Pre 2049 1574824541 PDF

DESARROLLO DE PLANTAS Y GUÍAS PARA PRÁCTICAS PARA LA
IDENTIFICACIÓN Y CONTROL DE SISTEMAS USANDO MATLAB/SIMULINK Y

HARDWARE DE BAJO COSTO
ANTONIO VICENTE CALDERON VASQUEZ

JUNIOR JARABA URREA
UNIVERSIDAD DE INVESTIGACIÓN Y DESARROLLO UDI

FACULTAD DE INGENIERÍAS
INGENIERÍA ELECTRÓNICA
BUCARAMANGA
2019
DESARROLLO DE PLANTAS Y GUÍAS PARA PRÁCTICAS PARA LA
IDENTIFICACIÓN Y CONTROL DE SISTEMAS USANDO MATLAB/SIMULINK Y
HARDWARE DE BAJO COSTO
ANTONIO VICENTE CALDERON VASQUEZ

JUNIOR JARABA URREA
TRABAJO DE GRADO PARA OPTAR AL TÍTULO DE INGENIERO

ELECTRÓNICO
Director de proyecto
OSCAR FERNANDO BECERRA ANGARITA
Docente UDI Ingeniería Electrónica
Magister Ingeniería Eléctrica
UNIVERSIDAD DE INVESTIGACIÓN Y DESARROLLO UDI

FACULTAD DE INGENIERÍAS
INGENIERÍA ELECTRÓNICA
BUCARAMANGA
2019
CONTENIDO
1 INTRODUCCIÓN...................................................................................................................... 10
2 PLANTEAMIENTO DEL PROBLEMA ...................................................................................... 11
3 JUSTIFICACIÓN ...................................................................................................................... 14
4 OBJETIVOS ............................................................................................................................. 16
4.1 OBJETIVO GENERAL ...................................................................................................... 16
4.2 OBJETIVOS ESPECÍFICOS ............................................................................................. 16
5 MARCO REFERENCIAL .......................................................................................................... 17
5.1 ESTADO DEL ARTE ......................................................................................................... 17
5.1.1 Entornos de experimentación para la Enseñanza de Modelado y Control. ............... 17
5.1.2 An Approach for Teaching Automatic Control in a Laboratory of Mechatronics ........ 18
5.1.3 Desarrollo de una plataforma de hardware portátil de bajo costo para la enseñanza
del control y la teoría de sistemas. ........................................................................................... 19
5.1.4 A Low-cost open source hardware in control education. case study: arduino-feedback
ms-150 ...................................................................................................................................... 21
5.2 MARCO TEÓRICO ........................................................................................................... 23

5.2.1 Modelado e identificación .......................................................................................... 23
5.2.2 Descripción del sistema en un modelo continúo. ...................................................... 26
5.2.3 Modelos a utilizar en tiempo continuo. ...................................................................... 27
5.2.4 Descripción del sistema en un Modelo discreto. ....................................................... 28
5.2.5 Modelos discretos complejos. ................................................................................... 29
5.2.6 Identificación de sistemas. ........................................................................................ 31
5.2.8 Identificación mediante métodos que usan mínimos cuadrados. ............................. 36
5.2.2 El proceso de identificación (Coelho - Aguirre) ......................................................... 39
5.2.3 Motores de corriente directa ..................................................................................... 40
5.3 MARCO TECNOLÓGICO ................................................................................................. 44

5.3.1 Materiales. ................................................................................................................. 44
5.3.2 Herramientas de Hardware ....................................................................................... 44
1
5.3.3 Herramientas de Software. ....................................................................................... 46
6 METODOLOGÍA DE LAS PRÁCTICAS ................................................................................... 49

6.1 SELECCIÓN DE PRÁCTICAS .......................................................................................... 49
6.2 SELECCIÓN DE COMPETENCIAS.................................................................................. 51
6.3 DINÁMICA DE LA PRÁCTICA .......................................................................................... 52
7 FUNDAMENTO TEÓRICO DE IDENTIFICACIÓN DE SISTEMAS Y CONTROL PARA LAS
PRÁCTICAS ...................................................................................................................................... 53
7.1 MODELADO DE UN SISTEMA......................................................................................... 53
7.1.1 Identificación de sistemas. ........................................................................................ 53
7.1.2 Identificación no paramétrica.. .................................................................................. 54
8 DISEÑO E IMPLEMENTACIÓN DE LAS PLANTAS ............................................................... 62

8.1 PLANTA 1 ......................................................................................................................... 63
8.2 PLANTA 2 ......................................................................................................................... 64
8.3 PLANTA 3 ......................................................................................................................... 66
9 INTERFAZ MATLAB/SIMULINK - ARDUINO .......................................................................... 68
9.1 INTERFAZ 1 ...................................................................................................................... 68
9.2 INTERFAZ 2.1 ................................................................................................................... 69
9.3 INTERFAZ 2.2 ................................................................................................................... 69
9.4 INTERFAZ 3.1 ................................................................................................................... 71
9.5 INTERFAZ 3.2 ................................................................................................................... 72
9.6 INTERFAZ 3.3 ................................................................................................................... 73
10 DESARROLLO DE LAS GUÍAS ............................................................................................... 74
11 CONCLUSIONES Y RECOMENDACIONES ......................................................................... 109
12 BIBLIOGRAFÍA....................................................................................................................... 110
2
LISTA DE FIGURAS
Figura 1. Representación de un Sistema ................................................................. 5
Figura 2. Imagen y esquema funcional de la maqueta de cuatro tanques. ............ 18
Figura 3. Configuración experimental del modelo propuesto ................................. 19
Figura 4. Configuración del sistema....................................................................... 21
Figura 5. Ilustración del sistema y conexiones....................................................... 22
Figura 6. Principios para la construcción de un modelo matemático. .................... 25
Figura 7. Sistema de control por computador ........................................................ 30
Figura 8. Método de la recta tangente. .................................................................. 33
Figura 9. Método de Smith. .................................................................................... 34
Figura 10. Método Sundaresan/Krishnaswacmy.................................................... 35
Figura 11. Ilustración de la regla de mano izquierda de la acción del motor. ........ 41
Figura 12. Esquema simplificado del motor CD. ................................................... 41
Figura 13 Voltaje inducido por el movimiento de un conductor en un campo

magnético. ............................................................................................................. 42
Figura 14. Clasificación de los motores de corriente continua. .............................. 43
Figura 15. Imagen Arduino Mega 2560 ................................................................. 45
Figura 16. Análisis de la respuesta al escalón para la obtención del modelo

paramétrico, método de Miller................................................................................ 56

paramétrico, método de Smith. .............................................................................. 57
Figura 18. Modelo del tipo función de transferencia IDLTI. .................................... 61
Figura 19. Esquema general para los montajes..................................................... 62
3
Figura 20. Impresión 3D plantas. ........................................................................... 63
Figura 21. Base para el montaje del sistema eléctrico. Diseño 3D y planta real. .. 64
Figura 22. Esquema de conexión eléctrica de la planta 1. ..................................... 64
Figura 23. Soporte para motor y generador. Diseño 3D y planta real. ................... 65
Figura 24. Esquema de conexión eléctrica para montaje planta 2......................... 66
Figura 25. Base, pedestal y péndulo. Diseño 3D y planta real. ............................. 67
Figura 26. Esquema de conexión eléctrica para montaje planta 3......................... 67
Figura 27. Interfaz Simulink para la adquisición de señales. ................................. 68
Figura 28. Modelo para el control de velocidad realimentado para motor de

corriente directa. .................................................................................................... 70
4
GLOSARIO
Señales1. Una señal es una función de una o más variables independientes y

contienen información acerca de la naturaleza o comportamiento de algún
fenómeno.
Plantas. Ogata2 la define como: “ una planta puede ser la parte de un equipo, tal
vez un conjunto de elementos que funcionan juntos, y cuyo objetivo es efectuar
una operación particular.” en este trabajo se les llamará plantas a los dispositivos y
objetos físicos entregables a los cuales se les va a identificar y hacer el respectivo
control.
Procesos. Es: “cualquier operación que se va a controlar.”3 Los ejemplos de

procesos pueden ser procesos químicos, físicos, biológicos, económicos entre
otros.
Sistema. “Un sistema es una combinación de componentes que actúan juntos y

realizan un objetivo determinado.”4 Es decir un sistema es un conjunto de
componentes unidos para cumplir un propósito.
En la siguiente figura se ilustra los principales elementos de un sistema:
Figura 1. Representación de un Sistema
1 A. OPPENHEIM y A. WILLSKY, Señales y Sistemas, 1998.
2
K. OGATA, Ingeniería de control Moderna, Madrid: Pearson Pentice Hall, 2003.
3
Ibid. p.3
4
Ibíd. p.3
5
Fuente: A. A. R. COELHO y L. DOS SANTOS COELHO, Identificacao de Sistemas
Dinamicos Lineares, Brasil: Editora da UFSC, 2015.
Sistemas de control. “Un sistema de control está formado por subsistemas y

procesos (o plantas) unidos con el fin de controlar las salidas de los procesos.”5 [1]
aunque se hace la salvedad que los sistemas en general pueden ser interpretado
como un fenómeno, un sistema biológico, entre otros donde se pueda realizar el
control en alguna variable o varias.
Perturbación. Definida como: “una señal que tiende a afectar negativamente el

valor de la salida de un sistema.”6 El ruido es la perturbación presente en los
sistemas de control.
Señales típicas de prueba. “las señales de prueba que se usan regularmente son
funciones escalón, rampa, impulso, entre otras”7
Respuesta transitoria. “se refiere a la que va del estado inicial al estado final.”8
Es decir el cambio observado en un sistema al aplicarle algún tipo de señal, que
puede ser de prueba, hasta que este se estabilice o muestre una tendencia a
algún valor de estabilidad o inestabilidad.
Respuesta en estado estacionario. “Se entiende como la manera como se

comporta la salida del sistema conforme el tiempo tiende a infinito,”9 es decir la
respuesta del sistema con el pasar del tiempo, se conoce como el estado estable
del sistema.
5
N. S. NISE, Sistemas de Control para Ingeniería, Mexico: Grupo Patria Cultural S.A, 2002
6
7
8
Ibíd. p.3
9 K. OGATA, Ingeniería de control Moderna, Madrid: Pearson Pentice Hall, 2003.
6
Lazos de control
Lazo abierto. Son los sistemas los cuales la acción de control no depende de la
salida, es decir no se mide la salida para ser retroalimentada ni compararla con la
entrada.10 la calibración es parte fundamental para el diseño de control del sistema
ya que los sistemas de control tipo lazo abierto son susceptible a errores en
presencia de perturbaciones.
Lazo cerrado. Son los sistemas en los cuales las acciones de control dependen
del error de actuación, que es la diferencia entre la señal de entrada y la señal de
retroalimentación, donde esta puede ser la misma señal de salida o una señal
dependiente de la salida, con el propósito de llevar la respuesta del sistema a un
valor conveniente, claramente las perturbaciones en este tipo de lazo de control si
están contempladas y el sistema tiende a auto-recalibrarse, es decir trabaja para
reducir el error constantemente.
10
Ibíd. p.7
7
RESUMEN
Para la ingeniería el control es una de las áreas de mayor campo de acción que
hay en la actualidad, el profesional debe contar con experticia al momento de
querer controlar un proceso, pero el diseño de un control requiere identificar y
modelar el sistema como pasos anteriores al control; la industria actualmente
requiere diseños de sistemas de control robustos, de implementación práctica,
acordes a un presupuesto y eficientes. Todo estas competencias y exigencias
requieren que el estudiante en ingeniería tenga bases sólidas en el diseño de
sistemas de control; este trabajo pretende ofrecer herramientas didácticas para la
enseñanza en control, fortaleciendo especialmente la identificación y modelado de
sistemas. Se presenta la construcción de plantas reales, manuales y guías para la
orientación de dichas prácticas donde se apliquen las diferentes técnicas de
identificación, modelado y control de sistemas, apoyándose de sistemas
embebidos como Arduino y software especializados, contando con las licencias de
la universidad, como MATLAB y su entorno grafico de programación SIMULINK.
La integración planta, hardware (sistema embebido) y software es una de las
herramientas didácticas junto con los manuales y guías de laboratorio para la
educación en control en estudiantes de la Universidad de Investigación y
Desarrollo. UDI
8
ABSTRACT
For engineering, control is one of the areas of greatest field of action, the professional
must have expertise when wanting to control a process, but the design of a control
requires identifying and modeling the system as previous steps to control; The industry
currently requires robust control system designs, practical implementation, budget-efficient
and efficient. All these competencies and requirements require that the engineering
student have a solid foundation in the design of control systems; This work aims to offer
teaching tools for teaching in control, especially strengthening the identification and
modeling of systems. The construction of real plants, manuals and guides for the
orientation of these practices is presented where the different techniques of identification,
modeling and control of systems are applied, based on embedded systems such as
Arduino and specialized software, with the university licenses, as MATLAB and its graphic
programming environment SIMULINK. The integration of plant, hardware (embedded
system) and software is one of the teaching tools together with the manuals and laboratory
guides for education in control in students of the University of Research and Development.
IDU
9
1 INTRODUCCIÓN
La formación en las universidades ha introducido el concepto de competencia en

la formación, dando relevancia al cambio y encaminándola hacia conseguir
profesionales competentes y no sólo conocedores de información. Es por esta
razón que se hace necesario alinear las competencias con los procesos de
aprendizaje que tienen lugar durante los cursos académicos, esto se logra
mediante la proposición de actividades prácticas que, a partir de la
experimentación, la interacción y el análisis formen en los estudiantes tanto los
saberes como las habilidades necesarias para el ejercicio de sus profesiones.
En el caso de la ingeniería electrónica, una de las principales líneas de acción son

los sistemas de control, siendo fundamental una buena comprensión tanto del
proceso como de las metodologías de diseño e implementación. La tarea de
controlar plantas puede ser abordada mediante la aplicación de diferentes teorías
de control, una de ellas es la aplicación del control clásico, que además es
fundamental.
El diseño de controladores dentro de la teoría clásica se limita a plantas lineales e

