Sei sulla pagina 1di 127
Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Características del Control Station

El Control Station es un software de control de procesos que se ha popularizado en universidades e industrias en todo el mundo para:

- simulación de sistemas de control

- sintonización y análisis de lazos

- estudios de performance y capacidad

- entrenamiento sobre sistemas de control

Se presenta bajo entorno Windows, por lo que es muy fácil de usar ya que el ambiente de trabajo es el más popular en la actualidad.

el ambiente de trabajo es el más popular en la actualidad. El software se encuentra dividido

El software se encuentra dividido en tres módulos: Estudio de casos prácticos (Case Studies), Personalización del proceso (Custom Process) y Herramientas de diseño (Design Tools). El primer módulo provee experiencias del mundo real haciendo uso de modernos métodos de control de procesos. Los casos para estudiar incluyen el control de nivel de un tanque, control de la temperatura de un intercambiador de calor, control de la concentración de un reactor y el control de pureza de una columna de destilación. Los controladores básicos disponibles incluyen control P, PI, PD y PID. Las estrategias de control abarcan cascada, acción precalculada, desacople, predictor Smith y muestreo digital de datos. El módulo de personalización del proceso consiste en bloques orientados que le permiten construir un proceso y la arquitectura del controlador según sus propias especificaciones para una amplia gama de análisis del control personalizado. Puede investigar los beneficios y desventajas de las diferentes arquitecturas de control, sensitividad de sintonización, capacidad de la performance del lazo, etc. El módulo de herramientas de diseño se usa para adecuar modelos dinámicos lineales a los datos arrojados por el proceso y para computar los valores de sintonización del controlador PID. Los modelos también se pueden usar para diseñar avanzadas estrategias de control que usen modelos de procesos internos a la arquitectura del controlador. Ya que los datos pueden ser importados de procesos reales, este módulo lo puede ayudar a resolver importantes problemas para el diseño, análisis y sintonización del controlador.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Descripción de los módulos del Control Station

i . C . Descripción de los módulos del Control Station El módulo correspondiente al estudio

El módulo correspondiente al estudio de casos prácticos está diseñado específicamente para entrenamiento sobre modernos métodos y prácticas de control automático de procesos. Esto se logra a través de las interesantes e industrialmente relevantes simulaciones presentadas con las cuales se aprende trabajando. Las simulaciones son fáciles de usar y visualmente didácticas. Los casos disponibles para su estudio son:

Tanques vaciados por gravedad Tanque bombeado Intercambiador de calor Reactor Columna de destilación

Para cada proceso, pueden manipularse las variables a lazo abierto para obtener información ante señales tipo escalón, pulso, senoidal o rampa. Los datos obtenidos pueden imprimirse en gráficos o ser almacenados en archivos para estudios de modelización de procesos y sintonización del controlador. El módulo de herramientas de diseño que veremos más adelante es ideal para esto último. Los controladores disponibles permiten la exploración y estudio de conceptos que aumentan su dificultad con cada caso. Los conceptos básicos se refieren al estudio del comportamiento dinámico tales como ganancia del proceso, constantes de tiempo y tiempo muerto. Los conceptos intermedios abarcan la sintonización y capacidad de desarrollo de los controladores PID. Por último, los conceptos avanzados incluyen algoritmos tales como:

Control P, PI, PD y PID Control en cascada PID Controlpor acción precalculada compensado con retroalimenta- ción PID Control por desacople de múltiples variables Control por predictor Smith Control por muestreo digital de datos

por predictor Smith Control por muestreo digital de datos El módulo de personalización de procesos, le

El módulo de personalización de procesos, le permite implementar la arquitectura del proceso y del controlador de acuerdo a sus propias especificaciones para una amplia gama de investigaciones sobre el control de procesos. La simulación puede ser para procesos de un solo lazo, usando una función transferencia para el proceso y otra para el disturbio de la carga. Este tipo de arquitectura permite estudios de control PID, feed forward, digital y predictivo. Puede investigar los beneficios y desventajas de los diferentes modos de control y los valores de los parámetros de sintonización para cada uno de ellos; o quizás estudiar la sensitividad de su diseño en caso de una mala adaptación entre el modelo y la planta real; o aislar y explorar el impacto del ruido en la variable controlada en el funcionamiento del lazo cerrado. Todo lo que tiene que hacer es ingresar los valores del modelo del proceso para su aplicación particular. Las herramientas de diseño son ideales para adaptar los modelos a la información del proceso de su laboratorio o planta.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . El módulo de

El módulo de herramientas de diseño ofrece varias posibilidades para el diseño y análisis del controlador. Una de las características importantes de este módulo, es la rapidez y facilidad con que adapta los procesos dinámicos a la información del proceso. También se puede importar información del módulo de Casos para estudio y del de Personalización del proceso así como de otros programas y procesos reales. Por consiguiente, lo que se ofrece son soluciones para los problemas de control reales.

