Академический Документы
Профессиональный Документы
Культура Документы
CAMPUS MONTERREY
TESIS
POR:
Los miembros del comité de tesis recomendamos que la presente tesis del Ing. Manuel
Gustavo Delgado Garza sea aceptada como requisito parcial para obtener el grado académico
de Maestro en Ciencias con Especialidad en Automatización.
Comité de tesis:
Mayo de 2010
DISEÑO E IMPLEMENTACIÓN DE ESTRATEGIAS
AVANZADAS DE CONTROL UTILIZANDO
CONTROLADORES ADAPTATIVOS PREDICTIVOS
POR:
TESIS
MAYO DE 2010
Dedicatoria
A mis papás, por el cariño y el apoyo incondicional que siempre me han dado y por
motivarme a alcanzar las metas que me he trazado.
vii
Agradecimientos
A Dios, por darme las herramientas para estar en donde estoy y lograr lo que he logrado.
A mi asesor, el Dr. Antonio Favela, por la confianza que puso en mi trabajo, sus consejos, su
tiempo, y por las oportunidades de crecimiento que me ha brindado.
A mis sinodales, el Dr. José de Jesús Rodríguez y el M.C. Luis Rosas, por su tiempo,
comentarios y aportaciones a este trabajo.
ix
Resumen
Posteriormente, se realizó un análisis teórico del efecto de los parámetros de operación de los
controladores adaptativos predictivo y se corroboró mediante simulaciones computacionales
ante distintos escenarios de configuración. Se presentaron recomendaciones para la
configuración de los bloques que componen la estrategia de control adaptativo predictivo,
entre éstas, se mostró la manera de seleccionar la estructura del modelo adaptativo
predictivo, el comportamiento deseado de la trayectoria deseada proyectada del bloque
conductor y la importancia de la selección adecuada del periodo de control y los límites de las
variables.
Con los resultados obtenidos del estudio anterior, se realizaron implementaciones de varias
estrategias de control empleando controladores adaptativos predictivos con el fin de estudiar
su desempeño ante diversos escenarios de operación para procesos uni y multivariables
variantes en el tiempo. Se estudió la estrategia de control retroalimentado con
antealimentación de la perturbación. Finalmente, para analizar la forma en que los
controladores interaccionan entre ellos dentro de una estrategia de control, se implementó
una estrategia de control en cascada y un sistema de control multivariable. Se definió una
forma de configurar los controladores adaptativos predictivos para funcionar adecuadamente
en dichos esquemas de control y se realizaron simulaciones para mostrar la operación
correcta de cada una de estas estrategias, comparando su funcionamiento frente a esquemas
de control convencionales.
xi
Índice
xiii
3.2.3. Velocidad del mecanismo de adaptación AM .............................................................................. 55
3.2.4. Nivel de ruido NL .................................................................................................................................... 59
3.3. Bloque conductor ............................................................................................................................................ 61
3.3.1. Velocidad de cambio RC ....................................................................................................................... 62
3.3.2. Constante de tiempo TC ....................................................................................................................... 63
3.3.3. Horizonte de predicción PH ............................................................................................................... 64
3.4. Bloque de control ............................................................................................................................................ 66
3.4.1. Constantes de filtrado FL..................................................................................................................... 66
BIBLIOGRAFÍA.................................................................................................................................. 145
xiv
Índice de figuras
xv
Figura 3.10. Respuesta en lazo cerrado de G1(s) ante un cambio de referencia escalón
utilizando diferentes constantes de tiempo en el bloque conductor................................... 63
Figura 3.11. Respuesta de G1(s) ante cambio en referencia utilizando una constante
rápida. ............................................................................................................................................................ 64
Figura 3.12. Efecto de la constante de filtrado (FL) sobre la variable de proceso. ....................... 67
Figura 4.1. Esquema de control retroalimentado con un controlador AP. ....................................... 73
Figura 4.2. Respuesta del sistema monovariable a una entrada tipo escalón unitario. ............. 74
Figura 4.3. Configuración del mecanismo de adaptación para el control del sistema
SISO. ................................................................................................................................................................ 76
Figura 4.4. Adaptación inicial de los coeficientes el modelo AP para el sistema
monovariable. ............................................................................................................................................. 78
Figura 4.5. Respuesta del sistema monovariable ante un cambio en referencia. .......................... 80
Figura 4.6. Respuesta del sistema SISO ante una perturbación escalón a la salida. ..................... 81
Figura 4.7. Respuesta del sistema SISO ante una perturbación a la salida al agregar
antealimentación....................................................................................................................................... 82
Figura 4.8. Adaptación del modelo AP al cambiar el tiempo muerto del sistema SISO. .............. 83
Figura 4.9. Respuesta ante un cambio en referencia al variar el tiempo muerto del
sistema SISO. ............................................................................................................................................... 84
Figura 4.10. Respuesta regulatoria ante un cambio en la ganancia del sistema SISO.................. 85
Figura 4.11. Respuesta ante un cambio en referencia al variar la ganancia del sistema
monovariable. ............................................................................................................................................. 86
Figura 4.12. Respuesta regulatoria ante cambios en la dinámica del proceso SISO. .................... 87
Figura 4.13. Respuesta ante un cambio en referencia tras un cambio en la dinámica
del proceso SISO. ....................................................................................................................................... 88
Figura 4.14. Respuesta del sistema ante perturbación tras un cambio en la dinámica
del proceso monovariable. .................................................................................................................... 89
Figura 4.15. Esquema de control en cascada. ............................................................................................... 90
Figura 4.16. Respuesta en lazo abierto del proceso en cascada y de sus subprocesos
ante entradas tipo escalón unitario. .................................................................................................. 91
Figura 4.17. Desempeño del lazo interno del proceso en cascada ante cambios en
referencia. .................................................................................................................................................... 96
Figura 4.18. Comportamiento en lazo abierto del sistema en cascada (lazo interno
cerrado)......................................................................................................................................................... 97
Figura 4.19. Efecto de la variación del horizonte de predicción externo. ....................................... 101
Figura 4.20. Desempeño del sistema de control en cascada con CP=0.6 seg. ................................ 102
Figura 4.21. Desempeño del sistema de control en cascada con CP=2.0 seg. ................................ 103
Figura 4.22. Respuesta del sistema interno ante cambios en referencia. ....................................... 104
Figura 4.23. Respuesta del sistema en cascada ante un cambio en la referencia
principal. ..................................................................................................................................................... 105
Figura 4.24. Respuesta ante perturbaciones en el lazo interno para el esquema (a)
ADEX y (b) PI. ........................................................................................................................................... 107
Figura 4.25. Respuesta ante perturbaciones en el lazo externo. ........................................................ 108
xvi
Figura 4.26. Adaptación de los coeficientes del modelo interno ante un cambio en la
dinámica simulada. ................................................................................................................................ 109
Figura 4.27. Adaptación de los coeficientes del modelo externo ante un cambio en la
dinámica simulada. ................................................................................................................................ 110
Figura 4.28. Respuesta ante cambio en referencia tras variar el modelo externo...................... 111
Figura 4.29. Respuesta ante perturbaciones tras variar el modelo externo. ................................ 112
Figura 4.30. Esquema de control retroalimentado multivariable. .................................................... 114
Figura 4.31. Respuesta del sistema MIMO a una entrada escalón en OUT1 de 30 a 35. ............ 115
Figura 4.32. Respuesta del sistema MIMO a una entrada escalón en OUT2 de 40 a 45. ............ 116
Figura 4.33. Adaptación de los parámetros del modelo AP del CAP1, manteniendo
CAP2 en modo manual. ........................................................................................................................ 122
Figura 4.34. Adaptación de los parámetros del modelo AP del CAP2, utilizando valores
iniciales inadecuados. ........................................................................................................................... 123
Figura 4.35. Adaptación de los parámetros del modelo AP del CAP1, al habilitar ambos
controladores simultáneamente. ..................................................................................................... 124
Figura 4.36. Efecto del horizonte de predicción sobre el proceso de fase no mínima
(valores estables). .................................................................................................................................. 126
Figura 4.37. Efecto del horizonte de predicción sobre el proceso de fase no mínima
(PH=3, valor inestable). ....................................................................................................................... 127
Figura 4.38. Respuesta ante cambio en SP1 (SP2 constante) utilizando distintos
horizontes de predicción. .................................................................................................................... 128
Figura 4.39. Respuesta ante cambio en SP1 (SP2 constante) con un horizontes de
predicción críticamente estable (PH=4). ...................................................................................... 129
Figura 4.40. Respuesta de los controladores ante cambios en el retraso y el efecto
inverso......................................................................................................................................................... 131
Figura 4.41. Respuesta ante cambio en las ganancias (interacciones). ........................................... 133
Figura 4.42. Comparación de desempeño al variar el horizonte de predicción. .......................... 133
Figura 4.43. Desempeño ante perturbaciones a la salida del CAP1. ................................................. 134
xvii
Índice de tablas
xix
CAPÍTULO 1.
INTRODUCCIÓN
En el presente capítulo, se presentan los antecedentes para situar al lector en el entorno del
presente trabajo, seguido de una justificación del problema de investigación, los objetivos de
este trabajo de tesis y el método que se siguió para lograrlos. Además, se describe la
organización de este escrito.
1.1. ANTECEDENTES
A finales del siglo XIX, tras la revolución industrial y con el surgimiento de la manufactura,
nace la necesidad de conocer y optimizar el funcionamiento de los sistemas automáticos de
producción. Dicha necesidad fue precisamente la que dio origen a los sistemas de control,
parte esencial de los sistemas de producción en masa a inicios del siglo XX. Desde el punto de
vista de la teoría de control, es posible representar un proceso de producción, también
denominado planta, como un bloque (o modelo) que ante determinadas señales de entrada
genera un conjunto de señales de salida.
Los sistemas de control, por lo tanto, están conformados por el grupo de dispositivos
encargados de manipular y procesar dichas señales de entrada y salida para obtener el mayor
beneficio del comportamiento del sistema ante necesidades específicas de operación. Tanto
las entradas (denominadas comúnmente como señales de control) como las salidas (o
variables de operación del proceso) suelen representar variables físicas, como el porcentaje
de apertura de una válvula, el flujo de entrada o salida de una sustancia, la temperatura de un
horno o el nivel de llenado de un tanque. Existen además otros factores, como las
perturbaciones, que tienen impacto en los niveles de operación del proceso. Generalmente, se
pretende mantener las variables de salida en niveles fijos y estables, incluso ante la aparición
de perturbaciones, manipulando para ello las señales de entrada a niveles determinados.
3
CAPÍTULO 1: INTRODUCCIÓN
control para corregirlo. Además, para ofrecer un mejor desempeño del sistema, se han
planteado diversas estrategias de control avanzado, como el control cascada o el
antealimentado, por mencionar algunos esquemas comunes.
Sin duda, el controlador más comúnmente utilizado es el PID. Éste tiene diversas funciones:
actúa inmediatamente a través de su acción proporcional, es capaz de eliminar el error de
estado estable a través de la acción integral y puede anticipar el futuro mediante la acción
derivativa. Este tipo de controladores es suficiente para resolver una amplia gama de
problemas de control, particularmente cuando la dinámica es sencilla y los requerimientos
modestos; debido a esto, su utilización prevalece en más del noventa por ciento de los lazos
de control existentes. [2]
A pesar de lo anterior, existen ciertos procesos para los cuales el funcionamiento del
controlador PID no es del todo adecuado, debido principalmente a alguna de las siguientes
causas: no linealidad del proceso, variabilidad del proceso en el tiempo, inestabilidad del
sistema, interdependencia entre procesos o complejidad de la dinámica de la planta. Por ello,
han surgido controladores y estrategias capaces de trabajar adecuadamente con algunas de
estas características. El presente trabajo de investigación se basa en la utilización del
esquema de control denominado adaptativo predictivo, capaz de manejar la dinámica variable
de un proceso y ofrecer una respuesta que prediga el comportamiento futuro del mismo.
1.2. JUSTIFICACIÓN
El controlador PID es, sin dudas, el controlador más común a nivel industrial. Esto se debe,
principalmente, a los siguientes factores: simplicidad de la formulación matemática del
controlador, disponibilidad amplia de documentación y sencillez para la sintonía de los
parámetros del controlador. Sin embargo, en el diseño de estos controladores se realizan
diversas suposiciones que en ocasiones comprometen su desempeño adecuado; una de estas
suposiciones consiste en pretender que los procesos son lineales e invariantes en el tiempo,
lo cual es altamente lejano a la realidad para muchas aplicaciones.
En gran cantidad de casos, los elementos del proceso cambian en el tiempo de manera
constante, por ejemplo, por desgaste de los componentes o por la naturaleza propia del
sistema. Para trabajar con estos procesos, se suele diseñar en un rango de operación que se
4
CAPÍTULO 1: INTRODUCCIÓN
asume lineal e incluso se emplean diversas estrategias para compensar la dinámica del
proceso. No obstante, cuando el sistema se aleja de estos supuestos, el desempeño se
deteriora y el controlador deja de cumplir con los objetivos para los que fue diseñado.
1.3. OBJETIVOS
Diseñar e implementar estrategias avanzadas de control basadas en la utilización de
controladores adaptativos predictivos para el control de sistemas complejos, monovariables,
multivariables, no lineales y/o lineales variantes en el tiempo.
5
CAPÍTULO 1: INTRODUCCIÓN
1.4. MÉTODO
En la realización de la investigación, se siguieron los siguientes pasos para lograr los
objetivos planteados:
6
CAPÍTULO 1: INTRODUCCIÓN
En el Capítulo 2 se proporciona una breve descripción del marco teórico del control
adaptativo predictivo, incluyendo una descripción del control predictivo, sus principios de
operación, los modelos empleados, la necesidad de un mecanismo de adaptación y un primer
acercamiento a la estrategia de control ADEX. Además, se brinda una descripción abreviada
de la plataforma tecnológica ADEX COP 2.0, empleada como herramienta para implementar
los esquemas de control en el presente trabajo. Por último, se describen los controladores
que se utilizan y sus parámetros de operación.
7
CAPÍTULO 2.
CONTROL ADAPTATIVO PREDICTIVO
EXPERTO
El control predictivo se emplea usualmente cuando se requieren mejores resultados que los
que se puede obtener con técnicas no predictivas. Esto incluye sistemas cuyo
comportamiento futuro puede diferir considerablemente del comportamiento actual que se
percibe de ellos, tales como sistemas con tiempo muerto, sistemas de orden elevado, sistemas
subamortiguados y procesos de fase no mínima. [6]
En 1959, Smith introdujo por primera vez la idea de utilizar un predictor para superar el
problema de controlar sistemas con tiempo muerto. Desde entonces y gracias a la
introducción del control computarizado, enfoques como el de los compensadores de tiempo
muerto surgieron para abordar este problema de control. Una de estas estrategias es el
control predictivo generalizado, el cual tiene como principio de operación la aplicación de las
siguientes acciones:
Se selecciona la acción de control que conduzca a la salida predicha del sistema hacia
el valor de referencia de la mejor manera de acuerdo a algún objetivo de control
específico.
11
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
En general, la predicción sirve para estimar los valores futuros de la variable de proceso
basándose en la información disponible del sistema. Mientras más representativa sea esta
información del sistema mayor será la exactitud de la predicción. Dicha información del
proceso se recoge en lo que se denomina modelo predictivo, el cual calcula las señales de
control. Por otra parte, la información de la trayectoria deseada y el modelo para generarla se
incluye en el bloque conductor. Estos dos elementos conforman el esquema básico de control
predictivo, mostrado en la Figura 2.1.
(2.1)
El bloque conductor, como ya se mencionó, debe generar la trayectoria que se desea que la
salida controlada siga para llegar a su valor de referencia. Este concepto surge de la idea de
un modelo de referencia. El modelo de referencia genera básicamente una trayectoria a partir
del valor de setpoint que se pretende alcanzar y siguiendo ciertas características deseadas.
Un ejemplo típico se puede definir como
12
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
(2.2)
coeficientes del modelo se pueden elegir para cualquier modelo deseado, por ejemplo, un
sistema de segundo orden sobreamortiguado, con ganancia unitaria constante y una
constante de tiempo dominante pequeña. Con ello, puede obtenerse la trayectoria para los
instantes k = 0,1,... en función de un valor de setpoint. Observe que este concepto no
contempla la evolución real del sistema, al calcularse únicamente a partir del setpoint.
Ante esta situación, el bloque conductor introduce un pequeño cambio a esta formulación. La
diferencia radica en que la trayectoria deseada se calcula, en cada instante de control, a partir
no sólo del setpoint y del comportamiento deseado, sino que también se incluye para el
instante actual y los periodos anteriores, la trayectoria real que sigue la salida del proceso.
