la acción proporcional. Este cambio está dado por la
expresión
∆ur = Kp β ∆er = Kp β ∆r. (13.127)
Si no hay restricciones, sobre el valor que puede tomar el factor de peso del valor
deseado β , entonces

2 − τc 1 1
∆ur = ∆r = ∆r. (13.128)
Kτc 2 − τc Kτc
Por lo tanto, cuando se desean respuestas muy rápidas del regulador, se requieren
valores bajos del parámetros de diseño τc , con el consecuente incremento en el salto
instantáneo en su salida al momento del cambio del valor deseado.
Si se considera que los cambios de valor deseado efectuados por el operador,
suelen limitarse a valores porcentuales relativamente pequeños del valor deseado,
precisamente para evitar cambios bruscos en la salida del controlador, es conveniente
limitar en la medida de lo posible, la magnitud de este cambio escalón en la salida
del controlador.
Se incluirá por lo tanto, como parte del criterio de selección del factor de peso
del valor deseado, que el cambio porcentual escalón en la salida del controlador, no
sobrepase el valor del cambio porcentual en el valor deseado. En este caso el factor
de peso del valor deseado se puede seleccionar, como
1
β≤ . (13.129)
Kp
Incorporando esta restricción a la selección anterior de β , este se debe seleccionar

como
1 τc T
β = mı́n , . (13.130)
Kp Ti
• Comportamiento del sistema de control
La variable controlada, en función de las dos entradas al sistema de control, está dada
entonces por la ecuación
β τc T (2 − τc )s + 1 Kτc2 T s
y(s) = r(s) + d(s), 0 < τc < 2. (13.131)
(τc T s + 1)2 (τc T s + 1)2
En los casos en que el factor de peso del valor deseado se seleccione como en
(13.125), la salida del sistema de control se reduce a
1 Kτc2 T s
y(s) = r(s) + d(s). (13.132)
τc T s + 1 (τc T s + 1)2
La respuesta obtenida tiene las características establecidas como deseadas en la

sección 13.4.1, en donde la velocidad de la respuesta a un cambio en el valor deseado,
estará determinada por el valor de τc , seleccionado con base en las consideraciones
hechas a la hora de deducir el control regulador.
Es importante notar que el parámetro de diseño τc , es una indicación de la ve-
locidad relativa de la respuesta del sistema de control, respecto a la del proceso
controlado y por lo tanto, independiente de la escala de tiempo del modelo. El diseño
no requiere que se especifique que la constante de tiempo de lazo cerrado debe ser,
por ejemplo, de tantos segundos, minutos u otra unidad de tiempo, esta se establecerá
más bien indicando cuanto más rápido (o más lento), se desea que sea el sistema de
control respecto a la velocidad del proceso controlado.
A medida que τc disminuye, en el caso de los cambios de carga, el sistema de
control regresa más rápidamente la variable controlada a su valor deseado y con un
menor error máximo, y también será más rápido en llevar la variable controlada a
su nuevo valor deseado si este es modificado. Sin embargo, para lograrlo, el con-
trolador requiere realizar una variación más rápida en su salida. En este aspecto, el
menor valor posible de τc , estará limitado por la capacidad que tenga el elemento fi-
nal de control, de seguir la señal recibida del controlador y por la magnitud del salto
proporcional en su señal de salida.
La robustez del lazo de control será muy alta. Se puede encontrar que en este
caso, se tiene que el margen de estabilidad es máximo, Sm = 1 (MS = 1), para valores
de τc < 1,42 y que disminuye solo hasta Sm = 0,87 (MS = 1,15) para τc = 1,99, valor
que incluso es superior al valor de 0,83 usualmente especificado para la robustez
máxima.
Como lo que normalmente se desea es una respuesta rápida y con un error má-
ximo pequeño (correspondiente a valores de τc bajos), es evidente que en este caso
la robustez no es un problema, la única limitación a la velocidad de respuesta del
regulador, será la capacidad del sistema de dar seguimiento a las salidas rápidas del
controlador.
Procesos controlados de segundo orden

El proceso controlado de segundo orden se controlará con un controlador PID2 . Dado
que en este caso, el polinomio del numerador del controlador resulta ser de tercer
orden, se debe modificar la función de transferencia de lazo cerrado deseada del

control regulador (13.102), a
t Ko s
Myd (s) = , (13.133)
(Tc s + 1)2 (Tcx s + 1)
donde Tcx es la constante de tiempo de un tercer polo de la función de transferencia de

lazo cerrado. Esta constante de tiempo, se escoge como Tcx = 0,10Tc para minimizar
su efecto sobre el comportamiento dinámico del sistema de control.
Los parámetros normalizados del controlador PID2 se pueden obtener con las
ecuaciones
. 21a − τc2
κc = Kp K = , (13.134)
τc2
. Ti τc (21a − τc2 )
τi = = , (13.135)
T 10a
. Td τc [12a − (1 + a)τc ]
τd = = , (13.136)
T 21a − τc2

1 τc T
β = mı́n , , (13.137)
Kp Ti
√ 12a

0 < τc < mı́n 4,58 a, , (13.138)
1+a
donde τc = Tc /T es el parámetro de diseño, T = T1 la constante de tiempo domi-

nante del modelo y a = T2 /T1 la relación entre las constantes de tiempo de este.
La variación de los parámetros del controlador se muestra en la figura 13.12, para
a ∈ {0, 20, 0, 30, 0,40, 0,60, 0,80}.
La respuesta del sistema de control, en función de sus dos entradas, está dada por
la ecuación
β Ti s + 1 Kτc3 T s
y(s) = r(s) + d(s).
(τc T s + 1)2 (0, 1τc T s + 1) 10a(τc T s + 1)2 (0, 1τc T s + 1)
(13.139)
Si β = τc T /Ti , esta ecuación se reduce a
1 Kτc3 T s
y(s) = r(s) + d(s). (13.140)
(τc T s + 1)(0, 1τc T s + 1) 10a(τc T s + 1)2 (0, 1τc T s + 1)
El valor alto del parámetro de diseño τc , está limitado para garantizar que los pa-
rámetros del controlador sean positivos, y su valor bajo, por la capacidad del sistema
de poder dar seguimiento a las salidas rápidas del controlador.
0.9
70
τi
τd
κc
3.0
0.8
60
2.5
0.7
50
40 0.6
2.0
30 0.5
1.5
20 0.4
1.0
10 0.3
0 0.5 0.2
0.5 1.0 1.5 2.0 0.5 1.0 1.5 2.0 0.5 1.0 1.5 2.0
τc τc τc
Figura 13.12: Parámetros normalizados del controlador PID
De las ecuaciones de ajuste del controlador, se obtiene que el cociente Ti /Td está
Ti (21a − τc2 )2
= . (13.141)
Td 10a[12a − (1 + a)τc ]
Para garantizar la existencia de un controlador con un algoritmo de control PID
Serie ideal, dado por la función de transferencia

0 0 1
Td0 s + 1 ,

Cy (s) = Kp 1 + 0 (13.142)
Ti s
equivalente al algoritmo PID Estándar, se debe cumplir que Ti /Td ≥ 4 (caso ideal con
α = 0), lo que en este caso implicaría que
(21a − τc2 )2 − 40a[12a − (1 + a)τc ] ≥ 0. (13.143)
De (13.143) se puede determinar que el controlador PID Serie equivalente, so-

lo existe para valores de τc ≤ 1 cuando a tiene valores superiores a 0,5 y que esta
restricción se hace mayor cuando a disminuye (las constantes de tiempo son muy
distintas, esto es, cuando el sistema de segundo orden tiende a ser uno de primero).
Para lograr que la constante de tiempo de lazo cerrado Tc sea menor que la del proce-
so, se requiere que los ceros del controlador sean complejos conjugados, lo cual solo
se puede lograr con el controlador PID Estándar. Los dos ceros del controlador PID
Serie son siempre reales.
Si se estudia la robustez del sistema de control para valores de 0,2 ≤ a ≤ 1,0 y
0,50 ≤ τc ≤ 2,0, se encuentra que se pierde robustez cuando a crece y τc decrece, y
que en todos los casos MS < 1,36 (a = 1,0 y τc = 0,5), por lo que su robustez es alta.
La robustez del lazo de control se puede estimar, como
MS ≈ 1,3 + 0,12a − 0,16τc + 0,04aτc . (13.144)
Procesos controlados de polo doble

En el caso particular de los procesos controlados de polo doble, las ecuaciones de
ajuste de los parámetros del controlador, se obtienen directamente de las requeridas
para un proceso de segundo orden haciendo a = 1. Estas son
. 21 − τc2
κc = Kp K = , (13.145)
τc2
. Ti
τi = = 0, 10τc (21 − τc2 ), (13.146)
T
. Td τc [12 − 2τc ]
τd = = , (13.147)
T 21 − τc2

1 τc T
β = mı́n , , (13.148)
Kp Ti
0 < τc < 4,58, (13.149)
y su robustez estimada, sería
MS ≈ 1,42 − 0,12τc . (13.150)
13.4.4 Aplicación del ART2 a procesos con tiempo muerto

En forma similar a lo hecho en la sección anterior, se hará ahora un ajuste analítico
robusto de los controladores, para controlar procesos cuyos modelos incluyen un
tiempo muerto.
Procesos controlados de primer orden más tiempo muerto

Para poder deducir las expresiones para el cálculo de los parámetros del controla-
dor, para procesos controlados con tiempo muerto, es necesario aproximar el tiempo
Cuadro 13.7: Constantes Robustez MS a b

para el cálculo de τcmin
(13.155) 1,2 0,4836 1,8982
1,4 0,4152 0,9198
1,6 0,3441 0,6659
1,8 0,3254 0,4853
2,0 0,3042 0,3822
muerto del modelo por alguna función racional en s. La inclusión de esta aproxima-
ción, afectará las características de la respuesta de lazo cerrado.
Aproximando el tiempo muerto como una serie de Maclaurin de primer orden
e−Ls ≈ 1 − Ls, se obtienen las siguientes ecuaciones para el ajuste del controlador PI
de dos grados de libertad (PI2 )
. τc (2 − τc ) + τL
κ p = Kp K = , (13.151)
(τc + τL )2
. Ti τc (2 − τc ) + τL
τi = = , (13.152)
T 1 + τL

1 τc T
β = mı́n , , (13.153)
Kp Ti
τL ≤ 1; máx{0,50, τc mı́n } ≤ τc ≤ 1,50 + 0,3τL . (13.154)
donde el parámetro de diseño está limitado por la robustez requerida y se puede

estimar como
τc mı́n (MS , τL ) = a + bτL . (13.155)
Los valores de los coeficientes a y b de (13.155) se listan en el cuadro 13.7.
En vez de tener una ecuación de τc mı́n para cada valor de MS , se puede obtener
una sola ecuación para su estimación, siendo esta

k12
τc mı́n (MS , τL ) = k11 + τL , (13.156)
k13
k11 = 1,384 − 1,063MS + 0,262MS2 ,
k12 = −1,915 + 1,415MS − 0,077MS2 ,
k13 = 4,382 − 7,396MS + 3,000MS2 .
Es necesario establecer un límite al valor inferior de τc , dado que el sistema

de control pierde robustez cuando se desean respuestas muy rápidas (τc bajo). Esta
pérdida de estabilidad relativa, es mayor cuando el tiempo muerto normalizado del
modelo τL es alto.
Además, valores extremadamente bajos de τc podrían conducir a que la respuesta

del sistema de control presente oscilaciones no deseadas.
La respuesta del sistema de control, estará dada ahora por la ecuación
(β Ti s + 1)e−Ls Kse−Ls
y(s) = r(s) + d(s), (13.157)
(τc T s + 1)2 (τc T s + 1)2
con
(2τc − τc2 τo )T τo

2
Ko = K τc T + . (13.158)
1 + τo
que se reduce a
e−Ls Kse−Ls
y(s) = r(s) + d(s), (13.159)
τc T s + 1 (τc T s + 1)2
si β = τc T /Ti .
Procesos controlados de segundo orden más tiempo muerto

En el caso de un proceso controlado de segundo orden más tiempo muerto, los pa-
rámetros del controlador PID Estándar de dos grados de libertad, se pueden calcular
empleando las ecuaciones
. 10τi
κ p = Kp K = , (13.160)
(21τc + 10τL − 10τi )
. Ti (21τc + 10τL )[(1 + a)τL + a] − τc2 (τc + 12τL )
τi = = , (13.161)
T 10(1 + a)τL + 10a + 10τL2
. Td 12τc2 + 10τi τL − (1 + a)(21τc + 10τL − 10τi )
τd = = , (13.162)
T 10τi

1 τc T
β = mı́n , , (13.163)
Kc Ti
τc mı́n ≤ τc ≤ 1,25 + 2,25a. (13.164)
donde el valor mínimo del parámetro de diseño, se estima como
τc mı́n (MS ) = k21 + k22 ak23 , (13.165)

2
k21 = 2,442 − 2,219MS + 0,515MS ,
k22 = 10,518 − 8,990MS + 2,203MS 2 ,
k23 = 0,949 − 0,197MS .
Los límites en el ámbito de selección del parámetro de diseño τc , combinan la

restricción necesaria para que todos los parámetros del controlador sean positivos,
con la necesidad de que la respuesta obtenida no se aleje considerablemente de la

deseada, producto de la aproximación del tiempo muerto utilizada en la obtención de
las ecuaciones de ajuste y el cumplimiento de la sensibilidad máxima deseada.
Para analizar la robustez del lazo de control resultante, se ha determinado la va-
riación de la sensibilidad máxima MS , en función del parámetro de diseño τc variando
este entre 0,25 y 3,5, con el tiempo muerto normalizado τL como parámetro (de 0,1 a
1,0), para procesos con diferentes cocientes de las constantes de tiempo a (entre 0,15
y 1,0). Esto permite establecer (13.165) para estimar el límite inferior del valor de τc .
La respuesta del sistema de control, está dada ahora por la ecuación
(β Ti s + 1) e−Ls Ko se−Ls
y(s) = r(s) + d(s), (13.166)
(τc T s + 1)2 (0, 1τc T s + 1) (τc T s + 1)2 (0, 1τc T s + 1)
donde
Kp T [(21τc + 10τL )τo2 + τc2 (τc + 12τL )]
Ko = . (13.167)
10[(1 + a)τL + a + τL2 ]
Ejemplo 13.6 ART2 de controlador PI de 2GdL

Considérese un proceso controlado cuya función de transferencia, es
1, 25
P(s) = .
(10s + 1)(5s + 1)(2s + 1)(s + 1)(0,5s + 1)
Utilizando el método de identificación 123c, se aproximó este por un modelo de
primer orden más tiempo muerto, dado por
1, 25e−6,79s
Pm (s) = .
12, 29s + 1
Los parámetros del controlador PI2 , para tres valores del parámetro de diseño
se listan en el cuadro 13.8. La respuesta del sistema de control con estos parámetros
se muestra en la figura 13.13 y las gráficas de robustez en la figura 13.14, ambas
obtenidas con el proceso original (suponiendo que el “modelo exacto” del proceso
controlado se conoce), no con el modelo utilizado para el cálculo de los parámetros
del controlador.
El cuadro 13.8 y las figuras 13.13 y 13.14, muestran claramente el conflicto
existente entre la velocidad de respuesta y la robustez del lazo de control.
Si se aumenta la velocidad deseada del sistema de control, utilizando en el diseño
valores de τc cada vez menores, su margen de estabilidad relativa Sm disminuye. La
velocidad máxima posible para el diseño del sistema de control, está limitada por la
robustez mínima requerida para este.
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
0 50 100 150 Tiempo, t [s] 200
Figura 13.13: Ejemplo 13.6 - Respuesta del sistema de control

- Robustez del sistema de ℑ L(jω)
1.0
control Sm = 0.8
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
13.5. Resumen 651
Cuadro 13.8: Ejemplo 13.6 τc Kp Ti [s] β r

Sm
dor PI2 1,0 0,52 12,3 1,0 0,74
0,75 0,70 11,8 0,78 0.65
0,50 0,94 10,3 0,60 0,53
Como se aprecia en las secciones anteriores, cuando la dinámica del proceso

controlado es de primer orden, con o sin tiempo muerto, la síntesis matemática del
controlador (tanto para el servo control, como para el control regulador), conduce a
que se obtenga un controlador con un algoritmo de control proporcional e integral
(PI). Por otra parte, en el caso que la dinámica del proceso controlado es de segundo
orden, este procedimiento lleva a obtener un controlador con un algoritmo de control
proporcional, integral y derivativo (PID). Por lo tanto, se puede intuir que hay una
relación entre el número de polos del modelo del proceso controlado y el número de
ceros del algoritmo de control del controlador.
Si la dinámica del proceso controlado es esencialmente de primer orden, repre-
sentado por un modelo con solo un polo (epo o epomtm), el controlador usualmente
empleado tiene solo un cero (es un PI). Si la dinámica del proceso controlado muestra
ser de segundo orden, representada por un modelo con dos polos (eso, epd, esomtm
o epdmtm), el controlador normalmente tendrá dos ceros (es un PID).
13.5 Resumen
Los procedimientos de ajuste de los controladores con algoritmos de control PI(D)
deducidos en forma analítica, proveen un parámetro de diseño variable, cuya selec-
ción se puede efectuar tomando en cuenta las características del comportamiento y
estabilidad relativa deseadas para el lazo de control, como su velocidad de respuesta
y robustez.
En el caso de los procesos controlados simples, de primer y segundo orden sin
tiempo muerto, la robustez no es una limitante para el diseño. Sin embargo, para los
procesos controlados con tiempo muerto, o de orden superior cuyo modelo incluye
un tiempo muerto aparente, se presenta un conflicto entre la robustez del sistema de
control y su velocidad de respuesta.
El parámetro de diseño puede ser utilizado para resolver este conflicto, de manera
de lograr un sistema de control con la robustez mínima necesaria, de conformidad con
las variaciones esperadas de las características dinámicas del proceso controlado y al
mismo tiempo, el mejor comportamiento (la mayor velocidad) que sea posible.
El ajuste analítico robusto ART2 (Alfaro, 2006), provee ecuaciones para el cálculo
de los parámetros de los algoritmo de control proporcional e integral (PI) y propor-
cional, integral y derivativo (PID), a partir de modelos del proceso controlado de

primer y segundo orden con y sin tiempo muerto.
13.6 Bibliografía
Alfaro, V. M. (2006). Sintonización analítica de reguladores PID óptimos y robustos.
Master’s thesis, Escuela de Ingeniería Eléctrica, Universidad de Costa Rica.

Martin, J., Corripio, A. B., y Smith, C. L. (1975). Controller Tuning from Simple
Process Models. Instrumentation Technology, 22(12):39–44.
Smith, C. L. (2002). Intelligently Tune PI Controllers. Chemical Engineering, pági-

nas 169–177.
14
Control con modelo interno
14.1 Introducción
14.2 Controlador IMC
14.2.1 Procedimiento de diseño
14.3 Controladores PI(D)-IMC
14.3.1 Procesos de primer orden, controlador PI
14.3.2 Procesos de segundo orden, controlador PID
14.3.3 Procesos de primer orden más tiempo muerto
14.3.4 Procesos con respuesta inversa
14.4 Control sencillo (SIMC)
14.4.1 Procesos sobreamortiguados
14.5 Ajuste para obtener servo controles robustos
14.6 Control de procesos de orden alto
14.7 Resumen
14.8 Bibliografía
El control con modelo interno (IMC - “internal model control”), deriva su nombre del
hecho que el controlador utilizado contempla en su interior, un modelo del proceso
controlado.
Se presentará aquí primero el esquema IMC general y luego, su utilización para
obtener expresiones para el ajuste de los parámetros de controladores, con algoritmos
de control PI(D).
653
654 14 Control con modelo interno
14.1 Introducción
El concepto del control con modelo interno, fue introducido primero para los siste-
mas univariables, de una entrada y una salida (SISO - “single-input-single-output”)
(García y Morari, 1982) y luego extendido a los sistemas multivariables, de varias en-
tradas y salidas (MIMO - “multiple-input-multiple-output”) (Garcia y Morari, 1985).
A manera de comparación, en la figura 14.1 se muestra el sistema de control
realimentado simple que se ha venido utilizando a todo lo largo del estudio, en don-
de el controlador C(θc , s), ha sido usualmente un controlador con un algoritmo de
control del tipo PI(D) y en la figura 14.2 lo que se puede considerar la estructura
básica del sistema de control IMC, en donde P(s) es el proceso controlado, mientras
que Pm (s) es el modelo del proceso controlado obtenido para representarlo y C0 (s) el
controlador IMC.
Este último diagrama de bloques, se puede redibujar como se muestra en la figura
14.3, en donde Ce (s) será el controlador equivalente cuya función de transferencia,
es
u(s) C0 (s)
= Ce (s) = . (14.1)
e(s) 1 −C0 (s)Pm (s)
El controlador equivalente Ce (s) incluye en su interior un modelo Pm (s) del pro-
ceso controlado −“control con modelo interno”−.
La salida del sistema de control IMC ante sus dos entradas, es
Ce (s)P(s) P(s)
y(s) = e
r(s) + d(s). (14.2)
1 +C (s)P(s) 1 +Ce (s)P(s)
Sustituyendo (14.1) en (14.2) se obtiene que la salida de este sistema de control, es
C0 (s)P(s) [1 −C0 (s)Pm (s)] P(s)

y(s) = r(s) + d(s). (14.3)
1 + [P(s) − Pm (s)]C0 (s) 1 + [P(s) − Pm (s)]C0 (s)
Figura 14.1: Diagrama de bloques del sistema de control realimentado simple

Figura 14.2: Diagrama de bloques de la estructura básica del sistema de control con
modelo interno (IMC)
Figura 14.3: Diagrama de bloques del control con modelo interno (IMC)
14.2 Controlador IMC

Si se considera que un control perfecto, es aquel que logra que la variable controlada,
siga en forma instantánea los cambios en el valor deseado y que además, realiza una
eliminación perfecta de las perturbaciones, de manera que estas no afecten la salida,
se puede decir que para tener un control perfecto, se debe lograr que en el servo
control
y(s) = r(s), (14.4)
o
y(s)
= 1, (14.5)
r(s)
y que en el control regulador
y(s)
= 0. (14.6)
d(s)
Observando (14.3), se nota que para logar esto, se requeriría que C0 (s)P(s) = 1,
lo cual implica que C0 (s) = P−1 (s) y que Pm (s) = P(s). Esto es que, para tener el
control IMC perfecto, es necesario que el modelo sea perfecto y que a la vez que el
controlador IMC sea la inversa exacta del modelo perfecto.
Si se escoge la ganancia C0 (0) del controlador IMC, como la inversa de la ganan-
cia Pm (0) del modelo, entonces C0 (0)Pm (0) = 1. En este caso, la ganancia del deno-
minador de las funciones de transferencia de lazo cerrado en (14.3) será C0 (0)P(0) y
entonces, la ganancia de la función de transferencia entre el valor deseado r(s) y la
salida y(s) (servo control) será 1 y la ganancia de la función de transferencia entre la
perturbación d(s) y la salida y(s) (control regulador) será 0, garantizándose así, que
no existirá error permanente a un cambio escalón en el valor deseado, ni a un cambio
escalón en la perturbación.
Por lo tanto, el esquema de control IMC con la selección C0 (0) = 1/Pm (0) garan-
tiza, por diseño, error permanente cero tanto a un cambio escalón en el valor deseado,
como en la perturbación, sin necesidad de establecer requerimientos sobre el Tipo del
sistema de control o del controlador, para lograrlo.
Con respecto al modelo, como nunca se tiene un modelo perfecto, se debe pro-
curar minimizar los errores de modelado y utilizar el modelo que mejor refleje el
comportamiento dinámico del proceso controlado.
Por otra parte, si el modelo incluye componentes dinámicos, este no es simple-
mente una constante, ningún controlador podría invertir completamente el modelo.
Si el modelo es una función de transferencia estrictamente propia, el controlador
sería impropio y si el modelo tiene ceros en el semiplano derecho, el controlador
sería inestable. Además, si el modelo contiene tiempos muertos, el controlador no se
podría construir.
14.2. Controlador IMC 657
Por esta razón, el controlador IMC no puede seleccionarse simplemente igual a

la inversa del modelo del proceso controlado.
El diseño del controlador IMC requiere entonces, que primero se descomponga
la función de transferencia del modelo del proceso controlado en su parte invertible
y su parte no invertible, como
Pm (s) = Pm− (s)Pm+ (s), (14.7)
en donde la parte invertible Pm− (s) contiene la ganancia y todos los polos y ceros
existentes en el semiplano izquierdo del plano complejo s, y la parte no invertible
Pm+ (s) los componentes que no se puede o no se quiere invertir, como los tiempos
muertos y los ceros en el semiplano derecho.
El controlador IMC se tomará entonces, como
−1
Cimc (θ̂c , s) = Pm− (θm , s)G f (s), (14.8)
esto es, como la inversa de la parte invertible del modelo del proceso controlado, por
la función de transferencia de un “filtro IMC”, de la forma general
1
G f (s) = , (14.9)
(T f s + 1)n
en el cual, T f es la constante de tiempo del filtro y n el orden del mismo, el cual se

escogerá de manera que la función de transferencia del controlador IMC sea propia.
El controlador equivalente, será entonces
−1
Pm− (s)G f (s)
Ce (s) = −1
, (14.10)
1 − Pm− (s)G f (s)Pm (s)
el cual se puede simplificar, como
G f (s)
Ce (s) = . (14.11)
Pm− (s) − Pm (s)G f (s)
Si se sustituye ahora (14.11) en (14.2), se obtiene
G f (s)P(s)
y(s) = r(s)
Pm− (s) − Pm (s)G f (s) + P(s)G f (s)
[Pm− (s) − Pm (s)G f (s)] P(s)
+ d(s). (14.12)
Pm− (s) − Pm (s)G f (s) + P(s)G f (s)
Considérense ahora las siguientes condiciones:

1. Que el modelo sea perfecto

Si Pm (s) = P(s), (14.12) sería
G f (s)P(s) [Pm− (s) − Pm (s)G f (s)] P(s)

y(s) = r(s) + d(s). (14.13)
Pm− (s) Pm− (s)
2. Que el modelo sea completamente invertible

Si además, el modelo no tiene parte no invertible, esto es que Pm+ (s) = 1 y
Pm− (s) = Pm (s), entonces (14.13) se reduce a
y(s) = G f (s)r(s) + [1 − G f (s)] Pm (s)d(s). (14.14)
Como se puede apreciar en (14.14), en el caso de tener un modelo perfecto del

proceso controlado que sea completamente invertible, la función de transferencia de
lazo cerrado del servo control, es igual a la del filtro utilizado para lograr que la
función de transferencia del controlador sea propia.
El servo control resultante, es un sistema de primer orden o de polo múltiple
cuya constante de tiempo es la constante de tiempo T f del filtro. Esta permite variar
la velocidad de respuesta del sistema de control, ante un cambio en el valor deseado
y será entonces el parámetro de diseño.
La selección del parámetro de diseño afecta no solo la velocidad de respuesta del
sistema de control, si no también su robustez y el filtrado del ruido de medida.
Un criterio en la selección del valor de T f establecido con el fin de no amplificar
el ruido de medida, es que la ganancia del controlador a alta frecuencia, no sea más
de veinte veces su ganancia de baja frecuencia, esto es que (Brosilow y Joseph, 2002)

Cimc (∞)
Cimc (0) ≤ 20. (14.15)

14.2.1 Procedimiento de diseño

Los pasos a seguir para el diseño de un sistema de control IMC realimentado, se
pueden resumir como:
1. Dado un proceso controlado.
2. Identificar un modelo Pm (s) para el mismo (se recomienda la utilización del

mejor modelo posible).
3. Dividir el modelo en su parte invertible y su parte no invertible
Pm (s) = Pm− (s)Pm+ (s). (14.16)

Figura 14.4: Sistema de control con modelo interno (IMC)
4. Diseñar el controlador IMC, como
−1 1
Cimc (θ̂c , s) = Pm− (θm , s) , (14.17)
(T f s + 1)n
en donde n se selecciona de manera, que la función de transferencia del con-

trolador Cimc (s) sea propia y la constante de tiempo del filtro T f , se escoge de
manera de lograr la velocidad de respuesta deseada (y la robustez requerida del
sistema), verificando que se cumple con la restricción impuesta, por

Cimc (∞)
Cimc (0) ≤ 20. (14.18)

5. Implementar el esquema de control IMC, como se muestra en la figura 14.4.
Ejemplo 14.1 Control con modelo interno (IMC)

Considérese el siguiente problema:
• Proceso controlado
1,5(s + 1)
P(s) = .
(5s + 1)2 (2s + 1)
1. Suponiendo que se tiene un modelo perfecto (idéntico al proceso controlado)
Pm (s) = P(s).
Figura 14.5: Ejemplo 14.1 - Sistema de control IMC, modelo perfecto
• Separación de las partes del modelo
1,5(s + 1)
Pm− (s) = ,
(5s + 1)2 (2s + 1)
Pm+ (s) = 1.
• Controlador IMC
(5s + 1)2 (2s + 1) 1

Cimc (s) = .
1,5(s + 1) (T f s + 1)2
• Límite inferior sugerido para la constante de tiempo T f

Cimc (∞)
Cimc (0) ≤ 20,

25 ∗ 2 1, 5 50
= 2 ≤ 20,
1,5 ∗ 1 ∗ T f2 1 Tf
T f2 ≥ 2,5 ⇒ T f ≥ 1,58 s.
El sistema de control IMC resultante, se muestra en la figura 14.5.

• Ecuación de salida del sistema de control

1 1 1,5(s + 1)
y(s) = r(s) + 1 − d(s),
(T f s + 1)2 (T f s + 1)2 (5s + 1)2 (2s + 1)
la cual se muestra en la figura 14.6 para T f ∈ {4,0 s, 6,0 s, 10,0 s}.

y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
45
0 50 100 150
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
u3 (t)
65
60
55
50
45
0 50 100 150
Tiempo, t [s]
Figura 14.6: Ejemplo 14.1 - Respuesta del sistema de control IMC (con un filtro de
segundo orden), modelo perfecto
Como se aprecia en la figura 14.6, se produce un salto instantáneo a la

salida del controlador al momento del cambio del valor deseado, debido
a que el controlador IMC, Cimc (s), es una función de transferencia bipro-
pia, lo cual limita la velocidad de respuesta que se puede utilizar para
el diseño. Este salto inicial se puede eliminar, incrementando en uno el
orden del filtro, de manera que la función de transferencia del controla-
dor IMC sea estrictamente propia. El resultado de esto se muestra en la
figura 14.7 para T f ∈ {2,0 s, 3,0 s, 5,0 s}.
2. Utilizando un modelo de primer orden más tiempo muerto para representar al

proceso controlado
• Modelo epomtm
1,5e−3,31s
Pm (s) = .
8,184s + 1
y1 (t)
65 y2 (t)
Variables [%] y3 (t)
60
55
50
45
0 50 100 150
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
u3 (t)
65
60
55
50
45
0 50 100 150
Tiempo, t [s]
Figura 14.7: Ejemplo 14.1 - Respuesta del sistema de control IMC con un filtro de
tercer orden (n = 3), modelo perfecto
• Descomposición de las partes del modelo
1,5
Pm− (s) = ,
8,184s + 1
Pm+ (s) = e−3,31s .
• Controlador IMC
8,184s + 1
Cimc (s) = .
1,5(T f s + 1)

Cimc (∞)
Cimc (0) ≤ 20,

8,184 1,5 8,184

= ≤ 20,
1,5 ∗ T f 1 Tf
⇒ T f ≥ 0,41 s.
14.3. Controladores PI(D)-IMC 663
3. Utilizando ahora el modelo que mejor representa al proceso controlado
• Mejor modelo (epdmtm)
1,5e−0,675s
Pm (s) = .
(5,193s + 1)2
• Descomposición de las partes del modelo
1,5
Pm− (s) = ,
(5,193s + 1)2
Pm+ (s) = e−0,675s .
• Controlador IMC
(5,193s + 1)2
Cimc (s) = .
1,5(T f s + 1)2

Cimc (∞)
Cimc (0) ≤ 20.

(5,192)2 1,5 26,96

= ≤ 20,
1,5 ∗ T f2 1 T f2
⇒ T f ≥ 1,16 s.
En la figura 14.8 se muestran las respuestas de los sistemas de control con

modelo interno obtenidos empleando un modelo perfecto, un modelo de primer
orden más tiempo muerto y el mejor modelo, en este caso un modelo de polo
doble más tiempo muerto, para el proceso controlado del ejemplo, diseñados
todos utilizando una constante de tiempo T f = 2,0 s para los filtros.
De estas respuestas, se puede observar la conveniencia de utilizar el mejor
modelo posible, para representar al proceso controlado dentro del esquema
de control IMC.
14.3 Controladores PI(D)-IMC

La técnica del control con modelo interno, se puede utilizar para obtener contro-
ladores con algoritmos de control PI(D), si se busca cual debe ser la función de
transferencia de este, de manera que los dos sistemas de control sean equivalentes.
Figura 14.8: Ejemplo 14.1 - Influencia del modelo sobre la respuesta del sistema de
control IMC
Si se considera el sistema de control IMC de la figura 14.9 y el lazo de control

realimentado simple con un controlador PID de la figura 14.10, estos dos sistemas de
control serían equivalentes, si el controlador PID es (Rivera et al., 1986)
−1
Cimc (s) Pm− (s)G f (s)
Cpid (s) = = . (14.19)
1 −Cimc (s)Pm (s) 1 − Pm+ (s)G f (s)
Si se consideran modelos estables y sin tiempo muerto (completamente inverti-
bles) y que además, el modelo sea perfecto (idéntico al proceso controlado), entonces
(14.19) sería
1 G f (s)
Cpid (s) = , (14.20)
Pm (s) 1 − G f (s)
la cual tiene la misma forma que la ecuación para la deducción matemática de los
controladores, vista en el Capítulo 13, haciendo que la función de transferencia de
lazo cerrado del servo control, sea igual a la función de transferencia del filtro utili-
zado.
Si se consideran solo controladores con algoritmos de control PID, se debe res-
tringir el orden del modelo del proceso controlado a dos. Se considerarán por lo
tanto, solo procesos controlados cuyos modelos sean de primer o segundo orden, al-
goritmos de control PI y PID, y se seleccionará la función de transferencia del filtro
(función de transferencia de lazo cerrado del servo control), como
1 1
G f (s) = = , (14.21)
T f s + 1 Tc s + 1
Figura 14.9: Esquema de control IMC
Figura 14.10: Esquema de control PID
donde Tc será constante de tiempo deseada del servo control.

El controlador (14.20) requerido, será entonces

1
Cpid (s) = Pm−1 (s) . (14.22)
Tc s
Este controlador es igual al dado por (13.26), obtenido en su momento mediante

la deducción matemática del servo control.
14.3.1 Procesos de primer orden, controlador PI

Si se sustituye la función de transferencia del modelo del proceso controlado de pri-
mer orden dada, por
K
Pm (s) = , (14.23)
Ts+1
en (14.22), se obtiene

Ts+1 T 1
Cpid (s) = = 1+ , (14.24)
KTc s KTc Ts
la cual corresponde a la función de transferencia de un controlador con un algoritmo
de control PI, con parámetros
T
Kp = , Ti = T. (14.25)
KTc
14.3.2 Procesos de segundo orden, controlador PID

Si ahora se sustituye la función de transferencia del modelo del proceso controlado
de segundo orden, dada por
K
Pm (s) = , T1 ≥ T2 , (14.26)
(T1 s + 1)(T2 s + 1)
en (14.22), se obtiene

(T1 s + 1)(T2 s + 1) T1 1
Cpid (s) = = 1+ (T2 s + 1) , (14.27)
KTc s KTc T1 s
de control PID Serie ideal, con parámetros
T1
Kp0 = , T 0 = T1 , Td0 = T2 . (14.28)
KTc i
Utilizando el factor de conversión de parámetros de un controlador Serie a uno
Estándar, que en este caso sería FSE = 1 + T2 /T1 (para controladores ideales, α =
0), se obtiene que los parámetros del controlador con un algoritmo de control PID
Estándar ideal, serían
T1 + T2 T1 T2
Kp = , Ti = T1 + T2 , Td = . (14.29)
KTc T1 + T2
14.3.3 Procesos de primer orden más tiempo muerto

En el caso en que se tenga un modelo del proceso controlado de primer orden más
tiempo muerto, dado por la función de transferencia
Ke−Ls
Pm (s) = , (14.30)
Ts+1
se requiere utilizar una aproximación para el tiempo muerto del modelo y luego se-
parar el mismo en una parte invertible y una no invertible.
Aproximación del tiempo muerto por una serie de primer orden

Primero se aproximará el tiempo muerto del modelo, mediante una serie de Mclaurin
de primer orden, dada por
e−Ls ≈ 1 − Ls. (14.31)
El modelo del proceso controlado sería
K(1 − Ls)
Pm (s) = , (14.32)
Ts+1
y este se separará en
K
Pm− (s) = , Pm+ (s) = 1 − Ls. (14.33)
Ts+1
Sustituyendo estas ecuaciones junto con la del filtro (14.21), en la función del trans-
ferencia del controlador PID dado en (14.19), con
1
G f (s) = , (14.34)
Tc s + 1
se obtiene
Ts+1 T 1
Cpid (s) = = 1+ , (14.35)
K(Tc + L)s K(Tc + L) Ts
de control PI, con parámetros
T
Kp = , Ti = T. (14.36)
K(Tc + L)
Esto indica que la existencia del tiempo muerto, obliga a disminuir la ganancia
del controlador.
Uso de una aproximación de Padé para el tiempo muerto

Si se emplea ahora una aproximación de Padé de primer orden para el tiempo muerto,
dada por
1 − 0,5Ls
e−Ls ≈ , (14.37)
1 + 0,5Ls
la función de transferencia del modelo del proceso controlado resultante
K(1 − 0,5Ls)
Pm (s) = , (14.38)
(T s + 1)(1 + 0,5Ls)
se puede separar, como

K
Pm− (s) = , Pm+ (s) = 1 − 0,5Ls. (14.39)
(T s + 1)(1 + 0,5Ls)
Sustituyendo estas ecuaciones y (14.21) en (14.19), se obtiene
(T s + 1)(1 + 0,5Ls)
Cpid (s) = , (14.40)
K(Tc + 0,5L)s
La cual se puede ordenar, como

T 1
Cpid (s) = 1+ (0,5Ls + 1) , (14.41)
K(Tc + 0,5L) Ts
que corresponde a un controlador con un algoritmo de control PID Serie ideal, con
parámetros
T
Kp0 = , T 0 = T, Td0 = 0,5L. (14.42)
K(Tc + 0,5L) i
También se puede escribir (14.40), como
1 + (T + 0,5L)s + 0,5T Ls2
Cpid (s) = , (14.43)
K(Tc + 0,5L)s
y si se compara esta con la función de transferencia de un controlador con un algo-
ritmo de control PID Estándar ideal, dada por
1 + Ti s + Ti Td s2

C(s) = Kp , (14.44)
Ti s
se obtiene que sus parámetros, deben ser
T + 0,5L TL
Kp = , Ti = T + 0,5L, Td = , (14.45)
K(Tc + 0,5L) 2T + L
o en forma normalizada
. 1 + 0,5τL
κ p = Kp K = , (14.46)
τc + 0,5τL
. Ti
τi = = 1 + 0,5τL , (14.47)
T
. Td τL
τd = = , (14.48)
T 2 + τL
donde τc = Tc /T y τL = L/T .
Como se aprecia, solo la ganancia del controlador es afectada por el parámetro
de diseño τc .
Utilizando una serie de Mclaurin para el controlador

Más adelante, en la sección 14.6, se describe el procedimiento general, para utilizar
una serie de Mclaurin que aproxime la función de transferencia del controlador y
determinar el ajuste de sus parámetros. Si este procedimiento se utiliza para el caso
en que el modelo del proceso controlado es epomtm, el ajuste de los parámetros del
algoritmo de control PID Estándar, resulta ser (Brosilow y Joseph, 2002)
. τi
κP = Kp K = , (14.49)
τc + τL
. Ti τL2
τi = = 1+ , (14.50)
T 2(τc + τL )
. Td τ 2 (1 − 0,33τL /τi )
τd = = L , (14.51)
T 2(τc + τL )
donde τc = Tc /T (Tc constante del filtro IMC de primer orden), es el parámetro de
diseño.
En este caso, todos los parámetros del controlador son afectados por el parámetro
de diseño, correspondiente a la constante de tiempo deseada de la respuesta del servo
control, a un cambio escalón.
Debe recordarse que el parámetro de diseño τc , afecta tanto la velocidad de res-
puesta, como la robustez del lazo de control resultante.
Ejemplo 14.2 Controladores PI(D)-IMC

• Proceso controlado
1,5(s + 1)
P(s) = .
(5s + 1)2 (2s + 1)
• Modelo epomtm
1,5e−3,31s
Pm (s) = .
8,184s + 1
• Parámetros de los controladores
Los parámetros de controlador PI se listan en el cuadro 14.1 y los del PID en
el cuadro 14.2.
• Respuesta del sistema de control
En la figura 14.11 se muestran las respuestas obtenidas con los controladores
PI-IMC (τc ∈ {1, 2}) y PID-IMC (τc ∈ {1, 2}).
Cuadro 14.1: Ejemplo 14.2 Parámetro (PI) τc = 1 τc = 2

dor PI Kp 1,266 1,027
Ti [s] 8,184 8,184
Cuadro 14.2: Ejemplo 14.2 Parámetro (PID) τc = 1 τc = 2

dor PID Kc 2,470 1,794
Ti [s] 9,837 9,837
Td [s] 1,377 1,377
y1 (t)
y2 (t)
65 y3 (t)
Variables [%]
y4 (t)
60
55
50
45
0 20 40 60 80 100 120
Tiempo, t [s]
u1 (t)
75 u2 (t)
u3 (t)
Variables [%]
u4 (t)
70
65
60
55
50
45
0 20 40 60 80 100 120
Tiempo, t [s]
Figura 14.11: Ejemplo 14.2 - Respuestas de los sistemas de control PID-IMC

El parámetro de diseño afecta la velocidad de la respuesta, así como el esfuerzo

de control. Si se disminuye τc , el sistema de control es más rápido y disminuye el
error máximo de la respuesta del control regulador, pero aumenta el salto en la señal
de salida del controlador cuando se cambia el valor deseado, limitando la velocidad
que se puede utilizar para el diseño del sistema de control.
Por otra parte, debe verificarse la robustez del sistema de control resultante.
14.3.4 Procesos con respuesta inversa

Para los procesos sobreamortiguados con respuesta inversa, modelados por una fun-
ción de transferencia de segundo orden más tiempo muerto con un cero de fase no
mínima, de la forma
K(−bT s + 1)e−Ls L
P(s) = , τL = , (14.52)
(T s + 1)(aT s + 1) T
las ecuaciones de ajuste para un controlador con un algoritmo de control PID Están-
dar, son (Chien y Fruehauf, 1990)
. (1 + a)(τc + b + τL ) + bτL
κ p = Kp K = , (14.53)
(τc + b + τL )2
. Ti bτL
τi = = 1 + a + , (14.54)
T τc + b + τL
. Td bτL a(τc + b + τL )
τd = = + . (14.55)
T τc + b + τL (1 + a)(τc + b + τL ) + bτL
El parámetro de diseño τc , debe seleccionarse para cumplir con el nivel de robus-
tez requerido para el sistema de control.

Considérese ahora el caso de los procesos integrantes, cuyos modelos incluyen un
polo en el origen, dados por
Kv e−Ls
Pi1 (s) = , (14.56)
s
y
Kv e−Ls
Pi2 (s) = . (14.57)
s(T s + 1)
Si se emplea el procedimiento descrito anteriormente, que utiliza la técnica IMC
para el diseño de los controladores PI(D), con el fin de que la función de transferencia
de lazo cerrado del servo control, sea
e−Ls
Myr (s) = , (14.58)
Tc s + 1
se obtiene en el primer caso, un controlador proporcional (P), con una ganancia nor-
malizada
1
Kp Kv = , (14.59)
Tc + L
y en el segundo, un controlador proporcional y derivativo ideal (PD), con parámetros
normalizados
1
Kp Kv = , (14.60)
Tc + L
Td
= 1. (14.61)
T
Si bien, el sistema de control tendrá error permanente cero a un cambio escalón
en el valor deseado por ser el sistema de control Tipo 1 (por el proceso integrante),
no podrá corregir en forma efectiva un cambio escalón en la perturbación, existirá un
error permanente no eliminado.
Si no se toman en cuenta las perturbaciones (que siempre están presentes) o si se
supone que estas solo son perturbaciones a la salida, se puede llegar a este tipo de
propuesta de ajuste de controladores (sin modo integral) para los procesos integran-
tes, como las encontradas en Rivera et al. (1986) y Lee et al. (2006).
Aunque el proceso sea integrante, debe utilizarse en el controlador un algoritmo
de control que incluya el modo integral, para poder garantizar obtener error perma-
nente cero a una perturbación constante.
Las siguientes, son ecuaciones de ajuste de los parámetros de un algoritmo de
control PI(D) Estándar de un grado de libertad, obtenidas utilizando la metodología
IMC, esto es, empleando un desarrollo analítico o de deducción matemática (Chien
y Fruehauf, 1990; Rice y Cooper, 2002):
• Proceso integrante de primer orden (τc = Tc /L)
– Controlador PI
. 2τc + 1
κ p = Kp Kv L = , (14.62)
(τc + 1)2
. Ti
τi = = 2τc + 1, (14.63)
L
– Controlador PID Estándar
. 2τc + 1
κ p = Kp Kv L = , (14.64)
(τc + 0,5)2
. Ti
τi = = 2τc + 1, (14.65)
L
. Td τc + 0,25
τd = = . (14.66)
L 2τc + 1
14.4. Control sencillo (SIMC) 673
• Proceso integrante de segundo orden (τc = Tc /T )

– Controlador PID Estándar
. 2τc + τL + 1
κ p = Kp Kv T = , (14.67)
(τc + τL )2
. Ti
τi = = 2τc + τL + 1, (14.68)
T
. Td 2τc + τL
τd = = . (14.69)
T 2τc + τL + 1
El parámetro de diseño τc , afecta tanto el desempeño como la robustez del siste-
ma de control. Este debe seleccionarse de manera de cumplir con el nivel de robustez
mínimo requerido, para garantizar la estabilidad del sistema en todos sus posibles
puntos de operación.
Debe tenerse en cuenta, que la definición del parámetro de diseño τc para el caso
del proceso integrante de primer orden, es diferente de la utilizada en el caso del
proceso integrante de segundo orden.
14.4 Control sencillo (SIMC)

Existen muchos métodos de ajuste de algoritmos de control PI y PID, obtenidos con
base en la técnica del control con modelo interno (IMC). Como esta fue desarrolla-
da con el fin de lograr un determinado comportamiento, ante un cambio en el valor
deseado, normalmente los controladores que se han ajustado con estos procedimien-
tos, tienen un mal comportamiento ante un cambio en la perturbación.
Un procedimiento desarrollado con base en la técnica IMC, que a la vez trata
de mejorar el comportamiento del sistema de control ante las perturbaciones, es el
método de control sencillo (SIMC - “simple control”) (Skogestad, 2003).
14.4.1 Procesos sobreamortiguados

Las características del método SIMC, para el control de los procesos sobreamorti-
guados son:
• Modelo del proceso controlado
Ke−Ls L
P(s) = , τL = . (14.70)
(T s + 1)(aT s + 1) T
• Algoritmos de control
Proporcional e integral (PI) y proporcional, integral y derivativo (PID) Serie
ideal, de un grado de libertad.
• Ecuaciones de ajuste
. 1
κ p0 = Kp0 K = , (14.71)
τc + τL
. T0
τi0 = i = mı́n{1, 4(τc + τL )}, (14.72)
T
. 0
T
τd0 = d = a. (14.73)
T
• Recomendación para la selección de τc
Con el fin de tener un compromiso entre la velocidad de la respuesta y la ro-
bustez del sistema de control, se recomienda seleccionar τc = τL .
Con esta selección, las ecuaciones de juste serían
. 1
κ p0 = Kp0 K = , (14.74)
2τL
. T0
τi0 = i = mı́n{1, 8τL }, (14.75)
T
T 0
.
τd0 = d = a. (14.76)
T
• Robustez del lazo de control
Utilizando τc = τL se está seleccionado que la constante de tiempo de lazo
cerrado Tc , sea igual al tiempo muerto aparente del modelo L. Esto hace que la
robustez del sistema, con un algoritmo de control PI y un PID Serie ideal, sea
Sm = 0,629 (MS = 1,59).
Como el algoritmo de control PID, requiere de un filtro derivativo para su im-
plementación, el sistema de control tendrá una robustez inferior a la de diseño,
con modelos cuyo tiempo muerto aparente normalizado τL sea bajo.
• Cancelación de ceros con polos
Como se puede observar de las ecuaciones de ajuste del método SIMC, si
T ≤ 8L se hace Ti0 = T y Td0 = aT , con lo cual se efectúa una cancelación
de polos con ceros (suponiendo un algoritmo de control PID Serie ideal). Sin
embargo, al emplear un controlador con un algoritmo PID con filtro derivativo,
esta cancelación no se efectúa en forma exacta.

En el caso de los procesos integrantes, de primer y segundo orden, las características
del método SIMC son:
14.4. Control sencillo (SIMC) 675
Kv e−Ls
P(s) = , 0 ≤ T. (14.77)
s(T s + 1)
• Algoritmos de control
Proporcional e integral (PI) y proporcional, integral y derivativo (PID) Serie
ideal, de un grado de libertad.
• Ecuaciones de ajuste

1 1
Kp0 = , (14.78)
Kv Tc + L
Ti0 = 4(Tc + L), (14.79)
Td0 = T. (14.80)
• Recomendación para la selección de Tc

Usar Tc = L. Con esta selección, las ecuaciones de juste serían

1 1
Kp0 = , (14.81)
Kv 2L
Ti0 = 8L, (14.82)
Td0 = T. (14.83)
• Robustez del lazo de control

Utilizando Tc = L, la robustez del sistema, con un algoritmo de control PI y un
PID Serie ideal, es Sm = 0,588 (MS = 1,70).
• Cancelación de polos con ceros

Como se puede observar de las ecuaciones, En el caso del controlador PID
Serie ideal, el cero del modo derivativo cancela el polo del proceso integrante
de segundo orden.
Tanto para los procesos sobreamortiguados, como para los integrantes, se hace
una recomendación para la selección de los parámetros de ajuste del controlador,
para la cual la robustez resultante del lazo de control, se puede determinar.
Sin embargo, esta pudiera ser mayor o menor a la requerida para el control del
proceso controlado particular considerado. En el método SIMC no se da ninguna
otra recomendación o sugerencia, para la selección del parámetros de diseño (Tc ), de
manera de lograr otros niveles de robustez para el lazo de control.
Se retomará el uso del método SIMC con procesos integrantes, en la sección

17.3.1 del Capítulo 17, cuando se ampliará el diseño de los sistemas de control para
este tipo de procesos.
14.5 Ajuste para obtener servo controles robustos

El siguiente es un procedimiento para el ajuste de controladores con un algoritmo
de control proporcional e integral (PI), o proporcional, integral y derivativo (PID)
Estándar, de manera de obtener un sistema de control con una robustez determinada,
al mismo tiempo que se establece un sobrepaso máximo ante un cambio en el valor
deseado (Ali y Mahi, 2009).
Con base en un modelo epomtm
Ke−Ls
P(s) = , (14.84)
Ts+1
se diseña el controlador PI, y empleando un modelo ssomtm
Ke−Ls
P(s) = , (14.85)
T 2 s2 + 2ζ T s + 1
el controlador PID.
Se consideran dos condiciones de operación:
1. Control “suave”:
Robustez MS = 1,38, sobrepaso máximo Mp % = 0 %.
• Control PI
0,40T
Kp = , Ti = T, (14.86)
KL
• Control PID
0,81ζ T T
Kp = , Ti = 2ζ T, Td = . (14.87)
KL 2ζ
2. Control “estricto”:
Robustez MS = 1,71, sobrepaso máximo Mp % = 10 %.
• Control PI
0,57T
Kp = , Ti = T, (14.88)
KL
• Control PID
1,15ζ T T
Kp = , Ti = 2ζ T, Td = . (14.89)
KL 2ζ
14.6. Control de procesos de orden alto 677
Como se nota de (14.86) a (14.89), la robustez del lazo de control se incrementa

(MS = 1,71 → 1,38), disminuyendo solamente la ganancia proporcional del contro-
lador (PI o PID según corresponda).
14.6 Control de procesos de orden alto

Como lo indica (14.19), el controlador equivalente de un esquema de control IMC,
está relacionado con la inversa del modelo del proceso controlado.
Si este modelo es de orden alto, superior a dos, y además, se requiere que el
controlador posea un algoritmo de control proporcional, integral y derivativo, hay dos
posibles procedimientos para la deducción matemática del controlador PID (Visioli,
2005):
1. Utilizar primero el modelo de orden alto, para diseñar el controlador, el cual
será también de orden alto. Luego, emplear un procedimiento de reducción del
orden del controlador, para obtener uno de orden reducido (asimilable a uno
con un algoritmo de control de la familia PID).
En el diseño de los sistemas de control con modelo interno (IMC), el denomi-
nador del controlador equivalente (14.19) DCe (0) = 0. Esto es, Ce (s) tiene un
polo en el origen, y se puede escribir como (Brosilow y Joseph, 2002)
1
Ce (s) = F(s). (14.90)
s
Expandiendo F(s) en una serie de Maclaurin en s, se tiene que

e 1 0 1 00 2
C (s) = F(0) + F (0)s + F (0)s + · · · . (14.91)
s 2
Para obtener un controlador con un algoritmo PID, dado por la expresión

1
Cpid (s) = Kp 1 + + Td s + · · · , (14.92)
Ti s
equivalente, truncado la serie en (14.91), se tiene que los parámetros del con-
trolador PID son
Kp = F 0 (0), (14.93)
F 0 (0)
Ti = , (14.94)
F(0)
1 F 00 (0)
Td = . (14.95)
2 F 0 (0)
2. Primero reducir el orden del modelo a uno de orden adecuado, para emplear
luego, alguna de las reglas o procedimientos existentes para el ajuste de los
parámetros del algoritmo de control PID del controlador.
Para reducir el modelo del proceso, a uno de primer o segundo orden, se pueden
utilizar los procedimientos analíticos propuestos por Isaksson y Graebe (1999),
por Skogestad (2003), u otro similar.
Otra alternativa es emplear un procedimiento de identificación experimental,
como los descritos en el Capítulo 8.
De los dos procedimiento anteriores, el utilizado con mayor frecuencia es el se-

gundo. Esto es, diseñar el sistema de control PID de un proceso, a partir de un modelo
de orden reducido que lo represente (Zhang, 2012).
Sin embargo, queda pendiente la respuesta a ¿Es posible obtener en primera ins-
tancia un modelo de orden alto para el proceso controlado y aplicar luego un proce-
dimiento para la reducción de su orden?
Una posibilidad, es obtenerlo mediante el estudio detallado del proceso y su mo-
delado en forma analítica. Sin embargo, usualmente este será un modelo compuesto
por ecuaciones diferenciales y algebraicas no lineales. Además, esto requiere de una
cantidad importante de información sobre los fenómenos físicos, y probablemente
químicos, que se desarrollan dentro del proceso, así como la determinación de to-
dos los parámetros involucrados en el modelo, que hacen que el esfuerzo requerido
para hacer que este modelo “teórico”, se ajuste al comportamiento del proceso real
no se justifique, cuando el objetivo del uso del modelo es el diseño de su sistema de
control.
Por otra parte, su identificación a partir de los datos colectados en una prueba
experimental, requerirá de señales de prueba y herramientas matemáticas y compu-
tacionales, diferentes de las descritas en el Capítulo 8 y fuera del alcance de este
libro.
Por lo tanto, y con excepción de los modelos de prueba o de “texto” usados
para el estudio general de los sistemas de control, donde este se da por conocido, se
considerará que en las aplicaciones prácticas, el modelo del proceso controlado es de
orden reducido (de primer o segundo) y que se ha obtenido, por medio de alguna de
las pruebas experimentales directas simples, descritas en el Capítulo 8.
14.7 Resumen
El sistema de control con modelo interno o control IMC permite, en el caso de contar
con el modelo exacto del proceso controlado, si este es completamente invertible,
acercarse en cierta medida al “control perfecto” del proceso. En este caso, la función
de transferencia de lazo cerrado del servo control, será igual a la función de transfe-
rencia del filtro, utilizado para hacer que la función de transferencia del controlador
IMC sea propia.
Por diseño, el sistema de control IMC garantiza obtener error permanente cero, a
un cambio escalón tanto en el valor deseado, como en la perturbación de carga.
Sin embargo, el controlador IMC no es un controlador de orden reducido de es-
tructura fija con parámetros ajustables. Este es del mismo orden que el modelo del
proceso controlado utilizado y de parámetros fijos (excepto por la constante de tiem-
po del filtro), y es particular para cada modelo del proceso controlado considerado.
Partiendo del procedimiento de diseño de los controladores IMC, es posible de-
terminar los parámetros de los controladores con algoritmos PI y PID, denominados
aquí como controladores PI(D)-IMC, en una forma similar al procedimiento de de-
ducción matemática del servo control presentado en el Capítulo 13.
Al denominar a los algoritmos de control de los controladores obtenidos como
PI(D)-IMC, se trata de indicar solamente que las ecuaciones para el cálculo de sus
parámetros, se obtuvieron empleando técnicas matemáticas con base en el control
IMC no, por supuesto, que estos sean diferentes de los algoritmos de control PI(D)
presentados en los capítulos anteriores.
14.8 Bibliografía
Ali, A. y Mahi, S. (2009). PI/PID controller design based on IMC and percentage
overshoot specification to controller setpoint change. ISA Transactions, 48:10–15.
Brosilow, C. y Joseph, B. (2002). Techniques of Model-Base Control. Prentice Hall

PTR.
Chien, I.-L. y Fruehauf, P. S. (1990). Consider IMC Tuning to Improve Controller

Performance. Chemical Engineering Progress, 86:33–41.
García, C. E. y Morari, M. (1982). Internal Model Control. 1. A Unifying Review

and Some New Results. Industrial & Engineering Chemistry Process Design and
Development, 21:308–323.
Garcia, C. E. y Morari, M. (1985). Internal Model Control. 2. Design Procedure for

Multivariable Systems. Industrial & Engineering Chemistry Process Design and
Development, 24:472–484.
Isaksson, A. J. y Graebe, S. F. (1999). Analytical PID parameter expressions for

higher order systems. Automatica, 35(6):1121–1130.
Lee, Y., Park, S., y Lee, M. (2006). Consider the generalized IMC-PID method for
PID controller tuning of time-delay process. Hydrocarbon Processing, páginas
87–91. January.
Rice, B. y Cooper, D. (2002). Desing and Tuning of PID Controllers for integrating
(Non-Self Regulating) Processes. En ISA 2002 Annual Meeting. Chicago, Ill.,
USA.
Rivera, D. E., Morari, M., y Skogestad, S. (1986). Internal Model Control. 4. PID
Controller Design. Ind. Eng. Chem. Des. Dev., 25:252–265.
Visioli, A. (2005). Model-based PID tuning for high-order processes: when to ap-
proximate. En 44th IEEE Conference on Decision and Control, and the European
Control Conference. December 12-15, Sevilla, Spain.
15
Reglas de ajuste de los algoritmos de control

15.1 Introducción
15.2 Estudios iniciales para el ajuste de los controladores
15.3 Reglas de ajuste de Ziegler-Nichols
15.3.1 Ajuste a partir de la información crítica
15.3.2 Ajuste a partir de información de la curva de reacción
15.3.3 Controlador Taylor Instruments Fulscope 100
15.3.4 Actualización de las reglas de Ziegler-Nichols
15.4 Desarrollos posteriores
15.5 Primeras distinciones entre el control regulador y el servo control
15.6 Reglas con base en criterios de error integral
15.6.1 Ajuste óptimo de los algoritmos de control PID
15.7 Comportamiento y robustez de los sistemas de control
15.7.1 Análisis del conflicto entre el comportamiento y la robustez
15.8 Ajuste robusto y óptimo uSORT
15.8.1 Controladores de un grado de libertad
15.8.2 Controladores de dos grados de libertad
15.8.3 Valores requeridos del factor de peso del valor deseado
15.9 Software para el análisis y el ajuste de los sistemas de control PID
15.10 Ajuste con otros criterios
15.11 Ajuste robusto del controlador PIDA de 2GdL
15.12 Solución de los conflictos para el diseño de los sistemas de control
681
682 15 Reglas de ajuste de los algoritmos de control PID
15.13 Ajuste de los parámetros del algoritmo de control

15.13.1 Información y procedimientos
15.13.2 Procedimiento de ajuste y prueba
15.14 Resumen
15.15 Bibliografía
En el Capítulo 13, se indicó que los procedimientos para el ajuste de los controla-
dores con algoritmos de control PID, se pueden clasificar en forma general en dos
grandes grupos: los procedimientos de ajuste obtenidos mediante una síntesis analí-
tica o deducción matemática, y las reglas de ajuste o sintonización.
Se abordarán aquí, las reglas de ajuste de los parámetros de los algoritmos de
control PI(D) de los controladores, las cuales se caracterizan por ser procedimientos
sencillos, que parten del conocimiento de las características dinámicas del proceso
controlado, por medio de un modelo de orden reducido, o de la información crítica
15.1 Introducción
La característica que distingue a las reglas de ajuste de controladores, es que el crite-
rio de diseño forma parte integral de las mismas −fue establecido por el autor de la
regla−, por lo que este es uno de los aspectos a considerar al seleccionar la regla a
aplicar, para el ajuste de los parámetros del algoritmo de control de los controladores.
Como en su mayoría, las reglas de ajuste de los algoritmos de control, han sido
desarrolladas para controladores de solo un grado de libertad, se encontrarán ecua-
ciones diferentes para el ajuste del controlador cuando se desee un funcionamiento
como servo control, de las requeridas cuando se diseña un control regulador.
Al momento en que Taylor Instruments introdujo al mercado en 1939 el primer
controlador comercial neumático, con un algoritmo de control proporcional, integral
y derivativo (PID), el Fulscope modelo 100, no existía un procedimiento generaliza-
do y sistemático para el ajuste de los parámetros de los controladores industriales.
Hasta esa fecha, los parámetros de la mayoría de los controladores con algoritmos de
control P, PI, o PD, se ajustaban básicamente utilizando la intuición y la experiencia,
a “prueba y error”, o con la ayuda de gráficas. Si en ese momento, el ajuste de un
controlador de dos modos de control presentaba ya dificultades, el adicionar un tercer
modo, hacía que el ajuste se volviera un gran obstáculo.
John Ziegler −el “práctico”− y Nathaniel Nichols −el “matemático”−, inge-
nieros de Taylor Instruments en ese momento, se avocaron entonces a la tarea de
realizar pruebas experimentales con varios procesos, para determinar una forma sim-
ple de ajustar el nuevo controlador. Por esta razón, se considera que estas constituyen
las primeras reglas de ajuste para los algoritmos de control PID.
Lelic y Gasjic (2000) listan cerca de 300 referencias relacionadas con las técni-
cas de ajuste y los controladores PID. Además, una “colección” extensa de reglas de
ajuste, incluyendo sus ecuaciones, se puede encontrar en el libro de O’Dwyer (2009).
Más recientes son: la comparación de 51 procedimientos de ajuste de controladores
PID hecha por Bucz y Kozáková (2012) para procesos autoregulados e integrantes, y
el listado de poco más de 700 referencias relacionadas con las estructuras de contro-
ladores PI y PID y las reglas para su ajuste, presentado por O’Dwyer (2012).
A continuación, se provee una lista y clasificación parcial, de las reglas de ajuste
disponibles para la determinación de los parámetros de los algoritmos de control
PI(D):
• Primeros métodos de ajuste de controladores
– Método de Ziegler y Nichols (1942).

– Método de Chien et al. (1952).
– Método de Cohen y Coon (1953).
• Métodos de ajuste con base en criterios de error integral
– Método de Smith y Murrill (1966).

– Método de López et al. (1967).
– Método de Rovira et al. (1969).
– Método de Kaya y Scheib (1988).
– Método de Madhuranthakam et al. (2008).
– Método de Tavakoli y Tavakoli (2013).
• Métodos de ajuste con base en la cancelación de polos con ceros
– Método de Haalman (1965).

– Método de sintonización “lambda” (Dahlin, 1968).
– Método de Martin et al. (1975).
– Método de Wang et al. (1999).
– Método de Viterková et al. (2000b).
• Métodos de ajuste con base en la localización de los polos de lazo cerrado

– Método de Persson (1992).

– Método de Shen (2000).
– Método de Viterková et al. (2000a).
• Métodos de ajuste con base en márgenes de robustez
– Métodos de Åström y Hägglund (1984).

– Método de Ho et al. (1995).
– Método Kappa-Tau (Åström y Hägglund, 1995).
– Método AMIGO (Hägglund y Åström, 2002, 2004).
– Método de Tavakoli et al. (2005).
• Métodos de ajuste con base en un criterio múltiple
– Método de Harris y Mellichamp (1985).

– Método de Khan y Lehman (1996).
– Método de Ho et al. (1998).
– Método de Tavakoli et al. (2007).
• Métodos de ajuste con base en la técnica del control con modelo interno (IMC)
– Método de Rivera et al. (1986).

– Método de Chien y Fruehauf (1990).
– Método de Brambilla et al. (1990).
– Método de Brosilow (1992).
– Método de Skogestad (2003).
– Método de Ali y Mahi (2009).
• Métodos de ajuste de controladores para procesos con repuesta inversa
– Método de Scali y Rachid (1998).

– Método de Zhang et al. (2000).
– Método de Chien et al. (2003).
– Método de Chen et al. (2006).
• Métodos de ajuste de controladores para procesos integrantes
– Método de Wang y Cai (2001)

15.2. Estudios iniciales para el ajuste de los controladores 685
– Método de Rice y Cooper (2002).

– Método de Arbogast y Cooper (2007).
– Método de Ali y Majhi (2010).
– Método de Tavakoli y Banookh (2010).
• Métodos de ajuste de controladores para procesos inestables
– Método de de Paor (1989).

