DocsTec 10535 PDF

Diseño e Implementación de Estrategias
Avanzadas de Control Utilizando Controladores

Adaptativos Predictivos-Edición Única
Title Diseño e Implementación de Estrategias Avanzadas de Control

Utilizando Controladores Adaptativos Predictivos-Edición Única
Issue Date 2010-05-01
Publisher Instituto Tecnológico y de Estudios Superiores de Monterrey
Item Type Tesis de maestría
Downloaded 17/10/2018 20:09:37
Link to Item http://hdl.handle.net/11285/569727

INSTITUTO TECNOLÓGICO Y DE ESTUDIOS
SUPERIORES DE MONTERREY
CAMPUS MONTERREY
PROGRAMA DE GRADUADOS EN MECATRÓNICA Y

TECNOLOGÍAS DE INFORMACIÓN
DISEÑO E IMPLEMENTACIÓN DE ESTRATEGIAS AVANZADAS DE CONTROL

UTILIZANDO CONTROLADORES ADAPTATIVOS PREDICTIVOS
TESIS
PRESENTADA COMO REQUISITO PARCIAL PARA

OBTENER EL GRADO ACADÉMICO DE:
MAESTRO EN CIENCIAS CON

ESPECIALIDAD EN AUTOMATIZACIÓN
POR:
MANUEL GUSTAVO DELGADO GARZA
MONTERREY, N.L. MAYO DE 2010

INSTITUTO TECNOLÓGICO Y DE ESTUDIOS
SUPERIORES DE MONTERREY
DIVISIÓN DE MECATRÓNICA Y TECNOLOGÍAS INFORMACIÓN
PROGRAMA DE GRADUADOS EN MECATRÓNICA Y

TECNOLOGÍAS DE INFORMACIÓN
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:
Dr. Antonio Favela Contreras

Asesor
Dr. José de Jesús Rodríguez Ortiz

Sinodal
M.C. Luis Rosas Cobos

Sinodal
Dr. Gerardo Antonio Castañón Ávila

Director de las Maestrías de Electrónica y Automatización de DMTI
Mayo de 2010
DISEÑO E IMPLEMENTACIÓN DE ESTRATEGIAS
AVANZADAS DE CONTROL UTILIZANDO
CONTROLADORES ADAPTATIVOS PREDICTIVOS
POR:
MANUEL GUSTAVO DELGADO GARZA
TESIS
PRESENTADA AL INSTITUTO TECNOLÓGICO Y

DE ESTUDIOS SUPERIORES DE MONTERREY
ESTE TRABAJO ES REQUISITO PARCIAL PARA

OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS CON

ESPECIALIDAD EN AUTOMATIZACIÓN
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.
A mis hermanas, Diana, Mercedes e Ileana, por sus consejos y apoyo.
vii
Agradecimientos
A Dios, por darme las herramientas para estar en donde estoy y lograr lo que he logrado.
Al Tecnológico de Monterrey, por el apoyo para realizar mis estudios de maestría.
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.
A mis maestros y coordinadores de la maestría, por la asesoría constante que me brindaron.
A mis amigos y compañeros, por su apoyo, consejo y amistad.
ix
Resumen
En el presente trabajo de tesis presentado como requisito para la obtención de grado de

Maestro en Ciencias con Especialidad en Automatización, se estudiaron e implementaron
diversas estrategias avanzadas de control utilizando controladores adaptativos predictivos.
En la primera parte de este trabajo, se estudió la estrategia de control adaptativo predictivo,

sus principios de operación, así como los algoritmos involucrados en su implementación. Se
introdujo la herramienta de control industrial ADEX COP, empleada como medio para la
implementación y análisis de dichos controladores.
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
CAPÍTULO 1. INTRODUCCIÓN ............................................................................................................... 3

1.1. Antecedentes ....................................................................................................................................................... 3
1.2. Justificación .......................................................................................................................................................... 4
1.3. Objetivos ................................................................................................................................................................ 5
1.4. Método.................................................................................................................................................................... 6
1.5. Organización de la tesis ................................................................................................................................... 6
CAPÍTULO 2. CONTROL ADAPTATIVO PREDICTIVO EXPERTO ........................................................... 11

2.1. Control predictivo........................................................................................................................................... 11
2.1.1. El concepto de bloque conductor .................................................................................................... 12
2.1.2. La trayectoria deseada proyectada ................................................................................................. 13
2.1.3. Estrategia básica de control predictivo......................................................................................... 14
2.1.4. Estrategia extendida de control predictivo ................................................................................. 14
2.2. Control adaptativo .......................................................................................................................................... 18
2.2.1. El mecanismo de adaptación ............................................................................................................. 19
2.3. Control adaptativo predictivo.................................................................................................................... 21
2.4. Control adaptativo predictivo experto................................................................................................... 22
2.5. Los controladores ADEX .............................................................................................................................. 22
2.6. La plataforma ADEX COP ............................................................................................................................. 23
2.6.1. Introducción ............................................................................................................................................. 23
2.6.2. Procesador ................................................................................................................................................ 25
2.6.3. Supervisor ................................................................................................................................................. 42
2.6.4. Simulador .................................................................................................................................................. 44
CAPÍTULO 3. ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES

ADAPTATIVOS PREDICTIVOS .......................................................................................................... 49
3.1. Bloque de proceso .......................................................................................................................................... 49

3.1.1. Tiempo de muestreo ST ....................................................................................................................... 49
3.1.2. Periodo de control CP ........................................................................................................................... 50
3.2. Mecanismo de adaptación ........................................................................................................................... 52
3.2.1. Selección del modelo adaptativo predictivo ............................................................................... 52
3.2.2. Valores iniciales de los coeficientes del modelo........................................................................ 54
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
CAPÍTULO 4. ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y

RESULTADOS ................................................................................................................................... 71
4.1. Estrategias de control basada en controladores AP ......................................................................... 71

4.2. Control retroalimentado con antealimentación de perturbaciones .......................................... 72
4.2.1. Descripción de la estrategia ............................................................................................................... 72
4.2.2. Diseño de los controladores ............................................................................................................... 73
4.2.3. Experimentación y resultados........................................................................................................... 78
4.3. Control en cascada .......................................................................................................................................... 89
4.3.1. Descripción de la estrategia ............................................................................................................... 89
4.3.2. Experimentación ..................................................................................................................................... 91
4.3.3. Experimentación y resultados........................................................................................................ 100
4.4. Control multivariable aplicado a un proceso de fase no mínima ............................................. 113
4.4.1. Descripción de la estrategia ............................................................................................................ 113
4.4.2. Diseño de los controladores ............................................................................................................ 114
4.4.3. Experimentación y resultados........................................................................................................ 121
4.5. Recomendaciones generales ................................................................................................................... 135
CAPÍTULO 5. CONCLUSIONES Y TRABAJOS FUTUROS ...................................................................... 139

5.1. Conclusiones................................................................................................................................................... 139
5.2. Trabajos futuros ........................................................................................................................................... 140
BIBLIOGRAFÍA.................................................................................................................................. 145
ANEXOS ............................................................................................................................................ 147

Anexo A. Creación de una aplicación personalizada en ADEX COP 2.0 ..................................... 149
Anexo B. Documentación de las aplicaciones de control implementadas ............................... 191
Anexo C. Guía rápida de parámetros de los controladores ADEX ............................................... 207
xiv
Índice de figuras
Figura 2.1. Diagrama de bloques básico del control predictivo. ............................................................ 12

Figura 2.2. Respuesta típica de un proceso de fase no mínima ante una entrada
escalón............................................................................................................................................................ 15
Figura 2.3. Diagrama de bloques del control adaptativo. ......................................................................... 19
Figura 2.4. Diagrama de bloques del control adaptativo predictivo. ................................................... 21
Figura 2.5. Diagrama de bloques de la estrategia de control adaptativo predictivo
experto. .......................................................................................................................................................... 22
Figura 2.6. Dominios de operación de controladores ADEX. .................................................................. 23
Figura 2.7. Estructura de una aplicación ADEX. ........................................................................................... 24
Figura 2.8. Ventana de edición de un proyecto en ADEX COP: Apartado del Procesador. ......... 26
Figura 2.9. Apartado para definición de entradas y salidas. ................................................................... 29
Figura 2.10. Apartado de configuración de controladores. ..................................................................... 30
Figura 2.11. Ventana de configuración de los controladores ADEX. .................................................... 31
Figura 2.12. Configuración de los controladores: Parámetros dentro del bloque de
control. ........................................................................................................................................................... 35
Figura 2.13. Configuración de los controladores: Parámetros dentro del mecanismo de
adaptación. ................................................................................................................................................... 36
Figura 2.14. Configuración de los controladores: Parámetros dentro del bloque
experto. .......................................................................................................................................................... 39
Figura 2.15. Configuración de los controladores: Parámetros dentro del bloque
conductor. ..................................................................................................................................................... 41
Figura 2.16. Apartado de configuración de parámetros de ejecución................................................. 42
Figura 2.17. Ventana de edición de un proyecto en ADEX COP: Apartado del
Supervisor..................................................................................................................................................... 43
Figura 2.18. Ejemplo de una interfaz de supervisión. ................................................................................ 43
Figura 2.19. Ejemplo de programación de una simulación personalizada. ...................................... 45
Figura 3.1. Respuesta de G1(s) ante cambio en referencia utilizando diferentes
periodos de control. .................................................................................................................................. 52
Figura 3.2. Respuesta del mecanismo de adaptación con AM=1.00..................................................... 57
Figura 3.7. Efecto del nivel de ruido sobre el mecanismo de adaptación. ......................................... 60
Figura 3.8. Efecto del nivel de ruido sobre desviaciones de la referencia. ........................................ 61
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
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
Tabla 4.1. Indicadores de desempeño ante un cambio en referencia para el sistema

SISO.................................................................................................................................................................. 79
Tabla 4.2. Indicadores de desempeño ante una perturbación a la salida para el sistema
SISO.................................................................................................................................................................. 82
Tabla 4.3. Indicadores de desempeño ante un cambio en referencia para el sistema
SISO con variación en la ganancia....................................................................................................... 86
Tabla 4.4. Indicadores de desempeño ante un cambio de referencia del lazo de control
interno del proceso en cascada............................................................................................................ 95
Tabla 4.5. Indicadores de desempeño ante un cambio en la referencia interna para el
sistema esclavo. ....................................................................................................................................... 104
Tabla 4.6. Indicadores de desempeño ante un cambio en la referencia principal para el
sistema en cascada. ................................................................................................................................ 106
Tabla 4.7. Indicadores de desempeño del lazo interno ante una perturbación a la
salida. ........................................................................................................................................................... 106
Tabla 4.8. Indicadores de desempeño del lazo externo ante una perturbación a la
salida. ........................................................................................................................................................... 107
Tabla 4.9. Indicadores de desempeño ante un cambio en la referencia principal para el
sistema en cascada tras variar el modelo externo. ................................................................... 111
Tabla 4.10. Indicadores de desempeño del lazo externo ante una perturbación a la
salida tras variar el modelo externo. .............................................................................................. 113
Tabla 4.11. Indicadores de desempeño ante un cambio en la referencia de PV1
utilizando distintos horizontes de predicción. ........................................................................... 129
xix
CAPÍTULO 1.
INTRODUCCIÓN
En el presente capítulo se proporciona el entorno del trabajo de

investigación y la problemática que se pretende resolver. Se especifican los
objetivos de la tesis y el método seguido.
1
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.
El esquema de control más clásico es el denominado control retroalimentado. Bajo dicho

esquema, la señal de salida de la planta, sujeta a perturbaciones, es sensada y
retroalimentada al controlador, que la compara con la referencia o nivel de operación
deseado. Dicha comparación genera un error mediante el cual se determina una acción de
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
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.
Ante esta situación, surge la necesidad de controladores y estrategias capaces de solucionar

los problemas que los diseños convencionales no son capaces de manejar. En la presente
investigación, se plantea como solución a dicha problemática la utilización de distintas
estrategias avanzadas de control, valiéndose del uso de controladores adaptativos
predictivos, para mejorar el desempeño del control en procesos reales difíciles de controlar,
tales como sistemas no lineales y/o lineales variantes en el tiempo, ya sean monovariables o
multivariables, inestables y/o de fase no mínima, entre otros.
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.
De manera específica, se pretende alcanzar lo siguiente:
 Estudiar a fondo la estrategia de control adaptativo predictivo.
 Implementar distintas estrategias de control basadas en controladores adaptativos

predictivos.
 Analizar el efecto operacional de los principales parámetros de los controladores

adaptativos predictivos ADEX usados en aplicaciones industriales.
 Proporcionar pautas generales para configurar los controladores adaptativos

predictivos en diversas estrategias empleadas para distintos tipos de procesos uni y
multivariables variantes en el tiempo.
 Analizar la forma en que los controladores adaptativos predictivos interaccionan

dentro de una estrategia de control.
5
 Contrastar el desempeño de estas estrategias de control avanzado frente a esquemas

convencionales de control.
1.4. MÉTODO
En la realización de la investigación, se siguieron los siguientes pasos para lograr los
objetivos planteados:
 Investigación bibliográfica sobre la estrategia de control adaptativo predictivo.
 Estudio de la metodología ADEX y familiarización con la plataforma ADEX COP,

empleada en la implementación de las estrategias de control.
 Implementación de un simulador de la estrategia retroalimentada básica de control

adaptativo predictivo mediante la plataforma ADEX COP.
 Estudio de los parámetros involucrados en la operación de los controladores

adaptativos predictivos expertos y de su impacto en el desempeño de control.
 Implementación de simuladores para estrategias de control avanzadas utilizando

controladores AP, que permitan comparar el desempeño de los controladores
adaptativos predictivos frente a esquemas de control convencionales.
 Diseño, sintonización y simulación de procesos controlados mediante las estrategias

seleccionadas.
 Análisis del desempeño de los controladores en las estrategias implementadas ante

diversas condiciones de operación.
 Presentación de conclusiones y perspectivas de trabajos futuros.
1.5. ORGANIZACIÓN DE LA TESIS

En el Capítulo 1 se presentó una introducción al tema que aborda el presente trabajo de
investigación, así como su justificación, delineando los objetivos de la tesis y el método para
lograrlos.
6
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.
En el Capítulo 3 se profundiza en el impacto de los principales parámetros que conforman a

los controladores adaptativos predictivos, estudiando su impacto en el desempeño de
sistemas monovariables sencillos controlados con la estrategia AP básica.
En el Capítulo 4 se presentan algunas estrategias de control más usadas, implementadas con

controladores adaptativos predictivos. Se simula una estrategia retroalimentada simple, un
sistema de control en cascada y un esquema multivariable de 2 × 2, y se validan controlando
procesos de primer y segundo orden, con ganancias tanto positivas como negativas, de fase
no mínima, inestables y/o no lineales, con dinámicas variantes en el tiempo.
En el Capítulo 5 se presentan las conclusiones de la investigación y recomendaciones para

trabajos futuros.
7
CAPÍTULO 2.
CONTROL ADAPTATIVO PREDICTIVO
EXPERTO
En el presente capítulo se introduce la metodología de control adaptativo

predictivo experto así como los conceptos básicos involucrados con dicho
esquema de control. Además, se proporciona una descripción general de la
9
herramienta de control utilizada para la implementación de las estrategias.
Capítulo 2. Control adaptativo predictivo experto
2.1. CONTROL PREDICTIVO