Así, si al cabo de un instante de control la salida real y (k) no alcanza el nivel deseado o se
aleja debido a alguna perturbación, la trayectoria deseada se recalcula, asegurando que la
variable llegará a la referencia siguiendo un comportamiento físicamente realizable.
(2.3)
(2.4)
calculada a partir de los datos en el instante k. Los coeficientes del modelo se pueden elegir
13
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
también para ajustarse a un sistema particular, por ejemplo, un proceso de segundo orden,
con cambios suaves y sin sobretiro.
(2.5)
(2.6)
(2.7)
Existen procesos para los cuales la estrategia básica no es capaz de de conducir a la variable
de salida hacia el valor de referencia deseado con acciones de control acotadas y estables. Un
ejemplo de este tipo de procesos son aquellos que pueden ser modelados como sistemas de
fase no mínima. Estos sistemas se caracterizan por responder inicialmente con una ganancia
opuesta a la que tienen en su estado estable; este efecto se debe a la presencia de un cero
14
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
inestable en el modelo de este tipo de procesos. Un ejemplo de este tipo de sistemas se define
por la siguiente función de transferencia continua
(2.8)
La respuesta simulada de dicho sistema se muestra en la Figura 2.2. Observe que cuando se
aplica el cambio en la acción de control positivo, la salida del sistema responde inicialmente
de forma negativa (inversa). Si se aplica la estrategia básica a este sistema, buscando que la
salida controlada al cabo de un instante de muestreo alcance un nivel positivo deseado, se
requerirá una acción de control negativa; más aún, para que la salida continúe evolucionando
de acuerdo a dicha trayectoria deseada, las acciones de control negativas para ir alcanzando
estos valores irán creciendo indefinidamente hasta alcanzar los límites negativos permisibles
para la acción de control, lo cual resultaría inaceptable desde el punto de vista de realización
física. Este problema se ilustra con mayor detalle en [9].
Si bien, en teoría es posible cancelar el efecto de los ceros inestables mediante el modelo de
referencia, en la práctica no resulta muy factible debido al desconocimiento preciso de estos
valores. Para este tipo de procesos, sin embargo, se cuenta con la estrategia extendida de
control predictivo, la cual no realiza la predicción en un solo instante futuro, sino en un
Figura 2.2. Respuesta típica de un proceso de fase no mínima ante una entrada escalón.
15
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
(2.9)
donde se considera
(2.10)
que corresponden a las salidas medidas y a las entradas ya aplicadas en el instante k. Note
que cuando se considera = 1, las ecuaciones corresponden a la estrategia básica.
(2.11)
(2.12)
considerando
16
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
(2.13)
La función de costo (2.11) se debe minimizar para encontrar los valores de la secuencia de
control predicha. Según los principios de la estrategia, una vez encontrados dichos valores, se
aplica u(k) = y se repite el procedimiento para k + 1.
(2.14)
donde y son coeficientes que se pueden obtener de los parámetros y del modelo
(2.15)
donde
(2.16)
17
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
(2.17)
(2.18)
(2.19)
(2.20)
18
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
2 . 2 . 1 . EL MECANISMO DE ADAPTACIÓN
Para explicar el mecanismo de adaptación, se empleará la notación vectorial del modelo del
proceso de la siguiente forma
(2.21)
(2.22)
donde
(2.23)
19
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
(2.24)
La diferencia entre los parámetros del proceso y los del modelo viene dada por la forma
(2.25)
(2.26)
(2.27)
donde B es una matriz definida positiva. Observe que el error a posteriori e(k\k) se
determina en el instante k a partir de la salida del proceso y(k\k), la cual se calcula a partir
de la ecuación del modelo AP a partir del valor de los parámetros ya ajustado en el mismo
instante. Para romper este círculo de dependencias, se emplea el error a priori, definido como
(2.28)
(2.29)
(2.30)
(2.31)
donde
(2.32)
20
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Debe aclararse que el método presentado es solamente una alternativa para solucionar el
problema de adaptación de manera estable, aunque existen otras como el método del
gradiente o el método de mínimos cuadrados, por ejemplo. Nótese además que el objetivo del
mecanismo planteado no es realizar una identificación paramétrica del sistema, sino
encontrar un modelo adecuado que permita aproximar la dinámica y ganancia del proceso
para que se pueda, por medio de él, alcanzar los valores establecidos de referencia.
Modelo
Salida del modelo
Mecanismo de
adaptación
21
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
En la anterior situación, resulta más recomendable operar en modo manual para que las
variables de proceso se conduzcan a sus valores adecuados. Ante estos casos, el control
experto complementa el funcionamiento de los controladores adaptativos predictivos
proporcionando un control adecuado cuando las variables se alejan de los rangos en los que
éstos pueden operar.
Bloque
experto Salida del
proceso
Salida Señal de
Referencia Bloque deseada Modelo control
Proceso
conductor predictivo
Mecanismo de
adaptación
22
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
DOMINIO EXPERTO EX - S
AP - S
DOMINIO ADAPTATIVO PREDICTIVO AP - C
AP - I
EX - I
Como se describen en [1], los controladores ADEX cuentan con hasta cinco dominios de
operación, dos de ellos expertos y los otros tres adaptativos predictivos (Figura 2.6).
Dependiendo del rango en que se encuentra la variable de proceso, el controlador opera en
cada uno de estos dominios. Estos controladores se implementan comercialmente mediante
la plataforma tecnológica de control ADEX COP.
2.6.1. INTRODUCCIÓN
La plataforma ADEX COP 2.0 (ADEX Control & Optimization Platform) se utiliza para el
desarrollo de Esquemas de Control y Optimización (ECO) utilizando controladores
adaptativos predictivos expertos (ADEX). Además, permite la simulación de procesos y la
creación de interfaces gráficas de usuario para el monitoreo o supervisión de los sistemas
controlados.
23
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
SUPERVISOR PROCESADOR
PROCESO
Interfaz Estrategia
Driver E/S
gráfica Ethernet de control y
TCP
de usuario optimización
O
24
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Debe notarse que la plataforma se emplea únicamente durante la etapa de diseño para definir
las tres secciones de las aplicaciones de control. Posteriormente el diseño se valida y se crea
la aplicación ejecutable conformada por las partes ya descritas. Durante la operación, los
módulos diseñados se ejecutan de manera independiente. Así, será responsabilidad del
Procesador ejecutar la estrategia diseñada, recibiendo los datos de operación y proceso y
generando las acciones de control. El Supervisor, cuando sea requerido, desplegará la interfaz
de control diseñada permitiendo monitorear los procesos e introducir valores de operación.
El Simulador, si se utiliza, recibirá los comandos de control y retornará a cambio los valores
de las variables del proceso simulado.
2.6.2. PROCESADOR
Como ya se mencionó, el Procesador es el módulo encargado de la ejecución de las estrategias
de control, es decir, es aquél que tiene por función realizar las acciones necesarias para el
control del proceso. En el Procesador se encuentra implementado tanto el esquema de
control como la adquisición de los datos y el resto de la lógica y programación requerida para
el correcto funcionamiento del sistema de control. El apartado de diseño y configuración del
Procesador se muestra en la Figura 2.8.
Dentro del apartado Estrategia de control (“Control Strategy”) ADEX COP permite la
definición de las estrategias de control de dos formas distintas: estándar y personalizada.
25
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Figura 2.8. Ventana de edición de un proyecto en ADEX COP: Apartado del Procesador.
Estrategia estándar
Se utiliza cuando se requiere una implementación sencilla de los controladores ADEX, con
poca lógica adicional ya sea previa o posterior a la ejecución de los controladores o sin
requerir la realización de operaciones de control específicas no contenidas en las estrategias
ADEX predeterminadas.
Cada controlador ADEX empleado dentro de la estrategia utiliza las siguientes variables
análogas de entrada: 𝑷𝑽 (variables de proceso que se desean controlar), 𝑺𝑷 (valores de
referencia que se desean alcanzar para las variables de proceso), 𝑨𝑰 (última entrada real
26
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
La estrategia estándar permite añadir lógica complementaria utilizando los llamados bloques
lógicos. Estos permiten realizar acciones a partir de condiciones lógicas simples
determinadas con base en los valores de las variables de entrada y salida de los
controladores. La estrategia estándar es recomendada cuando no se requieren acciones que
vayan más allá de decisiones basadas en comparaciones, conjunciones, disyunciones o
negaciones, es decir, operaciones basadas en el resultado de igualdades, desigualdades u
operadores tipo Y, O y NO.
Es importante considerar que, al definir los controladores, se requieren declarar no solo las
variables a emplear por el Procesador, sino todas las variables que se pretendan utilizar en el
resto de los módulos de la aplicación (incluyendo variables de operación utilizadas por el
Supervisor o variables de simulación que se empleen en el modulo de Simulador) y que
requieran ser conservadas en memoria, almacenadas o enviadas de un módulo a otro.
Estrategia personalizada
27
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Tras haber definido las estrategias de control y tras declarar las variables a utilizar en la
aplicación de control, se debe especificar la manera en que se obtendrán las diversas entradas
y salidas de proceso, que generalmente se leerán o escribirán sobre variables externas al
sistema a través de uno o más protocolos de comunicación. El apartado para Definición de
entradas y salidas (“IO Definition”) muestra las variables de proceso previamente creadas al
definir los controladores y permite elegir, para cada una, el tipo de comunicación que se
desea utilizar para su obtención o escritura, según sea el caso, pudiéndose utilizar drivers de
OPC, FieldPoint o Matlab, entre otros. En el caso de que la variable se obtenga de procesos
simulados, ésta deberá ser asignada al módulo de simulación (SIM).
Para las variables análogas definidas en la estrategia, es posible definir el rango de variación
que éstas podrán tener, especificando valores máximos y mínimos. Esto se realiza en el
apartado Rango de entradas y salidas (“IO Range”).
28
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Una vez diseñadas y validadas las estrategias y las variables de control, es posible especificar
la configuración inicial para cada uno de los controladores ADEX implementados, mostrados
en el apartado de Controladores (“Controllers”).
29
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
En la Figura 2.10 se muestra dicho apartado para un proyecto con dos controladores. Note
que se enlista cada controlador, incluyendo su nombre y tamaño (número de entradas por
número de salidas). Adicionalmente, para cada controlador mostrado, es posible acceder a la
ventana de configuración mostrada en la Figura 2.11; en ésta, se muestra la estructura de un
controlador multivariable ADEX y los parámetros que pueden ser modificados para cada uno.
Nótese de nuevo que cada controlador ADEX es de naturaleza multivariable y puede ser
aplicado a procesos de múltiple entrada y múltiple salida (MIMO, por sus siglas en inglés), con
𝑚 entradas y 𝑛 salidas, es decir, de dimensiones 𝑚 × 𝑛. Se requiere que:
30
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
A
B
C
D E G
31
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Además, para cada controlador interno se configurarán hasta cinco dominios de operación,
requiriéndose como mínimo el dominio adaptativo predictivo central. Dentro de cada
dominio, es posible configurar los diversos bloques del controlador ADEX, estos son: bloque
de proceso, bloque experto, bloque conductor, bloque de control y mecanismo de adaptación.
La entrada real o actual (𝑨𝑰) que recibe el proceso, que es entrada del bloque de
control.
La referencia o setpoint (𝑺𝑷) y la variable de proceso deseada (𝑫𝑷𝑽), que son entrada
y salida del bloque conductor, respectivamente.
32
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Conectando (“Connecting”). Se asigna por ADEX COP, de forma temporal, durante las
transiciones en las que se establece o pierde comunicación durante la operación.
Selección de dominio
Los controladores ADEX pueden operar en cinco dominios distintos, estos son:
tres dominios de control adaptativo predictivo: superior, central e inferior (AP-U, AP-
C y AP-L, respectivamente); y,
Las configuraciones que se realizan en todos los bloques del controlador se asignan al
dominio seleccionado bajo el campo Dominio de configuración (“Configuration Domain”),
destacado en la Figura 2.11-A. Los dominios están acotados mediante los rangos definidos
para la variable de proceso en el bloque experto. Se configura inicialmente el dominio AP
central y después puede añadirse uno o más dominios AP y/o expertos, donde como ya se
mencionó, se cuenta con límites de operación para la 𝑃𝑉. El campo Dominio actual de PV
(“PV Current Domain”) muestra el dominio en el cual actualmente se encuentra la variable de
proceso mientras el controlador ADEX está operando en tiempo real.
Bloque de proceso
33
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
o Un cero, que implica que el periodo de control será determinado por la lógica
de control y obtenido a través del pin correspondiente en el esquema lógico.
Bloque de control
34
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Figura 2.12. Configuración de los controladores: Parámetros dentro del bloque de control.
• Límite inferior o LL ("Lower limit"). Valor menor que tomará la salida de control.
• Límite superior o UL ("Upper limit"). Valor mayor que tomará la salida de control.
Por otra parte, del mismo modo que con las variables de proceso, a cada variable de
perturbación le corresponden sus propios parámetros de límite LL, UL e IL, así como:
35
CAPÍTULO 2: CONTROLADAPTATIVO PREDICTIVO EXPERTO
Mecanismo de adaptación
(2.34)
36
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Nivel de ruido o NL (“Noise level”). Permite definir una máxima variación que puede
presentar la medición de la variable de proceso mientras que las salidas de control y
las perturbaciones se mantengan constantes y el proceso esté en estado estacionario.
Dichas variaciones pueden ser causadas por el ruido de medición que actúa sobre 𝑃𝑉,
así como por el efecto dinámico de otras variables que no estén consideradas en el
modelo AP.
A1, A2, A3 (Iniciales). Corresponden a los valores introducidos por el usuario para
funcionar como valores iniciales para cada coeficiente 𝐴𝑖 del modelo AP antes de que
el mecanismo de adaptación comience a operar.
Por otra parte, corresponden a las salidas (𝑂𝑈𝑇) y perturbaciones (𝑃𝐸𝑅𝑇) los siguientes
parámetros:
37
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Cabe aclarar que la misma nomenclatura es empleada para las salidas de control y para las
perturbaciones; para las primeras, el número de coeficientes 𝐵𝑖 , sus valores actuales e
iniciales, así como los periodos de retardo 𝐷𝑃 corresponden a los coeficientes 𝐵𝑖 y 𝐷𝑃𝐵 en la
ecuación (2.34). Para las perturbaciones, éstos hacen referencia a los coeficientes 𝐶𝑖 y el
retardo 𝐷𝑃𝐶 .
Finalmente, para copiar los valores actuales a los campos iniciales, o viceversa, se cuenta con:
38
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Actuales <- Iniciales (“Current <- Initial”). Copia los valores iniciales guardados para
los parámetros 𝐴𝑖 o 𝐵𝑖 a los valores actuales de dichos parámetros.
Iniciales <- Actuales (“Initial <- Current”). Guarda los valores actuales del modelo AP
para los parámetros 𝐴𝑖 o 𝐵𝑖 en los valores iniciales para dichos parámetros.
Bloque experto
El bloque experto (Figura 2.11-F) muestra los límites del dominio seleccionado. Estos son:
Límite superior del dominio o UDL (“Upper domain limit”). Corresponde al valor
más alto que puede tener la 𝑃𝑉 dentro del dominio de configuración seleccionado.
Límite inferior del dominio o LDL (“Lower domain limit”). Corresponde al valor más
bajo que puede tener la 𝑃𝑉 dentro del dominio de configuración seleccionado.
39
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Bloque conductor
40
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Figura 2.15. Configuración de los controladores: Parámetros dentro del bloque conductor.
Al abrir el bloque, se muestra la ventana que aparece en la Figura 2.15, donde es posible
modificar los siguientes parámetros:
Entre estos parámetros es importante notar que se puede definir el tiempo de ciclo (“Cycle
time”), que establece el tiempo de ejecución de los controladores además de las operaciones
de lectura y escritura. Este tiempo está dado en milisegundos, con un mínimo de 50. De este
parámetro depende el valor del tiempo de muestreo empleado en los controladores.
41
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
2.6.3. SUPERVISOR
Como se describió al inicio del capítulo, la utilidad de Supervisor permite crear interfaces
gráficas de usuario para el monitoreo y operación del sistema de control ADEX. El supervisor
permite mostrar de forma gráfica o numérica el estado de las variables de proceso, valores de
referencia, manipulación, etc.; además, permite mostrar imágenes, selectores, gráficos
dinámicos y distintos objetos para tener un monitoreo adecuado del proceso. La Figura 2.17
muestra el apartado de edición del Supervisor.
Para crear o editar un panel de supervisión, ADEX COP 2.0 cuenta con una ventana de edición
que permite introducir objetos creados en el entorno de LabVIEW. Un objeto puede ser un
control para introducir valores de operación, un indicador, o una colección de ambos que
permita mostrar valores numéricos, gráficos, tablas, interruptores, botones, etc., cuyos
valores son leídos o asignados, por programación, de o hacia las variables creadas en el
Procesador y/o utilizadas por el Simulador. La Figura 2.18 muestra un ejemplo de interfaz de
supervisión creada en LabVIEW. La creación e inserción de objetos para crear paneles de
supervisión se ejemplifica en el Anexo A.
