Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
NIVEL DE UN TANQUE
UNIVERSIDAD DE PAMPLONA
FACULTAD DE INGENIERA Y ARQUITECTURA
INGENIERA MECATRNICA
SAN JOS DE CCUTA
2016
PROCESO DE IDENTIFICACION, SINTONIZACION (CONTROL CLASICO) DEL
NIVEL DE UN TANQUE
DISEO MECATRONICO II
UNIVERSIDAD DE PAMPLONA
FACULTAD DE INGENIERA Y ARQUITECTURA
INGENIERA MECATRNICA
SAN JOS DE CCUTA
2016
TABLA DE CONTENIDO
Pgina
1. PLANTEAMIENTO DEL
PROBLEMA 4
2. JUSTIFICACIN 5
3. OBJETIVOS 6
4. MARCO TERICO 9
5. IDENTIFICACION DE UN SISTEMA
DE NIVEL POR DIFERENTES 19
METODOS
6. METODOS DE SINTONIZACIN
30
7.CONTROLADORES OPTIMOS 43
8. CONTROLADOR DIFUSO PD 62
9. CONCLUSIONES 72
10. BIBLIOGRAFA 75
1. PLANTEAMIENTO DEL PROBLEMA
4
2. JUSTIFICACIN
5
3. OBJETIVOS
OBJETIVO GENERAL
OBJETIVO ESPECFICO
6
Adaptar el modelo de identificacin matemtico que ms se ajuste a las
caractersticas de la planta en su respuesta a un impulso de entrada y
realizar los criterios de ajuste necesarios a los parmetros con el fin de
obtener una mejor representacin del sistema.
OBJETIVOS 2 COHORTE
OBJETIVO GENERAL.
OBJETIVOS ESPECIFICOS.
7
Comparar las respuestas obtenidas con las simuladas establecer
disparidad.
8
OBJETIVOS 3 COHORTE
OBJETIVO GENERAL.
OBJETIVOS ESPECIFICOS.
9
4. MARCO TERICO
Variable controlada: Nivel del lquido (agua) dentro del tanque principal.
10
Para establecer la dinmica de la planta se busca un valor de PWM para la
regulacin de la hidrobomba que permita tener un punto de convergencia a un
nivel determinado de abertura para la vlvula de paso manual. Es importante
recordar que el punto de convergencia ocurre cuando el caudal de salida es igual
al caudal de la entrada. La obtencin de la data se estableci con un punto de
convergencia a los 11.4 cm con una entrada escaln de 0PWM a 170PWM.
11
CARACTERSTICAS DEL SENSOR ULTRASONICO (HC-SR04)
Caractersticas:
Resolucin: 0,3 cm
Medicin de ngulo: 30
VCC = +5VDC
12
Echo = Salida de Echo de sensor
GND = GND
Qu recibimos en el sensor?
( 340s m ))/2
Distancia= (tiempo etre trig y echo )(
13
Figura 4. Sensor ultrasnico (HC-SR04).