invariantes en el tiempo, y además requiere que se cuente con una caracterización
previa del sistema sobre el cuál se desea trabajar, a este proceso se le denomina
identificación de la planta.
A lo largo de este documento se presenta el desarrollo de 4 prácticas enfocadas al

aprendizaje de los procesos de identificación de plantas y al diseño de
controladores en el marco de la teórica clásica del control, haciendo uso de
herramientas tecnológicas como software de simulación. Los productos
desarrollados abarcan el diseño de las plantas físicas junto con los componentes
necesarios para su funcionamiento, las guías para el desarrollo y las interfaces
para la comunicación entre las plantas a través de Arduino y Matlab/Simulink.
10
2 PLANTEAMIENTO DEL PROBLEMA
Una de las ramas de la ingeniería electrónica es el control, el futuro ingeniero debe

estar familiarizado con el tema porque el control está presente a diario, en el
cuerpo humano, por ejemplo, donde controla su temperatura, metabolismo,
respiración, entre otros procesos, la mayoría de estos en forma inconsciente;
están presentes en la naturaleza y podemos observarlos a diario. Ahora en el
campo de la ingeniería el control está presente a todo momento, por ejemplo,
mantener un avión en el aire, requiere de un sistema de control robusto y
complejo, direccionar un proyectil, mantener estable un reactor nuclear, y como
estos hay muchísimos problemas de alta complejidad; pero también hay
problemas de control menos complejos, como el control de temperatura de una
incubadora, el proceso de pedir un ascensor, el control de acceso a una institución
con el carnet, por ejemplo a la universidad, etc.
El ingeniero en formación debe estar preparado para enfrentarse a las situaciones

donde amerite el uso de las técnicas de control, pero como en la mayoría de las
cosas, las bases deben estar bien cimentadas; además el campo de acción al que
un ingeniero puede tener acceso si aprende bien el área de ingeniería electrónica
denominada control. Lo dice Nise11 “el diseño de sistemas de control es un
promisorio campo de acción” y con las razones antes expuestas así lo
demuestran.
Los cursos académicos impartidos en los diferentes claustros universitarios

generalmente son de corte teórico, Contreras, Tristancho y González12
apoyándose en Van Dijk enfatiza que: “La práctica académica de la universidades
11
N. S. NISE, Sistemas de Control para Ingeniería, Mexico: Grupo Patria Cultural S.A, 2002. P.7
12
Van Dijk, L. A., G. C. van der Berg & H. van Keulen. “Using active instructional methods in lectures: a matter of skills
and preferences.”, Innovations in Education and Training International, Vol. 36, N° 4, pp. 260-272, 1999.Educación Superior
CITADO POR: L. E. CONTRERAS BRAVO, J. A. TRISTANCHO ORTIZ y K. GONZÁLEZ, «Diseño de guías de laboratorio
para desarrollar habilidades profesionales en la asignatura Automatización del programa de ingeniería industrial,» Revista
Academia y Virtualidad, pp. 112-122, 2015.
11
se ha concentrado en una clase magistral caracterizada por una fuerte transmisión
de conocimientos, monótona y de pocos recursos tecnológicos que ayuden al
estudiante a entender y comprender los diferentes fenómenos (Van Dijk, 1999),
cuando en realidad también se pueden proporcionar herramientas para que los
estudiantes construyan su propio aprendizaje”. aunque CANDELAS y SANCHEZ 13
señalan que en las últimas dos décadas, los diferentes centros de investigaciones
han aportado diversas herramientas para afianzar el conocimiento incorporando el
uso de nuevas tecnologías; se debe ser consiente en la realización de prácticas en
materias de corte científico-practico, donde dichas prácticas demandan recursos
donde se tengan laboratorios de experimentación; este proyecto ofrece mejorar los
ambientes de aprendizaje del control, donde el estudiante construya e interiorice el
conocimiento, por medio de plantas reales implementadas con hardware de bajo
costo, de fácil manejo y con implementación teórico-práctica, busca ser una
herramienta innovadora de la enseñanza en control, la cual ofrece recursos
didácticos que afianzaran la enseñanza y aprendizaje en control.
Las diferentes herramientas con las que actualmente se cuentan poseen tres tipos
de dificultades o factores que dificultan aprovechar bien estos espacios, según
CANDELAS y SANCHEZ los factores son económicos, espaciales y temporales 14.
En este trabajo se busca contribuir a superar las dificultades. Afortunadamente la
comunidad académica y científica ha desarrollado herramientas para afianzar los
conocimientos, en control y automatización empresas como Festo15 y su programa
Festo Didactic que ofrecen soluciones y modernos equipos para laboratorio; pero
el costo económicos de estas herramientas son costosas, junto con los factores y
13 F. A. CANDELAS HERÍAS y J. SÁNCHEZ MORENO, «RECURSOS DIDÁCTICOS BASADOS EN INTERNET PARA

EL APOYO A LA ENSEÑANZA DE MATERIAS DEL ÁREA DE INGENIERÍA DE SISTEMAS Y AUTOMÁTICA,» Revista
Iberoamericana de Automática e Informatica Industrial RIAI, vol. 2, nº 2, pp. 93-101, 2005.
14
Ibíd. p. 93
15
FESTO,
12
las dificultades anteriormente expresadas, hacen que acceder a ellas no sea tan
sencillo; las educación en control actualmente posee una gran cantidad de
simuladores, laboratorios remotos y herramientas acopladas de distintos softwares
académicos con las plantas de laboratorio, pero el problema está en que se
necesitan sistemas sencillas, de fácil reproducción, donde el estudiante se
enfrente a situaciones reales y vea en tiempo real y en plantas reales los
comportamientos y a partir de esta interacción aplicar los métodos de
identificación para modelar y controlar un sistema de control, que tenga esa
experiencia y fortalezca su habilidad en control aplicando el conocimiento.
En este proyecto se busca darle otra herramienta más para afianzar la enseñanza
y el aprendizaje del control clásico y moderno, con la construcción de plantas y
sistemas de adquisición de datos de bajo costo junto con las guías prácticas de
laboratorios, para la identificación que conllevará a modelar el proceso
matemáticamente y realizarle el control de las plantas reales construidas para
laboratorios de control.
¿Es posible desarrollar prácticas que faciliten el desarrollo tanto de

competencias genéricas como específicas relacionadas al campo del control
con un bajo costo?
13
3 JUSTIFICACIÓN
La evolución constante de la ciencia y tecnología exige una constante

actualización en los conocimientos, pero generalmente las bases siempre son las
mismas; para Berenguel, Guzmán y Domínguez16 uno de los problemas del
modelo educativo es que los estudiantes de ingeniería requieren acercarse al
conocimiento de una manera práctica de tal forma que el concepto quede claro y
se acerque a la mayor aplicabilidad posible. El desafío educativo al momento de
transmitir el conocimiento es grande, los docentes están llamados a utilizar todas
las herramientas brindadas por la ciencia para transmitir el conocimiento; la
disciplina científica que es la directriz en la transmisor de conocimiento se llama la
didáctica que es “ la disciplina de carácter práctico y normativo que tiene como
objeto especifico la técnica de la enseñanza, esto es, la técnica de dirigir y orientar
eficazmente a los alumnos hacia su aprendizaje.” Entonces el diseño de plantas y
guías prácticas pretende cumplir el objeto de la didáctica, es decir convertirse en
una herramienta para orientar eficazmente el aprendizaje en el aula de clases y
específicamente en el área de control clásico y control moderno.
Los distintos trabajos propuestos y desarrollados para la enseñanza del control y

la automatización de los últimos años, han evidenciado el fortalecimiento de la
enseñanza y el aprendizaje, específicamente en asignaturas con corte teórico-
práctico, Berenguel, Guzmán y Domínguez17 expresan que el alumno necesita
poner en práctica los conocimientos teóricos y más aún que la ingeniaría va
acompañada de una fuerte componente matemática aplicada con aspectos de
abstracción gráfica, como un campo eléctrico, por lo tanto el apoyo que le dan los
elementos prácticos donde se involucren herramientas que permitan la
visualización y la experimentación son de gran utilidad.
16
J. L. BERENGUEL, M. GUZMÁN y M. DOMIÍNGUEZ, «Entornos de experimentación para la Enseñanza de Modelado y
Control,» Revista Iberoamericana de Automática e Informática Industrial RIAI, vol. 7, pp. 10-22, 2010.
17 Ibíd. p.10
14
Afortunadamente los diferentes grupos de investigación en ingeniería han
propuesto cantidad de recursos en pro de la enseñanza en ingeniería,
específicamente en control, pero las dificultades a las cuales se han enfrentado
cuando de forma tradicional se realizan los laboratorios de control, obedecen a
tres factores anteriormente comentados, que son económicos, espaciales y
temporales; económicos por el costo de los equipos y licencias de software
especializados para ello, espacial por la cantidad de estudiantes con respecto a la
cantidad de equipos y temporales por el acceso a los laboratorios, generalmente
con acompañamiento de un instructor. A esto se le puede agregar la practicidad
del mercado laboral que exige claridad en los conocimientos, versatilidad, rapidez,
eficiencia y eficacia.
Los contenidos de esta rama de la ingeniería, con presencia de matemática

compleja, necesita entornos aplicables; este proyecto permite esta aplicación y
además ofrece beneficios como permitirle a cualquier estudiante que lea este
documento iniciarse en el campo de la identificación de sistemas, donde puede
visualizar el comportamiento en tiempo real de una planta orientado por las guías
prácticas, además usando las técnicas de identificación experimental, podrá
encontrar el modelo matemático que describa el funcionamiento del sistema; la
parte de hardware y el software se pueden replicar con facilidad, es decir permite
una portabilidad y no somete al estudiante a las disponibilidades de las salas de
laboratorio.
15
4 OBJETIVOS
4.1 OBJETIVO GENERAL
Desarrollar un entorno de aprendizaje para la identificación de sistemas de control,

compuesto por prácticas de laboratorio y plantas reales de bajo costo.
4.2 OBJETIVOS ESPECÍFICOS
 Investigar y clasificar los diferentes métodos de identificación de sistemas de

control basados en modelos continuos y discretos.
 Construir plantas de fácil implementación para laboratorio, de modelos de
primer y segundo orden, incluyendo elementos tales como resistencias,
capacitores, bobinas, motores de corriente continua, para aplicar las técnicas
anteriormente mencionadas y obtener los parámetros de dichos modelos.
 Implementar una interfaz en la plataforma de Matlab/Simulink para verificar el
funcionamiento de las plantas en tiempo real.
 Elaborar los manuales (prácticas de laboratorio), para la adecuación del
entorno y desarrollo teórico-práctico de las técnicas de identificación y
sintonización del control en las plantas construidas para laboratorio.
16
5 MARCO REFERENCIAL
5.1 ESTADO DEL ARTE
Se encontraron diferentes trabajos que se han hecho con respecto a la educación

en control, específicamente, a las técnicas de identificación, modelar sistemas de
control, a métodos experimentales en platas reales buscando modelar el proceso;
además de los esfuerzos de las distintas universidades en laboratorios dotados de
diferentes equipos para el control y la automatización, personal para dirigir los
laboratorios, brindando entornos adecuados de aprendizaje, también se indago
sobre algunas propuestas de grupos de investigación donde han incorporado
proyectos como los tele-laboratorios, los laboratorios remotos, la simulación
basada en entornos web, laboratorios de Aprendizaje Basado en Proyectos (APB),
entre otros. A continuación, se muestran algunas propuestas y trabajos
desarrollados por diferentes académicos divulgadas por artículos científicos, estas
son:
5.1.1 Entornos de experimentación para la Enseñanza de Modelado y

Control.18 Berenguel, Guzmán y Domínguez desarrollan un proyecto practico para
una plataforma llamada AutomatL@bs donde se trabajan y simulan sistemas tele-
operados con apoyo de Java con fines experimentales; también permite la
conexión con plantas reales de laboratorio, ellos utilizaron plantas como la que se
muestra en la figura 1; esta plataforma le da a los educadores y a la comunidad
científica herramientas para mejorar los entornos de aprendizaje y
experimentación con la ventaja de tener aportes de otras instituciones y de
consolidar un conocimiento global, se diseñaron dos proyectos los cuales fueron
aplicados en los cursos básicos de control automático en las universidades de
Almería y León en España. Las dos propuestas realizadas en el entorno
18
J. L. BERENGUEL, M. GUZMÁN y M. DOMIÍNGUEZ, «Entornos de experimentación para la Enseñanza de Modelado y
Control,» Revista Iberoamericana de Automática e Informática Industrial RIAI, vol. 7, pp. 10-22, 2010.
17
AutomatL@bs fueron control de nivel y la otra fue denominada la “maqueta de
cuatro variables” las cuales eran: presión, temperatura, caudal y nivel. Los
resultados finales de este trabajo expresaron que a nivel general los estudiantes
tienen muy buena aceptación con este tipo de herramientas y se sugirieron
mejoras en los entornos web colaborativos, que sean más fáciles de manejar; este
tipo de laboratorios son realizado de manera tele-operada.
Figura 2. Imagen y esquema funcional de la maqueta de cuatro tanques.
Fuente. J. L. BERENGUEL, M. GUZMÁN y M. DOMIÍNGUEZ, «Entornos de

experimentación para la Enseñanza de Modelado y Control,» Revista Iberoamericana
de Automática e Informática Industrial RIAI, vol. 7, pp. 10-22, 2010. p. 12
5.1.2 An Approach for Teaching Automatic Control in a Laboratory of

