Levitador

Electromagnético
Liana Amaya Moreno
Tomás Olarte Hernández
Juan Pablo Tamayo Holguín
Objetivo General

Diseñar, implementar y analizar el sistema de
control de un levitador magnético utilizando los
conceptos y herramientas estudiados en el
curso
Objetivo Específicos

Describir el sistema físico.

Modelar matemáticamente el levitador
electromgnético.

Implementar el sistema físico en MATLAB.

Linealizar el modelo.

Obtener la matriz de funciones de transferencia.

Analizar el sistema.

Diseñar un controlador PID, simular y analizar
los resultados.
Descripción del sistema

Electroimán

Sensor

Sistema control y
actuador
Figura 1 Esquema del Levitador
Modelo matemático

Supuestos:
 Fuerzas verticales
únicamente.
 Inductancia de la
esfera despreciable.
 Relación inversa con
el cuadrado de la
distancia Figura 2 Diagrama de fuerzas
Modelo matemático
Circuito del electroimán

vE (t ) = vR (t ) + vL (t ) (1)

di (t )
vE (t ) = R ⋅ i (t ) + L ⋅ (2)
dt
Modelo matemático
Sistema Esfera-Electroimán

∑FEXT = mg − kxɺ − Fm ( x, t ) = m ⋅ ɺɺ
x (4)

i 2 (t ) dL( x)
Fm ( x, t ) = − ⋅
2 dx
L0 X 0
L( x) = L + (6)
x

d 2 x(t ) L0 X 0 i 2 (t )
m 2
= mg − ⋅ 2 (7)
dt 2 x (t )
Implementación

Variables de estado
 
 Posición x1 = x(t )  xɺ = xɺ (t ) = x 
 Velocidad x2 = xɺ (t )  1 2 
Corriente x3 = i (t )  C x3 
2

X =  xɺ 2 = g − ⋅ 2 
ɺ
 m x1 

Entrada  R u
 Voltaje u = vE (t )  xɺ3 = − x3 + 
 L L

Salida  y1 = x1 
 Posición y1 = x Y =  
 Corriente y 2 = x  y2 = x3 
Modelo en Simulink

Figura 3 Modelo del Levitador

Modelo en Simulink

Figura 4 Modelo del sistema completo

Linealización
Alrededor de un  C
 x10 = ⋅ x3 , con x1 , x3 ≥ 0
punto de operación:  mg

 x20 = 0

 x3 = u0
 0 R

 0.021 
 
Con lo cual : X 0 =  0  ∧ u 0 = u0 = R ⋅ x3 = 22.165 V
 0.806 
 

Parámetros: m = 3.61 gr R = 27.5 Ω g = 9.7811 m/s 2

L = 162 mH C = 2.397 x 10-5 Nm 2 / A 2
Linealización
∂X
ɺ ∂X
ɺ
Sistema linealizado: ∆X =
ɺ ∆X + ∆u
∂X 0 ∂u 0
 
 0 1 0   
  0
∂X  C x32
ɺ C x3  ∂X
ɺ  
donde = 2
∂X  m x13
0 −2
m x12 
∧ = 0
∂u  
  1
 R   
 0 0 −  L
 L 

El nuevo sistema, sería: ∆ Xɺ = A ∆ X + B ∆ u

 0 . 021 
 0 1 0   0   
∂X
ɺ   ∂X
ɺ   X 0 =  0  u 0 = 22 . 165
A= =  931.53 0 −24.2707  ; B= = 0  ; ;
 0 . 806 
∂X 0  ∂u 0   
 0 0 −169.753  
 6.1728 
Matriz de funciones de
Transferencia
Ecuaciones dinámicas:
 0 1 0   0.021 
   
X =  − 931.5 3 0 − 24.2707  ⋅ X +  0  ⋅ u
ɺ
 0 0 − 169. 753   0.806 
    (11)
1 0 0  0
Y =   ⋅ X +   ⋅ u
0 0 1  0

MDT(s) = C(sI-A)-1B + D donde D = (0,0)T

Matriz de funciones de
Transferencia

Para el caso continuo:
− 149 . 8
#1 : 3
s + 169 . 8 s 2 − 931 . 5 s − 1 . 581 × 10 5 (12)
6.173
#2 :
s + 169.8

Para el caso discreto tomando período de

muestreo 0.001seg:
− 2.395 × 10 −8 z 2 − 9.186 × 10 −8 z − 2.2 × 10 −8
#1 :
z 3 − 2.845 z 2 + 2.689 z − 0.8439 (13)
0.005677
#2 :
z − 0.8439
Ecuaciones de Estado Discretas
A partir del sistema (11),

X ( K +1)T = Φ (T ) X ( KT ) + Γ(T ) u ( KT )

 2.845 − 1.344 0.4219  2.4 × 10 −4 

    (14)
Φ (T ) = 2 0 0  Γ(T ) = 0 
 0 1 0   0 
   
Análisis del Sistema
Estabilidad. Sistema Continuo

Según los polinomios característicos
P1 ( s) = s3 + 169.8 s 2 - 931.5 s - 1.581×105

P2 ( s) = s + 169.8
s3 1 -931.5

Método Routh-Hurwitz
s2 169.8 -1.581x105

s1 4.5568

s0 -158100
Análisis del Sistema

Figura 5 Método Lugar de las raíces (sistema continuo)

