UNIVERSIDAD NACIONAL DE SAN AGUSTIN

FACULTAD DE PRODUCCIÓN Y SERVICIOS

ESCUELA PROFESIONAL DE INGENIERÍA ELECTRÓNICA

LABORATORIO N°4
TEMA: Respuesta temporal de los sistemas de control automático.

CURSO: Teoría de Control Automático (Laboratorio)

DOCENTE: Ing Daniel Yanyachi

ALUMNOS:

 Sánchez Urure Bryan Gerson 20130502

 Carrasco Mendoza Rolfi 20130477

Arequipa
2017

1
 INDICE

 CARÁTULA 1

 INDICE 2

 MARCO TEÓRICO 3

 DESARROLLO DEL LABORATORIO 13

 Ejercicio 1
Controlador PID 13
o Acción Proporcional (P) 15
o Acción Proporcional Integral(PI) 17
o Acción Proporcional Integral derivativo (PID) 20

 Ejercicio 2 22

 Ejercicio 3 26

 Ejercicio 4 28

 Ejercicio 5 39

 Conclusiones 33

 Bibliografía 34

2
 MARCO TEORICO

El diseño de un sistema de control, debe ser capaz de predecir su comportamiento

dinámico a partir del conocimiento de sus componentes. La característica más
importante del comportamiento dinámico de un sistema de control es la estabilidad
absoluta, es decir, si un sistema es estable o inestable.

Un sistema de control está en equilibrio si en ausencia de cualquier perturbación o

entrada, la salida permanece en el mismo estado. Un sistema de control es estable si la
salida termina por regresar a su estado de equilibrio cuando el sistema está sujeto a una
condición inicial. Un sistema de control es críticamente estable si las oscilaciones de la
salida continúan por siempre. Es inestable si la salida diverge sin límite a partir de su
estado de equilibrio cuando el sistema está sujeto a una condición inicial.

Entre los comportamientos importantes de un sistema que deben recibir una cuidadosa
consideración, aparte de la estabilidad absoluta, están la respuesta transitoria y el error
en estado estacionario e(ss) Cuando un sistema ha alcanzado un estado de equilibrio se
dice que se encuentra en estado estacionario.

FIGURA 1

Se muestran las dos regiones temporales de interés para especificar el comportamiento

de un sistema. La primera región es la respuesta transitoria y la segunda región es la de
estado estacionario.
Cuando un sistema de control está sujeto a una entrada, la salida no cambia
inmediatamente, si no que exhibe una respuesta transitoria antes de alcanzar un estado
estacionario, siempre y cuando, el sistema sea estable.

3
La respuesta transitoria de un sistema de control práctico con frecuencia presenta
oscilaciones amortiguadas antes de alcanzar un estado estacionario.
Si la salida de un sistema no coincide exactamente con la referencia, se dice que el
sistema tiene un error en estado estacionario ess.
Al analizar un sistema de control se debe examinar el comportamiento de la respuesta
transitoria y el comportamiento en estado estacionario.
Dentro de los sistemas de control estables existen tres tipos de clasificaciones bien
definidas:
 el caso amortiguado Figura (a)
 el caso críticamente amortiguado Figura (b),
 el caso sobre amortiguado Figura (c).
La salida contra el tiempo para un sistema críticamente estable se muestra en la Figura
(d).

Definición de respuesta transitoria.

En muchos casos prácticos, las características de desempeño deseadas del sistema de
control se especifican en términos de cantidades en el dominio del tiempo,
comúnmente los sistemas no responden instantáneamente y exhiben respuestas
transitorias cada vez que están sujetos a entradas o perturbaciones, frecuentemente,
las características de desempeño de un sistema de control se especifican en términos
de la respuesta transitoria para una entrada escalón unitario, dado que ésta es fácil de
generar y suficientemente drástica.

La respuesta transitoria de un sistema para una entrada escalón unitario depende de las
condiciones iniciales. Por conveniencia, al comparar respuestas transitorias de varios
sistemas, es común que las condiciones iniciales del sistema sean cero. De este modo,
las características de respuesta se comparan con facilidad.
Al especificar las características de respuesta transitoria de un sistema de control para
una entrada escalón unitario,+ es común especificar lo siguiente.