Mechatronics.19 Esta es la propuesta que desarrollaron Padula y Visioli en la
enseñanza de control, donde desarrollan un prototipo para la enseñanza y
aprendizaje de control, el cual consiste en un motor de corriente continua junto con
un reductor de velocidad que se conecta a un volante mediante un resorte de
torsión. En la figura 2 se muestra el prototipo. Los modelos de simulación de casos
particulares son efectivos para temas específicos, pero no existe unicidad o
19
F. PADULA y A. VISIOLI, «An Approach for Teaching Automatic Control in a Laboratory of Mechatronics,» IFAC
Proceedings Volumes, vol. 46, pp. 214-219, 2013.
18
integralidad en una práctica que reúna varios conceptos a la vez; los objetivos
principales de la experiencia del laboratorio es que el estudiante aprenda aspectos
como el de obtener un modelo del sistema, controlar el sistema, comprender la
importancia de las herramientas de simulación en la fase del diseño de un
controlador, entre otras. Este dispositivo diseñado fue de bajo coste intentando
modelar un proceso industrial, aunque se hace la claridad que la posición de un
motor a nivel industrial, se hace bajo los parámetros de un bucle y no de un
potenciómetro como en este caso, la finalidad del trabajo es brindar herramientas
para aplicar y afianzar el conocimiento en el área de control especialmente a
estudiantes de último año de ingeniería que requieren bases de cómo se deben
aplicar los conceptos aprendidos.
Figura 3. Configuración experimental del modelo propuesto
Fuente. F. PADULA y A. VISIOLI, «An Approach for Teaching Automatic Control in a

Laboratory of Mechatronics, » IFAC Proceedings Volumes, vol. 46, pp. 214-219, 2013
p. 215
5.1.3 Desarrollo de una plataforma de hardware portátil de bajo costo para la

enseñanza del control y la teoría de sistemas.20 El trabajo desarrollado por
Taylor, Eastwood y Jones fue implementar una plataforma hardware de bajo coste
20
B. TAYLOR, P. EASTWOOD y L. JONES, «Development of a low-cost, portable hardware platform for teaching control
and systems theory,» IFAC Proceedings Volumes (IFAC-PapersOnline), vol. 10, pp. 351-356, 2013.
19
para la enseñanza en control, el área de control de la Universidad de Sheffield en
Inglaterra se cuestionaron por la encuesta hecha por la IEEE21 Control Systems
donde resaltan la necesidad de los estudiantes tengan habilidades en los sistemas
de control a nivel industrial, esta fue su razón para desarrollar dicho proyecto.
Las dificultades con las que se encontraron ellos pasan por el costo de los
equipos, por el tiempo de los estudiantes, por el espacio que ocupan dichos
equipos, las secciones tradicionales de laboratorio, la disponibilidad, entre otros
factores; por lo tanto, se trazaron como objetivo implementar un dispositivo,
sencillo, portátil, practico, donde cada estudiante se lo pudiera llevar y trabajar con
él, generando la importancia en el autoaprendizaje. El dispositivo ilustrado en la
figura 3, consistió en un helicóptero pequeño con tres grados de libertad, el cual
cumplía con ser muy económico, portátil y robusto, permitiéndole al estudiante
llevarlo a casa; su interfaz era un sistema embebido, el cual hacia posible la
comunicación, planta-software que este caso fue Labview se identificó, se modelo
y diseño el sistema diseñó el sistema apoyado por Matlab/Simulink.
El resultado de este trabajo según sus autores fue muy satisfactorio, los
estudiantes expresaban que las clases tenían sentido, otros que se sentían mejor
preparados en la carrera, que se aprovechaba mucho el tiempo con este tipo de
herramientas; las dificultades pasaron por el poco tiempo que se dio para practicar
con ellos y las averías que presentaron algunos; en términos generales la
actividad fue acertada.
21
IEEE The Institute of Electrical and Electronic Engineers
20
Figura 4. Configuración del sistema.
Fuente. B. TAYLOR, P. EASTWOOD y L. JONES, «Development of a low-cost,

portable hardware platform for teaching control and systems theory, » IFAC
Proceedings Volumes (IFAC-PapersOnline), vol. 10, pp. 351-356, 2013. p. 210.
5.1.4 A Low-cost open source hardware in control education. case study:

arduino-feedback ms-15022 Reguera, García, Prada y Alonso, exponen que la
educación en control se base en paquetes de software de simulación y
laboratorios virtuales disponibles; pero el problema que más relevancia tiene es
que los experimentos de lazo cerrado son limitados, además de esto los
estudiantes carecen de retroalimentación física, no pueden verificar a ciencia
cierta cuál es el impacto de los algoritmos de control, como afecta el ruido en la
adquisición de una señal durante el muestreo, entre otros. El proyecto consistió en
reemplazar el controlador físico del módulo Feedback MS-150 con una plataforma
de hardware de bajo costo, es decir un sistema embebido de bajo coste, como
arduino conectado con una tarjeta diseñada por ellos, para el control; este
proyecto combinó varios software y elementos de programación como el lenguaje
C para la programación del microcontrolador, Matlab/Simulink para trazar datos,
servidores web, protocolos I2C, entre otros. La figura 4 ilustra el sistema
implementado, hicieron el análisis respectivo de los diferentes sistemas
22
P. REGUERA, D. GARCÍA, M. A. PRADA y S. ALONSO, «A LOW-COST OPEN SOURCE HARDWARE IN CONTROL
EDUCATION. CASE STUDY:ARDUINO-FEEDBACK MS-150,» IFAC-PapersOnLine, vol. 48, pp. 117-122, 2015.
21
embebidos para este tipo de labor, compararon varios y seleccionaron arduino,
para cumplir el objetivo de sistema de bajo costo, añadiéndole beneficios como la
sencilla programación y buena información sobre el manejo de este. El
inconveniente surgió en el sistema remoto de control, es decir arduino presento
fallos con la comunicación a internet, la solución era un accesorio, esto incrementó
el costo del sistema implementado, se sugirió un sistema embebido más robusto,
Raspberry Pi.
Figura 5. Ilustración del sistema y conexiones
Fuente. P. REGUERA, D. GARCÍA, M. A. PRADA y S. ALONSO, «A LOW-COST

OPEN SOURCE HARDWARE IN CONTROL EDUCATION. CASE STUDY:
ARDUINO-FEEDBACK MS-150, » IFAC-PapersOnLine, vol. 48, pp. 117-122, 2015.
p.119
22
5.2 MARCO TEÓRICO
El control de los sistemas físicos, biológicos, tecnológicos y similares son para la

ingeniería y para la ciencia tema de bastante interés, su aplicabilidad es de alto
impacto y se requiere en la mayoría de procesos industriales, por lo tanto,
contribuir a solidificar las bases del control es lo que se busca, en el espacio
académico universitario específicamente en los cursos básicos de control. En este
proyecto mediante la construcción de tres plantas de primer y segundo orden de
bajo costo y la elaboración de guías prácticas de laboratorio basadas en métodos
de identificación gráficas y métodos discretos basados en datos; se pretende crear
un entorno de estudio teórico-práctico en la asignatura de control. A continuación,
se desarrollarán los términos, aspectos básicos y temas necesarios para
referenciar el proyecto.
5.2.1 Modelado e identificación
Tipos de modelos Aguirre, Ogata, Nise. Los modelos de sistemas físicos

pueden ser de muy diversos tipos. Una clasificación, en función del grado de
formalismo matemático que poseen, es la siguiente:
Modelos mentales, intuitivos o verbales. Estos modelos carecen de formalismo

matemático. Para conducir un coche, por ejemplo, se requiere un modelo mental o
intuitivo sobre el efecto que produce el movimiento del volante, pero no es
necesario caracterizar dicho efecto mediante ecuaciones matemáticas exactas.
Modelos no paramétricos. Muchos sistemas quedan perfectamente

caracterizados mediante un gráfico o tabla que describa sus propiedades
dinámicas mediante un número no finito de parámetros. Por ejemplo, un sistema
lineal queda definido mediante su respuesta al impulso o al escalón, o bien
mediante su respuesta en frecuencia.
Modelos paramétricos o matemáticos. Para aplicaciones más avanzadas,

puede ser necesario utilizar modelos que describan las relaciones entre las
23
variables del sistema mediante expresiones matemáticas como pueden ser
ecuaciones diferenciales (para sistemas continuos) o en diferencias (para
sistemas discretos). En función del tipo de sistema y de la representación
matemática utilizada, los sistemas pueden clasificarse en: · Determinísticos o
estocásticos. Se dice que un modelo es determinístico cuando expresa la relación
entre entradas y salidas mediante una ecuación exacta. Por contra, un modelo es
estocástico si posee un cierto grado de incertidumbre. Estos últimos se definen
mediante conceptos probabilísticos o estadísticos. · Dinámicos o estáticos. Un
sistema es estático cuando la salida depende únicamente de la entrada en ese
mismo instante (un resistor, por ejemplo, es un sistema estático). En estos
sistemas existe una relación directa entre entrada y salida, independiente del
tiempo. Un sistema dinámico es aquél en el que las salidas evolucionan con el
tiempo tras la aplicación de una determinada entrada (por ejemplo, una red RC).
En estos últimos, para conocer el valor actual de la salida es necesario conocer el
tiempo transcurrido desde la aplicación de la entrada. · Continuos o discretos. Los
sistemas continuos trabajan con señales continuas, y se caracterizan mediante
ecuaciones diferenciales. Los sistemas discretos trabajan con señales
muestreadas, y quedan descritos mediante ecuaciones en diferencias.
Coelho y L. Dos Santos Coelho23, dicen que entiéndase por modelado e

identificación a determinar un modelo matemático de un sistema real de estudio,
representando sus parámetros de forma adecuada para un uso particular como
(detección de fallas, optimización, control, entre otros.) La identificación y
modelado de sistemas en el área del control son de especial importancia, por lo
tanto, por lo tanto, es necesario conocer los parámetros de una planta o sistema a
través de las técnicas de identificación y del uso de los métodos discretos para
conseguir proyectar un controlador de acuerdo a las necesidades y
23
A. A. R. COELHO y L. DOS SANTOS COELHO, Identificacao de Sistemas Dinamicos Lineares, Brasil: Editora da UFSC,
2015.
24
requerimientos, así que se busca una compresión de las técnicas de identificación
para lograr un correcto control del sistema.
Los principios para obtener ese tipo de modelos matemáticos, Coelho los clasifica
en:
Análisis físico matemático: se basan en las leyes físicas que rigen a un sistema
particular, leyes como conservación de la masa, energía y momento (modelado
fenomenológico)
Análisis experimental: basado en las medidas u observaciones del sistema

(modelado experimental).
La siguiente figura ilustra los principios para la construcción del modelo

matemático:
Figura 6. Principios para la construcción de un modelo matemático.
Fuente. A. A. R. COELHO y L. DOS SANTOS COELHO, Identificacao de Sistemas

Dinamicos Lineares, Brasil: Editora da UFSC, 2015
5.2.1.2 Ventajas de los modelos matemáticos. La ventaja de aplicar modelaje o

identificación es que podemos convertir o reescribir un sistema físico a polinomios,
25
los cuales con ayuda de matemáticas pueden ser manipulados, modificados Y/O
mejorados más sencillo, Coelho y L. Dos Santos Coelho, enuncia los propósitos
de un modelo matemático en un sistema de control y automatización industrial y
son:
 Análisis y proyección del sistema.

 Supervisión
 Optimización
Los sistemas de control descritos por los modelos matemáticos pueden ser
continuos o discretos.
5.2.2 Descripción del sistema en un modelo continúo. Coelho y L. Dos Santos

Coelho24 sugiere tres formas en las que se puede representar por la función de
transferencia, por la respuesta al impulso o a través de ecuaciones de estados.
5.2.2.1 Función de transferencia continúa. La función de transferencia es la

relación (Salida/entrada) dada por la función que representa la salida de un
sistema aplicándole la transformada de Laplace, sobre la función de la entrada
aplicándole transformada de Laplace.
𝑌(𝑆) (1)
𝐻(𝑠) =
𝑈(𝑠)
5.2.2.2 Respuesta al impulso continúa. En un sistema lineal e invariante en el

tiempo, la señal de entrada, 𝑈(𝑡), y la señal de salida, 𝑌(𝑡), están relacionadas por
la integral de convolución donde la salida se define como:
𝑡 (2)
𝑦(𝑡) = ∫ ℎ(𝑡 − 𝜏) 𝑢(𝜏)𝑑𝜏
0
Donde ℎ(𝑡) es la respuesta al impulso del Sistema, la función de transferencia y la

respuesta al impulso se relacionan por:
24
2015. p.
26
ℎ(𝑡) = 𝐿−1 [𝐻(𝑠)] (3)
Con 𝐿−1 como la transformada inversa y 𝑡 como el tiempo continuo.
5.2.2.3 Ecuaciones de estados continuas. La función de transferencia está

relacionada con la representación de estados, en el caso de una variable, de
acuerdo con la siguiente relación:
𝐻(𝑠) = 𝑐(𝑠𝐼 − 𝐴)−1 𝑏 (4)
donde 𝐴 es la matriz del sistema (𝑛𝑥𝑛), b es el vector de entrada (nx1) y c es el

vector de salida (1𝑥𝑛). Las ecuaciones de estados son:
𝑥(𝑡) = Ax(t) + bu(t) (5)
𝑦(𝑡) = cx(t) (6)
Siendo 𝑥 (𝑡) el vector de estados (𝑛𝑥1), 𝑢(𝑡) la entrada y 𝑦(𝑡) la salida.
5.2.3 Modelos a utilizar en tiempo continuo. La mayoría de los métodos de

identificación y sintonización de controladores se fundamentan en los parámetros
de un modelo reducido y los sistemas dinámicos de orden superior tienen
comportamientos similares a estos,25 las plantas contempladas para la
construcción de este trabajo son ajustadas a comportarse como sistemas de
primer y segundo orden, por lo tanto los modelos utilizados para ajustarlos con los
métodos de identificación grafica considerando un tiempo muerto son:
5.2.1.1 5.2.3.1 Sistemas de primer orden con tiempo muerto:
𝑌(𝑠) 𝐾𝑒 −𝜃𝑠 (7)