Para analizar la información se requiere que la misma se encuentre en formato de archivo de texto (ASCII) con las columnas de datos separadas por coma, espacios o tabulaciones. Luego, mediante el mouse se indica qué columna tiene la información correspondiente a la variable manipulada, cuál la variable medida del proceso y cuál se refiere al tiempo. Los modelos lineales disponibles en este módulo son:

Primer orden más tiempo muerto Primer orden más tiempo muerto con integrador Segundo orden más tiempo muerto Segundo orden más tiempo muerto y tiempo LEAD Segundo orden más tiempo muerto subamortiguado

La información del proceso es modelizada minimizando la suma de errores cuadráticos (SSE) entre la respuesta real medida y la respuesta que del modelo. En el cómputo del SSE, se considera que el proceso se encuentra en estado estacionario antes de que tengan lugar los eventos dinámicos, y que el primer dato en el archivo es un valor medio representativo de ese estado estacionario. Otro rasgo importante es la capacidad de computar los valores de sintonización para control P, PI y PID a partir de los parámetros del modelo dinámico. El archivo que contiene las relaciones de sintonización más populares, incluye control interno del modelo (IMC) e integración temporal del error absoluto (ITAE). En las instalaciones de control modernas, los modelos realizados con este módulo, pueden ser directamente usados para avanzadas arquitecturas de controladores, que van desde el modelo predictivo Smith hasta los algoritmos del modelo completo de control predictivo (MPC). También se puede usar para diseñar elementos de acción precalculada. En este caso, es la variable de disturbio la que debe se escalonada, pulsatoria o perturbada de alguna otra forma. Los datos de este disturbio pasan a ser la variable manipulada cuando se hace la regresión entre las variables de disturbio y manipulada.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Operación básica del Control Station

Este capítulo hace una presentación general del programa. Siguiendo cada paso, adquirirá los conocimientos necesarios para manejar este software. No tenga miedo de cliquear con el mouse para ver que es lo que pasa; esta es la única forma de ser un verdadero usuario del Control Station. Para comenzar, ejecute el programa desde Windows y aparecerá la pantalla principal que se muestra a continuación. Nos concentraremos en el estudio de los tanques drenados por gravedad. Para ello, siga las instrucciones.

drenados por gravedad. Para ello, siga las instrucciones. * Hacer click en Modules, luego elegir Case

* Hacer click en Modules, luego elegir Case Studies y luego Gravity Drained Tanks, o

* Hacer click en el ícono de Case Studies y luego seleccionar Gravity Drained Tanks, o

* Use el botón derecho del mouse

y luego elija Gravity Drained Tanks.

Una vez que haya comenzado la simulación, observe por un momento la pantalla. Esta contiene un gráfico del proceso, dos gráficas instantáneas, distintos menues y una barra de herramientas. La gráfica superior representa la variable medida del proceso, que para el caso de los tanques drenados por gravedad es el nivel del líquido del tanque inferior. La gráfica inferior es de la salida del controlador, que en este caso manipula el caudal de entrada al tanque superior. La barra de herramientas incluye puesta a cero del reloj, escala de las gráficas, ver e imprimir gráficos, guardar y editar datos del proceso, pausa y comienzo de la simulación, navegar por los otros módulos del programa y ayuda sobre éste. Los rectángulos de fondo blanco que muestran datos característicos del proceso, pueden ser activados mediante el mouse. Tenemos la salida del controlador, el disturbio y el controlador de nivel (LC) del tanque inferior. Todo lo que necesite hacer, se puede realizar por dos o tres caminos distintos: 1) mediante un click en un ícono o área blanca del gráfico, 2) desde el menu, 3) usando el botón derecho del mouse.

2) desde el menu, 3) usando el botón derecho del mouse. * guardar información en un

*

guardar información en un archivo de disco:

de

Para

comenzar

y

dejar

- Hacer click en File en el menú y

luego seleccionar Save data to file

o

- Hacer click en el icono de Save Data.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

El primer paso en el diseño de un controlador es generar y adquirir datos dinámicos. Arriba se muestran dos caminos para guardar información en un disco. Estos mismos comandos se usan para detener la adquisición de datos una vez que el experimento se ha completado. Trate de guardar información en un archivo llamado Demo.dat. Use las opciones por defecto Storage Rate (razón de almacenaje) y Zero Clock (reloj en cero) cuando se señale.

almacenaje) y Zero Clock (reloj en cero) cuando se señale. * Para cambiar una variable tal

* Para cambiar una variable tal

como la salida del controlador:

- Hacer click en Tasks y luego

elegir Change Controller Output,

o

-

Hacer click o doble click en el

rectángulo blanco del gráfico del proceso, o

- Usar el botón derecho del mouse

y luego seleccionar Change Controller Output.

Al comenzar la recolección de datos (notar que el nombre del archivo aparece en la esquina inferior derecha), cambiar la salida del controlador para forzar una situación dinámica. Utilice cualquiera de los tres caminos citados arriba para cambiar el valor de salida del controlador de 20 a 22 cm³/sec, bajarlo a 18 cm³/sec y volver a 20 cm³/sec. Detener la grabación de datos una vez concluido el experimento.

la grabación de datos una vez concluido el experimento. * Para modelizar la información y sintonizar

* Para modelizar la información

y sintonizar un controlador usando la información de un

archivo:

- Hacer click en File, luego elegir Navigate y luego Design Tools,

o

- Hacer click en el icono Navigate y luego elegir Design Tools

Con la información del proceso dinámico guardada en el archivo Demo.dat, el siguiente paso es adaptar un modelo lineal de bajo orden y usar los parámetros del modelo en una correlación para computar los valores iniciales de sintonización del controlador. Para ello realizar los pasos enumerados en la figura anterior. Aunque no sea necesario, ud. puede querer detener la ejecución del proceso antes de entrar al modulo de diseño ( haga click en el ícono Pause, o click en Run y seleccione Pause en el menú).

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . * Para leer

* Para leer un archivo con datos del proceso en Design Tools:

- Hacer click en File el el menú y luego elegir Open Data File, o

- Hacer click en el icono de Open Data File.