4
 •Tiempo de retardo dt, es el tiempo requerido para que la respuesta alcance por
primera vez la mitad del valor final.
•Tiempo de levantamiento rt, es el tiempo requerido para que la respuesta pase
del 10% al 90%, del 5% al 95% ó del 0% al
100% de su valor final. Para sistemas subamortiguados de segundo orden,
comúnmente se usa el tiempo de levantamiento de 0% a 100%. Para sistemas
sobre amortiguados, suele usarse el tiempo de levantamiento de 10% a 90%.
•Tiempo pico pt, es el tiempo requerido para que la respuesta alcance el primer
pico de sobre paso.
•Sobre paso máximo pM, es el valor pico máximo de la curva de respuesta,
medido a partir de la unidad. Si el valor final en estado estacionario es diferente
de la unidad, es común usar el porcentaje de sobre paso máximo, que se define
mediante

•Tiempo de asentamiento st, es el tiempo que se requiere para que la curva de

respuesta alcance un rango dentro del valor
final, de tamaño especificado por el porcentaje absoluto del valor final y la señal
permanezca dentro de éste rango, por lo
general es de 2±% a %5±. El tiempo de asentamiento se relaciona con la mayor
constante de tiempo del sistema de control.
Los objetivos particulares de diseño de un sistema de control determinan qué
criterio de error en porcentaje a utilizar.
Estas especificaciones se resumen en la Tabla 1 y se aprecian en forma grafica
Las especificaciones en el dominio del tiempo que se han proporcionado son
importantes, ya que casi todos los sistemas de control son sistemas en el dominio del
tiempo; es decir, deben presentar respuestas de tiempo aceptables. Esto significa que el
sistema de control debe modificarse hasta que la respuesta transitoria sea satisfactoria.

5
EL CONTROLADOR PID BÁSICO

Un controlador PID se caracteriza por combinar tres acciones (P, I y D) mediante el

siguiente algoritmo de control:

Este algoritmo está considerado como el PID estándar por la ISA (Instrument Society of
America). A continuación se resumen los términos básicos:

 - Acción proporcional (P): es la acción que produce una señal proporcional a la

desviación de la salida del proceso respecto al punto de consigna.
 - Acción integral (I): es la acción que produce una señal de control proporcional
al tiempo que la salida del proceso ha sido diferente del punto de consigna.
 - Acción derivativa (D): es la acción que produce una señal de control
proporcional a la velocidad con que la salida del proceso está cambiando
respecto del punto de consigna.
 - Constante de tiempo integral (Ti): es el tiempo, generalmente expresado en
minutos, que debe transcurrir para que la acción integral alcance (iguale o
repita) a la acción proporcional.
 - Constante de tiempo derivativa (Td): es el intervalo de tiempo, generalmente
expresado en minutos, en el que la acción derivativa adelanta a la acción
proporcional.

Cada acción de control tiene una respuesta característica:

 - La acción proporcional varía instantáneamente con el error y alcanza un valor

estacionario cuando lo alcanza éste.
 - La acción integral tiene en cuenta la historia pasada del error y se anula cuando
se hace cero.
 - La acción derivativa predice los cambios en el error y se anula cuando alcanza
un valor estacionario.

CONTROLADOR P

Un ejemplo típico de control proporcional se muestra en la figura 1, donde se observa la

conducta de la variable controlada después de un salto en escalón unitario en el punto
de consigna. Se observan los siguientes hechos característicos cuando aumenta la
ganancia Kp del controlador:
6
 1. El error en estado estacionario disminuye.
2. El proceso responde más rápidamente.
3. La sobreoscilación y las oscilaciones aumentan.

Código Matlab empleado para la obtención de la gráfica regulador P

%REGULADOR P;
%Funcion de transferencia ejemplo del sistema en cadena abierta;
num=1;
den=conv([10 1],[5 1]);
sys=tf(num,den);
%Regulador Proporcional;
Kp=2;
sysa=Kp*sys;
%Sistema equivalente realimentado;
7
[sysc]=feedback(sysa,1);
hold on;
%Respuesta del sistema;
step(sysc);
title('Regulador P');

LA ACCIÓN INTEGRAL PI

Esta acción elimina el problema del error en estado estacionario frente a

perturbaciones de carga constante. Por eso se utiliza para determinar de forma
automática el valor correcto de u0. Además se usa para corregir el error en régimen
permanente.