Cabe mencionar que al operar la ECO, el panel de supervisión permite el acceso a la ventana
de configuración de los controladores ADEX, que a su vez permite cambiar los parámetros de
ejecución en cualquier momento.
42
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Figura 2.17. Ventana de edición de un proyecto en ADEX COP: Apartado del Supervisor.
43
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
2.6.4. SIMULADOR
La herramienta Simulador es utilizada para la comprobación del funcionamiento de las
estrategias, controladores y lógica definidos en el Procesador. Las simulaciones permiten, de
forma segura, analizar el comportamiento de los controladores ya que cada una de las
variables de proceso empleadas en las estrategias de control puede ser asociada a un proceso
simulado. El principal objetivo al emplear el módulo de simulación es poder detectar y
corregir posibles problemas asociados a la definición de los controladores, las variables y sus
estrategias, antes de poner las estrategias de control en operación sobre los procesos reales.
En esta sección de ADEX COP 2.0 se pueden definir dos tipos de simulaciones:
Como se mencionó anteriormente, las variables que se escriben y/o leen del proceso
simulado deben asociarse a éste en la definición de entradas y salidas del Procesador. Para
ello, se les asigna el driver de comunicación [SIM].
44
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
45
CAPÍTULO 3.
ANÁLISIS DEL EFECTO DE LOS PARÁMETROS
DE LOS CONTROLADORES ADAPTATIVOS
PREDICTIVOS
En este capítulo se estudiará más a detalle el impacto de algunos de los parámetros más
importantes en la configuración de los controladores adaptativos predictivos; asimismo, se
proporcionarán algunos ejemplos y consejos de uso. Aunque el análisis se realiza mediante
controladores implementados con la plataforma ADEX COP 2.0, los conceptos son extensivos
a cualquier otra implementación de la estrategia de control AP.
El análisis que se presenta en este capítulo se llevó a cabo para sistemas monovariables
utilizando una estrategia de control adaptativo predictivo básica, con retroalimentado simple
(Figura 2.5). Sin embargo, el objetivo es hacer extensivos los conceptos a casos multivariables
o a diversas estrategias de control avanzadas. Para las implementaciones de control ADEX de
este trabajo, se empleará únicamente el dominio de operación adaptativo predictivo central
(para cualquier efecto, el bloque experto permanecerá con sus configuraciones por defecto
con 𝑇𝑅 = −1 y 𝐸𝑀 = 0 y no afectará el desempeño).
49
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
filtrado de señales, ya que entre más rápido se muestree, mayor es el número de datos
disponibles y el filtrado es mejor. Es importante destacar que las acciones de control y el
mecanismo de adaptación no se calculan y actualizan con respecto al intervalo de muestreo
sino con respecto al periodo de control.
50
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
(3.1)
La Figura 3.1 muestra la respuesta de control al utilizar distintos periodos de control ante un
cambio en el valor de la referencia. Debido a que en el configurador del controlador el
periodo de control se introduce como un número de instantes de muestreo, elegir un CP de 2
unidades con un ST de 0.25 segundos equivale a emplear un periodo de control de 0.50
segundos.
51
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
65
60
55
Amplitud
50
45 SP
PV [CP=2]
40
PV [CP=4]
35 PV [CP=8]
PV [CP=16]
30
10 20 30 40 50 60 70 80
Periodos de muestreo (ST=0.25 s)
80
70
60
Amplitud
50
40 OUT [CP=2]
30 OUT [CP=4]
OUT [CP=8]
20 OUT [CP=16]
10 20 30 40 50 60 70 80
Periodos de muestreo (ST=0.25 s)
Figura 3.1. Respuesta de G1(s) ante cambio en referencia utilizando diferentes periodos de control.
52
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
es importante especificar la forma del modelo a utilizar para el proceso, esto es, el número de
parámetros que deberá tener y su cantidad de periodos de retardo. Cuando se conoce de
antemano el tipo de modelo requerido con base en una identificación y/o modelación previa
del sistema, tanto el número de coeficientes N como el periodo de retardo DP se pueden
seleccionar acorde a dicha información. Si solamente se conoce con certeza el número de
periodos de retardo, suele ser suficiente emplear modelos con 2 ó 3 coeficientes B Sin i
embargo, cuando se sabe que el número de retardos puede variar, se requiere elegir ambos
parámetros de modo que permitan que el modelo AP siga a los coeficientes B cuando el i
Para ilustrar mejor esta idea, considérese un modelo de proceso descrito por la siguiente
ecuación:
(3.4)
PV(k) = A * PV(k — 1) + A * PV(k — 2) + A * PV(k — 3) +
1 2 3
Cuando el número de retardos real del proceso tome su valor mínimo de DP = 0, se desearía
en el instante k que la salida de control esté incluida en el modelo a partir de su valor en el
instante anterior sin ningún periodo de retardo adicional, OUT(k — 1). En (3.3), dicho valor
está ponderado por el parámetro B ; sin embargo, en (3.4) dicho valor no está considerado en
1
53
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
el modelo. Por consiguiente, nótese que el número de retardos a emplear en el modelo deberá
ser necesariamente igual al valor mínimo de retardos posibles que pudiera presentarse, con
el fin de impedir la pérdida de valores previos de la salida de control que se deban modelar.
B y B , ponderarían salidas retrasadas que no tienen efecto sobre el sistema, por lo que al
2 3
adaptarse deberían tender a cero. Sin embargo, si este modelo considerara una cantidad de
parámetros menor a 4, el valor de interés se perdería. Observe que para tener por lo menos
un coeficiente B en el caso de que se presentara el mayor retardo posible, el número de
t
parámetros tendrá que ser mayor que la diferencia entre los números de retardos máximo y
mínimo.
Generalizando y con base en algunos planteamientos presentados en [1], para que las
variaciones en el retraso del sistema sean consideradas y absorbidas por los coeficientes del
modelo AP, se recomienda elegir N y DP tales que:
DP = DP mín
(3.5)
N > DP —DP
máx mín
Al elegir los valores iniciales, se debe recordar que al adaptarse, los parámetros del modelo
de los controladores ADEX convergerán a valores que se adecúen a la ganancia del sistema,
pudiendo no corresponder exactamente a los parámetros equivalentes de un modelo
discretizado de la planta. Si bien, el mecanismo de adaptación de los controladores ADEX
debe ser capaz de encontrar valores adecuados para los parámetros del modelo AP a partir de
cualquiera que sea el valor de partida, resulta conveniente inicializar los parámetros para que
la ganancia del modelo en los primeros instantes de control sea aproximada a la ganancia real
del proceso y así, las acciones de control aplicadas mientras el modelo logra adaptarse sean
moderadas y relativamente consistentes con el proceso.
54
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
Suponga que se tiene un proceso de una entrada y una salida (SISO) descrito por el siguiente
modelo:
(3.6)
+ B OUT(k — 2)
2
La ganancia del proceso cuando alcanza su estado estable, PV , ante una señal de control tipo SS
K = PV /OUT
SS STEP
(3.7)
PV SS = A PV
x SS + A2 PV SS + B1 O U T S T E P + B2 O U T S T E P (3.8)
cuya ganancia, tras dividir la ecuación entre OUT , puede obtenerse tal que STEP
(3.9)
Utilizando esta igualdad, es posible asignar valores iniciales a los coeficientes A y B a partir i i
de un estimado inicial de la ganancia del proceso. Por ejemplo, supongamos que la ganancia
del proceso representado por la ecuación (3.6) se estima en 1; es posible dar valores iniciales
a los parámetros, como pudieran ser:A (0) = 1, A (0) = —0.2, B (0) = 0.1 y B (0) = 0.1.
1 2 1 2
Sustituyendo estos valores en (3.9) se tiene que K = 1. Extendiendo para cualquier otro valor
de K = x, bastaría con multiplicar los parámetros B¿(0) propuestos por el valor x para
obtener la ganancia inicial deseada, o bien, proponer cualquier otra series de valores que
cumplan con la igualdad (3.9). Este análisis puede hacerse de manera similar para cualquier
número de parámetros con que se desee trabajar mientras se elijan valores que respeten o
aproximen el valor estimado o deseado para K.
55
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
(3.10)
Resulta evidente pensar que a mayor valor de AM, los parámetros evolucionan más rápido
para converger a sus valores actuales, por lo que utilizar un valor máximo sería
intuitivamente la opción mejor y la más simple. Sin embargo, si el proceso estuviera afectado
por ruido o por alguna interacción que no esté considerada en la formulación del modelo (p.
ej. alguna perturbación), pudiera ser conveniente elegir una velocidad intermedia para evitar
que el mecanismo de adaptación conduzca a los parámetros a valores incorrectos que
cambien rápidamente, o bien, que se modelen condiciones transitorias o ajenas al proceso,
como podría ser que los parámetros del modelo se buscaran adaptar al ruido.
A continuación se muestran los resultados de manera gráfica para los valores de AM = 1.00
(Figura 3.2), AM = 0.75 (Figura 3.3), AM = 0.50 (Figura 3.4), AM = 0.25 (Figura 3.5) y
AM = 0.05 (Figura 3.6). Debe notarse que en cada gráfica se muestra el valor al que busca
converger cada uno de los parámetros y el camino que siguen para llegar a este valor.
Observe que conforme AM aumenta, el tiempo de convergencia parámetrica se reduce de
manera notoria. Por defecto, se sugiere utilizar un valor de 0.7; sin embargo, valores menores
también permiten converger satisfactoriamente después de pocos cambios en la señal de
referencia. Por lo general, al elegir el valor adecuado de AM se debe considerar la variabilidad
del proceso y al grado de interacción que se tiene con otros controladores.
56
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
100
PV
50
0
30 60 90 120 150 180
1
0.9
A1
0.8
0.7
30 60 90 120 150 180
0.2
B1
0.1
0
30 60 90 120 150 180
0.4
0.3
B2
0.2
0.1
30 60 90 120 150 180
Periodos de muestreo
100
PV
50
0
30 60 90 120 150 180
0.9
A1
0.8
0.7
30 60 90 120 150 180
0.2
B1
0.1
0
30 60 90 120 150 180
0.25
0.2
B2
0.15
0.1
30 60 90 120 150 180
Periodos de muestreo
57
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
100
PV
50
0
30 60 90 120 150 180
0.9
A1
0.8
0.7
30 60 90 120 150 180
0.2
B1
0.1
0
30 60 90 120 150 180
0.25
0.2
B2
0.15
0.1
30 60 90 120 150 180
Periodos de muestreo
100
PV
50
0
30 60 90 120 150 180
0.85
A1
0.8
0.75
30 60 90 120 150 180
0.2
B1
0.1
0
30 60 90 120 150 180
0.25
0.2
B2
0.15
0.1
30 60 90 120 150 180
Periodos de muestreo
58
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
100
PV
50
0
30 60 90 120 150 180
0.85
A1
0.8
0.75
30 60 90 120 150 180
0.2
B1
0.1
0
30 60 90 120 150 180
0.25
0.2
B2
0.15
0.1
30 60 90 120 150 180
Periodos de muestreo
Cuando el nivel de ruido se ubica por debajo del límite delimitado por 𝑁𝐿, el proceso se
mantiene estable y los parámetros del modelo adaptativo se mantienen fijos. Sin embargo,
una vez que se alcanza el límite de la banda admisible de ruido (en el caso simulado, cuando
59
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
65
NL=4.0 NL=3.0 NL=2.0 NL=1.5 NL=1.0
60
55
50
Amplitud
45
40
35
30 SP
PV
OP
25
0 50 100 150 200 250
Periodos de muestreo
Por otra parte, cuando la banda de ruido es innecesariamente grande, se pueden presentar
desviaciones en la 𝑃𝑉 con respecto al 𝑆𝑃 ya que la acción de control se modera cuando la 𝑃𝑉
se encuentra dentro de dicha banda. En todo instante, la banda de ruido se mueve alrededor
del valor de 𝑆𝑃 cuando éste cambia; sin embargo, cuando ocurre un cambio en 𝑆𝑃 menor al
60
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
65
60
55
50
PV
45 SP
48
46
44
42
40
38
36
34
OP
32
20 40 60 80 100 120 140
61
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
70
60
50
Amplitud
SP
40 PV [RC=1]
PV [RC=2]
30 PV [RC=5]
PV [RC=10]
PV [RC=25]
20
10 20 30 40 50 60 70
Periodos de muestreo
70
60
50
Amplitud
40
OUT [RC=1]
30 OUT [RC=2]
OUT [RC=5]
20 OUT [RC=10]
OUT [RC=25]
10
10 20 30 40 50 60 70
Periodos de muestreo
Figura 3.9. Efecto en la respuesta de la planta G1(s) en lazo cerrado ante un cambio de
referencia escalón utilizando diferentes razones de cambio en el bloque conductor.
62
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
50
45
40
Amplitud
35
30
SP
PV [TC=1]
PV [TC=2]
25 PV [TC=5]
0 10 20 30 40 50 60
Periodos de muestro
63
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
60
55
50
45
Amplitud
40
35
30
25
PV [TC=0.5}
SP
20
5 10 15 20 25
Periodos de muestreo
Figura 3.11. Respuesta de G1(s) ante cambio en referencia utilizando una constante rápida.
devenga en sobreimpulso sobre la variable de proceso. En nuestro proceso, por ejemplo, esto
ocurre al elegir un valor de 𝑇𝐶 = 0.5 (Figura 3.11). Ahí es importante observar que esto
ocurre especialmente cuando el límite incremental de la acción de control lo permite.
Sin embargo, para mantener la estabilidad del sistema, no es posible emplear cualquier valor
de horizonte de predicción. Un valor pequeño o tendiendo a uno puede ocasionar acciones de
64
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
control muy bruscas, en especial ante la presencia de ruido de medición. Suponga que tras
recibir un valor de la variable de proceso contaminado por ruido se quisiera que dicha
variable alcanzara su valor deseado al cabo de un solo periodo de control. Es posible que el
controlador requiriera de acciones de control muy elevadas para lograr llevar a la variable a
un punto deseado de forma inmediata. Debido al mismo ruido, es posible que la acción de
control haya sido calculada a partir de un valor de la variable de proceso mayor o menor al
verdadero, resultando inadecuada. Incluso, tras la aplicación de la acción de control, el efecto
sobre la variable de proceso podría exceder el comportamiento deseado, haciendo necesario
contrarrestarla y causando un posible comportamiento oscilatorio en las señales.
se debe emplear DP = DP mín de modo que cuando el retardo sea máximo, los coeficientes B i
absorban dicho efecto tomando valores de cero según se requiera. Ahora, considérese que el
número de periodos de retardo toma su valor máximo. A partir de la predicción realizada en
determinado instante de control k, el primer instante en el que la acción de control aplicada
tendrá efecto sobre la salida del proceso será en el instante k + DP máx + 1. Para aplicar el
control predictivo, la predicción no puede realizarse antes de dicho instante. Por lo tanto, el
instante a partir del cual se realiza la predicción deberá ocurrir cuando menos al mismo
tiempo que k + DP max + 1. En consecuencia, se requiere que
k + DP + PH>k + DP m á x + 1 (3.12)
Algo similar se debe tomar en cuenta al trabajar con sistemas de fase no mínima que
presenten un efecto inverso negativo a lo largo de varios periodos de control. Para estos
casos, se deberá emplear un horizonte de predicción por encima de esta cantidad de
periodos, permitiendo que el controlador vea más allá del tiempo que perdure este efecto y
65
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
logre estabilizar la respuesta del sistema (véase Capítulo 4 para aplicaciones en procesos de
fase no mínima). La elección de un horizonte de predicción estable para la estrategia de
control predictivo es analizada y descrita en [5] y ejemplificada en [4].
Como se puede observar, cuando la señal 𝑃𝑉 𝑘 está contaminada por ruido de medición, el
valor de 𝐹𝑃𝑉 𝑘 proporcionará una mejor estimación de la variable del proceso. Cuando
𝐹𝐿 = 1, la variable filtrada es igual a la 𝑃𝑉 original; al ir reduciendo el valor de 𝐹𝐿, la variable
filtrada va tomando mayor dependencia de sus valores anteriores. De este modo, cuando la
variable está teniendo variaciones grandes debido a posibles efectos de ruido, éstas se
disminuyen al incrementar la constante de filtrado 𝐹𝐿. Debe observarse que conforme el
tiempo de muestreo utilizado sea más rápido, la cantidad de datos disponibles para hacer el
filtrado será mayor. Es importante conocer bien los cambios que se pueden dar en la variable
de proceso durante la operación deseada, ya que si el proceso es rápido y la 𝑃𝑉 varía
rápidamente en situaciones de operación normales, el filtro de primer orden ralentizará la
captación de estos efectos e impedirá se efectúen acciones de control de forma más rápida,
especialmente si se definen tiempos de muestreo o de control lentos.