La pantalla principal de Design Tools que se muestra arriba, puede ser corrida directamente desde cualquier caso de estudio o proceso personalizado o de manera individual desde la pantalla principal del Control Station. Este último modo es especialmente útil cuando se modeliza información recogida del laboratorio o de la planta, o que haya sido generada por otro programa de computación. Las columnas con los datos pueden ser procesadas en cualquier orden y no necesariamente en el que se encuentran a continuación. La ventaja de navegar por Design Tools directamente desde Case Studies o Custom Process es que el estado del proceso se mantiene durante la modelización y sintonización.

se mantiene durante la modelización y sintonización. * Antes de adaptar un modelo, las columnas correspondientes

* Antes de adaptar un modelo, las

columnas correspondientes al Tiempo, la Variable Manipulada y la variable de proceso deben ser identificadas:

- Hacer click en una columna de datos

- Presionar la tecla T, M o P

La información del archivo también puede ser editada desde esta pantalla usando el botón Edit Data.

Luego de seleccionar el archivo, Design Tools automáticamente procesa la información y la presenta para identificarla. La rutina de adaptación del modelo requiere que sean identificadas tres columnas como se aclara en la figura de arriba. La variable manipulada es la salida del controlador para los diseños por retroalimentación, pero puede ser por ejemplo, la variable de disturbio para un controlador por acción precalculada. La identificación de columnas se realiza por medio del teclado y sólo se usa el mouse para marcar cuál es la columna seleccionada. Para controladores PID simples que usen datos de los módulos Case Studies o Custom Process, las columnas ya se encuentran apropiadamente identificadas como se muestra en la figura anterior. Sólo tiene que presionar OK para proseguir con las opciones de modelización. Para estudios avanzados que incluyan cascada, acción precalculada o desacople, hay que prestar mucha atención a la hora de identificar las columnas de datos. Si el archivo procesado fue creado por Control Station, puede verificar la correcta identificación editando el archivo mediante el botón Edit Data y leyendo los datos de la parte superior del archivo.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . * Para elegir

* Para elegir un modelo dinámico de los disponibles en el programa

- Hacer click en Tasks y luego elegir Select Model, o

- Hacer click en el icono de Select Model y elegir el modelo deseado

Con el archivo de datos procesados y las columnas correctamente identificadas, elegir el formato del modelo deseado de la librería de modelos lineales dinámicos. Por conveniencia, las ecuaciones de Laplace y del dominio del tiempo de cada modelo, se muestran en el margen inferior de la pantalla.

modelo, se muestran en el margen inferior de la pantalla. * Para comenzar la adaptación del

* Para comenzar la adaptación del modelo:

- Hacer click en Fitting

el icono Start

Luego de hacer click en Start Fitting, se abrirá un contador de iteración. La suma de los cuadrados de los errores (SSE) deberán disminuir a medida que avanza la adaptación. De no ser así puede detener la rutina mediante el icono Stop Fitting.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . * Si el

* Si el modelo es satisfactorio,

automáticamente se mostrará un gráfico.

Si un modelo converge, automáticamente se muestra un gráfico que contiene la información

suministrada y el modelo en color amarillo. Hay varias opciones disponibles en esta pantalla:

- imprimir el gráfico a través de la opción de impresión o exportarlo hacia otra aplicación de

Windows, como ser Word, Power Point u otro que tenga la posibilidad de trabajar con gráficos.

-

ingresar diferentes valores de parámetros del modelo e inmediatamente ver como cambia su

respuesta.

- cambiar los títulos del gráfico, nombres de las variables, visualización de la grilla, modificar valores reales. Si esto no se cumple, los parámetros del modelo y los resultados de la sintonización del controlador carecen de valor. Ud. tiene que decidir si el modelo es válido o no.

valor. Ud. tiene que decidir si el modelo es válido o no. * Para obtener los

* Para obtener los valores de

sintonización en control P, PI o PID, haga click en el casillero correspondiente.

Si el modelo pasa su evaluación, se pueden obtener los valores de sintonización como se muestra en la figura anterior. Solo los modelos de primer orden más tiempo muerto (FOPDT) y FOPDT con integrador ofrecen los valores de sintonización. Los otros modelos son útiles si la información del proceso está siendo modelizada para obtener funciones transferencia con fines de simulación, por ejemplo en el módulo Custom Process.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . * Para armar

* Para armar un controlador:

- Haga click en Tasks y luego

seleccione Controller/Tuning, o

- Haga click sobre el símbolo del controlador en el gráfico, o

- Use el botón derecho del mouse y luego seleccione Change Controller/Tuning.

Abra el menú del controlador como se indica arriba. Haga click en el cuadro que dice Controller para seleccionar el algoritmo. Ingrese los valores correspondientes a los parámetros de sintonización del controlador y luego haga click en Done para completar el controlador.

y luego haga click en Done para completar el controlador. * gráfico: Para ver y/o imprimir

*

gráfico:

Para

ver

y/o

imprimir

un

- Haga click en Run y luego elija View and Print Plot, o

- Haga click en el icono View Print and Plot.

Para validar la sintonización de su controlador, haga pruebas de cambio del punto de control y estudios de rechazo de disturbios. Los valores del punto de control (set point) y el disturbio se modifican de la misma manera que la salida del controlador, vista anteriormente.

Personalización del proceso (Custom Process)

Este módulo trabaja como Case Studies en todos los aspectos, salvo que el usuario define el comportamiento del proceso y el disturbio mediante funciones transferencia. Para comenzar hay que hacer click en la opción Custom Process del menú principal de Control

Station.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . * personalizado: Para

*

personalizado:

Para

construir

un

modelo

- Haga click en Tasks y luego

seleccione Construct Process model, o

- Haga click en el icono Process en el gráfico del proceso.