– Método de Lee et al. (2000).
– Método de Visioli (2001).
– Método de Yang et al. (2002).
– Método de Wang y Xu (2009).
Las razones para que existan tantas propuestas, para el ajuste de los paráme-
tros del algoritmo de control PID, son varias: 1. la diversidad de las dinámicas que
poseen los procesos que se desea, o deben, controlarse; 2. las diferentes especifica-
ciones de diseño para el funcionamiento de los sistema de control, dependientes de
los objetivos que se desean lograr con el control; 3. las distintas implementaciones
comerciales del algoritmo de control PID; y 4. también la “fecunda imaginación” de
sus proponentes.
Se hará evidente en el estudio posterior, que no existe un procedimiento o regla
de ajuste que sea adecuada para solucionar todos los problemas de control, un enfo-
que universal. Tampoco se podrá afirmar, que un procedimiento de ajuste es mejor
que otro en términos generales, solo lo será bajo un índice de medida en particular
−usualmente el mismo utilizado por el autor para su obtención−.
Por lo tanto, el conjunto de procedimientos de ajuste para los parámetros del
controlador, debe considerarse como un “abanico de propuestas” hechas para tal fin,
dentro del cual el diseñador del sistema de control puede seleccionar la que, a su
criterio, es la más adecuada para alcanzar los objetivos establecidos para el sistema
de control de su proceso controlado particular.
15.2 Estudios iniciales para el ajuste de los controladores

Mientras los fabricantes de instrumentos, estaban en el proceso de desarrollar sus pri-
meras versiones comerciales de controladores neumáticos, con algoritmos de control
cuyos parámetros se pudieran ajustar libremente, se realizaban otros estudios para su
construcción y ajuste.
Uno particularmente interesante, es el reportado por Callender (1934), sobre el

desarrollo de un controlador para el control de la temperatura en un destilador, del
cual se extrae lo siguiente:
“Se desea mantener automáticamente, en la forma más estacionaria posible, la
magnitud de cierta cantidad física, por ejemplo la temperatura, en un equipo de la
planta. Esta temperatura será afectada por muchos factores, por ejemplo las condi-
ciones de trabajo, las estaciones del año, ... .”1 .
El problema investigado era estrictamente de regulación.
Algunas conclusiones importantes hechas por Callender incluyen que, ante un
cambio en la posición de la válvula utilizada para controlar, el cambio en la tempe-
ratura no empezaba inmediatamente, existía un “retraso” −tiempo muerto−, y que
aunque la acción correctiva se iniciara inmediatamente que se notara el cambio en la
temperatura, la desviación de esta continuaba creciendo, hasta que pasara un tiempo
igual al tiempo muerto y que esto era inevitable; si el movimiento de la válvula se
hacía proporcional a la desviación de la temperatura, se podía encontrar un valor de
proporcionalidad adecuado, para alcanzar un valor estacionario de la temperatura,
pero esta no regresaba al valor correcto −existía un error permanente−; si se tenía
un término adicional en el desplazamiento de la válvula, con base en el área (integral)
entre la curva de temperatura y la temperatura correcta, con una selección adecua-
da de las constantes de proporcionalidad, se obtenía un comportamiento oscilatorio
amortiguado en torno al valor deseado, lo que significaba que el sistema siempre se
recuperada por si mismo, ante una perturbación −“... This is of the utmost impor-
tance, ...”−; debido a que la sensibilidad de la válvula dependía de su apertura, esta
debía caracterizarse, para obtener un sistema lineal.
El análisis del comportamiento del sistema de control y el desarrollo de un con-
trolador, continúa en Callender y Stevenson (1936b,a), incluyendo el caso en que “...
el desplazamiento efectivo de la válvula, se cambia a una velocidad que es la suma
de tres términos, (1) proporcional a la desviación de la variable, (2) proporcional a
la velocidad de esta desviación y (3) proporcional a la velocidad de cambio de esta
velocidad.”, lo cual corresponde con la velocidad de cambio de la señal de control,
de un algoritmo de control proporcional, integral y derivativo, tal como se describe
en (7.44) del Capítulo 7 para el caso de un controlador PID Estándar.
Una copia de los reportes de investigación hechos por Callender y Stevenson, fue
rescatada oportunamente por O’Dwyer, antes de que fueran destruidos (O’Dwyer,
2005).
En Callender et al. (1936), se presenta el estudio teórico y mediante simulación en
un analizador diferencial mecánico, realizado para determinar el rango de variación
1 Traducción libre de los párrafos introductorios del “Planteamiento del problema”, en Callender
(1934).
15.3. Reglas de ajuste de Ziegler-Nichols 687
que consideraron adecuado, de los parámetros de un controlador con un algoritmo

de control proporcional e integral y uno proporcional, integral y derivativo paralelo,
para el control de los procesos que son un tiempo muerto puro.
La respuesta a un cambio escalón en la perturbación, debía ser una oscilación
amortiguada que retornara rápidamente la variable controlada a su valor deseado.
Se presentan gráficos y cuadros con los parámetros recomendados, sin embargo, no
llegaron al desarrollo de una regla de ajuste.
El análisis de los procesos aproximados por un modelo de primer orden más tiem-
po muerto, lo efectuaron solo para un caso particular, para un modelo con un tiempo
muerto normalizado τL = 0,30 fijo2 , y por lo tanto, sus conclusiones no se pueden
extender al control de modelos similares pero con otros parámetros, por ejemplo a
procesos controlados con otros tiempos muertos normalizados.
Los estudios iniciales con los diferentes modos de control, muestran la necesidad
de que el controlador incluya el modo integral, para garantizar que el error perma-
nente sea cero, ante la presencia de perturbaciones constantes.
15.3 Reglas de ajuste de Ziegler-Nichols

Ziegler y Nichols (1942) realizan pruebas en un simulador analógico y experimenta-
les con equipo de su laboratorio, para determinar los parámetros de los controladores
con algoritmos de control P, PI y PID.
En todas las pruebas, introducen un cambio escalón en la salida del controla-
dor, entrada al proceso controlado, manteniendo en todo momento el valor deseado
constante. Es importante tener en cuenta entonces, que sus reglas de ajuste solo son
aplicables para determinar los parámetros de los controladores de aquellos lazos de
control, cuyo funcionamiento principal es la corrección del efecto adverso de las
perturbaciones −control regulador−.
Indican que en un controlador con solo el modo proporcional −“proportional
response”−, la sensibilidad3 del controlador afecta la estabilidad del sistema de con-
trol y que existe un valor completamente definido y fácil de determinar, denominado
sensibilidad última (Su )4 , sobre el cual la amplitud de la oscilación del sistema de
control aumenta y bajo el cual su amplitud más bien disminuye, y que la estabilidad
2 “Case (iii), µ 6= 0, v , v , v 6= 0 - No general examination of this case has been made; a few cases
1 2 3
have been tried for µ = 0 · 3 merely because this value corresponded to a definite practical problem.”
(Callender et al., 1936).
3 Sensitividad = ganancia proporcional.
4 En la descripción del ajuste propuesto por Ziegler y Nichols, se utilizará la nomenclatura utilizada
por ellos: sensibilidad última Su y periodo de oscilación último Pu . Sin embargo, posteriormente en las
reglas de ajuste y su uso, se empleará la nomenclatura usual del libro: ganancia última K pu y periodo
de oscilación último Tu .
Figura 15.1: Control regu-

lador - Criterio de decai-
miento de 1/4
del sistema puede medirse en términos de la “razón de las amplitudes” de los dos va-
lores máximos consecutivos de la oscilación de la respuesta. Entonces, la sensibilidad
última produce una respuesta con una razón de amplitudes igual a 1. Una reducción
en la sensibilidad del controlador, reduce la razón de dos amplitudes consecutivas de
la oscilación.
Por otra parte, si se presenta un cambio de carga (perturbación), existirá una des-
viación permanente (error) que varía en forma inversa con la sensibilidad. Por lo tan-
to, el ajuste adecuado de la sensibilidad de la respuesta proporcional del controlador,
busca un balance entre la razón de amplitudes (decaimiento del error en un periodo) y
el error permanente. Consideran entonces que un decaimiento al 25 %5 , proporciona
un compromiso adecuado y que este se logra, con una sensibilidad aproximadamente
igual a la mitad de la sensibilidad máxima (Su /2). El criterio de desempeño seleccio-
nado por Ziegler y Nichols es entonces, que la respuesta del control regulador tenga
un decaimiento de 1/4, como se muestra en la figura 15.1.
El propósito de modo integral −“automatic reset”− del controlador es eliminar
el error permanente y está determinado por la “razón de restablecimiento” −“reset
rate”6 −. La razón de restablecimiento afecta el tiempo que tarda la respuesta en re-
gresar a su valor deseado. Ziegler y Nichols determinan que el periodo Pu de la osci-
5 Aparentemente Nichols quería utilizar un decaimiento del 37 %, pero Ziegler insistió en que el
decaimiento del 25 %, era mucho más fácil de observar de la curva de respuesta (Blinkley, 1990).
6 Tiempo de restablecimiento (min−1 ) = 1/[tiempo integral (min)].
lación producida por la sensibilidad última Su , es un buen indicador para el ajuste de

la razón de restablecimiento. Para un controlador con una sensibilidad igual al 45 %
de la sensibilidad última (la sensibilidad del controlador se debe reducir un poco,
respecto a la del controlador proporcional, debido a la pérdida de estabilidad resul-
tante al incorporar el modo integral), consideran que una razón de restablecimiento
cercada a 1,2/Pu proporciona una curva de respuesta “optima” a un cambio de carga.
Esta es una respuesta con un tiempo de recuperación razonablemente corto, sin una
pérdida excesiva de estabilidad o un aumento excesivo de su periodo.
El modo derivativo −“pre-act”− está caracterizado por el “pre-act time”7 . Al
igual que con el modo integral, Ziegler y Nichols encontran que el ajuste del “pre-
act time” se puede relacionar con el periodo de oscilación último. La inclusión del
modo derivativo incrementa la estabilidad del sistema de control, por lo que se pue-
de aumentar el ajuste de la sensibilidad a 0,6Su y el del tiempo de restablecimiento
a 2/Pu , siendo el ajuste óptimo del “pre-act time”, en un controlador con respuesta
proporcional, restablecimiento automático y “pre-act”, aproximadamente Pu /8. La
respuesta del sistema de control con el controlador con los tres modos de control,
muestra varias mejoras: error máximo, periodo de oscilación y tiempo de recupera-
ción menores.
15.3.1 Ajuste a partir de la información crítica

Las ecuaciones de ajuste de Ziegler-Nichols, para el controlador Fulscope 100, em-
pleando la información crítica o última (Kpu , Tu ), son
• Algoritmo de control P
Kp∗ = 0,50Kpu . (15.1)
• Algoritmo de control PI
Kp∗ = 0,45Kpu , (15.2)

Tu
Ti∗ = . (15.3)
1,2
• Algoritmo de control PID
Kp∗ = 0,6Kpu , (15.4)

Tu
Ti∗ = , (15.5)
2
∗ Tu
Td = . (15.6)
8
7 “Pre-act time” (min) = tiempo derivativo (min).
donde Kp∗ , Ti∗ y Td∗ corresponden al ajuste proporcional, integral y derivativo del
controlador Fulscope 100.
El las reglas de ajuste de Ziegler-Nichols, se ve que al pasar del ajuste de un
controlador P al de un controlador PI, se debe reducir un 10 % la ganancia propor-
cional −menos acción proporcional−, debido al atraso de fase (efecto que reduce la
estabilidad) introducido por el modo integral. Sin embargo, al pasar del ajuste de un
controlador PI al de un controlador PID, se puede aumentar la ganancia en poco más
del 33 % −más acción proporcional− y disminuir el tiempo integral un 40 % −más
acción integral−, debido al adelanto de fase (efecto estabilizador) introducido por el
modo derivativo.
Como se aprecia en las ecuaciones anteriores, en el método de ajuste de Ziegler-
Nichols se tiene que Ti∗ /Td∗ = 4 (controlador PID Fulscope 100, PID Serie o PID
Industrial).
Para la obtención de la información crítica, Ziegler y Nichols propusieron utilizar
el método de oscilación mantenida descrito en la sección 8.3.3 del Capítulo 8. Sin
embargo, en la actualidad es más conveniente obtenerla mediante la realimentación
con un relé, tal como se indicó en esa misma sección.
15.3.2 Ajuste a partir de información de la curva de reacción

En adición a las pruebas que les conducen a la determinación de las ecuaciones de
ajuste del método de lazo cerrado anterior, Ziegler y Nichols obtienen la curva de
respuesta de los sistemas de prueba a un cambio escalón en la entrada, denominada
curva de reacción del proceso.
Trazando una recta tangente al punto de inflexión de dicha respuesta, como se
muestra en la figura 15.2, determinan el “retraso” L del proceso y su “razón de reac-
ción” R (pendiente de la recta).
Lo anterior permite considerar, que el modelo supuesto para representar al pro-
ceso controlado, es de la forma
Re−Ls
P(s) = , (15.7)
s
esto es, un proceso integrante de primer orden (puro) con tiempo muerto.
Las pruebas experimentales le permiten a Ziegler y Nichols determinar, que el
periodo de oscilación del sistema con un controlador P para los procesos estudiados,
es aproximadamente cuatro veces el valor del retraso (Pu ≈ 4L) y que la sensibilidad
máxima, es inversamente proporcional al producto RL (Su ≈ 2/RL).
Nótese que la relación empírica encontrada por Ziegler y Nichos, entre el tiempo
muerto aparente del proceso (obtenido de su curva de reacción) y el periodo crítico
del proceso (obtenido de la oscilación mantenida de su sistema de control P), coincide
Figura 15.2: Curva de reac-

ción del proceso
con la relación (8.166) determinada analíticamente en el Capítulo 8, para un modelo

integrante de primer orden.
Empleando estas relaciones en las ecuaciones de ajuste anteriores, determinan
los parámetros del controlador Fulscope 100, en función de las características de la
curva de reacción, los cuales son
• Algoritmo de control P
1
Kp∗ = . (15.8)
RL
0,9
Kp∗ = , (15.9)
RL
L
Ti∗ = . (15.10)
0,3
• Algoritmo de control PID

1,2
Kp∗ = , (15.11)
RL
Ti∗ = 2,0L, (15.12)
Td∗ = 0,5L. (15.13)
Si bien, tal como se citó en la sección 15.2, existieron estudios previos a los
de Ziegler y Nichols, para determinar el ajuste adecuado de los parámetros de los
controladores, son estos últimos los que recomendaron por primera vez una regla
(ecuaciones simples), para el cálculo de los parámetros del algoritmo de control de
los controladores, con base en información del comportamiento dinámico del proceso
controlado.
Además, y tal vez más importante, es que encontraron que el comportamiento
dinámico de un proceso, se puede caracterizar mediante dos parámetros: la ganancia
de un controlador proporcional que hace oscilar el sistema de control y el periodo de
esta oscilación, denominados ganancia crítica Kpu y periodo crítico Tu del proceso
controlado, respectivamente. Esta aseveración fue recibida con escepticismo, y hasta
rechazo, cuando fue presentada por primera vez en la reunión anual de la ASME8 en
diciembre de 1941 (Blinkley, 1990), pero luego fue aceptada y su método de ajuste
de controladores ha sido sin duda, el que mayor divulgación ha tenido.
Las información crítica (Kpu , Tu ) del proceso, ha sido utilizada por muchos otros
autores, como base para el desarrollo de sus propuestas de reglas de ajuste de contro-
ladores PI(D).
Como la regla de Ziegler-Nichols para el ajuste de los parámetros del algoritmo
de control de los controladores, con base en la información de la curva de reacción (R,
L), la obtuvieron a partir de su regla de ajuste desarrollada con base en la información
crítica del proceso controlado (Kpu , Tu ), suponiendo que Tu ≈ 4L y que Kpu ≈ 2/RL,
es probable que los parámetros de ajuste resultantes de la aplicación de las dos re-
glas de ajuste no sean los mismos, si esta suposición no se cumple para el proceso
controlado bajo estudio. De desearse obtener un control regulador con una respuesta
similar a la especificada por Ziegler y Nichols, con un decaimiento de un cuarto, es
conveniente ajustar los parámetros del algoritmo de control del controlador, con base
en la información crítica del proceso controlado.
15.3.3 Controlador Taylor Instruments Fulscope 100

El controlador PID empleado por Ziegler y Nichols fue un Taylor Instruments Fuls-
cope 100 mostrado en la figura 7.33 del Capítulo 7. Este era un controlador neumático
cuya ecuación de salida, está dada por la la expresión (Farrigton, 1951; Harriot, 1964;
Coughanour y Koppel, 1965)
∗ ∗ Ti∗ Td∗

∗ Ti + Td 1
u(s) = Kp 1+ ∗ + s e(s), (15.14)
Ti∗ − Td∗ (Ti + Td∗ )s Ti∗ + Td∗
en donde Kp∗ , Ti∗ y Td∗ correspondían a los ajustes de las perillas del controlador.
8 American Society of Mechanical Engineers.
Esta ecuación se puede escribir, como
1 + Td∗ /Ti∗ Td∗

∗ 1
u(s) = Kp 1 + + s e(s). (15.15)
1 − Td∗ /Ti∗ (1 + Td∗ /Ti∗ )Ti∗ s 1 + Td∗ /Ti∗
Entonces, los parámetros efectivos del controlador Fulscope 100 correspondien-

tes, son
1 + Td∗ /Ti∗

Kp = Kp∗ , (15.16)
1 − Td∗ /Ti∗
Ti = (1 + Td∗ /Ti∗ )Ti∗ , (15.17)
Td∗
Td = . (15.18)
1 + Td∗ /Ti∗
Las expresiones anteriores para el cálculo del tiempo integral Ti y el tiempo de-
rivativo Td efectivos del controlador, coinciden con las ecuaciones utilizadas para la
conversión de los parámetros de un algoritmo de control PID Serie a uno Estándar
(ambos ideales). Sin embargo, la ecuación para la ganancia proporcional efectiva Kp ,
incluye además el término 1 − Td∗ /Ti∗ en el denominador, el cual aumenta la ganancia
proporcional equivalente del controlador.
El factor de interacción 1 + Td∗ /Ti∗ para el controlador Fulscope 100, con el ajus-
te de Ziegler-Nichols, es entonces 1,25. Además, la ganancia efectiva es un 33,3 %
más alta, que la obtenida aplicando solamente las ecuaciones de conversión de los
parámetros Serie a Estándar.
En el caso de los controladores con algoritmos de control P y PI, el ajuste de las
perillas del controlador coincide con el valor del parámetro que representan (Kp =
Kp∗ , Ti = Ti∗ ).
Por lo tanto, se puede considerar que el controlador Taylor Instruments Fulscope
100 tenía un algoritmo de control PID tipo Serie.
15.3.4 Actualización de las reglas de Ziegler-Nichols

Debido a las diferencias entre los algoritmos de control PID, empleados en la ac-
tualidad en los controladores de uso industrial y el del Taylor Instruments Fulscope
100 utilizado por Ziegler y Nichols y a que actualmente el ajuste de los parámetros
de los modelos de orden reducido, se realiza empleando, por ejemplo, dos o más
puntos sobre las curva de reacción y no la recta tangente, es necesario “adecuar” las
ecuaciones de ajuste obtenidas por Ziegler y Nichols a las nuevas circunstancias.
Alfaro (2005), además de considerar los puntos anteriores en la revisión de las
ecuaciones de ajuste de Ziegler-Nichols, extendió su aplicación a los modelos de polo
doble más tiempo muerto.
Se considerará que los modelos de primer orden y polo doble más tiempo muerto
identificados, son los mejores de esos tipos que se pueden identificar a partir de la
curva de reacción o de la información crítica, para representar al proceso controlado.
Utilizando la información crítica

Conocidos los parámetros críticos del proceso controlado Kpu y Tu , los parámetros
de los controladores, son
• Algoritmo de control PID Estándar
Kp = Kpu , (15.19)
Tu
Ti = , (15.20)
1,6
Tu
Td = . (15.21)
10
• Algoritmos de control PID Serie e Industrial
Kp0 = 0,80Kpu , (15.22)

Tu
Ti0 = , (15.23)
2
T u
Td0 = . (15.24)
8
Utilizando un modelo de primer orden más tiempo muerto

Identificado el modelo de primer orden más tiempo muerto
Ke−Ls L
P(s) = , τL = , (15.25)
Ts+1 T
los parámetros de los controladores, son
0,70
Kp K = 0,31 + , (15.26)
τL

Ti 3,34 + 1,28τL
= τL . (15.27)
T 1 + 0,787τL

1,56
Kp K = 0,68 + (15.28)
τL

Ti 2,5 + 0,957τL
= τL , (15.29)
T 1 + 0,787τL

Td 0,40 + 0,153τL
= τL . (15.30)
T 1 + 0,787τL

1,25
Kp0 K = 0,54 + (15.31)
τo
Ti0

2,0 + 0,776τL
= τL , (15.32)
T 1 + 0,787τL
Td0

0,50 + 0,351τL
= τL . (15.33)
T 1 + 0,787τL
Utilizando un modelo de polo doble más tiempo muerto

Identificado el modelo de polo doble más tiempo muerto
Ke−Ls
P(s) = , τL = L/T, (15.34)
(T s + 1)2
los parámetros de los controladores, son
0,90
Kp K = 0,32 + , (15.35)
τL

Ti 22,10 + 27,78τo
= τL . (15.36)
T 1 + 11,36τL

2,0
Kp K = 0, 70 + , (15.37)
τL

Ti 16,57 + 20,83τL
= τL , (15.38)
T 1 + 11,36τL

Td 2,65 + 3,33τL
= τL . (15.39)
T 1 + 11,36τL
Cuadro 15.1: Ejemplo 15.1 Controlador Kp Ti [s] Td [s]

- Parámetros de Ziegler-
Nichols P 2,70 - -
PI 2,43 29,58 -
PID 5,40 22,19 3,55

1,60
Kp0 K = 0,56 + , (15.40)
τL
Ti0

13,26 + 16,67τL
= τL , (15.41)
T 1 + 11,36τL
Td0

3,31 + 4,17τL
= τL . (15.42)
T 1 + 11,36τL
A pesar del valor, que en el pasado han tendido las reglas de ajuste de Ziegler-
Nichols, y que aún conservan popularidad, los sistemas de control obtenidos, cuando
el controlador se ajusta con este procedimiento, presentan una robustez muy baja,
de acuerdo a los criterios actuales de comportamiento y robustez. Por lo tanto, en la
actualidad, el valor de estas reglas se considera limitado al de una referencia histórica,
tal vez la más importante, dentro del desarrollo de los procedimientos de ajuste de
los algoritmos de control PI(D).
Ejemplo 15.1 Reglas de ajuste de Ziegler-Nichols actualizadas

Supóngase que el proceso controlado, está dado por la función de transferencia
1,25
P(s) = .
(16s + 1)(8s + 1)(4s + 1)(2s + 1)
En este caso, la información crítica sería Kpu = 5,4 y Tu = 35,5 s. Con esta se cal-
cularon los parámetros de los controladores con algoritmos de control P, PI y PID
Estándar, utilizando el método de Ziegler-Nichols, listados en el cuadro 15.1. Las
respuestas del control regulador con estos controladores (yd1 (t) - PID, yd2 (t) - PI,
yd3 (t) - P), se muestran en la figura 15.3.
Partiendo del controlador P, al adicionar el modo integral, se debe disminuir la
acción proporcional para mantener el mismo comportamiento de la respuesta, debi-
do al efecto desestabilizador del modo integral. Si al controlador PI se le adiciona
ahora el modo derivativo, es posible entonces incrementar la acción proporcional y
la acción integral, debido al efecto estabilizador del modo derivativo. El incremento
15.4. Desarrollos posteriores 697
yd1(t)
56
yd2(t)
yd3(t)
Variables [%]
d(t)
55
54
53
52
51
50
49
0 50 100 150 200
Tiempo, t [s]
Figura 15.3: Ejemplo 15.1 - Control regulador Ziegler-Nichols
en el ajuste de la ganancia del controlador PID, reduce el valor del error máximo de
la respuesta del control regulador.
15.4 Desarrollos posteriores

Las reglas de ajuste de controladores sugeridas por Ziegler y Nichos, tienen como
base la información crítica del proceso, determinada mediante una prueba de lazo
cerrado. Utilizando relaciones empíricas, entre la información crítica y las caracte-
rísticas de la curva de respuesta del proceso, aproximado por un modelo integrante
con tiempo muerto por medio de una recta tangente, proponen reglas equivalentes
con base en esta información.
Ziegler y Nichols no consideraron si el proceso era o no autoregulado (estable),
por lo que no emplearon un modelo de primer orden más tiempo muerto para repre-
sentarlo.
Por su parte Cohen y Coon (1953) si emplearon un modelo con parámetros (K,
T , L) determinados utilizando la recta tangente. El criterio de diseño, fue igualmente
el decaimiento de 1/4 de la respuesta a un cambio en la perturbación y sus reglas de
ajuste incluyen el término µ = L/T , al cual llamaron factor de autoregulación.
Los coeficientes de las ecuaciones dadas por Cohen y Coon, fueron recalculadas
posteriormente por Witt y Waggoner (1999).
15.5 Primeras distinciones entre el problema del control

regulador y el del servo control
Como se indicó anteriormente, Ziegler y Nichos desarrollaron sus reglas de ajuste
considerando solamente la atenuación del efecto de las perturbaciones. Lamenta-
blemente, muchas veces se hace uso inadecuado de sus propuestas, para analizar la
respuesta del sistemas de control ante un cambio en el valor deseado, la cual, como
es de esperarse, no es satisfactoria.
Posiblemente uno de los primeros trabajos en que se analiza e indica, que el ajus-
te del algoritmo de control para dar seguimiento en forma adecuada a un cambio en
el valor deseado, debe ser distinto del ajuste para atenuar eficientemente las pertur-
baciones, es el de Chien et al. (1952).
El modelo empleado por Chien y sus colaboradores para representar al proceso
controlado, es de primer orden más tiempo muerto, cuyos parámetros son ajustados
utilizando el método de la tangente. Como criterio de diseño para el servo control, se
establece que las respuestas sean rápidas y sin sobrepaso, o con un 20 % de sobrepaso.
Establecen reglas de ajuste para los algoritmos de control proporcional, propor-
cional e integral y proporcional, integral y derivativo ideal, diferentes para el servo
control, de las propuestas para el control regulador. Las constantes de tiempo inte-
gral y derivativo del controlador, son proporcionales al tiempo muerto aparente del
modelo.
15.6 Reglas de ajuste que optimizan un criterio de

comportamiento con base en el error integral
Una de las formas de evaluar el comportamiento de los sistemas de control, es me-
diante el cálculo de una funcional de costo con base en el error. Esto es, con base en
la diferencia entre el valor deseado y el valor real de la variable controlada. El error
es una indicación de productos fuera de especificación, energía desperdiciada u otro
funcionamiento no deseado dependiendo del significado físico de este error. Entre
más grande sea el error y entre más dure este, más malo es el comportamiento del
sistema de control.
En la sección 9.5 del Capítulo 9, se introdujeron los índices de error integral
utilizados con mayor frecuencia, para el ajuste de los algoritmos de control.
15.6. Reglas con base en criterios de error integral 699
Willis (1962b) presenta gráficos con base en la forma de la curva de respuesta

para la determinación de los parámetros de controladores PID, que optimizan el cri-
terio JIAE y el JITAE ante un cambio en el valor deseado, para un proceso de polo
doble con τL = 0,10. Posteriormente, indica que las áreas para un ajuste óptimo JIAE ,
en los planos de variación de los parámetros del controlador para los cambios en las
perturbaciones, están “desplazadas” respecto a las correspondientes para los cambios
en el valor deseado (Willis, 1962a).
Por su parte Smith y Murrill (1966) desarrollaron procedimientos también grá-
ficos, para la determinación de los parámetros de los controladores que optimizan
algún criterio de error integral. Estos resultados llevan luego al desarrollo de reglas
de ajuste.
Las reglas más conocidas para el ajuste de los algoritmos de control de los con-
troladores, con base en los criterios de error integral, son las reglas clásicas de López
et al. (1967) para cambios en la perturbación de carga (controladores: PI, PID Ideal;
criterios: JIAE , JITAE , JISE ) y las de Rovira et al. (1969) (controladores: PI, PID Ideal;
criterios: JIAE , JITAE ) para cambios en el valor deseado. Ambas utilizan un modelo de
primer orden más tiempo muerto, para representar al proceso controlado y son apli-
cables en el ámbito para el tiempo muerto normalizado 0,1 ≤ τL ≤ 1,0. Debe tomarse
en cuenta que estos consideraron un algoritmo de control PID Ideal, con la deriva-
da aplicada directamente al error, lo cual solo es relevante para el desarrollo hecho
por Rovira et al. (1969). Estos procedimientos de ajuste, solo consideran obtener un
comportamiento óptimo de los lazos de control.
En adición a estos métodos, existe una gran variedad de reglas de ajuste de con-
troladores, que optimizan el comportamiento del sistema de control con base en un
índice de error integral, para una diversidad de modelos que representan a los proce-
sos controlados, como se puede observar en Alfaro (2002, 2003) y en la recopilación
de O’Dwyer (2009). Casos particulares, son las reglas descritas a continuación.
Se presentarán primero reglas para el ajuste de los parámetros de los algoritmos
de control de los controladores, que consideran solamente el comportamiento me-
dido con alguno de los índices de error integral. Los sistemas de control obtenidos,
se dirán óptimos bajo el criterio de comportamiento establecido, para la operación
seleccionada, el modelo utilizado para representar al proceso controlado y el algorit-
mo de control empleado. Los parámetros obtenidos son un conjunto particular para
el caso considerado, que no serán óptimos para otro caso, por ejemplo si se cambia
el criterio de comportamiento, la operación del sistema de control, la estructura del
modelo del proceso controlado, o el algoritmo de control.
Posteriormente, se incorporará al criterio de diseño, la robustez del sistema de
control, mediada con la sensibilidad máxima, para obtener sistemas de control que
son robustos y que proveen el mejor comportamiento posible, que ya no será igual al
anterior, para el criterio de error integral seleccionado.
Esto es, el comportamiento del sistema de control robusto resultante, será óptimo
para el nivel de robustez considerado en el diseño −sistema de control robusto y
óptimo−, pero inferior (bajo el índice de comportamiento optimizado) al del sistema
de control sin restricciones en la robustez (con el mejor comportamiento posible bajo
ese mismo índice).
15.6.1 Ajuste óptimo de los algoritmos de control PID

Las siguientes ecuaciones de ajuste de controladores (Méndez, 2006), fueron deter-
minadas con base en los parámetros requeridos para optimizar varios criterios de
error integral (Rímolo, 2005).
El modelo empleado para representar al proceso controlado, es de segundo orden
sobreamortiguado más tiempo muerto, dado por la función de transferencia
Ke−Ls L
P(s) = , τL = , (15.43)
(T s + 1)(aT s + 1) T
con una relación de constantes de tiempo 0 ≤ a ≤ 1,0 y tiempos muertos normaliza-
dos en el rango 0,05 ≤ τL ≤ 2,0.
Los criterios de error integral optimizados, son de la forma general
Z ∞
IT m AE n = t m |e(t)|n dt, (15.44)
0
con m ∈ {0, 1, 2} y n ∈ {1, 2} (IAE, ITAE, IT 2 AE, ISE, IT SE e IT 2 SE).

Se optimiza el desempeño tanto a un cambio escalón en el valor deseado, como a
un cambio escalón en la perturbación, con controladores con un algoritmo de control
proporcional e integral (PI) y proporcional, integral y derivativo (PID) Estándar, Serie
e Industrial, todos de un grado de libertad.
Unas de las reglas determinadas para el ajuste óptimo de los controladores, son:
1. Algoritmo de control PI (servo control y control regulador)
.
κ p = Kp K = a0 + a1 τLa2 , (15.45)
. Ti
τi = = b0 τL + b1 τLb2 . (15.46)
T
2. Algoritmo de control PID Estándar
• Servo control
.
κ p = Kp K = a0 + a1 τLa2 , (15.47)
. Ti
τi = = b0 τL + b1 τLb2 , (15.48)
T
. Td
τd = = c0 + c1 τLc2 . (15.49)
T
Cuadro 15.2: Controla- a 0,0 0,25 0,50 0,75 1,0

dor PI (servo control) -
Constantes para el ajuste Criterio JeIAE
óptimo a0 0,265 -0,035 0,013 -0,040 0,035
a1 0,509 0,761 0,730 0,835 0,825
a2 -1,042 -0,619 -0,616 -0,587 -0,618
b0 0,433 0,395 0,372 0,353 0,406
b1 0,922 1,117 1,381 1,671 1,903
b2 -0,017 -0,080 -0,114 -0,121 -0,134
Criterio JeITAE
a0 0,209 -0,148 -0,198 -0,299 -0,338
a1 0,441 0,748 0,788 0,914 0,997
a2 -1,054 -0,475 -0,416 -0,372 -0,360
b0 0,326 0,316 0,307 0,299 0,291
b1 0,882 1,005 1,169 1,372 1,605
b2 -0,035 -0,033 -0,067 -0,076 -0,072
• Control regulador
.
κ p = Kp K = a0 + a1 τLa2 , (15.50)
. Ti
τi = = b0 + b1 τLb2 , (15.51)
T
. Td
τd = = c0 + c1 τLc2 . (15.52)
T
donde las constantes ai , bi y ci , dependen del tipo de controlador, del criterio de error
integral optimizado y de la relación a de las constantes de tiempo del modelo del
proceso controlado.
En los cuadros 15.2 y 15.3, se listan las constantes de las ecuaciones de ajuste
para los controladores con un algoritmo de control PI, para los criterios de error
integral JeIAE y JeITAE .
Por su parte, en los cuadros 15.4 y 15.5 se listan las constantes de las ecuacio-
nes de ajuste correspondientes a los controladores, con un algoritmo de control PID
Estándar, para estos mismos criterios.
Los parámetros óptimos y las constantes de las ecuaciones de ajuste para otros
criterios de error integral, se encuentran en las referencias indicadas.
Cuadro 15.3: Controlador a 0,0 0,25 0,50 0,75 1,0

PI (control regulador) -
Constantes para el ajuste Criterio JeIAE
óptimo a0 0,124 0,250 0,225 0,190 0,184
a1 0,886 0,658 0,731 0,868 0,994
a2 -1,005 -0,991 -1,010 -0,999 -0,999
b0 -2,422 0,272 0,280 0,223 0,194
b1 3,855 1,341 1,627 2,013 2,358
b2 0,780 0,087 -0,013 -0,022 -0,020
Criterio JeITAE
a0 0,114 0,179 0,212 0,191 0,225
a1 0,758 0,598 0,592 0,648 0,718
a2 -1,012 -0,910 -0,952 -0,970 -0,978
b0 -1,997 0,276 0,248 0,202 0,239
b1 3,273 1,161 1,437 1,691 1,938
b2 0,763 0,097 0,018 -0,007 -0,011

PID Estándar (servo con-
trol) - Constantes para el Criterio JeIAE
ajuste óptimo a0 0,305 0,274 0,127 0,055 -0,028
a1 0,752 0,720 0,926 1,092 1,284
a2 -0,969 -0,878 -0,824 -0,805 -0,787
b0 0,237 0,320 0,272 0,224 0,198
b1 1,109 1,139 1,359 1,623 1,872
b2 0,061 -0,012 -0,014 -0,006 -0,003
c0 -0,002 0,193 0,313 0,399 0,461
c1 0,357 0,251 0,241 0,238 0,243
c2 0,912 1,110 1,062 1,045 1,004
Criterio JeITAE
a0 0,205 0,217 0,047 -0,057 -0,189
a1 0,809 0,728 0,952 1,141 1,375
a2 -0,931 -0,835 -0,762 -0,730 -0,700
b0 0,324 0,328 0,306 0,278 0,251
b1 1,023 1,155 1,363 1,604 1,860
b2 0,033 -0,005 -0,011 -0,009 -0,004
c0 -0,013 0,178 0,309 0,401 0,469
c1 0,304 0,202 0,165 0,147 0,138
c2 0,784 1,029 1,189 1,265 1,297

PID Estándar (control re-
gulador) - Constantes para Criterio JeIAE
el ajuste óptimo a0 0,191 0,720 0,819 0,891 0,992
a1 1,165 0,526 0,543 0,647 0,755
a2 -1,008 -1,430 -1,586 -1,640 -1,671
b0 -0,181 -0,294 -0,547 -0,689 -0,817
b1 1,235 1,525 1,920 2,182 2,427
b2 0,519 0,395 0,327 0,311 0,305
c0 -0,027 0,050 -0,057 -0,191 -0,243
c1 0,439 0,479 0,705 0,934 1.048
c2 0,766 0,641 0,436 0,356 0,343
Criterio JeITAE
a0 0,150 0,673 0.765 0,840 0,934
a1 0,183 0,527 0,544 0,637 0,740
a2 -0,992 -1,419 -1,563 -1,620 -1,653
b0 -0,251 -0,669 -0,854 -1,171 -1,452
b1 1,398 1,988 2,332 2,799 3,217
b2 0,474 0,301 0,267 0,241 0,230
c0 -0,030 0,062 -0,036 -0,160 -0,235
c1 0,382 0,398 0,602 0,805 0,938
c2 0,738 0,663 0,426 0,337 0,311
Ejemplo 15.2 Ajuste óptimo de controladores PI

Considérese el proceso controlado, dado por la función de transferencia
1,25
P(s) = . (15.53)
(16s + 1)(8s + 1)(4s + 1)(2s + 1)
Utilizando el método de identificación 123c, se han obtenido los siguientes mo-

delos de orden reducido para representarlo, en el cálculo de los parámetros del al-
goritmo de control
1,25e−11,1s
Pm1 (s) = , (15.54)
19,95s + 1
1,25e−4,43s
Pm2 (s) = . (15.55)
(14,01s + 1)(11,51s + 1)
En el cuadro 15.6 se listan los parámetros determinados para el algoritmo de

control PI.
Cuadro 15.6: Ejemplo 15.2 Parámetros del controlador Kp Ti [s]

- Control PI
Criterio (servo control)
JeIAEr (modelo Pm1 ) 0,96 23,23
JeITAEr (modelo Pm1 ) 0,82 21,24
Criterio (control regulador)
JeIAEd (modelo Pm1 ) 1,37 21,87
JeITAEd (modelo Pm1 ) 1,18 19,64
Cuadro 15.7: Ejemplo 15.2 - Índices de comportamiento y robustez
Criterio JeIAE (∆r) JeIAE (∆d) JeITAE (∆r) JeITAE (∆d) MSr
Comportamiento con el modelo
JeIAEr 22,54 28,35 23,05 27,15 1,83
JeIAEd 24,19 17,71 25,90 18,23 2,73
JeITAEr 688,28 1175,60 677,70 1042,30 1,68
JeITAEd 1392,90 955,60 1474,90 945,74 2,41
Comportamiento con el proceso
JeIAEr 23,58 26,00 24,54 26,99 –
JeIAEd 24,20 17,64 25,90 19,26 –
JeITAEr 801,39 1109,40 818,53 1154,60 –
JeITAEd 1393,00 963,96 1475,30 1072,80 –
Los valores calculados de los índices de comportamiento y robustez obtenidos,

se listan en el cuadro 15.7.
De las evaluaciones de los índices de error integral, listados en el cuadro 15.7,
se hace evidente que cada conjunto de parámetros del controlador, solo es óptimo
bajo el criterio de error integral para el cual fueron determinados.
Además, se nota que los sistemas de control optimizados para un cambio en la
perturbación, no son robustos.
Las diferencias entre los índices de comportamiento obtenidos utilizando el mo-
delo como proceso controlado y los determinados empleando directamente el pro-
ceso original, están relacionadas con la capacidad que tiene el modelo de orden
reducido empleado, para reproducir las características dinámicas del proceso con-
trolado.
15.7. Comportamiento y robustez de los sistemas de control 705
15.7 Comportamiento y robustez de los sistemas de control
Se ha indicado que existe un conflicto entre el comportamiento del sistema de control

ante un cambio en la perturbación (control regulador) y el comportamiento ante un
cambio en el valor deseado (servo control). Al mismo tiempo, existe también un
conflicto entre estos comportamientos y el grado de estabilidad relativa (robustez)
Si se consideran aplicaciones en las cuales la función principal del sistema de
control, es eliminar los efectos adversos de las perturbaciones, el conflicto entre el
servo control y el control regulador, quedará resuelto, por lo menos parcialmente,
con el uso de controladores con un algoritmo de control de dos grados de libertad, o
con la incorporación de filtros de valor deseado.
Por otra parte, como la robustez que debe tener el lazo de control, es un reque-
rimiento derivado de las características del proceso controlado, este no puede ser
obviado ni “sacrificado”, en aras de mejorar un comportamiento particular del siste-
ma.
Por lo tanto, el diseño de los controladores debe enfocarse al cumplimiento de
un determinado grado de robustez −requisito ineludible−, empleando controladores
con un algoritmo de control de dos grados de libertad, ajustados de manera de lograr
primero el mejor comportamiento posible ante un cambio en la perturbación, según
el índice de medición empleado y luego, el que se pueda obtener ante el cambio en el
valor deseado. Esto no debe dejar de lado, las características del esfuerzo de control
requerido (Alfaro y Vilanova, 2010).
Para estar conscientes del “costo”, en términos de reducción del comportamiento
del sistema de control, que conlleva el obtener un determinado grado de robustez, es
necesario analizar el conflicto existente entre estos dos índices.
15.7.1 Análisis del conflicto entre el comportamiento y la robustez
Como se ha indicado con anterioridad, los márgenes de ganancia y fase fueron las
formas tradicionales de medir la estabilidad relativa de los lazos de control. Sin em-
bargo, además de que estos deben considerarse como una pareja, el que un lazo de
control tenga buenos márgenes de ganancia y fase, no asegura que la gráfica polar de
su función de transferencia de lazo abierto, no pase cerca del punto −1.
Por esta razón, es más conveniente la utilización del margen de estabilidad Sm , o
la sensibilidad máxima MS , como medida de estabilidad relativa o robustez.
Comportamiento óptimo
Para el análisis se consideran controladores con un algoritmo de control proporcional
e integral con parámetros ajustables θc = {Kp , Ti } y proporcional, integral y deriva-
tivo Estándar con parámetros θc = {Kp , Ti , Td , γ = 0} (Méndez, 2008; Alfaro et al.,
2010; Alfaro y Vilanova, 2013).
El modelo del proceso controlado, está dado por la función de transferencia ge-
neral de segundo orden
Ke−Ls L
P(s) = , τL = , (15.56)
(T s + 1)(aT s + 1) T
con una razón de contantes de tiempo 0 ≤ a ≤ 1, 0 y un tiempo muerto normalizado

0,05 ≤ τL ≤ 2,0 (θ p = {K, T, a, L}).
El comportamiento del sistema de control de lazo cerrado, se evalúa con la fun-
cional de costo dada por la integral del error absoluto (IAE)
Z ∞ Z ∞
.
Je (θ p , θc ) = |e(t, θ p , θc )| dt = |y(t, θ p , θc ) − r(t)| dt, (15.57)
0 0
y como medida de robustez, se utiliza la sensibilidad máxima

. 1
MS (θ p , θc ) = máx |S(jω, θ p , θc )| = máx
. (15.58)
ω ω 1 +Cy (jω, θ p , θc )P(jω)
Si no se imponen restricciones en la robustez del lazo de control, su desempeño

será óptimo y el valor de la funcional de costo que mide el desempeño será mínimo,
el cual se denota como
Jeo = Je (θ p , θco ) = mı́n Je (θ p , θc ), (15.59)

θc
siendo entonces θco , los parámetros del algoritmo de control del controlador que op-
timizan el comportamiento del lazo de control.
Controladores PI
El comportamiento y la robustez de los controladores, con un algoritmo de control
proporcional e integral, optimizados para la respuesta a un cambio en el valor desea-
do, se muestran en la figura 15.4.
Como se puede apreciar, la relación de las constantes de tiempo a del modelo,
afecta el comportamiento que se puede lograr. A medida que el modelo tiende a ser
de polo doble, el comportamiento óptimo del lazo de control es menor.
Figura 15.4: Servo con- 5
trol PI - Comportamiento
4
óptimo y robustez
3
Jer
o
2
0
0.0 0.5 1.0 1.5 2.0
2.00
1.95
1.90
MS
1.85
1.80
a =0.0 a =0.75
1.75
a =0.25 a =1.0
a =0.50
1.70
0.0 0.5 1.0 1.5 2.0
τL
Por otra parte, el efecto de a sobre la robustez de los servo controles óptimos no
es significativo, excepto para valores del tiempo muerto normalizado τL muy bajos.
Es importante destacar que todos cumplen con tener una robustez mayor a la mínima,
MS ≤ 2,0.
El comportamiento y la robustez de los controladores, con un algoritmo de con-
trol proporcional e integral, optimizados para la respuesta a un cambio en la pertur-
bación, se muestran en la figura 15.5.
En este caso, la relación de las constantes de tiempo a del modelo, también afecta
el comportamiento que se puede lograr. A medida que el modelo tiende a ser de polo
doble, el comportamiento óptimo del lazo de control es menor. Además, el efecto de
a sobre la robustez de los controles reguladores óptimos, es significativo para valores
muy bajos de τL .
A diferencia de los servo controles PI óptimos, se nota que los reguladores PI con
un comportamiento óptimo no son robustos. En ningún caso su robustez es superior
a la mínima. Para valores de τL < 0,50 su robustez es muy mala.
Por lo tanto, los sistemas de control PI de un proceso controlado esomtm, para
los cuales los parámetros del algoritmo de control del controlador son óptimos para
un cambio en el valor deseado según el criterio de error integral IAE, serán robustos
con una robustez 1,75 < MS < 1,92. Por su parte, los que se han optimizado los
parámetros del algoritmo de control PI, para un cambio en la perturbación, para el
mismo índice de comportamiento (IAE), no serán robustos, su robustez será apenas
Figura 15.5: Control regu- 5
lador PI - Comportamiento
4
óptimo y robustez
3
Jed
o
2
0
0.0 0.5 1.0 1.5 2.0
6.0
5.5 a =0.0 a =0.75

a =0.25 a =1.0
5.0
a =0.50
MS 4.5
4.0
3.5
3.0
2.5
2.0
0.0 0.5 1.0 1.5 2.0
τL
2, 0 < MS < 5, 5.
Controladores PID
Los resultados de optimizar el comportamiento de los servo controles PID, se mues-

tran en la figura 15.6.
Comparando la figura 15.6 con la figura 15.4, se aprecia que los servo controles
PID proveen un mejor comportamiento. Tienen un índice Je menor que los servo
controles PI, pero son menos robustos.
La robustez de los servo controles PID es mayor a la mínima (MS < 2,0), solo
para modelos con un tiempo muerto normalizado τL ≥ 1,3.
El desempeño óptimo de los reguladores PID y su robustez, se muestra en la
figura 15.7.
Nuevamente, los controladores con un algoritmo de control PID proveen un me-
jor comportamiento que su contraparte PI. Sin embargo, su robustez es mala, ninguno
tiene una robustez superior a la mínima, y para valores muy bajos del tiempo muerto
aparente, esta es inaceptable.
Con la excepción de los servo controles PI, la robustez de los lazos de control
lograda con los demás controladores, no supera los requisitos mínimos, por lo que
esta debe incrementarse.
Figura 15.6: Servo control 4.0
PID - Comportamiento 3.5
óptimo y robustez 3.0
2.5
Jer
o
2.0
1.5
1.0
0.5
0.0
0.0 0.5 1.0 1.5 2.0
3.4
3.2 a =0.0 a =0.75

3.0
a =0.25 a =1.0
a =0.50
2.8
2.6
MS
2.4
2.2
2.0
1.8
1.6
0.0 0.5 1.0 1.5 2.0
τL
Figura 15.7: Control regu- 3.0
lador PID - Comportamien- 2.5
to óptimo y robustez 2.0

Jed
o
1.5
1.0
0.5
0.0
0.0 0.5 1.0 1.5 2.0
6.0
5.5 a =0.0 a =0.75

a =0.25 a =1.0
5.0
a =0.50
4.5
MS
4.0
3.5
3.0
2.5
2.0
0.0 0.5 1.0 1.5 2.0
τL
En resumen, para un mismo proceso controlado, el servo control óptimo es más

robusto que el control regulador óptimo. Además, un controlador con un algoritmo
de control PID óptimo IAE, provee un comportamiento mejor que el controlador con
un algoritmo de control PI óptimo IAE.
Comportamiento degradado
Para incrementar la robustez del lazo de control, se debe reducir su comportamiento
esto es, se debe “desmejorar” su funcionamiento respecto del comportamiento opti-
mizado. Con este fin, se define un factor de degradación del comportamiento como
. Jo
Fp = e , Fp ≤ 1, (15.60)
Je
y se establece un nuevo índice para la optimización del controlador, como
o

. d
Je d

JFpd = J(Fp , θ p , θc ) = − Fp , (15.61)
Je (θ p , θc )
donde Fpd el factor de degradación del comportamiento deseado, determinándose el

conjunto de parámetros del controlador θco1 que optimizan el comportamiento degra-
do, tal que
JFop = J(Fpd , θ p , θco1 , ) = mı́n J(Fpd , θ p , θc ). (15.62)
θc
Reduciendo el índice del comportamiento Fpd , se incrementa la robustez del lazo

de control.
Mediante el incremento de la degradación del comportamiento (reduciendo el
factor Fpd ), se incrementa la robustez MS del lazo de control hasta que esta fuera
cercana a un valor deseado MSd .
En ese punto, se optimizan los parámetros del controlador utilizando una funcio-
nal de costo con base en la sensibilidad máxima deseada MSd , definida como
.
JMd = J(MSd , θ p , θc ) = MS (θ p , θc ) − MSd ,

(15.63)
S
para lograr un comportamiento robusto.

Los parámetros óptimos del controlador θco2 , tal que
o
JM S
= JMS (Msd , θ p , θco2 ) = mı́n J(MSd , θ p , θc ), (15.64)
θc
garantizan entonces la robustez mínima deseada del lazo de control MSd y al mismo
tiempo, proveen el mejor comportamiento IAE posible, el menor Je , bajo esa condi-
ción.
Figura 15.8: Servo control

PI - Factor de degradación 1.0
del comportamiento (a =
0,0)
0.8
Fp 0.6
0.4
MS =1.8 MS =1.4
0.2 MS =1.6 MS =1.2
τL
0.0 0.5 1.0 1.5 2.0
Servo control PI robusto

En la figura 15.8, se muestra el índice de degradación del comportamiento, requerido
ara lograr cuatro diferentes niveles de robustez de los servo controles PI, con modelos
epomtm (a = 0) y en la figura 15.9 con los modelos epdmtm (a = 1,0).
Como se vio anteriormente, la robustez de los servo controles PI óptimos es ma-
yor que la mínima usual, y la degradación de su comportamiento para lograr un nivel
de robustez equivalente a MS = 1,8 es marginal. Sin embargo, para incrementar su
robustez a un nivel alto (MS = 1,4) se requiere degradar su comportamiento hasta en
un 60 %.
Si se considera el caso de una robustez intermedia (MS = 1,6), el factor de de-
gradación del comportamiento requerido para cada modelo, se muestra en la figura
15.10.
Como se aprecia en esta figura, la degradación requerida para cada modelo se
incrementa con τL , pero no es afectada en forma significativa por a.
En forma aproximada, se puede decir que para incrementar la robustez de los
servo controles PI hasta MS = 1,6, debe sacrificarse un 20 % de su comportamiento
IAE. Este sería el “costo”, en términos de pérdida en su comportamiento ante un
cambio en el valor deseado, a pagar para obtener un sistema de control con una
robustez intermedia, si así lo demandan las características dinámicas del proceso
controlado.

PI - Factor de degradación 1.0
del comportamiento (a =
1,0)
0.8
Fp
0.6
0.4
MS =1.8 MS =1.4
0.2 MS =1.6 MS =1.2
τL
0.0 0.5 1.0 1.5 2.0

1.0
PI - Factor de degradación
del comportamiento (MSt =
1,6)
0.8
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
Figura 15.11: Control regu-

1.0
lador PI - Factor de degra-
dación del comportamiento
(MSt = 1,6)
0.8
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
Control regulador PI robusto

En forma similar, en la figura 15.11 se muestra el factor de degradación de la robus-
tez, necesario para incrementar la robustez de los reguladores PI de manera de lograr
que tengan una MS = 1,6.
En todos los casos se requiere Fp < 0,80 y si el tiempo muerto normalizado
τL ≤ 0,60, la reducción en el comportamiento puede ser muy grande.
Como la robustez de los reguladores PI óptimos es baja, se requiere una mayor
degradación en su comportamiento para incrementarla a niveles intermedios.
Servo control PID robusto

En la figura 15.12, se muestran los factores de degradación del comportamiento,
requeridos para incrementar la robustez de los servo controles PID hasta MS = 1,6.
Excluyendo el caso del tiempo normalizado mínimo, la reducción requerida en
el comportamiento, va desde un 20 % hasta un 40 %.
Control regulador PID robusto

En la figura 15.13 se muestran los factores de degradación del comportamiento re-
queridos para incrementar la robustez de los reguladores hasta MS = 1,6.

1.0
PID - Factor de degrada-
ción del comportamiento
(MSt = 1,6)
0.8
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
En este caso, la reducción necesaria en el comportamiento es mucho mayor, aho-

ra puede ser de entre un 30 % y hasta un 70 %.
El conflicto entre el comportamiento óptimo y la robustez del lazo de control, ha-

ce que lograr sistemas de control con una robustez intermedia o alta, particularmente
en los casos del control regulador, implique una disminución apreciable en su com-
portamiento. Por lo tanto, si bien se considera que todos los lazos de control deben
tener una robustez MS ≤ 2,0, es necesario analizar con detenimiento los problemas en
los que el comportamiento dinámico global del proceso controlado (en un conjunto
amplio de puntos de operación), hace necesario que su sistema de control tenga una
robustez alta, o peor aún que esta tenga que ser muy alta. Es posible que con otra es-
trategia, como el uso de controladores con un cuadro de ajuste de parámetros, como
se describe más adelante en la sección 15.12, permita operar el sistema de control en
forma segura (robusta), sin necesidad de sacrificar tanto su comportamiento.
15.8 Ajuste robusto y óptimo uSORT

La robustez en el ajuste de los algoritmos de control proporcional e integral y propor-
cional, integral y derivativo, fue introducida inicialmente considerando los márgenes
de ganancia Am y de fase φm del lazo de control, como en los métodos de Åström y
15.8. Ajuste robusto y óptimo uSORT 715
Figura 15.13: Control re-

1.0
gulador PID - Factor de
degradación del comporta-
miento (MSt = 1,6)
0.8
0.6
Fp
0.4
0.2 a =0.0
a =0.25
a =0.50
a =0.75
a =1.0
0.0
0.0 0.5 1.0 1.5 2.0
τL
Hägglund (1984) y de Ho et al. (1999).

En la actualidad, la robustez se contempla en el diseño de los lazos de control,
utilizando como índice de robustez a la sensibilidad máxima MS (ver la sección 11.3.3
del Capítulo 11).
Con base en el análisis del conflicto existente entre el comportamiento y la ro-
bustez de los sistemas de control, con controladores que emplean un algoritmo de
control PI o PID, se puede determinar ecuaciones para su ajuste. Las ecuaciones para
el cálculo de cada parámetro del controlador dependen, en adición del nivel de ro-
bustez deseado para el lazo de control, de todos los parámetros del modelo, lo cual
implica la necesidad de contar con un número considerable de conjuntos de constan-
tes, que se deben utilizar en las ecuaciones (Alfaro et al., 2011).
15.8.1 Controladores de un grado de libertad

Un estudio adicional de las características del comportamiento y la robustez de esos
controladores, permite determinar que para un modelo particular, el incrementar la
robustez mediante una disminución del valor de MSt , resulta en una reducción sustan-
cial de la ganancia Kp , pero tiene un efecto despreciable sobre el tiempo integral Ti y
el tiempo derivativo Td , excepto para los modelos con un tiempo muerto normalizado
τL muy bajo, cuando se desea una robustez muy alta.
Con base en esto, se pueden obtener ecuaciones de ajuste que son independientes
del nivel de robustez, para la constante de tiempo integral y para la constante de
tiempo derivativo del controlador, de la forma
Ti = F(T, τL , a), (15.65)

Td = G(T, τL , a). (15.66)
Empleando estas ecuaciones para el cálculo de Ti y Td , se reajusta el valor de Kp

para lograr la robustez deseada del lazo de control y se determinan ecuaciones de la
forma
Kp = H(T, τL , a, MSt ), (15.67)
para su cálculo.
Para modelos de primer y segundo orden (0 ≤ a ≤ 1,0) con tiempos muertos nor-
malizados en el rango 0,10 ≤ τL ≤ 2,0 y cuatro valores deseado de robustez (MSt ),
los parámetros normalizados de controladores con algoritmos de control PI y PID de
un grado de libertad (1GdL) que optimizan el criterio de error integral IAE, se pue-
den obtener utilizando los parámetros del modelo θ p = {K, T, a, L, τL }, empleando
las siguientes ecuaciones, del método denominado uSORT1 (“unified simple optimal
robust tuning”) (Alfaro y Vilanova, 2012a):
• Control regulador (1GdL)

.
κ p = Kp K = a0 + a1 τLa2 , (15.68)
. Ti
τi = = b0 + b1 τLb2 , (15.69)
T
. Td
τd = = c0 + c1 τLc2 . (15.70)
T
• Servo control (1GdL)

.
κ p = Kp K = a0 + a1 τLa2 , (15.71)
. Ti b0 + b1 τo + b2 τo2
τi = = , (15.72)
T b3 + τL
. Td
τd = = c0 + c1 τLc2 . (15.73)
T
Las constantes ai , bi y ci de (15.68) a (15.70), se listan en los cuadros 15.8 (PI)

y 15.9 (PID). Las correspondientes para (15.71) a (15.73), se listan en los cuadros
15.10 (PI) y 15.11 (PID).
El análisis del compromiso entre el desempeño y la robustez, muestra que los
parámetros del controlador PI optimizados para el desempeño como servo control,
Cuadro 15.8: Constantes Razón de constantes de tiempo del modelo a

uSORT1 , control regulador 0,0 0,25 0,50 0,75 1,0
PI
MSt = 2,0
a0 0,265 0,077 0,023 -0,128 -0,244
a1 0,603 0,739 0,821 1,035 1,226
a2 -0,971 -0,663 -0,625 -0,555 -0,517
MSt = 1,8
a0 0.229 0.037 -0.056 -0.160 -0.289
a1 0.537 0.684 0.803 0.958 1.151
a2 -0.952 -0.626 -0.561 -0.516 -0.472
t
MS = 1,6
a0 0,175 -0,009 -0,080 -0,247 -0,394
a1 0,466 0,612 0,702 0,913 1,112
a2 -0,911 -0,578 -0,522 -0,442 -0,397
MSt = 1,4
a0 0.016 -0.053 -0.129 -0.292 -0.461
a1 0.476 0.507 0.600 0.792 0.997
a2 -0.708 -0.513 -0.449 -0.368 -0.317
b0 -1,382 0,866 1,674 2,130 2,476
b1 2,837 0,790 0,268 0,112 0,073
b2 0,211 0,520 1,062 1,654 1,955
producen sistemas de control con una robustez MS ≈ 1,8. En estos casos, el nivel
mínimo de robustez MS = 2,0 se excede. Por esta razón, en el cuadro 15.10 no se
incluye el caso para MSt = 2,0.
Las constantes de los cuadros 15.8 a 15.11 permiten obtener, en forma directa,
los parámetros del algoritmo de control para modelos con cinco valores diferentes de
la razón a de sus constantes de tiempo.
Para los procesos controlados cuyo modelo esomtm, tenga una razón de constan-
tes de tiempo a ∈/ {0,0, 0,25, 0,50, 0,75, 1,0}, es necesario obtener los parámetros
del controlador mediante una interpolación lineal.
Dado un modelo esomtm con una razón de constantes de tiempo a1 ≤ a ≤ a2 ,
los parámetros θc = {θci } requeridos para el algoritmo de control del controlador, se
obtienen como
i a − a1 i i
i
θc = θc2 − θc1 + θc1 , (15.74)
a2 − a1
donde θc1i y θ i son los parámetros del controlador, obtenidos utilizando a y a ,
c2 1 2
respectivamente.

uSORT1 , control regulador 0,0 0,25 0,50 0,75 1,0
PID
MSt = 2,0
a0 0,235 0,435 0,454 0,464 0,488
a1 0,840 0,551 0,588 0,677 0,767
a2 -0,919 -1,123 -1,211 -1,251 -1,273
MSt = 1,8
a0 0.210 0.380 0.400 0.410 0.432
a1 0.745 0.500 0.526 0.602 0.679
a2 -0.919 -1.108 -1.194 -1.234 -1.257
t
MS = 1,6
a0 0.179 0.311 0.325 0.333 0.351
a1 0.626 0.429 0.456 0.519 0.584
a2 -0.921 -1.083 -1.160 -1.193 -1.217
MSt = 1,4 †
a0 0.155 0.228 0.041 0.231 0.114
a1 0.455 0.336 0.571 0.418 0.620
a2 -0.939 -1.057 -0.725 -1.136 -0.932
†Validas solo para τL ≥ 0,40 si a ≥ 0,25
b0 -0.198 0.095 0.132 0.235 0.236
b1 1.291 1.165 1.263 1.291 1.424
b2 0.485 0.517 0.496 0.521 0.495
c0 0.004 0.104 0.095 0.074 0.033
c1 0.389 0.414 0.540 0.647 0.756
c2 0.869 0.758 0.566 0.511 0.452
Ejemplo 15.3 uSORT de controladores PI(D) de 1GdL
Se tiene un modelo para representar al proceso controlado, dado por la función de

transferencia
1,2e−1,5s
P(s) = , a = 0,5, τL = 0,75. (15.75)
(2s + 1)(s + 1)
Los parámetros del algoritmo de control, así como como los índices de compor-
tamiento y robustez del control regulador, se listan en el cuadro 15.12 y los del servo
control, en el cuadro 15.13.
Para efectos comparativos se ha utilizado el método de Madhuranthakam et al.
(2008) (MEB), para controladores PID estándar, el cual optimiza el criterio IAE,

uSORT1 , servo control PI 0,0 0,25 0,50 0,75 1,0
MSt = 1,8
a0 0,243 0,094 0,013 -0,075 -0,164
a1 0,509 0,606 0,703 0,837 0,986
a2 -1,063 -0,706 -0,621 -0,569 -0,531
MSt = 1,6
a0 0,209 0,057 -0,010 -0,130 -0,220
a1 0,417 0,528 0,607 0,765 0,903
a2 -1,064 -0,667 -0,584 -0,506 -0,468
t
MS = 1,4
a0 0.164 0.019 -0.061 -0.161 -0.253
a1 0.305 0.420 0.509 0.636 0.762
a2 -1.066 -0.617 -0.511 -0.439 -0.397
b0 14,650 0,107 0,309 0,594 0,625
b1 8,450 1,164 1,362 1,532 1,778
b2 0,0 0,377 0,359 0,371 0,355
b3 15,740 0,066 0,146 0,237 0,209
tanto para la respuesta a un cambio escalón en el valor deseado, como la respuesta

a un cambio escalón en la perturbación.
Como se aprecia en estos cuadros, para un mismo nivel de robustez, los contro-
ladores con un algoritmo de control PID proveen un comportamiento mayor (menor
Je ) que los que tienen un algoritmo PI.
También, se nota que, si se incrementa la robustez del lazo de control, reduciendo
el valor de MSt , se pierde comportamiento (aumenta el Je ).
Además, como era de esperar, los sistemas de control optimizados considerando
solo el desempeño (MEB), tienen un nivel de robustez bajo.
Por otra parte, el nivel de robustez de diseño lograda con el método uSORT, tiene
en este caso un error máximo de solo +0,0167 %/ − 0,035 % en el valor del MS .
15.8.2 Controladores de dos grados de libertad

En el caso de los controladores de dos grados de libertad, una vez calculados los
parámetros Kp , Ti y Td del algoritmo de control, utilizando las ecuaciones para el
control regulador con controladores de un grado de libertad, se determina que el
factor de peso del valor deseado β , es afectado más por el tiempo muerto normalizado
del modelo, que por su razón de constantes de tiempo, por lo que este se puede

uSORT1 , servo control PID 0,0 0,25 0,50 0,75 1,0
MSt = 2,0
a0 0,377 0,502 0,518 0,533 0,572
a1 0,727 0,518 0,562 0,653 0,728
a2 -1,041 -1,194 -1,290 -1,329 -1,363
MSt = 1,8
a0 0.335 0.432 0.435 0.439 0.482
a1 0.644 0.476 0.526 0.617 0.671
a2 -1.040 -1.163 -1.239 -1.266 -1.315
t
MS = 1,6
a0 0.282 0.344 0.327 0.306 0.482
a1 0.544 0.423 0.488 0.589 0.622
a2 -1.038 -1.117 -1.155 -1.154 -1.221
MSt = 1,4
a0 0.214 0.234 0.184 0.118 0.147
a1 0.413 0.352 0.423 0.575 0.607
a2 -1.036 -1.042 -1.011 -0.956 -1.015
b0 1687 0,135 0,246 0,327 0,381
b1 339,2 1,355 1,608 1,896 2,234
b2 39,86 0,333 0,273 0,243 0,204
b3 1299 0,007 0,003 -0,006 -0,015
c0 -0,016 0,026 -0,042 -0,086 -0,110
c1 0,333 0,403 0,571 0,684 0,772
c2 0,815 0,613 0,446 0,403 0,372
expresar, como
β = Q(τL , MSt ). (15.76)
Para el ajuste de los controladores de dos grados de libertad, se emplean las
ecuaciones para el control regulador de los controladores PI o PID de un grado de
libertad (15.68) a (15.70), con las constantes del cuadro 15.8 o 15.9, para determinar
(Kp , Ti , Td ) y luego el factor de peso del valor deseado se obtiene con el método
denominado uSORT2 , como (Alfaro y Vilanova, 2012b)
β = d0 + d1 τLd2 . (15.77)
cuyas contantes di se listan en el cuadro 15.14.

Cuadro 15.12: Ejemplo uSORT1 MSt MEB

15.3 - Desempeño y robus- 2,0 1,8 1,6 1,4 IAE
tez, control regulador
Controlador PI
Kp 0,838 0,740 0,613 0,461 -
Ti [s] 3,743 -
MSr 2,03 1,83 1,62 1,42 -
Jed /∆d 4,466 5,059 6,102 8,098 -
Controlador PID
Kp 1,037 0,951 0,801 0,620 1,539
Ti [s] 2,454 2,971
Td [s] 1,108 0,883
MSr 1,93 1,79 1,60 1,41 2,94
Jed /∆d 2,848 3,094 3,605 4,456 2,141
Cuadro 15.13: Ejemplo uSORT1 MSt MEB

15.3 - Desempeño y robus- 2,0 1,8 1,6 1,4 IAE
tez, servo control
Controlador PI
Kp - 0,711 0,590 0,441 -
Ti [s] - 3,421 -
MSr - 1,83 1,62 1,41 -
Jer /∆r - 4,311 4,831 6,469 -
Controlador PID
Kp 1,110 0,989 0,839 0,625 1,497
Ti [s] 4,264 5,121
Td [s] 0,921 0,812
MSr 1,98 1,79 1,61 1,40 2,78
Jer /∆r 3,385 3,596 4,234 5,687 3,798
Cuadro 15.14: Constantes Robustez de diseño MSt

uSORT2 para el factor de 2,0 1,8 1,6 1,4
peso del valor deseado
Controlador PI
d0 0,730 0,658 0,649 0,811
d1 0,302 0,578 0,900 1,205
d2 0,386 0,372 0,446 0,608
Controlador PID
d0 0,306 0,248 0,255 0,383
d1 0,416 0,571 0,727 0,921
d2 0,367 0,362 0,476 0,612
Cuadro 15.15: Ejemplo SORT2 MSt MEB

15.4 - Comportamiento de 2.0 1.8 1.6 1.4 IAE
los controladores de dos
grados de libertad Controlador PI
β 1.00 1.18 1.44 1.82 -
Jer /∆r 4.359 4.236 4.115 4.052 -
Controlador PID
β 0.68 0.76 0.89 1.16 1.0
Jer /∆r 4.325 4.396 4.534 4.702 4.289
Ejemplo 15.4 uSORT de controladores PI(D) de 2GdL
Considérese el mismo modelo del proceso controlado utilizado en el ejemplo 15.3.