66
CAPÍTULO 3: ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES ADEX
80
78
77
76
75
74
73
72
71
PV
FPV
70
60 120 180 240
A raíz del análisis realizado en el presente capítulo, se encontraron formas para determinar
valores adecuados para los parámetros de operación de los controladores. En el siguiente
capítulo, se emplean los resultados de este análisis para configurar correctamente los
controladores AP cuando estos forman parte de esquemas de control avanzados.
67
CAPÍTULO 4.
ESTUDIO DE ESTRATEGIAS DE CONTROL:
ANÁLISIS, EXPERIMENTACIÓN Y
RESULTADOS.
71
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
72
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
PERT
GPERT s
SP OUT PV
CONTROLADOR PROCESO
AP G s
𝑃𝑉 𝑘 = 𝐴1 𝑃𝑉 𝑘 − 1 + 𝐴2 𝑃𝑉 𝑘 − 2 + ⋯
(4.1)
+𝐵1 𝑂𝑈𝑇 𝑘 − 1 − 𝐷𝑃 + 𝐵2 𝑂𝑈𝑇 𝑘 − 2 − 𝐷𝑃 + ⋯
𝑃𝑉 𝑘 = 𝐴1 𝑃𝑉 𝑘 − 1 + 𝐴2 𝑃𝑉 𝑘 − 2 + ⋯
+𝐵1 𝑂𝑈𝑇 𝑘 − 1 − 𝐷𝑃𝐵 + 𝐵2 𝑂𝑈𝑇 𝑘 − 2 − 𝐷𝑃𝐵 + ⋯ (4.2)
73
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
1.4𝑒 −4.3𝑠
𝐺𝐴 𝑠 = (4.3)
8𝑠 + 1
La respuesta del sistema ante una entrada tipo escalón de magnitud unitaria se muestra en la
Figura 4.2. Su tiempo de respuesta es de 35.6 segundos.
Al diseñar el controlador, se supuso que lo único que se conoce del sistema es lo siguiente:
o el tiempo muerto del proceso puede variar entre 3.2 y 5.3 segundos;
1.4
1.2
0.8
Amplitud
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70
Tiempo (sec)
Figura 4.2. Respuesta del sistema SISO a una entrada tipo escalón unitario.
74
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
el incremento máximo por periodo de control que puede aplicarse al actuador es 40.
Bloque de proceso
Siguiendo las recomendaciones para la selección del periodo de control, se considera el rango
de 1/40 a 1/10 del tiempo de respuesta del sistema (35 segundos), esto es entre 0.88 y 3.50
segundos. Se elige un tiempo de muestreo más rápido que el posible periodo de control, por
ejemplo 0.25 segundos. Con ello, un periodo de control adecuado puede ser un valor de 1
segundo, que es múltiplo de dicho tiempo de muestreo.
Mecanismo de adaptación
75
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Figura 4.3. Configuración del mecanismo de adaptación para el control del sistema SISO.
Para partir de una ganancia que aproxime la ganancia del proceso, se emplearon valores
iniciales de 𝐴1 0 = 0.8 , 𝐵1 0 = 0.075 , 𝐵2 0 = 0.075 , 𝐵3 0 = 0.075 y 𝐵4 0 = 0.075 ,
mediante los cuales se evalúa la igualdad establecida en (3.9) obteniéndose una ganancia de
estado estable 𝐾 = 1.5.
Bloque de control
Para los límites de las variables, se seleccionaron los rangos de variación de 0 a 100 tanto
para la variable de proceso (PV), la manipulación o salida de control (OUT) y para la variable
de perturbación (PERT) (cuando ésta se antealimenta). Las constantes de filtrado se
desactivan (𝐹𝐿 = 1) ya que no se simuló ruido de medición. El límite incremental de la
manipulación se fija en 𝐼𝐿 = 40, que permite aplicar acciones de control significativas; por
último, al límite incremental inferior se asigna el valor de 𝐿𝐼𝐿 = 1.
76
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Bloque conductor
De acuerdo con la ecuación (3.13), el horizonte de predicción debe ser mayor o igual que la
diferencia entre el retardo máximo y el mínimo más un periodo; por lo tanto, se utiliza un
valor de 𝑃𝐻 = 3. La constante de tiempo debe permitir obtener una respuesta más rápida
que la de lazo abierto (35 segundos), lo que se logra con cualquier constante de tiempo
menor a 5; para que la mejoría sea notoria, se emplea 𝑇𝐶 = 0.75, que hace que el tiempo de
respuesta sea alrededor de 4.5 segundos. Se elige una velocidad de cambio máxima 𝑅𝐶 = 15
unidades por periodo de control.
Bloque experto
Se conservan los valores por defecto para todos los campos, ya que se trabajó en el bloque AP
central únicamente.
Se utiliza un controlador PID con estructura ideal [11], cuya representación en tiempo
continuo viene dada por:
𝑈 𝑠 1
= 𝐾𝑐 1 + + 𝑇𝑑 𝑠 (4.5)
𝐸 𝑆 𝑇𝑖 𝑠
𝐾𝑐 = 0.91
𝑇𝑖 = 8.50 (4.6)
𝑇𝑑 = 1.38
Además, para obtener resultados comparables, el PID se restringe del mismo modo que el
controlador ADEX, con un periodo de control de 1 segundo y un límite incremental de 40
unidades por periodo de control.
77
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
El proceso parte de estado estable y es sometido a varios cambios en la señal de 𝑆𝑃 para que
los coeficientes del modelo AP se adapten a partir de los valores iniciales y converjan a
valores adecuados. Dichos cambios y la evolución del modelo se presenta en la Figura 4.4
100
SP PV OUT
Amplitud
50
0
50 100 150 200 250 300 350
1
0.9
A1
0.8
0.7
0.05
0
50 100 150 200 250 300 350
0.12
0.1
B2
0.08
0.06
50 100 150 200 250 300 350
0.2
B3
0.1
0
50 100 150 200 250 300 350
0.1
B4
-0.1
50 100 150 200 250 300 350
Periodos de muestreo
Figura 4.4. Adaptación inicial de los coeficientes el modelo AP para el sistema SISO.
78
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
La Figura 4.4 muestra que partiendo de los valores iniciales que se eligieron, el mecanismo de
adaptación logra rápidamente que los parámetros converjan a sus valores adecuados para el
control. En este caso se llegó a los parámetros correspondientes del modelo discretizado de la
planta presentado en (4.4) sin embargo, esto no siempre ocurre ya que la adaptación no
requiere la identificación exacta del modelo del sistema. Observe que gracias a la ganancia
inicial estimada mediante los valores iniciales utilizados, las acciones de control aplicadas al
principio no son demasiado bruscas y se mantienen en rangos adecuados al proceso.
Adicionalmente, como el retardo del proceso es mayor que el establecido por el número de
periodos de retardo, el primer coeficiente 𝐵1 tiende a cero; lo mismo ocurre con el cuarto
coeficiente ya que el modelo del sistema solo requiere de dos parámetros. Con ello, si el
tiempo muerto varía, los parámetros se pueden desplazar en ambas direcciones.
ADEX PID
Tiempo de elevación 11.8 s 11.25 s
Tiempo de estabilización 11.8 s 13.8 s
Porcentaje de sobretiro 0% 2.7 %
Error de estado estable 0 0
79
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
56
54
52
Amplitud
50
48
SP
46 PV [ADEX]
PV [PID]
44
20 40 60 80 100 120 140
Periodos de muestreo
60
OUT [ADEX]
55 OUT [PID]
50
Amplitud
45
40
35
30
20 40 60 80 100 120 140
Periodos de muestreo
0.5𝑒 −2.1𝑠
𝐺𝑃𝐸𝑅𝑇 𝑠 = (4.7)
4.8𝑠 + 1
80
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
66
SP
65
PV [ADEX]
64 PV [PID]
Amplitud
63
62
61
60
59
20 40 60 80 100 120 140 160
50
OUT [ADEX]
40 OUT [PID]
Amplitud
30
20
20 40 60 80 100 120 140 160
20
PERT
15
Amplitud
10
0
20 40 60 80 100 120 140 160
Periodos de muestreo
Figura 4.6. Respuesta del sistema SISO ante una perturbación escalón a la salida.
81
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
un retraso 𝐷𝑃𝐶 = 0. Se aplicó una serie de perturbaciones a la salida para forzar la adaptación
de los parámetros 𝐶𝑖 . La Figura 4.7 muestra la respuesta ante una perturbación de magnitud
10 una vez adaptado el modelo de ésta, aplicándola tras el quinto intervalo de muestreo.
Se observa una clara ventaja en la respuesta del sistema ADEX al antealimentar el valor de la
perturbación, ya que éste comienza a actuar desde el momento en que ésta aparece, anulando
su efecto sobre la variable de proceso más rápidamente. La Tabla 4.2 muestra los indicadores
de desempeño de la respuesta de control para todos los casos presentados.
65
SP
64 PV [ADEX]
PV [PID]
63
Amplitud
62
61
60
59
20 40 60 80 100 120 140 160
45
OUT [ADEX]
40 OUT [PID]
Amplitud
35
30
25
20 40 60 80 100 120 140 160
20
PERT
15
Amplitud
10
0
20 40 60 80 100 120 140 160
Periodos de muestreo
Figura 4.7. Respuesta del sistema SISO ante una perturbación a la salida al agregar antealimentación.
82
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Para probar la adaptación del controlador ADEX, se cambió el tiempo muerto de 4.3 a 3.2
segundos. Con ello, se analizó la adaptación de los parámetros y el desempeño ante cambios
en el valor de referencia.
100
SP PV OP
Amplitud
50
0
100 200 300 400 500 600 700
1
0.8
A1
0.6
0.4
100 200 300 400 500 600 700
0.2
B1
0.1
0
100 200 300 400 500 600 700
0.2
B2
0.1
0
100 200 300 400 500 600 700
0.05
B3
-0.05
100 200 300 400 500 600 700
0.01
B4
-0.01
100 200 300 400 500 600 700
Periodos de muestreo
Figura 4.8. Adaptación del modelo AP al cambiar el tiempo muerto del sistema SISO.
83
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
En la Figura 4.8 se observa la adaptación de los parámetros tras aplicar varios cambios en el
valor de referencia. Nótese que al principio el controlador requiere variaciones mayores en la
manipulación. Después de un par de cambios, los parámetros convergen de nuevo a sus
valores estables. Es importante observar que al disminuir el tiempo de retraso los
coeficientes 𝐵𝑖 se desplazaron a la izquierda en el modelo AP, esto es, 𝐵1 y 𝐵2 tomaron nuevos
valores mientras que 𝐵3 y 𝐵4 tendieron hacia cero.
Una vez que los parámetros se han adaptado, se compara el desempeño contra el controlador
PID sintonizado para el proceso original, obteniéndose el siguiente desempeño de
seguimiento mostrado en la Figura 4.9 ante un cambio en el setpoint. Como se puede
observar, ambos controladores son robustos; sin embargo, el PID deteriora su desempeño y
responde de manera lenta.
65
SP
60 PV [ADEX]
PV [PID]
55
Amplitud
50
45
40
35
20 40 60 80 100 120 140 160
Periodos de muetreo
50
OP [ADEX]
OP [PID]
40
30
Amplitud
20
10
0
20 40 60 80 100 120 140 160
Periodos de muetreo
Figura 4.9. Respuesta ante un cambio en referencia al variar el tiempo muerto del sistema SISO.
84
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Ahora, se simuló un cambio fuerte en la ganancia estática del proceso; su valor pasó de
𝐾 = 1.4 a 𝐾 = 3.5. El comportamiento de los controladores al realizar dicho cambio se ilustra
en la Figura 4.10. Aunque ambos controladores mantienen estable al sistema, el controlador
PID tarda más del triple de tiempo en regresarlo al valor de referencia (71 segundos contra
20 segundos del AP).
Ahora, para comprobar el desempeño cuando cambian algunos de los parámetros del modelo
del sistema, se aplica un pequeño cambio en la señal de referencia. La Figura 4.11 muestra
que el desempeño del controlador ADEX es el deseado una vez que los parámetros se adaptan
a la nueva ganancia. Por el otro lado, el controlador PID a pesar de mantener la estabilidad del
sistema de control, se vuelve lento y oscilatorio con sobretiro muy elevado. Los índices de
desempeño al aplicar este cambio se recogen en la Tabla 4.3.
90
SP
PV [ADEX]
80
PV [PID]
70
Amplitud
60
50
40
0 50 100 150 200 250 300 350 400
Periodos de muestreo
60
OUT [ADEX]
50 OUT [PID]
40
Amplitud
30
20
10
0
0 50 100 150 200 250 300 350 400
Periodos de muestreo
Figura 4.10. Respuesta regulatoria ante un cambio en la ganancia del sistema SISO.
85
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
65
SP
PV [ADEX]
60
PV [PID]
55
Amplitud
50
45
40
50 100 150 200 250 300 350 400 450
Periodos de muestreo
30
OUT [ADEX]
25 OUT [PID]
20
Amplitud
15
10
0
50 100 150 200 250 300 350 400 450
Periodos de muestreo
Figura 4.11. Respuesta ante un cambio en referencia al variar la ganancia del sistema SISO.
ADEX PID
Tiempo de elevación 11.2 s 7.2 s
Tiempo de estabilización 11.2 s 74.5 s
Porcentaje de sobretiro 0% 60%
Error de estado estable 0 0
Se ha visto que los controladores AP ofrecen un desempeño robusto cuando cambian las
características dinámicas del sistema; sin embargo, hasta ahora, los controladores PID
también han mantenido la estabilidad del sistema, mas no así el desempeño.
86
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Por último, se analizó la situación donde la dinámica de la planta se vea fuertemente alterada
en todos sus aspectos: ganancia, tiempo muerto y tiempo de respuesta. Para ello, los
parámetros pasan de sus valores simulados mostrados en (4.3) a los siguientes:
(4.9)
Figura 4.12. Respuesta regulatoria ante cambios en la dinámica del proceso SISO.
87
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Con lo anterior, queda expuesta la robustez del controlador adaptativo predictivo, siempre y
cuando la configuración de sus parámetros sea la adecuada para realizar la adaptación
paramétrica del modelo adaptativo predictivo y cuidando que los requerimientos de control
deseados sean alcanzables para las distintas variaciones que pueda presentar el proceso. En
este caso, dado que el retraso del proceso aumentó, los parámetros tienden a converger a sus
nuevos valores, desplazando los coeficientes 𝐵𝑖 a la derecha del modelo, donde ahora 𝐵1 y 𝐵2
toman valores de cero.
62
SP
60 PV [ADEX]
58
Amplitud
56
54
52
50
48
10 20 30 40 50 60 70 80 90 100
Periodos de muestreo
32
OUT [ADEX]
30
28
26
Amplitud
24
22
20
18
16
10 20 30 40 50 60 70 80 90 100
Periodos de muestreo
88
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
56
SP
55
PV [ADEX]
54
Amplitud
53
52
51
50
49
10 20 30 40 50 60 70 80 90 100
30
OUT [ADEX]
25
Amplitud
20
15
10 20 30 40 50 60 70 80 90 100
20
PERT
15
Amplitud
10
0
10 20 30 40 50 60 70 80 90 100
Periodos de muestreo
Figura 4.14. Respuesta del sistema ante perturbación
tras un cambio en la dinámica del sistema SISO.
89
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
PERT2 PERT1
OUT1/SP2 OUT2
LAZO INTERNO
LAZO EXTERNO
El esquema mostrado en la Figura 4.15 funciona del siguiente modo. La variable secundaria
es medida y retroalimentada a través de un lazo interno (también llamado secundario o
esclavo). Esta variable responde rápidamente a un cambio en la señal de control. Así, cuando
una perturbación actúa en el lazo interno, ésta es retroalimentada y corregida rápidamente
por el controlador esclavo sin llegar a afectar a la variable de proceso principal. La variable
secundaria afecta directamente al proceso externo (y a la variable principal). La salida de
control del lazo externo (también llamado primario o maestro) representa el setpoint del lazo
interno, y la salida de proceso principal se retroalimenta para cerrar el lazo del control
maestro.
Por simplicidad, se emplea en este trabajo la notación con subíndices 1 y 2 para referir a las
variables y parámetros relacionados al lazo maestro (primario) y esclavo (secundario),
respectivamente.
90
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
4.3.2. EXPERIMENTACIÓN
D e s c r i p c i ó n del sistema
Siguiendo la estructura mostrada en la Figura 4.15, el proceso interno es más rápido que el
externo y es el que se ve afectado por las perturbaciones principales que se llegaran a
presentar. La función de transferencia que se simuló para el proceso del lazo interno es:
(4.10)
correspondiente a un proceso de segundo orden cuya respuesta ante una entrada escalón de
magnitud unitaria se muestra en la Figura 4.16. El tiempo de establecimiento
correspondiente es de aproximadamente 2.5 segundos.