El control predictivo tiene como objetivo lograr que a partir de un modelo del proceso, la
salida del proceso predicha coincida con una respuesta deseada, elegida convenientemente
para dicho sistema. Dicha trayectoria de comportamiento deseada se elige de modo que sea
físicamente realizable, mediante acciones de control acotadas, y que conduzca a la salida de
proceso hacia el valor de referencia de forma rápida, sin sobretiro ni error de estado estable.
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:
 En el instante actual, se realiza una predicción de la salida de proceso a lo largo de un

horizonte de predicción, con base en un modelo matemático del proceso.
 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.
 La salida de control se aplica al sistema real en el instante de control actual. En el

siguiente instante de control, se repite el procedimiento, permitiendo generar una
acción de control actualizada y corregida de acuerdo a las mediciones más recientes.
11
CAPÍTULO 2: CONTROL ADAPTATIVO PREDICTIVO EXPERTO
Figura 2.1. Diagrama de bloques básico del control predictivo.
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.
De antemano, la estructura del modelo que se utilizará en el bloque o modelo predictivo

corresponde a un modelo ARX, por ejemplo,
(2.1)
donde (k) representa un vector de perturbaciones o ruido.
2 . 1 . 1 . EL CONCEPTO DE BLOQUE CONDUCTOR
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
(2.2)
donde y e y representan la salida deseada del modelo y el setpoint, respectivamente. Los

d sp
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 . 1 . 2 . LA TRAYECTORIA DESEADA PROYECTADA
Considerando el planteamiento del bloque conductor y la necesidad de recalcular la

trayectoria deseada en cada instante de control, se introduce el concepto de trayectoria
deseada proyectada, la cual se define por la siguiente ecuación
(2.3)
donde la diferencia con el modelo de referencia radica en considerar
(2.4)
La notación utilizada indica que y (k + j\k) es la salida deseada para el instante k + j

d
calculada a partir de los datos en el instante k. Los coeficientes del modelo se pueden elegir
13
también para ajustarse a un sistema particular, por ejemplo, un proceso de segundo orden,
con cambios suaves y sin sobretiro.
2 . 1 . 3 . ESTRATEGIA BÁSICA DE CONTROL PREDICTIVO
La estrategia básica de control predictivo considerará únicamente la predicción para el

siguiente instante de control k + 1, hecha en el instante k, la cual para un modelo predictivo
como el propuesto en (2.1), con los valores estimados en el instante k queda definida como
(2.5)
La estrategia básica, como se describe en [9], contempla las siguientes acciones:
1) Calcular la salida deseada para el instante k + 1 de acuerdo a la trayectoria deseada

proyectada,
(2.6)
2) Determinar la acción de control predictivo u(k) para el instante de control actual,
(2.7)
Estos pasos se repiten en cada instante de control subsecuente.
2 . 1 . 4 . ESTRATEGIA EXTENDIDA DE CONTROL PREDICTIVO
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
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
horizonte de predicción que abarca un mayor número de instantes determinado por el

parámetro y además, considera la dinámica del proceso.
Definiendo un intervalo de predicción a partir del instante de muestreo k, es

posible predecir una secuencia de salidas en función de una secuencia de acciones
de control Esta predicción se realiza aumentando el número
de instantes futuros considerados en el modelo (2.5), tal que
(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.
A partir de este planteamiento, la trayectoria deseada proyectada en cada instante k es la

trayectoria predicha por el modelo predictivo en respuesta a la secuencia de control, de modo
que éstas satisfagan cierto criterio de rendimiento. En [9], Sánchez propone
(2.11)
donde es una trayectoria de referencia generada dentro del horizonte de

predicción, tal que:
(2.12)
considerando
16
(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.
Empleando el modelo predictivo (2.9) de forma recursiva, partiendo de (2.10), se encuentra
(2.14)
donde y son coeficientes que se pueden obtener de los parámetros y del modelo
predictivo mediante el siguiente algoritmo recursivo:
(2.15)
donde
(2.16)
La función de costo planteada implica que la trayectoria deseada proyectada resultante se

aproxime lo más posible a la trayectoria de referencia en dicha función, mientras que los
coeficientes Qj y Rj se escogen para dar más o menos peso al seguimiento de la trayectoria de
referencia o a la magnitud de la acción de control. Ahora bien, la solución del problema de
minimización con incógnitas presenta la necesidad de realizar un número elevado de
operaciones y cálculos matriciales -dimensionales, los cuales se incrementan si los
coeficientes del modelo son adaptados en línea. Si bien, resolver el problema permite
encontrar toda la secuencia de acciones de control estimadas, únicamente la primera de éstas
será utilizada. Por lo tanto, se propone comúnmente elegir los siguientes factores de costo
17
(2.17)
además de mantener constante la secuencia de control en el intervalo de predicción,

permitiendo reducir la función de costo a
(2.18)
A partir de estas condiciones, se reescribe (2.14) para el instante k + tal que
(2.19)
Finalmente, forzando J = 0 se puede obtener u(k) a partir de la ecuación

k
(2.20)
El desempeño de la ley de control, en la cual es posible agregar el parámetro de retraso d,

depende de manera importante de la precisión de los coeficientes del modelo predictivo
empleado. Por ello, cuando se trabaja con sistemas reales cuya dinámica puede variar a lo
largo del tiempo debido a diversas condiciones de operación, es útil mantener el modelo
actualizado para obtener el mejor desempeño de la estrategia predictiva.
2.2. CONTROL ADAPTATIVO

Como se mencionó, resulta fundamental contar con un modelo del sistema que lo describa
fielmente en todo momento y ante distintas condiciones de operación; para ello, se utiliza un
mecanismo de adaptación. El control adaptativo resuelve el problema que surge al trabajar
con sistemas reales que muchas veces son no lineales o variantes en el tiempo, de los cuales
se desconoce el orden exacto y el valor de sus parámetros. [8]
18
Figura 2.3. Diagrama de bloques del control adaptativo.
La Figura 2.3 muestra el diagrama de bloques de este esquema. Básicamente, el sistema se

basa en la comparación de la salida del proceso con la salida de un modelo del mismo. Con
dicha comparación se genera un error que permite ajustar el modelo, de modo que dicho
error tienda a cero conforme pasa el tiempo. Los coeficientes del modelo son ajustados en
cada instante de muestreo a partir de sus valores anteriores y en función del error entre la
salida del proceso y la salida generada por el modelo.
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)
El modelo adaptativo predictivo (AP) se describe
(2.22)
donde
(2.23)
Se considera el caso ideal donde (k) y son iguales, donde
19
(2.24)
La diferencia entre los parámetros del proceso y los del modelo viene dada por la forma
(2.25)
Se utilizará el cálculo del error a posteriori para la estrategia, esto es
(2.26)
El siguiente algoritmo se propone en [9] para definir el mecanismo de adaptación
(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)
Restando (2.28) de (2.26), se obtiene
(2.29)
Finalmente, mediante (2.27) y (2.29) se obtiene
(2.30)
con lo cual queda definido el mecanismo de adaptación estable.
De manera alternativa, el mecanismo de adaptación puede expresarse de modo que
(2.31)
donde
(2.32)
20
El vector 𝐺 𝑘 se denomina vector de ganancia variable y se utiliza en el modelo definido

(2.31) para sumar al vector previo de parámetros una estimación nueva determinada en
función del error de estimación multiplicada por dicho vector de ganancia variable.
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.
2.3. CONTROL ADAPTATIVO PREDICTIVO

Al combinar el modelo de control predictivo con el mecanismo de adaptación presentado
previamente, se obtiene el esquema de control adaptativo predictivo. Bajo este esquema, el
modelo predictivo generará la salida de control con base en la salida deseada dada por el
bloque conductor. El modelo de adaptación se encargará de ajustar dicho modelo cada
instante de muestreo, haciendo que cualquier error que se presente tienda a cero. Con ello, se
logra que la salida deseada sea igual a la salida del proceso de manera dinámica. El esquema
integrado se muestra en la Figura 2.4.
Salida del proceso

Proceso
Referencia Bloque Modelo Error
conductor predictivo
Modelo
Salida del modelo
Mecanismo de
adaptación
Figura 2.4. Diagrama de bloques del control adaptativo predictivo.
21
2.4. CONTROL ADAPTATIVO PREDICTIVO EXPERTO

El control adaptativo predictivo ofrece un excelente desempeño mientras que se mantenga
una relación causa – efecto entre las entradas y salidas del sistema. Sin embargo, existen
muchos procesos en los que esto deja de ocurrir en varios rangos de operación; esto suele
suceder cuando se opera en los límites superiores o inferiores de las variables de operación.
Cuando esto ocurre, el mecanismo de adaptación no es capaz de “identificar” adecuadamente
al sistema y los coeficientes del modelo suelen tender a cero, impidiendo el control.
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.
2.5. LOS CONTROLADORES ADEX

Los controladores ADEX integran estos tres módulos de control en la estrategia de control
adaptativo predictivo experto, mostrada en la Figura 2.5.
Bloque
experto Salida del
proceso
Salida Señal de
Referencia Bloque deseada Modelo control
Proceso
conductor predictivo
Mecanismo de
adaptación
Figura 2.5. Diagrama de bloques de la estrategia de control adaptativo predictivo experto.
22
DOMINIO EXPERTO EX - S
AP - S
DOMINIO ADAPTATIVO PREDICTIVO AP - C
AP - I
EX - I
Figura 2.6. Dominios de operación de controladores ADEX.
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. LA PLATAFORMA ADEX COP

La plataforma de control ADEX COP 2.0 es empleada en el presente trabajo para la
implementación de las estrategias de control. Por ello, se dedica esta sección para describir
brevemente sus principios de operación, los pasos involucrados en el diseño e
implementación de las aplicaciones de control, así como la estructura de los controladores
empleados y sus parámetros de operación.
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.
El software trabaja en el entorno operativo de Microsoft Windows, empleando funciones de

operación en tiempo real de LabVIEW de National Instruments.
23
Para el desarrollo y ejecución de los sistemas optimizados de control ADEX, la plataforma

consta de tres utilidades fundamentales: procesador, supervisor y, opcionalmente, el
simulador que toma el lugar del proceso. La estructura de comunicación entre dichos
módulos se muestra en la Figura 2.7. A continuación se describen sus funciones:
 Procesador (“Processor”). Permite la implementación de los esquemas de control

utilizando controladores ADEX. En esta utilidad se define la estrategia de control a
ejecutar, ya sea en su configuración estándar o personalizada. Todas las variables
relacionadas con el sistema de control son definidas y delimitadas en este apartado
del programa.
 Supervisor (“Supervisor”). Se emplea para la creación de una interfaz gráfica de

usuario (GUI) para el monitoreo de las variables del sistema de control. La interfaz
diseñada podrá permitir la introducción de variables de operación por parte del
usuario así como la supervisión y/o modificación de las variables de los
controladores y sus parámetros de configuración.
 Simulador (“Simulator”). Permite realizar una simulación de los procesos a

controlar, de modo que sea posible probar el funcionamiento de la estrategia de
control diseñada fuera de línea. La simulación puede diseñarse de dos maneras:
estándar (para estructuras de proceso simples) y personalizada (para simular
procesos de mayor complejidad).
SUPERVISOR PROCESADOR
PROCESO
Interfaz Estrategia
Driver E/S
gráfica Ethernet de control y
TCP
de usuario optimización
O
Almacenamiento Almacenamiento de SIMULADOR

de datos datos
Figura 2.7. Estructura de una aplicación ADEX.
24
Tanto el Supervisor como el Procesador y el Simulador, en su modo personalizado, requieren

de la herramienta de programación gráfica LabVIEW para el diseño e implementación de las
interfaces, las estrategias de control y las simulaciones de procesos, respectivamente.
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.
En las siguientes secciones, se describen a mayor detalle los componentes de la plataforma

ADEX COP 2.0, así como los parámetros involucrados en el diseño y funcionamiento de los
controladores ADEX.
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.
Definición de la estrategia de control
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
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.
La estrategia estándar permite la implementación de múltiples controladores ADEX de 𝑚

entradas por 𝑛 salidas. La implementación de cada controlador estándar requiere la
definición de los siguientes parámetros: nombre del controlador, categoría (maestro o
esclavo), número de variables de proceso (de una a tres; determina también el número de
variables a manipular) y número de perturbaciones (hasta seis). De este modo, se puede
tener un máximo de 𝑚 = 9 (tres variables de proceso y seis perturbaciones) con 𝑛 = 3.
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
aplicada al proceso; puede diferir de la última salida de control, mas no necesariamente),

𝑷𝑬𝑹𝑻 (valores de las perturbaciones medibles que se desean tomar en cuenta). Se
considerará como perturbación cualquier variable de entrada que se desee tomar en cuenta
para calcular la acción de control y sobre la cual no se pretenda actuar. Además, en cada
controlador se tiene la salida de control 𝑶𝑼𝑻 (variables de manipulación generadas por el
controlador). Se utilizan adicionalmente las variables discretas 𝑴𝑶𝑫𝑬 (indica si el
controlador funciona en modo automático o manual) y 𝑨𝒍𝒕𝑪𝒐𝒎𝑹 / 𝑨𝒍𝒕𝑪𝒐𝒎𝑾 (variables de
comprobación de comunicación).
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
Su utilización se recomienda para los casos en los que se requiere la implementación de

estrategias de control complejas, o bien, de decisiones lógicas que no puedan ser
implementadas utilizando la estrategia estándar y sus bloques lógicos.
Las estrategias personalizadas se desarrollan en el ambiente de programación de LabVIEW y

sus variables de funcionamiento son semejantes a las de la estrategia estándar. La ventaja de
utilizar esta herramienta de programación gráfica es que facilita la implementación de
cualquier acción o lógica de control deseada; además, la programación se realiza en un
entorno que simplifica la visualización y entendimiento de las acciones e interconexiones
27
comprendidas en las estrategias que se desean implementar. La programación se vale de

instrumentos virtuales (VI) propios del software ADEX, como los conectores para lectura y
escritura de datos, así como los propios controladores ADEX.
El presente trabajo de investigación emplea aplicaciones diseñadas utilizando estrategias

personalizadas, por lo que su método de implementación se ejemplifica en el Anexo A.
Definición de entradas, salidas y modo de comunicación
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).
En la Figura 2.9 se muestra el apartado de la plataforma para la definición de entradas y

salidas. En el ejemplo, una pareja de variables de entrada análogas son obtenidas del módulo
de simulación. El manejo del módulo de simulación se aborda más adelante.
Definición de rangos de las variables de entradas y salida
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
Figura 2.9. Apartado para definición de entradas y salidas.
Definición de valores iniciales de las variables de entradas y salida
Como se mencionó anteriormente, existen variables utilizadas en la ejecución de la estrategia

de control asignadas a memoria y otras provenientes de valores de operación (comúnmente
del panel de supervisión). Para dichas variables, pudiera requerirse definir ciertos valores
iniciales, los cuales se pueden especificar en la sección de Valores iniciales (“Initial values”)
para cada tipo de variable. Por defecto, estos toman el valor de cero tanto para variables
análogas como digitales.
Configuración de los controladores ADEX
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
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:
 Se tenga una cantidad igual o mayor de entradas que de salidas, es decir, 𝑚 ≥ 𝑛.
 Un subconjunto de 𝑛 de las variables de entrada pueden ser manipuladas para

controlar las 𝑛 variables de proceso.
 El resto de las variables de entrada, 𝑙 = 𝑚 − 𝑛 , son consideradas como

perturbaciones y se tomarán en cuenta para determinar las variables de control.
Figura 2.10. Apartado de configuración de controladores.
30
A
B
C
D E G
Figura 2.11. Ventana de configuración de los controladores ADEX.

(A) Dominio de configuración, (B) Variable de proceso seleccionada, (C) Estado del controlador,
(D) Bloque conductor, (E) Bloque de control, (F) Bloque experto, (G) Bloque de proceso,
(H) Mecanismo de adaptación.
 Se tiene un máximo de variables de salida de 3 (𝑛 ≤ 3) con un máximo de 9 entradas