Se emplearán ahora controladores de dos grados de libertad y el método de
ajuste uSORT2 , cuyos parámetros (Kp , Ti , Td ) son los mismos determinados con el
método uSORT1 para el control regulador y listados en el cuadro 15.12.
En el cuadro 15.15 se muestran los valores del factor de peso del valor deseado
y los nuevos índices de comportamiento ante un cambio en el valor deseado.
En este caso, se tiene un controlador ajustado para optimizar el comportamiento
ante un cambio en las perturbaciones, manteniendo un determinado grado de robus-
tez del lazo, que es evaluado ante un cambio en el valor deseado. Como se aprecia,
el factor de peso del valor deseado permite que, en algunos casos pero no en to-
dos, se obtenga un comportamiento incluso mejor que el del controlador de 1GdL
optimizado para los cambios en el valor deseado (con el método MEB).
15.8.3 Valores requeridos del factor de peso proporcional del valor

deseado
Como se nota en el cuadro 15.13 del ejemplo 15.4, en el diseño de controladores
robustos y óptimos con el método uSORT, a medida que la robustez de diseño para
el sistema de control se incrementa, la ganancia proporcional del controlador, deter-
minada con base en el control regulador, disminuye (si MS ↓→ Kp ↓). Por su parte,
el cuadro 15.15 muestra que a medida que la robustez de diseño se incrementa, el
factor de peso proporcional del valor deseado del controlador de 2GdL aumenta (si
MS ↓→ β ↑).
La disminución de la ganancia del controlador, debe “compensarse” con un in-
cremento en el factor de peso del valor deseado, para conservar la optimalidad de
la respuesta del sistema de control a un cambio escalón en el valor deseado (servo
control), con el criterio de error integral IAE.
15.9. Software para el análisis y el ajuste de los sistemas de control PID 723
Cuadro 15.16: Tiempo Robustez de diseño MSt

muerto normalizado τL a 2,0 1,8 1,6 1,4
partir del cual se requiere
un β > 1 PI 0,75 0,24 0,12 0,10
PID n.a. † n.a. † 1,05 0,52
†no aplica
En el método uSORT2 , el factor de peso del valor deseado, depende del tiem-
po muerto normalizado del modelo y de la robustez de diseño, y está dado por la
expresión
β (τL , MSt ) = d0 + d1 τLd2 , (15.78)
donde las constantes di dependen solamente de la robustez de diseño, como se mues-

tra en el cuadro 15.14.
Utilizando (15.78) se pueden determinar, para cada nivel de robustez de diseño,
los valor del tiempo muerto normalizado del modelo esomtm, a partir de los cuales
el valor del factor de peso requerido, es mayor que la unidad. Estos se listan en el
cuadro 15.16. Debe tenerse en cuanta, que los métodos de ajuste uSORT, se aplican
a modelos con 0,10 ≤ τL ≤ 2,0.
Si bien para los controladores con un algoritmo de control PID, β > 1 solo en el
caso de los niveles de robustez más altos, para los controladores con un algoritmo PI,
se requiere β > 1 para casi todos los modelos.
Si el factor de peso proporcional de valor deseado requerido β > 1 y el contro-
lador utilizado solo permite seleccionar 0 ≤ β ≤ 1, no se podrá tener una respuesta
óptima del servo control en esos casos (Alfaro et al., 2009; Alfaro y Vilanova, 2012b).
15.9 Software para el análisis y el ajuste de los sistemas de

control PID
El programa uSORTPID9 , es una aplicación desarrollada en MATLAB (The Math-
works, Inc., 2013), que utiliza las ecuaciones de ajuste óptimo robusto de los métodos
uSORT1 y uSORT2 de Alfaro y Vilanova (2012a,b), para controladores PI(D) de uno
y dos grados de libertad, descritos anteriormente en las secciones 15.8.1 y 15.8.2, y
las ecuaciones para lograr un desempeño optimo de los controladores PI(D), con el
criterio de error integral IAE, de Méndez (2008).
9 Elprograma uSORTPID está disponible en la página web https://pidplanet.wordpress.

com/comunidad-pid/software-pid/.
Figura 15.14: Programa uSORTPID -

Ventana del menú principal
Este programa permite la comparación del desempeño IAE y la robustez MS de

los servo controles y los reguladores PI(D) de (1)2GdL, para procesos representados
por un modelo de (P)SOMTM.
El Menú principal del programa se muestra en la figura 15.14, desde el cual se
pueden seleccionar las siguientes acciones:
• Parámetros del modelo - Ganancia (K 6= 0), constante de tiempo (T > 0), razón
de las constantes de tiempo (0 ≤ a ≤ 1) y el tiempo muerto aparente (L, 0,1 ≤
L/T ≤ 2,0), del modelo del proceso controlado.
• Sistemas de control a comparar - El número de lazos de control (máximo 5),

el algoritmo de control de los controladores (PI o PID), la operación principal
(servo control, regulador, 2GdL) y la robustez de diseño (óptimo IAE, MS ∈
{2,0, 1,8, 1,6, 1,4}), de cada lazo de control.
• Sintonización uSORT - Despliega la Acción y los parámetros calculados para

los controladores (Kp , Ti , Td , α = 0,1, β , γ = 0).
15.10. Ajuste con otros criterios 725
Figura 15.15: Programa uSORTPID - Curvas de respuesta y gráficos de robustez
• Análisis desempeño/robustez - Despliega la robustez (MS ) y los índices de

desempeño normalizados: error integral (Jern , Jedn ) y variación total del es-
fuerzo de control (TVurn , TVudn ) de los lazos de control.
• Simulación - Número identificador de los lazos de control a simular (hasta
3), intervalo total de tiempo de la simulación (Tu ), paso para la simulación
(∆t), magnitud del escalón en el valor deseado (∆r) y magnitud del escalón en
la perturbación (∆d). Al confirmarse estos datos, se despliegan las curvas de
respuesta y los gráficos de robustez de los lazos simulados, tal como se muestra
en la figura 15.15 para un ejemplo particular.
• Change to English - Cambia el idioma de la interfaz de usuario a inglés (esta
está disponible en español y en inglés).
• Ayuda - Despliega el documento (pdf) de ayuda.
• Salir - Cierra el programa. Sin embargo, las ventanas con el despliegue gráfico
de las simulaciones que no hayan sido cerradas con antelación, permanecerán
abiertas hasta que cada una de ellas se cierre en forma individual.
15.10 Ajuste con otros criterios

Para el control de los procesos cuyo modelo es epomtm, Cvejn (2009) presenta reglas
de ajuste para controladores PI y PID Serie, obtenidas con dos criterios de diseño
Cuadro 15.17: Reglas de ajuste (Cvejn, 2009)
Crierio Kp0 K Tir0 /T Tid0 /T Td0 /L Sm ≥

PI - MO 0,50/τL 1 5,9τL /(5,9τL + 1) - 0,57
PI - ISE 0,74/τL 1 8,9τL /(8,9τL + 1) - 0,45
PID - MO 0,75/τL 1 3,9τL /(3,9τL + 1) 0,33 0,54
PID - ISE 0,80/τL 1 2,5τL /(2,5τL + 1) 0,60 0,46
diferentes, las cuales se listan en el cuadro 15.17.

Nótese que en este método, la normalización de la constante de tiempo derivativa,
no es la misma que la de la constante de tiempo integral.
Para su obtención, primero se cancela el polo del modelo del proceso controlado
con un cero del controlador (Tir ) y luego se ajusta los demás parámetros (Kp para el
PI y {Kp0 , Td0 } para el PID), para lograr el criterio de diseño seleccionado.
En su desarrollo, se considera el criterio de magnitud óptima (MO - “modulus
optimum criterion”) y el mínimo de la integral del error cuadrático (ISE - “integral
squared error”) a un cambio escalón en el valor deseado (servo control), ajustados
de manera de lograr también, un margen de estabilidad Sm que, en lo posible, sea
superior al mínimo usual.
Dado que la cancelación del polo del modelo del proceso controlado, cuando
este es lento, no produce buenas respuestas a un cambio en la perturbación, el tiempo
integral del controlador es modificado para este caso (Tid ).
Al no utilizar ninguna aproximación para el tratamiento analítico del tiempo
muerto del modelo, las reglas obtenidas serían de aplicación aún en los casos en
que su tiempo muerto normalizado sea apreciable.
El margen de estabilidad mínimo del sistema de control resultante, se lista tam-
bién en el cuadro 15.17.
15.11 Ajuste robusto del controlador proporcional,

integral, derivativo y aceleración, de dos grados de
libertad
Como la función de transferencia del controlador, con un algoritmo de control pro-
porcional, integral, derivativo y aceleración (PIDA) introducido en la sección 7.5.5
del Capítulo 7, provee tres ceros ajustables, sus aplicaciones se han centrado en el
diseño de servo controles para procesos de tercer orden (Jung y Dorf, 1996; Ukaki-
maparn et al., 2009).
15.11. Ajuste robusto del controlador PIDA de 2GdL 727
Interesa aquí aprovechar las capacidades adicionales del algoritmo PIDA, para
obtener un mejor comportamiento del lazo de control ante un cambio en la perturba-
ción (control regulador), manteniendo además un determinado grado de robustez.
La versión de dos grados de libertad del algoritmo de control PIDA (7.47) del
Capítulo 7, con los modos con derivada (de primer y segundo orden) aplicados solo
a la señal realimentada, es
Ta s2

1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] − + y(s) ,
Ti s α1 Td s + 1 (α2 Ta s + 1)2
(15.79)
con parámetros θc = {Kp , Ti , Td , Ta , α1 = α2 = 0,10}.
Se supondrá que el modelo del proceso controlado, está dado por la función de
transferencia de segundo orden general
Ke−Ls L
P(s) = , τL = , (15.80)
(T s + 1)(aT s + 1) T
con 0 ≤ a ≤ 1 y 0 ≤ τL ≤ 2.
Considerando como criterio de comportamiento la integral del error absoluto
(IAE), se puede determinar que el algoritmo de control PIDA permite obtener un
control regulador con un mejor comportamiento que el obtenido con un PID, so-
lo para modelos que tienen una dinámica de segundo orden con 0,5 ≤ a ≤ 1 y un
tiempo muerto relativo apreciable, 0,6 ≤ τL ≤ 2. En el caso del servo control, el con-
junto de modelos para los cuales el comportamiento del PIDA, bajo el criterio de
comportamiento IAE, es superior al del controlador PID, es menor (0,5 ≤ a ≤ 1 y
1,4 ≤ τL ≤ 2) (Murillo, 2013).
Las ecuaciones para el ajuste de los parámetros del algoritmo de control PIDA
de 2GdL, para una robustez de diseño MSt = 1,6, son
.
κ p = KKp = a1 τLa2 , (15.81)
. Ti
τi = = b0 + b1 τL , (15.82)
T
. Td
τd = = c0 + c1 τLc2 , (15.83)
T
. Ta
τa = = d1 τLd2 , (15.84)
T
β = 1. (15.85)
Los valores de las constantes ai , bi , ci y di en (15.81) a (15.84), se listan en el cuadro

15.18, para modelos con a ∈ {0,5, 0,7, 0,9, 1}. Para otros valores de 0,5 < a < 1 los
parámetros del controlador, deben obtenerse mediante una interpolación lineal de los
parámetros obtenidos con los dos valores de a más cercanos a los del modelo.
Cuadro 15.18: Constantes a 0,5 0,7 0,9 1,0

para el ajuste del PIDA,
MSt = 1,6 a1 1,096 1,131 1,451 1,362
a2 -0,8732 -0,614 -0,890 -0,7381
b0 1,016 1,436 1,398 1,418
b1 0,340 0,204 0,380 0,467
c0 1,879 0 0 0,489
c1 -1,209 0,550 0,627 0,123
c2 -0,3017 0,574 0,523 1,721
d1 0,151 0,171 0,187 0,200
d2 0,793 0,857 0,145 1,069
Este ajuste es válido para procesos esomtm (15.80) con relaciones entre las cons-
tantes de tiempo 0,5 ≤ a ≤ 1 y tiempos muertos normalizados 0,6 ≤ τL ≤ 2.
La optimización del comportamiento IAE del servo control con el controlador
PIDA de 2GdL, indica que este se pude mejorar solo entre un 2 % y un 6 %, redu-
ciendo factor de peso del valor deseado β (0,70 ≤ β < 1), por lo que se sugiere
utilizar en todos los casos β = 1. Por lo tanto, el ajuste (15.81) a (15.85) es aplicable
directamente a los controladores PIDA de 1GdL.
15.12 Solución de los conflictos existentes para el diseño de

los sistemas de control PID
Durante el desarrollo del análisis y la deducción matemática, de los sistemas de con-
trol con controladores con un algoritmo de control proporcional, integral y derivativo,
se han presentado los diferentes conflictos que aparecen en su diseño, determinados
por las características del proceso controlado, la estructura del controlador y la inter-
conexión entre ambos.
Aunque también se han esbozado algunas soluciones posibles a estos, se pretende
condensar aquí ese análisis, para tenerlo como base del diseño del lazo de control.
Para el ajuste de los parámetros del algoritmo de control del controlador, se de-
berán tener en consideración, los siguientes aspectos, conflictos, o compromisos:
1. No amplificar el error de medida a la salida del controlador. Eliminación del

ruido de medida.
2. Funcionamiento del sistema de control ante un cambio en el valor deseado,

en comparación con su funcionamiento ante un cambio en la perturbación.
Conflicto entre el comportamiento del servo control y el del control regulador.
15.12. Solución de los conflictos para el diseño de los sistemas de control 729
3. Características deseadas del comportamiento del sistema de control, posible-

mente óptimo bajo un determinado índice, versus la estabilidad relativa del
lazo. Conflicto entre el comportamiento y la robustez.
4. Efecto del punto de incidencia de la perturbación. Conflicto entre las pertur-

baciones a la entrada, a la salida, o en otro punto del proceso.
Para resolver los conflictos anteriores, se considerará:
1. Eliminación del ruido de medida

Antes de proceder directamente a eliminar el ruido de medida utilizando un
filtro en la señal realimentada, es necesario determinar el origen (causa) de
este ruido.
En muchas oportunidades, este “ruido” o variación excesiva en la señal reali-
mentada, puede ser causado por una mala selección o una instalación inade-
cuada del elemento sensor y transmisor. Es posible que utilizando un principio
de medición diferente, cambiando el punto de instalación del elemento sen-
sor, o tomando otras medidas preventivas, se disminuya o elimine la fuente del
ruido. Deben tenerse siempre en consideración, las recomendaciones de los
fabricantes, para la instalación de los instrumentos de medición.
En los sistema de control electrónicos, en los cuales las señales son corrientes
o tensiones eléctricas continuas o digitales, la fuente principal del ruido es
una interconexión entre los instrumentos mal diseñada o realizada: no utilizar
el cable de instrumentación adecuado, un mal sistema de puesta a tierra de
la protección de interferencias electromagnéticas, cercanía de los cables de
señal de los instrumentos con conductores de corriente alterna y otras. Deben
respetarse las prácticas recomendadas y los estándares, relacionados con la
instalación de los sistemas de instrumentación industrial.
El ruido de medida remanente, si lo hubiera, se reducirá utilizando filtros de
la señal realimentada a la entrada del controlador, recordando que su dinámica
formará parte de la del proceso que el controlador controla.
2. Conflicto entre la operación del servo control y la del control regulador

Con excepción de los sistemas de control, cuyo objetivo principal es dar segui-
miento a un valor deseado que cambia con un perfil determinado, en la gran
mayoría de las aplicaciones de control industrial, el valor deseado de la varia-
ble controlada, permanece fijo por periodos de tiempo usualmente grandes.
Por otra parte, las perturbaciones pueden ocurrir en forma continua.
Por lo tanto, con excepción de los sistemas de control para los cuales su diseño
demanda un servo control, para todos los demás, este conflicto se resolverá em-
pleando un controlador con un algoritmo de control de dos grados de libertad
que incluya ya sea, un factor de peso, o un filtro de valor deseado.
Se seleccionarán primero los parámetros del controlador que inciden sobre
el funcionamiento del control regulador y la estabilidad relativa del lazo de
control, para determinar posteriormente, los parámetros restantes del algoritmo
de control, que solo afectan el funcionamiento del servo control.
Pondría considerarse convertir este conflicto en una solución de compromiso,
utilizando controladores de solo un grado de libertad. Esto es, ajustando los
parámetros del algoritmo de control del controlador, de tal manera que se sa-
crifique un poco el comportamiento del control regulador, para mejorar el del
servo control.
Aunque desde el punto de vista del análisis y el desarrollo matemático, la so-
lución de este compromiso es un problema interesante, no sería una estrategia
adecuada para enfrentar el diseño del sistema de control, para la mayoría de
los procesos industriales.
Las pérdidas en el comportamiento del sistema de control, como consecuencia
de degradar el funcionamiento del lazo de control ante las perturbaciones que
ocurren permanentemente, no serían nunca compensadas por el mejoramiento
en el funcionamiento del lazo de control, ante los cambios esporádicos en el
valor deseado.
La modificación del valor deseado de la variable controlada en un controlador,
puede deberse a un cambio en el nivel de producción del proceso, en cuyo caso
es posible utilizar generadores de valor deseado en rampa, para llevar el lazo
de control de un punto de equilibrio a otro de forma “suave”.
Debe tenerse en cuenta, que los cambios en las especificaciones o caracterís-
ticas del proceso o de los niveles de producción, pueden requerir de la mo-
dificación de los valores deseados para varias de las variables controladas del
proceso. Cosa que usualmente requerirá, de un procedimiento ordenado y coor-
dinado para realizarse, en el cual tienen participación activa, los operadores del
sistema de control.
Cuando las variaciones en los valores deseados de los controladores, sean con-
secuencia de un cambio en las especificaciones o características del producto,
durante el tiempo necesario para pasar del punto de operación actual al nuevo,
el producto estará fuera de especificaciones y, usualmente, debe ser desechado
o enviado a otra parte de la planta para ser reprocesado.
Debe tenerse también en cuanta que, normalmente, la duración de los tran-

sitorios en la variable controlada debido a los cambios en su valor deseado,
representan solo una fracción muy pequeña, del tiempo total de operación del
sistema de control.
3. Conflicto entre el comportamiento y la robustez

Se ha mostrado en los análisis anteriores, que los sistemas de control que son
óptimos respecto a algún índice de comportamiento, normalmente con base en
el error, poseen un grado de estabilidad relativa (robustez) bajo o muy bajo.
Por otro lado, se tiene que el ajuste de los parámetros del algoritmo de control,
depende de las características dinámicas del proceso controlado, reflejadas en
los parámetros del modelo nominal utilizado para representarlo.
El punto de operación del sistema de control puede variar, ya sea porque se ha
modificado el valor deseado de la variable controlado, o porque los cambios en
las perturbaciones demanden otro valor de la variable manipulada, para man-
tener la variable controlada en su valor deseado.
El algoritmo de control tendrá parámetros fijos, mientras que el proceso con-
trolado puede variar sus características dinámicas. El asegurar la estabilidad
del lazo de control, en todos los posibles puntos de operación del sistema de
control, requiere del establecimiento de un determinado nivel de robustez para
el diseño del sistema de control.
La robustez requerida, será la demandada por las variaciones máximas espera-
das en las características del proceso controlado.
Este conflicto será resuelto por lo tanto, diseñando el sistema de control pa-
ra cumplir en primera instancia, con la demanda de robustez y luego con la
especificación de su comportamiento, establecida con algún índice de compor-
tamiento apropiado. Este sería el mejor desempeño posible, de conformidad
con el índice utilizado, para la restricción de robustez establecida.
Sin embargo, si las posibles variaciones de las características dinámicas del
proceso controlado, en el conjunto de puntos de operación esperado, fueran
tan grandes que requirieran de un nivel de robustez de diseño tal alto como el
correspondiente a un margen de estabilidad Sm > 0,70 (MS < 1,4), la pérdida
en el comportamiento en el punto de operación nominal, podría ser excesiva.
Debe tenerse en cuenta, que el diseño del sistema de control con un algoritmo
de control con parámetros fijos, considerando las necesidades de robustez para
un proceso controlado muy no lineal, es un diseño con base en el caso más
malo.
Señal de la variable para

Cuadro el control del cambio
de de los parámetros
parámetros
Parámetros
Valor seleccionados
deseado
Proceso Señal
Controlador controlado realimentada
(de la
PID no lineal
variable
controlada) (variable
controlada)
Figura 15.16: Controlador con cuadro de ajuste de parámetros
No pareciera acertado, en este caso, sacrificar tanto el comportamiento con-

tinuo del sistema de control, previendo la posibilidad de que este tenga que
operar alguna vez en otro punto de operación, donde el proceso controlado
real, difiere mucho del representado por el modelo nominal utilizado para el
diseño.
En estos casos, es más razonable utilizar un controlador que permita una pro-
gramación de ganancia (“gain scheduling”) o que provea un cuadro de ajuste
de parámetros (“table tuning”), como se muestra en la figura 15.16.
Aunque se emplee el término “programación de ganancia”, esta capacidad de
algunos controladores, permite establecer un conjunto de valores para todos
los parámetros {Kp , Ti , Td }, de su algoritmo de control.
Existen controladores comerciales, con cuadros de ajuste para tres y hasta cin-
co conjuntos de parámetros. El cambio entre los diferentes valores de los pará-
metros, se hace con base en alguna variable del proceso, usualmente la misma
variable controlada.
Es posible entonces, establecer los requerimiento particulares de robustez, con-
siderando por ejemplo hasta cinco puntos de operación diferentes (utilizando
cinco modelos del proceso controlado), los cuales serán menores al requisito
de robustez global. De esta manera, es posible mejorar el comportamiento del
sistema de control en todo el rango de operación, al mismo tiempo que se ga-
rantiza su estabilidad, en todos los posibles puntos de operación. Por lo tanto,
el controlador se “adapta”, en alguna medida, a las condiciones de operación
variables del proceso. Cada uno de los cinco conjuntos de parámetros, corres-
Figura 15.17: Sistema de control de un proceso con múltiples perturbaciones
ponde al ajuste utilizado para cada una de las cinco “zonas de operación” del
sistema de control.
4. Punto de incidencia de la perturbación
En la sección 6.3 del Capítulo 6, se indicó que la perturbación “entra” al pro-
ceso en cualquier punto de este. Puede considerarse que afectaba directamente
a la salida −perturbación a la salida, do − o que su efecto sobre la variable con-
trolada, tiene una dinámica similar a la del de la señal de control −perturbación
a la entrada, di −.
Aunque se considera que las perturbaciones más importantes se pueden ca-
racterizar como una perturbación a la entrada (Shinskey, 2002), tal como se
ha hecho para el análisis del funcionamiento del control regulador, lo cierto
es que el funcionamiento del sistema de control se ve afectado por múltiples
perturbaciones, relacionadas cada una de estas con la variable controlada por
una dinámica diferente, tal como se muestra en la figura 15.17 (Takahashi et
al., 1970).
En general, la variable controlada está dada por la relación
n
Cr (s)Pu (s) Pdk (s)
y(s) = r(s) + ∑ dk (s). (15.86)
1 +Cy (s)Pu (s) k=1 1 +Cy (s)Pu (s)
Las perturbaciones cuyo efecto adverso sobre la variable controlada es más

significativo, son las que tienen una magnitud mayor y aquellas cuya dinámi-
ca con la variable controlada, la función de transferencia Pdk (s), tiene mayor
ganancia o constantes de tiempo mayores (las más “lentas”).
De existir dos o más perturbaciones significativas, para las cuales sus funciones
de transferencia dk → y, tienen características dinámicas muy diferentes, el
ajuste de los parámetros del algoritmo de control, debería considerar un diseño
del controlador con un compromiso entre los efectos relativos de estas.
15.13 Ajuste de los parámetros del algoritmo de control

En la figura 8.1 del Capítulo 8, se mostraron las etapas involucradas en el ajuste de los
parámetros del algoritmo de control, incluido en el controlador, ahora se describirán
con mayor detalle.
15.13.1 Información y procedimientos

En términos generales, el diseño y puesta en servicio del lazo de control de un pro-
ceso, tal como se ilustra en la figura 15.18, parte del establecimiento del problema de
control a resolver.
Este involucra la selección del algoritmo de control C del controlador con pa-
rámetros θc , el establecimiento del comportamiento deseado del lazo de control, o
criterio de diseño D con sus parámetros θd (en algunos casos ajustables), y la obten-
ción del modelo nominal M para representar al proceso controlado, con parámetros
θmo .
La regla de ajuste R seleccionada, debe estar relacionada en forma directa con
el criterio de diseño establecido para el lazo. Esto es, la regla de ajuste utilizada de-
be haber sido desarrollada por su autor, con los mismos objetivos de control que se
quieren lograr. Además, en su selección deben tenerse en consideración, las posi-
bles restricciones particulares del proceso que pudieran impedir alcanzar lo que se
desea. Por lo tanto, el criterio de diseño debe ser “realista” en cuanto a los objetivos
planteados. Debe recordarse que el establecimiento de un determinado grado de ro-
bustez necesario para el sistema de control, podría limitar el desempeño que se puede
obtener.
El sistema de control con el controlador ajustado con los parámetros θco , deter-
minados con la regla de ajuste, debe evaluarse con los índices E (relacionados con
el criterio de diseño), para verificar el grado de cumplimiento logrado del comporta-
miento de diseño (desempeño y robustez) establecido.
15.13. Ajuste de los parámetros del algoritmo de control 735
Planteamiento del problema de control de un proceso
Modelo nominal Algoritmo de control Criterio de diseño
Regla de ajuste
Ajuste del controlador
Evaluación
Figura 15.18: Proceso de ajuste del algoritmo de control
15.13.2 Procedimiento de ajuste y prueba

Las etapas involucradas en el ajuste de los parámetros del algoritmo de control, por
lo tanto comprenden:
1. La realización de una prueba experimental con el proceso controlado.
Esta puede ser a lazo abierto o a lazo cerrado, para obtener información de su
comportamiento dinámico.
Si el sistema es muy no lineal, pudieran requerirse pruebas en diferentes puntos
donde el sistema de control pudiera ser que opere, con el fin de analizar los
posibles cambios en su comportamiento dinámico.
2. La identificación del modelo -selección de la estructura y ajuste de los paráme-

tros del modelo-, normalmente lineal y de “orden reducido”, para representar
al proceso controlado en el diseño del sistema de control. Este es el modelo
nominal.
Si en un punto de operación, las características dinámicas del proceso para
un cambio positivo en la entrada, son diferentes de las correspondientes a un
cambio negativo, deberá determinarse un modelo medio (promedio) para usarlo

en el diseño.
Pudiera ser que la estructura del modelo del proceso, requerido por la regla
o procedimiento de cálculo de los parámetros del algoritmo de control, sea
diferente del “mejor” modelo que sea posible ajustar a su comportamiento di-
námico, para utilizarlo en los estudios de control, por ejemplo, por simulación
digital.
3. La determinación del signo de la ganancia del proceso, para la selección co-

rrecta de la Acción del controlador.
Debe recordarse que se entiende como proceso controlado, al conjunto actua-
dor, planta y sensor esto es, al proceso en si, junto con los instrumentos que
permiten al controlador interactuar con el.
La “entrada” al proceso controlado, es la señal de salida del controlador (el
esfuerzo de control) y la “salida” del proceso controlado, la señal realimentada
(señal de entrada al controlador).
4. El establecimiento del criterio de diseño, contemplando el comportamiento

dinámico y el grado de robustez requerido (indispensable), para el lazo de con-
trol.
Esto involucra: determinar qué es más importante, la atenuación de las pertur-
baciones (control regulador) o el seguimiento de un valor deseado cambiante
(servo control) ¿Se requiere un controlador con dos grados de libertad?; esta-
blecer el comportamiento dinámico deseado del sistema de control, con base
en características de la respuesta temporal o en la evaluación de índices de error
integral; y determinar la robustez mínima requerida, con base en la estimación
de los cambios en el comportamiento dinámico del proceso y las imprecisiones
del modelo.
Las especificaciones de diseño dependen de la aplicación (del proceso a con-
trolar) ¿Cómo es que se desea o requiere, restringir el comportamiento de la
variable controlada? ¿Qué restricciones existen sobre el comportamiento de
otras variables, por ejemplo del esfuerzo de control?
5. La selección del algoritmo de control a utilizar en el controlador.

En el caso de los controladores comerciales con un algoritmo proporcional,
integral y derivativo, este pudiera estar ya definido y deben, por lo tanto, ve-
rificarse sus características y limitaciones. Es posible también, que este pueda
seleccionarse de entre una lista de algoritmos de control PID, incluidos en el
equipo o software de control.
15.13. Ajuste de los parámetros del algoritmo de control 737
6. La selección de la regla de ajuste del algoritmo de control, con base en el mo-

delo identificado para representar al proceso controlado, el criterio de diseño
establecido y el algoritmo de control a utilizar.
Los objetivos de funcionamiento y robustez asociados a la regla de ajuste se-
leccionada, deben coincidir en el mayor grado posible, con los establecidos o
deseados para el sistema de control a diseñar.
7. El cálculo de los parámetros del algoritmo de control, utilizando las ecuacio-

nes de ajuste.
8. El cálculo de los parámetros equivalentes para el algoritmo de control a ajus-

tar, si este es diferente del algoritmo de control que fue utilizado (o supuesto),
en la obtención de la regla de ajuste seleccionada.
9. La verificación de que la Acción del controlador sea la correcta.

Una selección incorrecta de la Acción del controlador, hará que el sistema
de control sea inestable. La variable controlada, se irá a uno de sus valores
extremos, al momento de poner el sistema de control en operación automática.
10. La simulación del sistema de control diseñado, empleando el modelo identifi-

cado para el proceso controlado y un controlador con el mismo algoritmo de
control, que el del controlador a ajustar.
11. La verificación del cumplimento de las especificaciones de diseño, evaluando

los índices de comportamiento y robustez utilizados en las especificaciones.
12. El ajuste de los parámetros del algoritmo de control.

Debe tenerse en cuenta que las unidades de tiempo de los valores de los pará-
metros a introducir en el controlador, podrían no ser las mismas que las de los
parámetros calculados.
13. La puesta en servicio del sistema de control y la comprobación de su operación

satisfactoria. Pudiera ser necesario hacer un “ajuste final fino” a los paráme-
tros del algoritmo de control del controlador, para lograr un comportamiento
cercano al deseado.
14. El seguimiento del funcionamiento del lazo de control a mediano plazo, según
lo reporte el personal encargado de su operación.
En el procedimiento de ajuste de los parámetros del algoritmo de control enu-

merado anteriormente, se ha supuesto que todos los instrumentos que comprenden el
lazo de control: el elemento de medición (sensor y transmisor), el elemento de ac-

tuación (elemento final de control) y el controlador, han sido adquiridos, instalados,
interconectados y probados, antes de proceder a realizarlo.
El ajuste de los parámetros del algoritmo de control del controlador, es el último
paso a realizar, antes de poner el lazo de control en servicio.
15.14 Resumen
Las reglas de ajuste, proveen ecuaciones simples para la obtención de los parámetros
del algoritmo de control del controlador. Sin embargo, usualmente no incluyen un
parámetro de diseño, que pueda ser seleccionado por el usuario.
Los parámetros del controlador dependerán de las características dinámicas del
proceso controlado, del criterio de desempeño seleccionado, del algoritmo de control
utilizado en el controlador y del funcionamiento principal del sistema de control
(servo control o control regulador).
Debido al conflicto existente entre el comportamiento y la robustez del lazo de
control, si se considera solamente el comportamiento, por ejemplo mediante la op-
timización de una funcional de costo con base en el error, normalmente se obtienen
sistemas de control con una robustez muy baja y en algunos casos hasta inaceptable.
Es necesario por lo tanto, considerar en el proceso de ajuste del controlador los re-
quisitos de robustez, con base en las variaciones esperadas de las características del
proceso controlado. Esto obligará a sacrificar parte de su comportamiento.
En el caso de los controladores de un grado de libertad, es necesario establecer
el funcionamiento principal del lazo de control, ya que los parámetros del contro-
lador que optimizan el funcionamiento del sistema de control ante un cambio en el
valor deseado (servo control), difieren de los que lo optimizan ante un cambio en la
perturbación (control regulador).
Con los controladores de dos grados de libertad, es posible ajustar el controlador
para lograr el funcionamiento deseado del sistema de control ante las perturbacio-
nes de carga (control regulador), considerando el conflicto entre su comportamiento
(velocidad de respuesta, criterio de error integral u otro) y su robustez (márgenes de
ganancia y fase, sensibilidad máxima o margen de estabilidad), y luego utilizar el
factor de peso proporcional del valor deseado, para mejorar el comportamiento del
sistema de control, ante los cambios en el valor deseado (servo control).
El diseñador debe resolver el conflicto entre el comportamiento y la robustez del
lazo de control, recordando que la robustez no se puede sacrificar, está determinada
por los cambios esperados en el comportamiento dinámico del proceso controlado,
dentro del rango de operación del sistema. Por lo tanto, lo que debe sacrificarse es el
comportamiento.
El diseño del lazo de control, para el nivel de robustez mínima requerida, debe
buscar lograr el “mejor” comportamiento posible, de conformidad con las especifi-
caciones e índices de evaluación establecidos para el mismo.
15.15 Bibliografía
Alfaro, V. M. (2002). Métodos de sintonización de controladores PID que operan
como reguladores. Ingeniería, 12(1-2):12–36.
Alfaro, V. M. (2003). Métodos de sintonización de controladores PID que operan

como servomecanismos. Ingeniería, 13(1-2):13–29.
Alfaro, V. M. (2005). Actualización del método de sintonización de controladores de

Ziegler y Nichols. Ingeniería, 15:39–52.
Alfaro, V. M., Méndez, V., y Vilanova, R. (2011). Robust-Performance Tuning of

2DoF PI/PID Controllers for First- and Second-Order-Plus-Dead-Time Models.
En 9th IEEE International Confeence on Control and Automation (ICCA), páginas
237–242. December 19-21, Santiago, Chile.
Alfaro, V. M. y Vilanova, R. (2010). Sintonización de los controladores PID de

2GdL: desempeño, robustez y fragilidad. En XIV Congreso Latinoamericano de
Control Automático (CLCA 2010). 24-27 agosto, Santiago, Chile.
Alfaro, V. M. y Vilanova, R. (2012a). Optimal Robust Tuning for 1DoF PI/PID

Control Unifying FOPDT/SOPDT Models. En IFAC Conference on Advances in
PID Control (PID’12). 28-30 March, Brescia, Italy.
Alfaro, V. M. y Vilanova, R. (2012b). Set-Point Weight Selection for Robustly Tu-

ned PI/PID Regulators for Over Damped Processes. En 17th IEEE International
Conference on Emerging Technologies & Factory Automation (ETFA 2012). Sep-
tember 17-21, Kraków, Poland.
Alfaro, V. M. y Vilanova, R. (2013). Simple robust tuning of 2DoF PID contro-

llers from a performance/robustness trade-off analysis. Asian Journal of Control,
15(5):1–14.
Alfaro, V. M., Vilanova, R., y Arrieta, O. (2009). Considerations on Set-Point Weight

choice for 2-DoF PID Controllers. En IFAC International Symposium on Advanced
Control on Chemical Process (ADCHEM 2009). 12-15 July, Istambul, Turkey.
Alfaro, V. M., Vilanova, R., Méndez, V., y Lafuente, J. (2010). Performance/Robust-

ness Tradeoff Analysis of PI/PID Servo and Regulatory Control Systems. En IEEE
International Conference on Industrial Technology (ICIT2010). marzo 14-17, Vi-
ña del Mar, Chile.
Ali, A. y Mahi, S. (2009). PI/PID controller design based on IMC and percentage
overshoot specification to controller setpoint change. ISA Transactions, 48:10–15.
Ali, A. y Majhi, S. (2010). PID controller tuning for integrating processes. ISA
Transactions, 49:70–78.
Arbogast, J. E. y Cooper, D. J. (2007). Extension of IMC tuning correlations for

non-self regulating (integrating) processes. ISA Transactions, 46:303–311.


Blinkley, G. J. (1990). Moderm control started with Ziegler-Nichols tuning. Control

Engineering, 37 (12). (entrevista a John G. Ziegler).
Brambilla, A., Chen, S., y Scalli (1990). Robust tuning of conventional controllers.
Hydrocarbon Processing, 69(11).
Brosilow, C. B. (1992). PI/PID controller parameters from IMC designs. Reporte

técnico, Department of Chemical Engineering, Case West Resrve University.
Bucz, S. y Kozáková, A. (2012). PID Controller Desing for Specific Performan-

ce. En Panda, R., editor, Introduction to PID Controllers - Theory, Tuning and
Application to Frontier Areas, páginas 3–30. InTech, 51000 Rijeka, Croatia.
Callender, A. (1934). Preliminary notes on automatic control. Reporte técnico, I.C.I.

(Alkali) Limited, Winnington, UK. 15 January.
Callender, A., Hartree, D. R., y Porter, A. (1936). Time-Lag in Control Systems - I.

Philosophical Transactions of the Royal Society of London, 235 (Series A):415–
444.
Callender, A. y Stevenson, A. B. (1936a). The application of automatic control to

a typical problem in chemical industry. Reporte técnico, I.C.I. (Alkali) Limited,
Winnington, UK. 5 September.
Callender, A. y Stevenson, A. B. (1936b). Theoretical aspects of the control of boiler

feed. Reporte técnico, I.C.I. (Alkali) Limited, Winnington, UK. 21 April.
Chen, P., Zhang, W., y Zhu, L. (2006). Design and tuning method of PID contro-
ller for a class of inverse response processes. En American Control Conference
(ACC2006). American Control Conference (ACC2006), Minneapolis, Minnesota,
USA, June 14-16.
Chien, I., Hrones, J., y Reswick, J. (1952). On the automatic Control of generalized
passive systems. Trans. ASME, 74:175–185.
Chien, I.-L., Chung, Y.-C., Chen, B.-S., y Chuang, C. (2003). Simple PID controller
tuning method for processes with inverse response plus dead time or large overs-
hoot response plus dead time. Ind. Eng. Chem. Res., 42:4461–4477.
Chien, I.-L. y Fruehauf, P. S. (1990). Consider IMC Tuning to Improve Controller

Performance. Chemical Engineering Progress, 86:33–41.
Cohen, G. H. y Coon, G. A. (1953). Theoretical considerations of retarded control.

Coughanour, D. R. y Koppel, L. B. (1965). Process Systems Analysis and Control.

McGraw-Hill, Inc.
Cvejn, J. (2009). Sub-optimal PID controller settings for FOPDT systems with long
dead time. Journal of Process Control, 19:1486–1495.
Dahlin, E. B. (1968). Designing and tuning digital controllers. Instruments and

Control Systems, 42:77–83.
de Paor, A. M. O. (1989). Controllers of Ziegler-Nichols type for unstable processes

with time delay. Int. J. Control, 49:1273–1284.
Farrigton, G. H. (1951). Fundamentals of Automatic Control. John Wiley & Sons.
Haalman, A. (1965). Adjunting controllers for a dead time process. Control Engi-
neering.
Hägglund, T. y Åström, K. (2002). Revisiting the Ziegler-Nichols tuning rules for PI

control. Asian Journal of Control, 4:354–380.
Hägglund, T. y Åström, K. (2004). Revisiting the Ziegler-Nichols step respose met-

hod for PID control. Journal of Process Control, 14:635–650.
Harriot, P. (1964). Process Control. McGraw-Hill Book Co.

Harris, S. L. y Mellichamp, D. A. (1985). Controller tuning using optimization to

meet multi closed-loop criteria. AIChE Journal, 31(3).
Ho, W.-K., Hang, C.-C., y Cao, L. S. (1995). Tuning PID Controllers Based on Gain
and Phase Margin Specifications. Automatica, 31(3):497–502.
Ho, W. K., Lim, K. L., Hang, C. C., y Ni, L. Y. (1999). Getting more Phase Margin
and Performance out of PID controllers. Automatica, 35:1579–1585.
Ho, W. K., Lim, K. W., y Xu, W. (1998). Optimal gain and phase margin tuning for
PID controllers. Aujtomatica, 34(8).
Jung, S. y Dorf, R. C. (1996). Analytic PIDA Controller Design Technique for a

Third Order System. En IEEE 35th Conference on Decision and Control, páginas
2513–2518. December, Kobe, Japan.
Kaya, A. y Scheib, T. J. (1988). Tuning of PID Controllers of Different Structures.

Control Engineering, páginas 62–65. July.
Khan, B. Z. y Lehman, B. (1996). Setpoint PI controllers for systems with lar-

ge normalized dead time. IEEE Transactions on Control Systems Technologies,
4(4):459–466.
Lee, Y., Lee, J., y Park, S. (2000). PID controller tuning for integrating and unstable
processes with time delay. Chemical Engineering Science, 55:3481–3493.
Lelic, M. y Gasjic, Z. (2000). A Reference Guide to PID Controllers in the Nineties.

En IFAC Digital Control: Past, Present, and Future of PID Control. Terrassa,
Spain.
López, A. M., Miller, J. A., Smith, C., y Murril, P. W. (1967). Tuning controllers
with error-integral criteria. Instrumentation Technology.
Madhuranthakam, C. R., Elkamel, A., y Budman, H. (2008). Optimal tuning of

PID controllers for FOPDT, SOPDT, and SOPDT with lead processes. Chemical
Engineering and Processing, 47:251–264.
Martin, J., Corripio, A. B., y Smith, C. L. (1975). Controller Tuning from Simple
Process Models. Instrumentation Technology, 22(12):39–44.
Méndez, V. (2006). Ecuaciones para la sintonización de contrladores PID utilizando

funciones de costo del tipo IT m E n . Proyecto Eléctrico (Bachillerato), Escuela de
Ingeniería Eléctrica, Universidad de Costa Rica, San José, Costa Rica.
Méndez, V. (2008). Desempeño y robustez de los lazos de control PID. Tesis de

Licenciatura, Escuela de Ingeniería Eléctrica, Universidad de Costa Rica.
Murillo, D. (2013). Desempeño y robustez del control PIDA de procesos sobreamor-

tiguados. Proyecto eléctrico, Escuela de Ingeniería Eléctrica, Universidad de Costa
Rica.
O’Dwyer, A. (2005). PID control: the early years. En Control in the IT Sector
Seminar. May 3, Cork Institute of Technology, Cork, Ireland.
O’Dwyer, A. (2009). Handbook of PI and PID Controller Tuning Rules. Imperial

College Press, London, UK, 3rd edición.
O’Dwyer, A. (2012). An Overview of Tuning Rules for PI and PID Continuos-

Time Control of Time-Delayed Single-Input, Single-Output (SISO) Processes. En
Vilanova, R. y Visioli, A., editores, PID Control in the Third Millennium: Lessons
Learned and New Approaches, páginas 3–44. Springer-Verlag London Limited.
Persson, P. (1992). Towards Autonomous PID Control. PhD thesis, Department of

Automatic Control, Lund Institute of Technology.
USA.
Rivera, D. E., Morari, M., y Skogestad, S. (1986). Internal Model Control. 4. PID
Controller Design. Ind. Eng. Chem. Des. Dev., 25:252–265.
Rímolo, J. I. (2005). Análisis del desempeño y la robustez de los servomecanismos

y reguladores PID, optimizados con funcioness de costo del tipo it m en . Proyecto
eléctrico, Escuela de Ingeniería Eléctrica, Universidad de Costa Rica.
Rovira, A., Murrill, P. W., y Smith, C. L. (1969). Tuning controllers for setpoint
changes. Instrumentation & Control Systems, 42:67–69.
Scali, C. y Rachid, A. (1998). Analytical design of proportional-integral-derivative

controllers for inverse response processes. Ind. Eng. Chem. Res., 37:1372–1379.
Shen, J.-C. (2000). New tuing method for PID control of a plant with under-damped
response. Asian Journal of Control, 2(1):31–41.
Shinskey, F. G. (2002). Process Control: As Taught vs as Practiced. Ind. Eng. Chem.

Res., 41:3745–3750.
Smith, C. L. y Murrill, P. W. (1966). A more precise method for tuning controllers’.

ISA Journal.

USA.
Tavakoli, S. y Banookh, A. (2010). Robust PI Control Design Using Parti Swarm

Optimization. Journal of Computing Science and Engineering, 1(1):36–41.
Tavakoli, S., Griffin, I., y Fleming, P. J. (2005). Robust PI controller for load distur-
bance rejection and setpoint regulation. En IEEE Conference on Control Applica-
tions. IEEE Conference on Control Applications, August 28-31, Toronto, Canada.
Tavakoli, S., Griffin, I., y Fleming, P. J. (2007). Multi-Objective Optimization Ap-

proach to the PI Tuning Problem. En IEEE Congress on Evolutionary Computing
(CEC2007), páginas 3165–3171.
Tavakoli, S. y Tavakoli, M. (2013). Optimal tuning of PID controllers for first order
plus time delay models using dimensional analysis. En The Fourth International
Conference on Control and Aitomation (ICCA’03). 10-12 June, Montreal, Canada.
The Mathworks, Inc. (2013). MATLAB R2013a Help.
Ukakimaparn, P., Pannil, P., Boonchuay, P., y Trisuwannawat, T. (2009). PIDA Con-
troller Designed by Kitti’s Method. En ICROS-SICE International Joint Confe-
rence. August 18-21, 2009, Fukuoka International Congress Center, Japan.
Visioli, A. (2001). Optimal tuning of PID controllers for integrating and unstable
processes. IEE Proc. - Control Theory Appl., 148(1):180–184.
Viterková, M., Vitecek, A., y Smitny, S. (2000a). Simple PI and PID controllers
tuning for monotone self regulation plant. En IFAC Digital Control: Past, Present
and Future of PID Control (PID’00). 5-7 Abril, Terrasa, España.
Viterková, M., Vitecek, A., y Smutny, L. (2000b). Controller tuning for controlled
plants with time delay. En Digital Control: Past, Present and Future of PID Con-
trol, páginas 253–258, Terrasa, España, 5-7 April. IFAC.
Wang, Q. G., Lee, T. H., Fung, H. W., Bi, Q., y Zhang, Y. (1999). PID tuning for
improved performance. IEEE Transactions on Control Systems Technology, 7(4).
Wang, Y.-G. y Cai, W. (2001). PID Tuning for Itegrating Processes with Sensitivity
Specification. En 40th IEEE Conference on Decision and Control. December,
Orlando, Florida, USA.
Wang, Y.-G. y Xu, X.-M. (2009). PID tuning for unstable processes with sensitivity
specification. En 2009 Chinese Control and Decision conference (CCDC2009).
Guilin, China, 17-19 June.
Willis, D. M. (1962a). A Guide to Controller Tuning. Control Engineering, páginas

93–94. August.
Willis, D. M. (1962b). Tuning Maps for Three-Mode Controllers. Control Enginee-

ring, páginas 104–108. April.
Witt, S. D. y Waggoner, R. C. (1999). Tuning parameters for non-PID three mode

controllers. Hydrocarbon Processing, 69(6).
Yang, X.-P., Wang, Q.-G., Hang, C.-C., y Lin, C. (2002). IMC-based control system
design for unstable processes. Ind. Eng. Chem. Res., 41:4288–4294.
Zhang, W., Xu, X., y Sun, Y. (2000). Quantitative performance design for inverse-
response processes. Ind. Eng. Chem. Res., 39:2056–2061.
Ziegler, J. G. y Nichols, N. B. (1942). Optimum Settings for Automatic Controllers.

16
Ajuste robusto de controladores PID de dos

grados de libertad, por modelo de referencia
16.1 Introducción
16.2 Procedimiento de diseño MoReRT
16.2.1 Funcionales de costo
16.2.2 Modelos de referencia
16.2.3 Modelos del proceso y algoritmos de control normalizados
16.3 MoReRT PI para procesos sobreamortiguados
16.3.1 Modelos de referencia sobreamortiguados
16.3.2 Modelos de referencia subamortiguados
16.4 MoReRT PID para procesos sobreamortiguados
16.4.1 Controlador PID Estándar ideal de 2GdL con filtro
16.4.2 Controlador PID Paralelo de 2GdL con dos filtros de entrada
16.5 Procedimiento MoReRT general
16.6 Diseño MoReRT con especificaciones del esfuerzo de control
16.7 Normalización de los parámetros del controlador
16.8 Resumen
16.9 Bibliografía
Como se ha visto, una forma de obtener las relaciones para el cálculo de los paráme-
tros del algoritmo de control, es optimizando el comportamiento del lazo de control
con una restricción en la robustez. Otra es, estableciendo las funciones de transfe-
rencia de lazo cerrado deseadas y determinar, en forma analítica, los controladores
747
748 16 Ajuste robusto de controladores por modelo de referencia
necesarios para lograrlas. Este último procedimiento, requiere utilizar aproximacio-

nes para el tiempo muerto del modelo del procesos controlado.
Un procedimiento de diseño alternativo, es considerar a las funciones de trans-
ferencia de lazo cerrado deseadas como modelos de referencia, cuya respuesta se
quiere lograr, y determinar los parámetros del algoritmo de control del controlador,
que permiten obtener la respuesta más parecida a la deseada. Los modelos de refe-
rencia establecen la forma en que se desea restringir, el comportamiento del sistema
de control.
16.1 Introducción
En el diseño con base en modelos de referencia, el problema no es ya la optimización

tradicional del comportamiento del lazo de control, sino más bien la minimización
de la diferencia entre la respuesta obtenida con el controlador a ajustar y la corres-
pondiente al modelo de referencia.
Esta metodología general se ha denominado como ajuste robusto por modelo de
referencia o MoReRT (“model-reference robust tuning”) (Alfaro y Vilanova, 2012d)
y se ha aplicado a modelos de procesos controlados con características muy diversas
(Alfaro y Vilanova, 2012a,b,f,e, 2013c).
A continuación se presenta el desarrollo general del procedimiento de ajuste de
los controladores MoReRT y su aplicación al caso particular del control de los pro-
cesos autorregulados sobreamortiguados, dejando para el capítulo siguiente, su apli-
cación al control de procesos con otras dinámicas.
Para el diseño se considerarán sistemas de control, con controladores con un
algoritmo de control de dos grados de libertad, tal como se ilustra en la figura 16.1.
Por lo tanto, las funciones de transferencia de lazo cerrado del sistema de control,
son
Cr (θcr , s)P(θ p , s)
Myr (θc , θ p , s) = , (16.1)
P(θ p , s)
Myd (θcy , θ p , s) = . (16.2)
16.2. Procedimiento de diseño MoReRT 749
16.2 Procedimiento de diseño MoReRT

Dado el modelo P(θ p , s) del proceso controlado, se establecen las repuestas deseadas,
tanto a un cambio en la perturbación como en el valor deseado, tal que
. t
ytd (s) = Myd (θcy , θ p , θd , s)d(s), (16.3)
.
ytr (s) = Myr
t
(θc , θ p , θd , s)r(s), (16.4)
donde Mydt y Mt son los modelos de referencia para las funciones de transferencia
yr
del control regulador y el servo control, respectivamente, que producen las corres-
pondientes respuestas objetivo, ytd (s) y ytr (s).
En los modelos de referencia se incluye el conjunto de parámetros de diseño θd ,
los cuales permiten modificar el comportamiento dinámico y la robustez del sistema
de control resultante.
16.2.1 Funcionales de costo

Para determinar los parámetros del algoritmo de control del controlador, que proveen
la mejor aproximación a las respuestas de los modelos de referencia, en el sentido de
los cuadrados mínimos, se establecen funcionales de costo de la forma
Z ∞
. 2
Jd (θ p , θcy , θd ) = ytd (θ p , θcy , θd ,t) − yd (θ p , θcy ,t) dt, (16.5)
0
para la respuesta a una perturbación, y

Z ∞
. 2
Jr (θ p , θc , θd ) = ytr (θ p , θc , θd ,t) − yr (θ p , θc ,t) dt, (16.6)
0
para la respuesta a un cambio en el valor deseado.

Las funcionales de costo (16.5) y (16.6), penalizan la diferencia entre las respues-
tas del sistema de control con el controlador que se debe ajustar y las de los modelos
de referencia de lazo cerrado.
La optimización de (16.5) y (16.6) puede hacerse en dos pasos. Primero la de
(16.5) para obtener los parámetros θcyo , tal que
.
Jdo = Jd (θ p , θcy
o
, θd ) = mı́n Jd (θ p , θcy , θd ), (16.7)
θcy
ajustando los parámetros de diseño θd para cumplir al mismo tiempo con una robus-
o ), para determinar los parámetros
tez especifica MSt y luego, la de (16.6) (con θcy = θcy
en θcr que no están en θcy , de manera que
.
Jro = Jr (θ p , θco , θd ) = mı́n Jr (θ p , θcy
o
, β , θd ). (16.8)
β
Esta optimización también se puede hacer en un solo paso, definiendo la funcio-

nal de costo global
.
JT (θ p , θc , θd ) = Jr (θ p , θc , θd ) + Jd (θ p , θcy , θd ), (16.9)
para obtener los parámetros θco , tal que

.
JTo = JT (θ p , θco , θd ) = mı́n JT (θ p , θc , θd ), (16.10)
θc
ajustando θd para lograr el nivel de robustez MSt deseado. El conjunto de parámetros

resultante θco = θc (θ p , MSt ).
Los parámetros θco , son los parámetros del algoritmo de control del controlador,
que provee la respuesta del sistema de control más cercan a la deseada. Proporcionan
el menor error cuadrático, entre la respuesta objetivo y la obtenida con el controlador
con los parámetros θco , considerando en conjunto, la respuesta del control regulador
y la del servo control.
El procedimiento de diseño establecido, es independiente del modelo del proceso
controlado y del algoritmo de control del controlador a ajustar.
La selección de los modelos de referencia a utilizar, debe considerar los compo-
nentes de fase no mínima del proceso controlado, ya sea el tiempo muerto o los ceros
en el semiplano derecho del plano complejo s, y el orden del sistema de control.
16.2.2 Modelos de referencia

Para el establecimiento de los modelos de referencia, primero se expresan las fun-
ciones de transferencia del modelo del proceso controlado y del controlador de reali-
16.2. Procedimiento de diseño MoReRT 751
mentación, como la razón de dos polinomios, de la forma
Np− (s)Np+ (s)

P(s) = , (16.11)
D p (s)
Ncy (s)
Cy (s) = , (16.12)
Dcy (s)
donde Np+ (s) corresponde a los componentes de fase no mínima (tiempo muerto o
ceros en el semiplano derecho), del modelo del proceso controlado.
Remplazando en (16.2) P(s) y Cy (s) por (16.11) y (16.12) respectivamente, la
función de transferencia de lazo cerrado del control regulador, se puede expresar
como
Dcy (s)Np− (s)Np+ (s)
Myd (s) = . (16.13)
Dcy (s)D p (s) + Ncy (s)Np− (s)Np+ (s)
El diseño del controlador de realimentación Cy (s) tiene como base, el estableci-
miento de un modelo de referencia Mydt (s) para (16.13).
Entonces, la respuesta de referencia para el control regulador, es
ytd (s) = Myd

t
(s)d(s). (16.14)
Utilizando (16.1), (16.2) y (16.14), se obtiene que la respuesta de referencia para

el servo control, utilizada para el ajuste de los parámetros libres del controlador de
valor deseado Cr (s), está dada por la expresión
ytr (s) = Myr

t t
(s)r(s) = Cr (s)Myd (s)r(s). (16.15)
16.2.3 Modelos del proceso y algoritmos de control normalizados

Para independizar el diseño del controlador de la escala de tiempo y la ganancia del
modelo del proceso controlado, es conveniente trabajar con parámetros adimensio-
nales (normalizados).
Parámetros normalizados de los modelos de los procesos controlados

Los procesos controlados sobreamortiguados de primer y segundo orden y estables,
se pueden representar por un modelo lineal de la forma general
Ke−Ls
P(s) = , 0 ≤ a ≤ 1,0, (16.16)
(T s + 1)(aT s + 1)
con parámetros θ p = {K, T, a, L}.

Utilizando la ganancia K del modelo y su constante de tiempo T , junto con la

transformación ŝ = T s, el modelo (16.16) se puede expresar en forma normalizada,
como
e−τL ŝ L
P̂(ŝ) = , τL = , (16.17)
(ŝ + 1)(aŝ + 1) T
donde τL es el tiempo muerto normalizado.

Se tiene ahora, que
P̂(ŝ) = 1 |P(s)| .

(16.18)
K
El modelo esomtm normalizado (16.17), tiene dos parámetros adimensionales
θ̂ p = {a, τL }. En el caso particular del modelo epomtm (a = 0) normalizado, este
tiene solo un parámetro θ̂ p = τL .
Por lo tanto, los parámetros normalizados del algoritmo de control, serán funcio-
nes de τL si el proceso controlado está representado por un modelo de primer orden,
y de a y τL si el modelo utilizado es de segundo orden.
Parámetros normalizados del algoritmo de control

Para trabajar junto con el modelo normalizado del proceso controlado, el algoritmo
de control PID Estándar de dos grados de libertad, dado por la expresión

1 Td s
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] − y(s) , (16.19)
Ti s αTd s + 1
con parámetros θc = {Kp , Ti , Td , α, β } se normalizará, utilizando la misma transfor-

mación ŝ = T s.
La ecuación de salida del PID2 normalizado, es entonces

1 τd ŝ
u(ŝ) = κ p β r(ŝ) − y(ŝ) + [r(ŝ) − y(ŝ)] − y(ŝ) , (16.20)
τi ŝ ατd ŝ + 1
cuyos parámetros normalizados θ̂ (ŝ) = {κ p , τi , τd , α, β }, son
.
κ p = KKp , (16.21)
. Ti
τi = , (16.22)
T
. Td
τd = . (16.23)
T
16.3. MoReRT PI para procesos sobreamortiguados 753
16.3 MoReRT PI para procesos sobreamortiguados

Considérese el proceso controlado autorregulado sobreamortiguado, dado por el mo-
delo
Ke−Ls L
P(s) = , τL = , 0 ≤ a ≤ 1,0, (16.24)
(T s + 1)(aT s + 1) T
con parámetros θ p = {K, T, a, L} y el controlador PI de 2GdL dado por la ecuación

1
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] , (16.25)
Ti s
con parámetros ajustables θc = {Kp , Ti , β }.

Las funciones de transferencia normalizadas correspondientes, utilizadas para el
método MoReRT, son (16.17) y (16.20) (con τd = 0).
16.3.1 Modelos de referencia sobreamortiguados

El sistema de control del proceso controlado esomtm (16.24) con el controlador pro-
porcional e integral (16.25), es de tercer orden. Considerando esto y para obtener
respuestas suaves, sin oscilación y sin error permanente, se selecciona la respuesta
de los modelos de referencia, como
e−Ls (Ti /Kp )se−Ls

yt (s) = r(s) + d(s), (16.26)
(τc T s + 1)(aτc T s + 1) (τc T s + 1)2 (aτc T s + 1)
donde τc es el parámetro de diseño −relacionado con la velocidad de respuesta del

sistema de control, su comportamiento−, el cual se escogerá de manera de logar el
grado de robustez MSt deseado −su estabilidad relativa requerida−.
Debido al compromiso existente entre el desempeño y la robustez del sistema de
control, la variación del parámetro de diseño τc , permite disminuir la velocidad de
respuesta del sistema para aumentar su estabilidad relativa y viceversa. Por lo tanto,
su variación en el procedimiento de diseño MoReRT, tiene como objetivo obtener
sistemas de control con el nivel de robustez requerido, dadas las posibles variaciones
de las características dinámicas del proceso controlado, con el mejor comportamien-
to posible, según con el perfil de las respuestas, determinado por los modelos de
referencia establecidos.
Los modelos de referencia de lazo cerrado, deben incluir el tiempo muerto apa-
rente del modelo del proceso controlado.
Nótese, que según lo especificado en (16.26), el error permanente será cero, tanto
a un cambio escalón en el valor deseado, como a un cambio escalón en la perturba-
ción.
La respuesta de referencia normalizada, empleada en el procedimiento de opti-

mización, para determinar los parámetros del algoritmo de control, es
e−τL ŝ (τi /κ p )ŝe−τL ŝ

yt (ŝ) = r(ŝ) + d(ŝ). (16.27)
(τc ŝ + 1)(aτc ŝ + 1) (τc ŝ + 1)2 (aτc ŝ + 1)
Utilizando (16.17) y (16.20) junto con (16.27), se determinan los parámetros del
algoritmo de control.
En el caso particular de los modelos epomtm, la respuesta de referencia (16.27)
se reduce, a
e−τL ŝ (τi /κ p )ŝe−τL ŝ
yt (ŝ) = r(ŝ) + d(ŝ). (16.28)
τc ŝ + 1 (τc ŝ + 1)2
Al ser en este caso el proceso controlado de primer orden, su sistema de control con
un controlador PI, es de segundo orden.
En (16.27) y (16.28), la función de transferencia del servo control, es un orden
menor que la del control regulador, pareciendo ser que sus denominadores no son
iguales, como deberían serlo. Lo anterior se debe a que la función de transferencia
del servo control tiene un cero, el cual se desea cancele uno de los polos de lazo
cerrado.
Las ecuaciones de ajuste del algoritmo de control PI para este caso, están dadas
por las relaciones (Alfaro y Vilanova, 2012a)
. a0 + a1 τL
κ p = Kp K = , (16.29)
a2 + a3 τL + a4 τL 2 + a5 τL 3
. Ti b0 + b1 τL
τi = = , (16.30)
T b2 + b3 τL + b4 τL 2 + b5 τL 3 + b6 τL 4
β = c0 + c1 τL + c2 τL 2 + c3 τL 3 . (16.31)
Las constantes ai , bi y ci dependen del modelo (a) y de la robustez de diseño (MSt )

y se listan en los cuadros 16.1 a 16.6, para modelos del proceso controlado epomtm
y esomtm con 0,1 ≤ τL ≤ 2,0.
Estas se han determinado para modelos con razones de constantes de tiempo
a ∈ {0, 0,10, 0,25, 0,50, 0,75, 1,0}, por lo que el cálculo de los parámetros del
controlador, para modelos de primer orden (a = 0) y de polo doble (a = 1) es directo.
Sin embargo, para los modelos con valores de a distintos de los anteriores, los pa-
rámetros requeridos para el algoritmo de control, se deberán determinar realizando
una interpolación lineal entre los dos conjuntos de parámetros obtenidos, con los dos
valores de a más cercanos a la razón de constantes de tiempo del modelo.
16.3. MoReRT PI para procesos sobreamortiguados 755
Cuadro 16.1: MoReRT PI2 MSt 1,4 1,6 1,8 2,0

- Proceso epomtm (a =
0,0) a0 0,7253 0,4441 0,5249 0,5930
a1 0,6505 0,1745 0,2281 0,2658
a2 0,002337 0 0 0
a3 2,143 1 1 1
a4 1 0 0 0
a5 0 0 0 0
b0 -0,1606 -0,09742 0,1530 0,6088
b1 47,67 83,72 115,5 154,9
b2 4,166 10,71 18,67 29,32
b3 30,23 51,35 68,28 88,39
b4 7,973 3,948 -0,4553 -4,346
b5 -4,738 -5,369 -4,952 -4,659
b6 1 1 1 1
c0 0,5049 0,4759 0,4706 0,4758
c1 0,8330 0,5924 0,4360 0,3267
c2 -0,1034 -0,1278 -0,09808 -0,07063
c3 0 0 0 0
16.3.2 Modelos de referencia subamortiguados

En la sección anterior, se presentó un procedimiento de ajuste de controladores PI2
para procesos autorregulados sobreamortiguados, desarrollada utilizando la metodo-
logía MoReRT.
En este, se utilizaron modelos de referencia sobreamortiguados, de manera de
obtener repuestas del sistema de control sin oscilación. Esto impone una restricción
al comportamiento del sistema de control que se puede lograr.
Modelos de referencia más generales se pueden seleccionar, estableciendo como
respuesta deseada una con polos complejos conjugados, dada por la expresión
(τc T s + 1)e−Ls
yt (s) = r(s)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
(Ti /Kp )se−Ls
+ 2 2 2 d(s). (16.32)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
Ahora, se tienen dos parámetros de diseño θd = {τc , ζ }. Estos son la velocidad
relativa y el amortiguamiento de los polos de lazo cerrado.
Analizando el desempeño del lazo de control para diferentes valores de la razón
de amortiguamiento ζ , se puede determinar que es posible mejorar el comportamien-
Cuadro 16.2: MoReRT MSt 1,4 1,6 1,8 2,0

PI2 - Proceso esomtm con
a = 0,10 a0 4,264 5,026 10,54 12,28
a1 3,008 2,912 6,250 7,795
a2 0,7672 0,6431 1,058 1,017
a3 13,52 11,99 21,47 22,57
a4 2,816 1 1 1
a5 1 0 0 0
b0 2,268 75,12 17,21 11,33
b1 39,41 1426 265,2 151,1
b2 3,965 165,9 41,16 28,29
b3 27,77 1028 178,6 96,67
b4 5,123 -110,40 -25,83 -16,01
b5 -3,507 1 1 1
b6 1 0 0 0
c0 0,5565 0,5243 0,5123 0,5139
c1 0,9507 0,6265 0,4547 0,3259
c2 -0,3226 -0,2313 -0,1689 -0,1036
c3 0,0872 0,03721 0,02538 0,01162
to del control regulador, disminuyendo el índice de evaluación Jed con base en la in-
tegral del error absoluto y el tiempo de restablecimiento ta , si se permiten pequeñas
oscilaciones en las repuestas, aunque la variación total del esfuerzo de control TVud
aumenta (Alfaro y Vilanova, 2012c).
Además, para el servo control, también mejora el comportamiento de la respues-
ta, Jer y ta , aunque se deterioran un poco las características del esfuerzo de control,
TVur , Umáx y ∆Uo .
Con base en este análisis, se recomienda utilizar ζ = 0,80 para el diseño MoReRT
de los controladores con un algoritmo proporcional e integral.
Ejemplo 16.1 MoReRT PI - Procesos sobreamortiguados

Se tiene un modelo del proceso controlado, dado por la función de transferencia
2e−8s
P(s) = .
(10s + 1)(5s + 1)
Entonces, los parámetros del modelo son θ p = {K = 2, T = 10 s, L = 8 s, a = 0,5, τL =

0,8}.
16.4. MoReRT PID para procesos sobreamortiguados 757

a = 0,25 a0 2,533 6,240 16,12 14,67
a1 -0,1547 3,418 9,223 9,476
a2 0,8599 1,441 2,857 2,084
a3 7,432 15,02 33,12 27,52
a4 -2,820 1 1 1
a5 1 0 0 0
b0 2,166 154,5 17,72 10,72
b1 11,19 2042 203,4 109,2
b2 2,230 196,9 24,89 15,86
b3 6,897 1480 139,4 72,02
b4 4,012 -152,1 -20,97 -12,87
b5 -3,089 1 1 1
b6 1 0 0 0
c0 0,5796 0,5406 0,5151 0,5057
c1 1,024 0,6162 0,4748 0,3758
c2 -0,4927 -0,2497 -0,2081 -0,1633
c3 0,1773 0,04321 0,03662 0,02808
Aplicando (16.29) a (16.31), se determina que los parámetros normalizados del

controlador PI2 , para una robustez de diseño MSt = 1,6, son θ̂c = {κ p = 0,628, τi =
1,542, β = 0,844}.
Utilizando ahora θ p con θ̂c , el ajuste del controlador requerido es θc = {Kp =
0,31, Ti = 15,42 s, β = 0,84}.
En la figura 16.2 se muestra el comportamiento del sistema de control resultan-
te, ante un cambio en el valor deseado y la perturbación, así como su gráfica de
robustez.
Como se observa, las respuestas no presentan oscilaciones y la robustez del sis-
tema de control es la establecida para su diseño.
16.4 MoReRT PID para procesos sobreamortiguados

De las múltiples implementaciones del algoritmo de control PID de dos grados de
libertad, se consideran dos particulares: el PID Estándar ideal con filtro de la señal
realimentada (PID2F ) y el PID Paralelo con dos filtros de entrada (PID2IF ).

a = 0,50 a0 3,998 5,072 31,07 13,96
a1 -1,784 2,772 15,29 8,546
a2 1,974 1,588 7,564 2,664
a3 9,781 11,72 58,82 24,52
a4 -6,350 1 1 1
a5 1 0 0 0
b0 16,33 188,6 174,4 33,74
b1 -7,025 2668 1767 314,9
b2 12,46 174,9 173,0 35,50
b3 -7,889 1779 1096 187,3
b4 5,904 -144,1 -128,5 -26,56
b5 -4,141 1 1 1
b6 1 0 0 0
c0 0,4262 0,5252 0,4937 0,4777
c1 1,994 0,5520 0,4335 0,3619
c2 -2,060 -0,2216 -0,1896 -0,1616
c3 0,8367 0,03796 0,0330 0,02835
ℑ L(jω)
y(t)
70 r(t)
d(t)
Variables [%]
65 MS = 1.59
0.5
60
55
ℜ L(jω)
0.0
50 −2.0 −1.5 −1.0 −0.5 0.0 0.5
45
0 50 100 150 200 250
Tiempo, t [s]
−0.5
58 u(t)
Variables [%]
56
54 −1.0
52
50
−1.5
48
46
440 50 100 150 200 250

Tiempo, t [s] −2.0
Figura 16.2: Ejemplo 16.1 - Curvas de respuesta y robustez del sistema de control

a = 0,75 a0 5,774 13,09 780,7 1586
a1 -2,612 4,900 304,2 671,0
a2 3,256 4,764 214,0 350,6
a3 12,27 25,71 1290 2340
a4 -7,671 1 1 1
a5 1 0 0 0
b0 20,03 435,4 136,7 225,6
b1 -8,585 4154 1262 1593
b2 13,27 323,1 111,8 190,7
b3 -7,615 2425 693,7 820,4
b4 5,483 -144,7 -70,57 -92,06
b5 -4,049 1 1 1
b6 1 0 0 0
c0 0,4223 0,4967 0,4631 0,4472
c1 1,705 0,4609 0,3698 0,3115
c2 -1,759 -0,1704 -0,1510 -0,1286
c3 0,7198 0,02748 0,02498 0,0231
16.4.1 Controlador PID Estándar Ideal de dos grados de libertad con

filtro
En la sección 7.11.2 del Capítulo 7, se determinó que el algoritmo de control PID de
dos grados de libertad más general, es el PID2F cuya ecuación de salida, está dada
por la relación