Otra de las razones intuitivas que ayuda a comprender los beneficios de la acción
integral es que, cuando se introduce, la existencia de un pequeño error durante un
intervalo prolongado de tiempo puede dar lugar a un gran valor de la señal de control.
El algoritmo de la acción integral es el siguiente:

Las propiedades de la acción integral se muestran en la figura 2 en la que se puede ver

la simulación de un controlador PI. La ganancia proporcional se mantiene constante y se
varía el tiempo integral.

8
El caso particular en el que Ti es infinito se corresponde con el control P. Al introducir la
acción integral se observa que:

1. El error en estado estacionario se elimina cuando Ti tiene valores finitos.

2. Cuando Ti disminuye (mayor acción integral) la respuesta se hace cada vez más
oscilatoria, pudiendo en último término llegar a inestabilizar el sistema.

Código Matlab empleado para la obtención de la gráfica controlador PI

%controlador PI;
%Funcion de transferencia ejemplo del sistema;
num=1; den=[10 1];
sys=tf(num,den);
Kp=10; Ki=30;
%Funcion de transferencia del controlador PI;
numc=[Kp Ki];
denc=[1 0];
sysc=tf(numc,denc);
%Sistema equivalente realimentado;
numa=conv(num,numc);
dena=conv(den,denc);

9
sysa=tf(numa,dena);
[sysac]=feedback(sysa,1);
step(sysac);
title('controlador PI');

LA ACCIÓN DERIVATIVA PD

Uno de los problemas del controlador PI y que limita su comportamiento es que solo
considera los valores del error que han ocurrido en el pasado, es decir, no intenta
predecir lo que pasará con la señal en un futuro inmediato.

La acción derivativa realiza ese tipo de compensación, que se basa en introducir una
acción de predicción sobre la señal de error. Una forma sencilla de predecir es
extrapolar la curva de error a lo largo de su tangente. El algoritmo de la acción
derivativa es el siguiente:

El parámetro Td es el tiempo derivativo y puede interpretarse como un horizonte de

predicción. Al basar la acción de control en la salida predicha, es posible mejorar el
amortiguamiento de un sistema oscilatorio. En la figura 3 se pueden observar las
propiedades de un controlador de este tipo.

10
En la figura anterior se puede ver que las oscilaciones se amortiguan cuando se utiliza la
acción derivativa. A medida que Td aumenta la salida se va aproximando cada vez más a
una exponencial.

Una desventaja importante de la acción derivativa es que hay que ser muy cuidadoso a
la hora de escoger el valor del tiempo derivativo. En las instalaciones industriales es
frecuente desconectar la acción derivativa (hacer Td = 0), aunque en otras ocasiones
está muy recomendada. Un ejemplo es el caso de procesos multi-capacitivos, como
puede ser el control de temperatura.

Debido a la inercia del sistema es importante saber hacia dónde se está evolucionando.
La acción de calentamiento tiene que pararse a tiempo.

Una conducción lenta de calor puede significar que, incluso después de desconectar el
sistema de calentamiento, la temperatura continúe aumentando durante mucho
tiempo. Durante este período la temperatura puede sobrepasar considerablemente su
punto de consigna si no se ejerce una acción de control cuidadosa.

Otro ejemplo donde es importante predecir el error es cuando hay grandes retardos o
tiempos muertos en el proceso. En esta situación, desgraciadamente, la acción
derivativa no suele dar una buena predicción y hay que utilizar controladores
específicos (basados en el predictor de Smith o en las estrategias de control predictivo)
para solucionar el problema. Si no se tiene acceso a un controlador de este tipo, en
estos casos es mejor utilizar un controlador PI.