Luego ingrese la función transferencia de su modelo en el menu de entrada que se abre.

Siguiendo los pasos de la figura anterior se construye el modelo del proceso y del disturbio. A partir de este momento se procede como en Case Studies para seleccionar y sintonizar el controlador.

Case Studies para seleccionar y sintonizar el controlador. * Para armar un controlador: - Haga click

* Para armar un controlador:

- Haga click en Tasks y luego

seleccione Controller/Tuning, o

- Haga click sobre el símbolo del controlador en el gráfico, o

- Use el botón derecho del mouse y luego seleccione Change Controller/Tuning.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

CONTROL STATION

Curso práctico de Control de Procesos

Índice:

Tema

Capítulo

Principios fundamentales del control de procesos

1

Módulos de estudio y personalización (Case Studies - Custom Process)

2

Modelización del comportamiento de procesos dinámicos en base a mediciones

3

Herranientas de diseño (Design Tools) para modelización de procesos dinámicos avanzados

4

Redefinición del proceso para la sintonización del controlador

5

Control On/Off - La ley de control más simple

6

Control P - La ley de control de valor medio más simple

7

Criterio de performance del controlador

8

Acción integral y control PI

9

Sintonización de un lazo cerrado y método de Ziegler- Nichols

10

Acción derivativa yh control PID

11

Control en cascada

12

Control por acción precalculada

13

Interacción de variables múltiples y control por desacople

14

Control del modelo interno para compensar el tiempo muerto (predictor Smith)

15

Uso de la herramientas de diseño para sintonizar controladores sobre procesos reales

16

Apéndice - Guía de sintonización de controladores

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

1. Principios fundamentales del control de procesos

1.1 Razones para el Control Automático de Procesos

Seguridad primero Los sistemas de control automático permiten que un proceso sea operado de manera segura y a un costo mínimo. Esto se logra mediante la permanente medición de parámetros tales como temperaturas, presiones, niveles, caudales y concentraciones, y luego tomando una decisión; por ejemplo abrir válvulas, desacelerar bombas y encender calentadores para mantener las variables controladas del proceso en los valores previamente seleccionados. El motivo de mayor importancia para el control automático es la seguridad, que abarca a las personas, el ambiente y los equipos. La seguridad del personal y de las personas de la comunidad es la prioridad máxima en la operación de una planta, por lo que son el objetivo primario al diseñar un sistema de control automático. El balance entre la seguridad del medio ambiente y las instalaciones es considerada para cada caso en particular. En los extremos, en una central de energía nuclear se prevalecerá la operación de la misma incluso si esto ocasiona la avería de algún equipo antes que permitir una fuga de radiación al exterior. Por otro lado, en una central de energía que use combustible fósil, se podrá permitir la generación ocasional de una nube de humo antes que dañar una unidad de proceso millonaria. Por lo tanto, sea cual fuese la prioridad del caso particular tanto del equipo como del medio ambiente, esto debe ser específicamente definido en el objetivo del sistema de control automático.

El interés por la rentabilidad Cuando las persona, el ambiente y el equipamiento se encuentran debidamente protegidos, los objetivos del control automático pueden centrarse en las ganancias. En este sentido el control automático propone minimizar la producción no conforme, minimizar el impacto ambiental, minimizar la energía usada y elevar la producción. Las especificaciones de los productos que establece el mercado son la prioridad esencial si el desviarse de ellas implica una reducción del valor de mercado del producto. En este sentido se puede hablar de rangos con máximos/mínimos valores de densidad, viscosidad o concentración hasta especificaciones de espesor, color o características particulares. Un desafío común para el control es operar cerca del mínimo o máximo de la especificación de un producto, tales como espesor mínimo o máxima concentración de impurezas. Demanda más materia prima el hacer un producto de un espesor inferior al mínimo especificado. Por lo tanto mientras más cerca podamos trabajar del espesor mínimo sin sobrepasarlo, mayor será la ganancia. Requiere mayor esfuerzo de un proceso el eliminar impurezas, por lo tanto mayores serán las ganancias mientras más cerca del máximo se trabaje sin sobrepasarlo. Todos estos objetivos globales se traducen finalmente en la planta a la manipulación de parámetros tales como temperatura, presión, nivel, caudal, concentración y todas las variables que puedan ser medidas, dentro de los límites especificados. Como se muestra en la Fig. 1.1, un proceso pobremente controlado tendrá una amplia variación de las variables medidas a través del tiempo. Para asegurar que no se supera el límite preestablecido, el valor medio de trabajo debe estar alejado del límite sacrificando ganancias. La figura 1.2 muestra que un proceso bien controlado tendrá una menor variación de las variables medidas. Esto mejorará la rentabilidad del proceso ya que se podrá operar con valores medios más cercanos al límite establecido.

Un control pobre significa variabilidad operacional

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Operación más rentable Fig. 1.1 Operación más rentable
Operación más rentable
Fig. 1.1
Operación más rentable

Límite de aceptación- rechazo del proceso

El set point debe ubicarse entonces, lejos del límite

El control más ajustado permite trabajar cerca del límite, aumentando la rentabilidad

Límite de aceptación- rechazo del proceso

Fig. 1.2

1.2 Terminología usada en control Nos introduciremos en el lenguaje específico de la materia a través del ejemplo de un sistema de control para calefaccionar una casa ilustrado en la figura 1.3. Es un caso simple ya que se considerara que el calefactor puede adoptar sólo dos estados (encendida/apagada). Más adelante veremos el desafío que representa el diseño de un sistema de control donde los ajustes realizados al proceso puedan variar en un rango de valores entre las posiciones extremas. El objetivo del control para el proceso ilustrado a continuación, es mantener la variable medida del proceso (la temperatura de la casa) en el punto de control (temperatura deseada, fijada previamente en el termostato por el dueño de la casa) a pesar de los disturbios (calor perdido por puertas y ventanas abiertas, por radiación de las paredes). Para lograr este objetivo, la variable medida es comparada con el punto de control. La diferencia entre ellos es el error del controlador, el cual es usado por el controlador para decidir (calcular) los ajustes de salida del controlador (una señal eléctrica o neumática).