(𝑚 ≤ 9).
Cada controlador se descompone internamente en un conjunto de 𝑛 controladores de

múltiple entrada y una salida (MISO, por sus siglas en inglés). Es decir, si se tiene un
controlador de 5 × 3 esto resulta equivalente a considerar tres controladores de 5 × 1. Con
ello, a cada controlador MISO interno le corresponde controlar una sola variable de proceso
(𝑃𝑉) a través de una sola salida de control (𝑂𝑈𝑇). Las cuatro entradas restantes son vistas
como perturbaciones del sistema (𝑃𝐸𝑅𝑇). Partiendo de esta idea, la configuración de los
controladores ADEX se realiza considerando cada controlador MISO interno de manera
independiente. La Figura 2.11-B muestra el campo para la selección del controlador activo.
31
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.
El esquema de cada controlador ADEX incluye las siguientes variables:
 La variable de modo de operación, 𝑴𝑶𝑫𝑬, que determina la forma de operación del

controlador experto (control externo o interno, es decir, manual o automático).
 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.
 La manipulación (𝑶𝑼𝑻), las perturbaciones (𝑷𝑬𝑹𝑻) percibidas por el proceso y la

variable filtrada de proceso (𝑭𝑷𝑽), que son las entradas y salidas del bloque de
proceso, según corresponda.
 La variable de proceso predicha (𝑷𝑷𝑽) generada por el modelo AP del mecanismo de

adaptación.
 El error de predicción (𝑷𝑬) entre la variable predicha y la filtrada.
A continuación, se describe los apartados de selección de estado y dominio de operación, así

como los bloques funcionales de los controladores y sus parámetros de configuración.
Estado del controlador
El controlador puede encontrarse en los siguientes estados listados en el campo de Estado

del controlador (“Controller Status”), como se muestra en la Figura 2.11-C.
 Configuración (“Configuration”). Se seleccionará cuando se realice la configuración

inicial del controlador. Este estado se utiliza al configurar el controlador mientras se
32
diseña el módulo del Procesador en la plataforma. Este estado no permite la

operación del controlador.
 Preparado (“Ready”). Se debe seleccionar una vez completada la configuración del

controlador, indicando que está listo para operar.
 Operación (“Operation”). Este estado es asignado automáticamente e indica, durante

la ejecución de la estrategia de control, que el controlador está en operación.
 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,
 dos dominios de control experto, superior e inferior (EX-U y EX-L).
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
El bloque de proceso (Figura 2.11-G), contiene los siguientes parámetros:
33
 Periodo de muestreo o ST (“Sampling time”). Este parámetro muestra, en segundos,

el periodo que transcurre entre cada obtención de nuevos valores de las variables de
entrada del controlador, es decir, la variable de proceso (𝑃𝑉), la entrada actual (𝐴𝐼),
las perturbaciones medibles (𝑃𝐸𝑅𝑇) y el modo de operación (𝑀𝑂𝐷𝐸). Su valor estará
condicionado por el periodo de tiempo de ejecución de los esquemas lógicos de
control que ejecuta el procesador (“Cycle time”), que se describirá más adelante.
 Periodo de control o CP (“Control period”). Este parámetro permite introducir la

cantidad de periodos de muestreo que deben transcurrir entre cada acción de control
generada por el controlador ADEX. Puede tomar los siguientes valores:
o Un número positivo, que define el periodo de control en términos de periodos

de tiempo de muestreo.
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.
o Un número negativo, que implica que el instante de control ocurrirá cuando el

controlador ADEX detecte un cambio en la señal transferida a través del pin
mencionado anteriormente.
Cabe mencionar que al utilizar controladores MIMO 𝑚 × 𝑛, el bloque de proceso es el único

que se configura en común para los 𝑛 controladores MISO en los que se subdividen
internamente. Si se desea emplear distintos periodos de control para cada controlar cada 𝑃𝑉,
se deben emplear desde un inicio 𝑛 controladores MISO de 𝑚 × 1.
Bloque de control
Accediendo al bloque de control mostrado en la Figura 2.11-E, es posible establecer diversos

límites para las variables del proceso, las salidas y las perturbaciones, que aparecen en la
Figura 2.12.
Para la variable de proceso se tiene:
 Valor inferior o LV (“Lower value”). Corresponde al valor más bajo en el rango de

variación medible de la variable de proceso.
34
Figura 2.12. Configuración de los controladores: Parámetros dentro del bloque de control.
• Valor superior o UV ("Upper value"). Corresponde al valor más alto en el rango de

variación medible de la variable de proceso.
• Constante de filtrado o FL ("Filtering constant"). Se utiliza para determinar el valor

filtrado de la variable de proceso en el instante de muestro k, es decir, FPV(k), a
partir del valor medido PV(k) utilizando la siguiente ecuación:
FPV(k) = FL* PV(k) + (1 - FL) * FPV(k - 1) (2.33)
Dicho filtro de primer orden es útil cuando la medición de la variable de proceso

contiene ruido; al incrementar el filtrado, la variable de proceso tendrá cambios
menos abruptos, conservando la tendencia de sus valores pasados.
Para las salidas de control es posible configurar los siguientes límites:
• 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.
• Límite incremental o IL ("Incremental limit"). Variación máxima que se podrá dar en

la salida de control por cada periodo de control.
• Límite incremental inferior o LIL ("Lower incremental limit"). Límite incremental

reducido para la salida de control, que se utiliza cuando el proceso se encuentra en
estado estable alrededor del valor de la referencia.
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
• Incremento significativo o SI ("Significant increment"), que representa el límite en

valor absoluto de la perturbación, que de presentarse, libera al controlador del límite
incremental inferior para la salida de control (LIL) aún y cuando el proceso se
encuentre alrededor del valor de referencia. Esto ayuda a tener una mayor respuesta
del controlador para que PERT tenga un menor efecto sobre PV. Se debe cuidar que
los cambios incrementales en PERT puedan ser compensados por cambios en OUT
bajo el valor de LIL.
Mecanismo de adaptación
Al acceder al bloque del mecanismo de adaptación (Figura 2.11-H), se despliega la ventana de

configuración donde es posible modificar los parámetros del modelo adaptativo predictivo y
otros parámetros relacionados a la adaptación paramétrica, como se muestra en la Figura
2.13.
Las variables mostradas corresponden al mecanismo de adaptación del modelo AP

representado por la siguiente ecuación:
(2.34)
El mecanismo de adaptación trabaja ajustando los coeficientes de dicha ecuación en cada

periodo de control de modo que el error de estimación tienda lo más rápido posible a cero.
36
Los parámetros de configuración relacionados a la variable del proceso (PV) son:
 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.
 Número de parámetros o N. Delimita el número de parámetros 𝐴𝑖 considerados en

el modelo AP. El resto de los parámetros mostrados, pero no considerados, son
ignorados (asignándoseles el valor de cero).
 Habilitación de la adaptación o A. Toma un valor discreto de 0 ó 1 para deshabilitar

o habilitar, respectivamente, la adaptación de los parámetros 𝐴𝑖 .
 Ganancia de adaptación o AG (“Adaptation gain”). Permite, en algunos casos,

mejorar el funcionamiento del mecanismo de adaptación cambiando para dichos
propósitos el rango interno de variación de la variable de proceso en el modelo AP. El
rango interno de variación se redefine por defecto como un porcentaje por encima del
rango ya definido para la variable.
 A1, A2, A3 (Actuales). Representan el valor actual generado por el mecanismo de

adaptación para cada parámetro 𝐴𝑖 del modelo AP cuando éste se encuentra en
operación.
 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:
 Periodos de retardo o DP (“Delay periods”). Indica el número de periodos de control

que tardará la variable de proceso en comenzar a cambiar cuando se ha generado un
cambio en la acción de control.
37
 N, A y AG. Tienen impacto en los parámetros 𝐵𝑖 de la misma forma que se describió

con los parámetros para la PV.
 Signo de la ganancia o S (“Sign”). Este parámetro deberá tomar el valor de 1 si la

respuesta del proceso (𝑃𝑉1) tiene un incremento positivo ante un incremento
también positivo en la salida del controlador (𝑂𝑈𝑇1); en el caso contrario, tomará el
valor de -1. Dicho valor es utilizado internamente para diagnosticar un resultado
indeseable en la actuación del mecanismo de adaptación. Bajo un funcionamiento
satisfactorio del valor actual de los parámetros del modelo AP debería derivarse un
valor positivo de la ganancia estática. Para asegurar esto, el valor de S se usa
internamente como un multiplicador de los parámetros 𝐵𝑖 . Cuando la ganancia
estática derivada es negativa, puede tener lugar una reinicialización de los
parámetros actuales del modelo AP. Un valor de S igual a cero permite omitir este
chequeo.
 B1, …, B6 (Actuales). Representan el valor actual generado por el mecanismo de

adaptación para cada parámetro 𝐵𝑖 del modelo AP cuando éste se encuentra en
operación.
 B1, …, B6 (Iniciales). Corresponden a los valores introducidos por el usuario para

funcionar como valores iniciales para cada parámetro 𝐵𝑖 del modelo AP antes de que
el mecanismo de adaptación comience a operar.
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 .
Además de lo anterior, la velocidad de adaptación dependerá del parámetro AM:
 Velocidad del mecanismo de adaptación o AM (“Adaptive mechanism”). Regula la

velocidad de adaptación de los parámetros del modelo AP. Su valor varía entre 0,
cuando está desactivada, y 1, cuando es máxima, pudiendo tomar valor intermedios.
Finalmente, para copiar los valores actuales a los campos iniciales, o viceversa, se cuenta con:
38
 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.
Además, al acceder a su ventana de configuración mostrada en la Figura 2.14 se presentan

los siguientes parámetros:
 Tiempo de residencia o TR (“Time of residence”), esto es, el número de periodos de

control que el modelo AP necesita para adquirir los datos mínimos suficientes
(valores de entradas y salidas) que le permitan empezar el cálculo de una señal de
control. El valor por defecto de −1 logra que el sistema calcule por sí mismo los
periodos para que el modelo AP obtenga los valores anteriores de las variables que
requiera. Si se le asigna un valor menor a éste, el modelo AP asumirá que el valor
anterior de las variables para las cuales no hay información son iguales al último valor
adquirido correspondiente.
Figura 2.14. Configuración de los controladores:

Parámetros dentro del bloque experto.
39
 Modo de entrada o EM (“Entrance mode”), 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.
Las opciones disponibles son:
o 1, se reiniciarán los valores de los parámetros actuales del modelo AP de

acuerdo a los últimos valores actuales que tenían en el dominio seleccionado.
o 2, si la 𝑃𝑉 viene de un dominio AP, los parámetros actuales del modelo AP

mantienen los últimos valores actuales que tenían en dicho dominio AP. Si la
𝑃𝑉 viene de un dominio experto, los valores de los parámetros actuales se
reiniciarán a sus valores iniciales de forma automática.
o 3, si la 𝑃𝑉 viene de un dominio AP, los parámetros actuales mantienen los

últimos valores actuales que tenían en dicho Dominio AP, como en el punto
número 2. Si la variable de proceso viene de un dominio experto, la valores de
los parámetros actuales también mantendrán sus últimos valores actuales en
el dominio seleccionado.
Bloque conductor
El bloque conductor es el encargado de generar la trayectoria deseada. Su bloque de

configuración se muestra en la Figura 2.11-D, donde es posible modificar el parámetro:
 Velocidad de cambio o RC (“Rate of change”). Su valor limita la razón de cambio de la

trayectoria que conduce a la variable de proceso hacia la referencia (cuando se
aproxima a su valor). Dicho valor se representa en unidades de ingeniería por periodo
de control. La razón de cambio puede ser establecida interna o externamente por la
lógica del esquema de control, dado que:
o Un número positivo definirá la velocidad de cambio del controlador en dicho

valor.
o Un valor de cero de indicará que la velocidad de cambio será determinada por

la lógica de optimización complementaria (LOC) y transmitido internamente.
40
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:
 Horizonte de predicción o PH (“Prediction horizon”). Define el número de periodos

adelante del instante de control actual en los cuales se definirá la trayectoria de la
salida deseada del proceso. Se calculará la señal de control del proceso (𝑂𝑈𝑇) de
modo que la variable de proceso predicha (𝑃𝑃𝑉) iguale a la variable de proceso
deseada (𝐷𝑃𝑉) al cabo del horizonte de predicción.
 Constante de tiempo o TC (“Time constant”). Determina la constante de tiempo de la

trayectoria deseada generada por el bloque conductor, de acuerdo a un modelo de
segundo orden con una ganancia estática y un factor de amortiguamiento igual a uno.
El valor está expresado en función del periodo de control.
Definición de parámetros de ejecución
Por último, el procesador permite configurar otros parámetros importantes en la ejecución

de la estrategia de control dentro de la sección de Parámetros (“Parameters”) mostrada en la
Figura 2.16.
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
Figura 2.16. Apartado de configuración de parámetros de ejecución.
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
Figura 2.17. Ventana de edición de un proyecto en ADEX COP: Apartado del Supervisor.
Figura 2.18. Ejemplo de una interfaz de supervisión.
43
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:
 Simulación estándar. Se asocia y utiliza comúnmente con los controladores creados

de forma estándar, teniendo la misma estructura requerida por éstos. La simulación
estándar permite definir de una a tres variables de proceso y hasta seis de
perturbación y crear comportamientos simulados basados en modelos lineales.
 Simulación personalizada. Permite simulaciones más complejas, en contraparte a

las estrategias de control diseñadas de forma personalizada. La simulación
personalizada permite más flexibilidad al programar la simulación de los procesos. La
creación de dichas simulaciones se implementa en el entorno de programación de
LabVIEW, que facilita programar cualquier interacción entre las variables utilizadas,
así como la programación de procesos no lineales o con interacciones complejas. En la
Figura 2.19 se muestra un ejemplo del diagrama de bloques de una simulación en
LabVIEW.
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].
En el Anexo A se ejemplifica la creación de una simulación personalizada.
44
Figura 2.19. Ejemplo de programación de una simulación personalizada.
Hasta ahora, se han presentado los principios de funcionamiento de los controladores

adaptativos predictivos, así como la herramienta empleada para su implementación y los
parámetros involucrados en la operación de los controladores. En el siguiente capítulo, se
profundiza en estos parámetros de operación para entender el impacto que tienen sobre el
desempeño de la estrategia de control AP.
45
CAPÍTULO 3.
ANÁLISIS DEL EFECTO DE LOS PARÁMETROS
DE LOS CONTROLADORES ADAPTATIVOS
PREDICTIVOS
En el presente capítulo se analiza y ejemplifica el efecto de los principales

parámetros involucrados en la operación de los bloques funcionales que
componen la estrategia de control adaptativo predictivo.
47
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).
3.1. BLOQUE DE PROCESO

El bloque de proceso contiene dos parámetros importantes: tiempo de muestro (𝑆𝑇) y
periodo de control (𝐶𝑃). Mientras que el primero depende del tiempo de ejecución de los
controladores en el procesador, el segundo deberá elegirse debidamente para asegurar que
se mantenga a la variable de proceso de manera estable alrededor del valor de referencia.
3.1.1. TIEMPO DE MUESTREO ST

El tiempo de muestreo está condicionado por el tiempo de ciclo para la ejecución de los
controladores. Este tiempo corresponde al periodo que transcurre entre cada adquisición de
datos de las variables del sistema (de proceso, manipulación, modo, etc.). Este parámetro está
directamente relacionado al periodo de control, ya que éste último debe ser múltiplo de 𝑆𝑇. Al
operar los controladores, el tiempo de muestreo tiene impacto solamente cuando se realiza
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.
3.1.2. PERIODO DE CONTROL CP

En cuanto al periodo de control 𝐶𝑃, cuando éste es muy pequeño en relación con el tiempo de
respuesta, las mediciones de la variable de proceso pueden aportar escasa información
relevante e incluso contener ruido. Además, el número de retardos enteros del modelo lineal
del sistema se incrementa, ya que éste resulta del cociente entre el retraso del sistema y el
periodo de control. Lo anterior también ocasiona que los valores de los coeficientes 𝐵𝑖 del
modelo predictivo disminuyan considerablemente, haciendo la predicción más sensible a
errores de identificación y/o ruido.
En el caso contrario, con un periodo de control inadecuadamente grande, es difícil corregir

rápidamente las desviaciones que se lleguen a presentar en la variable de control ya que se
debe esperar a que transcurra todo el periodo de control antes de detectar el problema e
intentar corregirlo. Por lo tanto, es recomendable que el periodo de control no sea ni muy
pequeño ni muy grande, tal que permita mantener el número de retardos reducido y un valor
significativo de los coeficientes del modelo, alejados de tender a cero. Adicionalmente, un 𝐶𝑃
adecuado permitirá responder de manera oportuna cuando las variables de proceso se
desvíen de sus valores de referencia.
Para los sistemas monovariables, el periodo de control se debe seleccionar tomando en

cuenta el tiempo de respuesta del proceso, que corresponde aproximadamente al tiempo que
le toma a la variable de proceso (𝑃𝑉) pasar de un nivel estable a otro al aplicar un escalón a la
señal de manipulación (𝑂𝑈𝑇) en lazo abierto. Por lo general, se emplea como tiempo de
respuesta un valor aproximado del 95% de dicho tiempo. De acuerdo a [9], un valor adecuado
para el periodo de control puede tomar valores de entre 1/10 y 1/40 de dicho tiempo de
respuesta. Un control más rápido pudiera generar que el sistema esté sobreactuado, mientras
que uno más lento pudiera no ser suficiente ni adecuado para controlar la 𝑃𝑉. Otras
recomendaciones para elegir estos valores se presentan en [7], pp. 30-33.
50
Como se menciono en el capítulo anterior, al trabajar con controladores multivariables MIMO,

éstos son descompuestos internamente por el procesador en varios controladores MISO. En
estos casos, se requiere utilizar un periodo de control común para dichos controladores, por
lo que el periodo de control que se seleccione deberá proporcionar un compromiso adecuado
que permita controlar cada una de las variables de proceso involucradas. En caso de que no
se encuentre un valor común apropiado, resulta recomendable separar el sistema MIMO en
varios subsistemas MISO al diseñar el esquema de control y utilizar desde un principio el
número necesario de controladores independientes para controlar cada variable de proceso.
Ahora, tómese como ejemplo un proceso descrito por la función de transferencia
(3.1)
cuyo tiempo de establecimiento en lazo abierto es de aproximadamente 21.6 segundos.