Código Matlab empleado para la obtención de la gráfica controlador PD

%controlador PD;
%Funcion de transferencia ejemplo del sistema;
num=1;
den=conv([10 1],[5 1]);
Kp=10;
Kd=10;
numc=[Kd Kp];
%Funcion de transferencia del controlador PD;
numa=conv(num,numc);
sysa=tf(numa,den);
[sysac]=feedback(sysa,1);
step(sysac);
title('controlador PD');

El controlador PID combina en un único controlador la mejor característica de

estabilidad del controlador PD con la ausencia de error en estado estacionario del
controlador PI.

11
La adición de la acción integral a un controlador PD es esencialmente lo mismo que
añadir dicha acción a un controlador P.

La tabla muestra cómo varían la estabilidad, la velocidad y el error en estado

estacionario cuando se modifican los parámetros del controlador. Es necesario señalar
que esta tabla contiene un conjunto de reglas heurísticas y, por tanto, hay excepciones.

Kp aumenta Ti disminuye Td aumenta

Estabilidad se reduce disminuye aumenta
Velocidad aumenta aumenta aumenta
Error est. estacionario no eliminado eliminado no eliminado

12
 DESARROLLO DEL LABORATORIO

1. Controlador PID: Repita las siguientes instrucciones y tome atención en cada uno
de los resultados obtenidos. Le permitirá conocer la acción proporcional (P),
integral (I) y derivativa (D), de los controladores. Estructura mayormente usada en
la industria.

El modelo dinámico de un motor DC está expresado por la siguiente función e

transferencia:

MODELO DINAMICO DE UN MOTOR DC

s (Js + b) 𝜃 (s) = kI (s) (4.1)

(Ls + R) I (s) = V - ks 𝜃(s) (4.2)
𝜃 𝑘
G(s) = = (𝐽𝑠+𝑏)(𝐿𝑠+𝑅)+ 2 (4.3)
𝑉 𝑘

Los valores numéricos de los coeficientes del modelo están en la tabla 1. Las
especificaciones de diseño del controlador para este sistema, considerando una
entrada escalón unitario de 1 rad/s, son:

 Tiempo de acomodación menos que 0.04 s.

 Overshoot menos que 16 %.
 𝑒𝑠𝑠 = 0 error en régimen permanente (steady state error)

13
 COEFICIENTES PARA EL MODELO DINAMICO DEL MOTOR DC

CONSTANTE UNIDADES DESCRIPCION

J 3.2284E-6 kg𝑚2 /𝑠 2 Momento de inercia del rotor.

b 3.5077E-6 Nm/s Coeficiente de amortiguamiento

de motor.
K = ke = kt 0.0274 Nm/Amp Constante de la fuerza
electromotriz.
R 4Ω Resistencia eléctrica del motor.
L 2.75E-6H Inductancia eléctrica del motor
V ? Voltaje de entrada
𝜽 ? Angulo o posición de salida
La función de transferencia de nuestro controlador PID es de la forma:

𝐾𝐼 𝐾 𝑠2 + 𝐾𝑃𝑠 + 𝐾𝐼
𝐷
PID (s) = 𝐾𝑃 + +𝐾 𝐷𝑠 = (4.4)
𝑠 𝑠
Para resolver este problema, crearemos un file pidmotor.m donde introduciremos lo
siguiente:

function [h]=pidmotor(kp,ki,kd)
% modelo del motor G(s)
J=3.2284E-6;
b=3.5077E-6;
K=0.0274;
R=4;
L=2.75E-6;
num=K;
den=[(J*L) ((J*R)+(L*b)) ((b*R)+K^2) 0];
% F.T del controlador PID(s)
kp=kp;
ki=ki;
kd=kd;
numpid=[kd kp ki];
denpid=[1 0];
% F.T en lazo abierto F(s)=G(S)*PID(s)
numf=conv(num,numpid);
denf=conv(den,denpid);
[af,bf,cf,df]=tf2ss(numf,denf)
sysf=ss(af,bf,cf,df)
% FT en lazo cerrado H(s)=F(s)/1+F(s) (negative feedback)
h=feedback(sysf,1);

 Teniendo ya la estructura del sistema controlado, procedemos a sincronizar

(tunning) los parámetros del PID.