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Controlador de temperatura Set point Sensor /transmisor de temperatura Calefacción
Controlador de
temperatura
Set point
Sensor /transmisor
de temperatura
Calefacción

Pérdida de calor (disturbio)

Caudal de ombustible

Fig. 1.3

El cambio en la señal de salida del controlador provoca una respuesta del elemento final de control (válvula de caudal de combustible), que a la vez provoca un cambio de la variable manipulada del proceso (caudal de combustible suministrado al calefactor). Si la variable manipulada se mueve en el sentido y cantidad necesaria, la variable del proceso se mantendrá en el punto de control cumpliendo así con el objetivo propuesto. Este ejemplo, como todos en el control de procesos, envuelve una medición, una decisión (cálculo o cómputo) y una acción:

Medición

Decisión

Acción

Temperatura de la casa

Tpto control-Tcasa > 0 ?

abrir válvula de combustible

Tcasa

Tpto control-Tcasa < 0 ?

cerrar válvula de combustible

Es importante resaltar que el cálculo de la acción se basa en el error del controlador, es decir la diferencia entre el punto de control y la variable medida.

1.3 Componentes de un lazo de control El sistema de control visto en el punto anterior, puede representase como un diagrama en bloques de un lazo de control retroalimentado como se muestra en la Fig 1.4. Este tipo de diagramas permite es aplicable a todos los sistemas de control retroalimentados y permite el desarrollo de análisis y diseños avanzados. Siguiendo el diagrama de la Fig. 1.4, un sensor mide la variable medida del proceso y transmite, o retroalimenta, la señal al controlador. Esta señal retroalimentada de la medición es restada al punto de control para obtener el error del controlador. El error es usado por el controlador para computar la señal de salida del controlador. La señal provoca un cambio mecánico en el elemento final de control, quien a su vez provoca un cambio de la variable manipulada del proceso. Un cambio apropiado de esta es el encargado de mantener la variable medida en el punto de control a pesar de los disturbios.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Señal de salida del controlador Caudal de combustible manipulado Temperatura de la casa Set point
Señal de salida del
controlador
Caudal de combustible
manipulado
Temperatura de
la casa
Set point
Termostato
Válvula de
Proceso de
combustible
calefacción
Disturbio
Señal de la medición de
temperatura de la casa
Sensor / transmisor de
temperatura
Fig. 1.4

Error del controlador

Un diagrama de lo anterior con bloques generalizados sería el mostrado por la figura 1.5. Ambos muestran un lazo de control con retroalimentación negativa, ya que el controlador automáticamente contrarresta cualquier desviación de la variable medida.

Señal de salida del controlador Variable manipulada Variable controlada Set point Controlador Elemento final de
Señal de salida del
controlador
Variable manipulada
Variable controlada
Set point
Controlador
Elemento
final de control
Proceso
Disturbio
Señal de realimentación
Sensor/Transmisor
Fig. 1.5

Error del controlador

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Supóngase que la señal de la medición fue desconectada, o abierto el lazo de control de manera tal que ya no se retroalimenta al controlador. Con el controlador fuera del modo automático, una persona debe manualmente ajustar la señal de salida del controlador que se envía al elemento final de control si se debe afectar la variable medida. La mayoría de los controladores requieren prefijar sus parámetros de sintonización mientras se encuentran en este modo manual o a lazo abierto. El cambio de automático a manual es una práctica común en casos de emergencia donde se supone que el controlador está ocasionando problemas sobre el proceso, haciendo oscilar la variable medida tendiendo a un comportamiento inestable.

1.4 El objetivo de este apunte Si bien el control automático comprende medición, decisión y acción, los detalles sobre los dispositivos comerciales disponibles, están fuera del alcance de este texto. La clase de dispositivos a los que nos referimos son:

Sensores: temperatura, presión, caída de presión, nivel, caudal, densidad, concentración. Elementos finales de control: válvulas, actuadores, compresores o bombas de velocidad variable, calentadores o refrigeradores. El mejor lugar para aprender sobre estos dispositivos, es consultando directamente a los vendedores de los mismos. Es recomendable consultar varios, para poder comparar las distintas características sobre productos para un mismo fin y sacar conclusiones. Entre estas características, se encuentran los principios físicos empleados, tipos de aplicación, exactitud y rango de operación, y por supuesto, su costo. No hay que olvidar jamás, que la instalación y mantenimiento son factores primordiales en la ecuación del costo total. La tercera pieza de instrumentación del lazo de control, es el mismo controlador:

Controlador automático: si/no, PID, cascada, acción precalculada, predictor Smith, múltiples variables, por muestreo, control adaptado por parámetros preestablecidos. Acerca de los detalles de estos dispositivos, no nos concentraremos en el aspecto comercial, para lo cual vale la misma sugerencia que para los sensores y elementos finales de control, sino sobre lo siguiente:

aprender a analizar datos de proceso para determinar su comportamiento dinámico aprender qué es un buen o mal comportamiento para un proceso en particular comprender los métodos de cálculo que encierra cada algoritmo y saber en qué tipo de proceso conviene utilizarlos comprender el impacto que tienen sobre el comportamiento del lazo los parámetros de sintonización del controlador y aprender a calcularlos conocer las ventajas y desventajas de cada estrategia de control