∗ ∗ 1 ∗
u(s) = Kp β r(s) − y f (s) + [r(s) − y f (s)] − Td s y f (s) , (16.33)
Ti∗ s
donde la señal realimentada filtrada, es

1
y f (s) = y(s). (16.34)
Tf s + 1
Este controlador tiene cinco parámetros ajustables, θc∗ = {Kp∗ , Ti∗ , Td∗ , T f , β ∗ , γ ∗ = 0}.
En el diseño MoReRT del controlador PID2F , para controlar un proceso cuyo
modelo es de primer orden más tiempo muerto,
Ke−Ls
P(s) = , (16.35)
Ts+1

a = 1,0 a0 7,163 26,71 18,65 521,4
a1 -2,794 8,032 7,737 199,0
a2 4,118 10,02 5,215 117,7
a3 13,68 45,76 27,97 684,5
a4 -7,551 1 1 1
a5 1 0 0 0
b0 24,23 778,0 422,3 531,5
b1 -7,143 41,60 261,7 3139
b2 14,18 490,5 292,4 390,7
b3 -6,404 2093 1242 1414
b4 5,820 -88,86 -102,4 -135,1
b5 -4,059 1 1 1
b6 1 0 0 0
c0 0,4986 0,4617 0,4307 0,4155
c1 0,7797 0,3840 0,3130 0,2716
c2 -0,4881 -0,1314 -0,1198 -0,1078
c3 0,1978 0,02011 0,01928 0,01791
se debe tomar en cuenta el filtro de la señal realimentada.
Para esto, la respuesta del sistema de control de referencia, se selecciona como
(β ∗ Ti∗ s + 1)(T f s + 1)e−Ls (Ti∗ /Kp∗ )s(T f s + 1)e−Ls

yt (s) = r(s) + d(s). (16.36)
τc2 T 2 s2 + 2ζ τc T s + 1 τc2 T 2 s2 + 2ζ τc T s + 1
En este caso se tienen dos parámetros de diseño, θd = {τc , ζ }.
Un análisis comparativo del desempeño del sistema de control, para diferentes

valores de la razón de amortiguamiento ζ de los polos de lazo cerrado, permite reco-
mendar utilizar para el PID, ζ = 0,70.
Las ecuaciones determinadas para el ajuste del PID2F , son (Alfaro y Vilanova,

PID2F - Procesos epomtm
a0 0,3745 0,3067 0,2458 0,1047
a1 0,6237 0,6719 0,5753 0,4553
a2 -0,8575 -0,9161 -0,8997 -0,7672
b0 0,0825 -0,336 -0,4981 0,4383
b1 1,199 1,639 1,874 0,9669
b2 0,5727 0,3507 0,2744 0,5062
c1 0,2948 0,3091 0,3114 0,2997
c2 0,9495 0,9471 0,9327 0,9075
d0 0,06395 0 0,01938 0,1074
d1 0,2104 0,08934 0,0864 0,1868
d2 1,137 0,4708 0,6525 1,641
2013a)
.
κ p∗ = Kp∗ K = a0 + a1 τLa2 , (16.37)
. T∗
τi∗ = i = b0 + b1 τLb2 , (16.38)
T
T ∗
.
τd∗ = d = c1 τLc2 , (16.39)
T
T ∗
∗ . f
τf = = d0 + d1 τLd2 , (16.40)
T
β ∗ = 0. (16.41)
Las constantes ai , bi , ci y di para (16.37) a (16.37), se listan en el cuadro 16.7,

para modelos epomtm con 0,1 ≤ τL ≤ 2,0.
Ejemplo 16.2 MoReRT PID - Procesos sobreamortiguados

Se utilizará ahora, como proceso controlado uno de los modelos de prueba sugeridos
por Åström y Hägglund (2000) y listados en la sección A.1 del Apéndice A, dado por
1
P(s) = ,
(s + 1)(0,5s + 1)(0,25s + 1)(0,125s + 1)
y para el cual se supondrá que sus constantes de tiempo están expresadas en segun-
dos.
Cuadro 16.8: Ejemplo 16.2 Mt 2,0 1,6 1,4

S
dor PID2F y robustez de Kp 1,41 1,23 0,82
los lazos de control Ti [s] 1,17 1,37 1,44
Td [s] 0,21 0,22 0,22
T f [s] 0,21 0,10 0,22
β 0 0 0
MSm 1,99 1,61 1,40
m
Sm 0,50 0,62 0,72
Utilizando el método de identificación 123c de la sección 8.3.2 del Capítulo 8,

se ajustaron los parámetros de un modelo epomtm para aproximar al proceso. Este
está dado por
e−0,691s
Pm (s) = , τL = 0,554.
1,247s + 1
Los parámetros del controlador PID2F y la robustez obtenida del lazo de control
(medida con el modelo), se listan en el cuadro 16.8.
Se nota que, al aumentar el requisito de robustez, la ganancia proporcional del
controlador disminuye −menos acción proporcional−, su tiempo integral aumenta
−menos acción integral−, pero su tiempo derivativo permanece casi constante −sin
cambios apreciables en la acción derivativa−.
En la figura 16.3 se muestran las curvas de respuesta del sistema de control del
proceso P(s) con MSt ∈ {2,0, 1,6}. Al aumentar la robustez del sistema de control,
sus respuestas se vuelven más amortiguadas, disminuye el sobrepaso máximo ante
un cambio en el valor deseado.
Los niveles de robustez indicados en el cuadro 16.8, fueron determinadas con
el modelo y las gráficas polares de los sistemas de control correspondientes, para
MSt ∈ {2,0, 1,6}, se muestran en la figura 16.4.
En el ejemplo anterior, aunque el proceso controlado está dado, se supone que

el “modelo exacto” de este no se conoce. Por esto de la necesidad de diseñar el
controlador, con base en un modelo de orden reducido. Al mismo tiempo, no es
posible determinar la robustez del sistema de control con el proceso físico real, solo
es posible obtenerla con el modelo utilizado para el ajuste de los parámetros del
algoritmo de control del controlador.
Las simulaciones dinámicas para la verificación del funcionamiento del sistema
de control diseñado, ante un cambio en el valor deseado y en la perturbación, pue-
den realizarse utilizando el modelo original (“exacto”) del proceso controlado, para
reproducir artificialmente la respuesta que se obtendría con el proceso real. Estas se
y1 (t)
y2 (t)
65
Variables [%]
60
55
50
45
0 5 10 15 20
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
65
60
55
50
45
0 5 10 15 20
Tiempo, t [s]
Figura 16.3: Ejemplo 16.2 - Curvas de respuesta del sistema de control (MSt ∈
{2,0, 1,6})

- Robustez del sistema de ℑ L(jω)
1.0
control (MSt ∈ {2,0, 1,6})
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
pueden comparar con la obtenidas utilizando como proceso el modelo de orden re-
ducido, para verificar cuán bien representa este el comportamiento del proceso bajo
condiciones de control realimentado.
16.4.2 Controlador PID Paralelo ideal de dos grados de libertad con

dos filtros de entrada
Ahora, el controlador PID Paralelo (7.58) (con α p = 0, ideal), se complementa con
dos filtros de entrada (un filtro de valor deseado y uno de la señal realimentada)
(PID2IF ), tal como se muestra en la figura 16.5, de manera que la ecuación de salida
del controlador, es (Alfaro y Vilanova, 2013b)
u(s) = Cr (s)Fr (s) −Cy (s)Fy (s)y(s), (16.42)
o

Ki Ki
u(s) = Kp + Fr (s)r(s) − Kp + + Kd s Fy (s)y(s), (16.43)
s s
donde la función de transferencia del filtro de valor deseado, es
σ Tr s + 1
Fr (s) = , (16.44)
(Tr s + 1)2
Figura 16.5: Controlador PID con dos filtros de entrada
y la del filtro de realimentación (“filtro del ruido”)
1 1
FyPI (s) = = , (16.45)
D f y (s) T f s + 1
1 1
FyPID (s) = = 2 2 . (16.46)
D f y (s) T f /2s + T f s + 1
Las ganancias de los filtros de entrada Fr (s) y Fy (s), deben seleccionarse de ma-
nera que lı́ms→0 Fr (s) = lı́ms→0 Fy (s), para asegurar que en estado estacionario, el
modo integral del controlador actúa sobre la señal de error.
Los parámetros de la combinación “controlador - filtro” que se aplica sobre el
valor deseado (Cr (s)Fr (s)) son θc f r = {Kp , Ki , Tr , σ , γ = 0} y los de la combinación
que se aplica a la señal realimentada (Cy (s)Fy (s)), θc f y = {Kp , Ki , Kd , T f }. El conjunto
de parámetros ajustables es entonces θc f = {Kp , Ki , Kd , T f , Tr , σ , γ = 0}.
Debido a la inclusión del filtro de valor deseado Fr (s) (16.44), no existirá un
cambio brusco en la señal de salida del controlador u(s), cuando se varíe el valor
deseado r(s) en forma de escalón.
Por otra parte, la inclusión del filtro de realimentación Fy (s) dado por (16.45) o
(16.46), según corresponda, asegurará que la ganancia de alta frecuencia de la com-
binación controlador - filtro tienda a cero, proveyendo la atenuación requerida del
ruido de medida.
Ambas características, son deseables para el funcionamiento de los sistemas de
control en la industria.
La señal de salida del sistema de control es, en este caso,
y(s) = Myr (s)r(s) + Myd (s)d(s), (16.47)

donde
P(s)Cr (s)Fr (s)
Myr (s) = , (16.48)
1 + P(s)Cy (s)Fy (s)
P(s)
Myd (s) = . (16.49)
1 + P(s)Cy (s)Fy (s)
Los parámetros θc f de la combinación controlador y filtro, se obtienen en dos

pasos.
Primero se determinan los parámetros del controlador de realimentación y del fil-
tro de valor deseado, utilizando como modelo de referencia para el control regulador,
t
(1/Ki )sD f y (s)Np+ (s)
Myd (s) = . (16.50)
Una vez optimizada la funcional de costo del control regulador, con el controla-
dor y el filtro de realimentación obtenidos, los parámetros del filtro de valor deseado
se determinan utilizando la función de transferencia del servo control
(σ Tr s + 1)[(Kpo /Kio )s + 1]Dof y (s)Np+ (s)
Myr (s) = o (s)N − (s)N + (s)]
(16.51)
(Tr s + 1)2 [Docy (s)D p (s) + Ncy p p
y optimizando ya sea, la integral del error absoluto

Z ∞
.
Jer = |r(t) − yr (t)|dt, (16.52)
0
la integral del esfuerzo de control absoluto

Z ∞
.
Jur = |ur (t) − ur (∞)|dt, (16.53)
0
u otra funcional de costo apropiada.

Un análisis del desempeño del sistema de control, indica que este se puede me-
jorar, sin deteriorar significativamente las características del esfuerzo de control, se-
leccionando los polos de lazo cerrado del sistema de control, con una razón de amor-
tiguamiento ζ = 0,70 (Alfaro y Vilanova, 2013b).
Control PID2IF de procesos de primer orden más tiempo muerto

Como el modelo epomtm (K, T, L) ya normalizado tiene solo un parámetro, τL , los
parámetros del algoritmo de control normalizado, se pueden obtener en función del
tiempo muerto aparente del modelo.
16.5. Procedimiento MoReRT general 767
Considerando modelos epomtm con un tiempo muerto normalizado 0,10 ≤ τL ≤

2,0, los parámetros del controlador PID Paralelo y del filtro de realimentación, para
un robustez intermedia, MSt = 1,6, se determinan con las siguientes relaciones (Alfaro
y Vilanova, 2013b)
.
κ p = KKp = 0,2954 + 0,5065 τL−0,9805 , (16.54)
. −0,04612 + 0,6407 τL
κi = T KKi = , (16.55)
0,005159 − 0,13885 τL + τL2
. KKd
κd = = 0,2874 + 0,04719 τL0,9134 , (16.56)
T
. Tf
τf = = −0,01613 + 0,1233 τL0,4922 , (16.57)
T
γ = 0. (16.58)
Los parámetros del filtro de valor deseado, están dados por
. Tr −0,3141 + 18,66 τL
τr = = , (16.59)
T 2,347 + 18,77 τL − 6,415 τL2 + τL3
y
σ e = 1,042 + 0,3809 τL0,4615 , (16.60)
si se optimiza la integral del error absoluto (16.52), o por (16.59) y
σ u = −0,7676 + 1,828 τL0,2382 , (16.61)
si se optimiza la integral del esfuerzo de control absoluto (16.53).
16.5 Generalización del procedimiento MoReRT para el

diseño de controladores
Como es usual, en las aplicaciones anteriores del método de ajuste robusto de con-
troladores por modelo de referencia (MoReRT), se ha supuesto que la dinámica que
relaciona la señal realimentada con la perturbación Pd (s), es igual a la dinámica en-
tre la señal realimentada y el esfuerzo de control Pu (s). Esto es, se ha considerado la
perturbación d(s), como una perturbación a la entrada del proceso controlado (di (s)).
Como se indicó en la sección 6.3 del Capítulo 6, en el caso más general Pd (s) 6=
Pu (s), tal como se muestra en la figura 16.6.
En este último caso, la relación entre la variable controlada y el valor deseado
(servo control), y entre esta y la perturbación (control regulador), está dada por la
relación
Cr (s)Pu (s) Pd (s)
y(t) = r(s) + d(s). (16.62)
1 +Cy (s)Pu (s) 1 +Cy (s)Pu (s)
Figura 16.6: Sistema de control realimentado de 2GdL general
Expresando nuevamente la función de transferencia el modelo del proceso con-

trolado y la del controlador, como la razón de dos polinomios, la función de transfe-
rencia de lazo cerrado del control regulador, es ahora (Alfaro y Vilanova, 2016)
− +
!
D pu (s) Dcy (s)Npd (s)Npd (s)
Myd (s) = − + . (16.63)
D pd (s) Dcy (s)D pu (s) + Ncy (s)Npu (s)Npu (s)
Por su parte, la función de transferencia del servo control, es

Pu (s)
Myr (s) = Cr (s) Myd (s), (16.64)
Pd (s)
la cual también se puede expresar, como

Dcy (s)Npu− (s)N + (s)
pu
Myr (s) = Cr (s) − + . (16.65)
Dcy (s)D pu (s) + Ncy (s)Npu (s)Npu (s)
La aplicación de la metodología MoReRT, parte del establecimiento de los mo-
t (s) y Mt (s). Estas deben contemplar
delos de referencia para (16.63) y (16.65), Myd yr
las características de fase no mínima del proceso controlado y el orden del sistema
de control.
Sin embargo, y debido a que ahora los modelos del proceso controlado Pu (s) y
Pd (s), pueden representar cualquier dinámica, no es posible determinar reglas gene-
rales de ajuste para los parámetros del algoritmo de control de los controladores. Es
por lo tanto necesario resolver cada caso particular, efectuando la optimización de
las correspondientes funcionales de costo, que penalizan las diferencias entre las res-
puestas obtenidas con el controlador a ajustar y las correspondientes a los modelos
de referencia de lazo cerrado -error cuadrático de las respuestas de lazo cerrado-.
16.6. Diseño MoReRT con especificaciones del esfuerzo de control 769
La suposición usualmente hecha de que Pd (s) ≈ Pu (s), es válida para realizar los
estudios introductorios de los sistemas de control, con el fin de poder mostrar las
diferencias entre el comportamiento del sistema de control cuando se produce un
cambio en la perturbación y el que se presenta cuando se modifica el valor deseado.
Sin embargo, en una aplicación práctica, es probable que estas dos dinámicas sean
diferentes.
El desarrollo completo de una aplicación de este tipo, se presenta en Alfaro y Vi-
lanova (2016). En el ejemplo, se realiza el modelado y diseño del sistema de control
de un reactor químico continuo (CSTR - “continuous stirred-tank reactor”) de volu-
men constante, similar al modelado en la sección A.2.1 del Apéndice A, pero con un
volumen diez veces más pequeño.
En el caso del CSTR, la función de transferencia Pu (s) es de segundo orden con
respuesta inversa −tiene un cero en el semiplano derecho del plano complejo s− y
la función de transferencia Pd (s) es de segundo orden sobreamoritguada, de manera
que se tiene Pd (s) 6= Pu (s).
Una herramienta computacional, para el diseño de los sistemas de control PI(D)
utilizando la metodología MoReRT, que considera el caso en que Pd (s) = Pu (s) −con
la perturbación a la entrada−, Pd (s) = 1 −con la perturbación a la salida− y Pd (s) 6=
Pu (s) −caso general, con la perturbación entrando en cualquier punto del proceso
controlado−, se presenta y describe en Alfaro y Vilanova (2016) y en Vilanova et al.
(2017).
16.6 Diseño MoReRT con base en especificaciones del

esfuerzo de control
Normalmente, el diseño de los sistemas de control esto es, la determinación de los
parámetros del algoritmo de control del controlador, se realiza con base en especifi-
caciones de comportamiento de la variable controlada, junto con el cumplimiento de
restricciones en la robustez del lazo de control resultante.
Esto es así, porque se desea ya sea, que la variable controlada y(t) siga un perfil
cambiante determinado por su valor deseado r(t), o que regrese a un valor deseado
constante en una forma establecida, en caso de que la perturbación d(t) la aleje del
mismo.
Por lo tanto hasta este punto, el método de ajuste robusto por modelo de re-
ferencia (MoReRT) de los parámetros del algoritmo de control PI(D) del controla-
dor, ha tenido como base el establecimiento de funciones de transferencia objetivo
−modelos de referencia− entre la variable controlada y(s) y el valor deseado r(s), y
entre la variable controlada y(s) y la perturbación d(s), Myrt (s) y Mt (s), respectiva-
yd
mente.
En el control realimentado, el comportamiento deseado de la variable controla-

da y(t) se puede realizar en forma efectiva, porque es posible modificar según sea
necesario otra variable, la variable manipulada u(t), que la afecta.
Sin embargo, las variaciones de la variable manipulada usada para regular la
variable controlada, no pueden ser arbitrarias, dadas las restricciones físicas que la
pueden afectar y las características del elemento final de control empleado para su
modificación. En particular, se desea que esta no sufra cambios bruscos o extremos,
usualmente se desea por lo tanto, que esta tenga un comportamiento suave.
Se mostrará ahora, cómo la metodología de diseño MoReRT se puede emplear
para diseñar controladores, tomando como base el establecimiento de modelos de
referencia o de comportamiento deseado de la variable manipulada −el esfuerzo de
control−, en vez de el de la variable controlada y que al mismo tiempo sean robustos.
En el diagrama de bloques de la figura 16.1, el esfuerzo de control, es
u(s) = Mur (s)r(s) + Mud (s)d(s), (16.66)
donde la función de transferencia de lazo cerrado desde la perturbación hasta el es-

fuerzo de control (d → u), es
−Cy (s)P(s)
Mud (s) = , (16.67)
1 +Cy (s)P(s)
y la función de transferencia de lazo cerrado desde el valor deseado hasta el esfuerzo
de control (r → u), es
Cr (s)
Mur (s) = . (16.68)
1 +Cy (s)P(s)
Expresando la función de transferencia del proceso controlado P(s) y las del
controlador Cy (s) y Cr (s) como las razones de dos polinomios, y siguiendo el mismo
procedimiento que se ha empleado anteriormente, la función de transferencia d → u
(16.67), se puede expresar como
−Ncy (s)Np− (s)Np+ (s)
Mud (s) = , (16.69)
y la función de transferencia r → u (16.68), como

Dcy (s) Ncr (s)D p (s)
Mur (s) = . (16.70)
Dcr (s) Dcy (s)D p (s) + Ncy (s)Np− (s)Np+ (s)
En el caso particular del controlador PI2 , donde Dcr (s) = Dcy (s), entonces (16.70)
se reduce a
Ncr (s)D p (s)
Mur (s) = . (16.71)
16.6. Diseño MoReRT con especificaciones del esfuerzo de control 771
t (s) y Mt (s) para

Se deben establecer entonces, los modelos de referencia Mud ur
(16.69) y (16.70), respectivamente, de manera que el comportamiento de referencia
del esfuerzo de control (16.66), es
ut (s) = Mur
t t
(s)r(s) + Mud (s)d(s). (16.72)
Para obtener los parámetros del algoritmo de control del controlador, que se ajus-
tan mejor, en el sentido de los cuadrados mínimos, al comportamiento deseado del
esfuerzo de control (16.72), se debe definir la funcional de costo a optimizar, como
Z ∞
. 2
JuT (θ p , θc , θd ) = utr (θ p , θc , θd ,t) − ur (θ p , θc ,t) dt
0
Z ∞ 2
+ utd (θ p , θcy , θd ,t) − ud (θ p , θcy ,t) dt, (16.73)
0
donde θd son los parámetros de diseño.

Utilizando (16.73), los parámetros del algoritmo de control del controlador θco ,
se obtienen de manera que
o .
JuT = JuT (θ p , θco , θd ) = mı́n JuT (θ p , θc , θd ). (16.74)
θc
Los parámetros de diseño θd , deben seleccionarse de manera que la robustez

del sistema de control resultante, se ajuste a un valor especificado medido con la
sensibilidad máxima, MS .
Diseño del control PI2 para procesos sobreamortiguados

En el caso particular del control de un proceso controlado, representado por un mo-
delo de segundo orden sobreamortiguado, dado por la función de transferencia
Ke−Ls
P(s) = , θ p {K, T, L, a}, (16.75)
(T s + 1)(aT s + 1)
con un controlador proporcional e integral de dos grados de libertad PI2 , cuya señal
de salida es

β Ti s + 1 Ti s + 1
u(s) = Kp r(s) − Kp y(s), θc {Kp , Ti , β }, (16.76)
Ti s Ti s
el sistema de control de lazo cerrado es de tercer orden.
Por lo tanto, en este caso los modelos de referencia (16.69) y (16.70), se escogen
como
t −(Ti s + 1)e−Ls
Mud (s) = 2 2 2 , (16.77)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
y
t (1/K)(β Ti s + 1)(T s + 1)
Mur (s) = , (16.78)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
donde θd = {ζ , τc } son los parámetros de diseño del sistema de control.
En el caso particular en que el modelo del proceso controlado (16.75) sea de pri-
mer orden más tiempo muerto (a = 0) y las funciones de transferencia de referencia
de lazo cerrado (16.77) y (16.78) tengan solo polos reales (ζ = 1), el esfuerzo de
control de referencia, es
(1/K)(β Ti s + 1)(T s + 1) (Ti s + 1)e−Ls

ut (s) = r(s) − d(s). (16.79)
(τc T s + 1)2 (τc T s + 1)2
En Alfaro y Vilanova (2016) se presenta el diseño MoReRT con base en la es-
pecificación del esfuerzo de control, del control PI2 de un proceso controlado cuyo
modelo es epomtm y el del control PID2F de un proceso controlado cuyo modelo es
esomtm.
En el primer caso, se analiza el efecto que tiene el parámetro de diseño τc sobre
el valor de los parámetros del controlador y la robustez del lazo de control resultante.
En el segundo, se ajusta el parámetros de diseño τc para determinar los parámetros
del algoritmo de control, de manera de lograr cuatro valores de robustez, en el rango
1,4 ≤ MS ≤ 2,0.
Una característica destacada de los resultados de estos dos casos, es que en am-
bos, el factor de peso proporcional del valor deseado obtenido β = 0, lo que hace
que no se produzca ningún salto en la señal de salida del controlador, al momento de
cambiar el valor deseado en forma de escalón.
16.7 Normalización de los parámetros del controlador

Todos los procedimientos propuestos para el ajuste de los parámetros de los algo-
ritmos de control proporcional, integral y derivativo, sea ya que estos hayan sido
obtenidos en forma analítica, como en el método ART2 de la sección 13.4.2 del Capí-
tulo 13, en las reglas para un ajuste óptimo y robusto uSORT1 y uSORT2 de la sección
15.8 del Capítulo 15, o en el procedimiento de ajuste robusto por modelo de referen-
cia MoReRT descrito en este capítulo, establecen relaciones para el cálculo de los
parámetros, que están normalizados respecto a los parámetros del modelo del proce-
so controlado. Por lo tanto, las expresiones de cálculo proporcionan los valores para
los parámetros adimensionales normalizados (o escalados), del algoritmo de control
del controlador.
Esto reduce el número de parámetros del modelo del proceso controlado involu-
crados en las expresiones de cálculo. Sin embargo, lo más importante, es que hace
16.7. Normalización de los parámetros del controlador 773
que las expresiones para determinar los parámetros normalizados, sean independien-
tes de la ganancia y la escala de tiempo del modelo.
Por ejemplo, para los modelos epomtm (K, T , L), los parámetros normalizados
del algoritmo de control, solo dependen de su tiempo muerto normalizado τL . Por lo
tanto, seleccionada la metodología y el criterio de diseño, los parámetros normali-
zados para todos los procesos controlados, cuyos modelos tengan el mismo tiempo
muerto normalizado, son los mismos.
Para todos los modelos epomtm, los parámetros normalizados deben ser de la
forma (Atherton, 2013)
.
κ p = Kp K = f1 (τL ), (16.80)
. Ti
τi = = f2 (τL ), (16.81)
T
. Td
τd = = f3 (τL ), (16.82)
T
para que una vez determinados, con base exclusivamente en τL , permitan obtener los
parámetros del algoritmo de control del controlador a ajustar, para cualquier modelo
epomtm, como
1
Kp = f1 (τL ), (16.83)
K
Ti = T f2 (τL ), (16.84)
Td = T f3 (τL ). (16.85)
Esto posibilita visualizar con más claridad, las características del desempeño lo-
grado con el procedimiento de ajuste utilizado, así como las limitaciones del mismo.
Lamentablemente no todas las reglas de ajuste disponibles de los parámetros de
los controladores con un algoritmo de control PID, son consistentes en este aspecto
(Atherton y Boz, 2009).
El uso de ecuaciones de ajuste, que proporcionan valores normalizados para los
parámetros del algoritmo de control del controlador, tiene una característica adicio-
nal. Las unidades de tiempo de los parámetros no normalizados del controlador cal-
culados, serán las mismas que las unidades de tiempo del modelo del proceso con-
trolado utilizado.
Aunque para los efectos del desarrollo de este libro, se ha supuesto que las uni-
dades de todos los parámetros que representan un tiempo (constantes de tiempo,
tiempo muerto) es el segundo, en una aplicación práctica sin embargo, el ajuste de
los parámetros del modelo del proceso controlado puede conducir a que la unidad de
tiempo seleccionada sea, por ejemplo, segundos, minutos u otra. Por lo tanto, si la
unidad de tiempo de los parámetros del modelo es por ejemplo segundos, minutos u
horas, los parámetros del algoritmo de control del controlador (tiempo integral, tiem-
po derivativo) calculados, estarán también expresados en segundos, minutos u horas,
respectivamente.
Debe tenerse en consideración que, aunque el escalamiento en el tiempo de los
modelos y controladores se hace normalmente utilizando la constante de tiempo do-
minante T del modelo del proceso controlado, tal como se hizo en la sección 16.2.3,
en el caso de los procesos integrantes de primer orden (ipomtm), esta se debe realizar
empleando su tiempo muerto L, tal como se verá en el Capítulo 17.
16.8 Resumen
El ajuste de los parámetros del algoritmo de control del controlador, por medio de un
modelo de referencia −procedimiento de diseño MoReRT−, es una metodología su-
ficientemente general, que puede ser aplicada a diversas combinaciones del modelo
del proceso controlado y del algoritmo de control del controlador, con el fin de lo-
grar un sistema de control con la robustez requerida y un comportamiento dinámico
similar al establecido por los modelos de referencia de lazo cerrado.
En la técnica MoReRT, los parámetros del algoritmo de control del controlador,
se seleccionan de manera de minimizar la diferencia entre la respuesta deseada, la
dada por los modelos de referencia, y la que se puede lograr con el algoritmo de
control a ajustar −el error cuadrático−.
La optimización utiliza como parámetro de diseño, la constante de tiempo de lazo
cerrado normalizada τc , de manera de lograr un determinado nivel de robustez para
el lazo de control. De esta manera, las expresiones de cálculo de los parámetros del
controlador, dependen solamente de la robustez de diseño MSt .
Por lo tanto, el procedimiento MoReRT (“model-reference robust tuning”) para
el ajuste de los parámetros de los algoritmos PI(D) de dos grados de libertad, es una
metodología de ajuste robusto, tal como su nombre lo indica.
Para efecto del desarrollo de los procedimientos de ajuste de los parámetros de
los algoritmos de control, para el control de los procesos autorregulados sobreamor-
tiguados, es conveniente trabajar con modelos y algoritmos de control normalizados.
En este caso se tiene:
1. Modelo del proceso ( esomtm)
Ke−Ls
P(s) = , θ p = {K, T, L}. (16.86)
(T s + 1)(aT s + 1)
2. Modelo normalizado
e−τL ŝ L
P̂(ŝ) = , τL = . (16.87)
(ŝ + 1)(aŝ + 1) T
3. Algoritmo de control PID Estándar de 2GdL normalizado

1 τd ŝ
u(ŝ) = κ p β r(ŝ) − y(ŝ) + [r(ŝ) − y(ŝ)] − y(ŝ) ,
τi ŝ ατd ŝ + 1
(16.88)
4. Parámetros normalizados del algoritmo de control
.
κ p = KKp = f1 (c1 (a, θd ), τL ), (16.89)
. Ti
τi = = f2 (c2 (a, θd ), τL ), (16.90)
T
. Td
τd = = f3 (c3 (a, θd ), τL ), (16.91)
T
β = f4 (c4 (a, θd ), τL ), (16.92)
donde los {ci } son constantes y los θd los parámetros de diseño utilizados.
Si el algoritmo de control del controlador es otro diferente del PID Estándar de
2GdL, sus parámetros se pueden normalizar, empleando la misma transformación
utilizada para normalizar el modelo del proceso controlado correspondiente.
16.9 Bibliografía
Alfaro, V. M. y Vilanova, R. (2012a). Model-reference robust tuning of 2DoF PI
controllers for first- and second-order plus dead-time processes. Journal of Process
Control, 22:359–374.
Alfaro, V. M. y Vilanova, R. (2012b). Model Reference Robust Tuning of 2DoF PI
Controllers for Integrating Controlled Processes. En IEEE 20th Mediterranean
Conference on Control and Automation (MED’12). July, 3-6, Barcelona, Spain.
Alfaro, V. M. y Vilanova, R. (2012c). Performance Analysis of Model-Reference
Robust Tuned 2DoF PID Controllers for Over Damped Processes. En IEEE 20th
Mediterranean Conference on Control and Automation (MED 2012). July 3-6,
Barcelona, Spain.
Alfaro, V. M. y Vilanova, R. (2012d). Performance/Robustness Trade-off Design Fra-
mework for 2DoF PI Controllers. Studies in Informatics and Control, 21 (1):73–
83.
Alfaro, V. M. y Vilanova, R. (2012e). Robust tuning and performance analysis of
2DoF PI controllers for integrating controlled processes. Ind. Eng. Chem. Res.,
51(40):13182–13194.
Alfaro, V. M. y Vilanova, R. (2012f). Robustness-Based Tuning of Two-Degree-

of-Freedom Proportional Integral Controllers for Unstable Processes. En 16th
International Conference on Systems Theory, Control and Computing (ICSTCC
2012). 12-14 Oct., Sinaia, Romania.
Alfaro, V. M. y Vilanova, R. (2013a). Model reference based robust tuning of five-

parameter 2DoF PID controllers for first-order plus dead-time models. En Euro-
pean Control Conference (ECC 2013). July 17-19, Zürich, Switzerland.
Alfaro, V. M. y Vilanova, R. (2013b). Performance and Robustness Considerations

for Tuning of Proportional Integral / Proportional Integral Derivative Controllers
with Two Input Filters. Ind. Eng. Chem. Res., 52:18287–18302.
Alfaro, V. M. y Vilanova, R. (2013c). Robust tuning of 2DoF PID controllers for

inverse response controlled processes. Journal of Process Control, 23(4):453–462.

Åström, K. J. y Hägglund, T. (2000). Benchmark Systems for PID Control. En IFAC

Digital Control: Past, Present, and Future of PID Control (PID’00). 5-7 April„
Terrasa, Spain,.
Atherton, D. P. (2013). Control Engineering: An Introduction with the use of

MATLAB. Bookboon, 2da edición.
Atherton, D. P. y Boz, A. F. (2009). Time scaling in PID controller tuning. Transac-

tions of the Institute of Measurement and Control, 31(5):425–453.
Vilanova, R., Alfaro, V. M., y Visioli, A. (2017). Software tool for MoReRT design
of 2DoF PI/PID controllers. En 25th Mediterranean Conference on Control and
Automation (MED 2017). July 3-6, Valletta, Malta.
17
Control de procesos integrantes, inestables y

17.1 Introducción
17.2 Control de procesos con respuesta inversa
17.2.1 Deducción matemática del control regulador (PID 1GdL)
17.2.2 Control PI de 2GdL por modelo de referencia (MoReRT)
17.2.3 Control PID de 2GdL por modelo de referencia (MoReRT)
17.3 Control de procesos integrantes
17.3.1 Deducción matemática del servo control
17.3.2 Deducción matemática del control regulador
17.3.4 Control MoReRT PID2IF
17.4 Control de procesos inestables con tiempo muerto
17.4.1 Control MoReRT PI2
17.4.2 Control MoReRT PID2F
17.4.3 Control MoReRT PID2IF
17.5 Modelos del proceso y parámetros del controlador normalizados
17.6 Resumen
17.7 Bibliografía
Hasta el momento, el algoritmo de control proporcional, integral y derivativo (PID),

se ha utilizado para controlar procesos autorregulados sobreamortiguados. Esto es,
777
778 17 Control de procesos integrantes, inestables y con respuesta inversa
Figura 17.1: Proceso con dos diná-

micas en competencia
para el control de procesos estables. En este capítulo, su aplicación se extenderá al

control de procesos con otras dinámicas.
17.1 Introducción
Aunque los procesos controlados, en su mayoría, presentan características dinámicas
estables y sobreamortiguados, existen algunos con otras características dinámicas y
que requieren de un tratamiento especial.
Entre estos, se pueden considerar los siguientes:
• Procesos autorregulados con respuesta inversa, que se modelan incluyendo ce-

ros en el semiplano derecho del plano complejo s (ceros de fase no mínima).
• Procesos integrantes más tiempo muerto, cuyo modelo incluye uno o más polos
en el origen del plano complejo s.
• Procesos inestables más tiempo muerto, representados con modelos con polos
en el semiplano derecho del plano complejo s (polos inestables).
Las características dinámicas de todos estos procesos controlados, constituyen

un desafío para su control.
17.2 Control de procesos con respuesta inversa

Existen procesos en los que inicialmente la variable controlada evoluciona en el sen-
tido opuesto, al que lo hace finalmente para alcanzar el nuevo punto de equilibrio. Se
dice que estos sistemas tienen una respuesta inversa (Iinoya y Altpeter, 1962).
Esta característica de ciertos procesos, se debe a la competencia interna de sub-
procesos con dinámicas diferentes.
Considérese el diagrama de bloques del proceso controlado mostrado en la figura
17.1, el cual está compuesto por dos dinámicas en competencia.
17.2. Control de procesos con respuesta inversa 779
La ecuación de salida de este proceso, es

K1 K2 (K1 T2 − K2 T1 )s + K1 − K2
y(s) = − u(s) = u(s), (17.1)
T1 s + 1 T2 s + 1 (T1 s + 1)(T2 s + 1)
la cual se puede rescribir, como
h i
K1 T2 −K2 T1
(K1 − K2 ) K1 −K2 s+1
y(s) = u(s). (17.2)
(T1 s + 1)(T2 s + 1)
Suponiendo que K1 > K2 , para que el cero del modelo del proceso combinado
se encuentre en el semiplano derecho del plano complejo s, se requiere que K1 T2 −
K2 T1 < 0, lo cual se puede expresar, como
K1 T1
1< < . (17.3)
K2 T2
Por lo tanto, para que el proceso presente una respuesta inversa, modelada con un
cero en el semiplano derecho del plano complejo s, se requiere tener en competencia
la respuesta de una dinámica lenta (T1 ), con ganancia alta (K1 ) con la de una dinámica
rápida (T2 ) con ganancia baja (K2 ), tal que se cumpla (17.3).
El modelo utilizado para representar estos procesos, incluye un cero en el semi-
plano derecho del plano complejo (cero de fase no mínima), y es de la forma general
K(−bT s + 1)
y(s) = u(s), (17.4)
(T s + 1)(aT s + 1)
con
K = K1 − K2 , (17.5)
T = T1 , (17.6)
T2
a= , (17.7)
T1
K2 − aK1
b= . (17.8)
K1 − K2
El comportamiento dinámico de un proceso con respuesta inversa, ante un cam-
bio escalón en la entrada, se ilustra en la figura 17.2.
17.2.1 Deducción matemática del control regulador (PID 1GdL)

Un procedimiento de ajuste de los controladores con un algoritmo de control PID,
para el control de un proceso con respuesta inversa, determinado en forma analíti-
ca, es la síntesis matemática del control regulador de Chen y Seborg (2002), cuyas
Figura 17.2: Comporta-

miento dinámico de un pro-
Variables [%]
80
ceso con respuesta inversa
60
y(t)
u(t)
40
20
0
0 20 40 60 80 100 120
Tiempo, t [s]
Cuadro 17.1: Constan- a bmax a0 a1 a2 a3

tes para la estimación del
τc mı́n (17.12) 0,20 1,25 0,2212 0,5386 -0,1377 0,04800
0,40 2,50 0,3263 0,6437 -0,2792 0,06578
0,60 3,25 0,3947 0,7064 -0,2804 0,05164
0,80 3,75 0,4388 0,7648 -0,2795 0,04405
1,0 4,0 0,4659 0,8250 -0,2850 0,40860
ecuaciones ya normalizadas, son
. −3τc2 b + [a + (1 + a)b](3τc + b) − τc3

κ p = Kp K = , (17.9)
(τc + b)3
. Ti −3τc2 b + [a + (1 + a)b](3τc + b) − τc3
τi = = , (17.10)
T a + (1 + a + b)b
. Td (−b − 1 − a)τc3 + 3τc2 a + ab(3τc + b)
τd = = . (17.11)
T −3τc2 b + [a + (1 + a)b](3τc + b) − τc3
Para el ajuste, el parámetro de diseño es la velocidad relativa del sistemas de lazo

cerrado (τc ), la cual afecta el comportamiento y la robustez del lazo de control.
Dado el conflicto existente entre la velocidad de respuesta y la robustez del lazo
de control, debe determinarse la velocidad máxima de diseño permitida, el τc mı́n , que
permite obtener sistemas de control que cumplan con que la MS ≤ 2,0.
Esta velocidad máxima se puede estimar, como (Alfaro et al., 2012)
τc mı́n = a0 + a1 b + a2 b2 + a3 b3 . (17.12)
donde las constantes ai se listan en el cuadro 17.1.

Si b ≤ −0,2 + 8,2a − 2a2 , (17.12) se puede aproximar por
τc mı́n ≈ 0,05 + 0,75a + 0,475b − 0,1875ab. (17.13)
Esta expresión es menos precisa que (17.12), pero más simple de utilizar. Además,
se trata de hacer solo una estimación de la velocidad máxima permitida para el lazo
asegurando un robustez mínima. Es posible que esta velocidad también esté limitada
por otras razones, como el cambio en el esfuerzo de control,
Ejemplo 17.1 Procesos con respuesta inversa - Deducción matemática del

control regulador, PID de 1GdL
1,5(−10s + 1)
P(s) = , K = 1,5, T = 5 s, a = 0,4, b = 2. (17.14)
(5s + 1)(2s + 1)
• Velocidad máxima para MS ≤ 2,0 (Sm ≥ 0,50)
τc mı́n = 1,023. (17.15)
determinada con (17.12).
• Parámetros del controlador PID1 (utilizando τc = 1,1)
Kp = 0,187, Ti = 5,812 s, Td = 0,697 s, β = 1, γ = 0. (17.16)
• Robustez del sistema de control resultante
MSr = 1,92, Sm
r
= 0,52. (17.17)
El comportamiento del sistema de control y el gráfico de su robustez, se muestran

en la figura 17.3.
Como el parámetro de diseño utilizado (τc = 1,1), es mayor que el correspon-
diente a la velocidad mínima estimada para obtener una MS ≤ 2,0 (τc mı́n = 1,023),
la robustez del lazo de control resultante es ligeramente mayor (MSr = 1,92).
ℑ L(jω)
75 y(t) Sm = 0. 8
r(t)
Variables [%]
70 d(t) Sm = 0.52
Sm = 0.5
65 0.5
60
55 ℜ L(jω)
0.0
50 −2.0 −1.5 −1.0 −0.5 0.0 0.5
45
Tiempo, t [s]
0 50 100 150 200 −0.5
u(t)
Variables [%]
60
−1.0
55
50 −1.5
45
0 50 100 150 200
Tiempo, t [s] −2.0
Figura 17.3: Ejemplo 17.1 - Respuesta y robustez del control PID 1GdL (proceso con
respuesta inversa)

En el Capítulo 16 se presentó el procedimiento general para realizar un ajuste robusto
de controladores por modelo de referencia (MoReRT) y su aplicación al diseño del
control PI y PID de procesos autorregulados sobreamortiguados.
La metodología de diseño MoReRT se aplicará ahora, al control de procesos cuyo
comportamiento dinámico presenta características de respuesta inversa.
Considérese un proceso controlado cuyo modelo es de segundo orden con res-
puesta inversa (zsomtm), dado por la función de transferencia
K(−bT s + 1)
P(s) = , (17.18)
(T s + 1)(aT s + 1)
el cual se controlará con un controlador con un algoritmo PI de dos grados de libertad.

El proceso controlado es de segundo orden y el controlador de primero. Por lo
tanto, el sistema de control es de tercer orden.
En este caso, los modelos de referencia se seleccionan de manera que las res-
puestas del sistema de control, sean
(Ti /Kp )s(−bT s + 1)

ytd = d(s), (17.19)
(τc T s + 1)2 (aτc T + 1)
−bT s + 1
ytr (s) = r(s), (17.20)
(τc T s + 1)(aτc T s + 1)
donde τc es el parámetro de diseño.

Las funciones de transferencia de los modelos de referencia para las respuestas
de lazo cerrado del control regulador (17.19) y del servo control (17.20), deben in-
cluir ambas la característica de respuesta inversa del comportamiento del modelo del
proceso controlado (17.18) -su cero de fase no mínima, en el semiplano derecho del
plano complejo s-.
La funcional de costo global a optimizar, es
.
JT (τc , θ c , θ p ) = Jr (τc , θ c , θ p ) + Jd (τc , θ c , θ p ), (17.21)
donde
Z ∞
. 2
Jr (τc , θ c , θ p ) = ytr (τc , θ p ,t) − yr (θ c , θ p ,t) dt, (17.22)
Z0 ∞
. 2
ytd (τc , θ c , θ p ,t) − yd (θ c , θ p ,t) dt.

Jd (τc , θ c , θ p ) = (17.23)
0
Los parámetros normalizados del controlador, dependen de los dos parámetros

adimensionales del modelo (17.18), a y b.
La optimización de (17.21) permite obtener los parámetros de un controlador con
un algoritmo proporcional e integral de dos grados de libertad (PI2 ), para un ajuste
robusto (MoReRT), dados por las ecuaciones (Alfaro y Vilanova, 2012d)
.
κ p = KKp = a0 + a1 ba2 , (17.24)
. Ti b0 + b1 b
τi = = , (17.25)
T b2 + b3 b + b4 b2 + b5 b3 + b6 b4
β = c0 + c1 b + c2 b2 + c3 b3 . (17.26)
Las constantes ai , bi y ci en (17.24) a (17.26), dependen de a (0,1 ≤ a ≤ 1,0) y

MSt . Sus valores se listan en los cuadros 17.2 a 17.6.
El método MoReRT, se aplicó a modelos con una posición relativa del cero de
fase no mínima 0,25 ≤ b ≤ 4,0. La posición de este cero, afecta el nivel máximo de
robustez que se puede lograr. Entre menor sea b, el cero está más alejado hacia la
derecha en el plano complejo s, menor es la robustez máxima obtenible.
En forma aproximada, MS = 2,0 se puede obtener para modelos con localiza-
ciones del cero hasta b ≈ 4,0, MS = 1,8 hasta b ≈ 3,5, MS = 1,6 hasta b ≈ 2,25 y
MS = 1,40 hasta b ≈ 1,25. Sin embargo, para los valores de b cercanos a los límites
superiores indicados, las ganancias del controlador se tornan demasiado pequeñas.
Por lo tanto debe restringirse el rango de aplicación de las ecuaciones de ajuste.
Las posiciones del cero de fase no mínima, admisibles para las ecuaciones de
ajuste del controlador (17.24) a (17.26), se listan en el cuadro 17.7.
Cuadro 17.2: Constan- MSt 1,4 1,6 1,8 2,0

tes MoReRT PI, modelos
zsomtm con a = 0,1 a0 -0,2695 -0,1025 -0,06981 -0,06552
a1 0,5152 0,4652 0,5104 0,5677
a2 -0,6464 -0,8149 -0,8569 -0,8571
b0 0,7881 -1,265 -2,702 -0,1015
b1 -0,3003 12,93 92,63 8,507
b2 0.8813 -0,7519 3,644 -0,1015
b3 -1,358 10,5 66,85 6,066
b4 2,784 0,8086 12,57 1
b5 -2.728 1 1 0
b6 1 0 0 0
c0 0,3596 0,1708 0,464 0,4845
c1 2,403 1,082 0,7584 0,5218
c2 -2,442 -0,4081 -0,1539 -0,1766
c3 1,537 0,1708 0,04236 0

zsomtm con a = 0, 25 a0 -1,196 -0,2394 -0,1668 -0,1283
a1 1,404 0,6029 0,6198 0,648
a2 -0,2819 -0,6394 -0,7079 -0,7502
b0 1,872 -1,061 -0,1773 0,7155
b1 -1,511 7,798 33,98 7,639
b2 1,705 -0,8034 1,196 1,10
b3 -2,222 6,258 23,34 5,665
b4 2,966 -0,2579 3,007 1
b5 -3,002 1 1 0
b6 1 0 0 0
c0 0,4325 0,4974 0,4896 0,5023
c1 2,144 0,9227 0,6414 0,4363
c2 -2,434 -0,3466 -0,1187 0
c3 1,827 0,1798 0,04156 0

zsomtm con a = 0,50 a0 -1,46 -0,4883 -0,356 -0,2266
a1 1,667 0,876 0,8524 0,799
a2 -0,2298 -0,4642 -0,5458 -0,6399
b0 9,525 7,481 1,364 1,293
b1 -8,302 -2,218 5,781 9,085
b2 7,048 5,899 1,247 1,349
b3 -6,696 -4,889 2,889 4,738
b4 4,844 6,401 1 1
b5 -4,762 -4,198 0 0
b6 1 1 0 0
c0 0,3617 0,5068 0,4807 0,4812
c1 2,419 0,6795 0,4604 0,3559
c2 -3,262 -0,1772 0 0
c3 2,401 0,1139 0 0

zsomtm con a = 0,75 a0 -2,225 -0,4887 -0,3895 -0,3224
a1 2,456 0,9172 0,9365 0,9593
a2 -0,1607 -0,4531 -0,5159 -0,5687
b0 0,6535 6,43 2,705 1,684
b1 0,1825 8,407 7,026 12,12
b2 0,4613 4,614 1,98 1,518
b3 -0,2916 1,685 3,024 5,597
b4 1,57 6,293 1 1
b5 -1,934 -3,449 0 0
b6 1 1 0 0
c0 0,345 0,5041 0,4598 0,4558
c1 2,137 0,4243 0,3662 0,2848
c2 -2,837 0,05332 0 0
c3 1,96 0 0 0

zsomtm con a = 1,0 a0 -2,486 -0,5199 -0,447 -0,406
a1 2,765 0,9989 1,056 1,117
a2 -0,141 -0,4339 -0,4864 -0,5237
b0 11,54 -2,739 2,733 2,647
b1 -2,237 18,01 10,61 16,11
b2 6,451 -1,431 1,869 2,053
b3 -0,446 9,672 4,295 6,579
b4 0,1767 -0,3029 1 1
b5 1 1 0 0
b6 0 0 0 0
c0 0,4901 0,423 0,4358 0,4281
c1 0,8543 0,5706 0,2882 0,2282
c2 -0,6064 -0,2504 0 0
c3 0,5362 0,1038 0 0
Cuadro 17.7: Posiciones MSt 2,0 1,8 1,6 1,4

extremas admisibles del
cero de fase no mínima bmin 0,25 0,25 0,25 0,25
bmax 2,5 2,0 1,5 1,0
Cuadro 17.8: Ejemplo 17.2 Mt Kp Ti [s] β MSr r

Sm
S
- Parámetros del control PI
2GdL (MoReRT), proceso 2,0 0,233 14,319 0,926 2,03 0,493
con respuesta inversa 1,6 0,151 11,679 1,301 1,60 0,625
Ejemplo 17.2 Control PI de 2GdL por modelo de referencia (MoReRT)

El modelo del proceso está dado por la función de transferencia
2,0(−12,5s + 1)
P(s) = , K = 2,0, T = 10 s, a = 0,5, b = 1,25. (17.27)
(10s + 1)(5s + 1)
Los parámetros del controlador, así como la robustez de los lazos de control
resultantes, obtenidos con el diseño MoReRT con MSt ∈ {2,0, 1, 6} se listan en el
cuadro 17.8. En ambos casos la robustez obtenida es la de diseño.
Las curvas de respuesta para este sistema, se muestran en la figura 17.4 y las
gráficas de robustez correspondientes en la figura 17.5.
75 y1 (t)
y2 (t)
Variables [%]
70
65
60
55
50
45
40
0 50 100 150 200 250
Tiempo, t [s]
u1 (t)
u2 (t)
Variables [%]
60
55
50
45
0 50 100 150 200 250
Tiempo, t [s]
Figura 17.4: Ejemplo 17.2 - Curvas de respuesta del control PI 2GdL (MoReRT),
proceso con respuesta inversa

- Robustez del control PI ℑ L(jω)
1.0
2GdL (MoReRT), proceso Sm = 0.8

Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
Como se puede notar en las curvas de respuesta de la figura 17.4, estas presen-
tan una respuesta inversa tanto a un cambio en el valor deseado como a uno en la
perturbación (considerada a la entrada del proceso), “heredada” del proceso.
Como se ha hecho notar repetidas veces anteriormente, el comportamiento de
fase no mínima del proceso controlado, tiempo muerto, respuesta inversa, o múltiples
cruces por cero, aparecerán de igual forma en las curvas de respuesta de su sistema
de control PI(D).
Como se observa en el comportamiento del sistema de control del ejemplo ante-

rior, la característica de respuesta inversa del proceso controlado, la presenta también
la respuesta del el sistema de control.
El comportamiento de fase no mínima del proceso, respuesta inversa o tiempo
muerto, aparecerán en las respuestas del sistema de control.
17.2.3 Control PID de 2GdL por modelo de referencia (MoReRT)

Si se emplea un controlador PID Ideal con filtro dado por (7.147) y (7.148), el sistema
de control es de cuarto orden.
Se tomará como modelo de referencia para el control regulador, la función de
transferencia de lazo cerrado
t
(Ti∗ /Kp∗ )(T f s + 1)s(−bT s + 1)
Myd (s) = 2 2 2 . (17.28)
(τc T s + 2ζ τc T s + 1)(τc T s + 1)(aτc T s + 1)
Si se selecciona la constante de tiempo del filtro como T f = τc T , para cancelar el
polo de lazo cerrado más lento, (17.28) se reduce a
t
(Ti∗ /Kp∗ )s(−bT s + 1)
Myd (s) = . (17.29)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
Por su parte, el modelo de referencia para la función de transferencia del servo
control, es
t (β ∗ T ∗ s + 1)(−bT s + 1)
Myr = 2 2 2 i . (17.30)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
El factor de peso de valor deseado proporcional se seleccionará tal que β ∗ →
τc T /Ti∗ , de manera que el cero controlador esté situado a la izquierda de los polos
complejos de lazo cerrado.
La respuesta de los modelos de referencia, será entonces
(τc T s + 1)(−bT s + 1)
yt (s) = r(s)
(τc2 T 2 s2 + 2ζ τc T s + 1)(aτc T s + 1)
(Ti∗ /Kp∗ )s(−bT s + 1)
+ 2 2 2 d(s). (17.31)
(τc T s + 2ζ τc T s + 1)(aτc T s + 1)
17.3. Control de procesos integrantes 789
Cuadro 17.9: Constantes MoReRT PID2F modelos zsomtm, MSt = 2,0.
κ p∗ τi∗ τd∗ τf β∗
c0 3,808 0,8608 0,2728 0,316 0,4172
c1 0,4111 0,988 0,4044 0,1914 -0,08662
c2 -6,217 1,599 0,4831 1,082 0,2333
c3 -0,3489 0,03134 0,09845 -0,01138 -0,05651
c4 4.25 -0.9303 -0.3138 -0.4785 -0.07367
c5 0,09239 -0,06749 -0,0327 -0,03542 0,01223
c6 -0,9784 0,2252 0,06335 0,1128 0,01114
Cuadro 17.10: Constantes MoReRT PID2F modelos zsomtm, MSt = 1,6.
κ p∗ τi∗ τd∗ τf β∗
c0 3,042 1,079 0,3174 0,4545 0,4418
c1 -0,07878 1,121 0,4253 0,2903 -0,08582
c2 -4,409 1,355 0,4505 1,042 0,2538
c3 0,1679 -0,26 -0,03513 -0,189 -0,07043
c4 2,153 -0,4896 -0,3367 -0,1696 -0,0276
Como se indicó para el controlador PI, la posición del cero de fase no mínima del
proceso, restringe el nivel de robustez que se puede lograr para el sistema de control.
Para una robustez MSt = 2,0, con 0,25 ≤ b ≤ 2,0, los parámetros del controlador
PID2F , se pueden determinar con la expresión (Alfaro y Vilanova, 2013b)
{κ p∗ , τi∗ , τd∗ , τ f , β } = c0 + c1 a + c2 b + c3 ab + c4 b2 + c5 ab2 + c6 b3 . (17.32)
Si la robustez deseada es MSt = 1,6, con 0,25 ≤ b ≤ 1,0, los parámetros del con-
trolador PID2F , están dados por
{κ p∗ , τi∗ , τd∗ , τ f , β } = c0 + c1 a + c2 b + c3 ab + c4 b2 . (17.33)
El valor de las constantes ci en (17.32) y (17.33) se listan en los cuadros 17.9 y

17.10 respectivamente.
17.3 Control de procesos integrantes

Existen procesos en los cuales se acumula, por ejemplo masa o energía, en forma
creciente (o decreciente) ilimitada (hasta donde las restricciones físicas del proceso
lo permitan). Estos procesos muestran una característica dinámica “integrante”. El

modelo utilizado para su representación incluirá uno o más polos en el origen del
plano complejo s.
17.3.1 Deducción matemática del servo control

Para el ajuste del algoritmo de control PI, se utilizará el método de “control sencillo”
(SIMC) (Skogestad, 2003).
Se considerarán dos casos:
1. Proceso integrante de primer orden (ipomtm)

La función de transferencia del modelo del proceso controlado, es
Kv e−Ls
P(s) = , (17.34)
s
y la del controlador PI

1
C(s) = Kp 1 + . (17.35)
Ti s
Las ecuaciones generales para el ajuste del controlador, son
. 1
κ p = Kp Kv L = , (17.36)
τc + 1
. Ti
τi = = 4(τc + 1), (17.37)
L
con el parámetro de diseño

Tc
τc = . (17.38)
L
En este método se recomienda utilizar τc = 1 (Tc = L), por lo que (17.36) y

(17.37) se reducen a
.
κ p = Kp Kv L = 0,5 (17.39)
. Ti
τi = = 8 (17.40)
L
Con este ajuste, el lazo de control tendrá una robustez correspondiente a una
MS = 1,7.
2. Proceso integrante de segundo orden (isomtm)

La función de transferencia del proceso controlado, es
Kv e−Ls L
P(s) = , τL = , (17.41)
s(T s + 1) T
y la del controlador PID Serie ideal

1
0
C(s) = Kp 1 + 0 (Td0 s + 1). (17.42)
Ti s
Las ecuaciones generales para el ajuste del controlador, son ahora

. 1
κ p0 = Kp0 Kv T = , (17.43)
τc + τL
. T0
τi0 = i = 4(τc + τL ), (17.44)
T
T 0
.
τd0 = d = 1. (17.45)
T
Para los proceso integrantes de segundo orden, en este método se recomienda
utilizar un parámetro de diseño τc = τL (Tc = L), por lo que (17.43) y (17.45)
se reducen a
. 0,5
κ p0 = Kp0 Kv T = , (17.46)
τL
. T0
τi0 = i = 8τL , (17.47)
T
. T0
τd0 = d = 1. (17.48)
T
Con este ajuste, y un controlador ideal, el lazo de control tendría una robustez
correspondiente a una MS = 1,7. Sin embargo, en la práctica, al emplearse un
controlador con filtro derivativo, no se logra el nivel de robustez teórico.
17.3.2 Deducción matemática del control regulador

Para los procesos controlados representados con los modelos integrantes de primer y
segundo orden más tiempo muerto, dados por las funciones de transferencia
Kv e−Ls
Pi1 (s) = , (17.49)
s
Kv e−Ls
Pi2 (s) = , (17.50)
s(T s + 1)
Chen y Seborg (2002) presentan los parámetros para controladores con algoritmos
de control PI y PID de 1GdL.
Para obtenerlos, emplearon como funciones de transferencia de lazo cerrado
deseadas para el control regulador
t Kyd s(0,5Ls + 1)e−Ls

Myd1 (s) = , (17.51)
(Tc s + 1)2
t Kyd se−Ls
Myd2 (s) = (17.52)
(Tc s + 1)3
y la aproximación del tiempo muerto e−Ls ≈ 1 − Ls.

Las ecuaciones de ajuste, ya normalizadas, son:
1. Procesos integrantes de primer orden (τc = Tc /L)
• Controlador PI
2τc s + 1
Kp Kv L = , (17.53)
(τc s + 1)2
Ti
= 2τc + 1. (17.54)
L
• Controlador PID Ideal

3τc + 0,5
Kp Kv L = , (17.55)
(τc + 0,5)3
Ti
= 3τc + 0,5, (17.56)
L
Td (τc + 0,5)3 − 2τc3
= . (17.57)
L 3τc + 0,5
2. Procesos integrantes de segundo orden (τc = Tc /T )
• Controlador PID Ideal

(3τc + τL )(τL + 1)
Kp Kv T = , (17.58)
(τc + τL )3
Ti
= 3τc + τL , (17.59)
T
Td 3τ 2 + 3τc τL − τc3 + τL2
= c . (17.60)
T (3τc + τL )(τL + 1)
El parámetro de diseño Tc , es la constante de tiempo de lazo cerrado. Su influen-

cia sobre el desempeño y la robustez del sistema de control debe analizarse, ya que
Chen y Seborg (2002) no proveen ninguna indicación sobre esto.
Además, debe tenerse en cuenta que en el desarrollo para la obtención de los
parámetros del controlador PID, lo supusieron ideal. Esto es, no tomaron en conside-
ración el filtro del modo derivativo.

La aplicación de la metodología MoReRT a los procesos integrantes, sigue los mis-
mos pasos que se han utilizado para emplearla con los procesos autorregulados so-
breamortiguados (Alfaro y Vilanova, 2012a,b).
Para el diseño de los controladores de los procesos integrantes, en Alfaro y Vi-
lanova (2012a) los modelos de referencia se seleccionan sin oscilación, sobreamor-
tiguados, mientras que en Alfaro y Vilanova (2012b) se permite una pequeña osci-
lación, con el fin de mejorar el comportamiento del lazo de control, manteniendo el
mismo nivel de robustez.
Los modelos considerados incluyen:
1. Procesos integrantes de primer orden más tiempo muerto (ipomtm)
Para el control PI de 2GdL de estos procesos, se establece como modelo de
referencia de la respuesta del sistema de control, la ecuación
(τc Ls + 1)e−Ls (Ti /Kp )se−Ls
yt (s) = r(s) + d(s), (17.61)
τc2 L2 s2 + 2ζ τc Ls + 1 τc2 L2 s2 + 2ζ τc Ls + 1
la cual incluye dos parámetros de diseño. La razón de amortiguamiento ζ y la

constante de tiempo normalizada τc , de los polos de lazo cerrado.
Del análisis del compromiso entre el índice de desempeño JeIAE y el de la
variación total del esfuerzo de control TVu , se selecciona ζ = 0,8, dejando
así solo un parámetro de diseño (τc ), el cual se ajusta para lograr el nivel de
robustez deseado para el lazo de control.
Las ecuaciones obtenidas para el ajuste, de los controladores con un algoritmo
de control proporcional e integral de dos grados de libertad, son (Alfaro y
Vilanova, 2012b)
.
κ p = Kp Kv L = a, (17.62)
. Ti
τi = = b, (17.63)
L
β = c, (17.64)
Cuadro 17.11: Constantes MSt 1,4 1,6 1,8 2,0

MoReRT para (17.62) a
(17.64) a 0,312 0,415 0,498 0,566
b 8,086 6,217 5,320 4,802
c 0,544 0,516 0,495 0,477
donde las constantes a, b y c, dependen de la robustez de diseño MSt y se listan

en el cuadro 17.11.
Nótese que en este caso el ajuste del algoritmo de control es muy simple. Como
el modelo normalizado del proceso (17.49) no tiene ningún parámetro variable,
las constantes de ajuste para cada nivel de robustez, no dependen del modelo.
Por su parte, Rice y Cooper (2002) presentan expresiones similares para con-
troladores con algoritmos de control PI, PID ideales (estructuras serie y para-
lelo) y PID ideal con filtro.
2. Procesos integrantes de segundo orden más tiempo muerto (isomtm)

En este caso, la ecuación de la respuesta del sistema de control, utilizada como
modelo de referencia, es
e−Ls (Ti /Kp )se−Ls

yt (s) = r(s) + d(s).
τc2 T 2 s2 + 2ζ τc T s + 1 (τc2 T 2 s2 + 2ζ τc T s + 1)(τc T s + 1)
(17.65)
Del análisis del compromiso entre el índice de desempeño JeIAE y el de la
variación total del esfuerzo de control TVu , se selecciona ζ = 0,8.
Las ecuaciones para el ajuste del controlador con un algoritmo PI de 2GdL,
validas para modelos con 0,1 ≤ τL ≤ 2,0, son (Alfaro y Vilanova, 2012a)
. a0 + a1 τL
κ p = Kp Kv T = , (17.66)
a2 + a3 τL + τL 2
. Ti
τi = = b0 eb1 τL + b2 eb3 τL , (17.67)
T
c0 + c1 τL
β= , (17.68)
c2 + τL
cuyas constates ai , bi y ci , dependen del nivel de robustez de diseño MSt y se

listan en el cuadro 17.12.
Cuadro 17.12: Constantes MSt 1,4 1,6 1,8 2,0

MoReRT para (17.66) a
(17.68) a0 0,1040 0,1365 0,3886 1,0730
a1 0,2800 0,3740 0,4670 0,5955
a2 0,2539 0,2092 0,4455 0,9721
a3 1,1970 1,1410 1,7280 3,3320
b0 16,6700 10,9800 9,7360 8,3220
b1 0,2070 0,2533 0,2477 0,2708
b2 -10,0600 -5,9460 -5,4550 -4,5330
b3 -0,4497 -0,6769 -0,6914 -0,8444
c0 0,4673 0,5192 0,5853 0,6714
c1 0,3093 0,3001 0,2927 0,2860
c2 1,2150 1,3490 1,5360 1,7870
Cuadro 17.13: Ejemplo 17.3 - Parámetros del controlador y robustez del control de
un proceso integrante
Método Kp Ti [s] β MSr r

Sm
SIMC (MSt = 1,7) 0,167 16,0 1 1,71 0.585
MoReRT (MSt = 2,0) 0,188 9,604 0,477 1,99 0.503
MoReRT (MSt = 1,6) 0,138 12,434 0,516 1,60 0.625
Ejemplo 17.3 Control robusto por modelo de referencia de un proceso

integrante
Se tiene que:
• El proceso controlado está representado por el modelo
1,5e−2s
P(s) = . (17.69)
s
• Los parámetros del controlador, determinados con el método SIMC y el Mo-

ReRT, se listan en el cuadro 17.13.
Lo primero que se nota del cuadro 17.13, es que en los tres casos, se obtiene un
sistema con el nivel de robustez de diseño. Fijo en el caso del SIMC y seleccionable
en el caso del MoReRT.
Las curvas de respuesta de estos sistemas de control, se muestran en la figura
17.3 y las gráfica de robustez en la figura 17.3.
y1 (t)
90 y2 (t)
Variables [%]
y3 (t)
80
70
60
50
40
0 20 40 60 80 100 120
Tiempo, t [s]
54 u1 (t)
u2 (t)
Variables [%]
52 u3 (t)
50
48
46
0 20 40 60 80 100 120
44
42 Tiempo, t [s]
Figura 17.6: Ejemplo 17.3 - Curvas de respuesta del control de un proceso integrante

- Gráficos de robustez del ℑ L(jω)
1.0
control de un proceso inte- Sm = 0.8
grantes
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
Figura 17.8: Controlador PID con dos filtros de entrada
Aunque el método SIMC, no incorpora el cálculo del factor de peso del valor
deseado, en caso de utilizarlo para ajustar los parámetros de un controlador de 2GdL,
es conveniente modificar con algún criterio, el factor β del algoritmo de control, para
mejorar el comportamiento del servo control. Esto, evidentemente, no tendrá ninguna
implicación sobre la respuesta del control regulador, ni sobre la robustez del lazo de
control.
17.3.4 Control MoReRT PID con dos filtros de entrada

La ecuación de salida del controlador PID Paralelo ideal con dos filtros de entrada
(PID2IF ), de la figura 17.8, es

Ki Ki
u(s) = Kp + Fr (s)r(s) − Kp + + Kd s Fy (s)y(s), (17.70)
s s
donde las funciones de transferencia de los filtros, son
σ Tr s + 1
Fr (s) = , (17.71)
(Tr s + 1)2
y
1 1
FyPI (s) = = , (17.72)
D f y (s) T f s + 1
1 1
FyPID (s) = = 2 2 . (17.73)
D f y (s) T f /2s + T f s + 1
Siguiendo un proceso de análisis similar al utilizado con los procesos sobreamor-
tiguados descrito en la sección 16.4.2 del Capítulo 16, se encuentra que para los pro-
ceso integrantes, garantizando un determinado nivel de robustez del lazo de control,
se puede mejorar su desempeño permitiendo una pequeña oscilación el la respuesta,
utilizando ζ = 0,8 para los controladores con un algoritmo PI y ζ = 0,7 para los
controladores con un algoritmo PID (Alfaro y Vilanova, 2013a).
Cuadro 17.14: Procesos PI2IF PID2IF

ipomtm, constantes para
juste de los PI2IF y PID2IF Ms 2,0 1,6 2,0 1,6
a 0,4579 0,2991 0,6955 0,4738
b 0,0751 0,0340 0,1825 0,0895
c - - 0,3909 0,2902
d 0,2662 0,4320 0,1876 0,2863
e 6,0972 8,7972 3,8110 5,2939
f 1,1847 1,1945 1,0786 1,1140
Procesos integrantes de primer orden
El ajuste robusto de los algoritmos de control PI2IF y PID2IF , para los procesos
ipomtm (Kv , L), está dado por las relaciones (Alfaro y Vilanova, 2013a)
.
κ p = Kp Kv L = a, (17.74)
.
κi = Ki Kv L2 = b, (17.75)
.
κd = Kd Kv = c, (17.76)
. Tf
τf = = d, (17.77)
L
. Tr
τr = = e, (17.78)
L
σ = f, (17.79)
γ = 0, (17.80)
donde las constantes a, b, c, d, e y f , se listan en el cuadro 17.14 para dos niveles de

robustez.
Procesos integrantes de segundo orden
En el caso de los procesos isomtm (Kv , T, L), se encuentra que el mejor desempeño se
logra con una respuesta sin oscilación (ζ = 1,0).
El ajuste robusto de los algoritmos de control PI2IF para procesos isomtm con
17.4. Control de procesos inestables con tiempo muerto 799
0,1 ≤ τL = L/T ≤ 2,0, para una robustez MSt = 2,0, son (Alfaro y Vilanova, 2013a)
. 0,5163 + 0,5095τL
κ p = Kp Kv T = , (17.81)
0,5788 + 2,099τL + τL2
. 0,09323
κi = Ki Kv T 2 = , (17.82)
0,5438 + 2,302τL + τL2
. Tf
τf = = 0,1407 + 0,1687τL0,8976 , (17.83)
T
. Tr
τr = = 5,603 + 5,829τL , (17.84)
T
1,393 + 2,379τL + 1,215τL2
σ= , (17.85)
0,9866 + 1,991τL + τL2
γ = 0, (17.86)
y para una robustez MSt = 1,6
. 0,2461 + 0,3372τL
κ p = Kp Kv T = , (17.87)
0,5108 + 1,672τL + τL2
. 0,04682
κi = Ki Kv T 2 = , (17.88)
0,7068 + 2,192τL + τL2
. Tf
τf = = 0,2163 + 0,2416τL0,9322 , (17.89)
T
. Tr
τr = = 7,528 + 7,663τL , (17.90)
T
8,773 + 15,53τL + 1,197τL2
σ= , (17.91)
6,847 + 13,13τL + τL2
γ = 0. (17.92)
Los parámetros del filtro de valor deseado en las expresiones anteriores, se ob-
tienen seleccionado τr = κ p /κi y el valor de σ , de manara de de optimizar la integral
del error absoluto a un cambio escalón en el valor deseado.
17.4 Control de procesos inestables con tiempo muerto

Aparte de los procesos con características integrantes, hay otros procesos en los cua-
les la variable controlada crece, o decrece, sin límite (hasta que las características
físicas del proceso lo impidan), ante un cambio tipo escalón en la variable manipula-
da. Estos sistemas son inestables y el modelo empleado para representarlos, incluye
polos en el semiplano derecho del plano complejo s (polos inestables).
Cuadro 17.15: Ámbito de MSt 2,0 3,0 4,0 5,0 6,0

tiempo muerto normaliza-
dos de los proceso inesta- τLmin 0,10 0,10 0,10 0,10 0,10
bles, para un ajuste robusto τLmax 0,25 0,35 0,45 0,50 0,55
17.4.1 Control MoReRT PI2 de procesos inestables de primer orden

más tiempo muerto
Para los procesos inestables de primer orden más tiempo muerto, el modelo está dado
Ku e−Ls
P(s) = . (17.93)
Ts−1
Debido a las restricciones que impone la dinámica de los procesos inestables, no

es posible obtener una respuesta de primer orden parara el servo control forzando
a que el factor de peso del valor deseado β → τc T /Ti , como se ha hecho con otros
procesos.
Por lo tanto, para el control MoReRT de estos procesos, con un controlador PI
de 2GdL, la señal de salida seleccionada como modelo de referencia, está dada por
la expresión (Alfaro y Vilanova, 2012c)
(β Ti s + 1)e−Ls (Ti /Kp )se−Ls

yt (s) = r(s) + d(s). (17.94)
(τc T s + 1)2 (τc T s + 1)2
El tiempo muerto del modelo, impone una restricción al nivel máximo de robus-
tez del lazo de control, que se puede alcanzar.
Para los niveles de robustez usualmente empleados con otros tipos de procesos,
los límites en el tiempo muerto del proceso inestable son: MS = 1,4 para τL ≤ 0,1,
MS = 1,6 para τL ≤ 0,15 y MS = 2,0 para τL ≤ 0,26.
Esto implica que niveles “aceptables” de robustez, solo se pueden lograr para un
ámbito reducido de procesos inestables.
Considerando que para los procesos inestables, el objetivo principal es que el
sistema de control permita una operación estable de estos, es necesario degradar el
nivel de robustez de diseño del sistema de control. Esto podría implicar, tener que
considerar restringir el ámbito de puntos de operación en que se puede controlar en
forma estable el proceso.
El ámbito de tiempos muertos normalizados del modelo inestable, admisibles
para la ecuaciones de ajuste del controlador, en función de la robustez del lazo de
control, se listan en el cuadro 17.15.
Cuadro 17.16: Constantes MoReRT para (17.95) y (17.96)
MSt 2,0 3,0 4,0 5,0 6,0

a0 -1,149 -0,5287 -0,5091 -0,4010 -0,3995
a1 0,9560 0,8898 0,9986 1,010 1,070
a2 -0,8468 -0,9564 -0,9525 -0,9684 -0,9559
b0 0,03242 0,004109 -0,03222 -0,01103 -0,0226
b1 0,0 2,90 4,722 3,008 3,237
b2 0,08534 0,8081 1,40 1,023 1,101
b3 -0,5698 -2,166 -3,10 -2,285 -2,347
Cuadro 17.17: Ejemplo MSt Kp Ti [s] β MSr r

Sm
17.4 - Parámetros del con-
trolador, control de un pro- 4,0 5,490 8,90 0 4,0 0.25
ceso inestable 2,0 3,499 22,791 0 1,99 0.50
Utilizando (17.94) como modelo de referencia para el sistema de control, se ob-

tiene que los parámetros del controlador PI de 2GdL, se deben calcular con las si-
guientes ecuaciones (Alfaro y Vilanova, 2012c)
.
κ p = Kp Ku = a0 + a1 τL a2 , (17.95)
. Ti b0 + b1 τL
τi = = , (17.96)
T b2 + b3 τL + τL 2
β = 0, (17.97)
donde las contantes ai y bi se listan en el cuadro 17.16.