91
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
(4.11)
cuya respuesta ante una entrada escalón de magnitud unitaria se muestra en la misma Figura
4.16. Observe que la respuesta del proceso tarda aproximadamente 24 segundos en
establecerse. Además, el proceso completo con ambos subsistemas en serie responde en
alrededor de 25 seg.
• las perturbaciones actuando sobre el proceso externo son más lentas que las que se
presentan sobre el proceso interno;
92
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
muestra cómo que el desempeño del lazo maestro y la manera de configurarlo depende del
correcto desempeño que presente el lazo esclavo.
Bloque de proceso
En primer lugar, se requiere emplear un tiempo de muestreo pequeño ya que la velocidad del
proceso interno es rápida (2.5 segundos); para ello, se usó un tiempo de muestreo de 0.10
segundos. Además, se pretende elegir un periodo de control de entre 1/10 y 1/40 de este
tiempo de estabilización, obteniéndose un rango de 0.0625 a 0.25 segundos. Dado el tiempo
de muestreo, el periodo de control podría tomar valores de 0.1, 0.2 o 0.3 segundos. Para tener
un control rápido y un buen desempeño, se empleó el tiempo más pequeño, esto es, 0.1
segundos (CP = 1).
Mecanismo de adaptación
Puesto que en teoría se desconoce el orden del proceso interno, se emplea un modelo A R x
que cuente con al menos dos parámetros A y B . Puesto que se determinó que no se cuenta
i I
con tiempo muerto, el número de periodos de retardo es igual a cero. Se emplea una
velocidad de adaptación baja para evitar que el modelo se adapte rápidamente al
comportamiento aleatorio de las perturbaciones que se presenten; un valor adecuado puede
considerarse AM = 0.3.
Los valores iniciales de los coeficientes del modelo se ajustan para obtener una ganancia
cercana a la observada en la respuesta al escalón. Se utilizan los valores iniciales A (0) = 1,
1
Por último, debe recordarse que el setpoint de este lazo de control se ajusta por el
controlador maestro; por lo tanto, cuando el valor de la variable principal se acerca a su
referencia, los cambios en el setpoint interno se disminuyen. Por ello, se requiere cuidar que
la banda de ruido aceptable no sea tan estrecha que ignore dichas variaciones en el setpoint.
Para la simulación, sin embargo, no se considera la presencia de ruido (NL = 0).
93
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Bloque conductor
Recordando que en el lazo interno se busca obtener una respuesta muy rápida, se recomienda
emplear un horizonte de predicción ajustado, siempre que logre mantener la estabilidad
interna del sistema. En este caso, al no presentar tiempo muerto el proceso ni efecto inverso
en su respuesta, se posibilita el emplear valores pequeños para el horizonte de predicción.
Así, en primera instancia, se empleó un valor de 3 periodos y se analizan los resultados.
Bloque de control
Al elegir el límite incremental para la salida de control, debe tomarse en cuenta que, si bien se
desea una respuesta rápida, elegir un incremento por periodo de control muy elevado puede
ocasionar un efecto de timbre sobre los actuadores o una respuesta críticamente estable. En
ambos casos, los actuadores pueden no ser capaces de aplicar tales incrementos o pueden
dañarse debido a un comportamiento oscilatorio en las señales de control. Estas
observaciones se extienden además al considerar que el setpoint es cambiado
constantemente por el lazo externo, demandando cambios frecuentes en las acciones de
control que pudieran causar los problemas ya mencionados si el límite fuera muy elevado. En
94
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Respecto a los rangos, se emplean tanto para OUT2 como para PV2 los límites dados en la
descripción del sistema, es decir, LL = 0 y UL = 100. Como no se desea realizar filtrado de las
señales, se elige FL = 1.
Consideraciones generales
En la Figura 4.17 se muestra el desempeño del lazo de control interno ante cambios de
referencia escalón cuando el proceso externo opera en lazo abierto. Sus indicadores de
desempeño se presentan en la Tabla 4.4.
Valor medio
Tiempo de elevación 0.8 s
Tiempo de estabilización 0.8 s
Porcentaje de sobretiro 1.6%
Error de estado estable 0
95
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
80
SP2 (OUT1)
70 PV2
60
Amplitud
50
40
30
20
20 40 60 80 100 120 140 160 180
100
OUT2
80
60
Amplitud
40
20
0
20 40 60 80 100 120 140 160 180
Periodos de muestreo
Figura 4.17. Desempeño del lazo interno del proceso en cascada ante cambios en referencia.
Para sacar mayor provecho a la estrategia de control cascada, es común utilizar distintos
periodos de control para cada lazo del sistema; en el caso ideal, el lazo secundario se controla
rápidamente mientras que el primario emplea periodos de control mayores, proporcionales a
su tiempo de establecimiento. Bajo dicha premisa, la dinámica del lazo de control interno
sería poco significativa para el controlador externo en comparación con la del proceso
principal. Observe ahora el efecto de un cambio en la referencia del controlador esclavo sobre
la variable de proceso principal (Figura 4.18) y compárelo con el obtenido anteriormente en
la prueba escalón cuando el controlador esclavo estaba en lazo abierto (Figura 4.16). Note
que aunque la variable interna se estabiliza más rápido, el tiempo de establecimiento de la
variable principal sigue siendo dictado por el tiempo de establecimiento del proceso maestro
(el tiempo de estabilización ahora es de 24.5 segundos). Ahora, si se observa el tiempo de
estabilización del lazo interno, puede notarse que es posible emplear en el lazo principal un
periodo de control mayor a dicho tiempo de estabilización y simplemente dejar que el
96
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
12
10
8
Amplitud
2
PV1
0
0 50 100 150 200 250 300 350 400
Periodos de muestreo
16
14
12
10
Amplitud
4
OUT1
2 PV2
0
0 50 100 150 200 250 300 350 400
Periodos de muestreo
Figura 4.18. Comportamiento en lazo abierto del sistema en cascada (lazo interno cerrado).
controlador maestro “pase por alto” la respuesta transitoria del lazo interno, asegurando que
entre periodos de control del lazo principal, la variable interna siempre alcance la referencia
señalada por la variable de control externa. Inclusive, utilizar un periodo de control más
rápido en el lazo externo podría provocar que la salida del lazo interno nunca alcanzara las
referencias fijadas por el controlador maestro y se desestabilizara ante los cambios
constantes en dicho valor al operar en cascada, saturando los actuadores o provocándoles un
efecto de timbre.
Es importante aclarar, sin embargo, que de igual manera que el requisito de tener una
diferencia grande entre las velocidades de respuesta de ambos procesos, el uso de periodos
de control distintos tampoco es estrictamente necesario para el funcionamiento de la
estrategia. No obstante, si estas condiciones no se presentan ni se aprovechan, la ventaja de la
estrategia, de haberla, sería mínima en comparación de usar un lazo de control simple.
97
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Del mismo modo que cuando se utilizan controladores convencionales, se debe configurar
inicialmente el controlador externo en función del desempeño del lazo interno. Sin embargo,
a diferencia de los métodos de control convencionales, la estrategia implementada con
controladores AP debe ser capaz de adaptar los cambios que se presenten en la dinámica
interna mediante el controlador esclavo, sin requerir una nueva sintonización de los
parámetros de operación del controlador maestro. En las siguientes secciones, se presenta la
forma de obtener dicho desempeño.
Bloque de proceso
Mecanismo de adaptación
Al considerar dos procesos en serie, se espera que el sistema visto por el controlador externo
sea de orden mayor o igual que el de los subprocesos; generalmente al menos un segundo
orden. Por ende, el modelo ARX correspondiente debe contar con al menos dos parámetros 𝐴𝑖
y 𝐵𝑖 . Si bien esto equivale a utilizar 𝑁𝐴 = 2, para determinar 𝑁𝐵 se deben considerar también
las variaciones en el tiempo muerto. De acuerdo a las consideraciones iniciales, se observó
que el tiempo muerto del proceso maestro puede variar entre 2.0 y 3.0 segundos y que el
proceso interno no presenta retraso; dado el tiempo de muestreo de 1.2 segundos, esto
equivale a 𝐷𝑃𝑚 í𝑛 = 1 y 𝐷𝑃𝑚 á𝑥 = 2 para el equivalente observado por el controlador maestro.
98
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Por otra parte, en la respuesta mostrada en la Figura 4.18, se observó una ganancia de estado
estable cercana a 𝐾 = 0.75. Aplicando la igualdad (3.9), para logar una ganancia inicial que
aproxime la ganancia del proceso, se eligen los siguientes valores iniciales: 𝐴1 0 = 1.0,
𝐴2 0 = −0.2, 𝐵1 0 = 0.05, 𝐵2 0 = 0.05, 𝐵3 0 = 0.05.
Finalmente, por tratarse de un proceso más lento y con variaciones paramétricas lentas, una
velocidad de adaptación baja es suficiente para adaptar cambios en la planta y resulta
adecuada para que el modelo no se adapte a perturbaciones que puedan ser más rápidas que
el mismo proceso (p. ej. 𝐴𝑀 = 0.3). Note que como los cambios en el proceso interno son
adaptados por el controlador secundario, el mecanismo de adaptación primario se ve poco
afectado por las variaciones del proceso interno.
Bloque conductor
Cumpliendo con la condición (3.13), el horizonte de predicción debe ser mayor o igual que
𝐷𝑃𝑚 á𝑥 − 𝐷𝑃𝑚 í𝑛 + 1. Por consiguiente, debe emplearse un valor de 𝑃𝐻 ≥ 2. Considerando que
se presentara alguna variación marcada en la dinámica interna que cause mayor retraso de lo
previsto y para obtener del control predictivo un mejor desempeño, se usó un horizonte de
predicción superior al mínimo, por ejemplo, 𝑃𝐻 = 5.
En cuanto al tiempo de respuesta deseado, este debe ser mucho menor a los 24.5 segundos
que le toma estabilizarse al proceso en lazo abierto. Para que el tiempo se reduzca, a
aproximadamente 6 segundos en el caso ideal (más el retraso), se emplea una constante de
tiempo de 0.8. Para la velocidad de cambio máxima, empleamos 𝑅𝐶 = 15 evitando que la
variable de proceso se acerque más rápidamente a la referencia.
99
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Bloque de control
En este bloque, se limitan las variables de control y de proceso en los rangos de 0 a 100 y se
desactiva el filtrado de ruido (𝐹𝐿 = 1). El límite incremental, no obstante, se debe seleccionar
de manera cuidadosa recordando que las acciones de control del lazo primario son los
cambios de referencia actuando sobre el controlador esclavo. Si se utilizan valores demasiado
altos, es posible que ante cambios en la acción de control del lazo maestro, el proceso interno
no alcance los valores de setpoint requeridos debido a sus propios límites de control,
demandando además acciones de control elevadas. Si esto ocurre, las acciones de control
pueden volverse oscilatorias y sobreactuar los actuadores mediante cambios bruscos en la
salida de control.
Por otro lado, se debe evitar ralentizar el control con acciones muy pequeñas. Un valor
acotado, para este caso, puede tomar el valor 𝐼𝐿 = 20, que de acuerdo a las respuestas
observadas en la Figura 4.16, permite alcanzar los niveles de referencia deseados en
alrededor de 0.8 segundos y estabilizar la manipulación interna en poco menos de 1.2
segundos.
100
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
50
SP1 PH=3 PH=5 PH=10
45
PV1
40
50 100 150 200 250 300
100
PH=3 PH=5 PH=10
80
OUT1
60
40
50 100 150 200 250 300
100
PH=3 PH=5 PH=10
80
PV2
60
40
50 100 150 200 250 300
100
PH=3 PH=5 PH=10
OUT2
50
0
50 100 150 200 250 300
Periodos de muestreo
Para la selección del periodo de control, se ha recomendado elegir dentro del rango obtenido
en función del tiempo de respuesta (elevación) del proceso en lazo abierto, en este caso
delimitado entre 0.6 y 2.45 segundos para el proceso maestro. Sin embargo, tratándose de
procesos controlados en cascada, no cualquiera de dichos valores resulta adecuado. Para
demostrarlo, observe el desempeño utilizando periodos de control 0.6 segundos (Figura 4.20)
y 2.0 segundos (Figura 4.21). Cabe aclarar que los parámetros del bloque conductor se
101
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
modifican acorde al periodo de control utilizado en la prueba. Al utilizar el valor más chico, se
observa que la variable de proceso oscila y tarda más en estabilizarse; en parte, esto se debe a
que la variable de manipulación interna no alcanza a estabilizarse entre cambios de
referencia y se presenta un efecto de timbre sobre el actuador interno. Este comportamiento
puede evitarse reduciendo más las acciones de control tanto del lazo maestro como del
esclavo, sin embargo, la velocidad de la respuesta se vería más afectada. Por ello, se sugiere
que la manipulación interna logre estabilizarse un poco antes de aplicar un nuevo cambio en
referencia. No obstante, observe que el controlador logra mantener al sistema estable. En el
caso contrario, al utilizar un periodo de control grande, el sistema y sus acciones de control
tienden a ser más conservadores y el tiempo de estabilización tiende a prolongarse si se
compara con el observado en la Figura 4.19 para los valores horizontes de predicción
pequeños.
48
SP PV
47 1 1
46
45
Amplitud
44
43
42
41
40
0 50 100 150 200 250 300 350 400
Periodos de muestreo
100
OUT1/SP2 OUT2 PV2
80
60
Amplitud
40
20
0
0 50 100 150 200 250 300 350 400
Periodos de muestreo
Figura 4.20. Desempeño del sistema de control en cascada con CP=0.6 seg.
102
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
48
SP1 PV1
47
46
45
Amplitud
44
43
42
41
40
0 50 100 150 200 250 300
Periodos de muestreo
90
OUT1/SP2 OUT2 PV2
80
70
60
Amplitud
50
40
30
20
10
0 50 100 150 200 250 300
Periodos de muestreo
Figura 4.21. Desempeño del sistema de control en cascada con CP=2.0 seg.
En este caso, se probó el desempeño del esquema de control en cascada cuando el proceso
simulado no presenta ninguna variación, comparándolo frente a un esquema de control
tradicional. Para ello, se utilizaron controladores PI convencionales de estructura idealizada,
modelados por (4.5). La sintonización se realizó siguiendo las recomendaciones propuestas
por Smith en [11]. Para el controlador interno, se eligió 𝐾𝑝 = 2.0 y 𝑇𝑖 = 0.8; para el externo,
𝐾𝑝 = 1.2 y 𝑇𝑖 = 8.0.
103
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
controlador interno una vez que el modelo interno se ha estabilizado, comparando con la
respuesta ante un esquema de control PI.
Se observa que cuando se trabaja con sistemas de segundo orden, la estrategia de control
predictivo permite reducir significativamente el sobretiro, lo cual resulta difícil con
controladores convencionales si se busca obtener una respuesta rápida. En el caso del PI, el
controlador se configuró para obtener una respuesta rápida a pesar del sobretiro. La Tabla
4.5 compara los indicadores de desempeño de ambos esquemas de control.
65
SP2
PV2 [ADEX]
60
PV2 [PID]
Amplitud
55
50
45
20 40 60 80 100 120 140
Periodos de muestreo
70
OUT2 [ADEX]
60
OUT2 [PID]
50
Amplitud
40
30
20
10
0
20 40 60 80 100 120 140
Periodos de muestreo
ADEX PID
Tiempo de elevación 0.8 s 0.55 s
Tiempo de estabilización 0.8 s 3.5 s
Porcentaje de sobretiro 1.6% 31%
Error de estado estable 0 0
104
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Una vez que el sistema interno opera de manera estable, se debe colocar en modo cascada,
otorgando al controlador maestro el mando sobre el setpoint interno. Al principio, se
requiere adaptar los coeficientes del modelo AP, para lo que se aplicaron varios cambios en
referencia. La Figura 4.23 muestra el comportamiento de ambos esquemas de control tras
realizar un cambio en el valor de setpoint. Observe que el controlador AP permite obtener un
desempeño más rápido que el PI; en ambos casos, el tiempo de elevación es reducido, aunque
después se presenten ligeras oscilaciones antes de que la variable de proceso se estabilice. La
Tabla 4.6 muestra la comparación entre ambos esquemas en términos de sus principales
indicadores de desempeño.
50
SP1
45 PV1 [ADEX]
PV1
PV1 [PID]
40
35
0 100 200 300 400 500 600
80
OUT1 [ADEX]
70 OUT1 [PID]
OUT1
60
50
0 100 200 300 400 500 600
80
PV2 [ADEX]
70 PV2 [PID]
PV2
60
50
0 100 200 300 400 500 600
80 OUT2 [ADEX]
OUT2 [PID]
OUT2
60
40
20
0 100 200 300 400 500 600
Periodos de muestreo
Figura 4.23. Respuesta del sistema en cascada ante un cambio en la referencia principal.