Siguiendo el criterio sugerido, se utilizaría un periodo de control de entre 0.54 y 2.16
segundos. Dado que solo es posible emplear valores de CP que sean múltiplos enteros del ST,
se sugiere elegir un valor que caiga en dicho rango. Por ejemplo, al utilizar un ST de 0.25
segundos, se podrían elegir periodos de control en el rango de [0.50 ... 2.00] segundos con
incrementos de 0.25.
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.
Se observa que conforme el periodo de control es más pequeño, el controlador tiene

oportunidad de aplicar acciones de control de forma más rápida e irlas ajustando para
alcanzar el valor de referencia. Asimismo, conforme el periodo de control utilizado es más
grande, el controlador no tiene oportunidad de hacer tantos ajustes a la salida de control por
lo que no es posible alcanzar la referencia siguiendo la trayectoria deseada en el mismo
periodo de tiempo. En el otro extremo, un periodo de control demasiado rápido podría
resultar en acciones de control innecesarias y podría generar un comportamiento oscilatorio
si el proceso no es capaz de responder a la velocidad pretendida por el controlador.
51
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.
3.2. MECANISMO DE ADAPTACIÓN

El mecanismo de adaptación requiere definir cuidadosamente varios parámetros que
repercuten en la correcta obtención del modelo de la planta. Esta labor se facilita cuando se
tiene algo de conocimiento previo del sistema, por ejemplo, conociendo el tiempo muerto
aproximado o un estimado de la ganancia del proceso. También es útil tener información
sobre las variaciones que puede presentar la planta, las perturbaciones que la afectan y el
ruido presente en las mediciones, entre otros.
3.2.1. SELECCIÓN DEL MODELO ADAPTATIVO PREDICTIVO

Reconsiderando la estructura del modelo AP descrita por la ecuación (2.34)
52
PV1(k\k —1) = A (k — 1) * PV1(k — 1) + A (k — 1)* PV1(k - 2) + A (k- 1) * PV1(k- 3)

1 2 3
+B (k — 1) * OUT1(k —1 — DP ) + B (k—1)* OUT1(k — 2— DP ) + -

1 B 2 B
+C (k — 1) * PERT1(k —1 — DP ) + C (k—1)* PERT1(k — 2 — DP ) + ...,

1 C 2 C
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
tiempo muerto cambie.
Para ilustrar mejor esta idea, considérese un modelo de proceso descrito por la siguiente
ecuación:
PV(k) = A * PV(k — 1) + A * PV(k — 2) + A * PV(k — 3) +

1 2 3
(3.2)
B * OUT(k -1 - DP) + B * OUT(k- 2 - DP) + B * OUT(k - 3 - DP) + ...
1 2 3
Para determinar el número adecuado de periodos de retardo a utilizar, se asumirá que se

conoce el rango en el que el número de periodos de retardo varía, delimitado por sus valores
máximo y mínimo, DP máx y DP mín respectivamente. Suponga ahora que a dichos límites le
corresponden los valores de DP mín = 0 y DPmáx = 3. Si se emplea un valor de DP = DP , la mín
ecuación se reescribiría como:

1 2 3
(3.3)
B * OUT(k — 1) + B * OUT(k — 2) + B * OUT(k — 3) + B * OUT(k — 4) + ...

1 2 3 4
Por el contrario, al utilizar un valor de DP = DP , la ecuación quedaría expresada como:

máx
(3.4)
1 2 3
B * OUT(k — 4) + B * OUT(k — 5) + B * OUT(k — 6) + B * OUT(k — 7) + -

1 2 3 4
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
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.
Ahora, para determinar la cantidad de parámetros N a utilizar, se considera el caso opuesto,

cuando el número de periodos de retardo real del proceso tome su valor máximo, DP = 3. En
esta situación, se desearía considerar los valores de la salida anteriores a partir de
OUT(k — 4). En (3.4), el impacto de dicha salida anterior está asegurado desde el coeficiente
B . En (3.3), este valor se incluiría a partir del coeficiente B ; los coeficientes anteriores, B ,
1 4 1
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
3 . 2 . 2 . VALORES INICIALES DE LOS COEFICIENTES DEL MODELO
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
Suponga que se tiene un proceso de una entrada y una salida (SISO) descrito por el siguiente
modelo:
PV(k) = A PV(k — 1) + A PV(k — 2) + B OUT(k — 1)

1 2 1
(3.6)
+ B OUT(k — 2)
2
La ganancia del proceso cuando alcanza su estado estable, PV , ante una señal de control tipo SS
escalón unitario, OUT , se puede determinar como:

STEP
K = PV /OUT
SS STEP
(3.7)
cuando se ha alcanzado el estado estacionario, la ecuación (3.6) se puede escribir como
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.
3 . 2 . 3 . VELOCIDAD DEL MECANISMO D E ADAPTACIÓN A M
Mediante este parámetro, es posible modular la velocidad del mecanismo de adaptación,

tomando valores entre 0 (desactivada) y 1 (máxima); es decir, el valor mínimo deshabilitará
la adaptación paramétrica mientras que el máximo logrará que la adaptación de los
parámetros sea la más rápida posible. De este modo, cuando la velocidad tienda a cero, el
55
mecanismo de adaptación se adaptará lentamente a los nuevos valores; en el caso contrario,

al tender a uno, el modelo se adaptará más velozmente conforme los parámetros cambien.
considérese ahora un proceso definido por la siguiente función de transferencia:
(3.10)
cuya ecuación de diferencias con un tiempo de discretización de un segundo resulta:
y(k) = 0.8187y(k — 1) + 0.1427u(k — 2) + 0.1291u(k — 3) (3.11)
Para analizar la convergencia paramétrica se usarán valores iniciales de los parámetros

distintos a los del modelo discreto, con valores de a = 0.7800, b = 0.0300, b = 0.23 y
1 1 2
d = 1 (con na = 1 y nb = 2). Para distintos valores de AM, se partió de un punto de

operación en estado estable con dichos valores iniciales y se realizaron cambios en referencia
para analizar la adaptación de los parámetros.
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
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
Figura 3.2. Respuesta del mecanismo de adaptación con AM=1.00.
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
57
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
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
58
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
3.2.4. NIVEL DE RUIDO NL

Al utilizar este parámetro, es posible establecer una banda de amplitud tolerable para las
variaciones que se puedan observar en la variable del proceso cuando las señales de control
(𝑂𝑈𝑇1, 𝑂𝑈𝑇2, …) y las perturbaciones medidas (𝑃𝐸𝑅𝑇1, 𝑃𝐸𝑅𝑇2, …) no cambian, mientras el
proceso se encuentre en estado estable.
Para observar este efecto, se simuló un ruido aleatorio en la medición de la variable de

proceso, con una distribución normal con media cero y una amplitud absoluta máxima de
uno. Los resultados de la simulación al variar el nivel permisible de ruido se muestran en la
Figura 3.7.
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
NL=4.0 NL=3.0 NL=2.0 NL=1.5
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
Figura 3.7. Efecto del nivel de ruido sobre el mecanismo de adaptación.
𝑁𝐿 = 2), el mecanismo de adaptación empieza a trabajar buscando adaptar el modelo a la

señal de proceso contaminada por ruido. Así, se observa que la desviación respecto al valor
de referencia ocasiona cambios en la señal de control y subsecuentes variaciones mayores en
la señal de proceso sin lograr estabilizar de nuevo ninguna de las señales. Por lo tanto, si se
conocen con certeza (o se pueden inferir) los efectos del ruido en la variable de proceso, se
recomienda utilizar un valor de nivel de ruido mayor a la amplitud de dichos efectos
indeseables, buscando mantener la banda lo más ajustada posible para que la 𝑃𝑉 se mantenga
cerca del valor de referencia.
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
65
60
55
50
PV
45 SP
20 40 60 80 100 120 140
48
46
44
42
40
38
36
34
OP
32
20 40 60 80 100 120 140
Figura 3.8. Efecto del nivel de ruido sobre desviaciones de la referencia.
nivel de ruido, el valor de la variable de proceso se puede mantener dentro de la banda y

limitar la aplicación de la acción de control, como sucede en el ejemplo mostrado en la Figura
3.8. Obsérvese en dicho ejemplo que la banda de ruido, delimitada en la gráfica por 𝑁𝐿 − y
𝑁𝐿 +, se mueve alrededor del valor de setpoint aún después del primer cambio escalón en
éste. Debido a que dicha banda es muy amplia, el controlador no realiza ninguna acción ante
este primer cambio en 𝑆𝑃 que cae dentro del rango permisible. Por lo tanto, como se puede
observar, es necesario que los cambios en el valor de referencia sean mayores a la amplitud
de ruido admisible para generar una acción de control.
3.3. BLOQUE CONDUCTOR

El bloque conductor contiene tres parámetros que son especial objeto de interés: la velocidad
de cambio, el horizonte de predicción y la constante de tiempo.
61
3.3.1. VELOCIDAD DE CAMBIO RC

Este parámetro tiene como objetivo limitar la razón de cambio de la trayectoria deseada
cuando la variable de proceso se aproxima a la referencia, es decir, permite fijar el
incremento máximo que puede tener la trayectoria deseada por periodo de control.
Retomando el proceso 𝐺1 𝑠 definido en (3.1), se evalúa el desempeño de control ante un

cambio en referencia para distintos valores de 𝑅𝐶. La evolución de la variable de proceso
para cada valor de 𝑅𝐶 probado se muestra en la Figura 3.9. Como es de esperarse, a mayor
velocidad de cambio 𝑅𝐶, mayor es la velocidad con la que la trayectoria deseada conduzca a la
variable de proceso hasta alcanzar el valor de referencia. Al continuar aumentando la
velocidad de cambio, la trayectoria deseada no sobrepasa la velocidad también limitada por la
constante de tiempo (la cual se fijó en 1.5 para la simulación realizada, utilizando un
horizonte de predicción de 1). Adicionalmente, al observar el efecto sobre las salidas de
control, se puede notar que éstas mantienen pendientes máximas constantes al conducirse la
𝑃𝑉 hacia el valor de referencia.
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
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
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
3.3.2. CONSTANTE DE TIEMPO TC

Generalmente, se desea llevar la variable de proceso al valor de referencia siguiendo una
trayectoria más rápida que la respuesta de lazo abierto del proceso. Para dicha trayectoria
deseada, el valor de la 𝑇𝐶 corresponde a la constante de tiempo de un modelo de segundo
orden con ganancia estática y factor de amortiguamiento igual a uno. Esto implica, por
ejemplo, que al elegir una constante de tiempo (en función de periodos de control) igual a 1,
la variable de proceso tardará aproximadamente 6 periodos de control en alcanzar el valor de
referencia sin tener sobreimpulso.
Retomando de nuevo el sistema 𝐺1 𝑠 descrito en (3.1) con tiempo de respuesta de alrededor

de 22 segundos, se evaluarán distintos valores de 𝑇𝐶 para observar su efecto en la respuesta
controlada. La Figura 3.10 presenta la comparación de dichas respuestas.
Conforme a los resultados esperados para los valores de 𝑇𝐶 de 1, 2 y 5, se obtuvieron tiempos

de respuesta de 11, 15 y 29 segundos, respectivamente. No obstante, cabe mencionar que
buscar obtener una respuesta muy rápida puede ocasionar una acción de control violenta que
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
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
60
55
50
45
Amplitud
40
35
30
25
PV [TC=0.5}
SP
20
5 10 15 20 25
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.
3.3.3. HORIZONTE DE PREDICCIÓN PH

Como se ha mencionado previamente, el bloque conductor genera la trayectoria que se desea
que la salida de proceso siga para llegar a la referencia. Al emplear un horizonte de predicción
𝑃𝐻 pequeño, se desea que la variable de proceso siga muy de cerca dicha trayectoria deseada
aunque ésta difiera de la dinámica del proceso mismo. Cuando el horizonte es grande, se da
más libertad a la variable del proceso para que llegue a los valores deseados siguiendo la
propia dinámica del proceso. De este modo, un factor para seleccionar el horizonte de
predicción se expresa en función de qué tan necesario resulta que la variable de proceso siga
de cerca cierta trayectoria.
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
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.
Por otra parte, en procesos donde el periodo de retardo es variable, el horizonte de

predicción se debe seleccionar asegurando que el controlador pueda realizar correctamente
la predicción para cualquier valor que tome el número de periodos de retardo reales del
proceso. En principio, se parte de que el control predictivo se aplica a partir del instante de
predicción k + DP + PH. Suponga entonces que el número de periodos de retardo del modelo
del proceso varía entre DP mín y DP . De acuerdo al criterio establecido en la ecuación (3.5),
máx
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)
Por lo tanto, se recomienda asegurar que se cumpla con el criterio:
PH > DP máx - DPmín + 1 (3.13)
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
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].
3.4. BLOQUE DE CONTROL

El bloque de control permite la introducción de los límites para las variables 𝑃𝑉, 𝑂𝑈𝑇 y 𝑃𝐸𝑅𝑇,
además de la constante de filtrado. Los límites se seleccionan de acuerdo a los rangos de
operación deseados para cada dominio AP, eligiendo en el caso de las salidas de control
valores que permitan lograr un efecto significativo sobre las variables de proceso en dichos
rangos.
3.4.1. CONSTANTES DE FILTRADO FL

El bloque de control ofrece el filtro de primer orden presentado en la ecuación (2.33) para
utilizarse con la variable de proceso o con las perturbaciones medibles. Para analizar los
efectos de dicho filtro, se simuló un ruido aleatorio en las lecturas, con distribución normal,
media cero y amplitud absoluta máxima de dos unidades. La Figura 3.12 muestra los efectos
del filtrado para distintos valores de la constante de filtrado 𝐹𝐿.
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
80
FL=1.00 FL=0.75 FL=0.50 FL=0.25

79
78
77
76
75
74
73
72
71
PV
FPV
70
60 120 180 240
Figura 3.12. Efecto de la constante de filtrado (FL) sobre la variable de proceso.
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.
En el presente capítulo se estudian diversas estrategias de control

utilizando controladores adaptativos predictivos aplicados a diferentes
tipos de procesos y se presentan resultados de la aplicación de las diferentes
69
estrategias a través de simulaciones.
Capítulo 4. Estudio de estrategias de control:
Análisis, experimentación y resultados
En el presente capítulo se presentan algunas estrategias de control definidas con

controladores adaptativos predictivos. Para cada estrategia, se presenta una breve
descripción de la misma y su diagrama de control representado con controladores
adaptativos predictivos de la forma en que se implementó. A partir de dicha implementación,
se presentan resultados en simulación para demostrar el funcionamiento de los
controladores adaptativos predictivos, así como subrayar sus ventajas frente a otros
esquemas de control. En cada caso, se describe la manera de “sintonizar” adecuadamente los
controladores AP para establecer guías que permitan realizar implementaciones similares de
manera sencilla.
4.1. ESTRATEGIAS DE CONTROL BASADA EN CONTROLADORES AP

Un aspecto clave de la presente investigación, fundamental en el diseño de sistemas de
control por computadora para procesos de alta complejidad, es la definición de las
estructuras o estrategias de control. Las estrategias avanzadas parten del concepto de control
retroalimentado básico. Entre dichas estrategias de control se incluye: el control
antealimentado, que pretende compensar el efecto de las perturbaciones; el control de
selección, utilizado para cambiar entre modos de control (p.ej. el control de relación); el
seguimiento de modelos de referencia; la retroalimentación de estados; el control en cascada;
los esquemas de dos grados de libertad; y las combinaciones de éstas, por mencionar algunos
ejemplos clásicos. En el caso de sistemas multivariables, es también parte importante en la
construcción de las estrategias considerar la forma en que se relacionan e interconectan las
señales de entrada – salida. [3]
Además, modos de control más complejos, como el control adaptativo, el predictivo y el

experto pueden combinarse con las estrategias avanzadas clásicas para lograr esquemas de
control más eficientes y robustos. Este tipo de implementaciones avanzadas se ejemplifican y
estudian a detalle en las siguientes secciones.
71
CAPÍTULO 4: ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y RESULTADOS
Es importante mencionar que las estrategias de control que se presentan a continuación

fueron implementadas utilizando la herramienta ADEX COP 2.0. Para cada caso, se creó un
simulador flexible capaz de manejar diversos tipos de plantas y modelos. Dichas aplicaciones
se reportan en el Anexo B.
4.2. CONTROL RETROALIMENTADO CON ANTEALIMENTACIÓN DE PERTURBACIONES