Para los procesos inestables, en todos los casos se debe utilizar un factor de peso
del valor deseado β = 0.
Ejemplo 17.4 Control MoReRT de un proceso inestable

El modelo del proceso es
0,75e−1,6s
P(s) = , τL = 0,2. (17.98)
8s − 1
Los parámetros del controlador MoReRT y el nivel de robustez obtenido, para
dos niveles de robustez de diseño, se listan en el cuadro 17.17.
Las curvas de respuesta se muestran en la figura 17.9 y los gráficos de robustez
en la figura 17.10.
y1 (t)
65 y2 (t)
Variables [%]
60
55
50
45
0 20 40 60 80 100
Tiempo, t [s]
u1 (t)
70 u2 (t)
Variables [%]
60
50
40
30
20
0 20 40 60 80 100
Tiempo, t [s]
Figura 17.9: Ejemplo 17.4 - Curvas de respuesta del control de un proceso inestable

- Gráficas de robustez del ℑ L(jω)
1.0
control de un proceso ines- Sm = 0.8
table
Sm = 0.5
0.5
ℜ L(jω)
0.0
−2.0 −1.5 −1.0 −0.5 0.0 0.5
−0.5
−1.0
De los datos del cuadro 17.17, se nota que para el proceso inestable del ejemplo
(con τL = 0,20), se aumentó la robustez del lazo de control de Sm = 0,25 a Sm = 0,50,
disminuyendo la ganancia −menos acción proporcional− y aumentado el tiempo
integral −menos acción integral− del controlador. Se podría suponer entonces, que
tal vez sería posible seguir aumentado la robustez, por ejemplo hasta MS = 1,60,
siguiendo este procedimiento. Sin embargo, como se indicó anteriormente, con un
controlador PI un nivel de robustez equivalente a una MS = 1,6, solo se puede lograr
para procesos inestables con τL ≤ 0,15. Esto es, con un tiempo muerto normalizado,
menor que el del proceso considerado en el ejemplo.
De hecho, si se sigue disminuyendo la ganancia y aumentando el tiempo integral
del controlador PI, el sistema de control llega a volverse inestable.
Debe tenerse en cuenta que, para lograr estabilizar el lazo de control de un pro-
ceso inestable, debe aumentarse la ganancia del controlador por encima de un valor
mínimo. Esto es lo contrario a lo que se hace en el caso de los procesos estables, para
los cuales es necesario mantener la ganancia del controlador, por debajo de un valor
máximo para que el sistema de control sea estable.
17.4.2 Control MoReRT PID2F de procesos inestables de primer orden

más tiempo muerto
En la figura 17.11 se muestran los niveles máximos de robustez que se pueden logar,
para un sistema de control de un proceso inestable utilizando un controlador con un
algoritmo de control PI2 y con un algoritmo de control PID ideal con filtro de dos
grados de libertad (PID2F ) (Alfaro y Vilanova, 2013c).
Para procesos inestables con un tiempo muerto normalizado τL < 0.33, el con-
trolador PI, puede producir sistemas de control más robustos que el PID.
Sin embargo, para modelos con τL ≥ 0,33, con el PID ideal con filtro es posi-
ble ampliar el conjunto de procesos inestables que se pueden controlador en forma
robusta y también, obtener un sistema de control más robusto, para un proceso dado.
Para el ajuste de los controladores PID2F , se sigue un criterio de diseño de máxi-
ma robustez. Esto es, determinar para el proceso controlado inestable, los parámetros
del algoritmo de control que proporcionan el menor valor de la sensibilidad máxima
(MS mínimo).
El modelo del proceso es de primer orden y el controlador de segundo, por lo que
el sistema de control es de tercer orden. Como la respuesta del modelo de referencia
debe contemplar al filtro del controlador, esta se selecciona de la forma
(β ∗ Ti∗ s + 1)(T f s + 1)e−Ls (Ti /Kp )(T f s + 1)se−Ls

yt (s) = r(s) + d(s). (17.99)
(τc T s + 1)3 (τc T s + 1)3
Figura 17.11: Procesos

inestables - robustez máxi-
ma obtenible
MS
6
4
PI
PID F
2
2
1
0.2 0.4 0.6 0.8
τL
Los cinco parámetros ajustables del algoritmo de control, se determinan en forma

simultanea, considerando al mismo tiempo la respuesta del control regulador y la del
servo control.
Las ecuaciones para el ajuste de los parámetros del algoritmo de control PID2F ,
son (Alfaro y Vilanova, 2013c)
.
κ ∗ = Kp∗ Ku = 3,611 − 2,603 τL0,5343 , (17.100)
. T∗
τi∗ = i = 2,886 + 50,09 τL4,663 , (17.101)
T
∗
∗ . Td
τd = = 0,345 τL0,9933 , (17.102)
T
. Tf 0,4337 − 0,2068 τL
τf = = , (17.103)
T 6,061 − 27,39 τL + 100 τL2
β ∗ = 0, (17.104)
∗
γ = 0, (17.105)
las cuales son válidas para modelos upomtm con 0,10 ≤ τL ≤ 0,85.
La robustez del lazo de control resultante, se puede estimar con la relación
100,2 + 107,5 τL − 219,3 τL2

MS = . (17.106)
72,07 − 79,71 τl + τL2
Parámetros de un controlador PID2 equivalente
Utilizando las relaciones de conversión de parámetros presentadas en la sección

7.11.2 del Capítulo 7, se pueden determinar los parámetros equivalentes, para el ajus-
te de un algoritmo de control PID Estándar de dos grados de libertad (PID2 ).
Las ecuaciones para el ajuste del PID2 , son (Alfaro y Vilanova, 2013c)
.
κ = Kp Ku = 3,185 − 2,188 τL0,6658 , (17.107)
. Ti
τi = = 2,857 + 50,01 τL4,645 , (17.108)
T
. Td
τd = = −0,3816 + 0,7151 τL0,4151 , (17.109)
T
3,013 − 2,794 τL
α= , (17.110)
0,894 − 26,03 τL + 100τL2
β = 0, (17.111)
γ = 0, (17.112)
las cuales son válidas para modelos upomtm con 0,25 ≤ τL ≤ 0,85.
Por lo tanto, los procesos inestables con 0,10 ≤ τL < 0,25, no se pueden controlar
en forma robusta con un PID2 , debe utilizarse un controlador PID2F .
17.4.3 Control MoReRT PID con dos filtros de entrada
De un análisis de la robustez que se puede obtener con un controlador con un algo-

ritmo de control PID Paralelo con dos filtros de entrada (PID2IF ), para los sistemas
de control de un proceso inestable de primer orden, se puede concluir que esta es
mayor que la obtenida con un controlador PI2IF y que el conjunto de procesos para
los cuales se puede obtener un sistema de control con una robustez determinada es
más amplio (con mayor τL ) (Alfaro y Vilanova, 2013a).
En este caso, el diseño recomendado es el de máxima robustez posible.
Los parámetros del controlador PID2IF , para procesos upomtm (Ku , T, L) con un
tiempo muerto normalizado 0,1 ≤ τL ≤ 1,0, están determinados por las siguientes
relaciones (Alfaro y Vilanova, 2013a)
. 1
κ p = Kp Ku = , (17.113)
0,3866 + 0,5494 τL − 0,0634 τL2 + 0,0002184 τL3
. 1
κi = Ki Ku T = , (17.114)
1,5422 − 4,9568 τL + 22,1484 τL2
. Kd Ku
κd = = 0,07318 + 0,6722 τL0,646 , (17.115)
T
. Tf
τf = = 0,08649 + 0,1452 τL1,132 , (17.116)
T
. Tr
τr = = 3,957 − 15,65 τL + 55,41 τL2 − 26,58 τL3 , (17.117)
T
σ = 1,156 − 1,684 τL + 3,562 τL2 − 2,411 τL3 , (17.118)
γ = 0. (17.119)
Una estimación de la robustez resultante del ajuste con (17.113) a (17.119), se

puede obtener con
1 + 1,4561 τL
MS = . (17.120)
0,7656 − 0,2024 τL − 0,3848 τL2 + 0,0003126 τL3
17.5 Modelos del proceso controlado y parámetros del

controlador normalizados
En el Capítulo 16 se establecieron los parámetros normalizados del controlador PI(D),
en función de los parámetros del modelo del proceso controlado, cuando estos son
autorregulados sobreamortiguados. Ahora se resumirán aquí, los equivalentes para
los otros modelos que han sido utilizados en este capítulo.
Para un controlador con un algoritmo de control PID2 , los parámetros normali-
zados son:
1. Para los procesos sobreamortiguados con respuesta inversa (zsomtm), cuyo

modelo es
K(−bT s + 1)
P(s) = , θ p = {K, T, a, b} (17.121)
(T s + 1)(aT s + 1)
su modelo normalizado es
−bŝ + 1
P̂(ŝ) = , (17.122)
(ŝ + 1)(aŝ + 1)
17.5. Modelos del proceso y parámetros del controlador normalizados 807
el cual tiene dos parámetros adimensionales, θ̂ p = {a, b}, por lo que los pará-
metros normalizados del controlador PID Estándar de dos grados de libertad,
son de la forma general
.
κ p = KKp = f1 (c1 (a, θd ), b), (17.123)
. Ti
τi = = f2 (c2 (a, θd ), b), (17.124)
T
. Td
τd = = f3 (c3 (a, θd ), b), (17.125)
T
β = f4 (c4 (a, θd ), b). (17.126)
2. Procesos integrantes, para los cuales se tienen dos modelos:
• Para los procesos integrantes de primer orden con tiempo muerto (ipomtm),
dados por la función de transferencia
Kv e−Ls
P(s) = , θ = {Kv , L} (17.127)
s
su modelo normalizado
e−s̃
P̃(s̃) = , (17.128)
s̃
no tiene parámetros (θ̃ p = 0),
/ por lo que los parámetros normalizados del
controlador PID Estándar, en este caso son simplemente funciones de los
parámetros de diseño
.
κ p = Kv Kp L = c1 (θd ), (17.129)
. Ti
τi = = c2 (θd ), (17.130)
L
. Td
τd = = c3 (θd ), (17.131)
L
β = c4 (θd ). (17.132)
• En el caso de los procesos integrantes de segundo orden con tiempo

muerto (isomtm)
Kv e−Ls
P(s) = , θ p = {Kv , T, L}, (17.133)
s(T s + 1)
su modelo normalizado
e−τL ŝ L
P̂(ŝ) = , τL = , (17.134)
ŝ(T ŝ + 1) T
tiene solo un parámetro adimensional, θ̂ p = {τL }, y los parámetros nor-

malizados del controlador PID Estándar, son entonces
.
κ p = Kv Kp T = f1 (c1 (θd ), τL ), (17.135)
. Ti
τi = = f2 (c2 (θd ), τL ), (17.136)
T
. Td
τd = = f3 (c3 (θd ), τL ), (17.137)
T
β = f4 (c4 (θd ), τL ). (17.138)
3. Si el proceso es inestable de primer orden con tiempo muerto (upomtm)
Ku e−Ls
P(s) = , θ p = {Ku , T, L}, (17.139)
Ts−1
su modelo normalizado, es
e−τL Lŝ L
P̂(ŝ) = , τL = , (17.140)
T ŝ − 1 T
el cual tiene solo un parámetro adimensional, θ̂ p = {τL } y los parámetros nor-

malizados del controlador PID Estándar de dos grados de libertad, son de la
forma general
.
κ p = Ku Kp = f1 (c1 (θd ), τL ), (17.141)
. Ti
τi = = f2 (c2 (θd ), τL ), (17.142)
T
. Td
τd = = f3 (c3 (θd ), τL ), (17.143)
T
β = f4 (c4 (θd ), τL ). (17.144)
En las expresiones anteriores, los {ci } son constantes y los θd los parámetros de
diseño utilizados en cada caso.
Si el algoritmo de control del controlador, es otro diferente del PID Estándar
de 2GdL, sus parámetros se pueden normalizar empleando la misma transformación
utilizada para normalizar el modelo del proceso controlado correspondiente.
Debe tenerse en cuenta, que se utilizaron dos transformaciones diferentes para
normalizar los modelos de los procesos controlados: ŝ = T s para la gran mayoría y
s̃ = Ls para los modelos ipomtm.
17.6. Resumen 809
17.6 Resumen
Aunque la mayoría de los procesos industriales tienen una dinámica sobreamortigua-
da estable, hay otros, como los integrantes, los que tienen una respuesta inversa, o
son inestables, para los cuales el diseño de su sistema de control deber tratarse en
forma diferente.
Por ejemplo, los procesos con respuesta inversa o inestables, imponen restriccio-
nes a la robustez máxima que puede tener su sistema de control.
Sin embargo, tal como se ha mostrado en este capítulo, el algoritmo de control
proporcional, integral y derivativo, y en particular sus implementaciones de dos gra-
dos de libertad, permiten obtener un comportamiento similar al logrado para los sis-
temas sobreamortiguados estables, con la salvedad, en algunos casos, de la robustez
máxima posible de alcanzar.
La metodología de ajuste robusto por modelo de referencia (MoReRT), es sufi-
cientemente general para utilizarse en el diseño de sistemas de control de procesos
controlados sobreamortiguados (ver el Capítulo 16), así como de los que tienen una
respuesta inversa, son integrantes o incluso inestables.
El desarrollo de estas y otras posibles aplicaciones, de la metodología MoReRT
para el ajuste de los parámetros de los algoritmos de control PI(D), así como la forma
de implementarla, se describen en Alfaro y Vilanova (2016).
17.7 Bibliografía
Alfaro, V. M., Balaguer, P., y Arrieta, O. (2012). Robustness Considerations on PID
Tuning for Regulatory Control of Inverse Response Processes. En IFAC Conferen-
ce on Advanced in PID Control (PID’12). Bresia, Italy, 28-30 March.
Alfaro, V. M. y Vilanova, R. (2012a). Model Reference Robust Tuning of 2DoF PI

Controllers for Integrating Controlled Processes. En IEEE 20th Mediterranean
Conference on Control and Automation (MED’12). July, 3-6, Barcelona, Spain.
Alfaro, V. M. y Vilanova, R. (2012b). Robust tuning and performance analysis of

2DoF PI controllers for integrating controlled processes. Ind. Eng. Chem. Res.,
51(40):13182–13194.
Alfaro, V. M. y Vilanova, R. (2012c). Robustness-Based Tuning of Two-Degree-

of-Freedom Proportional Integral Controllers for Unstable Processes. En 16th
International Conference on Systems Theory, Control and Computing (ICSTCC
2012). 12-14 Oct., Sinaia, Romania.
Alfaro, V. M. y Vilanova, R. (2012d). Two-Degree-of-Freedom Proportional Integral

Control of Inverse Response Second-Order Processes. En 16th International Con-
ference on Systems Theory, Control and Computing (ICSTCC 2012). 12-14 Oct.,
Sinaia, Romania.
Alfaro, V. M. y Vilanova, R. (2013a). Performance and Robustness Considerations

for Tuning of Proportional Integral / Proportional Integral Derivative Controllers
with Two Input Filters. Ind. Eng. Chem. Res., 52:18287–18302.
Alfaro, V. M. y Vilanova, R. (2013b). Robust tuning of 2DoF PID controllers for

inverse response controlled processes. Journal of Process Control, 23(4):453–462.
Alfaro, V. M. y Vilanova, R. (2013c). Robust Tuning of 2DoF PID Controllers with

Filter for Unstable Fisrt-Order Plus Dead-Time Processes. En 19th IEEE Interna-
tional Conference on Emerging Technologies & Factory Automation (ETFA 2013).
September 10-13, Cagliari, Italy.

Chen, D. y Seborg, D. (2002). PI/PID Controller Desing Based on Direct Synthesis

and Disturbance Rejection. Ind. Eng. Chem. Res., 41:4807–4822.
Iinoya, K. y Altpeter, R. J. (1962). Inverse Response in Process Control. Industrial

and Engineering Chemestry, 54 (7):39–43.
USA.
18
Control de procesos dominados por el tiempo

muerto
18.1 Introducción
18.2 Compensadores del tiempo muerto
18.3 Controlador proporcional e integral predictivo (PPI)
18.3.1 Deducción matemática del controlador PI Predictivo
18.3.2 Controlador PPI de dos grados de libertad
18.4 Resumen
18.5 Bibliografía
En los capítulos anteriores, se han presentado procedimientos para el cálculo de los

parámetros del algoritmo de control proporcional, integral y derivativo (PID), para
controlar procesos estables sobreamortiguados o con respuesta inversa, integrantes e
inestables. Para todos estos procesos, se ha considerado que el tiempo muerto apa-
rente del modelo, está en el rango 0 ≤ τL ≤ 2.
Ahora, se verá el ajuste de los parámetros del algoritmo de control del contro-
lador, para controlar procesos cuyo tiempo muerto se considera “grande”, esto es,
procesos cuyos modelos tienen un tiempo muerto normalizado τL 1.
Cuando el tiempo muerto del proceso controlado es significativo, el algoritmo de
control PI(D) debe complementarse con información adicional del comportamiento
dinámico del proceso, para que este se pueda controlar en forma eficaz.
811
812 18 Control de procesos dominados por el tiempo muerto
Cuadro 18.1: Parámetros τc Kp Ti [s] MSr Sm

del controlador y robustez
- Proceso original 0,5 1,32 20,97 1,25 0,80
1,0 0,80 20,97 1,16 0,86
2,0 0,44 20,97 1,09 0,92
18.1 Introducción
El tiempo muerto incluido en el modelo, ya sea este real o producto de la aproxi-
mación del proceso controlado por un modelo de orden reducido, tiene un efecto
inmediato sobre el comportamiento y la robustez que el sistema de control puede
lograr.
Proceso sin tiempo muerto

A manera de ejemplo, considérese primero un proceso controlado dado por la función
de transferencia
1
P(s) = . (18.1)
(20s + 1)(5s + 1)(s + 1)
Utilizando un método de identificación de dos puntos, se ha obtenido un modelo
de primer orden más tiempo muerto para representarlo, dado por
e−5,4s
Pm (s) = , τL = 0,26. (18.2)
20,97s + 1
Para controlar este proceso, se utilizará un controlador con un algoritmo de con-

trol proporcional e integral (PI) y para su ajuste, la deducción matemática del servo
control descrita en la sección 13.2.2 del Capítulo 13.
Los parámetros del controlador calculados con (13.71) y (13.72) del Capítulo 13,
se listan en el cuadro 18.1 para tres valores del parámetro de diseño τc y en la figura
18.1 se muestran las curvas de respuesta del sistema de control.
Como se aprecia en el cuadro 18.1, la robustez del lazo de control es muy alta en
los tres casos.
Proceso dominado por el tiempo muerto

Se incrementará considerablemente ahora, el tiempo muerto del proceso controlado,
de tal manera que su función de transferencia, es
e−100s
P(s) = . (18.3)
(20s + 1)(5s + 1)(s + 1)
y1 (t)
65 y2 (t)
Variables [%]
y3 (t)
60
55
50
45
0 100 200 300 400 500
Tiempo, t [s]
u1 (t)
65 u2 (t)
Variables [%]
u3 (t)
60
55
50
45
0 100 200 300 400 500
Tiempo, t [s]
Figura 18.1: Curvas de respuesta -Pproceso original
Cuadro 18.2: Parámetros τc Kp Ti [s] MSr Sm

del controlador y robus-
tez - Proceso con tiempo 0,5 0,18 20,97 2,65 0,38
muerto grande 1,0 0,17 20,97 2,45 0,41
2,0 0,14 20,97 2,00 0,50
Este se aproximará por un modelo de primer orden más tiempo muerto, dado por la
e−105,4s
Pm (s) = , τL = 5,03. (18.4)
20,97s + 1
Los parámetros del controlador PI, calculados utilizando nuevamente la síntesis
matemática del servo control, se listan en el cuadro 18.2 y las curvas de respuesta del
sistema de control ese muestran en la figura 18.2.
Lo primero que se nota del cuadro 18.2, es que ha sido necesario utilizar valores
mayores para el parámetro de diseño τc y aún así, la robustez del lazo de control es
muy baja.
Además, otras características dinámicas del servo control como el sobrepaso má-
ximo y el tiempo de respuesta, se han deteriorado. Lo mismo ocurre con el control
65
y1 (t)
Variables [%] y2 (t)
y3 (t)
60
55
50
45
0 500 1000 1500 2000 2500 3000
Tiempo, t [s]
65
u1 (t)
u2 (t)
Variables [%]
u3 (t)
60
55
50
45
0 500 1000 1500 2000 2500 3000
Tiempo, t [s]
Figura 18.2: Curvas de respuesta - Proceso con tiempo muerto grande
regulador, donde el error máximo y el tiempo de recuperación también han aumenta-

do.
La mayor parte de los procedimientos obtenidos en forma analítica y de las reglas,
para el ajuste de los parámetros de los algoritmos de control, proporcional e integral
(PI), y proporcional, integral y derivativo (PID), consideran que el tiempo muerto
normalizado del modelo del proceso controlado es τL ≤ 2,0. Hay incluso algunas
reglas, que restringen su aplicación al diseño de los sistemas de control para procesos,
cuyo modelo tiene un tiempo muerto menor a su constante de tiempo dominante
(τL ≤ 1,0).
Lo anterior se debe, principalmente, a la incapacidad del algoritmo de control
PID −particularmente del modo derivativo−, de predecir satisfactoriamente el com-
portamiento futuro de la variable controlada, cuando el tiempo muerto del proceso es
considerable.
Si el tiempo muerto aparente normalizado del modelo del proceso controlado
τL > 2,0, se deben utilizar esquemas de control que incluyan un compensador de
tiempo muerto.
18.2. Compensadores del tiempo muerto 815
18.2 Compensadores del tiempo muerto

El algoritmo de control proporcional e integral (PI), no es capaz de corregir rápida-
mente el error, cuando el proceso controlado posee un tiempo muerto considerable
esto es, mayor al doble de su constante de tiempo dominante.
En estos casos, tampoco la predicción del comportamiento futuro del error, me-
diante el uso de la derivada de la señal realimentada provee alguna ventaja, ya que
la señal realimentada no contiene suficiente información sobre su evolución futura.
El algoritmo de control proporcional, integral y derivativo (PID), no es una opción
adecuada para el control de los procesos con un tiempo muerto grande.
El efecto de un cambio en la perturbación, se detecta en la variable controlada
hasta un tiempo muerto después de que este ha ocurrido, así mismo, la acción co-
rrectiva tomada por el controlador, empieza a mostrar su efectos, solo hasta que ha
transcurrido otro tiempo muerto adicional y esto no se puede alterar. El problema
principal es entonces, que la información utilizada por el controlador para determi-
nar la acción de control requerida, es el resultado de un cambio que ha ocurrido en el
pasado, un tiempo muerto antes.
Es necesario incluir en la señal realimentada al controlador, algún mecanismo
que permita predecir el comportamiento futuro del proceso. Para esto, la predicción
tendrá que hacerse con base en la señal de control y un modelo del proceso controla-
do.
El Predictor de Smith
El compensador de tiempo muerto más conocido y utilizado, es el denominado Pre-

dictor de Smith (Smith, 1957), el cual se muestra en la figura 18.3 integrado en un
controlador con un algoritmo de control proporcional e integral (PI).
El predictor emplea un modelo de primer orden más tiempo muerto del proceso
controlado, con parámetros {Km , Tm , Lm }.
Ahora, la señal de control además de ser enviada al proceso, es enviada a un
modelo del mismo. Por su parte, la señal realimentada junto con la respuesta del
modelo del proceso controlado y una predicción de la respuesta futura del proceso,
Lm unidades de tiempo antes, son proporcionadas al controlador PI.
En el caso en que no existan errores de modelado, se tiene un modelo perfecto,
el controlador operará sobre un proceso que aparenta no tener tiempo muerto.
Los parámetros de ajuste del controlador, son ahora θPISP = {Kp , Ti , Km , Tm , Lm }.
Por lo tanto, se requieren determinar cinco parámetros para el ajuste del controlador
PI con un predictor de Smith. Cosa que no es fácil, sin un procedimiento de identifi-
cación y ajuste sistematizado.
Figura 18.3: Controlador PI con Predictor de Smith
La aplicación de la metodología MoReRT, para el ajuste de los parámetros de

un controlador con un algoritmo de control PI de 2GdL y un predictor de Smith,
denominado PISP2 , para el control de un proceso cuyo modelo es esomtm con τL ∈
{5, 10} -con un tiempo muerto relativo “grande”-, se detalla en Alfaro y Vilanova
(2016). En este caso, se deben determinar seis parámetros para el controlador PI
con el compensador de tiempo muerto, θPISP2 = {Kp , Ti , β , Km , Tm , Lm }, los cuales se
obtienen en forma simultánea.
18.3 Controlador proporcional e integral predictivo (PPI)

Una forma alternativa de incorporar la compensación de tiempo muerto, a un con-
trolador con un algoritmo de control proporcional e integral, al mismo tiempo que
se reduce el número de parámetros a ajustar, es la provista por el controlador pro-
porcional e integral predictivo (PPI - “predictive proportional integral”) (Hägglund,
1992, 1996).
La estructura del controlador PPI, es la misma que la de un controlador PI con un
predictor de Smith, tal como se muestra en la figura 18.4. El cambio propuesto radica
en que la ganancia del modelo utilizado en el predictor, se hace igual al inverso de
.
la ganancia proporcional del controlador, Km = 1/Kp , su constante de tiempo igual
.
a la constante de tiempo integral, Tm = Ti y su tiempo muerto se convierte en un
.
parámetro variable, Lm = Lc .
18.3. Controlador proporcional e integral predictivo (PPI) 817
Figura 18.4: Controlador PI Predictivo (PPI)
De esta manera, el controlador PPI solo tiene tres parámetros ajustables θcPPI =
{Kp , Ti , Lc }.
La ecuación de salida del controlador PPI, es

1 1
u(t) = Kp 1 + [r(t) − y(t)] − [u(t) − u(t − Lc )] . (18.5)
Ti p Ti p
Aplicando la transforma de Laplace a (18.5) y ordenando, se obtiene que esta se

puede expresar, como

Ti s + 1
u(s) = Kp [r(s) − y(s)]. (18.6)
Ti s + 1 − e−Lc s
Entonces, la relación entra la salida del controlador y el error, es

u(s) Ti s + 1
= Kp , (18.7)
e(s) Ti s + 1 − e−Lc s
cuyo diagrama de bloques equivalente, se muestra en la figura 18.51 .

1 Elalgoritmo de control PPI, está incluido en varios de los controladores industriales comerciales
disponibles, como por ejemplo en la serie ControlMaster de ABB (2011).

bloques equivalente del 100%
controlador PPI
0%
18.3.1 Deducción matemática del controlador PI Predictivo

Considérese que el modelo de proceso controlado, es de primer orden más tiempo
muerto, dado por la función de transferencia
Ke−Ls . L
P(s) = , τL = , (18.8)
Ts+1 T
y que el controlador es un PPI, dado por (18.7).

Se puede encontrar que la función de transferencia del servo control, está dada
por la expresión
KKp (Ti s + 1)e−Lc s

Myr (s) = , (18.9)
(T s + 1)(Ti s + 1 − e−Lc s ) + KKp (Ti s + 1)e−Ls
cuya ganancia Myr (0) = 1. No hay error permanente a un cambio escalón en el valor
deseado.
El tiempo muerto en el numerador de (18.9), debe ser igual al tiempo muerto del
proceso, entonces Lc = L.
Supóngase que se desea que la respuesta del sistema de control, a un cambio esca-
lón en el valor deseado, sea de primer orden. Por lo tanto, la función de transferencia
deseada para el servo control, es
t e−Ls
Myr (s) = . (18.10)
τc T s + 1
Para lograr esto, primero se debe cancelar el polo del proceso con el cero del
controlador, seleccionado Ti = T . Haciendo esto, (18.9) se reduce a
KKp e−Ls
Myr (s) = , (18.11)
T s + 1 − e−Ls + KKp e−Ls
la cual, aproximando el tiempo muerto por una serie de Mclauring de primer orden,
se puede rescribir, como
e−Ls
Myr (s) = . (18.12)
T +L
KK p − L s + 1
Comparando (18.12) con (18.10) se tiene, que
T +L
− L = τc T. (18.13)
KKp
Entonces, la ganancia del controlador debe seleccionarse, de manera que
T +L
KKp = . (18.14)
τc T + L
Finalmente, el ajuste para el controlador PPI, resulta ser
. 1 + τL
κ p = KKp = , (18.15)
τc + τL
. Ti
τi = = 1, (18.16)
T
. Lc
τLc = = τL , (18.17)
T
donde τc es el parámetro de diseño.

En el caso particular en que se seleccione τc = 1, los parámetros del controlador
PPI serían
1
Kp = , (18.18)
K
Ti = T, (18.19)
Lc = L, (18.20)
y la constante de tiempo de lazo cerrado Tc = T . Esto es, el sistema de control respon-

de a un cambio en el valor deseado, con la misma velocidad que lo haría el proceso
sin control.
Este ajuste (con τc = 1) coincide con el propuesto por Hägglund (1996), sin em-
bargo no toma en consideración la robustez del lazo de control resultante.
Cuadro 18.3: Ejemplo 18.1 τc Kp Ti [s] Lc [s] Sm

dor PPI y robustez del lazo 0,7 1,05 20,97 105,4 0,51
de control 1,0 1,00 20,97 105,4 0,53
2,0 0.86 20,97 105,4 0,59
3,0 0,75 20,97 105,4 0,65
Ejemplo 18.1 Controlador proporcional e integral predictivo (PPI)

Se usará ahora el controlador PPI, para el control del proceso de tercer orden con
un tiempo muerto grande dado por (18.3), cuyo modelo epomtm es (18.4).
Los parámetros del controlador y la robustez del lazo de control, para varios
valores del parámetro de diseño τc ∈ {0,7, 1,0, 2,0, 3,0}, se listan en el cuadro 18.3.
De este se nota que, con el controlador PPI, es posible obtener sistemas de control
con una robustez, medida con el margen de estabilidad, superior a la mínima.
El parámetro de diseño τc solo afecta el cálculo de la ganancia del controlador,
ya que su tiempo integral y tiempo muerto, están relacionadas solo con parámetros
del modelo. Por lo tanto, ajustando la ganancia del controlador se modifica el com-
portamiento y la robustez del lazo de control.
En la figura 18.6 se muestran las curvas de respuesta del control PPI diseñado
con τc = 0,7 y en la figura 18.7 la gráfica de robustez correspondiente.
Comparando las respuestas de la figura 18.6 (control PPI), con las de la figu-
ra 18.2 (control PI), es evidente la mejora lograda con la compensación de tiem-
po muerto incluida en el PPI. Para sistemas de control con una robustez similar
(Sm ≈ 0,5), la respuesta del servo control es considerablemente más rápida y con
un sobrepaso mucho menor. En el caso de la respuesta a la perturbación, si bien el
error máximo es similar, la respuesta es mucho más rápida.
Debe notarse sin embargo, que el salto inicial en la señal de salida del contro-
lador, cuando se produce el cambio escalón en el valor deseado, es mucho mayor en
el controlador PPI que en el PI.
Respecto al efecto que tienen los cambios de las características del proceso, sobre
la estabilidad relativa de un lazo de control con un controlador PID cuando el proceso
controlado está representado por un modelo epomtm, se ha considerado que el caso
más crítico, corresponde al efecto combinado de un aumento en su ganancia, una
disminución en su constante de tiempo y un aumento en su tiempo muerto.
Como se sabe, el aumento en el tiempo muerto, reduce el margen de fase y por
lo tanto la estabilidad relativa del lazo de control. Por su parte, una reducción en el
tiempo muerto, aumenta la estabilidad relativa del lazo de control.
y(t)
65 r(t)
d(t)
Variables [%]
60
55
50
450 200 400 600 800 1000

Tiempo, t [s]
u(t)
65
Variables [%]
60
55
50
450 200 400 600 800 1000

Tiempo, t [s]
Figura 18.6: Ejemplo 18.1 - Curvas de respuesta, control PPI (τc = 0,7)
Figura 18.7: Ejemplo 18.1 - = L(jω)
Gráfica de robustez, control

PPI (τc = 0,7) Sm = 0.51
0.5
< L(jω)
0.0
2.0 1.5 1.0 0.5 0.0 0.5
0.5
1.0
1.5
2.0
Figura 18.8: Ejemplo 18.2 - Diagrama de Bode y gráfica polar (proceso con L = 100
s)
En el caso de los sistemas de control que incluyen un compensador de tiempo

muerto, su estabilidad es sensible no solo a los aumentos en el tiempo muerto, si no
también a su disminución. De esto no se libra el controlador PPI.
Ejemplo 18.2 Controlador proporcional e integral predictivo (PPI)

Considérese el sistema de control PPI del ejemplo anterior, diseñado con τc = 0,70.
En la figura 18.8, se muestra la diagrama de Bode y la gráfica polar de su fun-
ción de transferencia de lazo abierto para el caso nominal. Esto es, cuando el com-
portamiento dinámico del proceso, corresponde al que tenía cuando se identificó el
modelo.
Como se indica en el cuadro 18.3, la robustez del sistema de control es Sm = 0,51
(MS = 1,96). Además, del diagrama de Bode de la figura 18.8 se tiene que, para esta
condición, sus márgenes de estabilidad son Am = 2,03 y φm = 59,54°.
El margen de ganancia se ha medido a la frecuencia ω−180 esto es, a la frecuen-
cia a la cual la gráfica polar cruza por primera vez el eje real negativo, tal como se
ve en la figura 18.8.
Si el tiempo muerto del proceso controlado aumenta, el sistema de control pierde
estabilidad. Se puede encontrar que si este tiempo muerto sobrepasa el valor L =
130,5 s, el sistema se vuelve inestable.
En la figura 18.9 se muestran nuevamente el diagrama de Bode y la gráfica
polar de la función de transferencia de lazo abierto, cuando el proceso tiene un
Figura 18.9: Ejemplo 18.2 - Diagrama de Bode y gráfica polar (proceso con L = 130,5
s)
tiempo muerto L = 130,5 s. No está de más recordar, que no se han cambiado los
parámetros del controlador.
En estas condiciones, el sistema está en el límite de la estabilidad, Am = 1. Nótese
que este margen de ganancia se ha determinado a la frecuencia ω−540 . Esto es, a la
frecuencia a la cual la gráfica polar cruza por segunda vez el eje real negativo, como
se ve en la figura 18.9.
El comportamiento anterior es el usual en todos los sistemas de control, cuando
aumenta el tiempo muerto del proceso controlado.
Se analizará ahora que pasa, si el tiempo muerto del proceso más bien disminuye.
En el caso de los sistemas de control con un compensador de tiempo muerto,
como el controlador PPI, también se pierde estabilidad.
Se puede encontrar que el sistema nuevamente se vuelve inestable, si el tiempo
muerto del proceso es menor a L = 67 s, tal como se muestra en la figura 18.10.
Ahora, el margen de ganancia está determinado a la frecuencia a la cual la fase
de la función de transferencia de lazo abierto del sistema de control es −180°.
En la sección 11.3.4 del Capítulo 11, se definió el margen de tiempo muerto,

como
ML = Lu − La , (18.21)
donde La es el tiempo muerto del modelo utilizado para el ajuste de los parámetros
del controlador (valor nominal) y Lu el que hace inestable el sistema de control.
Mientras que en los sistemas de control PID se tiene siempre un margen de tiem-
po muerto positivo, se puede ver que en el sistema de control PPI del ejemplo 18.2,
Figura 18.10: Ejemplo 18.2 - Diagrama de Bode y gráfica polar (proceso con L = 67
s)
se tienen dos márgenes de tiempo muerto, uno positivo MLM = 25,1 s (un incremen-
to máximo del 23,8 % en el tiempo muerto) y otro negativo, MLm = −38,4 s (una
disminución máxima del 36,4 % en el tiempo muerto).
Los sistemas de control con un compensador de tiempo muerto, son sensibles a
una sobre estimación y también a una sub estimación del tiempo muerto del proceso
controlado.
Esto usualmente restringe el ámbito de operación del sistema de control, si las
características dinámicas del proceso controlado, particularmente su tiempo muerto,
pueden cambiar significativamente.
Una versión extendida del controlador PPI, denominado EPPI (“Extended PPI”),
para el caso de los procesos de polos múltiples o integrantes, se presenta en Airikka
(2011).
18.3.2 Controlador proporcional, integral predictivo de dos grados de

libertad
El algoritmo de control del controlador PPI (18.5), puede extenderse para incluir un
segundo grado de libertad (PPI2 ), de manera que el esfuerzo de control esté dado por
la expresión

1 1
u(t) = Kp β r(t) − y(t) + [r(t) − y(t)] − [u(t) − u(t − Lc )] , (18.22)
Ti p Ti p
cuyos parámetros ajustables son θcPPI2 = {Kp , Ti , Lc , β }.

18.4. Resumen 825
En el dominio de la variable compleja s, (18.22) se puede escribir como

Ti s 1
u(s) = Kp β r(s) − y(s) + [r(s) − y(s)] . (18.23)
Ti s + 1 − e−Lc s Ti s
Ajuste robusto del PPI2

Para modelos de los procesos controlados sobreamortiguados, dados por la función
de transferencia
Kp eLs L
P(s) = , τL = , (18.24)
(T s + 1)(aT s + 1) T
con 0 ≤ a ≤ 1 y 1 ≤ τL ≤ 10, se han determinado los parámetros {Kp , Ti , Lc } del
algoritmo de control proporcional e integral predictivo de dos grados de libertad,
que optimizan la integral del error absoluto (IAE) para un cambio en la perturba-
ción, manteniendo un determinado nivel de robustez MS y el factor de peso del valor
deseado β que optimiza la IAE del controlador PPI2 robusto, para un cambio en el
valor deseado (Saborio, 2013).
Los niveles de robustez considerados, corresponden a sensibilidades máximas
MS ∈ {2,0, 1,8, 1,6, 1, 4}.
Para un ajuste robusto del controlador PPI2 , sus parámetros están dados por las
relaciones
.
κ p = KKp = a0 τL + a1 τLa2 , (18.25)
. Ti
τi = = b0 τL + b1 τLb2 , (18.26)
T
. Lc
τLc = = c0 + c1 τLc2 , (18.27)
T
β = d0 τL + d1 τLd2 , (18.28)
Los valores de las constantes ai , bi , ci y di en (18.25) a (18.28), para la robustez de

diseño MS = 1,6, se listan en el cuadro 18.4. Las constantes correspondientes a los
otros niveles de robustez, se encuentran listadas en la referencia indicada.
18.4 Resumen
La predicción del comportamiento futuro de la variable controlada, hecha por el mo-
do derivativo del algoritmo de control PID, no aporta suficiente información, para
lograr un control eficaz de los procesos controlados cuyo tiempo muerto es consi-
derable. En este caso, es necesario utilizar un algoritmo de control que incluya un
compensador de tiempo muerto.
Cuadro 18.4: Constantes a 0,0 0,25 0,50 0,75 1,0

para el ajuste del PPI2 ,
MS = 1,6 a0 0,0439 0,0386 0,0404 0,0416 0,0441
a1 1,0402 1,0112 1,0621 1,1324 1,2137
a2 -0,4489 -0,3911 -0,4267 -0,4650 -0,5152
b0 -0,0072 0,0312 0,0304 0,0363 0,0192
b1 1,5896 1,6333 1,8564 2,1960 2,5671
b2 -0,0680 -0,1768 -0,1979 -0,2344 -0,2055
c0 -0,0114 0,3988 0,6845 0,8460 0,9720
c1 1.1414 1,0603 1,0236 1,0310 1,0523
c2 0,9394 0,9637 0,9758 0,9731 0,9658
d0 -0,6092 -0,3896 -0,3248 -0,3275 -0,3711
d1 2,4267 2,3470 2,2802 2,2019 2,1503
d2 0,5756 0,4762 0,4532 0,4715 0,5072
El Predcitor de Smith es el esquema para la compensación del tiempo muerto

más conocido, pero su ajuste requiere la determinación de cinco parámetros.
Una simplificación del mismo (con solo tres parámetros ajustables), es el contro-
lador PI predictivo (PPI), cuya estructura está disponible en varios controladores PID
comerciales.
Una peculiaridad de los algoritmos de control que incluyen un compensador de
tiempo muerto, es que los sistemas de control resultantes, pierden robustez tanto
cuando el tiempo muerto del proceso controlado aumenta, como cuando este dismi-
nuye. Esto puede reducir el rango de variación del punto de operación estable del
sistema de control.
18.5 Bibliografía
ABB (2011). PID control theory made easy - Optimising plant performance with
modern process controllers. PG/RandC/001-EN/Control theory white paper.
Airikka, P. (2011). Extended predictive proportional-integral controller for typical

industrial processes. En The 18th IFAC World Congress. Aug. 28 - Sept. 2, Milan,
Italy.

Hägglund, T. (1992). A Predictive PI Controller for Process with Long Dead Time.
IEEE Control Systems, 11(1):57–60.
Hägglund, T. (1996). An industrial dead-time compensating PI controller. Control

Eng. Practice, 4(6):749–756.
Saborio, O. (2013). Sintonización robusta óptima de controladores proporcional inte-

gral predictivos. Tesis de licenciatura, Escuela de Ingeniería Eléctrica, Universidad
de Costa Rica.
Smith, O. J. M. (1957). Closed control of loops with dead time. Chemical Enginee-
ring Progress, 53:217–219.
Parte V
Otros esquemas de control
829
19
Control en cascada, selectivo y de razón
19.1 Introducción
19.3 Control en cascada
19.3.1 Funcionamiento del control en cascada
19.3.2 Ajuste robusto de un sistema de control en cascada
19.4 Control selectivo
19.5 Control de razón
19.6 Resumen
19.7 Bibliografía
Las aplicaciones y los requerimientos de control de los procesos industriales, son

muy variadas. Aunque el esquema de control realimentado funciona satisfactoria-
mente en la gran mayoría de los casos, en ocasiones, el desempeño del lazo de control
se puede mejorar, utilizando alguna variante del esquema de control de lazo cerrado,
o combinándolo con sistemas de control a lazo abierto.
19.1 Introducción
Puede requerirse mejorar el comportamiento de los sistemas de control ante las per-
turbaciones, tal vez deban controlarse varias variables, pero se tiene solo una variable
manipulada que las afecta para hacerlo, el proceso tiene un tiempo muerto significa-
tivo, o hay interacciones fuertes entre varias de las variables que se deben controlar.
831
832 19 Control en cascada, selectivo y de razón
Se presentarán ahora, algunas variaciones del control realimentado como el con-

trol en cascada −uso de dos o más lazos de control, uno dentro del otro−, el control
selectivo −uso de selectores para escoger el lazo de control activo− y el control
de razón, dejando para los siguientes capítulos, el control anticipativo y el control
multilazo de los procesos multivariables.
En los diagramas de los esquemas de control descritos, se hará uso de la norma
ISA 5.1 (ISA, 2009) para los diagramas de flujo de instrumentos y la norma SAMA
PMC-22.1 (SAMA, 1981) para los diagramas funcionales.

El control realimentado simple, que se ha estudiado ya en extenso, es el esquema
más utilizado para resolver los problemas de control en la industria. La información
de la variable controlada del proceso, es suministrada al controlador, para que este
determine las acciones correctivas que fueran necesarias, ante la presencia de un error
(desviación) en la variable controlada, respecto a su valor deseado. El error puede ser
producto de un cambio en el valor deseado, o por la presencia de perturbaciones.
Para comparar el control realimentado, con otros esquemas de control utilizados
en el control de procesos, se tomará nuevamente el intercambiador de calor de tubos
y carcaza presentado en la sección 7.6 del Capítulo 7, en el cual se desea controlar la
temperatura de salida del líquido que se está calentando, manipulando el caudal de
vapor de agua entrando al intercambiador.
El diagrama de flujo de instrumentos, del control realimentado simple de este
proceso, se muestra en la figura 19.1.
El controlador debe ser capaz de llevar la temperatura de salida del líquido a un
nuevo valor deseado, si este cambia (servo control) y regresarla a su valor deseado, si
se presentan perturbaciones (control regulador). Las perturbaciones pueden ser muy
variadas, incluyendo: cambios en la demanda del líquido caliente, cambios en la tem-
peratura del líquido a la entrada del intercambiador y cambios en las características
del vapor de agua, entre otras.
Para el ajuste de los parámetros del algoritmo de control incluido en el contro-
lador, debe identificarse primero un modelo dinámico lineal de orden reducido, para
representar al proceso controlado, utilizando alguno de los procedimientos disponi-
bles para ello. Con base en este, se debe utilizar una regla o procedimiento de ajuste
para la determinación de los parámetros, considerando las especificaciones de dise-
ño, desempeño y robustez, establecidas para el lazo de control. Estos aspectos, ya
han sido cubiertos en los capítulos anteriores.
19.3. Control en cascada 833
TIC
15
I/P
TY
PI 15 Lazo de
12 TV realimentación
15
TI TIT
14 15
Figura 19.1: Diagrama de flujo de instrumentos, del sistema de control realimentado

de la temperatura en un intercambiador de calor
19.3 Control en cascada

Una aplicación, donde es posible mejorar el desempeño del sistema de control reali-
mentado simple, es aquella en donde las perturbaciones que entran al proceso, afectan
directamente a la variable manipulada y donde además, la dinámica del proceso es
lenta.
Los sistemas de control en cascada pueden contener dos o más lazos de control,
uno dentro de otro dentro de otro, siendo el caso de solo dos lazos el más utilizado.
19.3.1 Funcionamiento del control en cascada

Se puede describir en forma simple el control en cascada, como un esquema de con-
trol realimentado en el cual, la salida de un controlador es utilizada como el valor
deseado dado a otro controlador. Se establecen entonces dos lazos de control, uno
interno y otro externo. El lazo interno corregirá rápidamente los efectos de las per-
Variable Variable
controlada controlada
secundaria primaria
Controlador “amo” Controlador “esclavo”
+ +
+ +
- -
Lazo de realimentación
secundario (interno)
Lazo de realimentación
primario (externo)
Figura 19.2: Diagrama de bloques del sistema de control en cascada
turbaciones sobre la variable manipulada, mientras que el lazo externo efectuará el

control de la variable de interés.
Debe existir una variable interna al proceso, la variable controlada secundaria,
que permita detectar en forma rápida la presencia de las perturbaciones, de manera
que su efecto adverso sea corregido por el lazo de control interno. Este lazo interno
de control, debe ser más rápido que el lazo externo. Como regla general, se dice que
el lazo interno debe ser por lo menos diez veces más rápido que el lazo externo, con
el fin de no deteriorar el funcionamiento del sistema de control.
Como se muestra en la figura 19.2, existirán entonces dos controladores, el con-
trolador amo o primario, el cual actúa como un control regulador manteniendo la
variable controlada primaria en su valor deseado, y otro, el controlador esclavo o
secundario, el cual actúa como un servo control siguiendo al valor deseado de la
variable controlada secundaria, dado por el controlador amo.
El lazo interno no requiere ser preciso, por lo que el controlador esclavo puede
tener un algoritmo de control proporcional (P) o uno proporcional e integral (PI). El
controlador amo tendrá un algoritmo de control proporcional e integral (PI) o uno
proporcional, integral y derivativo (PID) si hay grandes retrasos en el lazo, como en
el caso de los procesos térmicos.
El ajuste de los controladores de un sistema de control en cascada, se realiza en
etapas yendo de adentro hacia afuera. Esto es, primero y con el controlador primario
en modo de operación manual, se ajustan los parámetros del algoritmo de control
del controlador secundario y una vez hecho esto, y con el lazo de control interno
funcionando en modo de operación automático, se procede a ajustar los parámetros
del algoritmo de control del controlador primario (Corripio, 2001).
En el esquema de control en cascada, el controlador secundario debe seguir el

valor deseado proporcionado por el controlador primario, por lo que los parámetros
del algoritmo de control del controlador del lazo de control interno, deben ajustarse
considerando que su operación principal es el seguimiento (servo control).
Por su parte, el valor deseado del controlador primario, normalmente permane-
cerá constante o con variaciones esporádicas, determinadas por las condiciones de
operación requeridas de la planta. Por lo tanto, los parámetros del algoritmo de con-
trol del controlador del lazo de control externo, deben ajustarse considerando que su
función principal es regular (control regulador).
Si en el caso del intercambiador de calor presentado anteriormente, se considera
que pueden existir variaciones por ejemplo, de la presión de suministro de vapor de
agua, debido a cambios en su consumo en otras partes de la planta, que inciden sobre
el caudal del mismo −nótese que este es la variable manipulada−, el efecto de tales
variaciones solo lo detectará el esquema de control realimentado simple de la figura
19.1, hasta que la temperatura del líquido de salida se desvíe de su valor deseado.
Un esquema de control en cascada, como el mostrado en el diagrama de flujo de
instrumentos de la figura 19.3, en el cual se mide el caudal del vapor de agua y se
corrigen las variaciones del mismo debido a entradas externas al sistema de control,
permite mejorar considerablemente el desempeño del control de la temperatura del
líquido de salida.
Una forma alternativa de mostrar el esquema de control en cascada (PID/PI),
es mediante un diagrama funcional, tal como se ilustra en la figura 19.4. Como se
aprecia en este diagrama, la señal de salida del controlador primario se envía al con-
trolador secundario como su valor deseado y es la salida de este último, la que va al
elemento final de control.
En el intercambiador de calor, si hay un cambio en el requerimiento del líquido
caliente −cambios de carga−, o variaciones en la temperatura del líquido a la entrada
del intercambiador, el sistema de control en cascada de la figura 19.3 responderá a
estos cambios, en forma simular a como lo hace el sistema de control realimentado
simple de la figura 19.1.
Sin embargo, como se aprecia en el diagrama de flujo de instrumentos del control
en cascada de la figura 19.3, si se produce una variación de la presión de suministro
del vapor de agua, ahora su efecto sobre la variable manipulada −que es el mismo
flujo de vapor de agua−, será detectado rápidamente por el transmisor de caudal
FT-12 y corregido por el controlador secundario FIC-12, ajustando la apertura de la
válvula de control FV-12, de manera de mantener el valor de la variable manipula-
da −variable controlada secundaria−, en el valor deseado dado por el controlador
primario TIC-12. Como la compensación de esta perturbación no es instantánea, el
controlador primario se encargará de corregir cualquier efecto residual, que esta per-
turbación tuviera sobre la temperatura del líquido de salida del intercambiador −la
Lazo de
control
FIC S.P.
interno
12
Controlador Controlador
secundario primario
I/P TIC
FY 12
PI FT 12
10 12 FV Lazo de
FE 12
12 control
externo
TI TIT
14 12
Figura 19.3: Diagrama de flujo de instrumentos, del sistema de control en cascada de

la temperatura en un intercambiador de calor
variable controlada primaria−, comparando la señal enviada por el transmisor de

temperatura TIT-12 con su valor deseado.
En este caso, considerando la acción en caso de falla de la válvula de control
seleccionada, si la señal de salida del controlador esclavo crece, la válvula de con-
trol se abre un poco más, el caudal de vapor de agua crece y la señal realimentada
secundaria crece, por lo que el proceso secundario tiene una ganancia positiva y el
controlador secundario debe tener una Acción inversa. Por su parte, si la señal de
salida del controlador primario crece, se incrementa el valor deseado al controlador
secundario, este incrementa su señal de salida, la válvula de control se abre un po-
co más, aumenta el caudal del vapor de agua y la temperatura del líquido de salida
del intercambiador aumenta. El proceso visto por el controlador primario tiene una
ganancia positiva, por lo que este debe tener también una Acción inversa.
La corrección efectuada por el lazo de control interno del control en cascada, per-
mite mejorar el desempeño global del sistema de control. El valor máximo del error
que pudiera presentarse y el tiempo total requerido para su anulación, son menores a
Figura 19.4: Diagrama funcional,

del control en cascada (PID/PI) de TT FT
la temperatura en un intercambiador
de calor
D
P I
P I T A
A T A
I/P
FV
los correspondientes al control realimentado simple.

Por otra parte, el comportamiento del lazo de control en cascada a un cambio
en el valor deseado de la variable controlada primaria, será similar al del sistema
de control realimentado simple, si los parámetros de los algoritmos de control de
controladores de los dos sistemas de control, se han ajustado utilizando criterios de
diseño equivalentes.
Además, si existen perturbaciones que afectan al proceso, pero que están fuera del
lazo de control secundario −perturbaciones que no afectan a la variable controlada
secundaria−, el comportamiento del sistema de control en cascada será similar al del
sistema de control realimentado simple. El controlador en cascada no es capaz de
mejorar el comportamiento del sistema de control, respecto a estas perturbaciones
−el lazo de control interno no las “detecta”−.
La clave para obtener beneficios con un sistema de control en cascada, es deter-
minar primero las posibles perturbaciones que pueden afectar la variable controlada
y verificar después, si hay una variable “intermedia” que puede ser medida y utiliza-
da para detectar la presencia de alguna de estas perturbaciones, antes de que afecte a
la variable controlada de interés. Esta variable será la variable controlada secundaria,
objeto del control del lazo de realimentación interno o secundario.
Hay disponibles controladores electrónicos comerciales, que incluyen dos algo-
ritmos de control PID, los cuales se pueden configurar para operar en forma inde-
pendiente −se tienen dos lazos de control−, o en control en cascada −uno como
controlador primario y el otro como controlador secundario−. Como el comporta-
miento de la variable controlada secundaria, no es de mucho interés para el personal

que opera el sistema de control, usualmente, la “cara frontal” del controlador muestra
la información correspondiente al controlador primario.
Si los dos controladores utilizados en el control en cascada, son controladores
individuales, el controlador empleado como secundario, debe tener un selector (de
transferencia) de valor deseado Local a Remoto y viceversa -también llamado selec-
tor Local ↔ Cascada-. En el modo de operación con un valor deseado Remoto, el
controlador secundario lo recibe como una señal proveniente de otro instrumento, en
este caso, esta es la señal de salida del controlador primario.
Es importante tener en cuenta que, en el caso de utilizar dos controladores indi-
viduales para el control en cascada, si el controlador secundario se pasa a operación
Manual o su valor deseado es puesto en modo Local, el controlador primario también
debe pasarse a operación Manual, para prevenir el desboque de su modo integral.
En el caso de los controladores digitales configurados para operar en un esquema
de control en cascada, la operación del controlador primario es coordinada con el
selector de operación y de valor deseado del controlador secundario, de manera que
la operación sin saltos de estos, sea automática.
Como se ha indicado, para el ajuste de los parámetros de los algoritmos de control
de los controladores primario y secundario, usualmente se sigue un procedimiento
de dos pasos (de adentro hacia afuera). Primero, en el punto de operación normal del
sistema, se debe identificar un modelo para el proceso controlado por el controlador
secundario. Con base en este y una vez ajustado y puesto en operación automática
el controlador secundario, se debe identificar un modelo para el proceso controlado
visto por el controlador primario, el cual incluye el lazo de control secundario ope-
rando en modo automático y parte del proceso. Con este nuevo modelo, se ajustan
los parámetros del algoritmo de control del controlador primario y se puede poner en
servicio el sistema de control en cascada.
19.3.2 Ajuste analítico robusto de los controladores en un sistema de

control en cascada
Como una manera alternativa, para el ajuste de los parámetros de los algoritmos de
control de los controladores de un sistema de control en cascada, se puede utilizar el
procedimiento de ajuste robusto descrito en Alfaro et al. (2009), el cual tiene como
base la aplicación del método ART2 al control en cascada (Alfaro et al., 2008) y que
requiere de una sola prueba.
Considérese un sistema de control en cascada en donde los controladores pri-
mario y secundario son de dos grados de libertad (2GdL). Mediante alguna prueba
experimental se han identificado los modelos P1 (s) y P2 (s) del proceso, los cuales
son epomtm dados por
K1 e−L1 s . L1
P1 (s) = , τL1 = , (19.1)
T1 s + 1 T1
K2 e−L2 s . L2
P2 (s) = , τL2 = . (19.2)
T2 s + 1 T2
El modelo P2 (s) representa el comportamiento de la variable controlada secun-
daria (del valor medido de esta), respecto a la señal de control secundaria esto es, la
relación u2 → y2 . Por su parte, el modelo P1 (s) representa el comportamiento de la
variable controlada primaria (del valor medido de esta), respecto a la variable con-
trolada secundaria esto es, la relación c2 → y1 .
El controlador secundario utiliza un algoritmo de control PI2 , y el controlador
primario un algoritmo PID2 , cuyas ecuaciones de salida son

1 Td1 s
u1 (s) = Kp1 β1 r1 (s) − y1 (s) + [r1 (s) − y1 (s)] − y1 (s) , (19.3)
Ti1 s α1 Td1 s + 1

1
u2 (s) = Kp2 β2 r2 (s) − y2 (s) + [r2 (s) − y2 (s)] . (19.4)
Ti2 s
El parámetro de diseño para el controlador esclavo, es
(
1 − τL2 , τL2 ≤ 0,35,
τc2 = (19.5)
0,46 + 0,54 τL2 , 0,35 < τL2 ≤ 1,0.
El parámetro de diseño τc2 dado por (19.5), se ha seleccionado de manera que el

lazo interno tenga una robustez equivalente a una MS ≤ 1,6.
Las ecuaciones para el ajuste del controlador esclavo, son (Alfaro et al., 2009)
2 +τ
2τc2 − τc2
. L2
κ p2 = Kp2 K2 = 2
, (19.6)
(τc2 + τL2 )
2 +τ
. Ti2 2τc2 − τc2 L2
τi2 = = , (19.7)
T2 1 + τL2
τc2 T2
β2 = . (19.8)
Ti2
Con el ajuste del controlador esclavo dada por (19.6) a (19.8), se obtiene que la
función de transferencia del lazo de control interno sea de primer orden más tiempo
muerto, por lo que el “proceso controlado” visto por el controlador amo, es
Ke−Ls
P0 (s) = , (19.9)
(T s + 1)(aT s + 1)
donde K = K1 , T = T1 , L = L1 + L2 y a = τc2 T2 /T1 . El tiempo muerto normalizado

de este modelo es τL = L/T .
El modelo P0 (s) representa el comportamiento de la variable controlada (de la
señal realimentada primaria) respecto a la señal de control primaria (la salida del
controlador amo) esto es, la relación u1 → y1 .
Las ecuaciones de ajuste del controlador amo están dadas por las siguientes rela-
ciones (Alfaro et al., 2009)
. 10τi1
κ p1 = Kp1 K = , (19.10)
21τc1 + 10τL − 10τi1
2 (τ + 12τ )
. Ti1 (21τc1 + 10τL )[(1 + a)τL + a] − τc1 c1 L
τi1 = = 2
, (19.11)
T 10(1 + a)τL + 10a + 10τL
2 + 10τ τ − (1 + a)(21τ + 10τ − 10τ )
. Td1 12τc1 i1 L c1 L i1
τd1 = = , (19.12)
T 10τi1
τc1 T
β1 = . (19.13)
Ti1
El parámetro de diseño τc1 utilizado en (19.10) a (19.13), debe seleccionarse
considerando los requisitos de robustez del sistema de control en cascada como un
todo. Para garantizar por un lado, que los parámetros sean positivos, y por otro, una
robustez mayor a un mínimo deseado, el parámetro de diseño debe seleccionarse en
el ámbito
τc1 mı́n ≤ τc1 ≤ 1,25 + 2,25a, (19.14)
donde el τc1 mı́n se estima con
τc1 mı́n = k11 + k12 ak13 , (19.15)
cuyas constantes dependen del nivel de robustez MS1 deseado, siendo

2
k11 = 2,442 − 2,219MS1 + 0,515MS1 , (19.16)
2
k12 = 10,518 − 8,990MS1 + 2,203MS1 , (19.17)
k13 = 0,949 − 0,197MS1 . (19.18)
19.4 Control selectivo

El control utilizando selectores de señal, se emplea cuando dos o más variables con-
troladas independientes, dependen de una misma variable manipulada. En estos ca-
sos, los lazos de control deben decidir como “compartir” la variable manipulada uti-
lizada por todos ellos.
19.4. Control selectivo 841
Selector de “baja”
Controlador Controlador
<
de presión PIC PY PIC de presión
de succión 1A 1A 1B de descarga
(acción directa) E.F. E.F. (acción inversa)
Transmisor
I/P de presión
Transmisor PY de descarga
1B PT
de presión PV 1B
de succión 1
PT
1A
Figura 19.5: Diagrama de flujo de instrumentos, del sistema de control selectivo de

una unidad de bombeo
Una de las variables controladas es seleccionada para ser mantenida en su valor

deseado, mientras que las otras pueden desviarse del suyo, siempre y cuando lo hagan
en la dirección aceptable. Si una de las variables no seleccionadas tiende a desviarse
en una dirección no aceptable, el control se cambiará a ella. El criterio de selección
entre las variables, tiene como base, el utilizar la señal de salida de los controladores
que sea la más alta, o la más baja, como señal enviada al elemento final de control.
La señal seleccionada, debe ser la que mueva todas las variables controladas en la
dirección aceptable.
Una aplicación típica del control selectivo, es el control de una unidad de bombeo
en un acueducto u oleoducto, cuyo diagrama de flujo de instrumentos se muestra en
la figura 19.5. Su diagrama funcional equivalente se muestra en la figura 19.6.
En este caso se desea por un lado, que la presión de succión de la unidad de
bombeo no baje de un valor mínimo para prevenir que esta cavite, y por otro, que
la presión de descarga de la misma, no sobrepase un valor máximo, para proteger la
tubería y equipos a la descarga de la unidad.
Los oleoductos para el transporte de petroleo crudo o productos refinados, nor-
malmente requieren de estaciones de bombeo (cada una con varias unidades), coloca-
das estratégicamente a lo largo del oleoducto. En este, se producirán oscilaciones en
la presión, cuando una unidad de bombeo en una estación entra o sale de operación,
las cuales se propagan por el oleoducto en ambas direcciones a la velocidad del soni-
do en el líquido bombeado. Estas oscilaciones, ocasionan reducciones o incrementos
de las presiones de succión y descarga en las demás estaciones de bombeo, depen-
diendo de si estas se encuentran flujo abajo o flujo arriba, de la estación de bombeo
Figura 19.6: Diagrama fun- Presión de Presión de

PT PT
cional, del sistema de con- succión descarga
trol selectivo de una unidad
de bombeo
P I P I
A T A A T A
<
I/P
PV
en la cual ocurrió el cambio en la operación de una unidad.