105
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
ADEX PID
Tiempo de elevación 10.8 s 13.9 s
Tiempo de estabilización 20.4 s 42.6 s
Porcentaje de sobretiro 3% 16%
Error de estado estable 0 0
ADEX PID
Desviación del SP 11% 11%
Tiempo de
1.4 s 1.2 s
estabilización (±2%)
106
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
60
PV1 [ADEX]
(a)
50 PV2 [ADEX]
PERT2
40
Amplitud
30
20
10
0
0 200 400 600 800 1000 1200 1400
Periodos de muestreo
60
(b) PV1 [PID]
50 PV2 [PID]
PERT2
40
Amplitud
30
20
10
0
0 200 400 600 800 1000 1200 1400
Periodos de muestreo
Figura 4.24. Respuesta ante perturbaciones en el lazo interno para el esquema (a) ADEX y (b) PI.
Ahora, si la perturbación se añade sobre la salida principal del lazo externo, es tarea del
controlador maestro compensarla mediante la manipulación del setpoint de lazo secundario.
Como se mencionó al describir el problema, las perturbaciones sobre el lazo externo son más
lentas, por lo que se introdujeron siguiendo un modelo de primer orden con constante de
tiempo de 5 segundos. La Figura 4.25 muestra dicha respuesta. Observe que ambos esquemas
logran regresar al sistema a su punto de operación. La Tabla 4.8 compara ambos desempeños.
ADEX PID
Desviación del SP 8.15% 10.4%
Tiempo de
16.1 s 18.0 s
estabilización (±2%)
107
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
45
SP1
PV1 [ADEX]
Amplitud
PV1 [PID]
40
35
0 200 400 600 800 1000 1200
100
OUT1 [ADEX]
80
OUT1 [PID]
Amplitud
60
40
20
0
0 200 400 600 800 1000 1200
8
PERT1
6
Amplitud
0
0 200 400 600 800 1000 1200
Periodos de muestreo
Habiendo probado los controladores bajo las condiciones nominales para las cuales fueron
configurados, se simularon cambios en la dinámica del proceso interno. La Figura 4.26
muestra cómo se van adaptando los parámetros tras un cambio en ganancia y frecuencia en el
modelo del proceso interno, realizado al quinto instante de muestreo. En promedio, los
coeficientes del modelo interno que aparecen en dicha figura cambiaron alrededor de un 7%,
mientras que los del modelo externo se mantuvieron casi constantes (no se muestran).
108
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
60
PV1
50
40
0 500 1000 1500
100
80
PV2
60
1.7
1.6
0 500 1000 1500
-0.65
A22
-0.7
-0.75
0 500 1000 1500
0.04
B12
0.03
0.02
0 500 1000 1500
0.04
B22
0.03
0.02
0 500 1000 1500
Periodos de muestreo
Figura 4.26. Adaptación de los coeficientes del modelo
interno ante un cambio en la dinámica simulada.
109
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
del modelo externo se desplazaron o variaron al menos un 10% respecto a sus valores
previos, mientras que los del modelo interno se vieron marginalmente afectados.
60
PV1
50
40
500 1000 1500 2000
1.7
A11
1.6
1.5
500 1000 1500 2000
-0.6
A21
-0.7
-0.8
-3
x 10 500 1000 1500 2000
6
4
B11
0
500 1000 1500 2000
0.06
0.04
B21
0.02
0
500 1000 1500 2000
0.04
B31
0.02
0
500 1000 1500 2000
Periodos de muestreo
Figura 4.27. Adaptación de los coeficientes del modelo
externo ante un cambio en la dinámica simulada.
110
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
58
56
54
Amplitud
52
SP1
50 PV1 [ADEX]
PV1 [PID]
48
0 100 200 300 400 500 600
75
OUT1 [ADEX]
70 OUT1 [PID]
65
Amplitud
60
55
50
45
0 100 200 300 400 500 600
Periodos de muestreo
Figura 4.28. Respuesta ante cambio en referencia tras variar el modelo externo.
ADEX PID
Tiempo de elevación 10.1 s 12.1 s
Tiempo de estabilización 26.8 s 85.8 s
Porcentaje de sobretiro 7.2% 47.6%
Error de estado estable 0 0
111
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
De la misma forma, se simuló una perturbación a la salida del lazo principal; nuevamente,
como se observa en la Figura 4.29, el controlador AP logra reducir el efecto más rápido que el
PI. Además, este último presenta un comportamiento más oscilatorio. En general, el
desempeño de los controladores AP debe mejorar conforme los modelos continúan
adaptándose a las condiciones de operación actuales y sus comportamientos no deben variar
mucho siempre y cuando las variaciones se encuentren dentro de las consideraciones
tomadas al configurar los controladores. Por el contrario, el controlador PI es más sensible a
variaciones grandes en el tiempo muerto y presenta oscilaciones mayores cuando la ganancia
del proceso no sea constante, pudiendo llegar a ser inestable ante cambios más bruscos en las
condiciones de operación tanto del lazo interno como del externo.
60
SP1 PV1 [ADEX] PV1 [PID]
58
Amplitud
56
54
52
50
0 200 400 600 800 1000 1200
80
OUT1 [ADEX] OUT1 [PID]
70
Amplitud
60
50
40
0 200 400 600 800 1000 1200
8
PERT1
6
Amplitud
0
0 200 400 600 800 1000 1200
Periodos de muestreo
112
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
ADEX PID
Desviación del SP 5.8% 7.0%
Tiempo de
6.4 s 12.9 s
estabilización (±2%)
113
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
En los siguientes apartados, se describen las funciones de los sistemas que se simularon para
estudiar la estrategia básica de control multivariable. Debido a que el diseño es muy similar al
de los controladores monovariables, se simuló un sistema de fase no mínima para mostrar
algunas características de estos sistemas al utilizar controladores adaptativos predictivos.
D e s c r i p c i ó n del sistema
Se simuló un sistema multivariable de dos entradas y dos salidas, con interacciones entre sí.
Los modelos simulados corresponden a procesos de fase no mínima. Las funciones de
transferencia en condiciones nominales se presentan a continuación:
(4.12)
(4.13)
114
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
(4.14)
(4.15)
Figura 4.31. Respuesta del sistema MIMO a una entrada escalón en OUT de 30 a 35.
1
115
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Figura 4.32. Respuesta del sistema MIMO a una entrada escalón en OUT2 de 40 a 45.
Se observa que las respuestas obtenidas corresponden a procesos de fase no mínima y que en
ambos casos, se presentan interacciones sujetas al mismo tipo de comportamiento. En el caso
de PV , esta presenta un inverso negativo y ganancia de estado estable positiva ante ambas
1
entradas; por el contrario, PV tiene ganancia estática negativa ante ambas entradas. El
2
(4.16)
116
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
que permite determinar las interacciones y la forma de relacionar las variables a ser
controladas. De ahí, PV se debe controlar con OUT y PV con OUT . [11]
1 1 2 2
• se ha observado que los tiempos muertos varían en los siguientes rangos: 1.4 a 3.0
para G , 1.0 a 1.7 para G , 1.4 a 2.1 para G y 0.8 a 2.0 para G ;
11 12 21 22
• la manipulación OUT está acotada entre 15 y 65; OUT trabaja entre 10 y 60.
1 2
actua sobre OUT , el de PV (CAP2) lo hace sobre OUT . Como segunda variable de entrada,
1 2 2
Bloque de proceso
En primer lugar, es necesario elegir el periodo de control que se utiliza para controlar la
variable de salida; en este caso, se observa el tiempo de establecimiento de la variable
respecto a cada una de las entradas, de 45.5 y 50.5 segundos, respectivamente. Recordando el
criterio manejado previamente, se determinan los siguientes rangos: de 1.14 a 4.55 segundos
respecto a OUT y 1.26 a 50.5 segundos respecto a OUT . Se recomienda elegir un periodo de
1 2
control que caiga en ambos rangos. Considerando posibles variaciones en estos tiempos, se
117
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Mecanismo de adaptación
Por tratarse de un sistema multivariable, el modelo del proceso tiene la siguiente estructura
dependiente de dos entradas:
PV (k) = A PV (k - 1) + A PV (k - 2) + A PV (k - 3)
1 1 1 2 1 3 3
+ B OUT (k - 1 - DP ) + B OUT (k - 2 - DP ) +
1 1 B 2 1 B ... (4.17)
Por tratarse de procesos de fase no mínima, con ganancia positiva, se puede suponer que se
cuenta al menos con la siguiente estructura en el espacio continuo
(4.18)
tomando en cuenta las variaciones en el tiempo muerto para G (1.4 a 3.0 segundos) y G 11 12
(1.0 a 1.7 segundos), convirtiéndolas a periodos discretos, se tiene para OUT un retraso 1
N > 0. Se tendría para la salida de control OUT un número de coeficientes N = 4 (dos por
c 1 B
la estructura de fase no mínima y dos por el criterio mencionado) y para la salida de control
OUT , N = 3.
2 c
Para determinar los valores iniciales a partir de la ganancia estimada, podemos aplicar el
principio de superposición al criterio (3.9), suponiendo que cada señal de control tiene un
efecto independiente sobre la ganancia del sistema. Además, es importante al trabajar con
sistemas de con inverso inestable, elegir adecuadamente los parámetros iniciales y su signo
para asegurar la convergencia paramétrica del mecanismo de adaptación. Por ejemplo, para
un sistema de fase no mínima, el primer coeficiente B suele tener el signo contrario a los
i
siguientes coeficientes (negativo cuando la ganancia estática es positiva). Así, si con respecto
a la salida OUT se observa una ganancia de 0.45 y se emplean dos coeficientes A y tres B
1 i i
118
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
(4.19)
Por ejemplo, asignando valores de A = 1.2, A = -0.4, el denominador toma el valor de 0.2,
1 2
requiriendo que la sumatoria de B sea igual a 0.2 x 0.45 = 0.09. Haciendo B negativo, por
i 1
ejemplo, B = -0.1, solo se requiere que los siguientes coeficientes completen la suma. Se
1
Bloque conductor
El bloque conductor se debe configurar en función del comportamiento observado en las
pruebas del sistema. El horizonte de predicción mínimo, para procesos de fase no mínima,
debe ser mayor que la duración del efecto del inverso inestable de modo que el la estrategia
predictiva pueda generar una salida de control que no crezca indefinidamente hacia el lado
negativo. Para el proceso G , la variable comienza a aumentar respecto a su valor inicial a los
11
7.5 segundos, para G a los 7 segundos. Se debe considerar el valor mayor, 7.5 segundos.
12
Debido a que dicho lapso coincide exactamente con el transcurso de tres periodos de control,
se emplea por lo menos un periodo más para evitar que la respuesta se vuelva críticamente
estable. Adicional a estos periodos, se debe tomar en cuenta el criterio (3.13) que considera
utilizar un horizonte PH > DP máx - DP mín + 1; tomando el caso máximo entre las dos
relaciones, se tiene que se requiere PH > 2. Por lo tanto, se utiliza PH > 6 (cuatro periodos
por el comportamiento de fase no mínima y dos por la variación de retraso).
Para la constante de tiempo, se deben tomar en cuenta los tiempos de respuesta de ambos
proceso internos, 45.5 y 50.5 segundos, respectivamente. La respuesta esperada debe ser más
rápida que la del proceso interno más lento. Este último debe tener la capacidad de alcanzar
los niveles en el tiempo deseado. Una constante de tiempo de 1.0 permitiría obtener
idealmente un tiempo de respuesta cercano a los 15 segundos (esto es, 1.0 x 2.5 x 6). Por
otra parte, para la razón de cambio máxima, RC, se emplea un valor pequeño ya que el rango
de variación de la variable de salida es estrecho. En este caso, se utiliza RC = 5.
119
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Bloque de control
Los límites de control se sitúan en el rango indicado en la descripción (entre 15 y 65). Como
incremento máximo se emplea IL = 8. Adicionalmente, al configurar controladores MISO se
requiere indicar un límite incremental inferior LIL a aplicar cuando la PV esté cerca del valor
de referencia, y un incremento significativo SI relacionado con la entrada adicional al
controlador, en este caso OUT . Cuando el proceso se encuentra estable y dicho incremento
2
se rebasa, el controlador hace caso omiso al límite incremental inferior. Este valor es
conveniente elegirlo en función del límite incremental del otro controlador de la estrategia,
para evitar que cuando el CAP2 haga un cambio en la salida OUT el CAP1 contrarreste con un
2
cambio muy fuerte y las señales comiencen a desestabilizarse. Este incremento SI se fija en
un valor de 8 y LIL toma un valor de 2 unidades por periodo de control.
Bloque de proceso
Con tiempos de establecimiento para G 22 yG 21 de 32 y 42.5 segundos, respectivamente, se
elige un periodo de control de 2.5 segundos, utilizando el mismo periodo de muestreo que el
CAP1, esto es, ST = 0.5 y CP = 5.
Mecanismo de adaptación
Al tratarse nuevamente de procesos de fase no mínima, se emplea para OUT y OUT la 2 1
+ C OUT (k — 2)
3 1
120
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Bloque conductor
La duración del inverso negativo en las respuestas observadas fue de 9.0 y 5.5 segundos para
los procesos. Se considera el tiempo mayor y se añade un periodo de control adicional al
horizonte de predicción para asegurar que la respuesta no sea oscilatoria y otro más para que
se cuente con estabilidad ante posibles variaciones en la dinámica. Por lo tanto, se requiere
que PH > 6.
En cuanto a la constante de tiempo, se considera una respuesta más rápida que el tiempo de
establecimiento del proceso interno más lento (42.5 segundos). Por ello, se emplea una
constante de tiempo de uno. La velocidad de cambio máximo utilizada es de cinco unidades
por periodo de control.
Bloque de control
La salida de control OUT se acota en el rango de 10 a 60. El límite incremental se elige de 6
2
unidades por periodo de control. El incremento significativo para OUT se elige como SI = 10
1
4 . 4 . 3 . EXPERIMENTACIÓN Y RESULTADOS
121
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
En este primer caso, de la misma forma en que se realizó la adaptación paramétrica a partir
de los valores iniciales para las estrategias analizadas en secciones anteriores, se pone en
modo automático el controlador de 𝑃𝑉1 , manteniendo el otro en modo manual. Se fuerza la
adaptación aplicando cambios en la señal de referencia 𝑆𝑃1 y en la manipulación 𝑂𝑈𝑇2 . La
Figura 4.33 muestra la adaptación de los parámetros del modelo AP para el CAP1 (por
practicidad, se muestran solo los parámetros 𝐵𝑖 ). Se muestra que cuando se elige un modelo
AP adecuado, junto con valores iniciales apropiados (en magnitud y signo) y un horizonte de
100
PV1
90
80
0 500 1000 1500 2000
100
OUT1 OUT2
OUTi
50
0
0 500 1000 1500 2000
0
B1
-0.05
-0.1
0 500 1000 1500 2000
0.1
B2
0.05
0
0 500 1000 1500 2000
0.1
B3
0.05
0
0 500 1000 1500 2000
0.1
B4
0.05
0
0 500 1000 1500 2000
Periodos de muestreo
Figura 4.33. Adaptación de los parámetros del modelo AP del CAP1, manteniendo CAP2 en modo manual.
122
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Por el contrario, observe el desempeño del mecanismo de adaptación cuando las condiciones
iniciales del modelo AP no son elegidas de manera adecuada en la Figura 4.34. Al poner en
operación el controlador CAP2, habiendo elegido valores iniciales para los coeficientes
𝐵𝑖 = 0.1, el mecanismo comienza a funcionar con una ganancia incorrecta e ignorando la
condición del inverso inestable del proceso de fase no mínima. Pretendiendo que la variable
de proceso 𝑃𝑉2 se reduzca, el controlador comienza a generar salidas más negativas (la
ganancia del proceso es negativa); ante esto, la variable de salida se reduce inicialmente, sin
embargo, la manipulación se satura rápidamente y la variable de salida se termina por
estabilizar en un valor incorrecto y con la tendencia contraria a la deseada. Los coeficientes
del modelo no logran adaptarse y permanecen con magnitudes y signos equivocados.