4.2.1. DESCRIPCIÓN DE LA ESTRATEGIA
Siendo la implementación fundamental del control automático el control de lazo cerrado, se
estudiara primeramente el funcionamiento de un controlador adaptativo predictivo en dicha
configuración. Esta aplicación corresponde a la estrategia básica de control AP, donde se fija
un punto de referencia para la variable del proceso y ésta se monitorea de manera constante
para mantenerla en dicho valor a través de la manipulación de la variable de control. Si la
variable de proceso se desvía del valor de referencia, ya sea por el efecto de cualquier tipo de
perturbación, por alguna variación en el proceso o porque se haya aplicado un cambio a dicho
valor de referencia, el controlador AP se ajusta a las nuevas condiciones de operación (de ser
necesario) y guía o regresa la variable de proceso a su valor deseado siguiendo un
comportamiento predefinido. La ventaja de este esquema es que permite compensar ante
cualquier tipo de perturbación que se desvíe la variable de proceso del valor de referencia,
sea a la entrada, a la salida, conocida, desconocida, efecto de ruido, etc.; sin embargo, para
poder actuar, es necesario primero que la perturbación muestre su efecto sobre la variable de
proceso.
Para evitar lo anterior, se utiliza la estrategia de control retroalimentado que incluye la

medición de la perturbación, en la cual se busca compensar el efecto de éstas antes de que
afecten la salida controlada, minimizando las desviaciones que puedan presentarse respecto
al valor de referencia. Sin embargo, la aplicación es este control está limitada a las
perturbaciones que se puedan medir y caracterizar, y no ayuda a compensar ante cualquier
otro tipo de perturbación que pueda presentarse o incluso ante un cambio en referencia. Por
ello, es necesario combinarla con el esquema retroalimentado para compensar ante los
efectos no contemplados.
72
PERT
GPERT s
SP OUT PV
CONTROLADOR PROCESO
AP G s
Figura 4.1. Esquema de control retroalimentado con un controlador AP.
Para analizar el funcionamiento de la estrategia, se realizó la implementación del lazo de

control mostrado en la Figura 4.1. El valor de la variable controlada depende de la salida de
control aplicada al proceso y del efecto de una perturbación a la salida del proceso. Cuando el
valor de dicha perturbación se desconoce, el modelo del sistema esta descrito como
𝑃𝑉 𝑘 = 𝐴1 𝑃𝑉 𝑘 − 1 + 𝐴2 𝑃𝑉 𝑘 − 2 + ⋯
(4.1)
+𝐵1 𝑂𝑈𝑇 𝑘 − 1 − 𝐷𝑃 + 𝐵2 𝑂𝑈𝑇 𝑘 − 2 − 𝐷𝑃 + ⋯
Al agregar la antealimentación de la perturbación, esta se incorpora al modelo tal que
𝑃𝑉 𝑘 = 𝐴1 𝑃𝑉 𝑘 − 1 + 𝐴2 𝑃𝑉 𝑘 − 2 + ⋯
+𝐵1 𝑂𝑈𝑇 𝑘 − 1 − 𝐷𝑃𝐵 + 𝐵2 𝑂𝑈𝑇 𝑘 − 2 − 𝐷𝑃𝐵 + ⋯ (4.2)
+𝐶1 𝑃𝐸𝑅𝑇 𝑘 − 1 − 𝐷𝑃𝐶 + 𝐶2 𝑃𝐸𝑅𝑇 𝑘 − 2 − 𝐷𝑃𝐶 + ⋯
4.2.2. DISEÑO DE LOS CONTROLADORES

Para estudiar la estrategia de control, se analizó el desempeño del controlador adaptativo
predictivo en comparación con un controlador PID convencional. Se presenta primero una
descripción del sistema, seguida de los métodos de configuración y sintonización de los
controladores.
73
Descripción del sistema
Se realiza el análisis a partir de un sistema de primer orden definido inicialmente como:
1.4𝑒 −4.3𝑠
𝐺𝐴 𝑠 = (4.3)
8𝑠 + 1
El cual se puede discretizar, utilizando un periodo de muestreo de 1 segundo, tal que:
𝑦 𝑘 = 0.8825𝑦 𝑘 − 1 + 0.1173𝑢 𝑘 − 5 + 0.04721𝑢 𝑘 − 6 (4.4)
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:
 se observó que la respuesta se asemeja a un sistema de primer orden, tal que:
o el tiempo de respuesta es de aproximadamente 35 segundos,
o la ganancia de estado estable se estima alrededor de 1.5,
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
 se pueden presentar perturbaciones a la salida del proceso;
 la dinámica del proceso puede variar en el tiempo;
 las variables involucradas, como la referencia, manipulación y la salida del proceso,

están acotadas en un rango de 0 a 100 unidades; y
 el incremento máximo por periodo de control que puede aplicarse al actuador es 40.
Configuración del lazo de control adaptativo predictivo
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.
A partir de la premisa de que el número de periodos de retardo puede variar entre

𝐷𝑃𝐵 𝑚 í𝑛 = 3 y 𝐷𝑃𝐵 𝑚 á𝑥 = 5, se emplean las recomendaciones dadas en (3.5) para determinar
el número de parámetros adecuado y el número de periodos de retardo a utilizar. Evaluando
las condiciones, se obtiene 𝐷𝑃𝐵 = 3 y 𝑁𝐵 > 2. Para tener al menos dos coeficientes 𝐵𝑖 cuando
el tiempo muerto es máximo, utilizamos 𝑁𝐵 = 4. Para modelos de primer orden, suele ser
suficiente emplear 𝑁𝐴 = 1.
75
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.
Finalmente, la velocidad del mecanismo de adaptación se selecciona a un valor intermedio,

𝐴𝑀 = 0.7. El nivel de ruido se mantiene a un valor pequeño, 𝑁𝐿 = 2, para evitar desviaciones
significativas de la PV respecto al SP. Se activa la adaptación para todos los parámetros
mediante 𝐴 = 1 y se omite el efecto de la ganancia de adaptación utilizando 𝐴𝐺 = 1. Se
especifica 𝑆 = 1 para los parámetros de OUT, dado que se sabe que el proceso mantiene
ganancia positiva. La opción de antealimentación de la perturbación se activa o desactiva con
el número de coeficientes 𝑁 para la línea de perturbación. (Véase Figura 4.3)
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
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.
Configuración del controlador PID
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
La sintonización de los parámetros de control PID se realizó mediante criterios integrales

ITAE para servocontrol considerando una compensación del tiempo de discretización
sugerida en [3], y se ajustó tal que:
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
4.2.3. EXPERIMENTACIÓN Y RESULTADOS

Adaptación del modelo desde valores iniciales
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
50 100 150 200 250 300 350

0.1
B1
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
Figura 4.4. Adaptación inicial de los coeficientes el modelo AP para el sistema SISO.
78
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.
Respuesta ante cambios en el valor de referencia
Ambos esquemas de control son sometidos a un cambio de referencia de 15 unidades. La

Figura 4.5 muestra las respuestas obtenidas. Se observa que cuando el sistema no ha
cambiado, el controlador PID y el ADEX ofrecen resultados similares. En este caso, el PID
presentó un ligero sobretiro y un tiempo de estabilización ligeramente por encima del ADEX.
Se observa que los cambios de manipulación se restringieron por los límites de control. El
desempeño de ambos se compara en la Tabla 4.1.
Tabla 4.1. Indicadores de desempeño ante un

cambio en referencia para el sistema SISO.
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
56
54
52
Amplitud
50
48
SP
46 PV [ADEX]
PV [PID]
44
20 40 60 80 100 120 140
60
OUT [ADEX]
55 OUT [PID]
50
Amplitud
45
40
35
30
20 40 60 80 100 120 140
Figura 4.5. Respuesta del sistema SISO ante un cambio en referencia.
Respuesta ante perturbaciones
Ahora, se pretende analizar el desempeño de los controladores ante la presencia de

perturbaciones a la salida del proceso. Se simuló una perturbación aditiva a la salida con la
función de transferencia continua dada por:
0.5𝑒 −2.1𝑠
𝐺𝑃𝐸𝑅𝑇 𝑠 = (4.7)
4.8𝑠 + 1
Cuyo modelo discreto utilizando un periodo de muestreo de 1 segundo es:
𝑦𝑝 𝑘 = 0.8119𝑦𝑝 𝑘 − 1 + 0.08549𝑢𝑝 𝑘 − 3 + 0.008546𝑢𝑝 𝑘 − 4 (4.8)
Donde 𝑦𝑝 representa el efecto que se suma a la variable de proceso, mientras que 𝑢𝑝 es el

valor de entrada medible de la perturbación.
80
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
Figura 4.6. Respuesta del sistema SISO ante una perturbación escalón a la salida.
Sin antealimentación de la perturbación
Sobre la premisa de que la perturbación es desconocida y no existe forma de medirla, se

simuló el efecto de una perturbación de 10 unidades aplicada después del quinto instante de
muestreo; el comportamiento se muestra en la Figura 4.6. Aunque de distinta manera, ambos
controladores regresan al sistema a su valor de referencia. La Tabla 4.2 muestra los
parámetros de desempeño de las respuestas de control.
Con antealimentación de la perturbación
Al antealimentar el valor medido de la perturbación (𝑃𝐸𝑅𝑇 en la Figura 4.1), es posible que el

mecanismo de adaptación la modele para que se pueda anular su efecto más rápidamente.
Para ello, y bajo el supuesto de que se desconoce el retraso y grado del modelo de la
perturbación, se asignan dentro del mecanismo de adaptación suficientes coeficientes 𝐶𝑖 para
el modelo de la perturbación inicializados en un valor de 0.1; en este caso, se usó 𝑁𝐶 = 4 con
81
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
Figura 4.7. Respuesta del sistema SISO ante una perturbación a la salida al agregar antealimentación.
Tabla 4.2. Indicadores de desempeño ante una

perturbación a la salida para el sistema SISO.
ADEX ADEX FF PID

Desviación del SP 9.02% 4.92% 8.26%
Tiempo de
8.3 seg. 3.5 seg. 14.7 seg
estabilización (±2%)
82
Respuesta ante cambio en el tiempo muerto
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
Figura 4.8. Adaptación del modelo AP al cambiar el tiempo muerto del sistema SISO.
83
Adaptación del modelo
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.
Respuesta ante cambios en el valor de referencia
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
Respuesta ante variación de la ganancia
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
60
OUT [ADEX]
50 OUT [PID]
40
Amplitud
30
20
10
0
0 50 100 150 200 250 300 350 400
Figura 4.10. Respuesta regulatoria ante un cambio en la ganancia del sistema SISO.
85
65
SP
PV [ADEX]
60
PV [PID]
55
Amplitud
50
45
40
50 100 150 200 250 300 350 400 450
30
OUT [ADEX]
25 OUT [PID]
20
Amplitud
15
10
0
50 100 150 200 250 300 350 400 450
Figura 4.11. Respuesta ante un cambio en referencia al variar la ganancia del sistema SISO.
Tabla 4.3. Indicadores de desempeño ante un cambio en

referencia para el sistema SISO con variación en la ganancia.
ADEX PID
Porcentaje de sobretiro 0% 60%
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
Respuesta ante cambio un completo en la d i n á m i c a del proceso
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)
Como se muestra en la Figura 4.12, al presentarse estos cambios, la variable de proceso se

aleja de su valor de referencia rápidamente, sin embargo el controlador AP logra regresarla a
su valor de referencia. El controlador PID, por su parte, no es capaz de mantener la
estabilidad del sistema.
Figura 4.12. Respuesta regulatoria ante cambios en la dinámica del proceso SISO.
87
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.
Aplicando ahora un cambio en la referencia, se observa el cumplimiento de los requisitos de

desempeño de la nueva planta de lazo cerrado con el control AP. La Figura 4.13 muestra que
la variable de proceso alcanza la referencia sin presentar sobreimpulso, estabilizándose en
alrededor de 14 segundos. Además, ante la presencia de una perturbación, el controlador es
capaz de volver a su valor de estado estable en menos de 10 segundos, como se muestra en la
Figura 4.14 donde se aplicó una perturbación de 15 unidades al quinto instante de muestreo
conforme al modelo (4.7).
62
SP
60 PV [ADEX]
58
Amplitud
56
54
52
50
48
10 20 30 40 50 60 70 80 90 100
32
OUT [ADEX]
30
28
26
Amplitud
24
22
20
18
16
10 20 30 40 50 60 70 80 90 100
Figura 4.13. Respuesta ante un cambio en referencia

tras un cambio en la dinámica del proceso SISO.
88
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
Figura 4.14. Respuesta del sistema ante perturbación
tras un cambio en la dinámica del sistema SISO.
4.3. CONTROL EN CASCADA

En la sección anterior, se observó que un problema importante del control retroalimentado
simple es que el controlador reacciona hasta después de que el proceso ha sido afectado por
la perturbación; cuando se presenta una perturbación, requiere que ésta sea retroalimentada
y que su efecto se propague y afecte a la variable de proceso antes de aplicar una acción
correctiva. Una solución a este problema se presenta en la utilización de una estrategia de
control en cascada, la cual resulta útil cuando en el lazo de control existen múltiples variables
medibles y una sola variable de control. La estrategia es especialmente ventajosa cuando
existen tiempos muertos o constantes de tiempo elevadas entre la variable de control y la
variable de proceso. Al utilizar mediciones intermedias que respondan más rápidamente a la
señal de control, se pueden anidar lazos de control secundarios para construir una estrategia
como la que se muestra en la Figura 4.15.
89
PERT2 PERT1
OUT1/SP2 OUT2
SP1 PV2 PV1

CAP CAP PROCESO PROCESO
MAESTRO ESCLAVO INTERNO EXTERNO
LAZO INTERNO
LAZO EXTERNO
Figura 4.15. Esquema de control en cascada.
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.
En general, para utilizar la estrategia de control en cascada es altamente recomendable que el

lazo de control interno sea considerablemente más rápido que el externo (comúnmente, se
recomienda que al menos sea cinco veces más rápido). Es necesario aclarar que la mejoría en
el desempeño depende de la diferencia entre estas velocidades. Si la velocidad de respuesta
de los lazos interno y externo fuera igual o tendiera a serlo, la mejoría sería mínima o nula. El
otro aspecto fundamental de la estrategia es que las perturbaciones o variaciones principales
deben presentarse en el lazo interno para que sean corregidas por éste.
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
4.3.2. EXPERIMENTACIÓN
A continuación, se describe el proceso que se simuló para analizar la estrategia de control en

cascada basado en controladores adaptativos predictivos. Posteriormente se presentan los
métodos para configurar correctamente los controladores. A manera de caso de estudio, se
utiliza un proceso de segundo orden para ilustrar el uso de la estrategia y la manera de
configurar los controladores.
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.
Figura 4.16. Respuesta en lazo abierto del proceso en cascada y de sus

subprocesos ante entradas tipo escalón unitario.
91
Por su parte, el proceso externo está definido por la siguiente función:
(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.
En nuestro ejemplo, se consideran las siguientes premisas sobre el sistema:
• se desconocen los modelos matemáticos precisos del sistema;
• las dinámicas suelen presentar variaciones en el tiempo;
• la relación de velocidades observada entre los procesos no varía considerablemente;
• el tiempo muerto del proceso externo varía entre 2 y 3 segundos;
• el proceso interno no presenta tiempo muerto;
• las perturbaciones actuando sobre el proceso externo son más lentas que las que se
presentan sobre el proceso interno;
• las variables de manipulación están acotadas en rangos de 0 a 100; y
• el incremento máximo que puede aplicarse al elemento de control en el proceso

interno es de 35 unidades por periodo de control.
C o n f i g u r a c i ó n del lazo de control interno (controlador esclavo)
La configuración de los controladores de una estrategia de control en cascada suele realizarse

de adentro hacia afuera. Primeramente, se configura el lazo de control interno.
Posteriormente, se configura el lazo externo considerando al interno como un elemento
"visto" desde el lazo principal. El objetivo principal al configurar el lazo interno es obtener
una respuesta de control tan rápida como sea posible, sin importar mucho si se presentan
ganancias altas en el controlador o algo de sobretiro en la variable interna. Más adelante, se
92
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).
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
A (0) = - 0 . 2 , B (0) = 0.15 y B (0) = 0.15 para partir de K = 1.5.