𝐻(𝑠) = =
𝑈(𝑠) 𝜏𝑠 + 1
25 A. A. R. COELHO y L. DOS SANTOS COELHO, Identificacao de Sistemas Dinamicos Lineares, Brasil: Editora da UFSC,
2015. p.51
27
donde 𝐾 es la ganancia, 𝑠 es el operador de Laplace Ѳ es el tiempo muerto 𝜏 es la
constante de tiempo.
5.2.1.2 5.2.3.2 Sistemas de segundo orden con tiempo muerto:

𝐻(𝑠) = =
𝑈(𝑠) (𝜏1 𝑠 + 1)(𝜏2 𝑠 + 1)
𝐻(𝑠) = = 2
𝑈(𝑠) 𝑠 𝑠
+ 2𝜁 𝑤 + 1
𝑤𝑛 2 𝑛
Donde:
1 y 2 son las constantes de tiempo
K es la ganancia
 es el tiempo muerto
𝑤𝑛 es la frecuencia natural
 es el factor de amortiguamiento, si  < 1 el modelo corresponde a la ecuación

(9) es considerado modelo subamortiguado, Si  ≥ 1 el modelo corresponde a la
ecuación (8) sobreamortiguado.
5.2.4 Descripción del sistema en un Modelo discreto. Como el caso de la

descripción de modelos continuos, también se pueden representar los modelos
discretos el caso de la función de transferencia, de la respuesta al impulso y de las
ecuaciones de estado, ayudados por la transformada 𝑍.
5.2.4.1 Función de transferencia discreta. Es la relación de las funciones

aplicándoles la transformada 𝑍 de la salida con respecto a la entrada.
𝑌(𝑧) ( 10 )
𝐻(𝑧) =
𝑈(𝑧)
Donde, 𝑌(𝑧), es la transformada 𝑍 que representa la salida 𝑦, 𝑈(𝑧) es la

transformada 𝑍 que representa la entrada.
28
5.2.4.2 Respuesta al impulso discreta. La respuesta al impulso está relacionada
con la función de transferencia por:
ℎ(𝑡) = 𝑍 −1 [𝐻(𝑧)] ( 11 )
Donde 𝑍 − 1 es la transformada 𝑍 inversa y 𝑡 es el tiempo discreto.
5.2.4.3 Ecuaciones de estado discreta. La función de transferencia está

relacionada con la representación de estados discretos, en el caso de una
variable, por:
𝐻(𝑧) = c(zI − Ad )−1 bd ( 12 )
donde 𝐴𝑑 es la matriz del sistema (𝑛𝑥𝑛), 𝑏 𝑑 es el vector de entrada (𝑛𝑥1) y 𝑐 es el

vector de salida (1𝑥𝑛). Las ecuaciones de estados en forma discreta son:
x(t + 1) = 𝐴𝑑 𝑥(𝑡) + 𝑏 𝑑 𝑢(𝑡) ( 13 )
𝑦(𝑡) = cx(t) ( 14 )
siendo 𝑥 (𝑡) el vector de estados (𝑛𝑥1), 𝑢 (𝑡) la entrada y 𝑦(𝑡) la salida (medidas
especificadas en cada período de muestreo)
5.2.5 Modelos discretos complejos. Si se utiliza un computador para controlar

un proceso complejo, Coelho y dos santos Coelho ilustran en la figura 7 cómo
funciona el sistema.
29
Figura 7. Sistema de control por computador

Dinamicos Lineares, Brasil: Editora da UFSC, 2015. p 64
El modelo del sistema de la entrada con respecto a la salida en términos discretos

es de la forma:
𝑌(𝑧) = 𝐺𝑝 (𝑧)𝑈(𝑧) ( 15 )
Donde 𝐺𝑝(𝑧) es la función de transferencia del proceso, incluye un retenedor de

orden cero, se puede representar en un coeficiente por dos polinomios y aplicando
la transformada Z inversa.
𝐵(𝑧 −1 ) 𝑈(𝑧) ( 16 )
𝐺𝑝 (𝑧) = 𝑧 −𝑑 =
𝐴(𝑧 −1 ) 𝑌(𝑧)
Otra forma de representar (16) con tiempo 𝑡 discreto es:
A(z −1 ) = z −d B(𝑧 −1 )u(t) ( 17 )
La ecuación (17) se es una ecuación de los modelos típicos de control digital e

identificación de sistemas dinámicos; los polinomios 𝐴(𝑧) y 𝐵(𝑧) están
relacionados con los polos y ceros respectivamente del sistema en lazo abierto y
son de la forma:
A(z 1 )  1  a 1z 1  a 2 z 2  ...  a na z  na ( 18 )
B(z 1 )  b 0  b1z 1  b 2 z 2  ...  b nb z  nb ( 19 )
La ecuación diferencial del sistema se puede escribir como
30
𝑦(t) + 𝑎1 y(t − 1) + ⋯ + 𝑎𝑛𝑎 y(t − na) = 𝑏0 y(t − d) + 𝑏1 y(t − d − 1) + ⋯ + 𝑏𝑛𝑏 y(t − d − nb) (
20
)
donde 𝑦(𝑡), 𝑢(𝑡) son las señales de salida y de control, respectivamente,

disponible en los instantes 𝑡 = muestreo 𝑛𝑇𝑠, donde 𝑛 ∈ 𝑍 +, la relación entre
las ecuaciones (18) y (19) con (20) está en los coeficientes y en que al momento
de aplicar ciertos procedimientos matemáticos como la transformada 𝑍 y su
inversa se puede llegar a una partiendo de la otra.
5.2.6 Identificación de sistemas. La identificación es el primer paso para el

control, en este proyecto se trabajará la identificación experimental, utilizando
métodos de identificación gráfica e identificación por el método de los mínimos
cuadrados utilizando software como Matlab.
5.2.6.1 Identificación gráfica. La identificación grafica en un sistema básicamente

consiste en que a partir de la curva de reacción (gráfica) generada por una
respuesta al escalón, visualizada en un osciloscopio u en la simulación de un
software, se identifiquen aspectos que caractericen el sistema y a partir de allí
formular una función de transferencia.
5.2.6.2 Métodos de identificación gráfica. Existen diferentes técnicas y modelos

de identificación grafica de un sistema de control, la mayoría de técnicas utilizadas
son de lazo abierto y se analizan con la respuesta al escalón, algunos métodos
son para identificar modelos de primer y segundo orden, Alfaro26 y Coelho:
De primer orden.
Métodos de la recta tangente: Son los métodos donde se traza una recta
tangente en el punto de inflexión o de máxima pendiente a la curva de reacción del
sistema, están los siguientes:
26
V. M. ALFARO RUÍZ, «Identificación De Procesos Sobreamortiguados Utilizando Técnicas De Lazo Abierto,» Ingeniería,
vol. 11, nº 1-2, pp. 11-25, 2001
31
Zieger-Nichols. El método consiste en trazarle a la gráfica de reacción del
sistema con respecto a la entrada al escalón, una recta tangente en su punto de
máxima pendiente con el fin de obtener un modelo matemático real de primer
orden, donde se identifican los valores como la ganancia, 𝐾𝑝 , el tiempo muerto o
de retardo, 𝑡𝑚 , y la constante de tiempo, 𝜏 la cual indicará un valor en proporción a
esta donde el sistema se estabilizará, se ilustra en la figura 8.
Método de Miller. Es una variación del método anterior lo único que cambia es la
forma en que se halla la constante de tiempo, que es el tiempo requerido para que
la respuesta alcance el 63.2 %, en la figura 8 ilustra ese punto, las demás
condiciones se calculan de la misma forma que el método anterior.
Método de dos puntos. Trazar la recta tangente a la curva de reacción puede

tener dificultad si el sistema presenta ruido, el punto de inflexión puede verse
comprometido y el modelo no será tan adecuado; las diferentes propuestas
utilizando dos puntos sobre la curva de reacción, según Alfaro Ruiz27 permiten que
el modelo hallado coincida con el sistema, por lo menos en esos dos puntos. Los
métodos a utilizar son el método de Smith y el método de
Sundersan/Krishanaswamy.
27 V. M. ALFARO RUÍZ, «Identificación De Procesos Sobreamortiguados Utilizando Técnicas De Lazo Abierto,» Ingeniería,
vol. 11, nº 1-2, pp. 11-25, 2001 p.14
32
Figura 8. Método de la recta tangente.
Fuente. V. M. ALFARO RUÍZ, «Identificación De Procesos Sobreamortiguados

Utilizando Técnicas De Lazo Abierto,» Ingeniería, vol. 11, nº 1-2, pp. 11-25, 2001.
Método de Smith. Smith propone seleccionar dos puntos, el primero cuando el

tiempo requerido para que la respuesta alcance el 28.3%, y el segundo cuando el
tiempo requerido alcance el 63.2%, es decir 𝑡1 y 𝑡2 respectivamente, en la figura 9
se observan la identificación de dichos puntos.
𝜏 ( 21 )
𝑡1 = 𝑡𝑚 +
3
𝑡2 = 𝑡𝑚 + τ ( 22 )
entonces despejando tmde (14) y (15) queda:
𝜏 = 1.5( 𝑡2 − 𝑡1 ) ( 23 )
𝑡𝑚 = 1.5t1 − 0.5t 2 ( 24 )
La ganancia se calcula de la misma forma que los métodos anteriores
33
Figura 9. Método de Smith.
Fuente. V. M. ALFARO RUÍZ, «Identificación De Procesos Sobreamortiguados

Utilizando Técnicas De Lazo Abierto,» Ingeniería, vol. 11, nº 1-2, pp. 11-25, 2001
- Método de Sundaresan/Krishnaswacmy Coelho y Dos Santos Coelho28

expone otro método de dos puntos sobre la curva de reacción, esta vez en los
tiempos donde la curva de reacción alcanza el 35.3% y el 85.3%, en la figura 10
se ilustran estos dos puntos, la constante de ganancia K p se calcula de igual
manera de los métodos anteriores, las ecuaciones que permiten hallar el tiempo
muerto tm y la constante de tiempo están dadas por:
𝜏 = 0.67(𝑡2 − 𝑡1 ) ( 25 )
𝑡𝑚 = 1.31t1 − 0.29t 2 ( 26 )
28
2015. p.83
34
Figura 10. Método Sundaresan/Krishnaswacmy

Dinamicos Lineares, Brasil: Editora da UFSC, 2015. p.83
5.2.1.3 De segundo orden.
Método de Mollekamp. Este método también es basado en la curva de reacción,

donde se identifican tres puntos intermedios, el primero es el tiempo requerido, t1,
para que la salida alcance un 15% de cambio, el segundo, t 2, cuando alcanza un
45% y el tercero, t3, tiempo para llegar El 75% del cambio total final.
En base a dichos tres puntos se calculan los parámetros como la ganancia Kp, el
tiempo muerto, θ, las constantes de tiempo ahora el factor de
amortiguamiento,  , el siguiente paso a paso permite calcular el modelo de
segundo orden:
1er. Paso: Calcular el valor de 

0.0805 − 5.547(0.475 − 𝑥)2 (
 = 27
(𝑥 − 0.356)
)
Donde x es:
35
𝑡2 − 𝑡1 ( 28 )
𝑥=
𝑡3 − 𝑡1
2do. Paso. Calcular la frecuencia natural Wn
𝑓2 () ( 29 )
𝜔𝑛 =
𝑡3 − 𝑡1
Si  ≥ 1 entonces
f2 () = 2.6 − 0.60 ( 30 )
Si  < 1 entonces
f2 () = (0.708)(2.811) ( 31 )
3er. Paso. Calcular el retador o tiempo muerto, θ
𝑓3 () ( 32 )
𝜃 = 𝑡2 −
𝜔𝑛
Donde f3 se calcula con (33)
𝑓3 () = (0.922)(1.66) ( 33 )
Nota: si el valor de  ≥ 1se calculan los y con la siguiente ecuación
( 34 )
 ± √2 − 1
𝜏1,2 =
𝜔𝑛
Se encontrará un modelo de segundo orden como los mencionados en las

ecuaciones (8) y (9).
5.2.8 Identificación mediante métodos que usan mínimos cuadrados. Los

anteriores métodos solo permiten identificar parámetros y estimar modelos
continuos, ahora para los modelos lineales discretos existen diferentes métodos,
pero la mayoría de modelos obtenidos de forma experimental donde los
parámetros de los polinomios que representan las diferentes señales de entrada y
36
salida son encontrados a través de un algoritmo de mínimos cuadrados son la
base para el uso de métodos de identificación29.
Para encontrar la función de transferencia es necesario obtener el conjunto de

datos variando en el tiempo de las variables de la salida y entrada, aplicando
mínimos cuadrados es posible calcular los diferentes coeficientes de los
polinomios que representa dichas señales. Estos polinomios se encuentran
descritos en base de las muestras pasadas disponibles en el conjunto de datos de
ahí el nombre de modelos auto regresivos.
La elección de una estructura apropiada es un paso crucial en el camino de la

identificación de sistemas dinámicos. Y dicha elección debe estar basada tanto en
el entendimiento del proceso de identificación, como en un acabado conocimiento
del sistema a identificar. Los modelos estudiados para el trabajo expuestos por
Aguirre30 son el modelo el modelo auto regresivo con entradas exógenas, en
inglés, autoregressive with exogenous inputs, ARX y el modelo auto-regresivo con
media móvil y entradas exógena, en inglés, autoregressive moving average with
erogenous inputs, ARMAX. Una vez que la estructura ha sido escogida, el próximo
paso consiste en seleccionar un modelo particular de dicha estructura, para luego,
finalmente, determinar un conjunto específico de parámetros para dicha
estructura. Concluido el proceso, el modelo hallado puede llegar a ser el mejor
disponible, sin embargo, más importante aún es saber a ciencia cierta si dicho
modelo es el indicado para nuestros propósitos.
A continuación, se ilustra cada uno:
ARX. Generalmente los modelos paramétricos se describen en el dominio

discreto, puesto que los datos que sirven de base para la identificación se
29
L. LJUNG, System Identification: Theory for the User, New Jersey: Prentice-Hall, 1999.
30
L. A. AGUIRRE, Introdução a Identifição de Sistemas, Belo Horizonte: UFMG, 2007.
37
obtienen por muestreo. En el caso de que se requiera un modelo continuo,
siempre es posible realizar una transformación del dominio discreto al continuo
ARX Es un modelo autoregresivo con entrada exógena En la ecuación (20) se

muestra el modelo en tiempo discreto sin presencia de alguna perturbación, los
coeficientes de a0 y b0 se pueden calcular con el método de estimación de
mínimos cuadrados, el modelo auto regresivo con entradas exógenas, es similar
en la forma más la adición de perturbaciones, ruido blanco, véase en la siguiente
ecuación:
𝑦(t) + 𝑎1 y(t − 1) + ⋯ + 𝑎𝑛𝑎 y(t − na) ( 35)