PASO A PASO
14
3. Recolectar la data del avance del nivel hasta el punto de convergencia.
4. Esperar un tiempo prudente hasta que el sistema se estabilice.
15
REALIZACIN DE LAS PRUEBAS Y RESULTADOS
Tomando como referencia una regla graduada en centmetros, han tomado cinco
medidas -simultneas para ambos sensores- para cada una de las distancias de
referencia (30, 25, 20, 15, 10, 5 y 3 cm). Los errores del promedio de cada grupo
de medidas respecto a la referencia se muestran en la siguiente grfica:
16
Figura 8: Escala de la curva de los sensores
17
CORRECCION DATA
En Excel se promedi 7 datas (data 1, 3, 6,7, 8, 9, 10) para identificar la cual nos
arroj la siguiente grafica
18
Figura 10: algunos valores de varianza y desviacin estndar
19
Figura 12: algunos valores de varianza y desviacin estndar
20
5. IDENTIFICACION DE UN SISTEMA DE NIVEL POR DIFERENTES METODOS
21
Salida al 63.2 =( S0.632 )+ valor minimo de S
t 63.2 =60
t 28.3 =22
22
1.5 Hallo tiempo muerto td:
td=t 63.2
td=6057=3
K et S
o
G ( s )=
S+ 1
Ecuacin 7. Funcin de transferencia propuesta por el mtodo de
identificacin de Carlos Smith
3 S
0.04388 e
G ( s )=
57 S+1
23
Grafica 3. Funcin de transferencia por mtodo de los 2 puntos Carlos Smith
MTODO DE SUNDARESON Y KRISHNASWAMY
3 Hallo la ganancia:
S
K=
E
7.5
K= =0.04388 cm/ pwm
170
24
4 Hallo la salida al 35.3% y al 85.3%
t 85.3 = 109
25
t
35.3
t
1.3
=
=1.3 (27)0.29(109)=3.49
S
Ke
G ( s )=
S+1
Ecuacin 12. Funcin de transferencia de Sundareson y Krishnaswamy.
0.04388 e3.49 S
G ( s )=
54.94 S+ 1
26
Grafica 5. Funcin de transferencia por mtodo de Sundareson y
Krishnaswamy.
METODO DE STRECJ-QUENTIN
27
Entrada (E): (0 170PWM)
5 Hallo la ganancia:
S
K=
E
7.5
K= =0.04388 cm/ pwm
170
6 Hallo Tu y Ta
Tu=3.7 s
Ta=653.7=61.3 s
Tu/Ta=0.06035
Ta /= 1
Ecuacin 13. Frmula para obtener el tiempo Tao del mtodo de Strecj-
Quentin.
Ta=
28
=61.3 s
Ecuacin 14. Frmula para obtener el tiempo muerto bajo el mtodo Strecj-
Quentin.
L=3.7 s0 s=3.7 s
K eL S
G ( s )=
(S+ 1)n
3.7 S
0.04388 e
G ( s )= 1
(61.3 S+ 1)
29
Grafica 7. Funcin de transferencia por mtodo de Strecj-Quentin.
30
METODO DE SMITH
METODO DE SUNDARESON
METODO DE STRECJ-QUENTIN
31
METODO DE SINTONIZACION POR EL 1 METODO DE ZEAGLER-
NICHOLS
Grfica 9: Obtencin de T Y L
L=3.9877
T=65-3.9877=61.0416
T
Kp=1.2
L
61.0416
Kp=1.2 =18.369
3.9877
32
Ti=2 L
Kp
Ki=
Ti
18.369
Ki= =2.30
7.9754
Td=0.5 L
Kd=KpTd
33
Kp=18.369
Ki=2.30
Kd=36.62
34
METODO DE SINTONIZACION POR EL 3 METODO DE ZEAGLER-NICHOLS
t1=25s
t2=62s
=1.5(t 2t 1)
To=t2-
To=62-55.5=6.5
35
Al reemplazar estos valores, se tiene que:
Kp=1.2
KTo
8 Hallo la ganancia:
S
K=
E
8.27 .5
K= =0.04388 cm/ pwm
170
55.5
Kp=1.2 =10.25
0.04388(6.5)
Ti=2
Kp
Ki=
Ti
36
10.25
Ki= =0.7881
13
Td=0.5
Kd=KpTd
Kp=10.24
Ki=0.7881
Kd=33.3
37
Figura 10: Representacin en diagrama de bloques de la sintonizacin
obtenida por el 1er mtodo de Zeagler-Nichols.
38
Grafica 14: Obtencin de Vo y To
To=3.9877
Vo=61.0416
7.5
Ko= =0.04388
170
4
Kp=Vo /KoTo ( + )
3 4 Vo
39
Ecuacin 30: obtencin de Kp
4 3.98
Kp=60.412/(0.04388)(3.98)( + )=470,8277
3 460.41
32Vo +6
13 Vo+8
()
Ti=
Al reemplazar obtengo:
Kp
Ki=
Ti
470.87
Ki= =49.3
9.5527
11 Vo+ 2
4 ToVo
Td=
40
4(3.98)(61.0416)
Td= =1.4302
11 (61.0416)+2(3.98)
Kd=KpTd
Kp=470.82
Ki=49,3
Kd=673,29
41
Grafica 16: respuesta por el mtodo de sintonizacin de Cohen-Coon.