14
 a) Acción Proporcional (P)

clear all %borra todas las variable incluyendo las

globales y las funciones
h=pidmotor(1.79,0,0)
t=0:0.001:0.3; % tiempo de la simulación
step(h,t)
xlabel('Tiempo (s)') % rotulación de eje tiempo(s)
ylabel('Posición (rad)') % rotulación de eje posición (rad)
grid %activa la inclusión de una cuadricula en el dibujo

af =

1.0e+007 *

-0.1455 -8.6144 0 0
0.0000 0 0 0
0 0.0000 0 0
0 0 0.0000 0

bf =

1
0
0
0

cf =

1.0e+009 *

0 0 5.5244 0

df =

a=
x1 x2 x3 x4
x1 -1.455e+006 -8.614e+007 0 0
x2 1 0 0 0
x3 0 1 0 0

15
 x4 0 0 1 0

b=
u1
x1 1
x2 0
x3 0
x4 0

c=
x1 x2 x3 x4
y1 0 0 5.524e+009 0

d=
u1
y1 0

Continuous-time model.

a=
x1 x2 x3 x4
x1 -1.455e+006 -8.614e+007 -5.524e+009 0
x2 1 0 0 0
x3 0 1 0 0
x4 0 0 1 0

b=
u1
x1 1
x2 0
x3 0
x4 0

c=
x1 x2 x3 x4
y1 0 0 5.524e+009 0

d=
u1
y1 0

Continuous-time model.

16
 FIGURA 1

Gráfica de la respuesta en escalón

En esta imagen podemos ver que la gráfica se vuelve constante a partir de 0.2
segundos en adelante.

b) Acción proporcional integral (PI)

clear all % borra todas las variable incluyendo las

globales y las funciones
h=pidmotor(1.79,20,0)
t=0:0.001:0.3; % tiempo de la simulación
step(h,t)
xlabel('Tiempo (s)') % rotulación de eje tiempo(s)
ylabel('Posicion (rad)') % rotulación de eje posición (rad)
grid % activa la inclusión de una cuadricula en el dibujo

17
 FIGURA 2

Incremente el valor de 𝐾𝐼 , primero a 50, luego a 200. Observe ¿Cuál es el efecto de la acción
integral?

clear all % borra todas las variable incluyendo las

globales y las funciones
h=pidmotor(1.79,50,0)
t=0:0.001:0.3; % tiempo de la simulación
step(h,t)
xlabel('Tiempo (s)') % rotulación de eje tiempo(s)
ylabel('Posicion (rad)') % rotulación de eje posición (rad)
grid % activa la inclusión de una cuadricula en el dibujo

FIGURA 3

18
clear all % borra todas las variable incluyendo las
globales y las funciones
h=pidmotor(1.79,200,0)
t=0:0.001:0.3; % tiempo de la simulación
step(h,t)
xlabel('Tiempo (s)') % rotulación de eje tiempo(s)
ylabel('Posicion (rad)') % rotulación de eje posición (rad)
grid % activa la inclusión de una cuadricula en el dibujo

FIGURA 4

FIGURAS 2, 3 Y 4
Las gráficas muestran un tiempo de acomodación largo el cual se puede modificar
cambiando los valores de kp y ki.

En los casos anteriores, el tiempo de acomodación es muy largo. Para reducirlo y obtener una
respuesta más rápida. Hacemos las modificaciones. 𝐾𝑃 = 17 y 𝐾𝐼 = 200.

clear all % borra todas las variable incluyendo las

globales y las funciones
h=pidmotor(17,200,0)
t=0:0.001:0.3; % tiempo de la simulación
step(h,t)
xlabel('Tiempo (s)') % rotulación de eje tiempo(s)
ylabel('Posicion (rad)') % rotulación de eje posición (rad)
grid % activa la inclusión de una cuadricula en el dibujo

19
 FIGURA 5

c) Acción proporcional integral derivativo (PID)