2 1 2
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
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.
Considerando el tiempo de establecimiento del sistema de alrededor de 2.5 segundos, se

busca obtener una respuesta más rápida mediante la utilización de una constante de tiempo
ajustada, sin importar que ésta pudiera llegar a causar un ligero sobretiro en la variable de
proceso. En general, un sobretiro en la señal de proceso interna y/o un breve
comportamiento oscilatorio no afectaría de manera considerable a la variable de proceso
principal puesto que este comportamiento sería muy rápido en comparación con su tiempo
de respuesta, y debe desaparecer mucho antes de que la variable principal responda a dicho
efecto y tienda a estabilizarse. En nuestro caso, se utiliza una constante de tiempo de 0.70
para la trayectoria deseada, la cual considerando el periodo de control de 0.1 segundos
permitiría obtener idealmente un tiempo de respuesta menor a 0.5 segundos.
En cuanto a la velocidad de cambio máxima se emplea RC = 15. Cabe mencionar que al

restringir dicha razón de cambio máxima así como los incrementos permisibles por periodo
de control para la variable de manipulación, el tiempo de respuesta del sistema tiende a
aumentar.
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
general, debe elegirse tomando en consideración el comportamiento observado en el sistema

y las limitaciones de los actuadores. Para la simulación, se fija el límite incremental de OUT2
en 25 unidades por periodo de control.
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.
C o n f i g u r a c i ó n del lazo de control externo (controlador maestro)
Consideraciones generales
Para configurar el lazo de control externo, se debe observar el comportamiento resultante de

tener en serie el lazo interno con el proceso primario por ser la forma en que el controlador
maestro percibe al sistema. Por ello, es necesario primero verificar el funcionamiento del lazo
de control interno recién configurado para tener una idea clara del tiempo que tarda en
responder ante las acciones de control cuando está en lazo cerrado.
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.
Tabla 4.4. Indicadores de desempeño ante un cambio de referencia

del lazo de control interno del proceso en cascada.
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
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
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
12
10
8
Amplitud
2
PV1
0
0 50 100 150 200 250 300 350 400
16
14
12
10
Amplitud
4
OUT1
2 PV2
0
0 50 100 150 200 250 300 350 400
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
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
Se obtuvo que el tiempo de establecimiento de la variable de proceso principal (PV1) cuando

el control interno está en lazo cerrado en serie con el proceso externo es de alrededor de 24.5
segundos. Siguiendo el criterio hasta ahora utilizado, se define un rango delimitado por 0.6 y
2.45 segundos para el periodo de control. Se recomienda, como se mencionó en el apartado
anterior, un valor que permita que la salida del proceso interno (PV2) se acerque a las
referencias demandadas por el controlador maestro antes de aplicar nuevas acciones. En este
caso, siendo que el lazo interno tiene un tiempo de establecimiento aproximado de 0.8
segundos (véase Tabla 4.4), un valor posible e intermedio dentro de dicho rango es utilizar un
periodo de control de 1.2 segundos (𝐶𝑃 = 12 dado que 𝑆𝑇 = 0.1). En caso de que se diera la
posibilidad de que el tiempo de establecimiento interno varíe, se recomienda que el periodo
de control externo sea mayor que el escenario de respuesta más lento.
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
Se debe aplicar el criterio (3.5) para determinar el número de parámetros y de periodos de

retardo adecuados. Evaluando el criterio, se debería utilizar 𝐷𝑃 = 1 y 𝑁𝐵 > 1. Para además
contar con al menos dos coeficientes 𝐵𝑖 en todo momento se utilizó un coeficiente adicional al
valor mínimo, quedando 𝑁𝐵 = 3. Note que en los casos donde el proceso interno presente
tiempo muerto, éste se debe considerar e incluir al calcular los periodos de retardo mínimo y
máximo de la combinación de los procesos en serie.
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
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.
4.3.3. EXPERIMENTACIÓN Y RESULTADOS

Análisis del efecto de algunos parámetros de los controladores
Antes de observar y comparar el desempeño de la estrategia con controladores AP, se

mostrará el impacto de variar algunos de los parámetros de operación que se seleccionaron
en la sección anterior.
Efecto de la variación del horizonte de predicción externo
Como se mencionó, se recomienda utilizar un horizonte de predicción mayor o igual que 2. Se

señaló anteriormente que entre mayor sea el horizonte utilizado, la respuesta tendería a
parecerse más al comportamiento de lazo abierto, mientras que un valor pequeño requeriría
variaciones mayores en la variable de control, logrando una respuesta más rápida pero
pudiendo causar oscilaciones en la respuesta del lazo maestro. Lo anterior puede observarse
en la Figura 4.19.
100
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
Figura 4.19. Efecto de la variación del horizonte de predicción externo.
Efecto de la variación del periodo de control externo
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
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
100
OUT1/SP2 OUT2 PV2
80
60
Amplitud
40
20
0
0 50 100 150 200 250 300 350 400
Figura 4.20. Desempeño del sistema de control en cascada con CP=0.6 seg.
102
48
SP1 PV1
47
46
45
Amplitud
44
43
42
41
40
0 50 100 150 200 250 300
90
OUT1/SP2 OUT2 PV2
80
70
60
Amplitud
50
40
30
20
10
0 50 100 150 200 250 300
Figura 4.21. Desempeño del sistema de control en cascada con CP=2.0 seg.
Respuesta ante cambios de referencia
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.
Cambios de referencia en el lazo interno
Inicialmente, se debe colocar el proceso interno en modo automático, habilitándose así la

adaptación del modelo interno. Se aplicaron una serie de cambios en referencia para lograr
que los coeficientes se adaptaran adecuadamente. La Figura 4.22 muestra la respuesta del
103
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
70
OUT2 [ADEX]
60
OUT2 [PID]
50
Amplitud
40
30
20
10
0
20 40 60 80 100 120 140
Figura 4.22. Respuesta del sistema interno ante cambios en referencia.
Tabla 4.5. Indicadores de desempeño ante un cambio en

la referencia interna para el sistema esclavo.
ADEX PID
Porcentaje de sobretiro 1.6% 31%
104
Cambios de referencia en el lazo externo
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
Figura 4.23. Respuesta del sistema en cascada ante un cambio en la referencia principal.
105
Tabla 4.6. Indicadores de desempeño ante un cambio en la referencia

principal para el sistema en cascada.
ADEX PID
Porcentaje de sobretiro 3% 16%
Respuesta ante perturbaciones
Perturbaciones en el lazo interno
De acuerdo al esquema en la Figura 4.15, se simuló la adición de una perturbación tipo

escalón a la salida del lazo de control interno. En la Figura 4.24 se muestra el desempeño de
cada esquema de control ante la presencia de dichas perturbaciones. En ambos casos, se
observa que el lazo de control esclavo logra deshacerse de los efectos de las perturbaciones
internas afectando de forma mínima a la variable principal (solo se presentan oscilaciones
por debajo del 1% en la variable principal). En la Tabla 4.7 se muestran los indicadores de los
controladores internos ante estas perturbaciones. Es importante mencionar que si la
diferencia entre tiempos de respuesta y/o periodos de control fuera menor, se observaría
mayor impacto de la perturbación interna sobre la variable externa. En este caso, sin
embargo, la perturbación se reduce de forma muy rápida por el controlador esclavo.
Tabla 4.7. Indicadores de desempeño del lazo interno

ante una perturbación a la salida.
ADEX PID
Desviación del SP 11% 11%
Tiempo de
1.4 s 1.2 s
106
60
PV1 [ADEX]
(a)
50 PV2 [ADEX]
PERT2
40
Amplitud
30
20
10
0
0 200 400 600 800 1000 1200 1400
60
(b) PV1 [PID]
50 PV2 [PID]
PERT2
40
Amplitud
30
20
10
0
0 200 400 600 800 1000 1200 1400
Figura 4.24. Respuesta ante perturbaciones en el lazo interno para el esquema (a) ADEX y (b) PI.
Perturbaciones en el lazo externo
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.
Tabla 4.8. Indicadores de desempeño del lazo externo

ante una perturbación a la salida.
ADEX PID
Desviación del SP 8.15% 10.4%
Tiempo de
16.1 s 18.0 s
107
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
Figura 4.25. Respuesta ante perturbaciones en el lazo externo.
Respuesta ante cambios en la dinámica del proceso
Variaciones en el proceso interno
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
60
PV1
50
40
0 500 1000 1500
100
80
PV2
60
0 500 1000 1500

1.8
A12
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
Figura 4.26. Adaptación de los coeficientes del modelo
interno ante un cambio en la dinámica simulada.
Variaciones en el proceso externo
Ahora, el cambio en el modelo simulado se aplica en el proceso externo, aumentándose el

tiempo muerto y variando la ganancia y velocidad de respuesta. La Figura 4.27 muestra la
evolución de los coeficientes del modelo externo. Note que en esta ocasión, los coeficientes
109
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
Figura 4.27. Adaptación de los coeficientes del modelo
externo ante un cambio en la dinámica simulada.
110
La Figura 4.28 muestra el efecto de un cambio en referencia aplicado a ambos controladores

habiendo variado el modelo del sistema. Observe que los tiempos de elevación no varían
mucho, sin embargo, el controlador AP tarda más en eliminar el ligero sobretiro ante estos
cambios, mientras que el PI presenta un comportamiento más oscilatorio y notoriamente
peor que ante las condiciones para las cuales fue configurado inicialmente. La Tabla 4.9
resume los indicadores de desempeño de ambos esquemas de control.
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
Figura 4.28. Respuesta ante cambio en referencia tras variar el modelo externo.
Tabla 4.9. Indicadores de desempeño ante un cambio en la referencia

principal para el sistema en cascada tras variar el modelo externo.
ADEX PID
Porcentaje de sobretiro 7.2% 47.6%
111
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
Figura 4.29. Respuesta ante perturbaciones tras variar el modelo externo.
112
Tabla 4.10. Indicadores de desempeño del lazo externo ante

una perturbación a la salida tras variar el modelo externo.
ADEX PID
Desviación del SP 5.8% 7.0%
Tiempo de
6.4 s 12.9 s
4.4. CONTROL MULTIVARIABLE APLICADO A UN PROCESO DE FASE NO MÍNIMA

Hasta ahora, se han descrito esquemas de control para sistemas donde se cuenta con una sola
entrada y una sola variable de interés (SISO), sin embargo, son más los procesos donde se
cuenta con una mayor cantidad de entradas buscando controlar una mayor cantidad de
salidas (MIMO). Ejemplos comunes de estos sistemas abundan en distintas áreas, como en la
economía, la medicina, la robótica, la industria farmacéutica y la industria química, entre
otras. En esta última encontramos sistemas tales como procesos de mezclado, evaporadores,
columnas de destilación y reactores químicos.
En ciertas ocasiones, el control de estos sistemas es idéntico al control de sistemas

monovariables, ya que al cambiar una entrada se afecta única y específicamente a una salida.
Sin embargo, la mayoría de las veces se presentan interacciones entre las distintas entradas y
salidas, lo que hace necesario elegir adecuadamente las agrupaciones entre pares de entradas
y salidas y el diseño de desacopladores para reducir estas interacciones.
La estructura general de un sistema de control MIMO de dos entradas y dos salidas (2 × 2)

implementado con controladores adaptativos predictivos se muestra en la Figura 4.30. El
esquema mostrado puede presentar interacciones entre las señales y no contempla la adición
de desacopladores (los cuales se emplean comúnmente en esquemas convencionales).
Aunque es posible considerar de manera conceptual a ambos controladores como un solo
controlador principal, sin embargo, internamente siempre será necesario diseñar dos
controladores de manera independiente. Observe que la notación utilizada en los subíndices
de los procesos muestra primero el número de la salida afectada seguido del número de la
entrada con las que se relaciona.
113
Figura 4.30. Esquema de control retroalimentado multivariable.
4 . 4 . 2 . DISEÑO DE LOS CONTROLADORES
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
(4.14)
(4.15)
En la práctica, la información que se posee del sistema se obtiene de la aplicación de pruebas

escalón en cada una de las entradas. Manteniendo la manipulación OUT en 40, se aplica un
2
cambio en O U T de 30 a 35 para identificar el comportamiento de las salidas frente a dicha

1
entrada; el resultado se muestra en la Figura 4.31. De forma similar, manteniendo OUT en 1
30, se cambia la entrada OUT de 40 a 45; la respuesta se muestra en la Figura 4.32.

2
Figura 4.31. Respuesta del sistema MIMO a una entrada escalón en OUT de 30 a 35.
1
115
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
proceso G presenta una ganancia de 0.45 unidades y un tiempo de establecimiento de

11
aproximadamente 45.5 segundos; G12 presenta ganancia de 0.147 y tiempo de

establecimiento de 50.5 segundos; G 21 responde con una ganancia de -0.20 en 42.5
segundos; finalmente, G tiene una ganancia de -0.29 unidades en 32 segundos. Con ello, se
22
calcula la siguiente matriz de ganancias relativas del sistema
(4.16)
116
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 supuso adicionalmente que se cuenta con la siguiente información:
• la dinámica de los procesos presenta variaciones en el tiempo;
• 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 variable PV opera normalmente en el rango de 80 a 95, PV en la banda de 10 a 20;

1 2
• la manipulación OUT está acotada entre 15 y 65; OUT trabaja entre 10 y 60.
1 2
c o n f i g u r a c i ó n de los controladores adaptativos predictivos
para implementar los controladores, se siguió la estrategia mostrada en la Figura 4.30,

descomponiendo el control en dos controladores MISO 2 x 1 . El controlador para PV (CAP1)
1
actua sobre OUT , el de PV (CAP2) lo hace sobre OUT . Como segunda variable de entrada,
1 2 2
cada controlador recibe la salida de control contraria. La ventaja de implementar los

controladores por separado es la facilidad de utilizar distintos periodos de control para cada
uno de ellos, de ser necesario. A continuación se detalla la configuración de cada uno de los
controladores.
Configuración del controlador para PV 1
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
toma un valor intermedio de 2.5 segundos, considerando emplear un periodo de muestreo de

0.5 segundos (de modo que ST = 0.5 y CP = 5).
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)
+ C OUT (k - 1 - DP ) + C OUT (k - 2 - DP ) + ...

1 2 C 2 2 C
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)
Con lo que se genera un modelo continuo, de al menos dos parámetros Ai y B . Ahora, i
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
DPmín = 0 y DP máx = 1, mientras que para G se tiene DP 12 mím = DP máx = 0. De acuerdo a

(3.5), se tendría para OUT un valor DP = 0 y N > 1 y para OUT un valor DP = 0 y
1 B B 2 C
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
(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
utilizó B = 0.07, B = 0.07 y B = 0.04. De manera similar, se eligen los coeficientes C

2 3 4 i
tomando los mismos valores de A; i se empleará C = -0.07, C = 0.05 y C =0.05,

1 2 3
obteniéndose K = 0.147. Para completar la configuración del mecanismo de adaptación, se

12
empleó una velocidad de adaptación AM = 0.3 y un nivel de ruido NL = 0. En el caso MIMO

con interacciones, una velocidad AM baja evita adaptar el efecto de dichas interacciones.
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
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.
Configuración del controlador para PV 2
El procedimiento es el mismo que se utilizó con el primer controlador. Enseguida se reportan

únicamente los parámetros elegidos.
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.
Al tratarse nuevamente de procesos de fase no mínima, se emplea para OUT y OUT la 2 1
siguiente estructura con tres coeficientes y DP = 0 en cada caso
PV (k) = A PV (k — 1) + A PV (k — 2) + B OUT (k — 1) + B OUT (k — 2)

2 1 2 2 2 1 2 2 2
+ B OUT (k — 3) + C OUT (k — 1) + C OUT (k — 2)

3 2 1 1 2 1 (4.20)
+ C OUT (k — 2)
3 1
120
De acuerdo a las ganancias K = - 0 . 2 9 y K = - 0 . 2 0 , se utilizan los siguientes valores

22 21
iniciales: A = 1.2, A = - 0 . 7 , B = 0.05, B = - 0 . 1 5 , B = - 0 . 0 4 5 , C = 0.05, C = - 0 . 1 y

1 2 1 2 3 1 2
C = - 0 . 1 . Se emplea además AM = 0.3 y NL = 0.