= 𝑏0 y(t − d) + 𝑏1 y(t − d − 1) + ⋯ + 𝑏𝑛𝑏 y(t − d − nb) + e(t)
Donde e(t) representa el ruido adicionado.
ARMAX. Conocido como modelo auto-regresivo con media móvil y entradas

exógenas; este método permite más libertad a la hora de introducir una
perturbación, se le puede agregar un término conocido como la media en
movimiento al ruido blanco. A la ecuación (20) se le agrega ese término.
𝑦(t) + 𝑎1 y(t − 1) + ⋯ + 𝑎𝑛𝑎 y(t − na) ( 36)
= 𝑏0 y(t − d) + 𝑏1 y(t − d − 1) + ⋯ + 𝑏𝑛𝑏 y(t − d − nb) + 𝑐1 e(t − 1) + ⋯ + 𝑐𝑛𝑐 e(t − nc)
Cada una de las estructuras (ARX, ARMAX) tiene sus propias características y
debe ser elegida fundamentalmente en función del punto en el que se prevé que
se añade el ruido en el sistema. En cualquier caso, puede ser necesario ensayar
con varias estructuras y con varios órdenes dentro de una misma estructura hasta
encontrar un modelo satisfactorio.
38
5.2.2 El proceso de identificación (Coelho - Aguirre)
En términos generales, el proceso de identificación comprende los siguientes

pasos:
1. Obtención de datos de entrada - salida. Para ello se debe excitar el sistema

mediante la aplicación de una señal de entrada y registrar la evolución de sus
entradas y salidas durante un intervalo de tiempo.
2. Tratamiento previo de los datos registrados. Los datos registrados están

generalmente acompañados de ruidos indeseados u otro tipo de imperfecciones
que puede ser necesario corregir antes de iniciar la identificación del modelo. Se
trata, por tanto, de ‘preparar’ los datos para facilitar y mejorar el proceso de
identificación.
3. Elección de la estructura del modelo. Si el modelo que se desea obtener es

un modelo paramétrico, el primer paso es determinar la estructura deseada para
dicho modelo. Este punto se facilita en gran medida si se tiene un cierto
conocimiento sobre las leyes físicas que rigen el proceso
4. Obtención de los parámetros del modelo. A continuación, se procede a la

estimación de los parámetros de la estructura que mejor ajustan la respuesta del
modelo a los datos de entrada-salida obtenidos experimentalmente.
5. Validación del modelo. El último paso consiste en determinar si el modelo

obtenido satisface el grado de exactitud requerido para la aplicación en cuestión.
Si se llega a la conclusión de que el modelo no es válido, se deben revisar los
siguientes aspectos como posibles causas:
a) El conjunto de datos de entrada-salida no proporciona suficiente información

sobre la dinámica del sistema.
b) La estructura escogida no es capaz de proporcionar una buena descripción del

modelo.
39
c) El criterio de ajuste de parámetros seleccionado no es el más adecuado.
Dependiendo de la causa estimada, deberá repetirse el proceso de identificación
desde el punto correspondiente. Por tanto, el proceso de identificación es un
proceso iterativo
5.2.3 Motores de corriente directa
Un motor de corriente directa (cd) es básicamente un transductor de par que

convierte energía eléctrica en energía mecánica, principalemente mediante
movimiento rotatorio. Una de sus principales características es la posibilidad de
regular la velocidad y su inconvenite es la necesidad de mantenimiento, que
resulta costoso. (Galán et al.,2000)
Principio de funcionamiento
La acción de la fuerza ejercida en un conductor que porta corriente eléctrica dentro

de un campo magnético externo puede deducirse mediante la regla de la mano
izquierda de la acción motor (Ver Figura 11), esta regla establece lo siguiente: si
se extienden los dedos pulgar, índice y medio de la mano izquierda formando
ángulos rectos entre sí y el dedo índice apunta en la dirección del flujo magnético
𝜙 de los polos norte a sur y el dedo medio apunta en la dirección del flujo de
corriente convencional 𝑖 en el conductor, entonces el dedo pulgar apuntará en la
dirección de la fuerza que se ejerce sobre el conductor.
40
Figura 11. Ilustración de la regla de mano izquierda de la acción del motor.
En la Figura 12 se muestra el motor básico de corriente directa, el conmutador

está formado por un anillo conductor dividido en dos segmentos (delgas), cada
segmento está conectado a cada extremo de la espira conductora y aislados
eléctricamente uno del otro. A medida que la espira gira cada escobilla toca
alternativamente ambos segmentos del conmutador. En consecuencia, las
conexiones eléctricas se invierten a la mitad de cada revolución en el instante en
que la espira es perpendicular al campo magnético.
Figura 12. Esquema simplificado del motor CD.
De esta manera, el momento de torsión que actúa sobre la espira lo hace siempre
en la misma dirección y continuamente. Generalmente la armadura es el elemento
41
del motor que encuentra girando y los imanes son estacionarios; la parte del motor
que gira se denomina rotor y la parte estacionaria se denomina estator.
Existe otro fenómeno que se observa al mover un conductor dentro de un campo

magnético. Faraday demostró que el desplazamiento mecánico de un conductor
dentro de un campo magnético produce una corriente eléctrica. Faraday lo
denominó voltaje inducido, ya que se genera sin que exista contacto entre el imán
y el conductor, el voltaje inducido también es conocido como fuerza electromotriz
inducida (Ver figura 13). La ley de Faraday se enuncia como sigue: “El voltaje
inducido en un conductor es proporcional a la rapidez de cambio de las líneas de
fuerza magnética que atraviesan el conductor”.
Figura 13 Voltaje inducido por el movimiento de un conductor en un campo magnético.
Cuando la armadura de un motor gira a consecuencia del para que se produce por
la acción motor, actúa como generador al mismo tiempo. El inducido es la parte de
la máquina de corriente continua que transforma la energía eléctrica en mecánica
y viceversa. Tanto si funciona como generados o como motor, produce fuerza
contraelectromotriz y desarrolla a la vez fuerzas mecánicas.
Cuando la máquina funciona como generador, produce una fuerza

contraelectromotriz, de signo positivo y reacciona con un par negativo, llamado par
resistente; se llama resistente por oponerse al par positivo dado por la máquina
que mueve al generador.
42
Si una máquina funciona como motor, producirá un par motor positivo a la vez que
ofrece una reacción, llamada fuerza contraelectromotriz (f.c.e.m) por ser de signo
opuesto a la tensión de la red.
Los motores de corriente directa se clasifican según su manera de conmutar en

motores con devanado con imán permanente o conmutados electrónicamente, ver
Figura 14.
Figura 14. Clasificación de los motores de corriente continua.
43
5.3 MARCO TECNOLÓGICO
5.3.1 Materiales.
El desarrollo de este trabajo requiere de herramientas de Hardware y de Software,

además de los materiales físicos para la construcción de las plantas para
laboratorio, se describen a continuación:
5.3.2 Herramientas de Hardware
5.3.2.1 Arduino.31 “Es una plataforma electrónica de código abierto basada en

hardware y software fáciles de usar.” Es un sistema embebido de código abierto
con un sencillo microcontrolador. Las comunidades académicas lo usan para
construir elementos de bajo costo para probar los principios de química y física, o
para comenzar con la programación y la robótica. Es decir, esta plataforma
electrónica es la indicada en el sentido que es de fácil acceso y de bajo costo. El
arduino que se escogió es:
Arduino Mega 2560. Es un tablero donde está incorporado el

microcontrolador ATmega2560 32. Sus características son:
- 54 pines de Entrada/Salida digital de los cuales 15 se pueden usar
como salidas PW M.
- 16 entradas Analógicas.
- 4 UARTs (puertos serie de hardware).
- Un oscilador de cristal de 16 MHz.
- 1 puerto de conexión USB.
- 1 conector de alimentación
31
Arduino AG, «Arduino,» Creative Commons Attribution ShareAlike 3.0 ., 2019. [En línea]. Available:
https://www.arduino.cc/en/Guide/Introduction. [Último acceso: 10 Mayo 2019]
32
Atmel Corporation, «Microchip,» 2014. [En línea]. Available: http://ww1.microchip.com/downloads/en/DeviceDoc/Atmel-
2549-8-bit-AVR-Microcontroller-ATmega640-1280-1281-2560-2561_datasheet.pdf. [Último acceso: 10 mayo 2019].
44
- 1 botón de reinicio
Figura 15. Imagen Arduino Mega 2560
Fuente. Arduino AG, «Arduino,» Creative Commons Attribution ShareAlike 3.0 ., 2019. [En
línea]. Available: https://store.arduino.cc/usa/mega-2560-r3. [Último acceso: 10 Mayo
2019]
Las especificaciones del fabricante se muestran en la siguiente tabla:

Tabla 1. Especiaciones del Arduino Mega 2560
Microcontrolador ATmega2560
Tensión de funcionamiento 5 Voltios.
Voltaje de entrada (recomendado) 7 a 12 Voltios.
Voltaje de entrada (límite) 6 a 20V
Pernos digitales de E / S 54 (de los cuales 15 proporcionan salida
PWM)
Clavijas de entrada analógica 16
Corriente DC por Pin de E / S 20 mA
Corriente DC para 3.3V Pin 50 mA
Memoria flash 256 KB de los cuales 8 KB utilizados por el

gestor de arranque
45
SRAM 8 KB
EEPROM 4 KB
Velocidad de reloj 16 MHz

LED_BUILTIN 13
Longitud 101.52 mm
Anchura 53.3 mm
Peso 37 g
Fuente. Arduino AG, «Arduino,» Creative Commons Attribution ShareAlike 3.0 ., 2019.
[En línea]. Available: https://www.arduino.cc/en/Guide/Introduction. [Último acceso: 10
Mayo 2019.
5.3.3 Herramientas de Software.
5.3.2.1 Matlab. Es una herramienta que está presente más de 5000

universidades33, que utilizan los estudiantes, profesores, comunidad científica y
empresas para realizar sus proyectos “millones de ingenieros y científicos confían
en Matlab.”34 Ortegón lo describe como: “un lenguaje de tipo funcional,
especialmente desarrollado para apoyar la gestión científico-tecnológica en forma
eficiente, amigable y sencilla. Su estructura provee de un conjunto de poderosas
funciones numéricas y gráficas, que cubren un amplio espectro de las exigencias
matemáticas y de imagen de una aplicación en el campo de la ingeniería.” 35
5.3.2.2 Simulink. Es el entorno de programación gráfica, diagramas de bloque, de

Matlab, donde permite la simulación basada en modelos, como lo expresa
MathWorks Inc “del concepto al código.” Es compatible con el diseño a nivel de
33 The MathWorks, Inc, «MathWorks,» 2019. [En línea]. Available:

https://la.mathworks.com/products/matlab.html?s_tid=hp_ff_p_matlab. [Último acceso: 2019 Mayo 11]
34
The MathWorks, Inc, «MathWorks,» 2019. [En línea]. Available: https://la.mathworks.com/academia.html?s_tid=gn_acad
[Último acceso: 2019 Mayo 11]
35
M. Ortegón, «Diseñe su interfaz grafica con Matlab,» Ingeniería e Investigación, pp. 103-115, 2011. p .104
46
sistema, la simulación, la generación automática de código y la prueba y
verificación continua de sistemas integrados. Proporciona un editor gráfico,
bibliotecas de bloques personalizables y solucionadores para modelar y simular
sistemas dinámicos. Se integra con MATLAB, lo que le permite incorporar los
algoritmos de MATLAB en los modelos y exportar los resultados de simulación a
MATLAB para su posterior análisis, puede simular sistemas representados en
ecuaciones diferenciales continuas y discretas.
Se busca explotar las ventajas que da MATLAB/SIMULINK con la simulación de

sistemas y en su respectivo control, ahora la articulación entre software/hardware
se hará con soportes especializados que permitirán la comunicación y la
implementación de código en la tarjeta arduino en este caso.
5.3.2.3 Soporte de Simulink con Arduino. Este soporte de Simulink para el
hardware Arduino permite utilizar Simulink para desarrollar y simular algoritmos
que se ejecutan de forma autónoma en el dispositivo arduino. El paquete lo
describe MathWorks Inc con los siguientes ítems:36
 Bloques de Simulink para configurar y acceder a los sensores y actuadores de
Arduino.
 Bloques de escritura y lectura para comunicarse directamente con un canal de
ThingSpeak desde los algoritmos que se ejecutan en la placa Arduino.
 Acceso a Arduino Wi-Fi Shield y Arduino Ethernet Shield.
 Modo externo para ajuste interactivo de parámetros y monitorización de
señales mientras el algoritmo se ejecuta en el dispositivo (no disponible en
algunas placas; vea la lista abajo).
 Despliegue de modelos para su funcionamiento autónomo en el dispositivo
Arduino.
36 The MathWorks, Inc, «MathWorks,» 2019. [En línea]. Available: https://la.mathworks.com/hardware-support/arduino-