Preguntas

1.1) Algunos autos modernos, tienen un dispositivo llamado control de crucero. Para activarlo, el conductor presiona un botón mientras conduce a la velocidad que desea mantener y retira el pie del acelerador, y este control es el encargado de mantener la velocidad del vehículo a esa velocidad especificada a pesar de los disturbios que puedan aparecer. Por ejemplo cuando el auto sube o baja una pendiente, el controlador automáticamente aumenta o disminuye respectivamente el caudal de combustible al motor de manera de mantener la velocidad.

a) Para este ejemplo identifique:

- objetivo de control

- variable controlada

- variable manipulada

- set point o valor deseado

- tres disturbios diferentes

- sensor de medición

- elemento final de control

b) Dibuje un lazo cerrado de control en forma de diagrama de bloques sobre el sistema en cuestión

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

1.2) Debajo se muestra un tanque en el que fluye libremente el líquido. El caudal de salida es regulado a través de una válvula. El objetivo de control es mantener el nivel dentro del tanque en un valor deseado. El nivel es medido a través de un sensor diferencial de presión. El sensor/controlador, que como puede verse en el dibujo es de nivel (LC), calcula a cada instante cuál debería ser la posición de la válvula de control para aumentar o disminuir el caudal de drenaje, para mantener el nivel. Dibuje un diagrama en bloques del lazo de control representado.

Caudal de entrada

Caudal de salida
Caudal de salida

2. Casos Prácticos y Personalización de Procesos

2.1 Acerca de los Casos Prácticos (Case Studies). El sustento pedagógico del módulo Casos Prácticos, se basa en que la experiencia sobre ejemplos reales es crucial para entender la parte matemática y abstracta del control automático de procesos. Este módulo contiene una serie de simulaciones animadas para el estudio y exploración. Pueden manipularse las variables del proceso a lazo abierto para obtener información de respuesta a señales pulso, escalón, rampa o senoidal. La información puede ser grabada en archivos electrónicos o impresa en forma de gráfico para posteriores modelizaciones y diseños. El módulo herramientas de diseño es adecuado para esta última aplicación. Después de diseñar un controlador, se puede volver a Casos Prácticos para evaluar y mejorar el mantenimiento del punto de control y el rechazo de los disturbios. Los primeros conceptos a explorar abarcan comportamientos dinámicos tales como ganancia del proceso, constante de tiempo y tiempo muerto. Los conceptos intermedios tratan de la sintonización y performance de controladores PID. Los conceptos avanzados incluyen control en cascada, por desacople, por acción precalculada, compensación de tiempo muerto y control digital.

2.1.1 Tanques vaciados por gravedad El proceso mostrado en la Fig 2.1 consiste en dos tanques conectados en serie, vaciados por acción de la gravedad. La variable manipulada es el caudal de fluido que ingresa al tanque superior. La variable

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

medida es el nivel de fluido del segundo tanque. La variable de disturbio (o carga del proceso) es una salida secundaria de fluido del tanque inferior debida a una bomba de desplazamiento positivo. Por lo tanto, el caudal de disturbio es independiente del nivel del fluido salvo cuando el tanque está vacío.

del nivel del fluido salvo cuando el tanque está vacío. Variable controlada Disturbio Fig. 2.1 Salida

Variable controlada

salvo cuando el tanque está vacío. Variable controlada Disturbio Fig. 2.1 Salida del controlador Sensor y

Disturbio

cuando el tanque está vacío. Variable controlada Disturbio Fig. 2.1 Salida del controlador Sensor y controlador

Fig. 2.1

Salida del controlador

Sensor y controlador

Un desafío de control que surge de este proceso aparentemente estable, es que su comportamiento dinámico cambie a medida que cambia el nivel de operación. La causa de este modesto comportamiento no lineal es que la razón de vaciado de cada tanque es proporcional a la raíz cuadrada de la altura de líquido en cada tanque.

2.1.2 Intercambiador de calor El proceso que se muestra en la Fig. 2.2 es un enfriador de aceite lubricante en contracorriente. La variable manipulada es el caudal de agua de enfriamiento del lado de la coraza. La variable medida es la temperatura del aceite que sale del intercambiador por el tubo. Este proceso tiene un comportamiento de orden superior al de los tanques vaciados por gravedad. También tiene una ganancia de estado estacionario negativa. Esto significa que al aumentar el caudal de agua de enfriamiento (variable manipulada), la temperatura de salida (variable medida) descenderá. Otra característica interesante es que los disturbios, generados por la mezcla de aceite caliente y tibio en el ingreso al intercambiador, causan una respuesta a lazo abierto inversa de la variable medida. Esto se debe a que un aumento del caudal de disturbio aumenta el caudal total que circula por el intercambiador el cual ahora tiene una temperatura inferior a la normal debido a la mezcla. Por lo tanto, el fluido que ya se encuentra en el intercambiador en el momento en que aparece el disturbio es forzado a circular más rápido de lo normal, reduciendo el tiempo de intercambio y saliendo a una temperatura superior a la que lo hacía antes de este. Una vez que comience a salir el fluido ya mezclado, lo hará a una temperatura inferior a la que lo hacía antes del disturbio. Concluimos que un aumento del caudal de disturbio provoca en principio un aumento de la variable medida (temperatura de salida) para luego descender a una temperatura de estado estacionario inferior a la inicial.