3
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
unidades y el límite incremental inferior como 2.
4 . 4 . 3 . EXPERIMENTACIÓN Y RESULTADOS
A d a p t a c i ó n de los modelos AP ante distintos escenarios iniciales
Al poner en marcha los controladores en el escenario MIMO se tienen diversas opciones:

inicializar los controladores por separado, forzando la convergencia de los coeficientes de
uno de los controladores cuando los demás están en operación manual; inicializar primero un
controlador y luego ir poniendo uno a uno el resto de los controladores en operación
automática, manteniendo activados los que ya están adaptados; o bien, activar
simultáneamente todos los controladores.
121
Adaptación independiente de cada controlador
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
Figura 4.33. Adaptación de los parámetros del modelo AP del CAP1, manteniendo CAP2 en modo manual.
122
predicción no tan estrecho, el mecanismo de adaptación logra la adaptación de los

coeficientes de manera suave y efectiva. Note que tras el tercer cambio en referencia, el
tiempo de estabilización y el sobretiro se han reducido drásticamente respecto al cambio
inicial.
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
Figura 4.34. Adaptación de los parámetros del modelo AP

del CAP2, utilizando valores iniciales inadecuados.
123
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
Figura 4.35. Adaptación de los parámetros del modelo AP del CAP1,
al habilitar ambos controladores simultáneamente.
124
Adaptación simultanea de ambos controladores
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.
Efecto del horizonte de predicción sobre sistemas de fase no mínima
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
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
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
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
96
SP1
94
PV1
Amplitud PV 1 92
90
88
86
84
82
20 40 60 80 100 120 140 160
35
OUT1
30
Amplitud OUT1
25
20
15
20 40 60 80 100 120 140 160

Figura 4.37. Efecto del horizonte de predicción sobre el proceso de fase no mínima (PH=3, valor inestable).
Efecto del horizonte de predicción sobre las interacciones del sistema
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
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
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
50
PH=12 PH=6 PH=5
Amplitud OUT1
40
30
20
10
0 50 100 150 200 250 300 350 400 450 500
55
Amplitud OUT2
50
45
40
PH=12 PH=6 PH=5
35
0 50 100 150 200 250 300 350 400 450 500
Figura 4.38. Respuesta ante cambio en SP1 (SP2 constante) utilizando distintos horizontes de predicción.
Lo contrario ocurre con horizontes de predicción reducidos: el primer controlador demanda

acciones de control rápidas y elevadas, haciendo que el otro controlador que también
depende de dicha señal de control responda rápido y con acciones fuertes. Este
comportamiento se observa como una aparente competencia entre las acciones de control, ya
que cuando una se incrementa, la otra reduce su valor. Estas acciones provocan interacción
mutua y pueden causar oscilaciones en la respuesta. Más aún, cuando el horizonte de
predicción se elige en el límite estable, el sistema fácilmente presenta un comportamiento
oscilatorio, como se muestra en la Figura 4.39. La Tabla 4.11 compara los indicadores de
desempeño obtenidos al realizar las variaciones del horizonte de predicción.
128
96
Amplitud PV 1
94
92
90
88
0 50 100 150 200 250 300 350 400
17
Amplitud PV 2
16
15
14
13
0 50 100 150 200 250 300 350 400
50
Amplitud OUT1
40
30
20
10
0 50 100 150 200 250 300 350 400
60
Amplitud OUT2
50
40
30
0 50 100 150 200 250 300 350 400
Figura 4.39. Respuesta ante cambio en SP1 (SP2 constante)

con un horizontes de predicción críticamente estable (PH=4).
Tabla 4.11. Indicadores de desempeño ante un cambio en la

referencia de PV1 utilizando distintos horizontes de predicción.
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
Ahora bien, recordemos el desempeño observado cuando se analizó el impacto de reducir la

constante de tiempo utilizada por el bloque conductor. Se observaba que a menor constante
de tiempo, la respuesta y las acciones de control serían más rápidas y bruscas. Con base el
comportamiento observado ante la variación del horizonte de predicción, es posible decir que
la interacción entre los sistemas también se reduce al utilizar constantes de tiempo más
grandes. La interacción puede regularse entre controladores eligiendo adecuadamente los
horizontes de predicción y las constantes de tiempo, reduciéndose al cambiar alguno de estos
parámetros para uno o ambos controladores. En general, buscar un desempeño que reduzca
el sobretiro y mejore el tiempo de respuesta afecta inversamente al nivel de interacción entre
las variables de control.
V a r i a c i ó n en los tiempos de respuesta y el efecto inverso
La robustez de la estrategia de control adaptativo predictivo se observa principalmente

cuando se presentan cambios en la dinámica de los procesos. Se simularon los siguientes
cambios en los procesos utilizados:
(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
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
20
Amplitud PV 2
18
16
14
12
0 500 1000 1500 2000 2500 3000 3500
60
Amplitud OUT1
40
20
0
0 500 1000 1500 2000 2500 3000 3500
60
Amplitud OUT2
50
40
30
20
0 500 1000 1500 2000 2500 3000 3500
Figura 4.40. Respuesta de los controladores ante cambios en el retraso y el efecto inverso.
131
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
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
Figura 4.41. Respuesta ante cambio en las ganancias (interacciones).
98
PH=7 PH=10
96
Amplitud
94
SP1
92 PV1
0 100 200 300 400 500 600 700 800 900

60
50
Amplitud
40
OUT1
30
0 100 200 300 400 500 600 700 800 900
Figura 4.42. Comparación de desempeño al variar el horizonte de predicción.
133
Desempeño ante perturbaciones
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
Figura 4.43. Desempeño ante perturbaciones a la salida del CAP1.
134
4.5. RECOMENDACIONES GENERALES

A partir del análisis realizado en este capítulo, se pueden realizar las siguientes
observaciones:
 El horizonte de predicción tiene especial importancia sobre el desempeño de control

de las salidas del proceso. Aumentar su valor permite que las acciones de control sean
más suaves y evita que se presente sobretiro u oscilaciones. Además, ayuda a reducir
las interacciones entre controladores y estabiliza la respuesta cuando se trabaja con
procesos de dinámica compleja, como en el caso de los procesos de fase no mínima.
 La configuración correcta del mecanismo de adaptación es indispensable para que el

controlador responda de manera estable. Si se selecciona adecuadamente el tamaño
del modelo adaptativo predictivo y sus valores iniciales, el mecanismo de adaptación
suele lograr que los modelos converjan a valores adecuados tras un par de
variaciones en las señales de control.
 El periodo de control tiene un fuerte impacto sobre el desempeño de los

controladores, especialmente cuando se trabaja con sistemas de control en cascada.
Una diferencia adecuada entre los periodos de control de los lazos maestro y esclavo
es importante para obtener una ventaja de la aplicación de esta estrategia de control.
 Los límites incrementales, tanto en las variables de salida, como en la trayectoria

deseada de control, se configuran en función de las características de los actuadores
del proceso. El tamaño permisible en los incrementos de las acciones de control tiene
también impacto en la estabilidad de la respuesta y en la factibilidad de obtener los
desempeños deseados que se eligen en el bloque conductor.
 La antealimentación de la perturbación constituye una forma sencilla de reducir el

impacto de las perturbaciones sobre las variables de proceso. Al trabajar con
controladores adaptativos predictivos, la incorporación de la perturbación como una
señal de entrada es muy simple, por lo que se recomienda cuando se dispone de una
medición de la perturbación sin importar cual sea el esquema de control que se esté
empleando.
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.
Mediante la implementación de la estrategia de control retroalimentado con

antealimentación de la perturbación, se observó que el desempeño de control regulatorio se
mejora de forma importante al disponer de las mediciones de las variables de perturbación y
antealimentarlas a los controladores adaptativos predictivos. Así, como conclusión se mostró
que los controladores adaptativos predictivos tienen un desempeño más robusto que los
controladores PID cuando los procesos presentan variaciones drásticas en su dinámica a lo
largo del tiempo.
139
CAPÍTULO 5: CONCLUSIONES Y TRABAJOS FUTURO
A través de la implementación de la estrategia en cascada, se mostró que es posible integrar

los controladores adaptativos predictivos ADEX en esquemas avanzados de control, donde se
requiere la interacción entre por lo menos dos controladores adaptativos predictivos. Las
simulaciones realizadas confirmaron que la estrategia en cascada es recomendable cuando se
manejan procesos con mediciones intermedias cuyas dinámicas difieren de manera
considerable en términos del tiempo de respuesta. Se puso en evidencia la importancia de
manejar distintos periodos de control en los controladores empleados así como una relación
adecuada entre los tiempos de respuesta de los sistemas. La implementación con
controladores adaptativos predictivos presentó un mejor desempeño que la realizada con
controladores PID convencionales cuando se presentaron variaciones en los procesos.
Adicionalmente, se realizó la implementación de un esquema de control multivariable. Con

ella, se simuló el control de un proceso multivariable de fase no mínima con interacciones
entre las señales de control. Se mostró que el control adaptativo predictivo facilita el control
de este tipo de procesos al emplear el concepto de la estrategia de control predictivo
extendida, que incorpora el horizonte de predicción en la ley de control. Se logró el control
del sistema MIMO, manifestándose que el grado de interacción entre las señales se ve
inversamente afectado por las demandas en el desempeño deseado en el bloque conductor.
Con esto, se observó la importancia de la selección correcta del horizonte de predicción sobre
la estabilidad de los sistemas multivariables.
5.2. TRABAJOS FUTUROS

Se proponen la realización de los siguientes trabajos futuros:
 El desarrollo de un método para la sintonización automática de los parámetros de

operación de los controladores adaptativos predictivos.
 La integración del módulo experto en diversas estrategias de control.
 La aplicación de las estrategias de control implementadas en el control de procesos

reales, reemplazando el módulo de simulación.
 La comprobación del funcionamiento de las estrategias con otras implementaciones o

enfoques de la estrategia de control adaptativo predictivo.
140
CAPÍTULO 5: CONCLUSIONES Y TRABAJOS FUTUROS
 El estudio de estabilidad y robustez de las estrategias avanzadas de control utilizando

controladores adaptativos predictivos.
141
BIBLIOGRAFÍA
143
Bibliografía
[1] ADEX. (2008). Metodología ADEX: Manual de Usuario. Madrid.
[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.
APLICACIÓN: SIMULACIÓN Y CONTROL DE UN SISTEMA MIMO 𝟐 × 𝟐

A continuación, se describe y ejemplifica el procedimiento para crear una aplicación para la
simulación y control de procesos multivariables de dos entradas por dos salidas, utilizando
una estrategia de control personalizada, una simulación personalizada y un panel de
supervisión acorde a las necesidades de la aplicación.
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).
1. CREACIÓN DE UN NUEVO PROYECTO

En principio, se requiere ejecutar la Plataforma ADEX COP 2.0, ya sea mediante el acceso
directo o a través de la ruta de ejecución: "X:\Program Files\ADEX\ADEX COP 2\Platform.exe".
Figura A.1. Icono para acceder a la plataforma.
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.
Figura A.2. Creación de un proyecto nuevo.
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.
Figura A.3. Nombre del proyecto.
150
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.
Figura A.4. Introducción de datos del proyecto.
2. CREACIÓN DEL PROCESADOR

Habiendo creado un proyecto nuevo, se muestra la pantalla principal de ADEX COP 2.0,
dividida en tres secciones: PROCESADOR, SUPERVISOR y SIMULADOR.
Figura A.5. Pantalla inicial de un proyecto (Aparatado de Procesador).
151
Creación de una estrategia de control personalizada.
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”.
Figura A.6. Creación de la estrategia personalizada.
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.
El panel frontal de la estrategia personalizada mostrará por defecto el contador de la

aplicación, como se muestra en la siguiente figura.
152
Figura A.7. Panel frontal inicial de la estrategia.
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.
Figura A.8. Diagrama de bloques inicial de la estrategia.
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
El paso 1 de la secuencia corresponderá a la lectura de datos y declaración de variables. Para

agregar un nuevo paso en la secuencia, se debe seleccionar Add frame after del menú
emergente de la secuencia apilada haciendo clic derecho sobre los bordes de ésta.
Figura A.9. Inserción de pasos en la secuencia apilada.
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.
Figura A.10. Paleta de instrumentos ADEX (conectores del Procesador).
154
Será necesario declarar las siguientes variables según su tipo:
 Entradas analógicas de operación
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.
Ahora, se declararán las siguientes variables en esta categoría:
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.
o SP[…], MAN[…], PERT[…], que especifican el valor de referencia o setpoint, la

manipulación en modo manual y el valor de la perturbación (manual) que se
introducirán desde el panel de supervisión. Se especificará para dichas
variables el controlador al cual corresponden (se utilizará C1 para controlar la
salida 1 y C2 para controlar la salida 2).
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
Figura A.11. Declaración de variables analógicas de operación.
 Entradas digitales de operación
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.
Se utilizará el conector para lectura de entradas digitales múltiples de operación

(MultiEd_OPE.vi). En este caso, se declararán las variables:
o MODO[C1], MODO[C2], que servirán desde el panel de supervisión como

selectores binarios del modo de operación (automático o manual) para cada
controlador.
156
 Entradas digitales de proceso.
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…)
Figura A.12. Comando "Select a VI".
Figura A.13. Selección de conector sencillo.
157
La variable a declarar con este conector es:
o AltComR, que es escrita por el proceso y sirve para comprobar la

comunicación con el controlador.
 Entradas analógicas de proceso.
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 conector que se utilizará es el de lectura de múltiples entradas analógicas de

proceso (MultiEa_IA.vi).
Las variables que se requieren son:
o PV[C1], PV[C2], que contienen el valor de cada variable de proceso.
o AI[C1], AI[C2], que contienen el valor de la entrada actual de operación que

recibió el proceso.
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).
En este paso, se hará uso nuevamente de conectores, en este caso de escritura. El

funcionamiento es similar ya que se cuenta con conectores sencillos y múltiples, y se conectan
al string con el nombre de la variable y a una variable local de la cual se toma el valor que se
les escribirá.
158
Figura A.14. Paso de declaración y lectura de variables.
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:
o AltComW, que es escrita por el controlador y sirve para comprobar la

comunicación con el proceso (o simulación). Nótese que en esta variable se
utiliza un operador de negación de la paleta de operadores lógicos.
159
 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.
Para éstas, se utilizará el conector para escritura de salidas analógicas múltiples

(MultiSa_OA.vi). Para crear el arreglo que se le conecta a la entrada se recomienda
utilizar la función Build Array que se encuentra en la paleta de arreglos.
Figura A.15. Paleta de instrumentos para arreglos.
Las variables a declarar serán:
o OUT[C1], OUT[C2], que toman el valor de salida dado por el controlador y lo

escriben para ser leído por el proceso (o simulación), así como por panel de
supervisión que lo despliega.
El programa debe quedar como se muestra en la Figura A.17.
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.
Figura A.16. Controlador ADEX.
160
Figura A.17. Paso del escritura de datos.
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.
Figura A.18. Conexión de controlador 1.
161
Nótese que en el controlador para la primera variable de proceso se utiliza como

perturbación medible el valor de la segunda variable de manipulación, y viceversa.
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:
Figura A.19. Creación de variables locales.
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:
Figura A.20. Selección de tipo de variable local.
162
Pasando al tercer frame, se hacen las conexiones del segundo controlador de modo que se
tenga la siguiente conexión:
Figura A.21. Conexión del controlador 2.
Con este paso queda terminada la configuración de la estrategia personalizada de control

utilizando LabVIEW, por lo cual se pueden cerrar la aplicación guardando los cambios para
regresar a la plataforma ADEX.
Figura A.22. Confirmación de cambios.
De nuevo en la plataforma, es necesario oprimir TEST STRATEGY para comprobar y validar

el correcto funcionamiento de la estrategia creada. Deberá aparecer un mensaje de
confirmación en la barra de estado, como se muestra en la siguiente figura.
163
Figura A.23. Comprobación de la estrategia.
Definir entradas y salidas
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.
Figura A.24. Selección de modo [SIM].
164
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.
Figura A.25. Asignación de modo [SIM].
Lo mismo habrá de realizarse con las variables bajo las pestañas de Digital OUTPUT, Analog
INPUT y Analog OUTPUT.
Definir rangos de entradas y salidas.
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
Figura A.26. Ventana de definición de rangos de E/S.
Definir valores iniciales.
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.
Dando doble clic sobre el nombre de un controlador se accede a sus opciones de

configuración.
166
Figura A.27. Ventana de configuración de los controladores ADEX.
Al configurar los parámetros de control, se seleccionará Configuration en el campo de

Controller Status. Dicha configuración se hará dependiendo de la aplicación de control que
se esté simulando, pudiéndose incluso llevar a cabo en línea mientras la aplicación se está
ejecutando. Una vez terminada la configuración inicial, se debe seleccionar la opción Ready en
el mismo campo, guardar los cambios (Save) y salir (Done).
La pestaña Parameters muestra otras opciones adicionales para el procesador. La opción

Cycle Time define el tiempo de procesamiento de los controladores y el tiempo de muestreo
de la estrategia. Es posible definirlo inicialmente según la necesidad específica. Para nuestra
aplicación, usaremos el valor por defecto de 1000 ms.
167
3. CREACIÓN DEL SIMULADOR

Una vez creada la aplicación del PROCESADOR, se creará el SIMULADOR del proceso al cual se
vincularon las variables creadas anteriormente. Para ello, se debe ir a la pestaña de
Simulator dentro de la plataforma de ADEX COP 2.0.
Al igual que con el PROCESADOR, es posible crear simulaciones estándar y personalizadas. En

este caso, se utilizará el modo personalizado, que permite mayor flexibilidad en la
programación. Para ello, se debe ir a la pestaña Custom y elegir Edit custom SIMULATION,
lo cual lanzará el editor de LabVIEW para programar el proceso a simular.
Figura A.28. Creación de una simulación personalizada.
La ventana de panel frontal de LabVIEW mostrará la VI en blanco con el contador del sistema.
168
Figura A.29. Panel frontal inicial de la simulación personalizada.
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.
Figura A.30. Paleta de instrumentos ADEX (conectores del Simulador).
Se utilizará el conector de lectura múltiple de entradas analógicas de operación

(MultiEa_OPE_SIM.vi) para variables provenientes del SUPERVISOR, como son los parámetros
A1[…], A2[…], A3[…], B1[…], B2[…], B3[…] y D[…], así como PERT[…].
169
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].
El conector para escritura múltiple de variables analógicas de simulación (MultiSa_IA_SIM.vi)

se utilizará para escribir los valores resultantes de las variables simuladas PV[…] y AI[…].
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).
Enseguida, se muestra la programación requerida para la simulación del proceso, la cual se

realizará agregando nuevos frames a la secuencia predeterminada. Cabe mencionar que cada
proceso tiene una estructura ARX con tres parámetros A y B, y un número de retardos D.
Figura A.31. Diagrama de bloques del Simulador (1/5).
170
Figura A.32. Diagrama de bloques del Simulador (2-3/5).
171
Figura A.33. Diagrama de bloques del Simulador (4-5/5).
172
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.
Figura A.34. Comprobación del Simulador.
4. CREACIÓN DEL SUPERVISOR