K=0.04388
Tao=54.94
To=3.49
Tao
Kp=1.2/2 K ( )
54.94
Kp=1.2/2(0.04388)( )=215.2524
3.49
42
Ti=Tao
Al reemplazar obtengo:
Ti=54.94
Kp
Ki=
Ti
215.2524
Ki= =3.92
954.94
Td=/2
Td=3.49/2=1.745
Kd=KpTd
43
Kp=215.2524
Ki=3.92
Kd=375.62
44
Figura 25: Representacin en diagrama de bloques de las diferentes
sintonizaciones
45
En base a la grfica 17 podemos establecer que:
Dahlin 2% 300 0 0%
Tabla 1: mrgenes de respuestas en simulacin de los 3 controladores
Podemos concluir que el mejor mtodo para sintonizar de acuerdo a los resultados
obtenidos por simulacin es el mtodo de Dahlin debido a que cuenta con un
menor mximo pico, menor tiempo de establecimiento, nulas oscilaciones y nulo
error en estado estacionario.
46
Figura 26: comportamiento lazo cerrado controlador real
Figura 28: comparacin lazo cerrado entre controlador simulado (rojo) y real
(amarillo)
SIMULADA REAL
MP(arriba) 20% 18%
Mp(abajo) 8% 8%
Ts 400 370
EES 0% 1%
47
Tabla 2: comparacin mrgenes de respuesta controlador simulado y real
48
Figura 31: comparacin lazo cerrado entre controlador simulado (verde) y
real (azul)
SIMULADA REAL
MP(arriba) 10% 11%
Mp(abajo) 3% 3%
Ts 310 330
EES 0% 1%
Tabla 3: comparacin mrgenes de respuesta controlador simulado y real
3. METODO DE COHEN-COON
49
Figura 33: comportamiento lazo cerrado controlador simulado.
Figura 34: comparacin lazo cerrado entre controlador simulado (rojo) y real
(amarillo)
SIMULADA REAL
MP(arriba) 15% 22%
Mp(abajo) 7% 7%
Ts 310 315
EES 0% 1%
Tabla 4: comparacin mrgenes de respuesta controlador simulado y real.
50
4. METODO DE DAHLIN.
51
Figura 33.c: comparacin lazo cerrado entre controlador simulado (rojo) y
real (amarillo)
SIMULADA REAL
MP(arriba) 2% 9%
Mp(abajo) 0% 0%
Ts 300 510
EES 0% 1.2%
Tabla 4: comparacin mrgenes de respuesta controlador simulado y real.
52
Tabla 5: mrgenes de respuestas en implementacin real de los 3
controladores.
Podemos concluir que el mejor mtodo para sintonizar de acuerdo a los resultados
obtenidos por implementacin es el 3er mtodo de Zeagler-Nichols dado que sus
mrgenes de respuesta transitoria son mejores que los otros 3(Mtodos de los 2
puntos, Cohen Coon y Dahlin) y posee un EES igual que ellos.
53
Figura 30: comportamiento lazo cerrado controlador simulado
SIMULADA REAL
MP(arriba) 10% 11%
Mp(abajo) 3% 3%
Ts 310 330
EES 0% 1%
Retomando Tabla 3: comparacin mrgenes de respuesta controlador
simulado y real
54
7. CONTROLADORES OPTIMOS
Dado que nuestra planta es de primer orden se realiza en base a las siguientes
ecuaciones
55
Figura 33: ecuaciones para obtencin de Ti y beta
Ti=2 Ks y =
Y = =54.94
1
D(s)=
Tis
1
D(s)=
4.812744 s
Mp=4.3%
56
Representamos el lazo cerrado junto con su salida en simulink
Figura 35: respuesta en lazo cerrado para el mtodo de modulo optimo (set
point de 1)
57
Figura 36: comportamiento lazo cerrado controlador ptimo real
Figura 37: respuesta en lazo cerrado para el mtodo de modulo optimo (set
point de 7)
58
Figura 38: comparacin lazo cerrado entre controlador simulado (roja) y real
(amarilla)
SIMULADA REAL
MP(arriba) 4% 5%
Mp(abajo) 0% 6%
Ts 570 580
EES 0% 3%
Tabla 6: comparacin mrgenes de respuesta controlador optimo simulado
y real.