Estas variaciones en las presiones de succión o descarga en las demás estaciones,
son perturbaciones a las que sus respectivos sistema de control selectivo responden
(Cho, 1990).
Dependiendo de la acción del elemento final de control, la Acción de cada uno
de los controladores debe seleccionarse adecuadamente (considerando su operación
individual).
En el caso particular de la unidad de bombeo mostrado en la figura 19.5, en
donde se emplea como elemento final de control, una válvula de control que requiere
“aire para abrir” (“normalmente cerrada”, “en caso de falla cierra”), considerando
cada lazo de control por separado esto es, como si la señal de salida del controlador
correspondiente es la que va directamente al elemento final de control, si la señal
de salida del controlador de succión aumenta, la válvula de control se abre un poco
más, aumenta el caudal bombeado y desciende la presión de succión, por lo que
la ganancia del proceso es negativa y el controlador de succión debe tener Acción
directa. Por su parte, si la señal de salida del controlador de descarga aumenta, la
válvula de control se abre un poco más, aumenta el caudal bombeado, disminuyen
las pérdidas de presión en la válvula de control y la presión de descarga aumenta,
por lo que la ganancia del proceso es positiva y el controlador de descarga debe tener
19.4. Control selectivo 843
Acción inversa.
El selector empleado en el esquema de control selectivo, debe “escoger” −su
señal de salida− de entre las señales de salida de los controladores −sus señales de
entrada−, la que mueva más a todas las variables controladas en la dirección correcta.
En el caso particular analizado, debe ser una señal que incremente la presión de
succión y que disminuya la presión de descarga. Mediante el análisis de la operación
de los lazos de control hecho anteriormente, se determina que si la válvula de control
se cierra un poco, la presión de succión aumentará y la presión de descarga bajará,
que es lo que se desea, por lo tanto la señal enviada a la válvula de control, debe ser la
que la cierra más, esto es, la menor de las dos. Por lo tanto,en este caso debe utilizarse
un “selector de baja” −su señal de salida es la menor de las señales de salida de los
controladores−.
El control selectivo puede considerar más de dos variables controladas. Por ejem-
plo, en el caso de la unidad de bombeo, además de la presión de succión y la pre-
sión de descarga de la bomba, podría incorporarse el control del caudal bombeado
−mantenerlo en o por debajo de un caudal máximo especificado−, o el control de la
corriente del motor eléctrico de la bomba −mantenerla en o por debajo de un valor
máximo, para limitar la carga máxima del motor−.
Además, como en el caso de las estaciones de bombeo de un acueducto u oleo-
ducto, estas están constituidas por lo general por varias unidades de bombeo, el sis-
tema de control selectivo de cada una de estas, seguramente incluirá componentes
adicionales, tales como generadores de valor deseado en forma de rampa para los
controladores, vínculos con los arrancadores de los motores eléctricos de las unida-
des y con su sistema de control de secuencias de arranque y paro ordenado (Williams
y Murray, 1988).
Es evidente que, durante al operación del sistema de control selectivo, solo una de
las variables controladas es la que se está realmente regulando, mientras que las de-
más se encuentran en valores seguros (ya sean superiores o inferiores al valor desea-
do dado como límite para cada una de ellas al controlador correspondiente), por lo
que cada uno de los controladores de las variables que no se están controlado, ve-
rá un error que no puede corregir. Por esta razón, los controladores para el control
selectivo, reciben una entrada adicional denominada realimentación externa (E.F. -
“external feedback”). Esta es la misma señal enviada al elemento final de control y
es utilizada para prevenir el desboque del modo de control integral, cuando cada uno
de ellos no sea el controlador “al mando”. Si el controlador encuentra, que la señal
recibida como realimentación externa (E.F.) coincide con su señal de salida (CO), es
que él es el controlador activo y no toma ninguna acción adicional, sin embargo, si
detecta que su señal de salida no coincide con la señal de la realimentación externa,
es que no se está controlado la variable asociada a él y entonces, impide que la con-
tribución del modo integral en su señal de salida siga variando, se comporta como si
fuera un controlador solamente proporcional.

Los parámetros de los algoritmos de control de cada uno de los controladores,
se ajustarán en forma independiente, considerando su operación como un lazo de
control realimentado simple.
19.5 Control de razón

Existen algunos procesos, en los cuales lo que se desea es mantener la razón o co-
ciente de dos o más variables, en vez de sus valores particulares, como puede ser
en los procesos de mezcla de varios productos en proporciones determinadas, en la
incorporación de aditivos y otros.
Por ejemplo, si se desea controlar la proporción de mezcla de dos líquidos, esto
no se puede realizar en forma satisfactoria, utilizando dos controladores independien-
tes, cada uno con el valor deseado de cada caudal, ya que las perturbaciones que los
pudieran afectar no necesariamente son iguales, haciendo prácticamente imposible
mantener los caudales en la razón deseada.
La forma usual en que se efectúa el control en estos casos, es midiendo los cau-
dales de los líquidos que se desea combinar, dejando que uno varíe libremente y
ajustando los demás, de manera de mantener las proporciones requeridas.
Como se muestra en el diagrama de flujo de instrumentos del sistema de control
de razón de dos líquidos de la figura 19.7, el controlador de razón es un controlador
particular, el cual recibe dos variables medidas y como valor deseado, la razón que
se desea mantener entre estas dos variables medidas.
Aunque las variables cuya relación se desea controlar, pudieran ser cualquiera,
la mayoría de los esquemas de control de razón se utilizan para control de la razón
entre los caudales de dos fluidos.
Un requisito importante para el control de razón, es que las señales realimentadas
de las variables medidas, guarden una relación lineal con la variable correspondiente.
De ser necesario, deben realizarse las operaciones requeridas para lograr esto, como
en los casos en que el principio de medición utilizado no provee una relación lineal
(eje. medición de caudal utilizando elementos primarios “tipo cabeza” y transmisores
de presión diferencial).
Implementación del controlador de razón

El controlador de razón puede implementarse de diferentes maneras (Seborg et al.,
2004; Wade, 2004). Una es calculando la razón de las variables a partir de las dos
mediciones utilizando un bloque divisor, tal como se muestra en la figura 19.8. La
señal de error es la diferencia entre la razón deseada de las dos variables y su razón
real.
19.5. Control de razón 845
Fluido libre
FT FE
15A 15A
Controlador
de razón
FFIC
15
Valor
deseado
I/P
FFY
FT 15
15B FE FFV
15B 15
Fluido manipulado Caudal total
Figura 19.7: Diagrama de flujo de instrumentos, de un sistema de control de razón
Figura 19.8: Controlador de razón imple-

mentado con un divisor
D ● N
●
Figura 19.9: Controlador de razón

implementado con un multiplicador
x
En este caso, tanto la variable controlada, como el valor deseado corresponden

a la razón de los dos caudales, lo que es lo deseado. Sin embargo, en esta imple-
mentación el bloque divisor forma parte del lazo de control, por lo que la ganancia
del proceso controlado varía en forma inversa con el caudal del fluido manipulado,
si hay cambios en el caudal del fluido libre. Esta ganancia será grande si el caudal
manipulado es bajo y pequeña si este es alto (Techmation, 1999).
Una forma alternativa preferida de implementar el controlador de razón, es utili-
zando un bloque multiplicador, como se muestra en la figura 19.9. El bloque multi-
plicador es externo al lazo de control. La señal de error es ahora, la diferencia entre
el valor de la variable manipulada requerido para mantener la razón deseada de las
dos variables y su valor real.
Ahora, el caudal medido del fluido libre es multiplicado por la razón deseada,
proporcionando el valor deseado del caudal del fluido manipulado, para compararlo
con su valor real y ajustarlo de ser necesario.
Debido a que en el controlador no se procesan los valores “reales” de los caudales
de los dos fluidos, sino las señales de salida de los transmisores de caudal correspon-
dientes y que además, los rangos de medición de ambos caudales generalmente no
son iguales, es necesario determinar la ganancia requerida para el bloque multiplica-
dor.
Si el valor deseado Rr es la razón de dos caudales, de la forma
Qb [m3 s−1 ]
Rr = , (19.19)
Qa [m3 s−1 ]
y el transmisor del caudal manipulado tiene una ganancia KT Qb [ %/(m3 /s)] y el del
caudal libre una ganancia KT Qa [ %/(m3 /s)] entonces, el caudal requerido (en %) del
caudal manipulado para cada caudal del fluido libre, es

KT Qb
YQb % = RrYQa % . (19.20)
KT Qa
Por lo tanto, la ganancia del bloque multiplicador, debe ser
KT Qb
KX = . (19.21)
KT Qa
19.5. Control de razón 847

FT Caudal del FT Caudal del
funcional del control de líquido “libre” líquido
razón de los caudales de manipulado
dos líquidos
D ● N
A ●
I I
X
P I
T A
I/P
FFV
Si los ámbitos de medición de los dos caudales fueran iguales (transmisores con
igual ganancia), la ganancia del bloque multiplicador sería unitaria.
El diagrama funcional del sistema de control de la razón entre los caudales de
dos fluidos, se muestra en la figura 19.10. Este incluye indicadores para mostrar el
valor deseado y valor el real de la razón entre los dos caudales.
Ejemplo 19.1 Ganancia del bloque multiplicador en el controlador de razón

Supóngase que se desea controlar la mezcla de un aditivo Qb (t) con un fluido Qa (t),
a una razón Rr que puede tener valores ente 0,05 y 0,10 (entre el 5 % y el 10 %).
El rango de medición del caudal Qa es de 0 m3 s−1 a 500 m3 s−1 , por lo que la
ganancia del transmisor es KT Qa = 100/500 = 0,20 %/(m3 /s) y el del caudal Qb
es de 0 m3 s−1 a 50 m3 s−1 , siendo la ganancia del transmisor KT Qb = 100/50 =
2,0 %/(m3 /s).
De (19.21), el bloque multiplicador en el controlador de razón, debe tener una
ganancia
2,0
KX = = 10. (19.22)
0,2
Por ejemplo, si Rr = 0,05 (5 %) y el caudal medido del fluido libre es Qa =

200 m3 s−1 (YQa % = 40 %), entonces el caudal requerido del líquido manipulado es
YQr b % = 40 ∗ 10 ∗ 0,05 = 20 % (Qb = 10,0 m3 s−1 ), con lo que se obtiene que Qb /Qa =
10,0/200,0 = 0,05.
19.6 Resumen
Existen ocasiones en que los requisitos de control del proceso, no pueden ser alcanza-
dos utilizando un esquema de control realimentado simple, por lo que debe emplearse
alguna modificación de este.
Si la dinámica del proceso es lenta y la variable controlada puede sufrir perturba-
ciones, se puede mejorar el control de la variable de interés, utilizando un esquema
de control en cascada. En el caso de un sistema de control en cascada con dos con-
troladores, la señal de salida del controlador primario −el controlador de la variable
de interés− es proporcionada como valor deseado al controlador de la variable con-
trolada secundaria −la utilizada para detectar la presencia de las perturbaciones más
importantes− y la señal de salida de este controlador es la enviada al elemento final
de control. Es necesario que el comportamiento dinámico del lazo de control in-
terno (secundario), sea suficientemente más rápido que el del lazo de control externo
(primario). Para el ajuste de los parámetros de los algoritmos de control de los con-
troladores, debe procederse “de adentro hacia afuera”, primero el del lazo de control
secundario y luego el del lazo de control primario.
En aquellos procesos en los que se dispone de solo una variable manipulada, para
mantener varias variables (controladas) en sus valores aceptables, es necesario hacer
uso de un esquema de control selectivo. La señal enviada al elemento final de control,
debe ser aquella que garantiza que todas las variables “controladas” se mueven en la
dirección aceptable. Esta se escoge de entre las señales de salida de los controladores
utilizados (uno para cada variable incluida en el esquema de control), empleando
un selector de señales de “alta” (la mayor) o de “baja” (la menor). La selección de
la Acción, así como el ajuste de los parámetros del algoritmo de control de cada
controlador, debe hacerse considerando el funcionamiento de cada lazo individual.
Existen también procesos en los cuales se debe regular, por ejemplo, la mezcla
de un aditivo a un líquido, o la proporción entre dos o más fluidos, para lo que se
requiere un sistema de control de razón. En el caso del control de la razón entre
dos caudales (el caso más frecuente), se miden el caudal de ambos fluidos, pero solo
se manipula uno (el que va en menor proporción en la mezcla, por ejemplo el del
aditivo).
19.7 Bibliografía
Alfaro, V. M., Vilanova, R., y Arrieta, O. (2008). Two-Degree-of-Freedom PI/PID
Tuning Approach for smoth Control on Cascade Control Systems. En 47th IEEE
Conference on Decision and Control. Cancún, México, diciembre 9-11.
Alfaro, V. M., Vilanova, R., y Arrieta, O. (2009). Robust Tuning of Two-Degree-

of-Freedom (2-DoF) PI/PID based cascade control systems. Journal of Process
Control, 19:1658–1670.
Cho, C. H. (1990). Pipeline pressure control system. US Patent 4,934,399 (Presen-

tada: 25.abr.1989. Otorgada: 19.jun.1990). Patente 4934399, United States Patent
and Trademark Office.

edición.
ISA (2009). Instrumentation Symbols and Identification. Standard ANSI/ISA-5.1,

The International Society of Automation, Research Triangle Park, NC 27709,
USA.
SAMA (1981). Functional Diagramming of Instrument and Control Systems. Stan-

dard PMC- 22.1, Scientific Apparatus Makers Association.
Seborg, D. E., Edgar, T. F., y Mellichamp, D. A. (2004). Process Dynamics and

Control. John Wiley & Sons, Inc., Hoboken, NJ 07030, USA, 2nd edición.
Techmation (1999). Control Strategy: Ratio Control Systems. Appication note, Tech-
mation, Inc., Scottsdale, AZ 85258-1228, USA.
Williams, W. J. y Murray, P. J. (1988). Pipeline Microprocessor Control. InTech,

35(2):49–53.
20
20.1 Introducción
20.2 Control anticipativo para el seguimiento del valor deseado
20.3 Control anticipativo para el rechazo de la perturbación
20.3.1 Controlador anticipativo
20.3.2 Controlador anticipativo simplificado
20.4 Estructura general del control anticipativo y realimentado
20.5 Resumen
20.6 Bibliografía
En el Capítulo 6 se indicó, que todos los esquemas de control son una variante o com-
binación, de dos esquemas básicos: el control anticipativo −control a lazo abierto−
y el control realimentado −control a lazo cerrado−.
En los capítulos anteriores se estudió en detalle el funcionamiento y el ajuste de
los sistemas de control realimentado, con controladores con un algoritmo de con-
trol proporcional, integral y derivativo (PID) y algunas de sus variantes. Ahora, se
retomará y se estudiará con más detalle, el control anticipativo.
20.1 Introducción
Existen dos variantes de control anticipativo: el control anticipativo de la referencia
y el control anticipativo de la perturbación. Ambos son esquemas de control a lazo
851
852 20 Control anticipativo
Figura 20.1: Sistema sin

control
abierto, que complementan al lazo de control realimentado, para mejorar la respues-

ta del sistema de control a un cambio en el valor deseado, o a los cambios en las
perturbaciones.
20.2 Control anticipativo para el seguimiento del valor

deseado
En la sección 7.10.5 del Capítulo 7, se presentó una estructura de control, que mues-
tra como el controlador PID de dos grados de libertad, puede asimilarse a una forma
simple de control con un controlador anticipativo. Además, en la sección 6.2 del Ca-
pítulo 6, se describió el funcionamiento de un sistema sin control, en el cual se utilizó
un dispositivo de mando, para obtener la señal de comando enviada al elemento que
manipula la variable de entrada del proceso. Este se muestra en forma simplificada,
en la figura 20.1.
Si se interpreta este dispositivo de mando, más bien como un generador del perfil
deseado, para la variable cuyo comportamiento se desea restringir, este perfil se po-
dría proporcionar como valor deseado a un sistema de control realimentado para que
le de seguimiento, tan como se muestra en la figura 20.2, en donde Mr (s) es entonces
un generador de valor deseado para el controlador C(s), el cual se ha ajustado para
lograr un buen comportamiento a las perturbaciones y para asegurar un determinado
grado de robustez del sistema de control. Entonces, la función de transferencia Mr (s)
es también un modelo referencia para el lazo de control. Este modelo de referen-
cia, corresponderá a la forma en que se desee sea la respuesta al cambio en el valor
deseado (Åström y Hägglund, 1995).
Se tiene entonces un sistema de seguimiento del valor deseado generado, al cual
el sistema de control realimentado debe responder rápidamente. Sin embargo, el con-
trolador C(s) ya ha sido ajustado, considerando la respuesta a la perturbación y la
robustez del lazo de control.
Para mejorar el comportamiento del sistema y lograr el perfil deseado Mr (s) de la
variable controlada, se adicionará al sistema de control, un controlador anticipativo
Ff r (s) en el valor deseado, tal como se ilustra en la figura 20.3.
En este esquema, cuando hay un cambio en el valor deseado r(s), el controlador
anticipativo de valor deseado Ff r (s) generará la señal del entrada al proceso P(s) que
debe producir el perfil deseado de la variable controlada y(s). Por su parte, el perfil
20.2. Control anticipativo para el seguimiento del valor deseado 853
Figura 20.2: Diagrama de bloques del sistema de seguimiento de la respuesta del

modelo de referencia
Figura 20.3: Sistema de control anticipativo del valor deseado
generado por el modelo de referencia Mr (s), es comparado con la repuesta real del
proceso, para obtener la señal de error. Si el modelado fuera perfecto, esta diferencia
entre el perfil deseado de la variable controlada y el real debería ser cero, en cuyo
caso la señal de salida del controlador realimentado C(s) permanecería constante. Si
hay errores de modelado o perturbaciones, se presentará un error diferente de cero y
el controlador C(s) se encargará de eliminarlo (Åström y Hägglund, 2006).
En el sistema de control de la figura 20.3, la variable controlada será
P(s)Ff r (s) + P(s)C(s)Mr (s)
y(s) = r(s), (20.1)
1 +C(s)P(s)
P(s)Ff r (s) + [1 + P(s)C(s)]Mr (s) − Mr (s)
y(s) = r(s). (20.2)
1 +C(s)P(s)
Entonces, se tiene que
P(s)Ff r (s) − Mr (s)
y(s) = Mr (s)r(s) + r(s). (20.3)
1 +C(s)P(s)
Para lograr que y(s) = Mr (s)r(s), se requiere que

P(s)Ff r (s) − Mr (s) = 0, (20.4)
por lo que el controlador anticipativo en el valor deseado, debe ser
Ff r (s) = P−1 (s)Mr (s). (20.5)
Si el proceso controlado es representado por su modelo Pm (s), entonces
Ff r (s) = Pm−1 (s)Mr (s). (20.6)
En el caso ideal, para logar que la variable controlada sea idéntica al valor desea-
do, entonces Mr (s) = 1 y Ff r (s) = Pm−1 (s). El controlador anticipativo debería ser
igual al inverso del modelo del proceso controlado cosa que, como se ha visto, nor-
malmente no es posible lograr.
Usualmente el modelo de referencia Mr (s) se escoge como una función de trans-
ferencia de primer o segundo orden. Si el controlador C(s) incluye el modo derivati-
vo, será conveniente escoger Mr (s) de segundo orden, para evitar el salto derivativo
a la salida del controlador de realimentación. Además, este debe contener los térmi-
nos de fase no mínima del modelo del proceso controlado, los ceros en el semiplano
derecho y los tiempos muertos, que no pueden eliminarse de la respuesta del sistema
de control.
Sin perder generalidad, se supondrá que el proceso es estable y de fase mínima,
pero con un posible tiempo muerto, entonces, seleccionado el modelo de referencia
como
e−Ls
Mr (s) = , (20.7)
(Tr s + 1)2
donde Tr es la constante de tiempo deseada para la respuesta y L el tiempo muerto
aparente del modelo del proceso controlado, se tiene que el controlador anticipativo,
es
e−Ls
Ff r (s) = Pm−1 (s) . (20.8)
(Tr s + 1)2
Separando el modelo del proceso controlado en su parte invertible Pm− (s) y la
no invertible Pm+ (s), entonces el controlador anticipativo de valor deseado se puede
obtener, como
−1 1
Ff r (s) = Pm− (s) . (20.9)
(Tr s + 1)2
En el caso ideal, si se tiene un modelo perfecto (Pm (s) = P(s)) y completamente
invertible (Pm− (s) = Pm (s) y Pm+ (s) = 1), entonces (20.1) se reduce a
e−Ls
y(s) = Mr (s)r(s) = r(s). (20.10)
(Tr s + 1)2
El comportamiento de la variable controlada, ante un cambio en el valor deseado,

será el deseado especificado por el modelo de referencia.
Si se escoge el controlador anticipativo como (20.8), no se requerirá de ningún
filtro adicional si la parte invertible del modelo, tiene un grado relativo (número de
polos − menos número de ceros) menor o igual a 2.
Dadas las imperfecciones posibles del modelo, el lazo de control realimentado
se encargará de corregir el error debido a estas, al mismo tiempo que corregirá las
desviaciones de la variable controlada debido a las perturbaciones y a los cambios en
el comportamiento dinámico del proceso controlado.
Ejemplo 20.1 Control anticipativo en el valor deseado

Supóngase que el proceso controlado es el proceso de prueba de cuarto orden (A.4)
del Apéndice A, con K = 2,0, T = 10,0 s y a0 = 0,60, dado por la función de transfe-
rencia
2,0
P(s) = . (20.11)
(10,0s + 1)(6,0s + 1)(3,6s + 1)(2,16s + 1)
El modelo de segundo orden para este proceso, identificado a partir de su curva
de reacción, es (ver el cuadro A.1 del Apéndice A)
2,0e−4,43s
Pm (s) = (20.12)
(8,73s + 1)2
Este modelo se utilizará, para el desarrollo de los sistemas de control de (20.11).

Primero, se implementará un sistema de control con un controlador con un algo-
ritmo de control PID de 2GdL. Luego, se verá como el control anticipativo permite
mejorar la respuesta del sistema de control, ante un cambio en el valor deseado.
Control realimentado PID

Utilizando (20.12), los parámetros de un controlador PID2 obtenidos con el método
de ajuste uSORT2 para una robustez de diseño MSt = 1,6 (Stm = 0,63), son: Kp = 0,84,
Ti = 10,94 s, Td = 5,14 s y β = 0,63.
En controlador se ha ajustado entonces, de manera que responda en forma óp-
tima (criterio IAE) a los cambios en la perturbación, al mismo tiempo que cumpla
con una restricción en la robustez del sistema de control resultante.
Las respuestas de este sistema de control realimentado, se muestran en la figura
20.4 y la verificación de la robustez del lazo de control con el modelo, en la figura
20.5.
y(t)
80 r(t)
d(t)
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.4: Ejemplo 20.1 - Curvas de respuesta del sistema de control realimentado
Figura 20.5: Ejemplo 20.1 = L(jω)
- Robustez del sistema de

control realimentado Sm = 0.63
0.5
< L(jω)
0.0
2.0 1.5 1.0 0.5 0.0 0.5
0.5
1.0
1.5
2.0
y(t)
80 r(t)
d(t)
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.6: Ejemplo 20.1 - Curvas de respuesta del sistema de control anticipativo
y realimentado
Control anticipativo y realimentado

Para el control anticipativo en el valor deseado, el modelo de referencia (20.7), se
seleccionará como
e−4,43s
Mr (s) = , (20.13)
(Tr s + 1)2
con Tr = 6,0 s.
Entonces, el controlador anticipativo (20.8) requerido, es
1 (8,73s + 1)2 1 (8,73s + 1)2

Ff r (s) = = . (20.14)
2 (Tr s + 1)2 2 (6,0s + 1)2
Las respuestas de este nuevo sistema de control (anticipativo y realimentado), se

muestran en la figura 20.6.
Como se aprecia claramente, el control anticipativo en el valor deseado, permite
mejorar la respuesta del servo control. Ahora, esta es más rápida -dependiendo del
valor de la constante de tiempo Tr seleccionada para el modelo de referencia- y no
tiene sobrepaso. Además, como era de esperarse, no hay ningún cambio en el com-
portamiento del sistema de control ante una variación de la perturbación (control

regulador).
Sin embargo, se presenta un cambio brusco en la señal de control u(s) a la en-
trada del proceso controlado, al momento del cambio en el valor deseado, que ahora
es la señal de salida del controlador de realimentación C(s) más la señal de salida
del controlador anticipativo Ff r (s).
Este salto se debe a que la función de transferencia del controlador anticipativo
Ff r (s) es bipropia. La magnitud de este salto, para el caso del ejemplo, es
8,732
∆uFf r = ∆r = 1,059∆r = 21,17 %. (20.15)
2Tr2
Si se desea hacer que la respuesta al cambio en el valor deseado sea más rápida,
reduciendo la constante de tiempo Tr del modelo de referencia, esto tendrá como
consecuencia adversa, un aumento en la magnitud del salto en la señal de entrada
al proceso controlado.
20.3 Control anticipativo para el rechazo de la

perturbación
En la sección 6.2 del Capítulo 6, se describió el esquema de control a lazo abierto,
reproducido en la figura 20.7, el cual se denominó en forma genérica como control
anticipativo o control en adelanto.
La idea principal de este esquema de control, es anular el efecto de las pertur-
bación sobre la variable controlada en forma anticipada. Esto es, iniciar la acción de
control antes de que la perturbación se manifieste en la variable controlada desvián-
dola de su valor deseado.
Para realizarlo, es necesario medir la perturbación que se quiere compensar. Para
esto se ha adicionado un transmisor de la perturbación con una función de transfe-
rencia Gtd (s).
Se ha adicionado también un controlador anticipativo en la perturbación cuya
función de transferencia Cd (s), se debe determinar.
20.3.1 Controlador anticipativo

Se retomará el desarrollo del controlador anticipativo hecho en la sección 6.2 del
Capítulo 6, para seguirlo con mayor detalle.
Si no hay cambios en el valor deseado (r(s) = 0) y el ruido de medida es filtrado
en el indicador Iy , la señal medida de la variable controlada, es
y(s) = Pd (s)d(s) + Pu (s)Cd (s)Gtd (s)d(s). (20.16)
20.3. Control anticipativo para el rechazo de la perturbación 859
Figura 20.7: Diagrama de bloques del sistema de control de lazo abierto
Para eliminar el efecto de la perturbación, se requiere que
Pd (s) + Pu (s)Cd (s)Gtd (s) = 0, (20.17)
de donde el controlador anticipativo, debería ser
Cd (s) = − [Pu (s)Gtd (s)]−1 Pd (s). (20.18)
Como lo que se conocen son los modelos identificados para el proceso controla-
do, estos se expresarán, como
0 0
Pmu (s) = Pmu− (s)Pmu+ (s)e−Lmu s (s), (20.19)
0
Pmd (s) = Pmd (s)e−Lmd s (s). (20.20)
Entonces, el control anticipativo (20.18), se calculará como

0 −1 0
Cd (s) = − Pmu− (s)Gtd (s) Pmd (s)e−(Lmd −Lmu ) Fd (s), Lmd ≥ Lmu , (20.21)
donde se ha incluido un filtro de perturbación Fd (s) que, de ser necesario, hace que
Cd (s) sea una función de transferencia propia, con la única restricción que Fd (0) = 1.
Como se indica en (20.21), para que el controlador sea causal se requiere que
Lmd ≥ Lmu .
El sistema de control anticipativo resultante, se muestra en la figura 20.8.
+- +
+
Figura 20.8: Diagrama de bloques del sistema de control anticipativo
La señal de medida, es ahora (siempre considerando r(s) = 0)
y(s) = Pd (s)d(s) − Pu (s) [Pmu− (s)Gtd (s)]−1 Pmd0

(s)e−(Lmd −Lmu ) Fd (s)Gtd (s)d(s),
(20.22)
0
que, en el caso ideal donde Pmu− (s) = Pu (s), y si además se tiene que Pmd (s) = Pd (s),
se reduce a
y(s) = Pd (s) [1 − Fd (s)] d(s). (20.23)
Por lo tanto, en este caso, para un cambio escalón de magnitud ∆d en la pertur-
bación, se tiene que
lı́m y(t) = lı́m sy(s) = 0. (20.24)
t→∞ s→0
El control anticipativo logra eliminar el efecto adverso de la perturbación, pero

solo de la que se ha medido, no de las demás. Tampoco corregirá los errores en la
variable controlada, producto de los errores de modelado, o de los cambios en la
dinámica del proceso.
Por lo tanto, el control anticipativo no puede utilizarse solo, debe combinarse
con un lazo de control realimentado. Entonces, el sistema de control anticipativo y
realimentado de dos grados de libertad, sería como se muestra en la figura 20.9.
Es importante notar que, mientras los controladores utilizados en el control reali-
mentado son similares, todos tienen como base alguna implementación del algoritmo
de control proporcional, integral y derivativo (PID), con parámetros que son ajusta-
bles de manera de sintonizar su operación con la dinámica del procesos controlado,
con base en los objetivos de control, los controladores anticipativos no tienen una
estructura estándar, aunque existan disponibles diferentes “bloques” o funciones de
+- +
+
Figura 20.9: Diagrama de bloques del sistema de control anticipativo y realimentado

de 2GdL
control para su implementación, este debe ser diseñado para cada aplicación particu-
lar.
20.3.2 Controlador anticipativo simplificado

Si para la determinación del controlador anticipativo (20.18), se considera que la
dinámica del transmisor de la perturbación Gtd (s) es muy rápida comparada con la
del proceso, y que las funciones de transferencia de los modelos Pmu (s) y Pmd (s) son
epomtm, este se puede reducir a

Kmd Tmu s + 1 −(Lmd −Lmu )s Taz s + 1 −La s
Cd (s) ≈ − e = −Ka e . (20.25)
Kmu Tmd s + 1 Tap s + 1
Si Lmd − Lmu < 0 entonces se debe hacer La = 0 en (20.25).

El controlador es una función de transferencia cuyos parámetros están determi-
nados por los modelos, epomtm, identificados para el proceso y solo puede imple-
mentarse cuando el tiempo muerto entre la perturbación y la variable controlada, es
mayor que el tiempo muerto entre la señal de control y la variable manipulada. En
caso contrario, el controlador anticipativo estaría iniciando una corrección antes de
que se presentara el cambio en la perturbación, cosa que no es posible (Corripio,
2001).
Si se emplea el controlador anticipativo dado por (20.25), entonces la influencia
Figura 20.10: Ejemplo 20.1 - Proceso con-

trolado
de las perturbaciones sobre la señal realimentada (20.16), sería

Kmd e−Lmd s Kmu e−Lmu s Kmd Tmu s + 1 e−Lmd s

y(s) ≈ − d(s) ≈ 0, (20.26)
Tmd s + 1 Tmu s + 1 Kmu Tmd s + 1 e−Lmu s
si Lmd ≥ Lmu y
Kmd e−Lmd s −Lmd s
− e−Lmu s d(s)

y(s) ≈ e (20.27)
Tmd s + 1
si Lmud < Lmu .
Para el caso en que los tiempos muertos aparentes de los modelos son tal que
Lmd ≥ Lmu , el controlador anticipativo permite eliminar casi por completo, el efecto
adverso que tiene la perturbación medida, sobre la variable controlada.
Sin embargo, si se tiene que Lmd < Lmu , entonces para el momento en que el con-
trolador anticipativo detecta la perturbación, ya es “muy tarde” para corregir su efecto
adverso sobre la variable controlada. El controlador anticipativo logrará finalmente
realizar la corrección, aunque inicialmente habrá un error imposible de eliminar (Wa-
de, 2004).
Ejemplo 20.2 Control anticipativo y realimentado

Se considerará un proceso controlado como el mostrado en la figura (20.10). En él la
función de transferencia del proceso controlado en su relación u → y, es el proceso
de cuarto orden utilizada en el ejemplo 20.1 y dada por
2,0
Pu (s) = . (20.28)
(10,0s + 1)(6,0s + 1)(3,6s + 1)(2,16s + 1)
Por su parte, para el proceso en su relación d → y, se considerarán dos casos.
Primero el correspondiente a la figura 20.11, para el cual
1
Pd1 (s) = , (20.29)
(10s + 1)(6s + 1)
Figura 20.11: Ejemplo 20.1 - Proceso controlado 1
Figura 20.12: Ejemplo 20.1 - Proceso controlado 2
y luego, el correspondiente a la figura 20.12, para el cual

1
Pd2 (s) = . (20.30)
(3,6s + 1)(2,16s + 1)
En el primer caso, la dinámica de la perturbación a la variable controlada es si-

milar a la de la señal de control a la variable controlada, mientras que en el segundo,
la perturbación es bastante más rápida.
Utilizando el método de ajuste de parámetros 123c, los modelos epomtm para
(20.28) a (20.30), son
2e−8,86s
Pum (s) = , (20.31)
13,76s + 1
1 e−3,88s
Pdm (s) = , (20.32)
12,49s + 1
2 e−1,39s
Pdm (s) = . (20.33)
4,57s + 1
En el primer caso, utilizando (20.31) y (20.32), el controlador anticipativo (20.25),
es
1 13,76s + 1
Cd (s) = −0,50 . (20.34)
12,49s + 1
y(t)
80 r(t)
Variables [%] d(t)
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.13: Ejemplo 20.2 - Control anticipativo y realimentado, Caso Pu (s) = Pu1 (s)
Las curvas de respuesta del sistema de control correspondientes, se muestran en

la figura 20.13.
En el segundo caso, utilizando (20.31) y (20.33), el controlador anticipativo, es

13,76s + 1
Cd2 (s) = −0,50 . (20.35)
4,57s + 1
y las curvas de respuesta de este sistema de control, se muestran en la figura 20.14.

Comparando las curvas de respuesta al cambio en la perturbación de las figu-
ras 20.13 y 20.14, se puede comprobar que el control anticipativo es más efectivo,
para mejorar la respuesta del sistema de control cuando d → di , la perturbación
tiende a ser una perturbación a la entrada (Pd (s) ≈ Pu (s)), que cuando d → do , la
perturbación tiende a ser una perturbación a la salida (Pd (s) ≈ 1).
Evidentemente, si la perturbación es una perturbación a la salida, que incide en
forma directa e instantánea sobre variable controlada, al momento en que esta se
presenta y es detectada, ya es “muy tarde” para tratar de evitar su efecto adverso.
En este caso, el control anticipativo de la perturbación no es de utilidad.
20.4. Estructura general del control anticipativo y realimentado 865
y(t)
80 r(t)
d(t)
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
u(t)
80
Variables [%]
70
60
50
0 50 100 150 200 250
40 Tiempo, t [s]
Figura 20.14: Ejemplo 20.2 - Control anticipativo y realimentado, Caso Pu (s) = Pu2 (s)
20.4 Estructura general del control anticipativo y

realimentado
Si se combinan los esquemas de control anticipativo para el seguimiento del valor
deseado y el control anticipativo para el rechazo a de la perturbación, con el control
realimentado, se tiene el sistema de control mostrado en la figura 20.15. Este se puede
considerar como un sistema de control de tres grados de libertad (3GdL).
En los apartados anteriores, el controlador anticipativo para el seguimiento del
valor deseado Ff r (s) y el controlador anticipativo para el rechazo de la perturbación
Cd (s), se diseñaron como sistemas a lazo abierto, esto es, sin considerar el efecto que
tiene sobre el comportamiento del sistema de control, el controlador realimentado
C(s).
El diseño del sistema de control combinado, debe hacerse en forma integral, con-
siderando todos los controladores involucrados en el.
+
+
Figura 20.15: Control anticipativo (seguimiento del valor deseado y rechazo a la

perturbación) y realimentado
Ejemplo 20.3 Control de un tanque de mezcla

Considérese que se tiene un tanque en el que se realiza la mezcla de dos líquidos,
uno frío y uno caliente, cuyo modelo se desarrolla en la sección A.2.7 del Apéndice
A. En este, se desea controlar la temperatura de la mezcla a la salida del tanque y se
ha determinado que para esto, se debe manipular el caudal del líquido frío.
Control realimentado
En la figura 20.16 se muestra el diagrama de flujo de instrumentos de un sistema de
control realimentado para realizar lo anterior.
El sistema de control, si está bien ajustado, será capaz de seguir los cambios
en el valor deseado de la temperatura de salida, así como compensar los efectos
adversos de las perturbaciones, como cambios en el caudal de salida demandado,
cambios en las temperaturas de los líquidos de entrada, u otra característica que
afecte sus caudales, pero esto solo hasta que detecte su influencia en la temperatura
del líquido a la salida del tanque de mezcla.
En contraste con el control realimentado, en un control anticipativo, las perturba-
ciones son medidas y, tomando en consideración el valor deseado de la variable
Figura 20.16: Ejemplo 20.3 TIT TIC

10 10
- Control realimentado de
la temperatura en un tanque
de mezcla
TY
10
TV
10
Fluido caliente Fluido frío
controlada, se calcula el valor de la variable manipulada necesaria para lograr que

la variable controlada no sea desviada de su valor deseado.
Si el control realimentado trata de corregir el error que se ha presentado, por su
parte el control anticipativo, trata de prevenir que este error ocurra.
El diseño del controlador anticipativo requiere de un conocimiento profundo del
proceso, de cómo las perturbaciones y la misma variable manipulada afectan el
valor de la variable controlada, ya que el control se efectúa fuera de todo lazo de
realimentación, o sea, sin conocimiento del valor real de la variable controlada.
Supóngase que se desea diseñar un sistema de control anticipativo para el tanque
de mezcla anterior. Un balance de energía en estado estacionario, está dado por la
ecuación
(Q f + Qc )ρsCps (Ts − Tr ) = Qc ρcCpc (Tc − Tr ) + Q f ρ f Cp f (T f − Tr ). (20.36)
Suponiendo que las densidades (ρ) y capacidades calóricas (Cp ) de los líquidos
son iguales, (20.36) se reduce a
[Q f (t) + Qc (t)]Ts (t) = Qc (t)Tc (t) + Q f (t)T f (t). (20.37)
Resolviendo (20.37) para la variable manipulada Q f se obtiene

Tc (t) − Ts (t)
Q f (t) = Qc (t). (20.38)
Ts (t) − T f (t)
Valor real de la
temperatura de salida
TI (variable de interés)
25
Valor calculado
para la variable
manipulada
Valor deseado Controlador

de la temperatura anticipativo Valor medido
de salida de la variable
S.P. FIC manipulada
10
FY
Tsr
20
Variables I/P
consideradas FY
por el controlador FT TT 10 FT FE TI
20 20 FV 10 15
anticipativo FE 10
10
20
Figura 20.17: Ejemplo 20.3 - Control anticipativo de la temperatura en un tanque de

mezcla
Si el valor deseado de la temperatura de salida es Tsr , el caudal requerido de

la variable manipulada -el caudal del líquido frío- para lograrlo, en función de las
características de los líquidos de entrada, es entonces

Tc (t) − Tsr (t)
Q f (t) = Qc (t). (20.39)
Tsr (t) − T f (t)
El caudal requerido del líquido frío, depende de las temperaturas de los dos lí-
quidos y del caudal del líquido caliente. Se supondrá en este caso, que la temperatura
del líquido frío permanece constante y que son solo la temperatura y el caudal del
líquido caliente, las perturbaciones que deben compensarse.
En la figura 20.17 se muestra el diagrama de flujo de instrumentos del sistema
de control anticipativo, para el tanque de mezcla.
Como el controlador anticipativo (20.39) determina el valor requerido de la va-
riable manipulada −el caudal del líquido frío−, normalmente es necesario incluir
un lazo de control para mantener esta variable en el valor calculado −lazo de con-
trol interno de un sistema de control en cascada−, ver la sección 19.3 del Capítulo
19.
TIC TIT
25 25
Lazo de
control
realimentado
S.P. FIC
10
FY
20
I/P
FY
FT TT 10 FT FE TI
20 FV 15
FE 20 10 10
10
20
Figura 20.18: Ejemplo 20.3 - Control anticipativo y realimentado de la temperatura

en un tanque de mezcla
Dado que el control anticipativo solo considera aquellas perturbaciones que son
medidas y tomadas en cuenta dentro de sus ecuaciones, no puede ejercer ninguna
acción correctiva sobre los efectos de las perturbaciones no medidas o no tomadas
en cuenta en su diseño, es que normalmente este esquema de control no se emplea
solo, si no más bien en combinación con un un lazo de control realimentado, como
se muestra en el diagrama de flujo de instrumentos de la figura 20.18.
El controlador anticipativo corregirá el efecto de las perturbaciones medidas,
mientras que el lazo de control realimentado, el de las perturbaciones no medidas,
así como el de las imperfecciones o simplificaciones hechas en el desarrollo del
controlador anticipativo.
En este caso, las perturbaciones consideradas por el controlador anticipativo,
son solamente Qc y Tc . Además, este controlador es una simple ecuación algebrai-
ca, por lo que el comportamiento dinámico del sistema ante los cambios en estas
variables, no está considerado.
El ejemplo anterior es una aplicación del control anticipativo estático, ya que la

ecuación del controlador se determinó a partir de una balance de energía en estado
estacionario. Esta ecuación no toma en cuenta el hecho que hay una dinámica del
proceso asociada con los equipos.
En la ecuación del controlador anticipativo, se ha supuesto que lo apropiado era
una corrección instantánea, dado que si alguna de las variables de entrada al controla-
dor cambia, hay un cálculo instantáneo del valor necesario de la variable manipulada.
En la realidad, al producirse las perturbaciones, no hay un cambio instantáneo
en la variable controlada. Es más, la dinámica entre las perturbaciones y la variable
controlada, no necesariamente es la misma, que entre al variable manipulada y la
variable controlada.
Para mejorar la exactitud del control anticipativo, es necesario incluir los efectos
dinámicos del proceso, en el ajuste de la variable manipulada.
Una forma de proveer una compensación dinámica, es a través de obtener una
ecuación general de control anticipativo, como una relación dinámica en estado no
estacionario, tal como se indicó en la sección 20.3.2.
20.5 Resumen
Mientras que el control realimentado trata de corregir el error −reacciona ante el
error−, el control anticipativo por su parte pretende evitar la presencia del error −se
anticipa al error−.
Se puede establecer un esquema de control anticipativo para el seguimiento de
un valor deseado que cambia, o para el rechazo de la perturbación.
En ambos casos, el modelo del proceso controlado, en concreto su inversa, for-
ma parte del controlador anticipativo. Dado que normalmente los modelos son una
función de transferencia propia y con componentes de fase no mínima, su inversa
solo se puede obtener en forma aproximada, por lo que el funcionamiento logrado
del control anticipativo no es perfecto.
Si el proceso controlado es muy no lineal, el comportamiento del control antici-
pativo se deteriora, si el punto de operación del sistema de control se aleja del punto
donde se ajustó el modelo utilizado.
Dado que el control anticipativo solo trata de compensar el efecto de la perturba-
ción que es medida (tomada en cuenta en el controlador), este debe complementarse
con un lazo de control realimentado, para corregir el efecto de las demás perturba-
ciones y las variaciones de las características dinámicas del proceso controlado.
20.6 Bibliografía


edición.
21
Control multilazo de los procesos

multivariables
21.1 Introducción
21.2 Procesos interactivos “2x2” (TITO)
21.3 Efecto de la interacción sobre la estabilidad de los lazos de control
21.3.1 Polos de lazo cerrado
21.3.2 Índice de Niederlinski
21.4 Matriz de índices de interacción (RGA)
21.4.1 RGA de un proceso TITO
21.5 Índice de interacción e índice de Niederlinski de un proceso TITO
21.6 Medición de la interacción utilizando información dinámica
21.6.1 Matriz de ganancias relativas normalizadas (RNGA)
21.7 Ajuste de los controladores en un sistema de control multilazo
21.8 Red de desacopladores
21.9 Control multilazo de procesos con propagación de la perturbación
21.9.1 Control de un calentador continuo
21.10 Resumen
21.11 Bibliografía
Hasta el momento, los esquemas de control estudiados, han estado relacionados con
procesos en los que se ha considerado que se tiene solo una variable controlada y solo
una variable manipulada asociada a ella, por lo que estos procesos son denominados
procesos univariables, o procesos SISO (“single-input-single-output”).
873
874 21 Control multilazo de los procesos multivariables
Aunque los sistemas de control en cascada vistos en la sección 19.3 del Capítulo
19, están formados por dos o más lazos de control y en estos se controla más de una
variable, se tiene solo una variable manipulada para ejercer el control.
También, como se vio en la sección 19.4 del Capítulo 19, en los sistemas de
control selectivo se requiere “controlar” varias variables y se cuenta con solo una
variable manipulada para hacerlo. En este caso, el proceso controlado podría deno-
minarse como un proceso SIMO (“single-input-multi-output”) .
En un proceso complejo, normalmente existe un gran número de variables que
deben ser controladas y se puede disponer también, de igual número de variables
que pueden ser manipuladas, para establecer los lazos de control necesarios para el
control de las variables de interés. Estos procesos se denominan en forma general,
como procesos multivariables o procesos MIMO (“multi-input-multi-output”).
Debido a la posible interacción existente entre las variables manipuladas y con-
troladas en un proceso multivariable, su control presenta mayores dificultades que el
de un proceso univariable.
El control de los procesos multivariables de orden n x n (n variables controladas
y n variables manipuladas), puede efectuarse utilizando un conjunto de n2 contro-
ladores, un controlador multivariable −control centralizado−, o también utilizando
un sistema de control multilazo −control decentralizado− esto es, empleando un
conjunto de n controladores cada uno de ellos asociado con una pareja (variable con-
trolada, variable manipulada) (Tan et al., 1999).
El control multilazo presenta varias ventajas sobre el control multivariable: 1.
conceptualmente es más fácil de entender; 2. se utilizan menos controladores y por
lo tanto, hay menos parámetros que ajustar; y 3. es más tolerante a fallas, ya que
cada lazo de control individual se mantiene estable, cuando alguno de los otros no se
encuentre en operación automática.
Sin embargo, para el control multilazo de un proceso multivariable n x n, existen
n! posibles configuraciones de control, de entre las cuales debe seleccionarse la co-
rrespondiente a las parejas (variable controlada, variable manipulada), que permitan
el mejor control. Como se verá más adelante, se seleccionará el emparejamiento que
produzca la menor interacción posible entre los lazos de control.
A continuación, se presenta una introducción al diseño de los sistemas de control
multilazo de los procesos multivariables, utilizando controladores con un algoritmo
de control PI(D).
21.1 Introducción
En los sistemas de control multilazo de los procesos multivariables, al ejercer el
control de una de las variables controladas, ya sea por la variación de su valor deseado

control de nivel y tempera-
tura Caudal de
entrada
Fluido
calefactor
LT TT
Figura 21.2: Proceso no

interactivo (nivel)
fluido frío
(temperatura)
fluido caliente
o por ser afectada por una o varias perturbaciones, puede que se afecte de algún
modo el sistema de control de otra de las variables controladas. Si al corregir la
“perturbación” producida en esta otra variable controlada, no se afecta a su vez a la
primera, entonces se dirá que estas variables controladas están desacopladas y cada
lazo de control individual se puede considerar, para efectos de su diseño, como un
sistema de control univariable.
Por ejemplo, si se deben controlar el nivel y la temperatura del líquido en el
tanque de la figura 21.1 y se puede manipular el caudal del líquido de entrada al
tanque y el del líquido calefactor circulando por el serpentín dentro del tanque, la
selección de cual variable manipulada se debe utilizar, para controlar cada una de las
variables controladas es evidente y única.
Aunque un cambio del caudal del líquido de entrada afecta tanto el nivel como
la temperatura del líquido en el tanque, el caudal del líquido calefactor solo afecta su
temperatura, tal como se muestra en la figura 21.2. Este es un proceso no interactivo
y sus sistemas de control están desacoplados.
La selección correcta de las parejas (variable controlada, variable manipulada)
sería en este caso (control del nivel del líquido en el tanque manipulando el caudal
de líquido frío) y (control de la temperatura del líquido en el tanque manipulando el
caudal del líquido calefactor).
Sin embargo, aunque en este caso se tienen dos sistemas de control univariable,
debe tenerse en cuenta que los cambios producidos en el caudal del líquido de entra-
da, dentro del sistema de control del nivel del líquido en el tanque, introducirán una

control de nivel y tempera-
tura de una mezcla Fluido Fluido
frío
caliente
LT TT
“perturbación” en el sistema de control de su temperatura. Por lo tanto, una pertur-

bación que entre en el lazo de control de nivel, afectará entonces también al lazo de
control de temperatura. En ocasiones, a este fenómeno se le denomina propagación
de la perturbación.
Por otra parte, en los casos en los cuales la acción correctiva para llevar una
variable controlada a un nuevo valor deseado, si este es cambiado, o para regresar-
la al mismo, después de que fuera afectada por una perturbación, influye en forma
negativa en otro lazo de control, y este, debido a la corrección de esta afectación
(considerada como una perturbación), incide a su vez en el primero, se dirá entonces
que existe interacción entre los lazos de control. Se tendrá entonces un sistema de
control multilazo.
En el diseño del sistema de control multilazo de un proceso multivariable, se
presentan primeramente dos interrogantes:
1. ¿Cuál variable manipulada se debe utilizar para controlar cada una de las va-
riables controladas? esto es, cómo deben seleccionarse las parejas (variable
controlada, variable manipulada), y
2. Si el emparejamiento de las variables controladas y manipuladas es el correcto

¿qué sucederá cuando una de perturbación afecte a una de las variables con-
troladas?
Por ejemplo si, en el tanque mostrado en la figura 21.3, deben controlarse nue-
vamente el nivel y la temperatura de una mezcla de dos líquidos (uno frío y otro
caliente), la selección de cual de los líquidos de entrada utilizar para controlar cada
una de las variables, ahora no es evidente ni única. Debe estudiarse el efecto que las
variables manipuladas tienen, sobre cada una de las variables controladas.
21.2. Procesos interactivos “2x2” (TITO) 877
Figura 21.4: Proceso inter-

activo (nivel)
fluido frío
(temperatura)
fluido caliente
Tal como se muestra en la figura 21.4, tanto el caudal del líquido caliente como el
del frío, afectan el nivel y la temperatura de la mezcla de líquidos dentro del tanque.
Este es un proceso interactivo.
Como se verá más adelante, existe una forma de medir el grado de interacción
entre los lazos del sistema de control multilazo, que a la vez provee una indicación
de cómo seleccionar las parejas (variable controlada, variable manipulada).
Las medidas de la interacción, tratan de dar respuesta a la pregunta: ¿Cómo es
afectada la función de transferencia entre una variable manipulada m j y una variable
controlada ci dadas, por el sistema de control multilazo de todas las otras variables
controladas? (Bristol, 1966).
21.2 Procesos interactivos “2x2” (TITO)

Como un caso particular de los sistemas de múltiples entradas y salidas (MIMO),
considérese un proceso interactivo con dos variables controladas y dos variables
manipuladas disponibles para su control, un proceso “2x2” o proceso TITO (“two-
inputs-two-outputs”), el cual se muestra en la figura 21.5.
En este caso, las ecuaciones del modelo del proceso controlado son
y(s) = P(s)u(s), (21.1)

y1 (s) P11 (s) P12 (s) u1 (s)
= , (21.2)
y2 (s) P21 (s) P22 (s) u2 (s)
donde Pi j (s) es el modelo del proceso controlado que relaciona la señal realimentada
(variable controlada) yi (s) con la señal de control (variable manipulada) u j (s).
La pregunta que surge para diseñar el sistema de control multilazo es ¿cómo
seleccionar las parejas (y, u)? y luego, si se han seleccionado las parejas (variable
controlada, variable manipulada) ¿funcionará bien el sistema de control?
Se debe dar entonces respuesta a las siguientes preguntas:
1. ¿Cuál es la mejor selección de las parejas (y, u)? esto es, el mejor “empareja-
miento” de las variables controladas, con las variables manipuladas.
+ +
+ +
Figura 21.5: Proceso multivariable “2x2”
2. ¿Cuánta será la interacción que existirá entre los lazos de control establecidos?
y ¿cómo afecta esta la estabilidad del sistema de control?
3. Si la interacción es fuerte ¿qué se puede hacer para reducirla o eliminarla?
21.3 Efecto de la interacción sobre la estabilidad de los

lazos de control
Supóngase por el momento, que se han seleccionado adecuadamente las parejas (va-
riable controlada, variable manipulada) y que los lazos de control se han establecido,
Las funciones de transferencia de lazo cerrado de cada lazo de control individual
21.3. Efecto de la interacción sobre la estabilidad de los lazos de control 879
-
+ +
+
+
+ +
-
Figura 21.6: Sistema de control realimentado multivariable
(cuando el otro lazo de control está en operación manual), son
y1 (s) C1 (s)P11 (s)

= , (21.3)
r1 (s) 1 +C1 (s)P11 (s)
y2 (s) C2 (s)P22 (s)
= . (21.4)
r2 (s) 1 +C2 (s)P22 (s)
Cuando los dos lazos de control están en operación automática, las funciones de
transferencia de lazo cerrado que se pueden establecer, son
y1 (s) C1 (s)P11 (s)[1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 (s)P12 (s)
= , (21.5)
r1 (s) [1 +C1 (s)P11 (s)][1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 P12 (s)
y2 (s) C2 (s)P22 (s)[1 +C1 (s)P11 (s)] −C2 (s)P12 (s)C1 (s)P21 (s)
= , (21.6)
y1 (s) C2 (s)P12 (s)
= , (21.7)
y2 (s) C1 (s)P21 (s)
= . (21.8)
21.3.1 Polos de lazo cerrado

De (21.3) y (21.4), se tiene que las ecuaciones características de cada lazo de control
individual, son
1 +C1 (s)P11 (s) = 0, (21.9)

1 +C2 (s)P22 (s) = 0. (21.10)
Por su parte, como se muestra en (21.5) a (21.8), para el sistema de control mul-
tilazo, la ecuación característica (cuando ambos lazos de control están en operación
automática), de todas las funciones de transferencias de lazo cerrado, es
[1 +C1 (s)P11 (s)][1 +C2 (s)P22 (s)] −C1 (s)P21 (s)C2 P12 (s) = 0. (21.11)
Para que cada lazo de control sea estable, si el otro está fuera de servicio, las
raíces de (21.9) y (21.10) deben tener todas parte real negativa.
Sin embargo, como se ve de (21.11), las raíces la ecuación característica del
sistema de control multilazo completo, no son las mismas que las de de las ecuaciones
características individuales (21.9) y (21.10), por lo que aunque cada lazo de control
sea estable cuando funcionan individualmente, el sistema de control multilazo podría
ser inestable.
Los polos de lazo cerrado de cada lazo de control individual, no son a la vez,
polos de lazo cerrado del sistema de control multilazo.
Como se aprecia en la figura 21.7, si los dos lazos de control están operando en
modo automático, cuando se presenta una perturbación d1 , mientras el controlador C1
está corrigiendo su efecto sobre la variable controlada Y1 , debido a la interacción la
perturbación afecta la variable controlada Y2 a través de P21 , por lo que el controlador
C2 efectúa su corrección, afectando a la vez a Y1 a través de P12 .
Por lo tanto, hay oculto un lazo de realimentación que involucra a los dos con-
troladores, C1 (s) y C2 (s), y a los procesos representados por los modelos P12 (s) y
P21 (s).
Para que la interacción afecte la estabilidad del sistema de control multilazo, cada
variable manipulada debe afectar a ambas variables controladas. En el caso en que
K12 = 0 o K21 = 0, si cada lazo de control individual es estable, el sistema completo
será estable. En este caso, como se verá adelante, la medición de la interacción entre
los lazos de control, indicará que el proceso es no interactivo.
21.3.2 Índice de Niederlinski

Las posibles parejas (variable controlada, variable manipulada) que conducen a la-
zos de control inestables, pueden determinarse y desecharse en la etapa de diseño,
utilizando el índice de Niederlinski (NI).
21.3. Efecto de la interacción sobre la estabilidad de los lazos de control 881
-
+ +
+
+
+ +
-
Figura 21.7: Efecto de la interacción del proceso controlado
Se supone que todas las funciones de transferencia Pi j (s) de la matriz de trans-

ferencia del modelo del proceso controlado son estables y que además, cada lazo
de control individual es estable operando en automático, si los demás lazos están en
operación manual.
Si las funciones de transferencia individuales de la matriz de transferencia del
modelo del proceso controlado P(s), se han ordenado de manera que la variable con-
trolada i se controla con la variable manipulada i -emparejamiento diagonal-, el NI
se define como (Niederlinski, 1971)
. |K|
NI = , (21.12)
∏ni=1 Kii
donde |K| es el determinante de la matriz de ganancias del modelo del proceso con-
trolado y los Kii son las ganancias de las funciones de transferencia de su diagonal.
Si el NI < 0, el sistema de control multilazo de un proceso multivariable, será
inestable para cualquier conjunto de parámetros de los algoritmos de control de los
controladores.
Sin embargo, si el NI > 0, el sistema de control multilazo puede o no ser estable,
dependiendo de los parámetros de los algoritmos de control de los controladores.
Por lo tanto, el que el NI sea positivo, será una condición necesaria pero no
suficiente, para garantizar que el sistema de control multilazo sea estable.
Es necesario entonces que, para la formación de parejas (variable controlada,
variable manipulada) seleccionada, el NI sea positivo, de manera que el sistema de
control multilazo pueda ser estabilizado, con una selección adecuada de los paráme-
tros de los algoritmos de control de los controladores.
El cálculo del NI, solo puede aplicarse cuando los controladores de todos los
lazos de control, tienen modo integral esto es, son PI o PID.
Como la condición de inestabilidad, NI < 0, no depende de los parámetros de
los algoritmos de control de los controladores, esta es una condición de inestabilidad
estructural, esto es, intrínseca al proceso controlado, tal como ha quedado definido
por la selección de las parejas (y, u) hecha.
21.4 Matriz de índices de interacción (RGA)

Para determinar el grado de interacción entre los lazos de control y poder así estable-
cer la forma de asociar a cada variable controlada una de las variables manipuladas,
se utilizará la matriz de índices de interacción o matriz de ganancias relativas (RGA
- “relative gain array”) de Bristol (1966).
Los elementos de la matriz de índices de interacción, están dados por la expresión

. ∂ yi /∂ u j uk ,k6= j “ganancia a lazo abierto”

λi j = = . (21.13)
∂ yi /∂ u j y ,k6=i
“ganancia a lazo cerrado”
k
Esto es, por la razón de la ganancia en estado estacionario del modelo del proceso (yi ,
u j ), el proceso del lazo i j, a la ganancia en estado estacionario del proceso aparente
que ve el mismo controlador, cuando todos los otros lazos de control están cerrados.
Por lo tanto, el elemento λi j de la matriz, representa el efecto que tienen los
demás lazos de control sobre la ganancia del proceso controlado, para una pareja
(variable controlada, variable manipulada) dada, por lo que su valor es una medida
de la interacción entre los lazos.
Esta medida de interacción, supone que los lazos de control logran que en estado
estacionario, las variables controladas sean iguales a sus valores deseados, esto es,
todos tienen un error permanente igual a cero.
21.4. Matriz de índices de interacción (RGA) 883
21.4.1 RGA de un proceso TITO

Considerando el sistema de un proceso “2x2” (TITO), en estado estacionario las
ganancias estáticas del modelo del proceso, son

K11 K12
K= . (21.14)
K21 K22
Por otra parte, como se muestra en la figura 21.7, el proceso aparente visto por
el controlador 1, cuando el lazo de de control 2 está cerrado, es

y1 (s) C2 (s)
= P11 (s) − P12 (s)P21 (s) . (21.15)
u1 (s) 1 +C2 (s)P22 (s)
Por lo tanto, la planta vista por el controlador C1 (s) involucra al controlador C2 (s).
En estado estacionario y suponiendo un control perfecto por parte del lazo de
control 2, de (21.15) la ganancia del proceso aparente visto por el controlador 1, es
2c K11 K22 − K12 K21

K11 = , (21.16)
K22
por lo que el índice de ganancias relativas para la pareja (y1 , u1 ), resulta ser
2o
K11 K11 K11 K22
λ11 = 2c
= 2c = (21.17)
K11 K11 K11 K22 − K12 K21
Analizando los otras posibles parejas para el caso del proceso TITO, se obtiene
que la matriz de ganancias relativas es

1 K11 K22 −K12 K21
Λ2x2 = . (21.18)
K11 K22 − K12 K21 −K12 K21 K11 K22
El general, los elementos (21.13) de la matriz de ganancias relativas, están dados

por la expresión
λi j = Ki j K−1 ji .

(21.19)
Esta matriz tiene la propiedad, que la suma de los elementos de cada columna y
de cada fila es 1, esto es, que
n n
∑ λi j = ∑ λi j = 1. (21.20)
i=1 j=1
Por lo tanto, en el caso de un proceso 2x2, solamente se requiere calcular uno de sus
elementos.
Por otra parte, la matriz de ganancias relativas no se ve afectada si se efectúa un

escalamiento -o normalización- del sistema.
Con base en el análisis de la matriz de ganancias relativas, las parejas (yi , u j )
deben seleccionarse de manera que la medida de interacción λi j sea positiva y lo más
cercana posible a 1 (Bristol, 1966).
Debe tenerse en consideración, que la matriz de índices de interacción (RGA)
de Bristol, solo toma en consideración información del comportamiento estático del
proceso controlado. Por su parte, Witcher y McAvoy (1977) desarrollaron una matriz
de ganancias dinámicas que toma en consideración el comportamiento dinámico del
proceso, al seleccionarse las parejas (variable controlada, variable manipulada).
Para un proceso TITO, si se define el índice de interacción λ , como
. 1
λ = λRGA = , (21.21)
1 − K12 K21 /(K11 K22 )
la matriz de índices de interacción (21.18), se puede escribir como

λ 1−λ
Λ2x2 = . (21.22)
1−λ λ
Cuando la acción de los dos lazos de control es en la misma dirección −interacción

“positiva’−, la ganancia relativa 0 < λ < 1 y la ganancia del “proceso aparente” del
lazo 1, se incrementa al cerrar el otro lazo. Por su parte, cuando la acción de los lazos
es en el sentido contrario −interacción “negativa”−, la ganancia relativa λ < 0, o
λ > 1. En este último caso, la ganancia del “proceso aparente” del lazo 1, se reduce
al cerrar el otro lazo.
Supóngase que, por ejemplo, para un proceso dado la matriz de ganancias relati-
vas RGA es

0,20 0,80
Λ0 = .
0,80 0,20
En este caso λ11 = λ22 = 0,20 = 1/5. Esto indica que si las parejas seleccionadas
fueran (y1 , u1 ) y (y2 , u2 ), la ganancia de un lazo de control aumentaría cinco veces
cuando se cierre el otro lazo.
Por otra parte, λ12 = λ21 = 0,80 = 4/5. Esto indica que si las parejas selecciona-
das fueran (y1 , u2 ) y (y2 , u1 ), la ganancia de un lazo de control aumentaría solo 1,25
veces cuando se cierre el otro lazo.
Por lo tanto, deben seleccionarse las parejas (y1 , u2 ) y (y2 , u1 ), esto es, usar u2
para controlar y1 y u1 para controlar y2 .
21.4. Matriz de índices de interacción (RGA) 885
Ejemplo 21.1 Matriz de ganancias relativas

Considérense los procesos controlados cuyas matrices de ganancias relativas (RGA),
son
1 0 0 1
Λ1 = , Λ2 = .
0 1 1 0
Tanto Λ1 como Λ2 indican que no hay interacción y la selección de las parejas sería
(y1 , u1 ) (y2 , u2 ) para el caso 1 y (y1 , u2 ) (y2 , u1 ) para el 2. En ambos casos, cada uno
de los lazos se diseña como un lazo de control realimentado simple.
Si ahora
0,50 0,50
Λ3 = ,
0,50 0,50
la interacción es máxima y debe buscase como reducirla o eliminarla.
En el caso en que
0,75 0,25
Λ4 = ,
0,25 0,75
la interacción se puede considerar débil, pero si

0,45 0,55
Λ5 = ,
0,55 0,45
la interacción sería fuerte.
También puede darse el caso en que, la matriz de ganancias relativas sea por
ejemplo
1,25 −0,25
Λ6 = .
−0,25 1,25
Ahora, si se seleccionaran las parejas (y1 , u1 ) y (y2 , u2 ), la ganancia del proceso
aparente de un lazo se reduce al cerrar el otro lazo. Sin embargo, si se seleccionaran
las parejas (y1 , u2 ) y (y2 , u1 ), la ganancia de un lazo no solo se cuadruplicaría al
cerrar el otro lazo, sino que cambiaría de signo, por lo que aunque un lazo de control
fuera estable trabajando solo (con el otro en modo manual), este se inestabilizaría
al momento de cerrarse el otro, por el cambio en el signo de la ganancia del proceso
controlado aparente que ve.
Con base en la matriz de índices de interacción (RGA) (21.22), con λ dado por
(21.21), para el caso de un proceso TITO (21.22), se recomienda:
• λ = 1 - usar las parejas (y1 , u1 ) y (y2 , u2 ), no hay interacción, K12 K21 = 0,
la “ganancia de lazo abierto” es igual a la “ganancia de lazo cerrado”. Sin
embargo, aún siendo K12 K21 = 0 si una de estas dos ganancias, K12 o K21 , es
diferente de cero, existirá entonces una propagación de la perturbación de un
lazo de control al otro -una “interacción en una sola dirección”-.
• λ = 0 - usar las parejas (y1 , u2 ) y (y2 , u1 ), no hay interacción, la “ganancia de

lazo abierto” es cero, la variable manipulada u1 no afecta a la variable contro-
lada y1 .
• 0,7 ≤ λ < 1 - usar las parejas (y1 , u1 ) y (y2 , u2 ), la interacción es débil.
• 0 < λ ≤ 0,3 - usar las parejas (y1 , u2 ) y (y2 , u1 ), la interacción es débil.
• 0,3 < λ < 0,7 - usar una red de desacopladores, la interacción es fuerte (ver la
sección 21.8).
• 1 < λ ≤ 1,5 - usar las parejas (y1 , u1 ) y (y2 , u2 ).
• −0,5 ≤ λ < 0 - usar las parejas (y1 , u2 ) y (y2 , u1 ).
• λ > 1,5 - usar una red de desacopladores.
• λ < −0,5 - usar una red de desacopladores.
El criterio de emparejamiento anterior, es válido para procesos controlados es-

tables, para los cuales no deben seleccionarse parejas cuyos índices de interacción
sean negativos, o que produzcan sistemas de control con un índice de Niederlinski
negativo. Si el proceso controlado posee polos inestables, pudiera ser conveniente
más bien seleccionar en algunos casos, emparejamientos para los cuales el índice de
Niederlinski es negativo, o cuyos índices de interacción son también negativos, de-
pendiendo de si es solo uno o son todos los polos inestables, los que aparecen en todas
las funciones de transferencia de la matriz de transferencia del modelo del proceso
controlado. Hovd y Skogestad (1993) proveen recomendaciones para seleccionar las
parejas (variable controlada, variable manipulada), para los procesos inestables con
estas características.
21.5 Relación entre el índice de interacción y el índice de

Niederlinski para un proceso TITO
Supóngase que para el control multivariable de un proceso 2x2 (TITO), se han se-
leccionado las parejas (y1 , u1 ) y (y2 , u2 ), y que la matriz de ganancias en estado
estacionario del proceso controlado, es

K11 K12
K= . (21.23)
K21 K22
21.6. Medición de la interacción utilizando información dinámica 887
Se ha establecido en (21.21) que, en este caso, el índice de interacción, está dado

por la expresión
K11 K22
λRGA2x2 = . (21.24)
K11 K22 − K12 K21
Además, utilizando (21.12), se puede determinar que para el proceso TITO, el
índice de Niederlinski es
K11 K22 − K12 K21
NI2x2 = . (21.25)
K11 K22
Por lo tanto, para un proceso TITO se tiene, que
1
NI2x2 = . (21.26)
λRGA2x2
Esto confirma que esta selección de parejas (variable controlada, variable mani-
pulada), puede ser estabilizado solo si λRGA2x2 > 0.
Por otra parte, si se define la razón de ganancias Z para el proceso TITO, como
(Ajayi y Ogboh, 2012)
. K12 K21
Z2x2 = , (21.27)
K11 K22
entonces, la matriz de ganancias relativas RGA se puede escribir, como

1 1 −Z2x2
Λ2x2 = , (21.28)
1 − Z2x2 −Z2x2 1
y el índice de Niederlinski NI, como
NI2x2 = 1 − Z2x2 . (21.29)
Por lo tanto, en un proceso TITO, la interacción entre los lazos de control selec-
cionando el emparejamiento (yi , ui ), está caracterizada solo por la razón Z2x2 . Entre
menor sea el valor de la razón de ganancias, menor será la interacción entre los dos
lazos de control.
Para los procesos controlados multilazo de orden superior a dos, no hay una
relación directa entre los elementos de la RGA y el NI.
21.6 Medición de la interacción utilizando información

dinámica del proceso controlado
Debido a que la matriz de índices de interacción (RGA), solo toma en consideración
las ganancias en estado estacionario del modelo del proceso controlado, es posible
que la selección de las parejas (yi , u j ) no sea la más adecuada, por omitirse las carac-
terísticas dinámicas del proceso.
Considérese por ejemplo el proceso controlado cuyo modelo está dado por la
matriz de transferencia
 −40s −4s

5e e
 100s+1 10s+1
P(s) =  . (21.30)

−5e−4s 5e−40s
10s+1 100s+1
Para este proceso, la matriz de índices de interacción RGA es

0,833 0,167
ΛRGA = , (21.31)
0,167 0,833
por lo que la recomendación sería seleccionar las parejas (y1 , u1 ) y (y2 , u2 ).