Análisis del Sistema
Estabilidad. Sistema Discreto

Según los polinomios
Método de Jury
característicos z 0 z1 z2 z3

-0.8439 2.689 -2.845 1

P1 ( z ) = z - 2.845 z + 2.689 z - 0.8439
3 2
1 -2.845 2.689 -0.8439

P2 ( z ) = z - 0.8439
-0.2879 0.5760 -0.2879
-0.2879 0.5760 -0.2879

2.2x10-16 -2.2x10-16
-2.2x10-16 2.2x10-16

0
0
Análisis del Sistema

Figura 6 Método Lugar de las raíces (sistema discreto)

Análisis del Sistema
Controlabilidad. Sistema continuo
(
Mc = B, AB, A 2 B )
 0 0 - 0.0015 
 
Mc =  0 - 0.0015 0.2543  × 105
 0.0001 - 0.0105 1.7788 
 
• rank (Mc) = 3

• Condición de Mc = 2.0583 x105

Análisis del Sistema
Controlabilidad. Sistema discreto

 0.0002 0.0007 0.0013 

 
Mcd =  0 0.0005 0.0014 
 0 0 0.0005 
 

• rank (Mcd) = 3

• Condición de Mcd = 22.5843

Análisis del Sistema
Observabilidad. Sistema continuo
 0.0001 0 0 
 
 0 0 0.0001 
 C  
  0 0.0001 0 
Mo =  CA  =   × 10 4
 CA 2   0 0 - 0.017 
   0.0932 0 - 0 . 0024 
 
 0 0 2 . 8816 
 
• rank (Mo) = 3

• Condición de Mo = 2.8817 x10 4

Análisis del Sistema
Observabilidad. Sistema discreto
 1 0 0 
 
 0 0 1 
 2.8448 − 1.3443 0.4219 
Mod =  
 0 1 0 
 5.4044 - 3.4022 1.2003 
 
 2 0 0 
 
• rank (Mod) = 3
• Condición de Mod = 7.4817
Forma Canónica Diagonal
A* = T-1 AT B* = T-1B C* = CT D* = D
donde T = (V1 , V2 , V3 ) con Vi : vector propio

Sistema continuo  30.52 0 0   -0.374

   
A= 0 -30.52 0  B =  -0.538
 0 0 -169.75  6.2398
  
 0.033 -0.033 -0.0009  0
C =   D =  
 0 0 0.9893   0

Sistema discreto 1.0310 0 0   0.0655

   
Φ= 0 0.9699 0  Γ =  -0.0933
 0 0 0.8493  0.0281
  
Control
Control PID

Función de Transferencia
 Lazo abierto. Sistema Continuo

U (s)  1 Td s 
= K p 1 + + 
E ( s)  Ti s 1 + αTd s 
 Lazo abierto. Sistema Discreto
U ( z) q z 2
+ q1 z + q 2
= 0

E( z) z ( z − 1)
Control PID

Función de transferencia. Lazo cerrado.
N (s)
D( s)

( )
N ( s ) = −149.82 K p (αTi + Ti Td ) s 2 + (α + Ti ) s + 1

D( s ) = αTi s 5 + (1 + 169.75α )Ti s 4 + (169.75 − 931.53α )Ti s 3

+ (−931.53 − 158130.57α − 149.82 K pα )Ti s 2
− 149.81(Ti + K pα + K pTi ) s − 149.81K p
Control PID

Figura 5 Modelo del sistema con el

controlador
Control PID

Rangos
0 < α < 0.1822
K p < −1055
150 K p − 309
Td >
25500 K p
192 K p
Ti >
K p2 − 170 K p2Td − 179171 K pTd + 1055 .48 K p
Control PID
Control PID – Valores Críticos
Control PID
A partir de estos rangos se calibraron los
parámetros con los siguientes objetivos como
criterio de evaluación:
 Disminuir la acción de control.
 Disminuir el sobre impulso máximo.
 Disminuir las oscilaciones en la respuesta temporal
 Extender el rango de la posición inicial donde el
controlador es capaz de estabilizar el sistema.
Control PID – Error de posición
Control PID - Voltaje
Conclusiones

Los supuestos del modelo son indispensables
para el funcionamiento del análisis hecho al
sistema.

Debido a que la mayoría de los sistemas reales
son no lineales, la linealización es una
herramienta indispensable para poder analizar
y controlar el sistema utilizando la teoría de los
sistemas lineales.

El análisis de estabilidad del sistema en lazo
abierto y cerrado permite concluir que la
posición no sólo es inestable, sino que no se
puede estabilizar utilizando una ganancia K.
Conclusiones

Para controlar la posición del levitador
magnético no es suficiente utilizar un
controlador P.

Al utilizar un control PID, se puede estabilizar la
posición de la esfera.

Los requerimientos de diseño fueron alcanzados
con el controlador PID final (luego de
calibración).

Con el controlador PID análogo controla el
sistema a pesar de introducir un error en la
medición de hasta el 5% de la posición.
Conclusiones

El control PID sigue estabilizando el
sistema mientras que
7x10-3 < Pos0 < 2.7x10-2