22
SP2
20
PV2
18
16
14
12
0 100 200 300 400 500 600 700
25
OUT2
20
15
10
0 100 200 300 400 500 600 700
0.1
B1
0.08
B2
0.06 B3
0.04
0.02
0 100 200 300 400 500 600 700
Periodos de muestreo
123
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
PV1 100
95
90
0 500 1000 1500 2000 2500
20
PV2
15
10
0 500 1000 1500 2000 2500
1.3
A1
1.2
1.1
0 500 1000 1500 2000 2500
-0.3
A2
-0.4
-0.5
0 500 1000 1500 2000 2500
0
B1
-0.05
-0.1
0 500 1000 1500 2000 2500
0.1
B2
0.05
0
0 500 1000 1500 2000 2500
0.1
B3
0.05
0
0 500 1000 1500 2000 2500
0.04
B4
0.02
0
0 500 1000 1500 2000 2500
-0.06
C1
-0.08
-0.1
0 500 1000 1500 2000 2500
0.1
C2
0.05
0
0 500 1000 1500 2000 2500
0.06
C3
0.04
0.02
0 500 1000 1500 2000 2500
Periodos de muestreo
Figura 4.35. Adaptación de los parámetros del modelo AP del CAP1,
al habilitar ambos controladores simultáneamente.
124
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Otra alternativa para lograr que los modelos AP de los controladores se adapten al ponerlos
en operación automática es activar ambos controladores de manera simultánea. Se deben
elegir adecuadamente el tipo de modelo, sus valores iniciales y los parámetros del bloque
conductor (para evitar respuestas iniciales demasiado bruscas). La Figura 4.35 muestra la
forma en que el mecanismo de adaptación funciona, para el controlador CAP1, al poner los
dos controladores en operación al mismo tiempo. Observe cómo existen interacciones entre
las señales del sistema y cómo éstas se van reduciendo conforme los parámetros comienzan a
adaptarse. Como puede observarse en comparación con el comportamiento obtenido al
adaptar el modelo del controlador de manera independiente, la adaptación en este caso es un
poco más lenta debido a que las acciones de control se aplican de manera más suave para
mantener estables ambas salidas de control. En general, se puede decir que, si bien la
adaptación por este método no resulta más rápida, los coeficientes del modelo sí evolucionan
correctamente y la respuesta se mantiene estable y va mejorando conforme transcurre el
tiempo.
Para demostrar la ventaja del control predictivo al trabajar con procesos de fase no mínima,
se probó primero el desempeño de un solo controlador adaptativo predictivo (manteniendo
el otro controlador en modo manual con la salida de control constante para evitar
interacciones). Se trabajó con el controlador de 𝑃𝑉1 para observar dicho comportamiento.
Como se observó anteriormente, el efecto del inverso negativo sobre la salida permanece
durante 7.5 segundos (tres periodos de control). Con el proceso en condiciones nominales, se
espera que la salida sea estable para horizontes de predicción mayores o iguales a 3. La
Figura 4.36 muestra los resultados obtenido al aplicar un cambio en referencia ante distintos
horizontes de predicción que mantienen al sistema estable; la Figura 4.37 muestra el
comportamiento que se observa al utilizar un valor menor.
125
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
97
PH=4
96
95
PH=6
Amplitud PV 1
94
93
PH=12
92 PH=9
91
90
89
20 40 60 80 100 120 140 160
Periodos de muestreo
65
60
PH=6
55 PH=4
PH=9
Amplitud OUT1
50
45
40
PH=12
35
30
20 40 60 80 100 120 140 160
Periodos de muestreo
Figura 4.36. Efecto del horizonte de predicción sobre el proceso de fase no mínima (valores estables).
En la Figura 4.36, es notorio que a medida que se emplea un horizonte de predicción mayor la
respuesta del controlador es más lenta, pero más estable. Al reducir el horizonte de
predicción al mínimo recomendado (𝑃𝐻 = 3), se observa que el sistema tiene un fuerte
sobretiro para llegar a la referencia y tanto la salida como su acción de control oscilan por
más tiempo. Además, se muestra que con el horizonte más reducido, el efecto del inverso
negativo en la salida de control se acentúa y prolonga. La segunda gráfica (Figura 4.37)
muestra que al emplear un horizonte de predicción más pequeño que el tiempo que dura el
efecto inverso en lazo abierto, la salida no se logra controlar. Esto ocurre porque al intentar
lograr que la salida aumente, se aplica un cambio negativo en la señal de control; con ello, la
salida crece al principio, sin embargo la señal de control se continúa reduciendo hasta
saturarse y la variable de proceso comienza a reducirse hasta estabilizarse.
126
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
96
SP1
94
PV1
Amplitud PV 1 92
90
88
86
84
82
20 40 60 80 100 120 140 160
Periodos de muestreo
35
OUT1
30
Amplitud OUT1
25
20
15
Figura 4.37. Efecto del horizonte de predicción sobre el proceso de fase no mínima (PH=3, valor inestable).
Ahora, se muestra el efecto del horizonte de predicción sobre el desempeño del sistema
cuando ambos controladores se encuentran en operación. La Figura 4.38 muestra el
desempeño obtenido al aplicar un cambio en la referencia 𝑆𝑃1 , mientras se mantiene
constante la referencia 𝑆𝑃2 . Como es de esperarse, la respuesta es más suave cuando se
utilizan horizontes de predicción más extendidos; entre mayor sea dicho número, la
respuesta es más estable pero el desempeño es más lento. Además, resulta importante notar
que el nivel de interacción entre los controladores también se reduce de manera proporcional
al horizonte de predicción empleado. Esto ocurre debido a que al utilizar mayores horizontes
de predicción, las acciones de control generadas por los controladores son más reducidas. Así,
cuando el primer controlador genera un cambio en la manipulación, la respuesta del otro
controlador ante dicho cambio suele ser reducida si también emplea un horizonte amplio.
127
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
96
Amplitud PV 1 94 PH=12
92 PH=6 PH=5
90
SP1=90
88
0 50 100 150 200 250 300 350 400 450 500
Periodos de muestreo
17
PH=12 PH=6 PH=5
Amplitud PV 2
16 SP2=15
15
14
13
0 50 100 150 200 250 300 350 400 450 500
Periodos de muestreo
50
PH=12 PH=6 PH=5
Amplitud OUT1
40
30
20
10
0 50 100 150 200 250 300 350 400 450 500
Periodos de muestreo
55
Amplitud OUT2
50
45
40
PH=12 PH=6 PH=5
35
0 50 100 150 200 250 300 350 400 450 500
Periodos de muestreo
Figura 4.38. Respuesta ante cambio en SP1 (SP2 constante) utilizando distintos horizontes de predicción.
128
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
96
Amplitud PV 1
94
92
90
88
0 50 100 150 200 250 300 350 400
Periodos de muestreo
17
Amplitud PV 2
16
15
14
13
0 50 100 150 200 250 300 350 400
Periodos de muestreo
50
Amplitud OUT1
40
30
20
10
0 50 100 150 200 250 300 350 400
Periodos de muestreo
60
Amplitud OUT2
50
40
30
0 50 100 150 200 250 300 350 400
Periodos de muestreo
Tiempo de
Sobretiro Interacción
elevación
𝑷𝑽𝟏 𝑷𝑽𝟐
𝑷𝑽𝟏
𝑷𝑯 = 𝟓 21 s 13.6% 33.2%
𝑷𝑯 = 𝟔 23 s 7.2% 30.8%
𝑷𝑯 = 𝟏𝟐 71 s 0% 21.4%
129
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
(4.21)
Estos cambios representan variaciones en los tiempos de retraso de las señales, así como en
el efecto inverso de los procesos de fase no mínima (se cambió el valor de los ceros
inestables).
La Figura 4.40 muestra el desempeño de los controladores cuando se realizan dichos cambios
en la dinámica, seguidos de varios cambios escalón en las señales de referencia para forzar la
adaptación de los modelos a los nuevos comportamientos. Al inicio, se observan largas
oscilaciones y respuestas muy lentas, sin embargo, el comportamiento mejora con los
siguientes cambios. Al aplicar el último de los cambios en referencia, el tiempo de elevación
130
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
de 𝑃𝑉1 es de 22 segundos, presenta un sobretiro del 23% y la interacción de la salida 𝑃𝑉2 con
𝑃𝑉1 es del 37%. Comparando este resultado con el comportamiento previo, se observa que al
aumentar el efecto inverso de los procesos de fase no mínima, la interacción entre los
controladores se incrementa, ya que las acciones de control de los controladores se
contraponen causando las oscilaciones observadas. De nuevo, una forma de reducir este
efecto es aumentar el horizonte de predicción o reducir la constante de tiempo de la
trayectoria deseada. Cabe mencionar que en la prueba se utilizó 𝑃𝐻 = 7, un valor cerca del
mínimo necesario para que la respuesta sea estable.
100
Amplitud PV 1
95
90
85
0 500 1000 1500 2000 2500 3000 3500
Periodos de muestreo
20
Amplitud PV 2
18
16
14
12
0 500 1000 1500 2000 2500 3000 3500
Periodos de muestreo
60
Amplitud OUT1
40
20
0
0 500 1000 1500 2000 2500 3000 3500
Periodos de muestreo
60
Amplitud OUT2
50
40
30
20
0 500 1000 1500 2000 2500 3000 3500
Periodos de muestreo
Figura 4.40. Respuesta de los controladores ante cambios en el retraso y el efecto inverso.
131
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
V a r i a c i ó n en las ganancias de i n t e r a c c i ó n
La última prueba que se realizó consiste en variar la ganancia de los proceso para alterar las
interacciones que se presentan entre los sistemas controlados. Para ello, se añadieron a los
procesos ya alterados en (4.21) los siguientes cambios
(4.22)
Se espera que al incrementarse la ganancia de interacción entre las señales de control, los
procesos tarden más en estabilizarse y tengan un estado transitorio más oscilatorio.
La Figura 4.41 muestra el desempeño una vez que realizan los cambios. Se observa que, en
efecto, el sobretiro y las oscilaciones se incrementan. Como se mencionó en secciones
anteriores, la manera en que los controladores adaptativos predictivos pueden enfrentar este
problema es permitiendo que el tiempo de respuesta se prolongue (mediante la
reconfiguración del bloque conductor). La Figura 4.42 muestra este punto, al obtenerse una
respuesta más estable al utilizar un PH más grande, aunque esto implique un tiempo de
elevación más tardado.
132
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
100
Amplitud PV 1
95
90
85
0 500 1000 1500 2000 2500
20
Amplitud PV 2
15
10
0 500 1000 1500 2000 2500
80
Amplitud OUT1
60
40
20
0
0 500 1000 1500 2000 2500
60
Amplitud OUT2
40
20
0
0 500 1000 1500 2000 2500
98
PH=7 PH=10
96
Amplitud
94
SP1
92 PV1
50
Amplitud
40
OUT1
30
0 100 200 300 400 500 600 700 800 900
Periodos de muestreo
133
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Por último, es importante mostrar el desempeño que tiene los controladores en el esquema
multivariable ante la presencia de perturbaciones. Para esto, se incluyó el efecto directo de
perturbaciones aditivas a la salida.
La respuesta al presentarse una perturbación tipo escalón sobre la variable 𝑃𝑉1 se muestra
en la Figura 4.43, empleando la configuración inicial con 𝑃𝐻 = 7. Observe que en esta
situación, las dos señales controladas se ven afectadas por la acción regulatoria de las
perturbaciones, ya que para controlar una señal el cambio generado en una manipulación
impacta también a la otra salida. De nuevo, una forma de reducir este efecto es mediante un
aumento en 𝑃𝐻 y/o 𝑇𝐶.
94
92
Amplitud PV 1
90
88
86
0 100 200 300 400 500 600 700
16
15
Amplitud PV 2
14
13
12
0 100 200 300 400 500 600 700
60
OUT2
Amplitud OUT
50
40
30
OUT1
20
0 100 200 300 400 500 600 700
1
Amplitud PERT1
-1
-2
-3
0 100 200 300 400 500 600 700
Periodos de muestreo
134
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
135
CAPÍTULO 5.
CONCLUSIONES Y TRABAJOS FUTURO.
En este capítulo se presentan las conclusiones del trabajo de tesis así como
recomendaciones para trabajos futuros.
137
Capítulo 5. Conclusiones y trabajos futuros
5.1. CONCLUSIONES
Con la presente investigación, se mostró como el control adaptativo predictivo ofrece
importantes ventajas al utilizarse dentro de distintas estrategias de control. Se ilustró la
facilidad de implementación de estrategias de control con controladores adaptativos
predictivos. Para este efecto, se empleó la herramienta de control industrial ADEX COP como
instrumento para desarrollar simulaciones de los controladores adaptativos predictivos en
diversos esquemas de control y para procesos de distintas índoles. Las simulaciones
realizadas arrojaron resultados generales sobre el efecto de los parámetros de los
controladores adaptativos predictivos sobre su desempeño.
A través del estudio de los parámetros de los controladores, se ilustró que es posible seguir
consideraciones básicas para encontrar valores adecuados para emplear en los bloques que
componen la estrategia de control adaptativo predictivo. Se encontraron recomendaciones
prácticas para la selección del tiempo de muestreo y el periodo de control. Además, se analizó
el mecanismo de adaptación y se presentó una forma de determinar el número de
coeficientes necesarios en el modelo adaptativo predictivo, así como el número de periodos
de retardo recomendado cuando el sistema presenta variaciones en el tiempo. Se mostró
también la manera de determinar los valores iniciales para los coeficientes del modelo
adaptativo predictivo. Adicionalmente, se analizó el funcionamiento del bloque conductor y
se presentaron recomendaciones para elegir el desempeño de la trayectoria deseada
proyectada.
139
CAPÍTULO 5: CONCLUSIONES Y TRABAJOS FUTURO
140
CAPÍTULO 5: CONCLUSIONES Y TRABAJOS FUTUROS
141
BIBLIOGRAFÍA
143
Bibliografía
[2] Åström, K. J., & Hägglund, T. (1994). PID Controllers: Theory, Design, and Tuning (Second
ed.). Instrument Society of America.
[3] Åström, K. J., & Wittenmark, B. (1997). Computer Controlled Systems: Theory and Design
(Third ed.). Prentice Hall.
[4] Cano, A. A. (2008). Análisis de los Efectos Producidos por Variaciones en el Horizonte de
Predicción y los Parámetros del Modelo de Referencia en un Controlador Adaptativo
Predictivo Aplicado a un Proceso de Temperatura con Comportamiento de Fase No
Mínima. Monterrey: ITESM.
[5] Estrada, R. Prediction Horizon Selection for a Stable Predictive Control Law. Monterrey:
ITESM Campus Monterrey.
[6] Huang, S., Kok Kiong, T., & Tong Heng, L. (2002). Applied Predictive Control (First ed.).
Springer-Verlag.
[7] Landau, I. D., & Zito, G. (2006). Digital Control Systems: Design, Identification and
Implementation. Springer-Verlag.
[8] Landau, I. D., Lozano, R., & M’Saad. (1998). Adaptive Control. (First ed.). Springer Verlag.
[9] Martín Sánchez, J. M., & Rodellar, J. (2005). Control Adaptativo Predictivo Experto:
Metodología, Diseño y Aplicación (Primera ed.). Madrid: Universidad Nacional de
Educación a Distancia.
[10] Ogata, K. (1995). Discrete Time Control Systems. NJ: Prentice Hall.
[11] Smith, C. A., & Corripio, A. B. (1997). Principles and Practices of Automatic Process
Control (Second ed.). New York: Wiley.
145
ANEXOS
147
Anexo A. Creación de una aplicación personalizada
en ADEX COP 2.0
Este apartado presentará, a modo de tutorial, la manera de crear una aplicación de control
utilizando la plataforma ADEX COP 2.0. Se describirán los pasos requeridos en el diseño e
implementación de los distintos módulos de la aplicación, proporcionando consejos útiles
para crear las aplicaciones de control.1 Para detalles sobre la plataforma, consulte el 2.6.
El simulador permitirá utilizar sistemas multivariables de dos entradas y dos salidas, con
interacciones entre sí. La función de transferencia de cada salida respecto a cada entrada
podrá corresponder a modelos ARX (con 𝑛𝑎 = 3, 𝑛𝑏 = 3 y 𝑑 ≤ 97).
1Para seguir esta guía, deberá estar instalada la aplicación ADEX COP 2.0, la herramienta LabVIEW 7.1
y contarse con las licencias necesarias para la ejecución de los controladores ADEX.
149
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Una vez abierta la plataforma ADEX COP 2.0, se deberá crear un proyecto nuevo; para ello, se
debe seleccionar Proyect Create.
Aparecerá la siguiente ventana donde se define la ruta en disco y el nombre del nuevo
proyecto. Se debe ingresar la información y dar clic en OK para continuar.
150
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Enseguida, aparecerá una ventana para introducir los datos del proyecto. La información que
se introduce aquí es opcional y sirve para proporcionar información adicional sobre la
aplicación en desarrollo. Capture los datos deseados y dé clic en OK al terminar.
151
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Ahora, crearemos una estrategia de control personalizada, utilizando dos controladores ADEX
para el control del sistema MIMO 2 × 2, descompuesto en sistemas MISO 2x1. En este
apartado, se definirá la estrategia y el conjunto de variables a utilizar. Para ello, en la sección
de Processor Control Strategy Custom, se seleccionará la opción Edit Custom
Strategy. Con ello, se deberá ejecutar la herramienta de programación LabVIEW y cargar el
archivo base de instrumento virtual (en delante, VI, por sus siglas en inglés) llamado
“Strategy”.