Sin embargo, ajustando los parámetros de algoritmos de control PI para los dos
controladores, de manera que se optimice la respuesta a un cambio escalón en el
valor deseado, utilizando una funcional de costo que penalice el error cuadrático y el
esfuerzo de control cuadrático, McAvoy et al. (2003) encuentran que si se seleccionan
más bien las parejas (y1 , u2 ) y (y2 , u1 ), se obtiene un mejor control. Proponen utilizar
entonces, una matriz de ganancias relativas dinámicas (DRGA - “dynamic relative
gain array”), la cual depende de los parámetros de los controladores.
Para el proceso cuyo modelo es (21.30), es evidente que la dinámica de la in-
fluencia de las variables manipuladas sobre las variables controladas debido a la
interacción (modelos fuera de la diagonal de P), es diez veces más rápida que la
dinámica del modelo del proceso controlado por cada lazo (modelos en la diagonal).
Por lo tanto, es mejor seleccionar las parejas de los lazos de control, de manera de
aprovechar esta mayor velocidad, aunque sus ganancias relativas sean menores.
Desde la introducción de la matriz de ganancias relativas (RGA) por parte de
Bristol (1966), se han propuesto otros índices alternativos para medir la interacción
de los proceso multivariables y seleccionar las parejas (variable controlada, variable
manipulada). Por ejemplo, la DRGA (“dynamic relative gain array”), la PRGA (per-
formance relative gain array”), la PRG (partial relative gain”), la ERGA (“effective
relative gain array”), la RIA (“relative interaction array”) y otros (Khaki-Sedigh y
Moaveni, 2009).
Sin embargo, y a pesar de las limitaciones de la matriz de ganancias relativas
RGA, como la indicadas por ejemplo en Häggblom (1995), este es el índice matricial
más utilizado con este propósito, principalmente por su simplicidad y por requerir
solo información en estado estacionario de los modelos del proceso controlado.
21.6.1 Matriz de ganancias relativas normalizadas (RNGA)

Para tomar en cuenta tanto las características estáticas como dinámicas del proce-
so controlado, He et al. (2009) proponen utilizar la matriz de ganancias relativas
normalizadas (RNGA - “relative normalized gain array”).
Como información en estado estacionario, toman las ganancias Ki j de las funcio-
nes de transferencia de la matriz del modelo del proceso controlado y como informa-
ción dinámica, sus tiempos de residencia medios T∑ i j .
La ganancia normalizada del modelo del proceso controlado se define, como
. Ki j
KNi j = . (21.32)
T∑ i j
Si las funciones de transferencia de los modelos en P(s), son de la forma
Ki j e−Li j s
Pi j (s) = , (21.33)
Ti j s + 1
sus ganancias normalizadas son
Ki j
KNi j = , (21.34)
Ti j + Li j
y si son de la forma
ωni2 j Ki j e−Li j s
Pi j (s) = , (21.35)
s2 + 2ζi j ωni j s + ωni2 j
entonces estas son
Ki j
KNi j = . (21.36)
2ζi j /ωni j + Li j
Los elementos de la matriz de ganancias relativas normalizadas (RNGA), corres-
ponderán a la razón de la ganancia normalizada del proceso controlado de un lazo
de control, respecto a la ganancia normalizada del proceso controlado aparente visto
por el controlador, cuando los otros lazos de control operan en automático y están
dados por la expresión
λNi j = KNi j KN −1 ji .

(21.37)
En forma similar al caso de la RGA, en la RNGA se cumple que la suma de los
elementos de una columna y de una fila son 1 (∑ni=1 λNi j = ∑nj=1 λNi j = 1).
Por su parte, la recomendación para la selección de las parejas (variable contro-
lada, variable manipulada), es similar. Deben seleccionarse las parejas cuyo índice
λNi j es positivo y más cercano a 1.
RNGA de un proceso TITO

Supóngase primero que las funciones de transferencia del modelo del proceso con-
trolado, son todas sobreamortiguadas y de la forma general
Ki j e−Li j s
Pi j (s) = . (21.38)
(Ti j s + 1)(aTi j s + 1)
por lo tanto, su ganancia normalizada (21.32), es
Ki j
KNi j = . (21.39)
(1 + a)Ti j + Li j
Para un proceso TITO, se define el índice de interacción normalizado λN , como
. 1
λN = λRNGA = , (21.40)
1 − KN12 KN21 /(KN11 KN22 )
y la matriz de índices de interacción normalizados, es entonces

λN 1 − λN
ΛN2x2 = . (21.41)
1 − λN λN
Ejemplo 21.2 Matriz de ganancias relativas normalizadas

Considérese el proceso controlado TITO cuyo modelo es (21.30). En este caso, la
información estática es
5 1
K= , (21.42)
−5 5
y la dinámica
140 14
T∑ = . (21.43)
14 140
El cálculo de las ganancias normalizadas, da que estas son entonces

0,0357 0,0714
KN = , (21.44)
−0,3571 0,0357
Para este proceso, la matriz de ganancias relativas normalizadas (RNGA) (21.41),
es
0,0476 0,9524
ΛRNGA = , (21.45)
0,9524 0,0476
por lo que la recomendación sería seleccionar las parejas (y1 , u2 ) y (y2 , u1 ), coinci-
diendo con la recomendación de McAvoy et al. (2003) y no con el emparejamiento
que se podría haber hecho utilizando la RGA (21.31).
Ejemplo 21.3 Matriz de ganancias relativas normalizadas

Considérese ahora el proceso controlado TITO cuyo modelo es
 −2,4s −3,6s 
5,4e −7,6e
 20,4s+1 25,2s+1
P= . (21.46)

2,8e−8,4s −7,8e−3,6s
14,2s+1 17,4s+1
Para este proceso, la matriz de ganancias relativas (RGA) es

1,24 −0,24
ΛRGA = , (21.47)
−0,24 1,24
y la la matriz de ganancias relativas normalizadas (RNGA)

1,16 −0,16
ΛRNGA = , (21.48)
−0,16 1,16
La recomendación para la formación de las parejas, a partir de la RNGA es la

misma que la obtenida con la RGA.
De la definición (21.19) de los elementos de la RGA y de la definición (21.36)

de los elementos de la RNGA, se hace evidente que para los procesos controlados
cuyos modelos tienen todos una dinámica similar (T∑ del mismo orden de magnitud),
la RNGA no cambiará significativamente el peso de las ganancias de los modelos,
resultando seguramente en la misma recomendación para la formación de las parejas
(variable controlada, variable manipulada) que la obtenida con la RGA. Sin embargo,
si las dinámicas de los modelos son muy diferentes entre si, la RNGA aumentará el
peso relativo de las ganancias de los modelos con una dinámica rápida (menor T∑ ),
pudiendo entonces resultar en una recomendación de parejas diferente.
La selección de las parejas (variable controlada, variable manipulada), debe ha-
cerse primero utilizando la RGA o preferiblemente con la RNGA. Luego, deben
ordenarse los lazos de control de manera que las parejas (y, u) seleccionadas, corres-
pondan a un emparejamiento diagonal (yi , ui ) y verificarse entonces que el sistema
de control multivariable puede ser estabilizado, determinando su NI definido en la
sección 21.3.2.
Ejemplo 21.4 Interacción en un tanque de mezcla

Considérese el tanque mostrado en la figura 21.8, en el cual se efectúa la mezcla
de dos líquidos, uno frío y uno caliente, para lograr una mezcla de temperatura
constante. Además, se debe mantener constante el nivel del líquido en el tanque.
Fluido Fluido
caliente frío
LT TT
Figura 21.8: Ejemplo 21.4 - Tanque de mezcla de líquidos
Se pueden manipular los dos líquidos de entrada, mientras que el caudal de

salida depende de las necesidades de uso de la mezcla.
Los datos del proceso son:
• Área transversal del tanque, A = 10 dm2 ,
• Constante de la válvula de salida, R0 = 0,60 dm/(L/min),
• Nivel deseado del líquido en el tanque, Hr = 1,5 m (15 dm),
• Temperatura del líquido caliente, Tc = 90 ◦C,
• Temperatura del líquido frío, T f = 25 ◦C,
• Temperatura deseada para el líquido de salida, Tsr = 75 ◦C.
Para el modelo se tiene:
• Balance volumétrico de la mezcla de líquidos en el tanque
dH(t) H(t)
A = Qc (t) + Q f (t) − 0 , (21.49)
dt R
• Balance de energía de la mezcla de líquidos en el tanque

d(CρAH(t)T (t)) CρH(t)T (t)
= CρQc (t)Tc (t) +CρQ f (t)T f (t) − . (21.50)
dt R0
con los que se obtiene el modelo dinámico del sistema, dado por
dH(t)
A = −(1/R0 )H(t) + Qc (t) + Q f (t), (21.51)
dt
dT (t)
AH(t) = [Tc (t) − T (t)]Qc (t) + [T f (t) − T (t)]Q f (t). (21.52)
dt
En el modelo dado por (21.51) y (21.52), se puede observar que el nivel del líqui-
do en el tanque no depende de su temperatura, pero que su temperatura si depende
de su nivel. Además, los dos caudales de entrada manipulados, aparecen en ambas
ecuaciones.
Entonces ¿Cuál caudal de entrada se debe utilizar para controlar la temperatu-
ra? y ¿Cuál para controlar el nivel del líquido en el tanque?
Utilizando (21.51) y (21.52) y las condiciones de operación deseadas, se en-
cuentra que en estado estacionario se tiene: Q f o + Qco = 25 L min−1 , Ho = 15 dm,
Q f o = 5,77 L min−1 , y Qco = 19,23 L min−1 .
Para calcular la matriz de índices de interacción, se debe obtener primero un
modelo linealizado del proceso controlado. La linealización de (21.51) y (21.52) da

dh(t) 1 1 1
=− h(t) + qc (t) + q f (t), (21.53)
dt AR0 o A A
dT 0 (t)

Tc − T T f − T Qc + Q f 0
= qc (t) + q f (t) − T (t), (21.54)
dt AH o AH o AH o
donde h, qc , q f y T 0 son variaciones, en torno al punto de equilibrio seleccionado.
Evaluando (21.53) y (21.54) en el punto de operación, se obtiene que
dh(t)
= −0,167h(t) + 0,1qc (t) + 0,1q f (t), (21.55)
dt
dT 0 (t)
= −0,167T 0 (t) + 0,1qc (t) − 0,333q f (t). (21.56)
dt
Aplicando la transformada de Laplace a (21.55) y (21.56) y ordenando, el mo-
delo en funciones de transferencia del proceso, es
0,60 0,60
h(s) = qc (s) + q f (s), (21.57)
6s + 1 6s + 1
0,60 2,0
T 0 (s) = qc (s) − q f (s). (21.58)
6s + 1 6s + 1
Cuadro 21.1: Ejemplo 21.4 Tr ◦C Qco L min−1 Q f o L min−1

- Caudales en los puntos
de equilibrio 75,0 19,23 5,77
60,0 13,46 11,54
57,5 12,50 12,50
35,0 3,85 21,15
Se nota del modelo, que el caudal del líquido caliente qc y el caudal del líquido
frío q f , afectan en la misma forma al nivel h del líquido. Por su parte, el caudal del
líquido frío q f afecta más la temperatura T 0 del líquido, que el caudal del líquido
caliente qc . En forma intuitiva parece que, en este punto de operación, se debe con-
trolar la temperatura del líquido (T 0 ) con el caudal que más la afecta (q f ) y el nivel
(h) con el otro (qc ).
No debe olvidarse que las ganancias de las funciones de transferencia del modelo
lineal, dependen del punto de operación en que este se ha obtenido.
De (21.55) y (21.56) las ganancias estáticas son: K11 = 0,60, K12 = 0,60, K21 =
0,60 y K22 = −2,0, con las que se obtiene la matriz de índices de interacción

0,77 0,23
Λ 75◦C = . (21.59)
0,23 0,77
La interacción es débil y las parejas de las variables deben ser (H, Qc ) y (T, Q f ).
Se manipulará el caudal del líquido caliente para controlar el nivel y el del líquido
frío para controlar la temperatura, tal como se había previsto anteriormente en for-
ma intuitiva de la inspección del modelo.
En este caso, se tiene que el índice de Niederlinski NI75◦C = 0,91 > 0 y el sistema
de control puede ser estabilizado.
¿Qué sucede si, manteniendo el valor deseado del nivel en 1,5 m, se cambia el
valor deseado de la temperatura del líquido en el tanque a 60 ◦C, luego a 57,5 ◦C
y por último a 35 ◦C? ¿Afectará el cambio del valor deseado de la temperatura, la
interacción de los lazos de control? ¡Definitivamente que sí!
Si se mantiene el valor deseado del nivel del líquido en el tanque en Hr = 1,5
m (15 dm) y se varía el valor deseado de su temperatura, los caudales requeridos
del fluido caliente y el fluido frío necesarios para lograr los puntos de equilibrio
correspondientes, se listan en el cuadro 21.1.
A medida que se disminuye el valor de la temperatura deseada Tr , disminuye el
caudal requerido del líquido caliente Qc y aumenta el caudal del líquido frío Q f .
Para estos puntos de equilibrio, la interacción del proceso está dada por las
siguientes matrices de ganancias relativas

0,54 0,46
Λ60◦C = , (21.60)
0,46 0,54

0,50 0,50
Λ57,5◦C = , (21.61)
0,50 0,50

0,15 0,85
Λ35 C =
◦ . (21.62)
0,85 0,15
Si el valor deseada de la temperatura es cercano a la temperatura del fluido
caliente, la interacción es débil. Si este se disminuye, aumenta la interacción, hasta
que esta se hace máxima, cuando este valor deseado coincide con el promedio de las
temperaturas de los líquidos de entrada.
Si el valor deseado de la temperatura se acerca a la temperatura del líquido
frío, la interacción vuelve a ser débil, pero el emparejamiento de las variables se ha
invertido. Para Tr = 35 ◦C se debe utilizar el caudal del líquido frío para controlar
el nivel y el caudal del líquido caliente para controlar la temperatura.
Lo anterior confirma lo que se puede intuir esto es, que se debe utilizar como
variable manipulada aquella que más afecta la variable que se desea controlar.
Si el valor deseado es cercano a la temperatura del líquido caliente, entonces los
cambios en el caudal del líquido caliente la afectarán muy poco, mientras que los
cambios en el caudal del líquido frío la afectarán en forma significativa. Si el valor
deseado de la temperatura es más bien cercano a la temperatura del líquido frío,
ocurre lo contrario (Häggblom, 1993).
Se se determina el índice de Niederlinsky en estos casos, se tiene que NI60◦C =
0,27 > 0, el sistema puede ser estabilizado; NI57,5◦C = 0, el sistema no se puede
estabilizar; NI35◦C = −31,1 < 0 y el sistema sería inestable. En este último caso si
0
se invierte la selección de las parejas (y, u), se tiene que NI35 ◦C = 0,97 > 0 y el
sistema de control multivariable puede ser estabilizado.

En el caso particular de este ejemplo, todas las funciones de transferencia del
modelo del proceso controlado (21.57) y (21.58), tienen el mismo tiempo de residen-
cia medio T∑ , por lo que la recomendación para el emparejamiento de las variables
controladas y manipuladas, dado por la matriz de ganancias relativas normalizadas
(RNGA), sería la misma que la obtenida con la matriz de ganancias relativas (RGA).
Ejemplo 21.5 RGA, RNGA y NI

Considérese el proceso controlado 3x3 (tres variables controladas y tres variables
manipuladas), cuya matriz de transferencia está dado por la expresión (He et al.,
2009)
e−9s −9e−5s 13e−3s
 
6s2 +17s+1 s2 +4s+1 3s2 +35s+1
 
 
−13s 8e−2s 7e−5s
P(s) =  2s−5e . (21.63)
 
 2 +19s+1 s2 +33s+1 s2 +3s+1 
 
−16e−3s 3e−7s e−11s
s2 +5s+1 s2 +14s+1 3s2 +25s+1
Para este, la matriz de ganancias estacionarias, es
 
1 −9 13
K =  −5 8 7 , (21.64)
−16 3 1
y la de los tiempos de residencia media

 
26 9 38
T∑ = 32 35 8  . (21.65)
8 21 36
Para este proceso, la matriz de ganancias relativas (RGA), es

 
−0,0054 0,3981 0,6073
ΛRGA = −0,0992 0,6912 0,4080  , (21.66)
1,1046 −0,0893 −0,0153
por lo que las parejas (variable controlada, variable manipulada) recomendadas son
(y1 , u3 ), (y2 , u2 ), y (y3 , u1 ). Para esta selección de parejas, el índice de Niederlinski
es NI1 = 1,4537.
Si se toma en consideración la información dinámica, de los modelos del proceso
controlado, se tiene que la matriz de ganancias normalizadas (RNGA), es
 
−0,0024 0,9237 0,0787
ΛRNGA = −0,0063 0,0829 0,9235  , (21.67)
1,0088 −0,0066 −0,0022
siendo ahora que la recomendación de emparejamiento es (y1 , u2 ), (y2 , u3 ), y (y3 ,

u1 ). Para este nuevo emparejamiento, el índice de Niederlinski es NI2 = 2,3998.
De conformidad con los índices de Niederlinski, tanto el emparejamiento su-
gerido por la RGA, como el sugerido por la RNGA, conducen a sistemas de control
multilazo PI(D) que pueden ser estabilizados. Sin embargo, He et al. (2009) determi-
naron que el seleccionar las parejas (y, u) con base en la información proporcionada
por la RNGA, permite obtener un sistema de control con un mejor desempeño ISE
general, que el logrado con las parejas sugeridas por la información de la RGA.
21.7. Ajuste de los controladores en un sistema de control multilazo 897
21.7 Ajuste de los controladores en un sistema de control

multilazo
Una vez seleccionados las parejas (variable controlada, variable manipulada), debe
procederse al ajuste (sintonización) de los parámetros de los algoritmos de control de
los controladores.
Debido a la interacción, no es posible ajustar los parámetros de los controladores,
como si se tratara de lazos de control independientes, ya que de hacerlo así, cuando
estos se pongan en funcionamiento automático, su comportamiento puede ser muy
diferente.
Ajuste iterativo
Una posible forma de ajuste, sería utilizar un procedimiento iterativo esto es, ajustar
los parámetros del algoritmo de control de un controlador (siguiendo el criterio de
diseño seleccionado), preferiblemente el correspondiente a la dinámica más rápida
del proceso, con los demás controladores en modo manual, poner luego el lazo ajus-
tado en automático y proceder a ajustar los parámetros del algoritmo de control de
otro controlador. Seguir este procedimiento hasta completar el ajuste de todos los
controladores.
Una vez realizado esto, volver a ajustar el primer controlador y luego los si-
guientes, hasta que los parámetros de ajuste de todos los algoritmos de control de los
controladores, converjan a valores más o menos constantes.
Esto podría ser un procedimiento muy lento y tedioso y no se garantiza su conver-
gencia, ya que depende del grado de interacción existente entre los diferentes lazos
de control.
Desintonización de los parámetros de los controladores
Si cada lazo de control se ha ajustado en forma independiente, una práctica usual es

la desintonización de los controladores, consistente en la reducción de su ganancia y
el aumento de su tiempo integral, la cual puede no ser igual para todos los lazos.
Para un proceso 2x2 (TITO) con controladores con algoritmos de control propor-
cional e integral (PI), una posible desintonización sería:
• Ganancia
Si 0,50 < λ < 1,50, reducir la ganancia Kp un poco menos de la mitad. Para λ
fuera de este ámbito, reducirla a la mitad.
• Tiempo integral
Si 0,50 < λ < 1, multiplicar el tiempo integral por dos. Para λ > 1 no modificar
el Ti .
Un procedimiento similar es propuesto por Luyben (1986), en el cual se ajustan

controladores PI con el método de Ziegler y Nichols1 y se utiliza un factor de desin-
tonización 2 ≤ F ≤ 5 −las ganancias proporcionales de los controladores se dividen
por F y sus tiempos integrales se multiplican por F−. El factor de desintonización se
ajusta, de manera de lograr el grado de estabilidad relativa de lazo cerrado deseado.
Monica et al. (1988) sugieren adicionar el modo derivativo a los controladores
anteriores, dividiendo el tiempo derivativo determinado originalmente, por otro factor
de desintonización (FD ).
21.8 Red de desacopladores

Cuando la interacción entre las variables de un proceso es fuerte, un esquema de
control con base en lazos de control realimentado independientes no funciona co-
rrectamente, es necesario mostrar a los controladores un proceso controlado aparente
desacoplado.
Para logar esto debe introducirse, entre los controladores y el proceso controlado,
una red de desacopladores, tal como se muestra en la figura 21.9.
Para desacoplar un proceso P(s), debe seleccionarse una matriz de desacoplado-
res D(s), de manera que el proceso aparente resultante (el “proceso controlado” que
ven los controladores) dada por P(s)D(s) = T(s), sea una matriz diagonal.
Para el caso de un proceso 2x2 (TITO), si la matriz de transferencia del proceso
aparente deseado es

T11 (s) 0
T(s) = , (21.68)
0 T22 (s)
la matriz de los desacopladores requeridos sería

1 P22 (s)T11 (s) −P12 (s)T22 (s)
D(s) = . (21.69)
P11 (s)P22 (s) − P12 (s)P21 (s) −P21 (s)T11 (s) P11 (s)T22 (s)
A continuación, se presentan dos estructuras de desacople más simples y por lo

tanto más utilizadas, que la red de desacopladores general anterior.
1 Aunque podría utilizarse otra regla de ajuste, para determinar los valores iniciales de los paráme-
tros de los controladores.
21.8. Red de desacopladores 899
Planta aparente
Controladores Red de desacopladores Proceso multivariable
-
+ + +
+
+
+ + +
-
Figura 21.9: Sistema de control con desacopladores
• Desacople simplificado
En lugar de seleccionar T11 (s) y T22 (s) y calcular D(s), lo cual requiere la
implementación de los cuatro desacopladores, normalmente se seleccionan ar-
bitrariamente dos elementos de distintas columnas de D(s) y se ajustan los
controladores con base en la matriz de transferencia del proceso aparente T(s)
resultante.
Una forma usual de selección, es hacer dos elementos de distinta columna de
D(s) iguales a 1, con lo que se obtiene

1 −P12 (s)/P11 (s)
D1 (s) = , (21.70)
−P21 (s)/P22 (s) 1

1 1
D2 (s) = , (21.71)
−P21 (s)/P22 (s) −P11 (s)/P12 (s)

−P22 (s)/P21 (s) −P12 (s)/P11 (s)
D3 (s) = , (21.72)
1 1

−P22 (s)/P21 (s) 1
D4 (s) = . (21.73)
1 −P11 (s)/P12 (s)
La forma más común de D(s) es D1 (s), conocida como desacople simplificado.

Utilizando D1 (s), el proceso aparente visto por los controladores sería
11 (s)P22 (s)−P12 (s)P21 (s)

"P #
P22 (s) 0
T(s) = P11 (s)P22 (s)−P12 (s)P21 (s) , (21.74)
0 P11 (s)
la cual muestra la efectividad del desacople.
Debido a las características (orden relativo de los polinomios del numerador y

denominar, y sus componentes de fase no mínima) de los modelos Pi j (s) del
proceso controlado, pudiera ser que alguno de los elementos de la matriz de
desacopladores, por ejemplo el D112 (s) de D1 (s) no fuera realizable. En este
caso, es muy probable que su inverso (D422 (s)) si lo sea y podría utilizarse
entonces la red de desacopladores D4 (s).
• Desacople parcial
Una forma aún más simple de desacoplamiento, consiste en eliminar los efec-
tos que sobre la variable controlada más importante, tiene el otro lazo de con-
trol, utilizando solo un elemento desacoplador.
Este desacople parcial, se puede lograr seleccionando, por ejemplo, los desaco-
ladores, como
P22 (s)
D12 (s) = − , (21.75)
P21 (s)
D21 (s) = 0. (21.76)
No está de más hacer notar que en este caso, D11 (s) = 1 y D22 (s) = 1.
En todas las estructuras de desacople presentadas, debe tenerse en cuenta que

los elementos de la matriz de desacopladores, se obtienen a partir de los modelos
del proceso controlado, identificados en un punto de operación determinado −los
modelos nominales−. Por lo tanto, aunque se pudiera logra un dasacople perfecto en
este punto, su efectividad se verá disminuida en otros puntos de operación, si debido a
las no linealidades del proceso, su dinámica es diferente a la utilizada para el cálculo
de las funciones de transferencia de los desacopladores.
21.9. Control multilazo de procesos con propagación de la perturbación 901
21.9 Control multilazo de procesos con propagación de la

perturbación
Como se ha visto, el diseño del sistema de control multilazo de un proceso multiva-
riable, presenta una dificultad mayor que el diseño de un conjunto de lazos de control
univariables, debido a la interacción existente entre los lazos de control.
Si bien existen procesos multivariables interactivos, un caso más simple pero más
frecuente, es el de los procesos multivariables no interactivos −desacoplados− en los
cuales existe sin embargo una propagación de la perturbación, tal como se describió
en la sección 21.1. En estos casos, el diseño del sistema de control requiere seguir un
procedimiento especial.
En particular, en un proceso TITO no interactivo, existe una propagación de la
perturbación, si el funcionamiento de uno de los dos lazos de control, ejerce una in-
fluencia perturbadora sobre el otro, pero en el cual, el funcionamiento de este último,
no perturba a su vez al primero −interacción en solo una dirección−.
21.9.1 Control de un calentador continuo

Considérese el proceso constituido por un calentador continuo (CSTH - “continuous
stirred-tank heater”), cuyo sistema de control se muestra en el diagrama de flujo de
instrumento (P&ID) de la figura 21.10.
El calentador es utilizado para calentar una solución acuosa. En el, se deben
controlar tanto la temperatura T (t) del líquido dentro del calentador, como su nivel
H(t). Para realizar esto, se puede manipular el caudal del líquido calefactor Qc (t) por
la “chaqueta” calefactora −por donde circula el líquido calefactor− del calentador
y el caudal Q(t) del líquido caliente saliendo de este. Además, existen tres posibles
perturbaciones: el caudal Qi (t) del líquido de entrada −la “carga” del proceso−, su
temperatura Ti (t) y la temperatura de entrada Tci (t) del líquido calefactor.
El desarrollo del modelo de este proceso, a partir de los balances de masa y ener-
gía en el tanque así como en la chaqueta calefactora del tanque, y los transmisores
y válvulas de control utilizadas, se describe en forma detallada en Alfaro y Vilano-
va (2016), en donde de establecen también, los valores de todos los parámetros y
condiciones de operación del sistema.
El modelo de este proceso controlado incluye 17 variables, de las cuales cinco son
variables de entrada, relacionadas ellas por ocho ecuaciones diferenciales no lineales
y cuatro ecuaciones algebraicas no lineales.
Aunque el CSTH es un proceso multivariable −tiene dos variables controladas y
dos variables manipuladas asociadas a estas− este es no interactivo.
En este caso, la formación de las parejas (variable controlada, variable manipu-
lada) es obvia y única, debiendo utilizarse el caudal de salida del calefactor para
Figura 21.10: CSTH - Diagrama de flujo de instrumentos (Alfaro y Vilanova, 2016)
Figura 21.11: CSTH - Dia-

grama de bloques del sis-
tema de control (Alfaro y
Vilanova, 2016)
controlar el nivel del líquido en este (H(t), Q(t)) y el caudal del líquido calefactor
para controlar su temperatura (T (t), Qc (t)).
El sistema de control del nivel del líquido en el tanque, perturba al sistema de
control de su temperatura, pero este último no afecta el nivel del líquido. En este
proceso existe una propagación de la perturbación, como se muestra en forma esque-
mática en la figura 21.11.
Los cambios en la temperatura Ti (t) del líquido de entrada y la temperatura Tci (t)
21.10. Resumen 903
de entrada del líquido calefactor y su caudal Qc (t), no afectan el nivel del líquido en
el tanque. Por otra parte, el caudal Qi (t) de entrada de líquido afecta el nivel H(t) del
mismo, la transferencia de calor W (t) desde la chaqueta calefactora al líquido en el
tanque y por lo tanto, a su temperatura T (t).
Como se puede deducir de la figura 21.11, el modelo linealizado del CSTH debe
incluir funciones de transferencia que representen la relaciones dinámicas UL (s) →
YL (s), UL (s) → YT (s), Qi (s) → YL (s), Qi (s) → YT (s), UT (s) → YT (s), Ti (s) → YT (s)
y Tci (s) → YT (s). Sin embargo, el efecto de los cambios en el caudal Qi (s) de entrada
y el valor deseado Hsp (s) del nivel del líquido en el tanque, son “filtrados” por el
sistema de control de nivel del tanque que incluye al controlador de nivel (LIC).
El proceso controlado “visto” por el controlador de temperatura (TIC), incluye
en su totalidad al sistema de control de nivel.
Por lo tanto, el diseño del sistema de control multilazo de un proceso multiva-
riable como este, en que existe una propagación de la perturbación, se debe realizar
en forma secuencial: 1. con base en los modelos identificados correspondientes, se
deben ajustar los parámetros del algoritmo de control del controlador en el lazo de
control, que introduce la perturbación en el otro −en el caso del CSTH este es el de
nivel−; 2. este sistema de control debe ponerse en operación automática; 3. se deben
identificar los modelos del proceso controlado involucrado en el otro lazo de control
−el de temperatura−; 4. con base en estos nuevo modelos, se deben ajustar los pará-
metros del algoritmo de control del segundo lazo y 5. poner en operación automática
el segundo lazo de control.
La identificación de los modelos del proceso controlado, así como el ajuste de
los controladores del sistema de control multilazo del CSTH, se detallan en Alfaro y
Vilanova (2016).
Para el control del nivel del líquido en el tanque, se utiliza un controlador (LIC)
con un algoritmo de control PI de 2GdL (PI2 ), cuyos parámetros se obtienen utili-
zando el método de ajuste analítico robusto ART2 descrito en la sección 13.4.3 del
Capítulo 13, y para el control de su temperatura, un controlador (TIC) con un algo-
ritmo de control PID Estándar de 2GdL (PID2 ). Como en el caso del ejemplo del
CSTH, resulta ser que en el sistema de control de la temperatura Pd (s) 6= Pu (s), se
emplea entonces el método de ajuste robusto por modelo de referencia MoReRT, tal
como se describe en la sección 16.5 del Capítulo 16.
21.10 Resumen
Para el desarrollo del sistema de control, de los procesos en los cuales hay un con-
junto de variables controladas, para lo que se dispone de otro conjunto de variables
manipuladas, debe obtenerse información sobre la interacción entre las variables del
proceso, para poder formar las parejas (variable controlada, variable manipulada).
La interacción entre las variables del proceso, se puede determinar utilizando
la matriz de ganancias relativas (RGA). Si la interacción es débil, se puede diseñar
el sistema de control del proceso multivariable, como un conjunto de sistemas de
control univariables, aunque pudiera ser necesario desintonizar los controladores para
que pueden trabajar bien en conjunto.
Dado que la RGA solo toma en consideración información del proceso contro-
lado en estado estacionario, es conveniente utilizar la matriz de ganancias relativas
normalizadas (RNGA), para incorporar las características dinámicas del proceso, en
la determinación del grado de interacción existente entre los lazos de control.
La selección de las parejas (variable controlada, variable manipulada), debe com-
plementarse con el cálculo del índice de Niederlinski (NI), para verificar que las pa-
rejas seleccionadas no producen un sistema de control inestable.
Si la interacción es fuerte, es necesario utilizar una red de desacopladores para
eliminar, o disminuir en lo posible, la interacción. La efectividad de la red de desaco-
pladores, depende de cuán severas sean las no linealidades del proceso controlado.
En el caso de los procesos multivariables no interactivos, en los cuales existe
sin embargo una propagación de la perturbación, se debe seguir un procedimiento
secuencial para la identificación de los modelos del proceso y el ajuste de los pará-
metros de los algoritmos de control de los controladores utilizados.
21.11 Bibliografía
Ajayi, T. O. y Ogboh, I. S. (2012). Determination of Control Pairing for Higher
Order Multivariable Systems by the use of Multi-Ratios. International Journal of
Scientific & Engineering Research, 3(3):1–5.

Bristol, E. H. (1966). On a New Measure of Interaction for Multivariable Process

Control. IEEE Trans. Autom. Control, AC-11:133–134.
He, M.-J., Cai, W.-J., Ni, W., y Xie, L.-H. (2009). RNGA based control system
configuration for multivariable processes. Journal of Process Control, 19:1036–
1042.
Häggblom, K. E. (1993). Experimental Comparison of Conventional and Nonlinear

Model-Based Control of a Mixing Tank. Ind. Eng. Chem. Res., 32:2653–2661.
Häggblom, K. E. (1995). Limitations and use of the RGA as a controllability mea-

sure. En Prep. Automation Days, 3 - 5 May, Helsinki, Finland.
Hovd, M. y Skogestad, S. (1993). Pairing Criteria for Unstable Plants. En AIChE

Annual Meeting, Oct. 28, St. Louis, MO, USA.
Khaki-Sedigh, A. y Moaveni, B. (2009). Control Configuration Selection for Multi-

variable Plants. Springer-Verlag Berlin Heidelberg.
Luyben, W. L. (1986). Sinple Method for Tuning SISO Controllers in Multivariable

Systems. Ind. Eng. Chem. Process Des. Dev., 25:654–660.
McAvoy, T., Arkun, Y., Chen, R., Robinson, D., y Schnelle, P. D. (2003). A new ap-
proach to defining a dynamic relative gain. Control Engineering Practice, 11:907–
914.
Monica, T. J., Yu, C.-C., y Luyben, W. L. (1988). Improved Multiloop Single-

Input/Single Output (SISO) Controllers for Multivariable Processes. Ind. Eng.
Chem. Res., 27:969–973.
Niederlinski, A. (1971). A Heuristic Approach to the Design of Linear Multivariable

Interacting Control Systems. Automatica, 7:691–701.
Tan, K. K., Wang, Q.-G., Hang, C. C., y Hägglund, T. (1999). Advances in PID
Control. Springer-Verlag London Limited, London, UK.
Witcher, M. F. y McAvoy, T. J. (1977). Interacting Control Systems: Steady State

and Dynamic Measurement of Interaction. ISA Transactions, 16(3).
Apéndices
907
A
Modelos de los procesos controlados para los

estudios de control
A.1 Conjunto de modelos de prueba

A.2 Modelos analíticos
A.2.1 Reactor químico continuo
A.2.2 Tanque calentador de agua eléctrico
A.2.3 Dinámica de un automóvil
A.2.4 Vehículo con levitación magnética
A.2.5 Sistema hidráulico de tanques no interactivos
A.2.6 Reactor bioquímico
A.2.7 Tanque de mezcla cerrado
A.3 Modelos experimentales
A.3.1 Procesos de pasteurización
A.3.2 Tanque calentador de agua
A.3.3 Mezcla de líquidos en una columna empaquetada
A.4 Bibliografía
Para el análisis y el diseño del sistema de control de un proceso dado, se requiere co-
nocer su comportamiento dinámico. Por lo tanto, es necesario obtener un modelo, ya
sea analítico −modelo paramétrico− o mediante una prueba experimental −modelo
no paramétrico−, a partir de los cuales se determinen los modelos paramétricos re-
queridos para este estudio.
909
910 A Modelos de los procesos controlados para los estudios de control
Usualmente, estos modelos son lineales, invariantes en el tiempo y de orden re-

ducido −de primer o segundo orden−. El proceso controlado es representado por
una o más funciones de transferencia, que describen la relación entre las variables de
interés: la señal realimentada −o la variable controlada−, el esfuerzo de control −o
la variable manipulada− y las principales perturbaciones.
Además, para analizar y comparar el comportamiento de los sistemas de control,
utilizando controladores de diferente estructura o ajustados con diferentes técnicas o
especificaciones de diseño, es conveniente contar también con un conjunto de mode-
los simples, que representen las características “típicas” encontradas en los procesos
industriales.
A.1 Conjunto de modelos de prueba

Para poder comparar el comportamiento y la robustez obtenible, con sistemas de con-
trol utilizando controladores que poseen diferentes algoritmos de control, o ajustados
con diferentes criterios, el proceso controlado por los sistemas a evaluar, debe ser el
mismo.
Con esta intención, Åström y Hägglund (2000, 2006) han propuesto un grupo de
modelos que, en conjunto, representan diferentes características que pueden encon-
trarse en los procesos industriales. Estos incluyen modelos sobreamortiguados, con
respuesta inversa, integrantes e inestables, algunos de los cuales se listan a continua-
ción.
Procesos sobreamortiguados estables

• Modelo de primer orden más tiempo muerto
Ke−Ls L
P(s) = , τL = ∈ {0,05, 0,1, 0,2, 0,5, 1,0, 5,0, 10,0}. (A.1)
Ts+1 T
• Modelo de polo doble más tiempo muerto
Ke−Ls L
P(s) = 2
, τL = ∈ {0,05, 0,1, 0,2, 0,5, 1,0, 5,0, 10,0}. (A.2)
(T s + 1) T
• Modelo de polos múltiples
K
P(s) = , n ∈ {1, 2, 3, 4, 5, 6, 7, 8}. (A.3)
(T s + 1)n
A.1. Conjunto de modelos de prueba 911
• Modelo sobreamortiguado de cuarto orden

K
P(s) = , a0 ∈ {0,1, 0,2, 0,5, 1,0}.
(T s + 1)(a0 T s + 1)(a02 T s + 1)(a03 T s + 1)
(A.4)
Procesos con respuesta inversa

• Modelo de primer orden con un cero en el semiplano derecho
K(−bT s + 1)
P(s) = , b ∈ {0,1, 0,2, 0,5, 1,0, 2,0, 5,0}. (A.5)
Ts+1
• Modelo de tercer orden con un cero en el semiplano derecho

K(−bT s + 1)
P(s) = , b ∈ {0,1, 0,2, 0,5, 1,0}. (A.6)
(T s + 1)3
Procesos inestables
• Modelo con polos en el semiplano derecho
K
P(s) = . (A.7)
T 2 s2 − 1
Procesos integrantes
• Modelos con un polo en el origen
Ke−Ls L
P(s) = , τL = ∈ {0,05, 0,1, 0,2, 0,5, 1,0, 5,0, 10,0}. (A.8)
s(T s + 1) T
Cada uno de estos modelos, solo representa la forma en que la señal realimentada
se comporta ante un cambio en la señal de control y se supone han sido obtenidos
en un punto de operación (Ro , Yo , Uo ) estable hipotético, el punto (r = 0, y = 0,
u = 0, d = 0). Por lo tanto, no proveen información sobre otras características del
proceso, como sus no linealidades, su comportamiento en otro punto de operación, o
los requerimientos de robustez para el lazo de control.
Para efecto de las pruebas comparativas que se pudiera desear realizar, se puede
hacer uso de las versiones normalizadas de los modelos anteriores, haciendo K = 1
y T = 1.
Además, como para el análisis no es relevante la escala de tiempo del modelo,
la constante de tiempo T del modelo (unitaria o con cualquier otro valor), puede
considerase expresada en segundos, minutos, u otra unidad de tiempo.
Para el control de los procesos representados por muchos de los modelos ante-
riores, como los de primer orden o polo doble más tiempo muerto, los integrantes
o inestables, están disponibles procedimientos o reglas de ajuste de los parámetros
del algoritmo de control del controlador, que pueden utilizarse directamente con la
información (parámetros) del modelo utilizado.
Sin embargo, en el caso del modelo de prueba sobreamortiguado de cuarto orden
(A.4), es necesario obtener modelos de orden reducido (de primer o segundo orden),
que permitan aproximar su comportamiento, con el fin de emplearlos para el ajuste
de los parámetros del algoritmo de control del controlador.
Por lo tanto, para el modelo (A.4), se ajustarán los parámetros de los siguientes
modelos:
1. Aproximación de primer orden más tiempo muerto (epomtm)
Ke−Ls Ke−τL T s
P1 (s) = = , (A.9)
T1 s + 1 τ1 T s + 1
T1 = τ1 T, L = τL T. (A.10)
2. Aproximación de segundo orden más tiempo muerto (esomtm)
Ke−Ls Ke−τL T s
P2 (s) = = , (A.11)
(T1 s + 1)(T2 s + 1) (τ1 T s + 1)(τ2 T s + 1)
T1 = τ1 T, T2 = τ2 T, L = τL T. (A.12)
Los parámetros de las aproximaciones epomtm y esomtm del modelo de cuarto

orden (A.4), obtenidos utilizando el método de ajuste de modelos de tres puntos 123c
(ver la sección 8.3.2 del Capítulo 8), se listan en el cuadro A.1.
Si a0 = 0,1 −el modelo es prácticamente de primer orden− solo lo aproxima con
fidelidad el modelo epomtm. A medida que el valor de a0 en (A.4) aumenta, se pueden
obtener aproximaciones de segundo orden (esomtm) con polos distintos, que tienden
a ser de polo doble (epdmtm) cuando 0,6 ≤ a0 ≤ 1,0.
Si se emplea ahora la regla de la mitad, descrita en la sección 8.10.1 del Capítulo
8, para obtener los modelos de orden reducido (A.9) y (A.11), para aproximar (A.4),
se tiene que:
1. Modelo epomtm
τ1 = 1 + 0,5a0 , (A.13)
τL = (0,5 + a0 + a02 )a0 . (A.14)
A.2. Modelos analíticos 913
Cuadro A.1: Modelo de 4° a0 τ1 τ2 τL

orden - Parámetros de los
modelos de orden reducido 0,1 1,003 - 0,112
epomtm y esomtm 0,2 1,027 - 0,234
0,2 1,022 0,170 0,056
0,3 1,077 - 0,366
0,3 0,957 0,334 0,118
0,4 1,149 - 0,517
0,4 0,856 0,603 0,147
0,5 1,247 - 0,691
0,5 0,876 0,719 0,277
0,6 1,376 - 0,886
0,6 0,873 0,873 0,443
0,8 1,757 - 1,337
0,8 1,115 1,115 0,771
1,0 2,343 - 1,861
1,0 1,487 1,487 1,106
2. Modelo esomtm
τ1 = 1, (A.15)
0 0
τ2 = (1 + 0,5a )a , (A.16)
τL = (0,5 + a0 )a02 . (A.17)
En ambas aproximaciones T∑ = (1 + a0 + a02 + a03 )T .
A.2 Modelos analíticos

En el Capítulo 4 se desarrolló, a manera de ejemplo, el modelo analítico de un tan-
que de mezcla, incluyendo los instrumentos requeridos para implementar un sistema
de control para el mismo. Este puede ser utilizado como una “planta piloto” en los
estudios de control.
A continuación se presenta en forma condensada, la obtención de los modelos
para otros procesos que pueden ser utilizados también, para realizar el análisis y el
diseño de los sistemas de control.
A.2.1 Reactor químico continuo

Se analizan a continuación, las ecuaciones del reactor químico continuo (CSTR -
“continuous stirred-tank reactor”) de volumen constante, mostrado en la figura A.1,
Figura A.1: Reactor quími-

co continuo (CSTR)
en el cual se desarrolla una reacción de Van de Vusse (1964).
Modelo
La reacción de Van de Vusse está descrita por las relaciones (Vojtesek y Dostal, 2005)
1k 2 k
A −→ B −→ C, (A.18)
k3
2A −→ D. (A.19)
Realizando un balance de masa y uno de energía dentro del reactor, se obtienen

las siguientes ecuaciones para modelarlo
dCA (t) Fr (t)

= [CAi −CA (t)] − k1 (Tr )CA (t) − k3 (Tr )CA2 (t), (A.20)
dt V
dCB (t) Fr (t)
=− CB (t) + k1 (Tr )CA (t) − k2 (Tr )CB (t), (A.21)
dt V
dTr (t) Fr (t) hr AU
= [Tri − Tr (t)] − + [Tc (t) − Tr (t)] , (A.22)
dt V ρr cvr V ρr cvr
dTc (t) 1
= {Qc (t) + AU [Tr (t) − Tc (t)]} , (A.23)
dt mc cvc
donde las razones de reacción ki , son
ki (Tr ) = koi e−Ei /RTr . (A.24)
Proceso isotérmico
Si se considera que la temperatura dentro del reactor Tr y la del líquido enfriador Tc
son constantes -proceso isotérmico-, (A.20) a (A.23) se reducen a
dCA (t) Fr (t)
= [CAi −CA (t)] − k1CA (t) − k3CA2 (t), (A.25)
dt V
dCB (t) Fr (t)
=− CB (t) + k1CA (t) − k2CB (t), (A.26)
dt V
donde los ki son ahora constantes.
En (A.25) y (A.26) se tiene:
• CA - concentración de A,
• CB - concentración de B,
• CAi - concentración de A en el caudal de entrada al reactor,
• Fr - caudal volumétrico a través del reactor,
• ki - razones de reacción,
• V - volumen del reactor,
En este caso, las variables de interés son la concentración de B en el reactor

(CB - variable controlada), el caudal del líquido a través del reactor (Fr - variable
manipulada), y la concentración de A en el líquido de entrada (CAi - perturbación).
Condiciones en estado estacionario

En los puntos de equilibrio de (A.25) y (A.26), se obtiene que

2 k1V + Fro Fro
CAo + CAo − CAi = 0, (A.27)
k3V k3V

k1V
CBo = CAo . (A.28)
k2V + Fro
Estas ecuaciones permiten obtener la característica estática del proceso (CB vs
Fr con CAi como parámetro), para seleccionar el rango de medición del sensor y
transmisor, y para dimensionar el elemento final de control.
Figura A.2: Curva caracte-

10
[gmol/L]
rística estática del reactor 8
CA
4
0
0 2000 4000 6000 8000 10000
−2 Fr [L/min]
1.5 CAi =8 [gmol/L]
CAi =10 [gmol/L]
[gmol/L]
CAi =12 [gmol/L]
1.0
CB
0.5
0.0
0 2000 4000 6000 8000 10000
Fr [L/min]
Valor de los parámetros

Se emplearán en el modelo valores estándar de los parámetros (Long et al., 2004).
Sin embargo, la escala de tiempo del modelo se cambiará a minutos (Bequette, 2003).
Las constantes de reacción, serán
k1 = 50 h−1 = 5/6 min−1 , (A.29)
k2 = 100 h−1 = 5/3 min−1 , (A.30)
k3 = 10 L/(gmol)/h = 1/6 L/(gmol)/min. (A.31)

Se supondrá además, que la concentración de A en el líquido de entrada, es
CAi = 10 g mol L−1 . (A.32)
En la literatura se utiliza frecuentemente el punto de operación correspondiente

a la relación Fr /V = 4/7 min−1 , pero no se da ningún valor para el volumen V del
líquido en el reactor. Se supondrá entonces, que este es un reactor de laboratorio con
un volumen de líquido
V = 700 L, (A.33)
constante, por lo que el caudal en el punto de operación normal, será Fro = 400 L min−1 .
Característica estática
Utilizando (A.27) y (A.28) con los valores de los parámetros (A.29) a (A.33), se
obtiene la curva característica estática del proceso, para tres valores de la concen-
tración de entrada CAi , la cual se muestra en la figura A.2.
Figura A.3: Curva caracte- 6
[gmol/L]
rística estática del reactor 5
4
(ámbito reducido)
CA
3
0
0 200 400 600 800 1000
Fr [L/min]
1.5
[gmol/L] 1.0
CAi =8 [gmol/L]
CAi =10 [gmol/L]
CB
0.5 CAi =12 [gmol/L]
0.0
0 200 400 600 800 1000
Fr [L/min]
Como se puede apreciar de esta figura, el proceso en el CSTR presenta multi-

plicidad en la entrada. Para un rango importante de valores de la concentración de
B, existen dos puntos de operación posibles (dos caudales), para cada valor de la
concentración de A en el líquido de entrada (posible perturbación).
Además, se aprecia que si la concentración de A en el líquido de entrada CAi
disminuye mucho, no será posible alcanzar algunos valores de concentración de B en
el reactor.
Para los sistemas univariables, de una entrada y una salida, no lineales, la mul-
tiplicidad en la entrada existe cuando la ganancia en estado estacionario del proceso
cambia de signo, pasando por cero, en algún punto dentro de su ámbito de operación
(Kuhlmann y Bogle, 1997).
En el caso del CSTR analizado, existe una variación importante en la ganancia
estática del proceso (CB vs Fr ), ya que esta es alta a bajo caudal, pero decrece rápida-
mente a medida que el caudal de líquido por el reactor aumenta, llegando a ser cero y
luego hasta cambia de signo. El control de concentraciones de B, que requieran cau-
dales en el rango de 600 L min−1 a 1000 L min−1 sería difícil, ya que la concentración
CB se vuelve insensible a los cambios en el caudal Fr .
Considerando el punto de operación usual utilizado en los ejemplos mostrados en
la literatura, se restringirá el ámbito de variación del caudal. La característica estática
reducida se muestra en la figura A.3, en la cual se aprecia la no linealidad del proceso.
Puntos de operación
En el cuadro A.2 se muestran algunos posibles puntos de operación, determinados a
partir de las ecuaciones en estado estacionario (A.27) y (A.28).
El valor deseado normal para la concentración CA , será CAr = 1,1 g mol L−1 . Para
mantener este valor de CA , cuando CAi = 10 g mol L−1 , se requiere un caudal Fr =
Cuadro A.2: Condiciones CBo gmol/L CAi gmol/L CAo gmol/L Fro L/min
en estado estacionario del
reactor 1,117 10 3,0 400,0
1,0 11 2,418 243,84
1,0 10 2,5 291,67
1,0 9 2,63 367,50
1,0 8 2,896 522,72
1,1 10 2,917 380,50
1,1 9 3,188 524,06
1,1 8.5 3,545 713,13
380,503 L min−1 . Se supondrá que el valor deseado anterior corresponderá al 70 %

del rango de medición del transmisor y que el caudal para mantenerlo se debe obtener
con un 60 % de apertura de la válvula de control (con una característica de flujo
lineal).
Considerando lo anterior, se seleccionará el rango de medición de la concentra-
ción CB de 0,0 g mol L−1 a 1,5714 g mol L−1 y la capacidad de la válvula de con-
trol con un caudal máximo de 634,1719 L min−1 (rango de variación del caudal de
0,0 L min−1 a 634,1719 L min−1 ).
Se supondrá que las señales (Y , U, R), están expresadas como en porcentaje en
el rango de variación de 0 % a 100 %.
La ecuación del sensor y transmisor de la concentración CB , será entonces

100
Y (t) % = CB (t). (A.34)
1,5714
Si se selecciona una válvula de control, para manipular el caudal Fr del líquido

por el reactor, con una característica de flujo lineal, su ecuación sería

634,1719
Fr (t) = U(t) % . (A.35)
100
Nótese sin embargo que, dada la característica no lineal del proceso, en la práctica
se seleccionaría una válvula de control con una característica de flujo isoporcentual,
de manera de compensar la no linealidad del proceso.
Se podría argumentar que la característica inherente de la válvula de control se
deforma al instalarla, porque la caída de presión en ella no es constante. Sin embargo,
se podría suponer también, que si la bomba de alimentación del líquido tiene una
curva de cabeza versus caudal bastante plana y está cerca del reactor, y la tubería de
alimentación descarga a la atmósfera dentro del reactor, la caída de presión a través
Figura A.4: Característica

estática del conjunto ac-
tuador, planta y sensor del
reactor
de la válvula permanecerá prácticamente constante y la curva característica instalada

de la válvula será muy similar a su curva característica inherente.
La ecuación de la válvula de control con una característica de flujo isoporcentual,
sería h i
Fr (t) = 634,1719 50(U(t) % /100−1) . (A.36)
Incorporando el transmisor y el elemento final de control al proceso, la caracte-

rística estática del conjunto actuador, planta y sensor, se muestra en la figura A.4,
tanto con la válvula de control lineal, como con la válvula de control isoporcentual.
En esta figura, se nota cómo la característica isoporcentual de la válvula de con-
trol, contribuye a compensar en cierta medida la no linealidad del proceso. Además,
se aprecia que, con la capacidad seleccionada para la válvula de control (igual para
ambas), se requiere una mayor apertura de la válvula de control isoporcentual, para
mantener el mismo valor deseado de CB .
Por la simplicidad de su ecuación y para preservar la característica no lineal del
proceso, que puede ser de utilidad en los estudios al comparar el comportamiento
del sistema de control con el proceso “real”, con el obtenido cuando se utiliza un
modelo lineal aproximado, se supondrá que la válvula de control empleada, tiene
una característica de flujo lineal y está modelada por (A.35).
Punto de operación normal
Se seleccionará como punto de operación normal, el correspondiente a las siguientes

condiciones:
CAi = 10,0 g mol L−1 ,

CAo = 2,9175 g mol L−1 ,
CBo = 1,10 g mol L−1 ,
Fro = 380,5032 L min−1 , (A.37)
Ro = 70 %,
Uo = 60 % (con la válvula lineal),
Uo = 86,945 % (con válvula isoporcentual).
Por lo tanto, el valor deseado normal para la variable controlada, corresponderá al

70 % del rango de medición, para lo cual se requiere que la válvula de control (lineal)
esté abierta un 60 %, si en el líquido de entrada la concentración CAi = 10,0 g mol L−1 .
Se supondrá además, que el valor deseado de la concentración de B en el reactor,
no se subirá más de un 8 % (si la concentración CAi no desciende de 10,0 g mol L−1 ),
pero que este puede reducirse en porcentajes mayores.
En cuanto a la posible perturbación, se supondrá que la concentración de A en
el líquido de entrada CAi , puede variar a lo más en ±0,5 g mol L−1 . De la curva
característica estática del proceso controlado mostrada en la figura A.5, se ve que la
perturbación máxima que el sistema de control podría compensar y lograr siempre
mantener la concentración deseada de B en el 70 %, es que CAi no tenga valores por
debajo de 9,0 g mol L−1 .
Característica dinámica
En la figura A.6 se muestra la curva de reacción del proceso, para un cambio escalón
del 10 % en la señal de control U. Esta muestra claramente que el proceso, en su
relación U → Y , tiene una característica de respuesta inversa.
Sin embargo, como se aprecia en la figura A.7, la respuesta a un cambio en la
perturbación CAi (relación D → Y ), no presenta este mismo tipo de comportamiento.
En este proceso, la dinámica entre la señal realimentada (variable controlada) y
la perturbación, es diferente a la existente entre la señal realimentada y la señal de
control (variable manipulada).
70%
Figura A.5: Efecto de las perturbaciones sobre la característica estática del conjunto
actuador, planta y sensor del reactor
Figura A.6: Reactor - Cur-

74
va de reacción del proceso
[%]
(∆U = 10 %)
Y(t)
73
72
71
70
69
0 1 2 3 4 Tiempo, t [min] 5
Figura A.7: Reactor - Res-

74
puesta a la perturbación
[%]
(∆CAi = 0,50 g mol L−1 )
Y(t)
73
72
71
70
69
0 1 2 3 4 Tiempo, t [min] 5
Modelo linealizado
Para realizar los análisis del comportamiento dinámico del reactor, en torno a un
punto de operación, a partir de (A.25) y (A.26) se obtiene un modelo linealizado,
cuyas ecuaciones, son

dcA (t) Fro CAi −CAo Fro
=− + k1 + 2k3CAo cA (t) + fr (t) + cAi (t), (A.38)
dt V V V

dcB (t) Fro CBo
=− + k2 cB (t) + k1 cA (t) − fr (t), (A.39)
dt V V
fr (t) = Kv u(t), (A.40)
y(t) = Kt cB (t), (A.41)
donde cA , cB , fr , cAi , u y y, son variaciones de CA , CB , Fr , CAi , U y Y respectivamente,

en torno al punto de operación {CAo , CBo , Fro , CAio , Uo , Yo }.
Utilizando los valores de los parámetros del reactor, el punto de operación selec-
cionado en (A.37) y aplicando la transformada de Laplace con condiciones iniciales
cero, se obtiene el siguiente modelo lineal en funciones de transferencia
0,3685(−0,3315s + 1)
y(s)∆ % = u(s)∆ %
(0,4524s + 1)(0,4257s + 1)
5,5516
+ cAi (s)∆ g mol L−1 . (A.42)
(0,4524s + 1)(0,4257s + 1)
El modelo lineal del reactor se puede expresar en forma general, como
y(s)∆ % = Pu (s)u(s)∆ % + Pd (s)d(s)∆g mol L−1 , (A.43)

Figura A.8: Diagrama de

bloques del modelo del
reactor isotérmico
+
+
Figura A.9: Respuesta de

los modelos del reactor a
un cambio en la señal de
control
donde
0,3685(−0,3315s + 1)
Pu (s) = , (A.44)
(0,4524s + 1)(0,4257s + 1)
5,5516
Pd (s) = , (A.45)
(0,4524s + 1)(0,4257s + 1)
cuyo diagrama de bloques se muestra en la figura A.8.

Para el reactor isotérmico, el modelo Pu (s) es de segundo orden con un cero en el
semiplano derecho del plano complejo s, con parámetros θP = {K = 0,3685 %/ %, T =
0,4524 min, a = 0,9410, b = 0,7328}.
Por su parte, el modelo Pd (s), es de segundo orden sobreamortiguado con pará-
metros θ p = {K = 5,5516 %/(g mol L−1 ), T = 0,4524 min, a = 0,9410}.
En las figuras A.9 y A.10 se muestra la evolución de la señal realimentada a
un cambio de +10 % en la señal de control y a un incremento de 0,5 g mol L−1 en
la concentración del compuesto A en el líquido de entrada (CAi ) respectivamente,
obtenidas con el modelo linealizado (A.42) y con el modelo analítico original.

un cambio en la perturba-
ción
Si bien las respuestas de los dos modelos, a un cambio en la perturbación son

similares, se nota una diferencia apreciable en el comportamiento predicho por el
modelo lineal, respecto al del modelo analítico original, a los cambios positivos en la
señal de control, la cual crece si la magnitud de los incrementos en la señal de control
aumenta.
Del modelo linealizado (A.42) se puede obtener que un cambio de +10 % en
la señal de control U, produce un cambio del 3,685 % en la señal realimentada Y .
Sin embargo, utilizando el modelo analítico original se puede determinar de la figura
A.9 que dicho cambio debe ser del 3,20 %. Esta diferencia se debe a que la ganancia
del modelo linealizado Pu (s) corresponde a la ganancia del proceso en el punto de
operación del 70 % del ámbito de medición y esta es fija, mientras que en el modelo
no lineal original, esta ganancia decrece un poco a medida que el caudal por el reactor
aumenta.
Si para incrementos en la señal de control, la ganancia de la aproximación lineal
del modelo, es mayor que la real, para decrementos en la señal de control, esta es
más bien menor que la real, tan como se muestra en la figura A.11 para un cambio
de −10 % en la señal de control U.
La ganancia del modelo lineal es constante, mientras que la del modelo no lineal
real, depende no solo del punto de operación del proceso, sino también del signo del
cambio en el estímulo.
En este caso, el modelo lineal se obtuvo linealizando el modelo analítico no li-
neal, en el punto de operación deseado. En la práctica, cuando los modelos lineales
de orden reducido utilizados para representar al proceso controlado, se identifican a
partir de pruebas experimentales, es necesario efectuar cambios en la señal de control
tanto positivos como negativos, y también de diferentes magnitudes, para ajustar un
modelo con parámetros promedio, que represente, aunque sea en forma aproximada,
el comportamiento del proceso cuando se presentan cambios tanto positivos como

un cambio negativo en la
señal de control
negativos en la entrada.
Es importante tener siempre presentes, las limitaciones que tienen los modelos
lineales obtenidos en un punto de operación determinado, los modelos nominales.
Estos permiten predecir los cambios en las variables, solo en la vecindad del punto
de operación seleccionado.
A.2.2 Tanque calentador de agua eléctrico

En la figura A.12, se muestra un calentador de agua eléctrico. En este, se desea in-
crementar la temperatura del agua, utilizando un calentador eléctrico. El tanque tiene
aislamiento térmico en toda su parte exterior, pero este no es perfecto.
Por simplicidad, se supondrá que la densidad del líquido no es afectada en forma
significativa, por los cambios de temperatura, por lo que esta se tomará constante.
Modelo
Un balance de energía en el tanque, establece que la razón de cambio en la energía
dentro del tanque, está dado por la expresión
dT (t)
Cp ρV = Qi (t) − Qs (t) − Qa (t) + Qc (t), (A.46)
dt
donde los flujos de calor, son
Qi (t) = Cp ρq(t)Ti (t), (A.47)

Qs (t) = Cp ρq(t)Ts (t), (A.48)
1
Qa (t) = [Ts (t) − Ta (t)]. (A.49)
Ra
Figura A.12: Tanque calentador de

agua eléctrico
Se considerará que la densidad y la temperatura del agua dentro del tanque son
homogéneas y que la temperatura del agua a la salida del recipiente, es igual a la del
líquido en su interior, Ts = T .
Sustituyendo (A.47) a (A.49) en (A.46), se tiene la ecuación
dTs (t) 1
Cp ρV = Cp ρq(t)Ti (t) −Cp ρq(t)Ts (t) − [Ts (t) − Ta (t)] + Qc (t), (A.50)
dt Ra
donde:
• ρ - densidad de agua, ρ = 975 kg m−3 ,
• Cp - capacidad calorífica del agua, Cp = 4180 J kg−1 ◦C−1 ,
• q - caudal de agua por el tanque, 0,05 10−3 m3 s−1 ≤ q ≤ 0,12 10−3 m3 s−1 ,
qo = 0,10 10−3 m3 s−1 ,
• Qc - flujo de calor suministrado por el calefactor eléctrico [W],
• Ra - resistencia térmica del aislante, Ra = 1,7 ◦C W−1 ,
• Ta - temperatura ambiente, 15 ◦C ≤ Ta ≤ 30 ◦C, Tao = 25 ◦C,
• Ti - temperatura de entrada del agua, 18 ◦C ≤ Ti ≤ 24 ◦C, Tio = 20 ◦C,

• Ts - temperatura de salida del agua [◦C],
• Tsr - valor deseado de la temperatura de salida del agua, 60 ◦C ≤ Tsr ≤ 75 ◦C,

Tsro = 70 ◦C,
• V - volumen del tanque, V = 0,25 m3 ,
En este sistema, la variable controlada es la temperatura de salida Ts (t) del agua

y la variable manipulada el flujo de calor Qc (t) proporcionado por el calefactor.
Instrumentos de medición y actuación

El caudal de agua por el calentador q(t), su temperatura a la entrada Ti (t) y la tem-
peratura ambiente Ta (t), son perturbaciones.
Para incorporar en el modelo la dinámica del elemento de medición, el transmi-
sor de temperatura, y la del elemento de actuación, el calefactor eléctrico, estos se
representarán por las ecuaciones:
• Transmisor de temperatura
d2Y (t) dY (t)

TT2 2
+ 2TT +Y (t) = KT Ts (t), (A.51)
dt dt
donde:
– KT - ganancia del transmisor, KT = 1 %/◦C,

– TT - constante de tiempo del transmisor, TT = 5 s,
– Y - señal de salida del transmisor (0 % a 100 %).
• Calefactor eléctrico
dQc (t)
Tc = −Qc (t) + KcU(t), (A.52)
dt
donde:
– Kc - ganancia del calefactor, Kc = 300 W/ %,

– Tc - constante de tiempo del calefactor, Tc = 30 s,
– U - señal de entrada al sistema calefactor (0 % a 100 %).
Si no hay consumo de agua caliente, el caudal por el calentador es cero, el balance

de energía en el tanque (A.50) se reduce a
dTs (t) 1
Cp ρV = − [Ts (t) − Ta (t)] + Qc (t), (A.53)
dt Ra
Como las pérdidas de calor al medio ambiente son muy pequeñas (el aislante es
casi perfecto), se puede suponer que
dTs (t)
Cp ρV ≈ Qc (t). (A.54)
dt
El proceso sería integrante, toda la energía suministrada por el calefactor eléctrico se

acumularía dentro del calentador. Como solo es posible calentar el agua, si no hay
consumo de agua caliente Q(t) = 0 y su temperatura es igual o mayor a su valor
deseado, Ts (t) ≥ Tsr , el calefactor se debe “apagar”, U(t) = 0 %.
Característica estática
A partir de (A.50) se tiene, que en estado estacionario
1
Cp ρqo Tio −Cp ρqo Tso − Tao + Qco = 0. (A.55)
Ra
Para los parámetros y valores normales (nominales) de las variables del ejemplo,
se obtiene que la característica estática del proceso, es
Ts1 = 24 + 4,89 10−3 Qc , (A.56)

Ts2 = 20 + 2,45 10−3 Qc , (A.57)
−3
Ts3 = 18 + 2,04 10 Qc , (A.58)
para las condiciones correspondientes a los casos de: 1. demanda mínima de ener-
gía {Ti = 24 ◦C, q = 0,05 10−3 m3 s−1 }, 2. demanda normal {Ti = 20 ◦C, q =
0,1 10−3 m3 s−1 } y 3. demanda máxima {Ti = 18 ◦C, q = 0,12 10−3 m3 s−1 }, las
cuales se muestran en la figura A.13.
Como se aprecia de la característica estática del proceso, aunque la relación en-
tre Y y U para una perturbaciones constantes es lineal, estas afectan en una forma no
lineal el comportamiento del proceso si varían. Para evaluar esta influencia, se de-
terminarán las características dinámicas del proceso, en varios puntos de operación
posibles.
Figura A.13: Característica

estática del proceso calen-
tador de agua
Modelo lineal
Si bien las ecuaciones del sensor y transmisor de temperatura (A.51) y del calefactor
eléctrico (A.52) son lineales, el proceso térmico que ocurre en el tanque dado por
(A.50) es no lineal.
Para obtener un modelo lineal del proceso, este se linearizará considerando va-
riaciones de las variables {δ Ts , δ Ti , δ Ta , δ q, δ Qc , u, y}, respecto al punto de
operación {Tso , Tio , Tao , qo , Qco , Uo , Yo }.
El modelo lineal resultante, es

dδ Ts (t) 1
Cp ρV = − Cp ρqo + δ Ts (t) +Cp ρqo δ Ti (t) −Cp ρ[Tso − Tio ]δ q(t)
dt Ra
1
+ δ Ta (t) + δ Qc (t), (A.59)
Ra
y
d2 y(t) dy(t)
TT2 2
+ 2TT + y(t) = KT δ Ts (t), (A.60)
dt dt
dδ Qc (t)
Tc = −δ Qc (t) + Kc u(t). (A.61)
dt
Pasando del dominio del tiempo al de la variable compleja, el proceso controlado
se puede representar por el diagrama de bloques de la figura A.14. Este incluye el
calefactor eléctrico, el tanque de calentamiento y el sensor transmisor de temperatura.
Proceso
Transmisor
Calefactor
Figura A.14: Tanque calentador de agua - Diagrama de bloques del proceso contro-
lado
Cuadro A.3: Tanque calentador de agua - Puntos de operación
Caso Tsr [◦C] Ti [◦C] q [m3 s−1 ] Qc [W] U [ %] Y [ %]

1. 70,0 20,0 0,10 10−3 20 389 68,0 70
2. 60,0 24,0 0,05 10−3 7 348 24,5 60
3. 75,0 18,0 0,12 10−3 27 888 93,0 75
Cuadro A.4: Tanque calentador de agua - Parámetros del comportamiento dinámico
Caso T∑ [s] Ku [ %/ %] KTa [ %/◦C] KTi [ %/◦C] Kq [ %/(m3 s−1 )]

1. 2 536,4 0,735 1,44 10−3 1 −5,0 105
2. 5 025,6 1,468 2,88 10−3 1 −7,18 105
3. 2 120,8 0,613 1,20 10−3 1 −4,74 105
Para su control se interconectará con el controlador por medio de las señales u(s) y
y(s).
El comportamiento dinámico del proceso se evaluará en los tres puntos de ope-
ración listados en el cuadro A.3. El tiempo de residencia medio y las ganancias, para
esos puntos de operación, se listan en el cuadro A.4.
El cambio en el punto de operación del proceso, debido a un cambio en el valor
deseado, o en las perturbaciones, respecto a las condiciones nominales, puede llegar
a hace que el tiempo de residencia medio así como la ganancia del proceso en la
relación U → Y , aumenten en casi un 100 %, mientras que su reducción es menor al
16 %.
Figura A.15: Tanque calentador de agua - Diagrama de bloques para el punto de

operación más probable
El diagrama de bloques del proceso controlado, para las condiciones de operación

nominal (caso 1.), se muestra en la figura A.15.
Como se aprecia, la influencia de la temperatura ambiente Ta sobre la temperatura
Ts del agua a la salida del tanque es muy pequeña, comparada con la de la temperatura
Ti del agua a la entrada del tanque. Las pérdidas de calor al medio ambiente son casi
despreciables. Por lo tanto, no se considerará en adelante el efecto del cambio en la
temperatura ambiente.
Una variación en la señal de control ∆U = ±10 %, produce una variación en la se-
ñal realimentada (la temperatura del agua de salida) ∆Y = ±7,35 % (∆Ti = ±7,35 ◦C).
Por su parte, en las perturbaciones, un cambio de la temperatura de entrada del agua
∆Ti = ±1 ◦C hace que ∆Y = ±1 % (∆Ti = ±1 ◦C) y si el caudal por el tanque calen-
tador varía ∆q = ±0,01 10−3 m3 s−1 que ∆Y = ±5 % (∆Ti = ∓5 ◦C).
Para los estudios de control, el modelo nominal del proceso controlado,
y(s)[∆ %] = Pu (s)u(s)[∆ %] + PdTi (s)δ Ti (s)[∆ ◦C] + Pdq (s)δ q(s)[∆ m3 s−1 ] , (A.62)
es entonces

0,735
y(s) = u(s)
(2500s + 1)(30s + 1)(5s + 1)2
5 105

1
+ δ Ti (s) − δ q(s). (A.63)
(2500s + 1)(5s + 1)2 (2500s + 1)(5s + 1)2
Como el efecto de las perturbaciones δ Ti (s) y δ q(s), sobre la variable contro-
lada δ Ts (s) (y(s)), tienen la misma dinámica excepto por su ganancia (debido a su
Figura A.16: Diagrama de

fuerzas sobre el automóvil
diferente naturaleza física), esto solo afectará la magnitud del error que se produce
en cada caso, por lo que puede realizarse el estudio del comportamiento del control
regulador, empleado cualquiera de estas dos perturbaciones.
A.2.3 Dinámica de un automóvil

Se establecerá a continuación un modelo simplificado de la dinámica de un auto-
móvil, que puede ser utilizado para diseñar el sistema de control de su velocidad de
crucero.
El sistema de control deberá mantener constante la velocidad del vehículo an-
te cambios en la pendiente de la carretera. La variable controlada es por lo tanto,
la velocidad de desplazamiento del automóvil y la variable manipulada el flujo de
combustible al motor (Åström y Murray, 2008).
En la figura A.16 se muestran las fuerzas actuando sobre el vehículo, cuando se
desplaza por una superficie horizontal.
El modelo del automóvil, estará constituido por las siguientes ecuaciones:
1. Ecuación de movimiento del automóvil

dv(t)
m = F(t) − Fd (t), (A.64)
dt
donde:
• F - fuerza de empuje producida por el motor, N.