En el último caso, obtuvimos una respuesta rápida, pero el overshoot incremento

demasiado. Por tanto, para reducir este efecto, introduciremos la acción
derivativa. Con los datos 𝐾𝑃 = 17, 𝐾𝐼 = 200 y 𝐾𝐷 = 0,15 obtenemos:
clear all % borra todas las variable incluyendo las globales y las
funciones
h=pidmotor(17,200,0.15)
t=0:0.001:0.3; % tiempo de la simulacion
step(h,t)
xlabel('Tiempo (s)') % rotulación de eje posición tiempo (s)
ylabel('Posicion (rad)') % rotulación de eje posición (rad)
grid % activa la inclusión de una cuadricula en el dibujo

af =

1.0e+007 *

-0.1455 -8.6144 0 0
0.0000 0 0 0
0 0.0000 0 0
0 0 0.0000 0

bf =

1
0
0
0

20
cf =

1.0e+011 *

0 0.0046 0.5247 6.1725

df =

a =
x1 x2 x3 x4
x1 -1.455e+006 -8.614e+007 0 0
x2 1 0 0 0
x3 0 1 0 0
x4 0 0 1 0

b =
u1
x1 1
x2 0
x3 0
x4 0

c =
x1 x2 x3 x4
y1 0 4.629e+008 5.247e+010 6.172e+011

d =
u1
y1 0

Continuous-time model.

a =
x1 x2 x3 x4
x1 -1.455e+006 -5.491e+008 -5.247e+010 -6.172e+011
x2 1 0 0 0
x3 0 1 0 0
x4 0 0 1 0

b =
u1
x1 1
x2 0
x3 0
x4 0

c =

21
 x1 x2 x3 x4
y1 0 4.629e+008 5.247e+010 6.172e+011

d =
u1
y1 0

Continuous-time model.

FIGURA 6

Observe. ¿Cuál es el efecto de la acción derivativa?

Mantiene el error al mínimo corrigiéndolo proporcionalmente con la velocidad misma que se

produce; de esta manera evita que el error se incremente.

Finalmente hemos alcanzado las especificaciones de diseño de controlador. El resultado

muestra un overshoot por debajo de 16%, un tiempo de acomodación inferior a 40 ms y no
hay error en régimen permanente.

2. Dado el siguiente sistema de segundo orden en la Ec. (5)

𝑊2𝑛
H(s) = 𝑠2 +2𝜉𝜔 2 (4.5)
𝑛 𝑠 +𝜔 𝑛

 Plotee el mapa de polos y la respuesta temporal para los siguientes casos.

22
 CODIGO

a) 𝛏 = 0,7 y 𝜔𝑛 = [0 : 0,25 :4] rad/s

t=0:0.1:5;
zeta=0.7;
wn=0:0.25:4;
for n=1:16
num=[wn(n)^2];
den=[1 2*zeta*wn(n) wn(n)^2];
[y(1:51,n),x,t]=step(num,den,t);
end
subplot(2,1,1)
plot(t,y)
grid
title('respuesta a un escalon unitario')
xlabel('t(seg)')
ylabel('respuesta')
subplot(2,1,2)
pzmap(num,den)

FIGURA 7

23
 b) 𝛏 = 0,5 y 𝜔𝑛 = [0 : 0,25 :4] rad/s
t=0:0.1:5;
zeta=0.5;
wn=0:0.25:4;
for n=1:16
num=[wn(n)^2];
den=[1 2*zeta*wn(n) wn(n)^2];
[y(1:51,n),x,t]=step(num,den,t);
end
subplot(2,1,1)
plot(t,y)
grid
title('respuesta a un escalon unitario')
xlabel('t(seg)')
ylabel('respuesta')
subplot(2,1,2)
pzmap(num,den)

FIGURA 8

3.

24
 c) 𝛏 = [0,25 :3] y 𝜔𝑛 = 2 rad/s
t=0:0.1:5;
wn=2;
zeta=0:0.25:3;
for n=1:12
num=[zeta(n)^2];
den=[1 2*wn*zeta(n) zeta(n)^2];
[y(1:51,n),x,t]=step(num,den,t);
end
subplot(2,1,1)
plot(t,y)
grid
title('respuesta a un escalon unitario')
xlabel('t(seg)')
ylabel('respuesta')
subplot(2,1,2)
pzmap(num,den)

FIGURA 9

d) 𝛏 = [0,25 :3] y 𝜔𝑛 = 3 rad/s

t=0:0.1:5;
wn=3;
zeta=0:0.25:3;
for n=1:12
num=[zeta(n)^2];
den=[1 2*wn*zeta(n) zeta(n)^2];
[y(1:51,n),x,t]=step(num,den,t);
end
subplot(2,1,1)
plot(t,y)
grid
title('respuesta a un escalon unitario')
xlabel('t(seg)')