simulink.html [Último acceso: 2019 Mayo 11]
47
 Documentación que le indica cómo crear un bloque de controlador de
dispositivo para acceder a funciones específicas de su placa de hardware.
48
6 METODOLOGÍA DE LAS PRÁCTICAS
La formación en las universidades ha introducido el concepto de competencia en

la formación dando relevancia al cambio y encaminándola hacia conseguir
profesionales competentes y no sólo a adquirir conocimientos. Es por esto, que las
prácticas desarrolladas se alinean con las competencias relacionadas con los
procesos de aprendizaje que tienen lugar durante los cursos de control análogo,
control digital e instrumentación industrial. Para conseguir el impacto deseado, se
analizan los contenidos curriculares y las competencias propuestas para dichos
cursos y se seleccionan aquellas que pueden ser trabajadas simultáneamente al
aplicar los conceptos de identificación y control de plantas.
Para establecer la metodología de las prácticas, se lista la idea inicial de cada una,
luego se seleccionan las competencias de los cursos académicos que se
profundizaran en cada guía y se establece una dinámica de la práctica mediante
momentos.
6.1 SELECCIÓN DE PRÁCTICAS
Considerando que los temas objetivo para trabajar en las guías prácticas son la
Identificación y el Control de sistemas de primer y segundo orden, y que el objetivo
es que cuenten con materiales de fácil consecución y que su implementación y
desarrollo pueda ser llevado a cabo por los estudiantes de ingeniería electrónica,
se seleccionaron las 4 prácticas relacionadas con los saberes conceptuales,
procedimentales y actitudinales de la Tabla 2.
49
Tabla 2. Descripción de las prácticas y relación con los saberes conceptuales,
procedimentales y actitudinales.
SABERES SABERES
PRÁCTICA SABERES ACTITUDINALES
CONCEPTUALES PROCEDIMENTALES
Práctica 0: Establecimiento de Identifica los Capacidad analítica para
comunicación Simulink/Arduino: elementos básicos asimilar los nuevos
introducción al manejo de señales a que constituyen un conceptos y relacionarlos
través de Simulink empleando como sistema de control con los saberes previos que
tarjeta de adquisición Arduino. digital. le permitan construir nuevos
aprendizajes.
Práctica 1: Identificación de sistemas Funciones de Identifica los Capacidad analítica para

eléctricos pasivos: emplear lo aprendido transferencia. elementos básicos asimilar los nuevos
en la guía 0 para la adquisición de las que constituyen un conceptos y relacionarlos
señales de entrada y salida de circuitos Respuesta sistema de control. con los saberes previos que
eléctricos pasivos y usarlas para la transitoria. le permitan construir nuevos
caracterización del sistema a partir de Utiliza las leyes aprendizajes.
Modelamiento de básicas de
diferentes metodologías de Sistemas Eléctricos.
identificación tanto no paramétricas modelamiento en Trabaja en equipo y acepta
como paramétricas (identificación control. las diferencias con otras
gráfica, identificación teórica). personas.
Cultiva su imaginación,
mediante el desarrollo
creativo buscando diferentes
métodos para dar solución
óptima a los problemas
planteados en clase y
resueltos de manera
independiente.
Práctica 2: Identificación y control de Diseño de Identifica los Capacidad analítica para
velocidad a motor de corriente directa: controladores. elementos básicos asimilar los nuevos
emplear lo aprendido en las guías 1 y 0 que constituyen un conceptos y relacionarlos
para el modelado de un motor de Implementación de sistema de control. con los saberes previos que
corriente directa; luego, a partir del controladores le permitan construir nuevos
análisis en tiempo del sistema digitales. Diseña y construye aprendizajes.
establecer requerimientos para el diseño compensadores
del controlador y finalmente diseñarlo reales aplicados a las Trabaja en equipo y acepta
empleando Matlab. necesidades las diferencias con otras
industriales. personas.
Implementa sistemas
de control digital a
partir del diseño
analógico.
Práctica 3: Identificación y control Diseño de Programa Capacidad analítica para
angular de péndulo con hélice: aplicar lo controladores. controladores asimilar los nuevos
aprendido para el diseño de un control digitales para conceptos y relacionarlos
para el sistema de péndulo con hélice el Implementación de cualquier sistema. con los saberes previos que
cual presenta no linealidades. controladores le permitan construir nuevos
digitales. Diseña y construyen aprendizajes.
compensadores
reales aplicados a las Se auto motiva y se vuelve
necesidades autosuficiente para dar
industriales. solución a los problemas
planteados en el curso
académico.
*En azul los saberes que competen a control digital únicamente.
50
6.2 SELECCIÓN DE COMPETENCIAS
Las competencias son “el conjunto de conocimientos, actitudes y destrezas

necesarias para desempeñar una ocupación dada”, esta definición, heredera del
concepto de McClelland (2010, profesor de Psicología en Harvard) y aplicada a la
ingeniería, son la base para el desarrollo de las guías de práctica de este trabajo.
En la Tabla 3 se listan las competencias que son parte de los contenidos

curriculares y aportan al perfil de los ingenieros electrónicos desde el desarrollo de
los cursos académicos de control análogo y control digital UDI, y que se busca
fortalecer en los estudiantes a través del desarrollo de las prácticas.
Tabla 3. Lista de competencias de los cursos académicos de control análogo y control

digital a fortalecer por los estudiantes durante el desarrollo de las prácticas.
MOMENTO DE
COMPETENCIAS GENÉRICAS COMPETENCIAS ESPECÍFICAS
LA PRÁCTICA
Trabajo previo Autogestión de la información: Autogestión de Desarrolla soluciones de ingeniería en el

la propia formación a lo largo de la vida para área de control de procesos y robótica,
alcanzar la realización personal y las metas soportado en los conceptos teóricos y los
establecidas, afrontando los retos del contexto avances tecnológicos; enfocados a dar
y considerando las oportunidades. solución a las necesidades del contexto
local, regional y nacional.
Experimentos Trabajo en equipo y liderazgo: Realiza
actividades colaborativas y lidera proyectos
para alcanzar una determinada meta, con
planeación y objetivos bien definidos, en
diferentes contextos y con compromiso ético.
Desarrollo Gestión de la Información y del Conocimiento:

Procesa la información relacionada con un
determinado proceso de la realidad con el fin
de generar comprensión y conocimiento,
teniendo como referencia los retos del
contexto, las herramientas de planificación y
las tecnologías de la información y de la
comunicación.
51
Informe Comunicación oral y escrita: Utiliza el lenguaje
oral y escrito para comunicarse con
entendimiento en contextos sociales y
culturales variados, empleando diferentes
códigos y herramientas, en el marco de un
proceso metacognitivo.
6.3 DINÁMICA DE LA PRÁCTICA
Como se puede ver en la Tabla 3, dependiendo de la actividad realizada se

fortalece en el estudiante una competencia genérica determinada, en este caso a
cada una de esas actividades la denominamos momento. En la Tabla 4, se
describen las características de los momentos de cada práctica propuesta,
considerando los saberes.
Tabla 4. Descripción de los momentos de las prácticas.
MOMENTO DE LA PRÁCTICA DESCRIPCIÓN
Trabajo previo Comprende la labor de consulta, revisión y registro escrito de los saberes
necesarios para el desarrollo de la práctica.
Consecución de los materiales necesarios para los montajes

experimentales.
Experimentos Corresponde a la ejecución de la parte experimental de la práctica,

montajes, adquisición de señales, e implementación del control.
Desarrollo Abarca las actividades de procesamiento de la información para obtención

de modelos y diseño de controladores.
Informe Documento escrito en el formato seleccionado por el docente, en el que se

evidencie la consecución del objetivo de la práctica. Los estudiantes deben
lograr concluir a partir de la experiencia lograda las características de los
sistemas de control.
52
7 FUNDAMENTO TEÓRICO DE IDENTIFICACIÓN DE SISTEMAS Y
CONTROL PARA LAS PRÁCTICAS
Una vez establecidas la temática y la metodología de las prácticas, es necesario

establecer el fundamento teórico para el desarrollo de cada una de ellas.
A continuación, se describen los métodos de identificación y control que se aplican

en las prácticas.
7.1 MODELADO DE UN SISTEMA
Los sistemas se pueden describir a través de tres tipos de modelos, los modelos
mentales que son intuitivos o verbales y carecen de formalismo matemático; los
modelos no paramétricos que son aquellos a partir de los cuales no es posible
definir un vector de parámetros finito para representarlo, pueden describirse y ser
perfectamente caracterizados mediante un gráfico o tabla que describa sus
propiedades dinámicas, y los modelos paramétricos o matemáticos.
Existen dos métodos principales para obtener el modelo de un sistema:
a. Identificación del sistema. Se trata de un método experimental que permite

obtener el modelo de un sistema a partir de datos reales recogidos de la planta
bajo estudio.
b. Modelado teórico. Se trata de un método analítico, en el que se recurre a leyes

básicas de la física para describir el comportamiento dinámico de un fenómeno o
proceso.
7.1.1 Identificación de sistemas. Se entiende por identificación de sistemas a la

obtención de forma experimental de un modelo que reproduzca con suficiente
exactitud, las características dinámicas del proceso objeto de estudio. La
identificación de los sistemas puede dar como resultado un modelo paramétrico o
no paramétrico.
53
7.1.2 Identificación no paramétrica. Este tipo de identificación permite obtener
modelos o representaciones no paramétricas de la planta. Las principales ventajas
de este método son el no requerir un procesamiento complejo de los datos, ni
ningún tipo de conocimiento previo sobre la planta, a excepción de que ésta sea
lineal.
Dentro de las técnicas de identificación no paramétricas se encuentran las

técnicas de análisis de la respuesta transitoria, el análisis de correlación entre
señales y las técnicas frecuenciales. En este caso concreto, se empleará la
técnica de análisis de la respuesta transitoria.
Las señales de prueba no periódicas utilizadas para evaluar la respuesta

transitoria son: impulsos de diferente amplitud y de corta duración, función escalón
y función rampa. Para seleccionar la señal de prueba adecuada, deben tenerse en
consideración: las propiedades de la señal, la posibilidad de la señal de ser
generada y aplicada y el tipo de información que se persigue del proceso. En este
caso se hará uso de la función escalón, teniendo en cuenta la facilidad con la que
se puede generar y que permite de forma simple hacer una estimación de un
modelo paramétrico (función de transferencia).
Identificación paramétrica. Los modelos paramétricos, a diferencia de los

anteriores, quedan descritos mediante una estructura y un número finito de
parámetros que relacionan las señales de interés del sistema (entradas, salida y
perturbaciones). Obtener un modelo paramétrico de un sistema permite tanto la
simulación como el diseño del controlador.
7.1.2.1 Identificación paramétrica a partir de identificación no

paramétrica. Los sistemas simples que son modelados a través de identificación
no paramétrica, pueden ser convertidos en modelos paramétricos. A lo largo de
las prácticas se buscará la obtención de funciones de transferencia como modelos
paramétricos a partir de pruebas de respuesta al escalón.
La identificación se lleva a cabo a través de la ejecución de los siguientes pasos:

54
a. Obtención de datos de entrada - salida.
b. Tratamiento previo de los datos registrados.
c. Elección de la estructura del modelo.
d. Obtención de los parámetros del modelo.
e. Validación del modelo.
A lo largo del desarrollo de las prácticas se aplicarán los métodos de identificación

paramétrica a partir de identificación no paramétrica, empleando tres enfoques
diferentes, el primero, es la identificación gráfica, que consiste en identificar los
parámetros que caracterizan la respuesta transitoria del sistema y a partir de
dichos parámetros deducir la función de transferencia del sistema usando métodos
establecidos como el método de Miller, método de Smith o método de Mollekamp.
El segundo método es el uso de software para la estimación de modelos lineales a
partir de datos de entrada única / salida única (SISO) que describan la dinámica
del sistema. Finalmente, la tercera estrategia consiste en la determinación de
modelos teóricos a partir de la aplicación de leyes físicas. En las siguientes
secciones se abordan los fundamentos de cada una de las técnicas.
7.1.2.1.1 Identificación de sistema de primer orden con retardo. Consiste

en calcular el valor de los parámetros de un sistema de primer orden con retardo
para su ecuación diferencial (37) o para su función de transferencia, a partir del
análisis de la respuesta al escalón. Existen diversos métodos de identificación,
para el caso del primer orden se trabajarán en las práctica dos métodos, el
primero es basado en la recta tangente, donde se traza dicha recta por el punto
máximo de inflexión, caso particular método de Miller y el otro es el método de los
dos puntos, caso particular el método de Smith.
𝑑𝑦(𝑡) ( 37 )
𝜏 + 𝑦(𝑡) = 𝐾𝑢(𝑡 − 𝑡𝑚 )
𝑑𝑡
55
𝐾 ( 38 )
𝐺(𝑠) = 𝑒 −𝑠𝑡𝑚
1 + 𝑠𝜏
7.1.2.1.1.1 Método de Miller. Para obtener un modelo de primer orden más

tiempo muerto, se debe identificar la ganancia 𝑲, la constante de tiempo 𝝉 y el
tiempo muerto aparente 𝒕𝒎 del sistema, este método consiste en trazar una recta
tangente al punto de inflexión o de máxima pendiente y en base a los cortes de la
recta con la gráfica encontrar los puntos representativos.
La ganancia es el cambio total en la salida dividido por el cambio en la entrada:
∆𝑦 ( 39 )
𝐾=
∆𝑢
Para hallar la constante de tiempo 𝜏, que es el tiempo requerido para que la

respuesta alcance el 63.2%, según las condiciones de este método; el tiempo
transcurrido entre la aplicación del escalón de entrada y el punto en que la recta
tangente corta el eje del tiempo es el tiempo muerto, 𝑡𝑚 , aparente del sistema.

paramétrico, método de Miller.
56
7.1.2.1.1.2 Método de Smith. Smith propone seleccionar dos puntos, el primero
es el tiempo requerido para que la respuesta alcance el 𝟐𝟖. 𝟑%, y el segundo es el
tiempo requerido para que la respuesta alcance el 𝟔𝟑. 𝟐%, es decir 𝒕𝟏 y
𝒕𝟐 respectivamente, como se muestra en la Figura 17.