• Fd - suma de fuerzas opuestas al movimiento, N.
• m - masa del automovil + pasajeros + carga, kg.
• v - velocidad, m s−1 .
2. Motor
El par producido por el motor, a flujo de combustible máximo, es
" 2 #
ω(t)
T (ω,t) = 1 − β −1 Tm , (A.65)
ωm
donde:
• ω - velocidad de rotación del motor, rad s−1 .

• ωm - velocidad de rotación a la que el motor produce el par máximo Tm ,
rad s−1 .
• Tm - par máximo del motor, N m.
3. Sistema de transmisión
La relación entre la velocidad de rotación del motor y la velocidad de despla-
zamiento del automóvil, es
r 1
v(t) = ω(t) = ω(t), (A.66)
n αn
donde:
• αn - relación de engranes de la caja de cambios de cinco velocidades.

• n - relación de engranes de la transmisión.
• r - radio de las ruedas, m.
4. Fuerza de empuje
El par producido por el motor, se convierte en la fuerza de empuje que mueve
el vehículo, dada por
n
F(t) = T (ω,t)qc (t) = αn T (αn v(t),t)qc (t), (A.67)
r
donde:
• qc - flujo de combustible al motor en % (0 a 100 %).
5. Fuerzas que se oponen al movimiento del vehículo
Fd (t) = Fg (t) + Fr (t) + Fa (t), (A.68)
donde:
Figura A.17: Fuerza gravitacional

sobre el automóvil
• Fg - fuerza gravitacional que depende del perfil de la carretera, como se

muestra en la figura A.17,
Fg (t) = mg sen(θ (x(t))) (A.69)
donde:
– θ - ángulo de la pendiente de la carretera rad.
– x - desplazamiento, m
• Fr - fuerza de fricción con el pavimento,
Fr (t) = mgCr Sv {signo(v(t) 6= 0), 0}, (A.70)
donde:
– Cr - coeficiente de fricción.
• Fa - fuerza de arrastre del viento
1
Fa (t) = ρaCd Av2 (t), (A.71)
2
donde:
– ρa - densidad del aire, kg m3 .
– Cd - coeficiente que depende del perfil aerodinámico del vehículo.
– A - área frontal del automóvil, m2 .
6. Transmisión
Se supondrá que la transmisión del automóvil es automática de cinco veloci-
dades. Los cambios de engranes se realizan a las velocidades indicadas en el
cuadro A.5.
Debe incorporarse en el modelo, un mecanismo para la selección de la relación
de los engranes, de la caja de cambios automática, con base en la velocidad de
desplazamiento del automóvil y la velocidad de rotación del motor.
Cuadro A.5: Cambio de Engrane, n velocidad, v(t) m s−1

engrane de la caja de cam-
bios 1 0 ≤ v((t) ≤ 10
2 10 < v((t) ≤ 15
3 15 < v((t) ≤ 20
4 20 < v((t) ≤ 25
5 25 < v((t)
7. Parámetros del sistema:
• m = 500 kg.
• Tm = 190 N m.
• ωm = 420 rad s−1 (≈ 4000 rpm).
• β = 0,40.
• α = [40, 25, 16, 12, 10].
• Cr = 0,01.
• ρa = 1,3 kg m−3 .
• Cd = 0,32.
• A = 2,4 m2
8. Sensor de velocidad y elemento final de control (acelerador)

La ecuación del medidor de velocidad, es
y(t) = Ks v(t). (A.72)
Si el rango de medición es de 0 m s−1 a 50 m s−1 (0 km h−1 a 180 km h−1 ), y las

señales están normalizadas de 0 % a 100 %, entonces la ganancia del medidor
de velocidad es Kv = 2 %/(km/h).
La señal de salida del controlador ajustará la posición del acelerador del auto-
móvil, para variar el flujo del combustible inyectado al motor, según la relación
qc (t) = Ka u(t). (A.73)
Si ambas variables están en %, Ka = 1.
9. Perfil de la carretera
Se supondrá que el vehículo viaja por una carrera recta pero que su perfil (pen-
diente) puede cambiar. El perfil de la carretera, será entonces una de las pertur-
baciones a las que se puede someter el sistema de control. Al establecerlo, se
debe tener en cuenta que en el modelo desarrollado, no se ha incluido ningún
modelo para representar el proceso de frenado del vehículo.
El modelo resultante del procesos controlado incluye el siguiente conjunto de

ecuaciones:
• Comportamiento dinámico del vehículo
dv(t)
m = αn (v(t))T (ω(t),t)qc (t) − mg sen(θ (x(t))
dt
1
− mgCr Sv {signo(v(t) 6= 0), 0} − ρaCd Av2 (t), (A.74)
" 2
2 #
ω(t)
T (ω,t) = 1 − β −1 Tm , (A.75)
ωm
dx(t)
= v(t), (A.76)
dt
qc (t) = Ka u(t), (A.77)
y(t) = Ks v(t). (A.78)
• Caja de cambios automática

αn (v(t)). (A.79)
• Perfil de la carretera
θ (x(t)). (A.80)
Además se tiene:
• Controlador
El modelo del automóvil (proceso controlado), se debe interconectar con el con-

trolador, el cual tendrá un algoritmo de control proporcional e integral (PI)
u({Kp , Ti }, vR , y(t),t), (A.81)
donde vR es el valor deseado para la velocidad del automóvil, el cual se supone cons-
tante.
Figura A.18: Vehículo con

levitación magnética en
posición levitante
Utilizando (A.74) y (A.75), se obtiene que en estado estacionario
" 2 #
αnVo
αn 1 − β −1 Tm KaUo = mg sen(θo ) + mgCrVo + 0,5ρaCd AVo2 . (A.82)
ωm
a partir de la cual se puede determinar la característica estática del vehículo.
A.2.4 Vehículo con levitación magnética

Los vehículos de transporte con levitaciónn magnética, pueden alcanzar velocidades
de desplazamiento altas, debido a la ausencia de fricción de contacto entre el vehícu-
lo y su riel guía. La fuerza de propulsión y su conducción, también son generadas
magnéticamente.
En Bittar y Sales (1998) se describe el desarrollo, las características y el modela-
do del prototipo de un vehículo con levitación magnética, cuyo diagrama esquemáti-
co se muestra en la figura A.18.
Este utiliza cuatro electroimanes para su levitación y cuatro sensores de la sepa-
ración entre el vehículo y su riel guía, la cual debe controlarse.
Modelo analítico
El desarrollo del modelo analítico del vehículo, conduce a la siguiente relación
2g
y(s) ∆Zv (s) I k
= = q o pc q , (A.83)
u(s) ∆V (s) (s + Zo )(s − 2g
2g
Zo )
donde:
• y(s) - señal realimentada, variación de la separación entre el vehículo y el riel

guía, V,
• u(s) - señal de control, variación de la tensión eléctrica aplicada al electroimán,

V.
Parámetros del vehículo

Las características del vehículo prototipo, son:
• Separación en el punto de operación estable (claro entre el vehículo y los elec-

troimanes), Zo = 0,005 m,
• Características de cada electroimán
– Corriente en el punto de operación estable, Io = 1,7124 mA,

– Ganancia del circuito de potencia, kcp = 0,001512 m A−1
– Número de vueltas del arrollado, N = 1300,
• Dimensiones del vehículo
– Anchura, 0,60 m,
– Altura, 0,43 m,
– Longitud, 0,70 m,
• Masa del vehículo, M = 97,6 kg
Modelo lineal del vehículo

Evaluando (A.83) para los parámetros del prototipo, el vehículo con levitación mag-
nética, se puede representar por la función de transferencia
1,931
P(s) = . (A.84)
(0,016s + 1)(0,016s − 1)
En la validación experimental de (A.84), Bittar y Sales (1998) determinaron que

la ganancia del sistema es ligeramente menor que la obtenida teóricamente. Sin em-
bargo, como para los efectos del estudio del sistema de control esto no es significativo
-solo afectará la ganancia proporcional del controlador-, se conserva en el modelo, el
valor original de la ganancia.
Como se puede observar en (A.84), el vehículo con levitación magnética es un
sistema inestable. Sus dos polos son equidistantes con respecto al eje imaginario.
Uno en el semiplano izquierdo (estable) del plano complejo s y otro en el semiplano
derecho (inestable). Esta posición particular de los polos del proceso controlado,
hace que este solo se pueda controlar en forma estable, si el algoritmo de control del
controlador es un PID.
A.2.5 Sistema hidráulico de tanques no interactivos

En la figura A.19 se muestra el proceso hidráulico compuesto por dos tanques no
interactivos. El tanque superior (T q1 ) descarga en el tanque inferior (T q2 ) y este en
el tanque sumidero.
Las variables de interés son los niveles del líquido en los dos tanques (H1 (t),
H2 (t)) los cuales son medidos con los transmisores de nivel LT-1 y LT-2, respecti-
vamente. Para efectos del sistema de control, la variable controlada es el nivel del
líquido en el tanque 2.
En el sumidero existen dos bombas hidráulicas: una para regular el caudal Qu (t)
de entrada al tanque T q1 y otra para regular el caudal Qd (t) de la perturbación. Ade-
más, se cuenta con la válvula Sv para dirigir el caudal de perturbación al tanque 1
(γ = 1) o al tanque 2 (γ = 0).
Modelo
Haciendo un balance volumétrico del líquido en los tanques, se obtiene
dH1 (t) p
A1 = −a1 2gH1 (t) + Qu (t) + γ Qd (t), (A.85)
dt
dH2 (t) p p
A2 = −a2 2gH2 (t) + a1 2gH1 (t) + (1 − γ) Qd (t). (A.86)
dt
Las ecuaciones de las bombas hidráulicas (ideales), son
Qu (t) = Kbu U(t), (A.87)

Qd (t) = Kbd D(t), (A.88)
Figura A.19: Proceso hi-

dráulico de dos tanques no
interactivos Tq1
LT
1
Sv
Tq2
LT
2
y las de los transmisores de nivel (ideales)
Y1 (t) = Ktq1 H1 (t), (A.89)

Y2 (t) = Ktq2 H2 (t). (A.90)
Los parámetros del proceso, son:
• Altura de las paredes de los tanques, HT q1 = HT q2 = 1,10 m.
• Área de los orificios en el fondo de los tanques, a1 = a2 = 7,85 10−5 m2 .
• Área transversal de los tanques, A1 = A2 = 7,85 10−3 m2 .
• Constante de la bomba principal (caudal: 0 m3 s−1 a 4,0 10−4 m3 s−1 ), Kbu =

4,0 10−6 m3 /s/ %.
• Constante de la bomba de perturbación (caudal: 0 m3 s−1 a 4,0 10−5 m3 s−1 ),

Kbd = 4,0 10−7 m3 /s/ %.
• Ganancia de los transmisores de nivel (0 m a 1,0 m), Ktq1 = Ktq2 = 100 %/m.
Modelo lineal
El modelo lineal del proceso hidráulico, obtenido a partir de (A.85) a (A.90), es
K1
h1 (s) = [qu (s) + γ qd (s)] , (A.91)
T1 s + 1
K2
h2 (s) = [h1 (s) + K1 (1 − γ) qd (s)] , (A.92)
T2 s + 1
qu (s) = Kbu u(s), (A.93)
qd (s) = Kbd d(s), (A.94)
y1 (s) = Ktq1 h1 (s), (A.95)
y2 (s) = Ktq2 h2 (s), (A.96)
donde
s
A1 2H10
T1 = , (A.97)
a1 g
s
A2 2H20
T2 = , (A.98)
a2 g
s
1 2H10
K1 = , (A.99)
a1 g
r
a1 H20
K2 = . (A.100)
a2 H10
El diagrama de bloques del modelo lineal del proceso hidráulico, se muestra en
la figura A.20.
Para el control del nivel del líquido en el tanque 2, se han considerado tres posibles
valores deseados. El valor de las variables del proceso en estos puntos, se listan en
el cuadro A.6. Nótese que el nivel del líquido en el tanque 1 en estado estacionario
depende del valor de γ, esto es, de si el caudal de perturbación entra al tanque 1 o al
2.
Figura A.20: Proceso hidráulico de dos tanques no interactivos - Diagrama de blo-

ques
Cuadro A.6: Tanques no interactivos - Puntos de operación
H20 H10 H10 T1 T2 K1 K2 K2 U0 D0

[m] [m] [m] [s] [s] [m/(m3 /s)] [m/m] [m/m] % %
γ =1 γ =0 γ =1 γ =0
0,40 0,40 0,33 28,57 28,57 3 639,67 1 1,10 49,95 50
0,60 0,60 0,51 34,99 34,99 4 457,67 1 1,08 62,30 50
0,80 0,80 0,70 40,41 40,41 5 147,27 1 1,07 72,71 50
Se considera que en condiciones normales, el caudal de perturbación está en un

50 % de la capacidad de la bomba y que puede subir o bajar respecto a ese valor.
Como se nota de (A.85) y (A.86), el proceso es no lineal. Esto se refleja en los
parámetros del modelo linealizado listados en el cuadro A.6. A medida que el punto
de operación H20 aumenta, el sistema se torna más lento, las contantes de tiempo T1
y T2 crecen, y además, más sensible a los cambios en los caudales de entrada, K1
aumenta.
A.2.6 Reactor bioquímico

En la figura A.21 se tiene un biorreactor donde la biomasa X(t) está constituida por
células que consumen −“se comen”− el sustrato S(t) (ej.: proceso de tratamiento de
AV Y
AT
Figura A.21: Reactor bioquímico
aguas residuales, proceso de fermentación en la industria alimenticia y de bebidas) y

en el que se procesa un líquido a un caudal Q(t). Se considerará que el líquido en el
reactor está perfectamente mezclado y su volumen es constante.
La variable de interés (controlada), es la concentración de biomasa X(t), medida
por el analizador AT, y la variable manipulada el caudal de entrada al reactor Q(t),
regulado con la válvula de control AV.
Modelo dinámico
El modelo del proceso está dado por (Bequette, 1998, 2003):
1. Balance de materia de la biomasa
dX(t)
V = Xi Q(t) +V r1 (t) − X(t)Q(t). (A.101)
dt
2. Balance de materia del sustrato
dS(t)
V = Si Q(t) −V r2 (t) − S(t)Q(t). (A.102)
dt
3. Otras relaciones
r1 (t)
Y= , (A.103)
r2 (t)
r1 (t) = µ(t)X(t), (A.104)
µ(t)
r2 (t) = X(t). (A.105)
Y
4. Tasa de crecimiento específico (con base en el efecto de inhibición del sustrato)
µmax S(t)
µ(t) = . (A.106)
km + S(t) + k1 S2 (t)
Las variables en el modelo son:
• µ(t) - tasa de crecimiento específico [h−1 ]
• Q(t) - caudal de líquido por el reactor [m3 h−1 ]
• r1 (t) - razón de reacción (generación de biomasa, células) [kg m−3 h−1 ],
• r2 (t) - razón de consumo de sustrato [kg m−3 h−1 ],
• S(t) - concentración de sustrato [kg m−3 ],
• Si - concentración de sustrato en el líquido de entrada [kg m−3 ],
• V - volumen del reactor [m3 ]
• X(t) - concentración de biomasa [kg m−3 ],
• Xi - concentración de biomasa en el líquido de entrada [kg m−3 ],
• Y - rendimiento, masa de células producidas por masa de sustrato consumida

(se supone constante).
En el caso normal no hay biomasa en el caudal de entrada al reactor, Xi = 0, y el

modelo (A.101) a (A.105) se puede escribir como

dX(t) 1
= µ(t) − Q(t) X(t), (A.107)
dt V
dS(t) 1 µ(t)
= [Si − S(t)] Q(t) − X(t). (A.108)
dt V Y
Cuadro A.7: Puntos de Punto X 0 [kg m−3 ] S0 [kg m−3 ] Condición

equilibrio del bioreactor
1 0 4,0 estable
2 0,9951 1,5122 inestable
3 1,5302 0,1746 estable
Parámetros
Se considerará el caso particular de un biorreactor con los siguientes parámetros
(Bequette, 1998):
• µmáx = 0,53 h−1 ,
• km = 0,12 kg m−3 ,
• k1 = 0,4545 m3 kg−1 ,
• Si = 4,0 kg m−3 ,
• V = 1 m3 ,
• Xi = 0 kg m−3 ,
• Y = 0,4.
En estadio estacionario, (A.107) y (A.108) se reducen a

0 1 0 0
µ − Q X = 0, (A.109)
V
1 µ0
Si − S0 Q0 − X 0 = 0,

(A.110)
V Y
µmax S0
µ0 = . (A.111)
km + S0 + k1 (S0 )2
Resolviendo (A.109) a (A.111), para el bioreactor operando con un caudal1 Q0 =

0,3 m3 h−1 , se encuentra que el proceso tiene tres posibles puntos de equilibrio, los
cuales se listan en el cuadro A.7.
El punto de equilibrio 1 no es de interés, ya que corresponde al caso en que las
concentraciones en el reactor son las mismas que las del caudal de entrada. El líquido
pasa por el reactor sin que se efectúe realmente una reacción -simplemente lo “lava”-.
1 Correspondiente al caso de razón de dilución D(t) = Q(t)/V media en Bequette (1998).
Modelos lineales
Los modelos linealizados en los puntos de equilibrio son:
1. Punto 2 (inestable con polos p21 = −0,30 h−1 , p22 = 0,1698 h−1 )
dx(t)
= −0,0679s(t) − 0,9951q(t), (A.112)
dt
ds(t)
= −0,7500x(t) − 0,1302s(t) + 2,4878q(t), (A.113)
dt
2. Punto 3 (estable con polos p31 = −0,30 h−1 , p32 = −2,2619 h−1 )
dx(t)
= 0,9056s(t) − 1,5301q(t), (A.114)
dt
ds(t)
= −0,7500x(t) − 2,5640s(t) + 3,8255q(t), (A.115)
dt
donde x(t), s(t) y q(t) son variaciones de X(t), S(t) y Q(t) respectivamente, en torno
al punto de operación {X 0 , S0 , Q0 } correspondiente.
Características de los instrumentos

Aunque la constante de tiempo del analizador puede ser de varios minutos, las cons-
tantes de tiempo del modelo son del orden de horas, por lo que se considerarán los
instrumentos de medición y actuación (transmisor de concentración, válvula de con-
trol), como simples constantes (respuesta “instantánea”).
Se seleccionará como ámbito de medición de la concentración de biomasa 0 ≤
X(t) ≤ 2,0 kg m−3 , por lo que la ecuación del transmisor será
Y % (t) = 50X(t). (A.116)
El caudal máximo por la válvula de control (caudal de líquido por el reactor), se

tomará como Qmáx = 0,6 m3 h−1 , siendo entonces la ecuación de la válvula de control
Q(t) = 0,006U % (t). (A.117)
Funciones de transferencia
Utilizando el modelo lineal dado por (A.112) y (A.113), o (A.114) y A.115, según
corresponda, junto con (A.116) y (A.117), se tiene
1. Modelo para el punto 2 (inestable)
−(0,9951s + 0,2985) −0,9951(s + 0,30)

x(s) = 2
q(s) = q(s). (A.118)
s + 0,1302s − 0,0509 (s + 0,30)(s − 0,1698)
y∆ % (s) K −1,7593
= P2 (s) = = , (A.119)
u∆ % (s) T s − 1 5, 8893s − 1
con ganancia K = −1,7593 %/ % y constante de tiempo T = 5, 8893 h.
2. Modelo para el punto 3 (estable)
−(1,5302s + 0,4590) −1,5302(s + 0,30)

x(s) = 2
q(s) = q(s). (A.120)
s + 2,564s + 0,6792 (s + 0,30)(s + 2,2640)
y∆ % (s) K −0,2028
= P3 (s) = = , (A.121)
u∆ % (s) T s + 1 0,4417s + 1
con ganancia K = −0,2028 %/ % y constante de tiempo T = 0,4417 h.
A.2.7 Tanque de mezcla cerrado

El el tanque cerrado de la figura A.22, se realiza la mezcla homogénea de dos lí-
quidos, uno relativamente caliente y otro relativamente frío, con el fin de obtener un
líquido a la salida con un temperatura determinada.
Modelo del proceso

El modelo de este proceso, es:
• Balance de flujo de masa
ρs Qs (t) = ρc Qc (t) + ρ f Q f (t), (A.122)
• Balance de energía
dTs (t)
ρsCpsV = ρcCpc Tc (t)Qc (t) + ρ f Cp f T f (t)Q f (t) − ρsCps Ts (t)Qs (t).
dt
(A.123)
De (A.122) y (A.123), el modelo linealizado para pequeñas variaciones, en torno

a un punto en estado estacionario {Q0c , Q0f , Q0s , Tc0 , T f0 , Ts0 }, suponiendo que los
dos líquidos mezclados tienen la misma densidad (ρ) y capacidad calorífica (Cp ), es
Figura A.22: Tanque de

mezcla cerrado
Fluido caliente Fluido frío
qs (t) = qc (t) + q f (t), (A.124)

dTs0 (t)
V = [Tc0 − T 0s ]qc (t) + [T f0 − T 0s ]q f (t) − [Q0c + Q0f ]Ts0 (t). (A.125)
dt
donde qc , q f , qs y Ts0 son variaciones de Qc , Q f , Qs y Ts , en torno al punto de opera-
ción.
Los parámetros de proceso, son:
• Temperatura del líquido caliente, Tc = 90 ◦C,
• Temperatura del líquido frío, T f = 15 ◦C,
• Volumen del tanque, V = 2,0 m3 ,
• Caudal del líquido de salida deseado, Qsr = 10 m3 h−1 ,
• Temperatura del líquido de salida deseada, Tsr = 75 ◦C.

El punto de equilibrio correspondiente a Q0s = Qsr y Ts0 = Qsr , se obtiene con un

caudal del líquido caliente Q0c = 8 m3 h−1 y un caudal del líquido frío Q0f = 2 m3 h−1 .
En ese punto, el modelo linealizado (A.124) y (A.125), en el domino de la variable
compleja s, es
qs (s) = qc (s) + q f (s), (A.126)

1,5 6,0
Ts0 (s) = qc (s) − q f (s). (A.127)
0,2s + 1 0,2s + 1
Instrumentos
Para instalarse y utilizarse en los diferentes esquemas de control del tanque de mezcla
cerrado se tendrán los siguientes instrumentos:
1. Transmisores de temperatura (líquido frío, caliente, de salida): rango de medi-

ción, 0 ◦C a 100 ◦C,
2. Transmisor de caudal(líquido frío, caliente): rango de medición, 0 m3 h−1 a

12,5 m3 h−1 ,
3. Transmisor de caudal (líquido de salida): rango de medición, 0 m3 h−1 a 20 m3 h−1 ,
4. Válvulas de control (líquido frío, caliente): caudal máximo, 10 m3 h−1 .
Por lo tanto, se tienen las siguientes ecuaciones adicionales
YTc (t) = Tc (t), (A.128)

YTf (t) = T f (t), (A.129)
YTs (t) = Ts (t), (A.130)
YQc (t) = 8Qc (t), (A.131)
YQ f (t) = 8Q f (t), (A.132)
YQs (t) = 5Qs (t), (A.133)
Qc (t) = 0,1UQc (t), (A.134)
Q f (t) = 0,1UQ f (t). (A.135)
El tanque de mezcla junto con su instrumentación, se muestra en la figura A.23.

Utilizando la información de las variables medidas de los líquidos de entrada y
salida, disponible en las señales de los transmisores {YQ f , YTf , Yqc , YTc , YQs , YTs } y la
posible manipulación de los caudales de los líquidos de entrada utilizando las señales
de control {UQc , UQ f }, se puede analizar el comportamiento de diferentes esquemas
TT FT FE
25 25 25
FT TT TT FT FE
20 20 ?V ?V 10 10
FE 10
xx xx
20
Figura A.23: Tanque de mezcla - Instrumentación
de control de la temperatura del líquido de salida, como por ejemplo: un lazo de con-
trol realimentado univariable, un sistemas de control en cascada −seleccionando una
variable controlada secundaria− o uno anticipativo −seleccionando las perturbacio-
nes medidas−, o incluso el de un sistema de control multilazo −de la temperatura y
el caudal del líquido de salida−.
Debe recordarse que el modelo dinámico (A.126) y (A.127), se ha identificado en

un punto de operación particular. Si se desea estudiar el comportamiento del proceso
en otro punto de operación, el modelo dinámico correspondiente a ese nuevo punto,
se puede determinar a partir de (A.124) y (A.125).
Además, si se cambian las características −caudales y temperaturas− de los lí-

quidos, debe verificarse que los rangos de medición de transmisores, así como las
capacidades de las válvulas de control, sean las adecuadas.
A.3. Modelos experimentales 951
A.3 Modelos experimentales

Los siguientes son algunos modelos presentados en la literatura técnica, que han sido
identificados en forma experimental. Por lo tanto, solo se conoce el modelo lineal de
orden reducido obtenido en un punto de operación determinado y, en algunos casos,
un poco de información adicional sobre las condiciones de operación del proceso.
A.3.1 Procesos de pasteurización

El proceso de pasteurización, es un tratamiento térmico especialmente importante en
la industria alimentaria, la lechera y la de bebidas. Este se emplea con el fin de de
preservar la calidad del producto y extender su vida antes del consumo.
El propósito de la pasteurización es eliminar las posibles bacterias o microorga-
nismos patógenos en los alimentos. Esta puede ser un proceso continuo o realizarse
en lotes.
Para la producción en masa, frecuentemente se utiliza un proceso continuo apli-
cando una temperatura alta por un lapso corto (HTST - “high temperature short
time”).
La temperatura del producto pasteurizado, es la variable controlada que debe
mantenerse en un valor específico.
Pasteurización de la leche de coco

La leche de coco, se obtiene por medios mecánicos del coco rayado adicionándole
agua, obteniéndose así una emulsión de aceite en agua.
El proceso modelado experimentalmente, es el del intercambiador de calor de
una unidad pasteurizadora de laboratorio que incluye tanques, las unidades de ca-
lentamiento, regeneración y enfriamiento, las válvulas y las bombas requeridas. El
intercambiador de calor de la unidad de calentamiento, emplea agua caliente como
medio calefactor (Wan Mokhtar, 2012).
En este proceso se tiene:
• Variables
– Variable controlada: Temperatura T de pasteurización de la leche de co-

co,
– Variable manipulada: Temperatura Ta del agua caliente por el intecam-
biador de calor.
• Punto de operación
– Temperatura de pasteurización: To = 65 ◦C,

Figura A.24: Modelo de la pasteuri-

zadora de leche de coco °C
– Temperatura del agua caliente: Tao = 70 ◦C,

– Caudal del producto pasteurizado: Qo = 1,5 L min−1 .
• Modelo experimental
0,7e−1,17s
G p (s) = . (A.136)
7,2s + 1
Para completar el modelo del proceso controlado, al modelo obtenido para el

intercambiador de calor, se adicionarán los de los instrumentos de medición y actua-
ción.
Se supondrá, que el rango de medición del transmisor de la temperatura de pas-
teurización, es de 0 ◦C a 100 ◦C (Kt = 1 %/◦C) y que el elemento final de control
permite cambiar en forma instantánea (idealmente), la temperatura del agua por el
intercambiador de calor, en el ámbito de 0 ◦C a 100 ◦C (Ka = 1◦C/ %).
Por lo tanto, el modelo del proceso controlado, es
0,7e−1,17s
P(s) = , (A.137)
7,2s + 1
con:
• Ganancia: K = 0,7 %/ %,
• Constante de tiempo: T = 7, 2min,
• Tiempo muerto aparente: L = 1,7 min (τL = 0,236).
La señal realimentada en el punto de operación, será entonces Yo = 65 % y el

esfuerzo de control Uo = 70 %.
Considerando a la temperatura Ta del agua caliente como una posible perturba-
ción, el diagrama de bloques del modelo de la pasteurizadora de leche de coco, sería
el mostrado en la figura A.24.
Pasteurización del puré de guayaba

El proceso de pasteurización del puré de guayaba, incluye un intercambiador de calor
de doble tubo, tanques, válvulas y bombas. El modelo identificado, representa al
proceso de calentamiento en el intercambiador de calor, en el cual se utiliza un aceite
térmico como medio calefactor (Wan Mokhtar et al., 2012).
En este proceso se tiene:
• Variables
– Variable controlada: Temperatura T de pasteurización del puré de guaya-

ba,
– Variable manipulada: Temperatura Ta del aceite calefactor
• Punto de operación
– Temperatura de pasteurización: To = 45 ◦C.
• Modelo
0,52e−0,52s
G p (s) = . (A.138)
1,27s + 1
Para completar el modelo del proceso controlado, al modelo obtenido experimen-

talmente para el intercambiador de calor, se adicionarán los de los instrumentos de
medición y actuación.
Se supondrá que el rango de medición, del transmisor de la temperatura de pas-
teurización, es de 0 ◦C a 100 ◦C (Kt = 1 %/◦C).
Aunque no se conoce el tipo, ni las condiciones de operación, del aceite cale-
factor por el intercambiador de calor empleado en el proceso de pasteurización, para
efectos de utilizar este modelo, se supondrá que en el punto de operación de la prue-
ba experimental, su temperatura era de 62,5 ◦C y que el elemento final de control
permite variar la temperatura del aceite calefactor, en el rango de 0 ◦C a 125 ◦C
(Ka = 1,25 ◦C/ %).
Por lo tanto, el modelo del proceso controlado, es
0,65e−0,52s
P(s) = , (A.139)
1,27s + 1
con:
• Ganancia: K = 0,65 %/ %,
• Constante de tiempo: T = 1,27min,

Figura A.25: Modelo de la pasteuri-

°C
zadora de puré de guayaba
• Tiempo muerto aparente: L = 0,52 min (τL = 0,409).
Si la perturbación más probable es la temperatura Ta del aceite calefactor, el

diagrama de bloques del modelo de la pasteurizadora de puré de guayaba, sería el
mostrado en la figura A.25.
Para este proceso, la señal realimentada en el punto de operación será Yo = 45 %
y el esfuerzo de control Uo = 50 %.
A.3.2 Tanque calentador de agua

En la figura A.26 se muestra el diagrama del tanque calentador de agua de laborato-
rio, descrito en Thornhill et al. (2008).
En este se calienta el agua fría mezclándola con agua caliente. Además, se adi-
ciona calor a la mezcla por medio de un serpentín calefactor por el que circula vapor
de agua, el cual se condensa parcialmente.
Modelo dinámico
Las variables controladas son el nivel del líquido en el tanque y su temperatura a la sa-
lida. Las variables manipulas son el caudal de líquido frío −para controlar el nivel−
y el caudal del vapor de agua por el serpentín −para controlar la temperatura−. La
perturbación es el caudal adicionado de agua caliente.
La instrumentación asociada al tanque incluye: un transmisor de nivel (LT), un
transmisor de temperatura (TT), una válvula de control para manipular el caudal del
agua fría (LV) y una válvula de control para manipular el caudal del vapor de agua
(TV). Se tiene además, una válvula para producir cambios en el caudal del agua
caliente.
Los parámetros del proceso son:
• Altura total del tanque, Hm = 0,5 m,

Agua
caliente LV
Agua
fria
TV
Vapor
T
LT
TT
Figura A.26: Tanque calentador de agua e instrumentos asociados
• Apertura de la válvula de salida, Xvso = 50,0 %,
• Rango de medición del transmisor de nivel LT: 0 m a 0,40 m,
• Rango de medición del transmisor de temperatura TT: 0 ◦C a 100 ◦C,
• Señal realimentada del nivel (valor normal), YLo = 50,0 %,
• Señal realimentada de la temperatura (valor normal), YTo = 42,5 %,
• Temperatura del agua caliente, Tco = 50,0 ◦C,
• Temperatura del agua fría, T f o = 24,0 ◦C,
• Temperatura máxima obtenible para la mezcla, Tm = 65,0 ◦C,
• Volumen del tanque, V = 8,0 L.
Para los valores normales de las señales realimentadas, se han seleccionado las
siguientes dos condiciones (puntos de operación):
1. Caudal de agua fría alto

• D1 = 0 % (no hay perturbación),

• Qco1 = 0 m3 s−1 ,
• Q f o1 = 9,03810−5 m3 s−1 ,
• ULo1 = 56,0 %,
• UTo1 = 50,0 %.
2. Caudal de agua fría bajo
• D2 = 9,375 %,
• Qco2 = 5,21510−5 m3 s−1 ,
• Q f o2 = 3,82310−5 m3 s−1 ,
• ULo2 = 23,15 %,
• UTo2 = 12,5 %.
El modelo lineal obtenido a partir del modelo analítico y de mediciones en el

equipo de laboratorio, para la condición correspondiente al caudal de agua fría bajo
y con perturbación (caso 2), es
4,33e−s 30,93
yL (s) = uL (s) + d(s), (A.140)
(268,02s + 1)(3,80s + 1) 268,02s + 1
0,263e−8s −0,438e−9s 0,537e−8s
yT (s) = uT (s) + uL (s) + d(s).
36,60s + 1 (36,60s + 1)(3,80s + 1) 36,60s + 1
(A.141)
En este modelo, todas las variables (yL , yT , uL , uT y d) expresan cambios por-

centuales (δ %), las ganancias son adimensionales ( %/ %) y la unidad de tiempo
(constantes de tiempo, tiempos muertos) es el segundo (s).
Sistema de control
La interconexión del proceso controlado con su sistema de control, establece que las
señales de salida de los controladores, son
uL (t) = CL {θcL ; rL (t), yL (t)} , (A.142)

uT (t) = CT {θcT ; rT (t), yT (t)} . (A.143)
Aunque en este proceso hay dos variables controladas (nivel y temperatura) y

por lo tanto también dos variables manipuladas (caudal del líquido frío y caudal del
vapor por el serpentín), este no es un proceso interactivo.
A.4. Bibliografía 957
De (A.140) y (A.141) se puede apreciar que si bien el nivel del líquido en el

calentador afecta la dinámica de su temperatura, esta última no tiene ningún efecto
sobre su nivel. El lazo de control de nivel será completamente independiente del de
temperatura. Por otra parte, el sistema de control de la temperatura del líquido, verá
los cambios en su nivel como otra perturbación.
Sin embargo, ambos sistemas de control son perturbados por los cambios en el
caudal del líquido caliente adicionado.
A.3.3 Mezcla de líquidos en una columna empaquetada

En la figura A.27 se muestra el proceso de mezcla de dos líquidos, uno frío (Q2 (t),
T2 (t)) y uno caliente (Q1 (t), T1 (t)), en una columna empaquetada y el sistema de
control del caudal Qs (t) y la temperatura Ts (t) del líquido de salida, descrito en Singh
y McEwan (1975).
El caudal Qs (t) de la mezcla, se controla manipulado el caudal Q2 (t) del líquido
frío y su temperatura Ts (t), manipulando el caudal Q1 (t) del líquido caliente.
Como en este proceso, la dinámica del caudal es muy rápida con respecto a la del
de la temperatura, la interacción entre los lazos de control se puede despreciar y se
considera solamente el proceso de temperatura.
El modelo lineal del proceso de temperatura, obtenido en el punto de operación
estacionario, correspondiente a To = 25 ◦C, es
YT (s) 0,40e−24s
P(s) = = , (A.144)
UT (s) (13,8s + 1)(6,1s + 1)(3,9s + 1)
en el cual las constantes de tiempo tiene unidades de s.

Utilizando el método de identificación de tres puntos 123c, descrito en la sección
8.3.2 del Capítulo 8, se han obtenido los siguientes modelos de primer y segundo
orden
0,4e−31,83s
Pm1 (s) = , τL = 1,90 (A.145)
16,73s + 1
0,4e−26,42s
Pm2 (s) = , a = 0,77, τL = 2,20. (A.146)
(12,02s + 1)(9,27s + 1)
los cuales, como se aprecia, tienen tiempos muertos normalizados significativos.
A.4 Bibliografía
FY I/P TY I/P
2 1
FV TV
Líquido 2 1
Líquido
frio caliente
FIC TIC
2 1
FT
2
TT
1
Figura A.27: Control de la temperatura y el caudal de la mezcla de dos líquidos en

una columna empaquetada
A.4. Bibliografía 959
Åström, K. J. y Hägglund, T. (2000). Benchmark Systems for PID Control. En IFAC

Digital Control: Past, Present, and Future of PID Control (PID’00). 5-7 April„
Terrasa, Spain,.

Bequette, B. W. (1998). Process Dynamics - Modeling, Analysis, and Simulation.

Prentice Hall PTR, Upper Saddle River, NJ 07458, USA.
Bequette, B. W. (2003). Process Control - Modeling, Design, and Simulation. Pren-

tice Hall PTR, Upper Saddle River, NJ 07458, USA. Upper Saddle River, NJ,
USA.
Bittar, A. y Sales, R. M. (1998). H2 and Hinf Control for MagLev Vehicles. IEEE
Contrlol Systems Magazine, páginas 18–25. August.
Kuhlmann, A. y Bogle, D. (1997). Study on Nonminimum Phase Behaviour and

Optimal Operation. Computers & Chemical Engineering, 21:S397–S402.
Long, C., Polisetty, P. K., y Gatzke, E. P. (2004). Globally optimal nonlinear model
predictive control. En 7th IFAC Symposium on Dynamics and Control of Process
Systems (DYCOPS’04). July 5-17, Boston, MA, USA.
Singh, A. y McEwan, D. H. (1975). The Control of a Process Having Apprecia-

ble Transport Lag - A Laboratory Case Study. IEEE Transactions on Industrial
Electronics and Control Instrumentation, IECI-22(3):396–401.
Thornhill, N. F., Patwardham, S. C., y Shah, S. L. (2008). A continuous stirred

tank heater simulation model with applications. Journal of Process Control, 18(3-
4):347–360.
Van de Vusse, J. G. (1964). Plug-flow type reactor versus tank reactor. Chem. Eng.
Sci., 19(12):994–996.
Vojtesek, J. y Dostal, P. (2005). Program for simulation of a continuous stirred tank

reactor in Matlab GUI. En International Conference Technical Computing. No-
vember 15, Prague, Czech Republic.
Wan Mokhtar, W. M. F. (2012). Empirical Modelling of Pausterization Process Using

Plate Heat Exchange. International Journal of Engineering Research & Techno-
logy (IJERT), 1(3):111–114.
Wan Mokhtar, W. M. F., Taip, F. S., Addul Aziz, N., y Mohd Noor, S. B. (2012).
Process Control of Pink Guava Puree Pasteurization Process: Simulation and Va-
lidation by Esperiment. International Journal on Advanced Science Engineering
Information Technology, 4:31–34.
B
Biblioteca Python Control Systems
B.1 Introducción
B.2 Listados de instrucciones
B.2.1 Funciones de control
B.2.2 Funciones para el despliegue gráfico
B.3 CACSD con python-control
B.4 Bibliografía
Como se indicó en el Prefacio, la gran mayoría de las figuras correspondientes a

las respuestas temporales de los sistemas de control, así como los gráficos para el
análisis de los mismos mostradas en este libro, han sido programadas en Python
(Anaconda2)1 , utilizando como base las funciones de la biblioteca contenida en el
paquete “Python Control Systems Library”2 y las funciones Python en Pyplot de la
biblioteca Matplotlib3 .
Si bien los listados de instrucciones Python utilizados, incluyen funciones adi-
cionales desarrolladas para hacer que los gráficos producidos con las mismas, tengan
un aspecto similar particular, las instrucciones provistas por la biblioteca python-
control, pueden utilizarse en forma directa.
Se presentará aquí, un resumen de las instrucciones disponibles en las bibliotecas
mencionadas, junto con varios ejemplos de su uso.
1 https://store.continuum.io/cshop/anaconda/
2 https://sourceforge.net/p/python-control/wiki/Home/
3 https://matplotlib.org/index.html
961
962 B Biblioteca Python Control Systems
B.1 Introducción
La “Python Control Systems Library” (python-control), provee instrucciones básicas
para el análisis y el diseño de los sistemas de control. Esta biblioteca ha sido ela-
borada como complemento y para el desarrollo de los ejemplos, del libro Feedback
Systems: An Introduction for Scientists and Engineers de Åström y Murray (2008).
Las instrucciones de control de esta biblioteca, junto con las de despliegue grá-
fico de Matplotlib y las de otros paquetes Python que fueran requeridas, proveen lo
necesario para el diseño y análisis de los sistemas de control PID.
Para el desarrollo de los listados de instrucciones y la visualización de las figuras,
se recomienda utilizar un ambiente de desarrollo integrado en Python (IDE - “inte-
grated development enviroment”) como Spyder4 , el cual provee un editor de texto
con código destacado y verificación de la sintaxis, una consola interactiva IPython
para la introducción directa de instrucciones y la visualización de resultados y figu-
ras, el manejo de archivos, un visor de la documentación (ayuda) de las funciones y
otras facilidades.
B.2 Listados de instrucciones

Sin ser listas exhaustivas, a continuación se enumeran las instrucciones de uso más
frecuente en el estudio de los sistemas de control, disponibles en las bibliotecas
control y matplotlib.pyplot.
Se supondrá que, como es usual, el paquete matplotlib forma parte de la dis-
tribución Python utilizada y que la biblioteca control, se ha instalado siguiendo las
instrucciones indicadas en el sitio Web para su descarga, Además, se supone que
se ha verificado cumplir con las dependencias correspondientes, ya que esta última
utiliza los paquetes numpy, scipy y matplotlib.
B.2.1 Funciones de control

La siguiente es una lista parcial de las funciones disponibles en la biblioteca control,
con base en las descripciones incluidas en el “Manual del usuario” de la versión 0.7
(Python Control Developers, 2017):
• bode_plot - Dibuja el diagrama de Bode del sistema

bode_plot(syslist, omega=None, dB=None, Hz=None, deg=None, Plot=True,
omega_limits=None, omega_num=None); bode_plot(sys); mag, phase, omega =
bode_plot(sys, Plot=False)
4 https://github.com/spyder-ide/spyder
B.2. Listados de instrucciones 963
• forced_response - Simula la respuesta (“forzada”) de un sistema lineal

forced_response(sys, T=None, U=0.0, X0=0.0); time, yout, xout =
forced_response(sys, T, U)
• impulse_response - Respuesta al impulso de un sistema lineal

impulse_response(sys, T=None, X0=0.0, input=0, output=None);
time, yout, xout = impulse_response(sys, T)
• initial_response - Respuesta a las condiciones iniciales (“libre”) de un sistema

lineal
initial_response(sys, T=None, X0=0.0, input=0, output=None);
time, yout = initial_response(sys, T, X0)
• nyquist_plot - Dibuja el diagrama de Nyquist del sistema

nyquist_plot(syslist, omega=None, Plot=True, labelFreq=0);
nyquist_plot(sys); real, imag, freq = nyquist_plot(sys, Plot=False)
• pade - Aproximación de Pade del tiempo muerto

nL, dL = pade(L, n); nL, dL = pade(L, denord, numord)
• pole - Determina los polos del sistema

pv = pole(sys)
• pzmap - Dibuja el diagrama de polos y ceros del sistema lineal

pzmap(sys, Plot=True, title='Pole Zero Map'); pzmap(sys);
pv, zv = pzmap(sys, Plot=False)
• root_locus - Dibuja el lugar geométrico de las raíces del sistema

root_locus(sys, kvect=None, xlim=None, ylim=None, Plot=True);
root_locus(sys)
• step_response - Respuesta al escalón unitario de un sistema lineal

step_response(sys, T=None, X0=0.0, input=0, output=None);
time, yout, xout = step_response(sys, T)
• tf - Convierte o crea la función de transferencia de un sistema lineal

systf = tf(sys); systf = tf(num, den)
• tf2ss - Transforma una función de transferencia a un sistema en variables de

estado
sysss = tf2ss(sys); sysss = tf2sys(num, den)
• ss - Convierte o crea un sistema lineal en variables de estado

sysss = ss(sys); sysss = sys(A, B, C, D)
• ss2tf - Transforma un sistema en variables de estado a una función de transfe-

rencia
systf = ss2tf(sys); systf = sys2tf(A, B, C, D)
• zero - Determina los ceros del sistema

zv = zero(sys)
Una descripción detallada de los argumentos de entrada y salida de estas y otras

funciones de la biblioteca control, se encuentra en su Manual de usuario.
B.2.2 Funciones para el despliegue gráfico

La siguiente es una lista parcial de las funciones disponibles en la biblioteca Python
matplotlib.pyplot, con base en las descripciones incluidas en la “Guía del usuario”
de la versión 1.5.1 (Hunter et al., 2016):
• axis - Establece u obtiene las propiedades de los ejes

axis([xmin, xmax, ymin, ymax]); axis('equal'); axis('tight')
• clf - Limpia la figura activa

clf()
• close - Cierra una figura

close(); close(h); close(n)
• figure - Crea una figura nueva

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None,
frameon=True); figure(); figure(num); figure(num, facecolor='white',
frameon=False)
• grid - Activa o desactiva el despliegue de la rejilla

grid(True); grid(False)
• legend - Despliega las leyendas de las líneas

legend(loc=1, ncol=1, fontsize, frameon=None, fancybox=None,
shadow=None, title=None); legend(loc='best', frameon=False)
• margins - Establece u obtiene los márgenes de la autoescala

margins(xmargin, ymargin); margins()
• plot - Dibuja lineas o marcas en la figura

plot(x, y, color, linestyle, marker, markerfacecolor, markersize, label),
plot(x1, y1, x2, y2); plot(x, y, c='g', ls='-', lw=2, label='YvsX')
B.3. CACSD con python-control 965
• show - Despliega una figura

show()
• subplot - Establece la distribución para dibujar varias figuras

suplot(nrows, ncols, fignumber)
• text - Despliega un texto en una posición determinada

text(px, py, txtstrg, fontsize)
• title - Coloca un título en la figura

title(txtstrg)
• xlabel - Etiqueta del eje x

xlabel('txtstrg')
• ylabel - Etiqueta del eje y

ylabel('txtstrg')
Una descripción detallada de los argumentos de entrada y salida de estas y otras

funciones relacionadas de la biblioteca matplotlib.pyplot, se encuentra en su Guía
de usuario.
B.3 CACSD con python-control

Mediante varios ejemplos, se mostrará el uso de algunas de las funciones empleadas
para analizar los sistemas de control en Python.
Los paquetes de funciones utilizados en los listados de instrucciones (“scripts”)
Python, deben incluirse en la forma usual con la instrucción import, como
import matplotlib . pyplot as plt

import control as pcs
import numpy as npy
Al analizar los listados de instrucciones Python de los ejemplos, debe tenerse en

cuenta que todos ellos, forman parte de un mismo archivo .py, por lo que las funciones
declaradas en un ejemplo, están disponibles para ser utilizadas en otro posterior y por
lo tanto, no se repiten en los listados de instrucciones mostrados.
Figura B.1: Ejemplo B.1 - Proceso controlado

Proceso
controlado
Ejemplo B.1 Python Control - Curva de reacción del proceso

Se desea analizar el comportamiento dinámico del proceso controlado de la figura
B.1, a partir de su curva de reacción, suponiendo que su modelo “exacto” está dado
2 2
P(s) = = ,
(10s + 1)(5s + 1)(2s + 1)(s + 1) 100s + 180s + 97s2 + 18s + 1
4 3
en el cual sus constantes de tiempo están expresadas en segundos.

El listado de instrucciones Python, para obtener la misma, para 0 ≤ t ≤ 80 s, es
# Curva de reación del proceso

# vector de tiempos
t = npy . linspace (0 , 80 , 5001)
# proceso controlado
P1 = pcs . tf (2. , [100. , 180. , 97. , 18. , 1.])
# respuesta al escalón unitario
to , y = pcs . step_response ( P1 , t )
# gráfico de la respuesta
plt . figure (1 , facecolor = ' white ' )
plt . plot (t , y , lw =2)
plt . xlabel ( ' Tiempo , t [ s ] ' , fontsize =14)
plt . ylabel ( ' y ( t ) ' , fontsize =14)
plt . title ( u ' Curva de reacción del proceso ' )
plt . tight_layout ()
plt . show ()
La curva de reacción del proceso, se muestra en la figura B.2, desplegada en la

ventana “Figure 1”, la cual incluye la barra de iconos con los controles para inter-
actuar con ella y para guardar el gráfico en un archivo con un formato específico.
Ejemplo B.2 Python Control - Respuesta del proceso y su modelo

Para utilizarlo en el cálculo de los parámetros del controlador y en las simulaciones
del sistema de control, se han ajustado los parámetros de un modelo epomtm em-
pleando el método 123c, para aproximar el proceso controlado del ejemplo B.1, el
Figura B.2: Ejemplo B.1 - Curva de reacción del proceso
cual está dado por la función de transferencia
2e−5,38s
Pm (s) = . (B.1)
12,05s + 1
Su constante de tiempo y tiempo muerto aparente, están expresados en segundos.

Se desea verificar la bondad del modelo, comparando la curva de reacción del
proceso, con la producida por su aproximación mediante un modelo epomtm, a una
entrada escalón de magnitud ∆u = 5,0, aplicada en el instante t0 = 10 s
El listado de instrucciones Python, para mostrar la respuesta del modelo junto
con la del proceso controlado original, para 0 ≤ t ≤ 100 s, es
# Respuesta del proceso y su modelo

# funciones
def stepsignal (t , tin , din ):
# generar una se~ n al tipo escalón
# in : t - vector de tiempos
# tin - instante del escalón
# din - magnitud del escalón
# out : stepsig
ntp = len ( t )
stepsig = npy . zeros ( ntp )
for k in range ( len ( t )):
stepsig [ k ] = 0. if t [ k ] < tin else din
return stepsig
def P1o ( K =1. , T =1. , L =0.):

# ft de un modelo de primer orden más tiempo muerto
# in : K , T , L
# out : P1o
np1 = [ K ]; dp1 = [T , 1.]
P1o = pcs . tf ( np1 , dp1 )
if L >= T /1000.:
pn = 10
nL , dL = pcs . pade (L , pn )
Ltf = pcs . tf ( nL , dL )
P1o = P1o * Ltf
return P1o
# vector de tiempos
t = npy . linspace (0 , 100 , 5001)
P1 = pcs . tf (2. , [100. , 180. , 97. , 18. , 1.])
# modelo de primer orden más tiempo muerto
P1m = P1o (2. , 12.05 , 5.38)
# respuestas al escalón de entrada
u = stepsignal (t , 10. , 5.)
to , yp , xo = pcs . forced_response ( P1 , t , u )
to , ym , xo = pcs . forced_response ( P1m , t , u )
# gráfico de las respuestas
plt . plot (t , yp , c = ' r ' , ls = ' -- ' , lw =2 , label = ' $y_p ( t ) $ ' )
plt . plot (t , ym , c = ' b ' , ls = ' - ' , lw =2 , label = ' $y_m ( t ) $ ' )
plt . plot (t , u , c = ' g ' , ls = ' : ' , lw =2 , label = ' $u ( t ) $ ' )
plt . xlabel ( ' Tiempo , t [ s ] ' , fontsize =14)
plt . ylabel ( u ' Se~
n ales ' , fontsize =14)
plt . legend ( loc =7 , frameon = False , fontsize =18)
plt . show ()
Las curvas de respuesta del proceso controlado y su modelo, se muestran en la

Figura B.3: Ejemplo B.2 - 10

Respuesta del proceso y la
de su modelo (epomtm) 8
6 yp(t)
Señales
ym(t)
4 u(t)
0
0 20 40 60 80 100
Tiempo, t [s]
Figura B.4: Ejemplo B.3 - Sistema de control realimentado
figura B.3, la cual se ha exportado a un archivo en formato pdf.
Ejemplo B.3 Python Control - Gráficos para el análisis del sistema de control
En la figura B.4 se muestra el diagrama de bloques de un sistema de control reali-
mentado.
Supóngase ahora, que el proceso que se ha utilizado en los ejemplos anteriores,
se controla con un controlador proporcional.
Se desea dibujar el lugar geométrico de las raíces (de lazo cerrado), cuando
la ganancia proporcional Kp del controlador C(s) varía. Además, se obtendrá el
diagrama de Bode y el diagrama de Nyquist, para el caso particular en que el con-
trolador es C(s) = Kp = 2,5.
Se supondrá, para efectos del ejemplo, que la función de transferencia “exacta”
del proceso controlado se conoce.
El listado de instrucciones para obtener estos tres diagramas (Evans, Bode, Ny-
quist), es
# Sistema de control P
Figura B.5: Ejemplo B.3

- Lugar geométrico de las 0.6
raíces (Evans) 0.4
0.2
Imaginary
0.0
0.2
0.4
0.6
1.2 1.0 0.8 0.6 0.4 0.2 0.0 0.2

Real
P1 = pcs . tf (2. , [100. , 180. , 97. , 18. , 1.])
# controlador proporcional
C = 1.
# función de transferencia de lazo abierto
L = C * P1
# gráficos para el análisis del sistema de control
# lugar de las raices de Evans
# vector del parámetro K variable
Kv = npy . linspace (0 , 50 , 10000)
pcs . root_locus (L , Kv )
# diagrama de Bode
C = 2.5; L = C * P1
pcs . bode_plot (L , c = ' r ' , lw =2)
# diagrama de Nyquist
# vector de frecuencias
wv = npy . logspace ( -2 , 5 , num =500)
pcs . nyquist_plot (L , wv , c = ' g ' , lw =2)
En la figura B.5 se muestra el LGR de Evans, en la figura B.6 el diagrama de

Bode y en la figura B.7 el correspondiente diagrama de Nyquist.
Como se aprecia de estos diagramas, el sistema de control se puede volver ines-
table, si se aumenta mucho la ganancia del controlador proporcional.
Ejemplo B.4 Python Control - Respuestas y robustez del sistema de control PI

En la figura B.8 se muestra el diagrama de bloques de un sistema de control de dos
grados de libertad.
Figura B.6: Ejemplo B.3 - 100

Diagrama de Bode 10 2
Magnitude
10 4
10 6
10 8
10 2 10 1 100 101 102

0
Phase (deg) 100
200
300
10 2 10 1 100 101 102

Frequency (rad/sec)
Figura B.7: Ejemplo B.3 -

Diagrama de Nyquist 3
1 0 1 2 3 4 5
Figura B.8: Ejemplo B.4 - Sistema de control de dos grados de libertad (2GdL)
Se desea ahora, diseñar un sistema de control de dos grados de libertad para el

proceso, que además de ser robusto, tenga un comportamiento óptimo con base en
el índice de error integral IAE.
Con base en el modelo epomtm del proceso controlado de los ejemplos anterio-
res, se han determinado los parámetros de un controlador proporcional e integral de
2GdL (PI2 ), utilizando el método de ajuste robusto y óptimo uSORT2 , presentado en
la sección 15.8 del Capítulo 15, con una robustez de diseño Stm = 0,5 (MSt = 2,0).
Los parámetros uSORT del controlador PI2 , para el nivel de robustez de diseño,
son: Kp = 0,79, Ti = 12,18 s y β = 0,95.
Se desea observar el comportamiento del sistema de control del modelo epomtm,
la variable controlada y(t) y el esfuerzo de control u(t), con el controlador PI2 ,
ante un cambio escalón en el valor deseado de magnitud ∆r = 10 %, seguido por un
cambio en la perturbación de magnitud ∆d = 5 ud.
Además, se desea verificar la robustez resultante obtenida y mostrar la gráfica
polar del sistema de control.
El listado de instrucciones para obtener los gráficos deseados y su robustez, es
# Sistema de control PI2

# funciones
def cpi2 ( Kp =1. , Ti =100. , be =1.):
# ft de un controlador proporcional e integral de 2 GdL ( PI2 )
# in : Kp , Ti , be ( beta )
# out : Cpir , Cpiy
Cpir = Kp *( be + pcs . tf ([1] , [ Ti , 0]))
Cpiy = Kp *(1 + pcs . tf ([1] , [ Ti , 0]))
return Cpir , Cpiy
def lcMtf (P , Cr , Cy ):
# funciones de transferencia del sistema de control
# in : P - ft proceso
# Cr - ft controlador Cr
# Cy - ft controlador Cy
# out : La , Myr , Myd , Mur , Mud
La = Cy * P
Myr = Cr * P /(1 + La )
Myd = P /(1 + La )
Mur = Cr /(1 + La )
Mud = - Cy * P /(1 + La )
return La , Myr , Myd , Mur , Mud
def margestabSm ( La , wi ):
# cálculo del márgen de estabilidad ( Sm )
# in : La - ft lazo abierto
# wi - vector de frecuencias
# out : Sm
S = 1 + La
mS , fS , w = pcs . bode_plot (S , wi , Plot = False )
Sm = npy . min ( mS ); Sm = round ( Sm , 2)
return Sm
# modelo epomtm del proceso controlado

P = P1o (2. , 12.05 , 5.38)
# controlador PI2
Kp = 0.79; Ti = 12.18; be = 0.95
Cr , Cy = cpi2 ( Kp , Ti , be )
# funciones de transferencia del sistema de control
La , Myr , Myd , Mur , Mud = lcMtf (P , Cr , Cy )
# se~ n ales escalón de entrada ( r y d )
tu = 250.; dr = 10; dd = 5.
tri = 0.05* tu ; tdi = 0.50* tu
t = npy . linspace (0 , tu , 5001)
r = stepsignal (t , tri , dr )
d = stepsignal (t , tdi , dd )
rp = r + 50.; dp = d + 50.
# gráficos de las se~ n ales y , r , d
plt . subplot (2 ,2 ,1)
plt . title ( ' Respuestas del sistema de control ' )
to , yr , xo = pcs . forced_response ( Myr , t , r )
to , yd , xo = pcs . forced_response ( Myd , t , d )
y = yr + yd ; yp = y + 50.
rp = r + 50.; dp = d + 50.
plt . plot (t , yp , c = ' b ' , lw =2 , label = ' $y ( t ) $ ' )
plt . plot (t , rp , c = ' g ' , lw =2 , ls = ' -- ' , label = ' $r ( t ) $ ' )
plt . plot (t , dp , c = ' m ' , lw =2 , ls = ' -. ' , label = ' $d ( t ) $ ' )
plt . legend ( loc =0 , frameon = False , fontsize =18 , labelspacing =0.05)
plt . ylabel ( u ' Se~n ales [ %] ' )
# gráfico de la se~ n al u
to , ur , xo = pcs . forced_response ( Mur , t , r )
to , ud , xo = pcs . forced_response ( Mud , t , d )
u = ur + ud ; up = u + 50.
plt . plot (t , up , c = ' r ' , lw =2 , label = ' $u ( t ) $ ' )
plt . legend ( loc =0 , frameon = False , fontsize =18)
plt . xlabel ( ' Tiempo , $t$ [ s ] ' )
plt . ylabel ( u ' Se~n ales [ %] ' )
# gráfica polar y robustez
plt . title ( u ' Gráfica polar y robustez ' )
rLa , iLa , w = pcs . nyquist_plot ( La , npy . logspace ( -1 , 2 , num =1000) ,
Plot = False )
plt . plot ( -1 , -0.002 , marker = ' + ' , mec = ' r ' , ms =12 , mew =2)
plt . plot ( rLa , iLa , c = ' g ' , lw =2)
Respuestas del sistema de control Gráfica polar y robustez

64 y(t)
r(t) 0.4
62 d(t)
60
Señales [%]
0.2
58
L(j )
56
54 0.0
52
50
0.2
0 50 100 150 200 250
60 u(t)
0.4
58 Sm = 0.5
Señales [%]
56 0.6
54
52 0.8
50
1.0
0 50 100 150 200 250 1.50 1.25 1.00 0.75 0.50 0.25 0.00 0.25 0.50
Tiempo, t [s] L(j )
Figura B.9: Ejemplo B.4 - Sistema de control PI2 , curvas de respuesta y robustez
plt . axis ([ -1.5 , 0.5 , -1.0 , 0.5])

plt . text ( -0.25 , -1.10 , ' $ \ Re \ L ( j \ omega ) $ ' , fontsize =16)
plt . text ( -1.80 , 0.10 , ' $ \ Im \ L ( j \ omega ) $ ' , fontsize =16 , \\
rotation = ' vertical ' )
# robustez
Sm = margestabSm ( La , w )
plt . text ( -0.25 , -0.50 , ' $S_m = $ ' + str ( Sm ) , fontsize =14)
plt . show ()
Las curvas de repuesta, la gráfica polar y la robustez obtenida, se muestran en

la figura B.9. Como se observa, la robustez del sistema de control resultante, con el
controlador PI2 ajustado con el método uSORT2 , es exacta la de diseño.
B.4 Bibliografía
B.4. Bibliografía 975
Hunter, J., Dale, D., Firing, E., y Droettboom, M. (2016). Matplotlib Release 1.5.1.
Python Control Developers (2017). Python Control Documentation. Control and Dy-
namical Systems, California Institute of Technology, Pasadena, CA 91125 USA.

LSC Pid PDF

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

LSC Pid PDF

Загружено:

Авторское право:

Доступные форматы

Víctor M.

Sistemas de control proporcional, integral y derivativo:

Esta obra está bajo una licencia de Creative Commons Reconocimento-NoComercial-

Para la confección de este libro en Windows 10 (64-bits), con el compilador

• Anaconda2 Scientific Python Distribution 4.4.0 (Python 2.7.13)

• Draw de LibreOffice 5.4.0.3

• JModelica.org 2.0 (incluyendo Phyton 2.7.11)

• Microsoft Visual C++ 2010 Express

• Python Control Systems Library 0.7

• TextMaths 0.43 (extensión para LibreOffice)

El desarrollo de los temas contenidos de este libro, se ha organizado de la si-

Parte I- Proceso controlado

Parte II - Sistemas de control

• Capítulo 7 - Algoritmo de control proporcional, integral y derivativo

• Capítulo 8 - Identificación del modelo del proceso controlado

Parte III - Análisis de los sistemas de control

• Capítulo 10 - Estabilidad de los lazos de control

• Capítulo 11 - Robustez de los lazos de control

• Capítulo 12 - Análisis del comportamiento de los sistemas de control propor-

Parte IV - Ajuste de los sistemas de control PID

• Capítulo 14 - Control con modelo interno

• Capítulo 15 - Reglas de ajuste de los algoritmos de control proporcional, inte-

• Capítulo 16 - Ajuste robusto de controladores PID de dos grados de libertad,

• Capítulo 17 - Control de procesos integrantes, inestables y con respuesta in-

• Capítulo 18 - Control de procesos dominados por el tiempo muerto

• Capítulo 20 Control anticipativo

• Capítulo 21 Control multilazo de procesos multivariables

• Apéndice B - Biblioteca Python Control Systems

En lo posible, se tratará de revisar y ampliar periódicamente el contenido de este

Esta es la versión del 4 de septiembre de 2017.

3 Elementos básicos de los sistemas físicos 59

4 Modelado analítico del proceso controlado 93

5 Comportamiento dinámico de los procesos simples 115

II Sistemas de control 195

6 Sistemas de control realimentado 197

7 Algoritmo de control proporcional, integral y derivativo 231

8 Identificación del modelo del proceso controlado 335

III Análisis de los sistemas de control 401

9 Índices de comportamiento de los lazos de control 403

10 Estabilidad de los lazos de control 447

11 Robustez de los lazos de control 503

12 Análisis del control proporcional, integral y derivativo 539

IV Ajuste de los sistemas de control PID 609

13 Ajuste analítico de los algoritmo de control PID 611

14 Control con modelo interno 653

15 Reglas de ajuste de los algoritmos de control PID 681

16 Ajuste robusto de controladores por modelo de referencia 747

17 Control de procesos integrantes, inestables y con respuesta inversa 777

18 Control de procesos dominados por el tiempo muerto 811

V Otros esquemas de control 829

19 Control en cascada, selectivo y de razón 831

20 Control anticipativo 851

21 Control multilazo de los procesos multivariables 873

A Modelos de los procesos controlados para los estudios de control 909

B Biblioteca Python Control Systems 961

“De las cosas existentes, algunas están

1 Epicteto - “Enquiridión” (El Manual de Epicteto), filosofo griego (50-135).

En la mayoría de las actividades productivas humanas, existe la necesidad de lograr

garantizar la seguridad de los equipos y del personal encargado de su operación, y pa-

Sin temor a equivocarse, se puede afirmar que en la actualidad, los sistemas de

proceso es estable−. Esta evolución de sus variables, representa el comportamiento

Transactions, 64, 759-768.

concepto de espacio de estados, en el artículo “On the General Theory of Control