25
ylabel('respuesta')
subplot(2,1,2)
pzmap(num,den)

FIGURA 10

3. Plotee la respuesta temporal del sistema:

𝟐𝟔𝟎𝟎
𝑮(𝒔) =
𝟒𝒔𝟒 + 𝟏𝟐𝟖𝒔𝟑 + 𝟏𝟎𝟓𝟑𝒔𝟐 + 𝟏𝟗𝟗𝟎𝒔 + 𝟐𝟔𝟎𝟎

Identifique y etiquete los valores en el gráfico: 𝒕𝒓 , 𝒕𝒑 , 𝒕𝒔 𝒚 𝑴𝑷.

𝒕𝒓 : Tiempo de levantamiento, es el tiempo requerido para que la respuesta pase del 10% al
90%, del 5% al 95% o del 0% al 100% de su valor final.
𝒕𝒑 : Tiempo pico, es el tiempo requerido para que la respuesta alcance el primer pico máximo.

FIGURA 11

26
 “CURVA DE RESPUESTA ESCALON UNITARIO”

𝒕𝒔 : tiempo de asentamiento, es el tiempo requerido para la respuesta general entre en la

barrera de tolerancia permisible. Dicha barrera está, por lo general, entre 2 a 5 % del valor
final.

𝑴𝑷 : sobrepaso máximo, es el valor de la respuesta en su pico máximo, generalmente

expresado en % de acuerdo a la relación siguiente:
𝐜(𝐭 𝐩 )−𝐜(∞)
𝐌𝐏 (%) = 𝐱 𝟏𝟎𝟎% (4.7)
𝐜(∞)

CODIGO
num=input('Ingrese el numerador de la Función Transferencia:\n');
den=input('Ingrese el denominador de la Función Transferencia:\n');
G=tf(num,den);
step(G)
stepinfo(G)

FIGURA 12

27
4.- Considere el sistema de la ecuación. Determine los valores de  y n para que el
sistema responda a una entrada escalón con un sobrepaso de aproximación de 5%y con
un tiempo de asentamiento (ts) de 2 segundos. (Use el criterio de 2% para la tolerancia
permisible. Compare con los resultados analíticos)

𝒘𝒏 𝟐
𝑯(𝒔) =
𝒔𝟐 + 𝟐𝜹𝒘𝒏 𝒔 + 𝒘𝒏 𝟐

Primero calculamos 𝜍 :
𝜋𝜍
−
𝐷% = 100𝑒 √1−𝜍2

Desarrollando esta ecuación tenemos:

𝜋𝜍
−
5 = 100𝑒 √1−𝜍2
𝜋𝜍
ln(0.05) = −
√1 − 𝜍 2
𝜍 = 0.690072

Ahora hallamos 𝜔𝑛 , usando el criterio del 2%:

4
𝑡𝑠 =
𝜔𝑛 ∗ 𝜍
4
2=
𝜔𝑛 ∗ 0.690072

𝜔𝑛 = 2.960078

Código:
clear all
wn = input('Cual es el valor de su constante w:\n');
psi = input('Cual es el valor de su constante psi:\n');
num= wn^2;
den=[1 2*psi*wn wn*wn];
G=tf(num,den);
step(G)2
stepinfo(G)

>> sistemseg3
Cual es el valor de su constante w:
2.960078
Cual es el valor de su constante psi:
0.690072

ans =

RiseTime: 0.7093
SettlingTime: 2.0255

28
 SettlingMin: 0.9022
SettlingMax: 1.0500
Overshoot: 4.9971
Undershoot: 0
Peak: 1.0500
PeakTime: 1.4525

Step Response
1.4

1.2

0.8
Amplitude

0.6

0.4

0.2

0
0 0.5 1 1.5 2 2.5 3
Time (sec)

Fig.13 Sobrepaso de aproximación y el tiempo de asentamiento

Esta imagen nos muestra que el sobrepaso de aproximación y el tiempo de

asentamiento son dados por el usuario, para así obtener  y n

5.- Implemente una nueva función (similar a la función pidmotor del ítem1). Usando esa
nueva función, encuentre los parámetros del controlador PID (Kp, Ki, Kd) para el sistema
mecánico siguiente.