paramétrico, método de Smith.
Entonces despejando 𝑡𝑚 y 𝜏 queda:
𝜏 ( 40 )
𝑡1 = 𝑡𝑚 +
3
( 41 )
𝑡2 = 𝑡𝑚 + τ
Por lo tanto:
( 42 )
𝜏 = 1.5(𝑡2 − 𝑡1 )
( 43 )
𝑡𝑚 = 1.5𝑡1 − 0.5𝑡2
57
7.1.2.1.2 Identificación de sistema de segundo orden. Consiste en calcular
el valor de los parámetros de un sistema de segundo orden para su ecuación
diferencial o para su función de transferencia, a partir del análisis de la respuesta
al escalón de la forma indicada. Existen diversos métodos de identificación, para el
caso del primer orden se trabajarán en las práctica dos métodos, el primero es
basado en la recta tangente, donde se traza dicha recta por el punto máximo de
inflexión, caso particular método de Miller y el otro es el método de los dos puntos,
caso particular el método de Smith.
𝑌(𝑠) 𝐾𝑒 −𝜃𝑠 ( 44 )
𝐻(𝑠) = =
𝑈(𝑠) (𝜏1 𝑠 + 1)(𝜏2 𝑠 + 1)
𝑌(𝑠) 𝐾𝑒 −𝜃𝑠 ( 45 )
𝐻(𝑠) = = 2
𝑈(𝑠) 𝑠 𝑠
2 + 2𝜁 𝑤 + 1
𝑤𝑛 𝑛
Donde:
1 y 2 son las constantes de tiempo
K es la ganancia
 es el tiempo muerto
wn es la frecuencia natural
 es el factor de amortiguamiento, si  < 1 el modelo corresponde a la ecuación

(44) es considerado modelo subamortiguado, Si  ≥1 el modelo corresponde a la
ecuación (45) sobreamortiguado.
Método de Mollekamp. Este método también es basado en la curva de reacción,

donde se identifican tres puntos intermedios, el primero es el tiempo requerido, 𝑡1 ,
para que la salida alcance un 15% de cambio, el segundo, 𝑡2 , cuando alcanza un
45% y el tercero, 𝑡3 , tiempo para llegar El 75% del cambio total final.
En base a dichos tres puntos se calculan los parámetros como la ganancia 𝐾𝑝 , el

tiempo muerto, 𝜃, las constantes de tiempo 𝜏1 𝑡2 ahora el factor de
58
amortiguamiento,  , el siguiente paso a paso permite calcular el modelo de
segundo orden:
a. Calcular el valor de 
0.0805 − 5.547(0.475 − 𝑥)2 (
 = 46
(𝑥 − 0.356)
)
Donde x es:
𝑡2 − 𝑡1 ( 47 ))
𝑥=
𝑡3 − 𝑡1
b. Calcular la frecuencia natural Wn
𝑓2 () (
𝜔𝑛 = 48
𝑡3 − 𝑡1
)
Si  ≥ 1 entonces
f2 () = 2.6 − 0.60 (

49
)
Si  < 1 entonces
f2 () = (0.708)(2.811) (
50
)
c. Calcular el retador o tiempo muerto, θ
𝑓3 () (
𝜃 = 𝑡2 − 51
𝜔𝑛
)
Donde f3 se calcula con (33)
𝑓3 () = (0.922)(1.66) (
52
)
59
Nota: si el valor de  ≥ 1se calculan los y con la siguiente ecuación
(
 ± √2 − 1 53
𝜏1,2 = )
𝜔𝑛
Se encontrará un modelo de segundo orden como los mencionados en las

ecuaciones (44) y (45).
7.1.2.1.3 Identificación paramétrica a través de software especializado.

Considerando que las competencias objeto de las guías abarcan el estudio del
control de sistemas lineales, se hará uso de la aplicación de identificación System
Identification Toolbox™ de Matlab para la generación de las funciones de
transferencia de las plantas específicamente el módulo de estimación de función
de transferencia.
El software System Identification Toolbox™ es usado para representar una

variedad de estructuras de modelos lineales y no lineales. Los modelos lineales,
se conocen como modelos Identificados Lineales Invariantes en el Tiempo (IDLTI).
Los modelos IDLTI contienen dos componentes dinámicos distintos:
Componente medido: describe la relación entre las entradas medidas y la salida

medida (𝐺).
Componente de ruido: describe la relación entre las perturbaciones en la salida y

la salida medida (𝐻).
Los modelos que solo tienen el componente de ruido 𝐻 se denominan series

temporales o modelos de señal. Por lo general, crea dichos modelos utilizando
datos de series temporales que consisten en una o más salidas 𝑦(𝑡) sin entrada
correspondiente.
La salida total es la suma de las contribuciones de las entradas medidas y las

perturbaciones: 𝑦 = 𝐺𝑢 + 𝐻𝑒 , donde 𝑢 representa las entradas medidas y 𝑒 la
60
perturbación. 𝑒 (𝑡) se modela como ruido blanco gaussiano de media cero con
varianza Λ. La Figura 18 ilustra un modelo IDLTI.
Figura 18. Modelo del tipo función de transferencia IDLTI.
Fuente: https://la.mathworks.com/help/ident/ug/topic-about-identified-linear-models.html
Las diversas estructuras de modelo lineal proporcionan diferentes formas de

parametrizar las funciones de transferencia 𝐺 y 𝐻. En las prácticas propuestas el
modelo IDLTI se estimará directamente utilizando datos de entrada-salida, y la
estructura será como se describe en la Tabla 5.
Tabla 5. Estructuras de modelo lineal IDLTI.
Tipo de modelo Función de transferencia del modelo Configuración del método

Construcción: use idtf para crear un
Modelo de función de Representa un modelo de función de modelo, especificando valores de los
transferencia (idtf) transferencia identificado, que no tiene coeficientes del numerador y del
elementos dinámicos para modelar el denominador como argumentos de
comportamiento del ruido. Este objeto entrada. Los vectores numerador y
utiliza el modelo de ruido trivial 𝐻 (𝑠) = denominador constituyen el componente
𝐼. medido 𝐺 = 𝑛𝑢𝑚 (𝑠) / 𝑑𝑒𝑛 (𝑠). El
La ecuación de gobierno componente de ruido está fijado a 𝐻 = 1.
𝑛𝑢𝑚
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝑑𝑒𝑛
Fuente: https://la.mathworks.com/help/ident/ug/topic-about-identified-linear-models.html
61
8 DISEÑO E IMPLEMENTACIÓN DE LAS PLANTAS
Considerando que con el desarrollo de las guías se busca que los estudiantes
logren un grado de compresión tanto a nivel teórico como práctico de los procesos
de identificación y control de sistemas eléctricos, se diseñaron e implementaron 3
plantas con un grado de dificultad progresivo tanto en implementación como en
control, con la finalidad, de que los estudiantes vayan aplicando de manera
incremental los conceptos y herramientas disponibles tanto para el análisis como
el diseño.
El esquema general para el montaje de las plantas se muestra en la Figura 19.

Esquema general , incluye la planta, etapa de comunicación (Arduino) y etapa de
procesamiento (adquisición, modelado o control).
Figura 19. Esquema general para los montajes.
Etapa de potencia
Planta
Sensor
Tarjeta de comunicación.
Sistema de
procesamiento y control
Fuente. Autor.
Fueron seleccionadas y establecidas 4 prácticas en la sección 6.1, las cuales

están conformadas por 4 fases: estructura, comunicación, sensores y actuadores,
y etapa de potencia. En los siguientes apartados, se describe cada uno de los
montajes y de los insumos usados para su construcción.
En la Figura 20 se muestra el resultado de la impresión de las plantas diseñas.

62
Figura 20. Impresión 3D plantas.
Fuente. Autor.
Como entregables del proyecto se proporcionan los modelos 3D de las estructuras
diseñadas, junto con los diseños de los circuitos impresos de los drivers de
potencia requeridos para el control de los motores.
8.1 PLANTA 1
Esta planta será usada para la ejecución de las prácticas 0 y 1, adquisición de

señales a través de Simulink/Arduino e Identificación de sistemas eléctricos
pasivos, respectivamente.
Lista de materiales:
 Computador (Software, MATLAB/SIMULINK)

 Base para soporte de protoboard y tarjeta Arduino. Ver Figura 21.
 Protoboard
 Arduino (UNO o MEGA)
 Resistencia de X Ω
 Capacitancia de 3300 μF
 Cables
 Fuente de poder
 Multímetro
63
Figura 21. Base para el montaje del sistema eléctrico. Diseño 3D y planta real.
Fuente. Autor.
Figura 22. Esquema de conexión eléctrica de la planta 1.
Fuente: El autor.
8.2 PLANTA 2
Esta planta será usada para la ejecución de la práctica 2, Identificación y control

de velocidad a motor de corriente directa.
64

 Protoboard
 Resistencia de 1 kΩ
 Cables
 2 motores DC de 5 V
 1 encoder
 Transistor BJT 2N2222
 1 diodo 1N4007
 1 módulo de sensor Hall, FC-03 o similar.
 Fuente de poder
 Multímetro
Figura 23. Soporte para motor y generador. Diseño 3D y planta real.
Fuente. Autor.
65
Figura 24. Esquema de conexión eléctrica para montaje planta 2.
Fuente. Autor.
8.3 PLANTA 3
Esta planta será usada para la ejecución de la práctica 3, Identificación y control

angular de péndulo con hélice.

 Protoboard
 Resistencia de 10 kΩ
 Cables
 1 motor DC de 9 V 800 mA, con hélice
 Transistor IRF530N
 1 diodo 1N4007
 1 potenciómetro lineal
 Fuente de poder
 Multímetro
 Planta del péndulo
66
Figura 25. Base, pedestal y péndulo. Diseño 3D y planta real.
Fuente. Autor.
Figura 26. Esquema de conexión eléctrica para montaje planta 3.
Fuente. Autor.
67
9 INTERFAZ MATLAB/SIMULINK - ARDUINO
Como se ha mencionado, los procesos de identificación y de control de las plantas

se llevarán a cabo utilizado como interfaz Simulink. A continuación, se presentan
los modelos a través de los cuales se realiza la adquisición de señales para la
práctica 1 y la adquisición de señales y el control en tiempo real para las prácticas
2 y 3.
9.1 INTERFAZ 1
El modelo Simulink mostrado en la Figura 27 permite tanto generar el escalón que

energiza el circuito eléctrico, como registrar y visualizar el comportamiento de la
entrada y la salida en tiempo real.
Figura 27. Interfaz Simulink para la adquisición de señales.
Fuente. Autor.
Para el funcionamiento de este modelo es necesario que se haya realizado la

instalación de las librerías para la comunicación con Arduino, procedimiento
realizado en la práctica 0, de esta manera se podrán generar la entrada escalón y
capturar la respuesta del circuito, mediante los bloques Digital Output (Pin 9) y
Analog Input (Pin 1) respectivamente.
El bloque Step, genera un escalón cuya amplitud e instante de inicio pueden ser
configurados directamente en las propiedades del bloque, para el caso de la
68
práctica 1 se configura el escalón con una amplitud unitaria, de esta manera el pin
digital 9 del Arduino entregará un voltaje con amplitud 5 V en el instante
programado para que suceda el escalón, por tanto, para el almacenamiento de la
señal de entrada es necesaria una amplificación por un factor de 5.
La visualización del comportamiento de las señales en tiempo real se logra

mediante el bloque Scope, finalmente, como se busca realizar la identificación del
circuito, es necesario almacenar las señales de entrada y salida para su posterior
procesamiento, para ello se usa el bloque To Workspace.
9.2 INTERFAZ 2.1
Para la caracterización de este sistema motor-generador es necesario realizar la

medición de la velocidad, por tanto, se requiere una metodología de adquisición de
los datos a partir de la cual sea posible capturar los flancos generados por el
encoder. Por esta razón, las señales necesarias para la identificación son tomadas
directamente desde el puerto serial para posteriormente ser procesadas en
Matlab.
Se desarrollo el código para Arduino que se muestra a continuación, el cual

genera la señal de PWM para la alimentación del motor y además estima la
velocidad del motor a partir del conteo de las vueltas por segundo sensadas por el
sensor Hall (Módulo FC-03).
9.3 INTERFAZ 2.2
Este modelo corresponde al control en lazo cerrado e incluye la ecuación de

relación entre el voltaje inducido y la velocidad. Puede apreciarse en la Figura 28,
que el lazo de realimentación se diseñó entre el voltaje de entrada y el voltaje
inducido en el generador. Por tanto, se hace conversión del ángulo de referencia a
voltaje y viceversa al mostrar la salida en unidades de ángulo.
69
Figura 28. Modelo para el control de velocidad realimentado para motor de corriente
directa.
El modelo permite el control de velocidad, teniendo como entrada la referencia que

se puede configurar a partir del bloque knob, el rango de valores que puede tomar
se estableció por la máxima velocidad alcanzada por el motor al someterse al
100% del ciclo de trabajo, en este caso fue de 390 rps.
Para la configuración del lazo de realimentación, se convierte el voltaje inducido

en el generador en velocidad (ya que es la variable que se desea controlar), para
esto se establece la ganancia Gain2 que relaciona las dos señales. El voltaje
inducido es leído a través del Pin 0 de Arduino mediante el bloque Analog Input, la
ganancia Gain1 establece el valor de lectura al voltaje de referencia 5 V.
La señal de control, el voltaje promedio aplicado al motor, es entregada a partir del