La tercera parte de la aplicación es el SUPERVISOR, es decir, la interfaz de monitoreo y
manipulación de las variables de operación. Para ello, se debe ir a la pestaña de Supervisor
de la plataforma y dar clic sobre la opción Create new OBJECT para crear un nuevo objeto
para el panel de supervisión.
173
Figura A.35. Creación de objetos para el Supervisor.
Aparecerá un diálogo para definir el nombre del objeto, el cual introduciremos antes de
continuar.
Figura A.36. Información sobre el objeto de supervisión.
Posteriormente, se abrirá automáticamente la herramienta de LabVIEW donde se creará el

panel de supervisión. Aparecerá una VI completamente en blanco. Se deberán agregar los
siguientes elementos al panel frontal para lograr una interfaz semejante a la siguiente figura.
174
Figura A.37. Panel frontal de la interfaz de supervisión.
Nota: Se utilizan botones booleanos de selección para la variable MODO, indicadores

numéricos para las variables PV, y controles numéricos para ingresar el resto de las variables
analógicas numéricas. Además se agregan gráficas para monitorear las señales y una ventana
con etiquetas para organizar los parámetros de los modelos.
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.
Los conectores que se utilizarán se encuentran en la subpaleta de SIMULADOR, que se muestra

enseguida.
175
Figura A.38. Paleta de instrumentos ADEX (conectores del Supervisor).
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.
Figura A.39. Diagrama de bloques del Supervisor 1 de 4.
176
En el siguiente paso, se realiza la programación de los controles para que se habilitan o

deshabilitan al cambiar de modo manual a automático y para tener un cambio suave al
cambiar de modo de operación. Las siguiente figura muestra la programación de este paso
(dentro del recuadro amarillo, se muestra los casos falso de los objetos tipo Case structure
mostrados en la parte superior).
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
Las conexiones de las gráficas de datos se realizan en el paso mostrado a continuación.
En el siguiente y último paso se realiza la escritura de las variables de operación capturadas

en la interfaz, haciendo uso del conector para múltiples salidas de operación. Es necesario
realizar las conexiones mostradas en la Figura A.42.
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
Tras seleccionar New Panel, aparecerá una ventana confirmando la eliminación del panel
anterior, la cual debe confirmarse dando clic en OK.
Aparecerá un nuevo panel en blanco y daremos clic en OK nuevamente.
A continuación, daremos clic derecho sobre el logotipo de ADEX del panel vacío.
179
Figura A.43. Configuración del nuevo panel.
Aparecerá el siguiente diálogo, donde seleccionaremos Insert.
Figura A.44. Diálogo de inserción de objeto.
Aparecerá un objeto vacío, sobre el cual se debe dar doble clic para reemplazarlo por el
objeto recién creado.
180
Figura A.45. Reemplazo de objetos en el panel de supervisión.
Enseguida, aparece la siguiente ventana de configuración.
Figura A.46. Ventana de propiedades de objetos.
181
En la lista de Object, seleccionaremos el objeto que se creó “Interfaz de supervisión.vi” y

damos clic en el botón con el símbolo de + (agregar).
Figura A.47. Configuración de propiedades de objeto (1/2).
Es importante activar la casilla de selección de Program; además, podemos desactivar

XScroll y YScroll. La ventana de configuración debe quedar como se muestra a continuación.
Figura A.48. Configuración de propiedades de objeto (2/2)
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
Figura A.49. Panel de supervisión creado.
A continuación, damos clic en Cerrar (X) y seleccionamos OK en el diálogo que aparece para
guardar los cambios.
Figura A.50. Confirmación de cambios.
Finalmente, dando clic en Test PANEL se valida el funcionamiento del panel recién creado.
Con este paso, se ha completado la programación de los tres elementos de la aplicación de

control ADEX.
183
5. CREACIÓN DE LA APLICACIÓN FINAL

Para completar la creación del proyecto, se deben compilar los programas (PROCESADOR,
SUPERVISOR y SIMULADOR) y construir la aplicación ejecutable. Para ello, se realizarán varios
pasos.
En primer lugar, verificar que estén seleccionados los tres elementos de la aplicación en el
menú Operation  Elements, como se ilustra a continuación.
Figura A.51. Selección de elementos del programa.
Enseguida, seleccionar Operation  Test & Build… (Ctrl+T), con lo que se mostrará la
siguiente ventana.
184
Figura A.52. Selección de elementos del programa.
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.
Figura A.53. Finalizar compilación de la aplicación.
185
6. EJECUCIÓN
Para poner en operación la aplicación de control, seleccionamos la opción Run (Ctrl+R) del
menú Operation.
Figura A.54. Correr la aplicación.
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
Discretizando dichas funciones con un tiempo de muestreo de 1 segundo, se obtiene que
𝑦11 𝑘 = 0.7788𝑦11 𝑘 − 1 + 0.2212𝑢1 𝑘 − 1 − 3

𝑦12 𝑘 = 0.8465𝑦12 𝑘 − 1 + 0.02303𝑢2 𝑘 − 1 − 2
(A.2)
𝑦21 𝑘 = 0.8187𝑦21 𝑘 − 1 + 0.03625𝑢1 𝑘 − 1 − 2
𝑦22 𝑘 = 0.8669𝑦22 𝑘 − 1 + 0.09319𝑢2 (𝑘 − 1 − 1)
Dichos parámetros se introducen en los modelos a simular. Posteriormente, se debe

introducir la configuración de los controladores. La ventana de configuración se obtiene
seleccionando Controller en la barra de menús.
Figura A.55. Selección de los controladores para configurar.
Para consejos de configuración, véase el Capítulo 3 y el Capítulo 4.
187
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.
Figura A.56. Configuración de los controladores en operación.
188
A continuación, se muestra el funcionamiento de los controladores cuando se aplican cambios

en las señales de referencia.
Figura A.57. Operación del simulador implementado.
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.
1. SIMULADOR DE UNA ESTRATEGIA DE CONTROL RETROALIMENTADO PARA UN
SISTEMA SISO CON ANTEALIMENTACIÓN DE LA PERTURBACIÓN
Se creó un simulador con las siguientes características:
 Capacidad de simulación de procesos de primer y segundo orden con tiempo muerto,

con modelos ARX discretos de hasta tres parámetros A y B, con un retraso máximo de
100 periodos discretos.
 Permite simular la estrategia de control adaptativo predictivo ADEX.
 Permite simulación un controlador PID con estructura ideal, sintonizable mediante

los parámetros Kc, Ti y Td y sujeto al límite incremental IL.
 Permite añadir una señal de ruido pseudoaleatorio con amplitud variable.
 El sistema de control puede operar en lazo abierto o cerrado, con y sin

antealimentación de la perturbación.
 Se cuenta con controles para variar los valores de OUT, SP y PERT y selectores de
modo de operación.
 Se tiene un área de graficado de señales.
 Se cuenta con saturación de las manipulaciones y transferencia suave entre modos de

control.
191
ANEXO B: DOCUMENTACIÓN DE LAS APLICACIONES DE CONTROL IMPLEMENTADAS
1. INTERFAZ DE CONTROL (SUPERVISOR)

La interfaz de control se creó utilizando LabVIEW. El panel frontal se muestra enseguida.
Las conexiones se realizan en el diagrama de bloques como se muestra a continuación.
192
2. ESTRATEGIA DE CONTROL (PROCESADOR)

El modulo de procesador implementa las estrategias de control de manera personalizada. La
programación se muestra en los siguientes diagramas de bloques.
193
3. PROCESO SIMULADO (SIMULADOR)

El proceso se simula mediante las acciones mostradas en los siguientes diagramas de bloques
programados mediante LabVIEW.
194
195
2. SIMULADOR DE UNA ESTRATEGIA DE CONTROL EN CASCADA

Se creó un simulador para sistemas en cascada, tal que:
 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.
 Permite simular la estrategia de control adaptativo predictivo ADEX con dos

controladores conectados en cascada.
 Permite la simulación de la estrategia con controladores PID ideales.
 Los controladores puede operar en modo manual o en cascada.
modo de operación para ambos controladores.
 Se cuenta con saturación de las manipulaciones.

El panel frontal creado en LabVIEW se muestra a continuación.
196

Las siguientes figuras muestran la estrategia personalizada implementada.
197
198

Los diagramas de la simulación se presentan a continuación para los procesos maestro y
esclavo. Se maneja por separado la simulación del proceso de cada procesador, ADEX y PID.
199
200
3. SIMULADOR DE UNA ESTRATEGIA DE CONTROL MULTIVARIABLE 𝟐 × 𝟐

La aplicación de simulación tiene las siguientes características:
 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.
 Permite simular la estrategia de control multivariable con dos controladores

adaptativos predictivos ADEX.
 Los controladores puede operar en modo manual o automático de manera

independiente.
modo de operación para ambos controladores.

La interfaz de operación implementada se muestra en la siguiente figura.
201

La estrategia se implementó de forma personalizada mediante LabVIEW con los siguientes
diagramas de bloques.
202
203

La simulación del proceso multivariable se implementó en LabVIEW mediante los siguientes
diagramas de bloques.
204
205
206
Anexo C. Guía rápida de parámetros de los
controladores ADEX
En esta sección, se enlistan y describen los 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”.
CP – Periodo de control. Determina la cantidad de periodos de muestreo que deben

transcurrir entre cada acción de control generada por el controlador ADEX.
BLOQUE DE CONTROL
LV – Valor inferior. Valor más bajo en el rango de variación medible de 𝑃𝑉.
UV – Valor superior. Valor más alto en el rango de variación medible de 𝑃𝑉.
FL – Constante de filtrado. Determina el valor filtrado de la variable de proceso en el

instante de muestro 𝑘, 𝐹𝑃𝑉 𝑘 , a partir del valor medido 𝑃𝑉 𝑘 utilizando la ecuación
𝐹𝑃𝑉 𝑘 = 𝐹𝐿 ∗ 𝑃𝑉 𝑘 + 1 − 𝐹𝐿 ∗ 𝐹𝑃𝑉 𝑘 − 1 .
LL – Límite inferior. Valor menor que tomará la salida de control.
UL – Límite superior. Valor mayor que tomará la salida de control.
IL – Límite incremental. Incremento mayor para la manipulación por periodo de control.
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
SI – Incremento significativo. Representa el límite en valor absoluto de la perturbación, que

libera al controlador del límite incremental inferior para la salida de control aún y cuando el
proceso se encuentre alrededor del valor de referencia.
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.
N – Número de parámetros. Dependiendo del renglón o entrada configurada (𝑂𝑈𝑇 o 𝑃𝑉),

define el número de parámetros considerados en el modelo AP. Al resto de los parámetros
mostrados, pero no considerados, se les asigna un valor de cero.
A – Habilitación de la adaptación. Deshabilita o habilita la adaptación de los parámetros de

la señal correspondiente (𝑂𝑈𝑇 o 𝑃𝑉).
AG – Ganancia de adaptación. Para mejorar el desempeño del mecanismo, cambia el rango

interno de variación de las variables el modelo AP (𝑂𝑈𝑇 o 𝑃𝑉).
DP – Periodos de retardo. Indica el número de periodos de control que tardará la variable

de proceso en comenzar a cambiar cuando se ha generado un cambio en la acción de control.
S – Signo de la ganancia. Tomará el valor de 1 si la respuesta del proceso tiene un

incremento positivo ante un incremento también positivo en la salida del controlador, en el
caso contrario, tomará el valor de -1.
AM – Velocidad del mecanismo de adaptación. Regula la velocidad de adaptación de los

parámetros del modelo AP. Varía entre 0, cuando está desactivada, y 1, cuando es máxima.
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 Actuales. Valor actual generado por el mecanismo de adaptación para cada

parámetro 𝐵𝑖 del modelo AP.
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.
TR – Tiempo de residencia. Número de periodos de control que el modelo AP necesita para

adquirir los datos mínimos que le permitan empezar el cálculo de una señal de control.
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.
PH – Horizonte de predicción. Define el número de periodos adelante del instante de

control actual en los cuales se definirá la trayectoria de la salida deseada del proceso. La señal
de control del proceso se calculará de modo que la variable de proceso predicha iguale a la
variable de proceso deseada al cabo de este periodo.
TC – Constante de tiempo. Constante de tiempo de la trayectoria deseada generada por el

bloque conductor, de acuerdo a un modelo de segundo orden con una ganancia estática y un
factor de amortiguamiento igual a uno. Se expresa en función de CP.
209

DocsTec 10535 PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

DocsTec 10535 PDF

Загружено:

Авторское право:

Доступные форматы

Diseño e Implementación de Estrategias

Avanzadas de Control Utilizando Controladores

Title Diseño e Implementación de Estrategias Avanzadas de Control

Issue Date 2010-05-01

Publisher Instituto Tecnológico y de Estudios Superiores de Monterrey

Item Type Tesis de maestría

Downloaded 17/10/2018 20:09:37

Link to Item http://hdl.handle.net/11285/569727

PROGRAMA DE GRADUADOS EN MECATRÓNICA Y

DISEÑO E IMPLEMENTACIÓN DE ESTRATEGIAS AVANZADAS DE CONTROL

PRESENTADA COMO REQUISITO PARCIAL PARA

MAESTRO EN CIENCIAS CON

MANUEL GUSTAVO DELGADO GARZA

MONTERREY, N.L. MAYO DE 2010

DIVISIÓN DE MECATRÓNICA Y TECNOLOGÍAS INFORMACIÓN

PROGRAMA DE GRADUADOS EN MECATRÓNICA Y

Dr. Antonio Favela Contreras

Dr. José de Jesús Rodríguez Ortiz

M.C. Luis Rosas Cobos

Dr. Gerardo Antonio Castañón Ávila

MANUEL GUSTAVO DELGADO GARZA

PRESENTADA AL INSTITUTO TECNOLÓGICO Y

ESTE TRABAJO ES REQUISITO PARCIAL PARA

MAESTRO EN CIENCIAS CON

A mis hermanas, Diana, Mercedes e Ileana, por sus consejos y apoyo.

Al Tecnológico de Monterrey, por el apoyo para realizar mis estudios de maestría.

A mis maestros y coordinadores de la maestría, por la asesoría constante que me brindaron.

A mis amigos y compañeros, por su apoyo, consejo y amistad.

En el presente trabajo de tesis presentado como requisito para la obtención de grado de

En la primera parte de este trabajo, se estudió la estrategia de control adaptativo predictivo,

CAPÍTULO 1. INTRODUCCIÓN ............................................................................................................... 3

CAPÍTULO 2. CONTROL ADAPTATIVO PREDICTIVO EXPERTO ........................................................... 11

CAPÍTULO 3. ANÁLISIS DEL EFECTO DE LOS PARÁMETROS DE LOS CONTROLADORES

3.1. Bloque de proceso .......................................................................................................................................... 49

CAPÍTULO 4. ESTUDIO DE ESTRATEGIAS DE CONTROL: ANÁLISIS, EXPERIMENTACIÓN Y

4.1. Estrategias de control basada en controladores AP ......................................................................... 71

CAPÍTULO 5. CONCLUSIONES Y TRABAJOS FUTUROS ...................................................................... 139

ANEXOS ............................................................................................................................................ 147

Figura 2.1. Diagrama de bloques básico del control predictivo. ............................................................ 12

Tabla 4.1. Indicadores de desempeño ante un cambio en referencia para el sistema

En el presente capítulo se proporciona el entorno del trabajo de

El esquema de control más clásico es el denominado control retroalimentado. Bajo dicho

Ante esta situación, surge la necesidad de controladores y estrategias capaces de solucionar

De manera específica, se pretende alcanzar lo siguiente:

 Estudiar a fondo la estrategia de control adaptativo predictivo.

 Implementar distintas estrategias de control basadas en controladores adaptativos

 Analizar el efecto operacional de los principales parámetros de los controladores

 Proporcionar pautas generales para configurar los controladores adaptativos

 Analizar la forma en que los controladores adaptativos predictivos interaccionan

 Contrastar el desempeño de estas estrategias de control avanzado frente a esquemas

 Investigación bibliográfica sobre la estrategia de control adaptativo predictivo.

 Estudio de la metodología ADEX y familiarización con la plataforma ADEX COP,

 Implementación de un simulador de la estrategia retroalimentada básica de control

 Estudio de los parámetros involucrados en la operación de los controladores

 Implementación de simuladores para estrategias de control avanzadas utilizando

 Diseño, sintonización y simulación de procesos controlados mediante las estrategias

 Análisis del desempeño de los controladores en las estrategias implementadas ante

 Presentación de conclusiones y perspectivas de trabajos futuros.

1.5. ORGANIZACIÓN DE LA TESIS

En el Capítulo 3 se profundiza en el impacto de los principales parámetros que conforman a

En el Capítulo 4 se presentan algunas estrategias de control más usadas, implementadas con

En el Capítulo 5 se presentan las conclusiones de la investigación y recomendaciones para

En el presente capítulo se introduce la metodología de control adaptativo