Variable de disturbio

Salida del controlador (variable manipulada)

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . Fig. 2.2 Salida

Fig. 2.2

Salida del caudal de refrigeración

Variable controlada

2.1.3 Bombeo de un tanque

Este proceso, que se muestra en la Fig 2.3, es un tanque de compensación de agua salada. La variable manipulada es el caudal de salmuera que sale por el fondo del tanque y es ajustado por una válvula de estrangulamiento en la descarga de una bomba de presión constante. Esto se aproxima al comportamiento de una bomba centrífuga trabajando a un régimen relativamente bajo. La variable medida es el nivel de salmuera. La variable de disturbio es el caudal de una línea secundaria de alimentación al tanque. Este proceso ofrece un desafío interesante debido a la naturaleza integradora del proceso, por lo que cualquier cambio sustancial en la variable manipulada provoca en la variable medida un transitorio que concluye con el llenado o vaciado del tanque.

Variable controlada

con el llenado o vaciado del tanque. Variable controlada Variable de disturbio Sensor / controlador Variable

Variable de disturbio

Sensor / controlador

Variable manipulada

2.1.4 Reactor

Este proceso mostrado en la Fig 2.4, para el caso de lazo simple, es un reactor de tanque continuamente agitado (CSTR) donde tiene lugar la reacción exotérmica irreversible de primer orden A=>B. El tiempo de residencia es constante en este reactor donde la mezcla es perfecta, por lo que la transformación en estado estacionario del reactante A puede ser inferida por la temperatura del flujo de salida del reactor. Para controlar la temperatura del reactor, el recipiente esta recubierto por una camisa de líquido refrigerante. Como se muestra en la Fig. 2.4, la variable manipulada del proceso es el caudal de líquido refrigerante. La variable medida es la temperatura del flujo de salida. La variable de disturbio en esta simulación es la temperatura de entrada del líquido refrigerante.

Fig. 2.3

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Este proceso tiene múltiples estados estacionarios. La simulación comienza con una temperatura de estado estacionario intermedia e inestable. Cualquier manipulación a lazo abierto del caudal de refrigeración o de la temperatura de disturbio, provocará un corrimiento hacia el límite superior o inferior de la temperatura de operación estable. El proceso fue modelizado siguiendo los desarrollos presentados en textos populares. Asumiendo una reacción irreversible de primer orden (A=>B), mezcla perfecta en el reactor y en la camisa refrigerante, volumen y propiedades físicas constantes, y pérdida de calor despreciable, el modelo puede expresarse como:

Balance de masa del reactivo A:

Balance de energía del reactor:

Balance de energía de la camisa:

Coeficiente de razón de reacción:

dC

A

=

F

(

C

-

dt

V

A0

dT

=

F

(

T

-

T

)

dt

dT

J

V

=

0

UA

(

dt

V

J

r

J

C

PJ

k

= k

0 e

- E / RT

 

C

A

)

-

kC

A

-

D

H

R

r

C

P

kC

A

T

-

T

J

)

+

F

J

V

J

-

UA

V

r

C

P

(

T

J0

-

T

j

(

)

T

-

T

1

)

El módulo de Casos Prácticos utiliza retrasos de primer orden en las respuestas de las variables manipuladas y de disturbio para simular la dinámica de la válvula. Un error aleatorio normalmente distribuido, que puede ser ajustado por el usuario y tiene un valor por defecto de ±3 desviaciones estándar iguales a 0,1ºC, se agrega a la variable medida (flujo de salida) para simular un modesto ruido de la medición.

Variable de disturbio

Sensor / controlador

de la medición. Variable de disturbio Sensor / controlador Fig. 2.5 Variable manipulada Variable controlada 2.1.5

Fig. 2.5

Variable manipulada

Variable controlada

2.1.5 Reactor en Cascada El comportamiento a lazo abierto de este reactor en cascada es idéntico al caso anterior de lazo simple. La única diferencia reside en la arquitectura del controlador según se muestra en la Fig. 2.5. Un control en cascada está formado por dos mediciones del proceso, dos controladores y un solo elemento final de control, el mismo que en el caso anterior. El proceso secundario o interno para este caso sería la camisa refrigerante. La variable manipulada del lazo secundario es el caudal de refrigerante y la variable controlada es la temperatura del refrigerante a la salida de la camisa. El proceso primario o externo sigue siendo el reactor y la temperatura del flujo de salida del reactor la variable controlada. Sin embargo,

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

como se muestra en la Fig. 2.5, la variable manipulada para el lazo primario es el punto de control del lazo secundario. La ventaja del control en cascada es que el controlador secundario puede compensar los disturbios antes de que la variable controlada del lazo primario se vea afectada. Un requisito para que el control en cascada sea efectivo es que el lazo secundario sea dinámicamente más rápido que el primario (menores constantes de tiempo). Esta condición se cumple perfectamente para el caso del reactor.

Variable de disturbio Controlador secundario Controlador primario
Variable de disturbio
Controlador secundario
Controlador primario

Fig. 2.5

Salida del controlador secundario

Variable del proceso secundario

Salida del controlador primario

Variable del proceso primario

2.1.6 Columna de Destilación La Fig. 2.6 muestra una columna de destilación binaria que separa agua y metanol. La dinámica del proceso se basa en el modelo dinámico determinado por Wood and Berry (Ciencia de la ingeniería química).