59
Figura 39: mrgenes de respuesta transitoria del mtodo de ajuste optimo
lineal
Dado que nuestra planta es de primer orden se realiza en base a las siguientes
ecuaciones
Ti=4 Ks y =
Y = =54.94
1
D(s)=
Tis
1
D(s)=
9.625488 s
60
Ts=11.7.4 (54.94) =642.798
Mp=0%
Fig
ura 41: lazo cerrado del mdulo ptimo lineal
Figura 42: respuesta en lazo cerrado para el mtodo de modulo optimo lineal
(set point de 1)
61
Figura 43: comportamiento lazo cerrado controlador ptimo lineal real
Figura 44: respuesta en lazo cerrado para el mtodo de modulo optimo lineal
(set point de 7).
62
Figura 45: comparacin lazo cerrado entre controlador simulado (roja) y real
(amarilla).
SIMULADA REAL
MP(arriba) 0% 0%
Mp(abajo) 0% 0%
Ts 760 730
EES 0% 1.3%
Tabla 7: comparacin mrgenes de respuesta controlador ptimo lineal
simulado y real.
63
COMPARAR MARGENES DE RESPUESTA TRANSITORIA Y EES DE LOS
MEJORES CONTROLADORES IMPLEMENTADOS (CLASICO Y OPTIMO)
Al comparar los mrgenes de respuesta entre los dos controladores con mejor
comportamiento ya sea el clsico (3er mtodo de Zeagler & Nichols) y el
controlador optimo lineal se concluye que el mejor controlador es el control clsico
mediante el tercer mtodo de Zeagler and Nichols debido a que a pesar de que
cuenta con un mximo pico, mayor nmero de oscilaciones con respecto al control
optimo lineal, su tiempo de establecimiento es mucho menor a pesar de los
defectos anteriormente mencionados y presenta menor error en estado
estacionario.
Mp=0%
Nmero de oscilaciones=0
EES=0.5%
64
Figura 46: comparacin entre el perfil del control inteligente y el control
optimo lineal.
65
8. CONTROL INTELIGENTE: CONTROL PD FUZZY.
Establecen relaciones entre las entradas y las salidas sin tener en cuenta
todas las variables que forman parte del proceso, permitiendo controlar
sistemas de forma ms confiable y estable.
66
Figura 47: Diagrama de bloques del control clsico mediante el tercer
mtodo de Ziegler and Nichols.
67
Figura 49: Comportamiento del delta del error para un valor de convergencia
de 7.
Conociendo los valores correspondientes del sistema del error, el delta del error y
el mando, procedemos a organizarlos en la siguiente tabla para poder establecer
las reglas de forma comoda:
Tabla 10: Valor del mando correspondiente a los valores del error y del delta
de error.
68
Tabla 12: Variables lingsticas para la entrada del delta del error.
Con las variables lingsticas definidas para las entradas y las salidas del sistema,
se plantea el siguiente conjunto de reglas difusas a partir de las funciones de
membresa:
Figura 51: Funcin de membresa para la entrada del delta del error.
69
Figura 52: Funcin de membresa para la salida del mando.
70
Figura 55: Diagrama de bloques general en Simulink de un controlador PD
difuso.
Figura 56: Comportamiento del conjunto de reglas difusas para una entrada
de error= 1.5 y delta de error=1.
Figura 57: Superficie difusa del sistema ante las entradas error y delta del
error en 2D.