X ( s) 1

F ( s) ms 2  bs  k
Dónde:
m= 2Kg masa del móvil
b=15Ns/m (Coeficiente del amortiguador)

29
k= 25N/m (coeficiente del resorte)

*nombre del sistema ej5a.m

clear all
m=2; % kg
b=15; % Ns/m
k=25; % N/m
num=1; %numerador
den=[m b k]; %denominador
Kp=300; %tanteando kp
num=[Kp]; %renombrando con kp
den=[m b k+Kp]; %renombrando con kp
t=0:0.01:2; %vector de tiempo
step(num,den,t) %respuesta al escalon
grid
title('respuesta a un escalón unitario') %titulo
xlabel('t(seg)') %nombre del eje x
ylabel('Respuesta') %nombre del eje y

30
 Fig.14 Gráfica de la respuesta en escalón

En esta parte solo trabajamos con una acción proporcional (P), Kp=300

*nombre del sistema ej5b.m

clear all
m=2; % kg
b=15; % Ns/m
k=25; % N/m
num=1; %numerador de ft
den=[m b k]; %denominador de ft
Kp=30; %tanteando kp
Ki=70; %tanteando ki
num=[Kp Ki]; %renombrando el numerador con kp y ki
den=[m b k+Kp Ki]; %renombrando el denominador con kp y ki
t=0:0.01:2; %vector de tiempo
step(num,den,t) %respuesta al escalon
grid
title('respuesta a un scalon unitario') %titulo
xlabel('t(seg)') %nombre del eje x

31
ylabel('Respuesta') %nombre del eje y

Fig.15 Gráfica de la respuesta en escalón

En esta segunda parte trabajamos con una acción proporcional integral (PI), Kp=30
Ki=70

*nombre del sistema ej5PID.m

clear all
m=2; %masa en kg
b=15; %coeficiente de amortiguamiento en Ns/m
k=25; %coeficiente del resorte en N/m
num=1; %nombrando al numerador
den=[m b k]; %nombrando al denominador
Kp=350; %tanteando kp

32
Ki=300; %tanteando ki
Kd=50; %tanteando kd
num=[Kd Kp Ki]; %renombrando al denominador
den=[m b+Kd k+Kp Ki]; %renombrando al denominador
t=0:0.01:2; %vector de tiempo
step(num,den,t) %respuesta al escalón
grid
title('respuesta a un escalón unitario') %titulo
xlabel('t(seg)') %nombre del eje x
ylabel('Respuesta') %nombre del eje y

Fig.16 Gráfica de la respuesta en escalón

En esta tercera parte trabajamos con una acción proporcional integral derivativa
(PID), Kp=350 Ki=300 Kd=50

33
CONCLUSIONES:

 Los tipos de control estudiados tienen sus propias características y son

adecuadas para determinada aplicación, la aplicación de un controlador va a
depender básicamente del tipo de señal de entrada al sistema de control.
 Con el uso del MATLAB, podemos encontrar la respuesta temporal de un
sistema de control basándonos en su función de transferencia en LA o LC.

 Al variar los valores de 𝜍 y 𝑤𝑛, podemos hacer que el sistema de control

responda más rápidamente, o con menor rebase, menor oscilación, lo cual nos
permite adecuar el controlador a los requerimientos dados.

 Los controles PID reúnen las características de los tres tipos de control
precedentes, por tanto su respuesta temporal es mas idónea.

BIBLIOGRAFÍA

 http://isa.uniovi.es/~idiaz/ADSTel/Practicas/ModeladoMotorCC.html
 http://www.lajpe.org/mar12/25_LAJPE_611_Manuel_Alvarez_preprint_corr_f.p
df
 http://www.ing.unlp.edu.ar/cys/pdf/matlab2.pdf
 http://jupiter.utm.mx/~tesis_dig/10719.pdf
 http://biblioteca.usac.edu.gt/tesis/08/08_0202_EO.pdf

34