bloque PWM, el cual entrega una señal modulada en ancho de pulso de acuerdo
al ciclo de trabajo indicado, es decir es necesario convertir el valor de voltaje
entregado por el controlador a ciclo de trabajo, esto se logra a través de la
ganancia Gain3 que genera un valor entre 0 y 255, donde 0 corresponde al 0% del
ciclo de trabajo y 255 al 100%, o lo que es igual un rango de voltaje en corriente
directa de entre 0 V y 5 V.
70
Finalmente, para el almacenamiento de las señales resultantes de las pruebas y
para su visualización se usan los bloques To Workspace, Display y Scope.
9.4 INTERFAZ 3.1
El modelo Simulink mostrado en la Figura 29, permite tanto generar el escalón que
energiza el motor, como registrar y visualizar el comportamiento de la entrada y la
salida en tiempo real.
Fuente. Autor.
Para el funcionamiento de este modelo es necesario que se haya realizado la

instalación de las librerías para la comunicación con Arduino, procedimiento
realizado en la práctica 0, de esta manera se podrán generar la entrada escalón y
capturar la respuesta del circuito, mediante los bloques PWM (Pin 9) y Analog
Input (Pin 1) respectivamente.
Como la finalidad de la práctica 3 es el control angular de un péndulo flotante con

hélice, se empleará la metodología de PWM para la variación de voltaje en
corriente directa para el motor y de esta manera controlar la velocidad. La librería
de Arduino trae un bloque para la generación de dicha señal, recibiendo como
71
parámetro de entrada el ciclo de trabajo, y acepta valores entre 0 y 255, donde 0
corresponde al 0% del ciclo de trabajo y 255 al 100%, esto se logra a través del
bloque de ganancia (Gain2), mientras que el bloque de ganancia (Gain3) relaciona
el ciclo de trabajo con el voltaje promedio visto por el motor, en este caso el voltaje
de alimentación del motor proviene de una fuente externa de 12 𝑉. Para las
pruebas propuestas en la guía, se hace necesario poder variar el voltaje de
entrada durante la simulación, por lo cual se usa el bloque Knob y se enlaza para
controlar el valor del ciclo de trabajo.
La visualización del comportamiento de las señales en tiempo real se logra

mediante el bloque Scope.
Finalmente, como se busca realizar la identificación del sistema y el diseño del

control, es necesario almacenar las señales de entrada y salida para su posterior
procesamiento, para ello se usa el bloque To Workspace. La lectura del pin
análogo es conectada a un bloque de ganancia (Gain1) que escala la lectura del
CAD considerando como voltaje de referencia 5 𝑉.
9.5 INTERFAZ 3.2
El modelo Simulink mostrado en la Figura 30, tiene como finalidad permitir la

captura del voltaje en las terminales del potenciómetro para los diferentes ángulos.
La metodología consiste en mover de manera manual el péndulo recorriendo de
10 en 10 los ángulos de 0° a 90° e ir registrando la lectura. Posteriormente con
estos datos se determina la relación entre las dos variables, necesaria para el
control.
72
Fuente. Autor.
9.6 INTERFAZ 3.3
Este último modelo corresponde al control en lazo cerrado e incluye la ecuación de

relación entre el voltaje en el potenciómetro y el ángulo. Puede apreciarse en la
Figura 31, que el lazo de realimentación se diseñó entre el voltaje de entrada y el
voltaje de salida en el potenciómetro. Por tanto, se hace conversión del ángulo de
referencia a voltaje y viceversa al mostrar la salida en unidades de ángulo.
Fuente. Autor.
73
10 DESARROLLO DE LAS GUÍAS
Considerando que los temas para trabajar en las guías prácticas son identificación
y control de sistemas de primer y segundo orden, se desarrollaron las siguientes
guías para la ejecución de prácticas que ampliarán el conocimiento y fortalecerán
las competencias de los estudiantes.
En las guías se presentan de manera secuencial los pasos para la consecución de

los objetivos de cada una, sin embargo se espera que los estudiantes no se limiten
únicamente a seguir el paso a paso, sino que también exploren las opciones de
diseño y adquisición de señales.
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
11 CONCLUSIONES Y RECOMENDACIONES
Las herramientas trabajadas en este proyecto permiten a los estudiantes

familiarizarse con todas las etapas del desarrollo de un sistema de control:
definición de estudio, modelamiento, sintonización, implementación y
comprobación experimental. Facilitan a los docentes el desarrollo de actividades
que fortalecen las competencias profesionales de los estudiantes.
Como resultado del proyecto se desarrollaron 4 prácticas que permiten aplicar los
conceptos y fundamentos de la teoría de control, se diseñaron e implementaron
tanto las plantas (componentes mecánicas y eléctricas) como las guías para la
ejecución de las prácticas con base a las competencias de los cursos académicos
de control análogo y control digital.
A pesar de que Matlab/Simulink es una herramienta muy poderosa para la

simulación, análisis y diseño de sistemas, se detectó un inconveniente a la hora de
usar como variable el tiempo, ya que la medición temporal que utiliza la
herramienta es medida en intervalos de iteración y no en tiempo real. Esto sumado
a la velocidad de procesamiento, limitó la posibilidad de hacer el cálculo de la
velocidad del motor a partir de la lectura del encoder directamente desde Simulik.
Fue necesario realizar esta medición directamente desde Arduino.
Se recomienda el desarrollo de nuevas guías que amplíen las posibilidades de

análisis como en el caso de la identificación de sistemas eléctricos, ya que se
pueden incluir configuraciones más complejas y de mayor orden. Para la planta
del péndulo, también se pueden desarrollar guías que lleven a la implementación
de sistemas de control avanzado como el difuso.
109
12 BIBLIOGRAFÍA
A. A. R. COELHO y L. DOS SANTOS COELHO, Identificacao de Sistemas

Dinamicos Lineares, Brasil: Editora da UFSC, 2015.
A. OPPENHEIM y A. WILLSKY, Señales y Sistemas, 1998.
Arduino AG, «Arduino,» Creative Commons Attribution ShareAlike 3.0 ., 2019.

[En línea]. Available: https://www.arduino.cc/en/Guide/Introduction. [Último
acceso: 10 Mayo 2019].
Atmel Corporation, «Microchip,» 2014. [En línea]. Available:

http://ww1.microchip.com/downloads/en/DeviceDoc/Atmel-2549-8-bit-AVR-
Microcontroller-ATmega640-1280-1281-2560-2561_datasheet.pdf. [Último
B. TAYLOR, P. EASTWOOD y L. JONES, «Development of a low-cost, portable

hardware platform for teaching control and systems theory,» IFAC Proceedings
Volumes (IFAC-PapersOnline), vol. 10, pp. 351-356, 2013.
F. A. CANDELAS HERÍAS y J. SÁNCHEZ MORENO, «RECURSOS

DIDÁCTICOS BASADOS EN INTERNET PARA EL APOYO A LA ENSEÑANZA
DE MATERIAS DEL ÁREA DE INGENIERÍA DE SISTEMAS Y AUTOMÁTICA,»
Revista Iberoamericana de Automática e Informatica Industrial RIAI, vol. 2, nº 2,
pp. 93-101, 2005.
F. PADULA y A. VISIOLI, «An Approach for Teaching Automatic Control in a

Laboratory of Mechatronics,» IFAC Proceedings Volumes, vol. 46, pp. 214-219,
2013.
110
J. L. BERENGUEL, M. GUZMÁN y M. DOMIÍNGUEZ, «Entornos de
experimentación para la Enseñanza de Modelado y Control,» Revista
Iberoamericana de Automática e Informática Industrial RIAI, vol. 7, pp. 10-22,
2010.
L. A. AGUIRRE, Introdução a Identifição de Sistemas, Belo Horizonte: UFMG,

2007.
L. E. CONTRERAS BRAVO, J. A. TRISTANCHO ORTIZ y K. GONZÁLEZ,

«Diseño de guías de laboratorio para desarrollar habilidades profesionales en la
asignatura Automatización del programa de ingeniería industrial,» Revista
Academia y Virtualidad, pp. 112-122, 2015.
L. LJUNG, System Identification: Theory for the User, New Jersey: Prentice-Hall,
1999.
M. Ortegón, «Diseñe su interfaz grafica con Matlab,» Ingeniería e Investigación,

pp. 103-115, 2011.
N. S. NISE, Sistemas de Control para Ingeniería, Mexico: Grupo Patria Cultural

S.A, 2002.
P. REGUERA, D. GARCÍA, M. A. PRADA y S. ALONSO, «A LOW-COST OPEN

SOURCE HARDWARE IN CONTROL EDUCATION. CASE STUDY:ARDUINO-
FEEDBACK MS-150,» IFAC-PapersOnLine, vol. 48, pp. 117-122, 2015.
R. COSTA CASTELLÓ, M. VALLES, L. DIAZ GUERRA, A. VALERA y R.

PUERTO, «Integración de dispositivos físicos en un laboratorio remoto de control
mediante diferentes plataformas: Labview, Matlab y C/C++,» Revista
111
Iberoamericana de Automatica e Informatica Industrial, vol. 7, pp. 23-34, 2010.
The MathWorks, Inc, «MathWorks,» 2019. [En línea]. Available:

https://la.mathworks.com/products/matlab.html?s_tid=hp_ff_p_matlab. [Último
V. M. ALFARO RUÍZ, «Identificación De Procesos Sobreamortiguados Utilizando

Técnicas De Lazo Abierto,» Ingenieria, vol. 11, nº 1-2, pp. 11-25, 2001.
112

Pre 2049 1574824541 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

Pre 2049 1574824541 PDF

Загружено:

Авторское право:

Доступные форматы

DESARROLLO DE PLANTAS Y GUÍAS PARA PRÁCTICAS PARA LA

IDENTIFICACIÓN Y CONTROL DE SISTEMAS USANDO MATLAB/SIMULINK Y

ANTONIO VICENTE CALDERON VASQUEZ

UNIVERSIDAD DE INVESTIGACIÓN Y DESARROLLO UDI

ANTONIO VICENTE CALDERON VASQUEZ

TRABAJO DE GRADO PARA OPTAR AL TÍTULO DE INGENIERO

OSCAR FERNANDO BECERRA ANGARITA

Docente UDI Ingeniería Electrónica

Magister Ingeniería Eléctrica

UNIVERSIDAD DE INVESTIGACIÓN Y DESARROLLO UDI

5.1.2 An Approach for Teaching Automatic Control in a Laboratory of Mechatronics ........ 18

5.2 MARCO TEÓRICO ........................................................................................................... 23

5.2.2 Descripción del sistema en un modelo continúo. ...................................................... 26

5.2.3 Modelos a utilizar en tiempo continuo. ...................................................................... 27

5.2.4 Descripción del sistema en un Modelo discreto. ....................................................... 28

5.2.5 Modelos discretos complejos. ................................................................................... 29

5.2.6 Identificación de sistemas. ........................................................................................ 31

5.2.8 Identificación mediante métodos que usan mínimos cuadrados. ............................. 36

5.2.2 El proceso de identificación (Coelho - Aguirre) ......................................................... 39

5.2.3 Motores de corriente directa ..................................................................................... 40

5.3 MARCO TECNOLÓGICO ................................................................................................. 44

5.3.2 Herramientas de Hardware ....................................................................................... 44

6 METODOLOGÍA DE LAS PRÁCTICAS ................................................................................... 49

7.1.2 Identificación no paramétrica.. .................................................................................. 54

8 DISEÑO E IMPLEMENTACIÓN DE LAS PLANTAS ............................................................... 62

Figura 1. Representación de un Sistema ................................................................. 5

Figura 2. Imagen y esquema funcional de la maqueta de cuatro tanques. ............ 18

Figura 3. Configuración experimental del modelo propuesto ................................. 19

Figura 4. Configuración del sistema....................................................................... 21

Figura 5. Ilustración del sistema y conexiones....................................................... 22

Figura 6. Principios para la construcción de un modelo matemático. .................... 25

Figura 7. Sistema de control por computador ........................................................ 30

Figura 8. Método de la recta tangente. .................................................................. 33

Figura 9. Método de Smith. .................................................................................... 34

Figura 10. Método Sundaresan/Krishnaswacmy.................................................... 35

Figura 12. Esquema simplificado del motor CD. ................................................... 41

Figura 13 Voltaje inducido por el movimiento de un conductor en un campo

Figura 14. Clasificación de los motores de corriente continua. .............................. 43

Figura 15. Imagen Arduino Mega 2560 ................................................................. 45

Figura 16. Análisis de la respuesta al escalón para la obtención del modelo

Figura 17. Análisis de la respuesta al escalón para la obtención del modelo

Figura 18. Modelo del tipo función de transferencia IDLTI. .................................... 61

Figura 19. Esquema general para los montajes..................................................... 62

Figura 22. Esquema de conexión eléctrica de la planta 1. ..................................... 64

Figura 24. Esquema de conexión eléctrica para montaje planta 2......................... 66

Figura 25. Base, pedestal y péndulo. Diseño 3D y planta real. ............................. 67

Figura 26. Esquema de conexión eléctrica para montaje planta 3......................... 67

Figura 27. Interfaz Simulink para la adquisición de señales. ................................. 68

Figura 28. Modelo para el control de velocidad realimentado para motor de

Figura 29. Interfaz Simulink para la adquisición de señales. ................................. 71

Figura 30. Interfaz Simulink para la adquisición de señales. ................................. 73

Figura 31. Interfaz Simulink para la adquisición de señales. ................................. 73

Señales1. Una señal es una función de una o más variables independientes y

Procesos. Es: “cualquier operación que se va a controlar.”3 Los ejemplos de

Sistema. “Un sistema es una combinación de componentes que actúan juntos y

En la siguiente figura se ilustra los principales elementos de un sistema:

Figura 1. Representación de un Sistema

1 A. OPPENHEIM y A. WILLSKY, Señales y Sistemas, 1998.

Sistemas de control. “Un sistema de control está formado por subsistemas y

Perturbación. Definida como: “una señal que tiende a afectar negativamente el

Respuesta en estado estacionario. “Se entiende como la manera como se

9 K. OGATA, Ingeniería de control Moderna, Madrid: Pearson Pentice Hall, 2003.

La formación en las universidades ha introducido el concepto de competencia en