71
Figura 58: Superficie difusa del sistema ante las entradas error y delta del
error en 3D.
Figura 59: Respuesta simulada obtenida por el controlador difuso PD, con un
valor deseado de 7.
72
Para implementar el controlador PD Fuzzy se us el software de Labview,
generando el siguiente diagrama de programacin:
El resultado obtenido en la toma de datos para el lazo cerrado real del controlador
PD difuso fue:
Figura 61: Respuesta real obtenida por el controlador difuso PD, con un
valor deseado de 7.
73
oscilaciones
Control PD 0% 70 0 0%
FUZZY REAL
Tabla 15: Mrgenes de respuesta transitoria y error de estado estacionario
para lazo cerrado real del controlador PD difuso.
El perfil del controlador inteligente que se haba planificado posea las siguientes
caractersticas:
Mp=0%
Nmero de oscilaciones=0
EES=0.5%
Como se puede comprobar el lazo cerrado real del controlador PD difuso cumple
los requisitos de mximo pico, y nmero de oscilaciones. Adems, responde con
un menor tiempo de establecimiento (130 unidades antes de tiempo) y con menor
error de estado estacionario (0% con respecto a 0.5%).
74
oscilaciones
Control PD 0% 70 0 0%
FUZZY REAL
Control PD 0% 75 0 0%
FUZZY
SIMULADO
Tabla 16: Comparacin entre los mrgenes de respuesta transitoria y error
de estado estacionario para lazo cerrado real y simulado del controlador PD
difuso.
75
9. CONCLUSIONES
No solo basta con obtener una buena identificacin, tambin debemos hacer
una buena sintonizacin, para eso es recomendable realizar varias
sintonizaciones mediante mtodos diferentes, de esta forma podemos observar
sus caractersticas y seleccionas el mejor, como veremos en la tabla 1
Se pudo observar que la mejor sintonizacin del proceso fue la del 3er mtodo
por Zeagler-Nichols ya que su tiempo de establecimiento y sobreimpulso es
menor comparndola con las dems como se observa en la tabla 1
76
CONCLUSIONES 2 COHORTE.
Al comparar los mrgenes de respuesta entre los dos controladores con mejor
comportamiento ya sea el clsico (3er mtodo de Zeagler & Nichols) y el
controlador optimo lineal se concluye que el mejor controlador es el control
clsico.
Como se puede observar en las figuras 28, 31, 34, 38 y 45 existe una pequea
disparidad procedente de la toma de la data real de los lazos cerrados, ya que
se presenta algunos picos en la lectura de los datos, teniendo como principal
causa el sensor ultrasnico y estableciendo que una posible solucin sea
aplicar un filtro.
CONCLUSIONES 3 COHORTE.
77
2. Establecen relaciones entre las entradas y las salidas sin tener en cuenta
todas las variables que forman parte del proceso, permitiendo controlar
sistemas de forma ms confiable y estable.
A partir de las figuras 48,49 y 50 podemos conocer los valores que asume las
entradas del sistema del error y el delta del error, y las salidas del mando. Al
conocer las entradas y las salidas es posible a partir de las tablas 10, 11, 12
y 13 construir las funciones de membresa que son mostradas en la figura
50, 51 y 42.
78
A partir de los valores obtenidos en la tabla nmero 17 se puede concluir que
el controlador PD difuso no presenta mximo pico con respecto al tercer
mtodo de Ziegler and Nichols (que es del 11%), reduce notablemente el
tiempo de convergencia (de 330 a 70 unidades de tiempo), elimina por
completo el nmero de oscilaciones y el error en estado estacionario (de 1%
a 0%).
10. BIBLIOGRAFA
Chien, K.L., Hrones, J.A., Reswick, J.B., "On the automatic control of
generalized passive systems", Trans. ASME, 74, 175, 1952.
strm, K.J., Hgglund, T., PID Control Theory, Design and Tuning,
Instrument Society of America, Research Triangle Park, NC, 2nd ed., 1995.
79