La herramienta LabVIEW cuenta con dos pantallas principales: el panel frontal y el diagrama
de bloques. En el panel frontal de la VI, se despliegan indicadores y controles utilizados en las
aplicaciones de control. En el diagrama de bloques, se realizan las conexiones gráficas de las
variables e instrumentos utilizados en las aplicaciones y es donde se diseñan e interconectan
los controladores y las estrategias.
152
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Se deberá acceder al diagrama de bloques (Ctrl+E) y observar que aparece una secuencia
apilada (stacked sequence) con un contador, los cuales mantendremos sin cambios.
La estructura de secuencia apilada permite programar varias acciones que se irán ejecutando
en cada paso. La estrategia que utilizaremos para la estrategia de control nos permitirá
realizar consecutivamente las siguientes operaciones: (0) Contador, (1) Lectura de datos y
declaración de variables, (2) Ejecución de los controladores, (3) Escritura de datos.
153
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
En este paso, se requerirán definir todas las variables con las que se trabajará en las tres
partes de la aplicación: PROCESADOR, SUPERVISOR y SIMULADOR. Para ello, se hará uso extensivo
de distintos tipos de conectores disponibles en la paleta de herramientas ADEX, y que
corresponden a los distintos tipos de variables que se utilizan en la plataforma ADEX COP. Los
conectores y otros instrumentos que se utilizarán en las estrategias se encuentran
disponibles en la paleta de instrumentos ADEX dentro de la ventana de funciones.
154
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Son las variables de tipo analógico (numérico continuo) que se ingresarán desde el
panel de operación (el SUPERVISOR) y que podrán ser utilizadas tanto por el
PROCESADOR como por el SIMULADOR del proceso.
En este caso, las variables a declarar utilizarán el conector para lectura de entradas
analógicas múltiples de operación (MultiEa_OPE.vi). A la terminal CODES de dicho
conector, se conecta un arreglo de cadenas de texto (1-D array of string), en el cual se
declara el nombre que se asignará a la variables, mismo que se utilizará en los demás
módulos de la plataforma. La terminal de salida VALUES contendrá un arreglo
unidimensional con los valores analógicos leídos de dichas variables. Resulta útil
asignar cada valor a una variable de tipo doble para utilizar los valores leídos dentro
de la estrategia a diseñar; para ello, se recomienda utilizar el instrumento Index
Array para separar el arreglo en datos sencillos.
o A1[…], A2[…], A3[…], B1[…], B2[…], B3[…] y D[…], que especifican la ecuación
de diferencias para la relación entrada salida entre cada par de entradas
salidas, por lo cual se empleará la nomenclatura G11, G12, G21, G22 para
referirse a dichas relaciones.
Hasta ahora, se lleva el siguiente avance (nótese que es posible utilizar cuántos
conectores se deseen del mismo tipo, sin embargo, se recomienda hacerlo con la
menor cantidad posible para realizar la lectura de datos en una sola operación).
155
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Son las variables de tipo digital (binarias) que se ingresarán desde el panel de
operación (el SUPERVISOR) y que podrán ser utilizadas tanto por el PROCESADOR como
por el SIMULADOR del proceso.
156
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Son las variables de tipo digital que se leerán desde el proceso (o en este caso, del
SIMULADOR) y que podrán ser utilizadas tanto por el PROCESADOR como por el
SUPERVISOR.
En este caso, se requiere una sola variable por lo que se utilizará un conector para
lectura de entrada digital sencilla de proceso (Ed_ID.vi). (Nota: los conectores
sencillos no requieren utilizar arreglos a la entrada o a la salida, se pueden encontrar
en la ruta de instalación: …\ADEX\ADEX COP 2\Palette\Processor\Connectors\
Uniconnectors\ y pueden insertarse con el comando Select a VI…)
157
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Son las variables de tipo analógico que se leerán desde el proceso (o en este caso, del
SIMULADOR) y que podrán ser utilizadas tanto por el PROCESADOR como por el
SUPERVISOR.
El paso (o frame) de lecturas debe quedar como se presenta en la Figura A.14 tras agregar las
últimas variables. Note que es posible cambiar el tamaño de la secuencia apilada y añadir
etiquetas de texto para presentar los diagramas de forma ordenada.
El siguiente paso en la secuencia apilada será ejecutar los controladores (dos para esta
aplicación), por lo cual, se agregarán dos frames a la secuencia (los pasos 2 y 3,
respectivamente). Sin embargo, antes de conectar los controladores, se agregará un último
frame en el cual se configurarán las escrituras del PROCESADOR (paso 4).
158
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Se deberán crear:
Salidas digitales.
Son las variables de tipo digital que se escribirán desde el PROCESADOR y que podrán
ser utilizadas tanto por el SIMULADOR como por el SUPERVISOR.
En este caso, se utilizará un conector sencillo para escritura de una salida digital
(Sd_OD.vi) y lo utilizaremos en la variable:
159
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Salidas analógicas
Son las variables de tipo analógicas que se escribirán desde el PROCESADOR y que
podrán ser utilizadas tanto por el SIMULADOR como por el SUPERVISOR.
Ahora, regresaremos al frame 2 para agregar el primer controlador. Se inserta el bloque del
controlador ADEX de la paleta de herramientas. Las conexiones del bloque se muestran a
continuación.
160
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Es importante darse cuenta de que tanto las entradas como las salidas de la VI del
controlador ADEX corresponden a arreglos, por lo que se hará uso de las herramientas Index
Array y Build Array para separarlos y formarlos, respectivamente.
Las conexiones para el primer controlador deben quedar como se ilustra a continuación.
161
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Nota: Para las conexiones de los controladores, se emplearon variables locales. Para crearlas,
es posible dar clic derecho sobre la etiqueta de la variable para la que se desea crear la
variable local y elegir la opción Create Local variable, como se ejemplifica para OUT1
enseguida:
Las variables locales pueden ser de lectura o escritura; para alternar, según se requiera, se
debe dar clic derecho sobre la etiqueta de la variable local y seleccionar Change to read
(cambiar a lectura) o Change to write (cambiar a escritura). Vea el siguiente ejemplo:
162
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Pasando al tercer frame, se hacen las conexiones del segundo controlador de modo que se
tenga la siguiente conexión:
163
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Se deberán definir ahora las entradas y salidas, de modo que la aplicación pueda leerlas y
escribirlas al ejecutar el modulo de PROCESADOR. Para ello, se tienen diversas opciones en la
pestaña IO Definition.
Para esta aplicación, se desean vincular las variables con el simulador. Para ello, se debe
seleccionar la opción [SIM] en Communication.
164
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Activando la pestaña Digital INPUT, se debe observar que aparece la variable AltComR y que
no aparece vinculada a ningún protocolo de comunicación. Para vincularla con el simulador,
dar doble clic sobre el nombre de la variable. Aparecerá [SIM] en el campo de Driver.
Lo mismo habrá de realizarse con las variables bajo las pestañas de Digital OUTPUT, Analog
INPUT y Analog OUTPUT.
Para definir los rangos de valores que adoptarán las variables de entrada y salida, se
utilizarán las opciones en la pestaña IO Range.
Para nuestra aplicación, se conservarán los valores que se presentan por defecto.
165
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Para definir los valores iniciales que se asignarán a las variables de operación o las memorias,
se utilizarán las opciones en la pestaña Initial values.
Para nuestra aplicación, se dejarán los valores que se dan por defecto.
Configuración de controladores.
Por último, se puede realizar la configuración inicial de los controladores, para ello, se debe ir
a la pestaña Controllers. Se deben observar enlistados los controladores C1 y C2, junto a una
marca de verificación.
166
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
167
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
La ventana de panel frontal de LabVIEW mostrará la VI en blanco con el contador del sistema.
168
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
El diagrama de bloques muestra una secuencia apilada donde aparece el contador por
defecto. Esto se mantendrá en el frame cero. Para simular el proceso MIMO de dos entradas
por dos salidas, se programará cada subproceso en un frame de la secuencia y se sumarán sus
efectos al final. Para leer y escribir las variables, se utilizarán los conectores ADEX
correspondientes a la aplicación del SIMULADOR, mostrados en la siguiente figura.
169
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Los conectores para lecturas múltiples y sencillas de entradas analógicas del PROCESADOR
(Ea_OA_SIM.vi y MultiEa_OA_SIM.vi) se utilizarán para leer el valor de los parámetros OUT[C1]
y OUT[C2].
Para la lectura y escritura de las variables digitales AltComR y AltComW, se utilizarán los
conectores de lectura de múltiples salidas digitales escritas por el procesador
(MultiEd_OD_SIM.vi) y el de escritura de múltiples variables digitales de proceso
(MultiSd_ID_SIM.vi).
170
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
171
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
172
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Nota: Se utilizaron las estructuras de While Loop y Formula Node, las cuales se pueden
encontrar en la subpaleta All Functions Structures. Adicionalmente, para sumar los
elementos en el último frame se sugiere utilizar All Functions Numeric Compound
Arithmetic. Para eliminar el último elemento de los arreglos en cada ciclo, se emplea el
bloque Delete From Array, de la paleta de funciones de arreglos.
Una vez creados los anteriores diagramas y para terminar la simulación, se deben guardar los
cambios y cerrar la aplicación para regresar a la plataforma de ADEX COP 2.0. Finalmente,
presionar TEST SIMULATION para comprobar y validar la simulación programada.
173
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Aparecerá un diálogo para definir el nombre del objeto, el cual introduciremos antes de
continuar.
174
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Una vez creados los indicadores y controles en el panel frontal, se deberá programar el
diagrama de bloques. Para ello, se agregará una secuencia apilada donde se realizarán tres
pasos: lectura, operaciones y despliegue de datos, y escritura.
175
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Ahora, se cuenta únicamente con dos tipos de conectores: uno para lectura de múltiples
entradas (MultiE.vi) y otro para escritura de múltiples salidas de operación (MultiS_OPE.vi).
En el primer frame se programa la lectura de las variables a desplegar en la interfaz, esto es,
las manipulaciones y variables de proceso. Para ello, se realizan las siguientes conexiones.
176
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Note que para mostrar las propiedades de los controles y poderlos habilitar o deshabilitar en
el programa, se deben generar Property nodes, los cuales se crean al dar clic derecho sobre
la variable y elegir Create Property node.
177
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Una vez terminada la programación del objeto en LabVIEW, se debe guardar el programa y
cerrar la aplicación para regresar a la plataforma de ADEX COP 2.0.
178
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Tras seleccionar New Panel, aparecerá una ventana confirmando la eliminación del panel
anterior, la cual debe confirmarse dando clic en OK.
A continuación, daremos clic derecho sobre el logotipo de ADEX del panel vacío.
179
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Aparecerá un objeto vacío, sobre el cual se debe dar doble clic para reemplazarlo por el
objeto recién creado.
180
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
181
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Terminamos dando clic sobre OK. El panel quedará como aparece en la siguiente figura (el
color de fondo del logotipo de ADEX se puede alternar dando clic sencillo sobre éste).
182
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
A continuación, damos clic en Cerrar (X) y seleccionamos OK en el diálogo que aparece para
guardar los cambios.
Finalmente, dando clic en Test PANEL se valida el funcionamiento del panel recién creado.
183
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
En primer lugar, verificar que estén seleccionados los tres elementos de la aplicación en el
menú Operation Elements, como se ilustra a continuación.
Enseguida, seleccionar Operation Test & Build… (Ctrl+T), con lo que se mostrará la
siguiente ventana.
184
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Damos clic en Test Project & Make application …, con lo cual se comprobará que el
programa funcione correctamente y se creará la aplicación final. Se deberá obtener la
siguiente pantalla de resultados, tras lo cual se da clic en Return para terminar.
185
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
6. EJECUCIÓN
Para poner en operación la aplicación de control, seleccionamos la opción Run (Ctrl+R) del
menú Operation.
7. EJEMPLO DE OPERACIÓN
Tras comenzar la ejecución, se desplegará la interfaz de supervisión. Es necesario definir
primero un proceso para simular. Con fines de ejemplo se utilizarán las siguientes funciones
de transferencia:
1
𝐺11 𝑠 = 𝑒 −3𝑠
4𝑠 + 1
0.15 −2𝑠
𝐺12 𝑠 = 𝑒
6𝑠 + 1
(A.1)
0.2 −2𝑠
𝐺21 𝑠 = 𝑒
5𝑠 + 1
0.7 −𝑠
𝐺11 𝑠 = 𝑒
7𝑠 + 1
186
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
187
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
Para que los controladores funcionen adecuadamente, asegúrese de que el estado de éstos es
Operation dentro de la ventana de configuración, como se muestra enseguida.
188
ANEXO A: CREACIÓN DE UNA APLICACIÓN PERSONALIZADA EN ADEX COP 2.0
8. ABANDONAR LA APLICACIÓN
Para poner fin a la operación de la aplicación de simulación de control, se debe elegir la
opción Processor Stop. Aparecerán dos diálogos para confirmar que se desea abandonar
el supervisor y el procesador; seleccionar OK para confirmar ambas acciones.
189
Anexo B. Documentación de las aplicaciones de
control implementadas
En este apartado, se reportan las aplicaciones creadas para simular las estrategias de control
utilizadas en este trabajo, implementadas con la plataforma ADEX COP 2.0. En cada caso, se
reporta la implementación el LabVIEW de los tres módulos de las aplicaciones ADEX:
Procesador, Supervisor y Simulador.
Se cuenta con controles para variar los valores de OUT, SP y PERT y selectores de
modo de operación.
191
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
192
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
193
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
194
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
195
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
Es posible simular procesos de primer y segundo orden con tiempo muerto, o sus
modelos ARX discretos de hasta tres parámetros A y B, con un retraso máximo de 100
periodos discretos para el proceso maestro y el esclavo.
Se cuenta con controles para variar los valores de OUT, SP y PERT y selectores de
modo de operación para ambos controladores.
196
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
197
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
198
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
199
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
200
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
Es posible simular procesos de primer y segundo orden con tiempo muerto, o sus
modelos ARX discretos de hasta tres parámetros A y B, con un retraso máximo de 100
periodos discretos para los cuatro procesos internos.
Se cuenta con controles para variar los valores de OUT, SP y PERT y selectores de
modo de operación para ambos controladores.
201
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
202
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
203
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
204
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
205
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
206
Anexo C. Guía rápida de parámetros de los
controladores ADEX
BLOQUE DE PROCESO
ST – Periodo de muestreo. Muestra el periodo que transcurre entre cada obtención de
nuevos valores de las variables de entrada del controlador. Su valor estará determinado por
el periodo de tiempo de ejecución de los esquemas lógicos que ejecuta el procesador bajo el
parámetro “Cycle time”.
BLOQUE DE CONTROL
LV – Valor inferior. Valor más bajo en el rango de variación medible de 𝑃𝑉.
LIL – Límite incremental inferior para la salida de control. Se utiliza cuando el proceso
se encuentra en estado estable alrededor del valor de la referencia.
207
ANEXO C: GUÍA RÁPIDA DE PARÁMETROS DE LOS CONTROLADORES ADEX
MECANISMO DE ADAPTACIÓN
NL – Nivel de ruido. Define una banda de variación que puede presentar la medición de la
variable de proceso mientras que las salidas de control y las perturbaciones se mantengan
constantes y el proceso esté en estado estacionario.
A1, A2, A3 Actuales. Valor actual generado por el mecanismo de adaptación para cada
parámetro 𝐴𝑖 del modelo AP.
A1, A2, A3 Iniciales. Valores introducidos por el usuario para funcionar como valores
iniciales para cada coeficiente 𝐴𝑖 del modelo AP.
208
ANEXO C: GUÍA RÁPIDA DE PARÁMETROS DE LOS CONTROLADORES ADEX
B1 a B6 Iniciales. Valores introducidos por el usuario para funcionar como valores iniciales
para cada coeficiente 𝐵𝑖 del modelo AP
BLOQUE EXPERTO
UDL – Límite superior del dominio. Valor más alto que puede tener 𝑃𝑉 dentro del dominio
de configuración seleccionado.
LDL – Límite inferior del dominio. Valor más bajo que puede tener 𝑃𝑉 dentro del dominio
de configuración seleccionado.
EM – Modo de entrada. Permite seleccionar qué valores tomarán los parámetros actuales
del modelo AP cuando la variable del proceso pase de un cierto dominio al dominio de
configuración seleccionado.
BLOQUE CONDUCTOR
RC – Velocidad de Cambio. Limita la razón de cambio de la trayectoria que conduce a 𝑃𝑉
hacia la referencia. Se expresa en unidades de ingeniería por periodo de control.
209