Variable de disturbio

(Ciencia de la ingeniería química). Variable de disturbio Salida del controlador Variable controlada Sensor /
(Ciencia de la ingeniería química). Variable de disturbio Salida del controlador Variable controlada Sensor /

Salida del controlador

Variable controlada

Sensor / controlador

Salida del controlador

Sensor / controlador

Variable controlada

Fig. 2.6

Hay dos variables controladas y dos variables manipuladas en este proceso. La proporción de flujo realimentado controla la composición de la destilación y la proporción de vapor que va al rehervidor controla la la composición del flujo de la salida inferior. El caudal de alimentación de la columna es la variable de disturbio. Este proceso ilustra la interacción que puede ocurrir en aplicaciones con más de un controlador en un mismo proceso. Por ejemplo, supóngase que la concentración (o pureza) del producto que sale por la parte superior de la columna es demasiado baja. El controlador superior lo compensará incrementando el flujo de realimentación a la columna.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Este aumento en el caudal provocará un incremento en la concentración o pureza de la destilación. Sin embargo, el caudal adicional se desplaza hasta la parte inferior y eventualmente la enfriará. Con esto se tiene un corrimiento respecto al punto de control de la concentración del producto obtenido por la parte inferior y el controlador acusará un error. El controlador inferior compensará esto incrementando el caudal de vapor que va al rehervidor, con lo que se logra un aumento de los vapores calientes que ascienden por la columna, que eventualmente calientan la parte superior de la columna. El resultado es nuevamente la reducción de la concentración de la salida superior. Como respuesta, el controlador superior trata de corregir esta disminución y se puede decir que comienza la “pelea” de los controladores. Los desacopladores son modelos simples del proceso que pueden ser diseñados dentro de la arquitectura del controlador para minimizar estos efectos.

2.2 Acerca de la Personalización del Proceso Este es un módulo que trabaja con bloques y sirve para implementar la simulación de un proceso

según las especificaciones del usuario. Esto se logra ingresando una función transferencia para el proceso y otra para el disturbio. Estas pueden obtenerse de la teoría o ser computadas de los datos del proceso mediante el bloque Herramientas de Diseño. El módulo de personalización permite una gran variedad de dinámicas de proceso y análisis de la performance de los controladores. Por ejemplo, se pueden investigar las ventajas y desventajas de los diferentes modos de control y las distintas sintonizaciones que respondan a la famosa pregunta , qué pasaría

Otra posibilidad es estudiar la sensibilidad del controlador para lograr una buena adaptación entre el

si

modelo y la planta real, o tal vez aislar y explorar el impacto del ruido en la señal de la varible medida sobre la performance del lazo.

?.

de la varible medida sobre la performance del lazo. ?. Fig. 2.7 También se puede estudiar

Fig. 2.7

También se puede estudiar cómo los controladores deben balancear en ciertas ocasiones el ajuste al punto de control y el rechazo de los disturbios cuando el comportamiento del proceso y el disturbio son diferentes. Para cada función transferencia, una ganancia de proceso de estado estacionario, de hasta tres constantes de tiempo del proceso, un tiempo muerto y un elemento de tiempo inicial (lead time) pueden ser especificados.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . Fig. 2.8 Luego

Fig. 2.8

Luego de picar sobre el bloque Proceso o Disturbio del gráfico que se muestra en la Fig 2.7, se abre la ventana de la Fig. 2.8 que permite ingresar la función transferencia del proceso y el disturbio. También se pueden especificar los ceros y puntos de trabajo utilizando la última tabla de la ventana (Zeros and Spans). Al finalizar, picar en Done para correr la simulación personalizada.

Preguntas

2.1) Todos los sensores/controladores, tienen iniciales. ¿Qué significa LC, TC o CC?

2.2) Identifique las unidades de las variables controlada, manipulada y de disturbio de los siguientes procesos.

a) Tanques drenados por gravedad

b) Intercambiador de calor

c) Bombeo de tanques

d) Diseñe un proceso

e) Reactor

f) Reactor en cascada

g) Columna de destilación

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

3. Modelización del comportamiento dinámico del proceso en base a mediciones

3.1 Para qué modelizar el comportamiento dinámico de un proceso? Pensemos en el diseño de un sistema de control de crucero para un auto versus otro para un camión

de 18 ruedas. Para ambos vehículos pensemos acerca de:

- La velocidad de aceleración y desaceleración respectiva

- El efecto de los disturbios tales como el viento, pendientes, sobrepasos, etc.

Las acciones que un controlador correctamente diseñado deberá tomar, diferirán mucho para un auto respecto a un camión debido a que el comportamiento dinámico de cada uno es diferente. El comportamiento dinámico de un proceso es fundamental para el diseño y sintonización de un controlador automático. Como este proceso se encuentra en el Control Station, los pasos para sintonizar un controlador son:

1)

Se hace que la variable manipulada sufra una variación tipo escalón, pulso u otra, generalmente a

2)

lazo abierto (modo manual) Las variables manipulada y medida son registradas (grabadas) a medida que el proceso responde al

3)

cambio provocado. Se adapta un modelo dinámico de primer orden más tiempo muerto (FOPDT) a la información registrada.

4) Los parámetros del modelo dinámico resultante se usan para obtener valores estimados de los

5)

6)

parámetros de sintonización del controlador Los parámetros de sintonización son ingresados al controlador, el cual se cambia a la modalidad automático (lazo cerrado) y se evalúa el comportamiento del mismo para mantener valores deseados de la variable controlada y rechazar disturbios. La sintonización final (o fina) se obtiene mediante prueba y error hasta obtener el comportamiento deseado.

disturbios. La sintonización final (o fina) se obtiene mediante prueba y error hasta obtener el comportamiento

Si bien como se dijo en el paso 1 estas experiencias se realizan a lazo abierto, se está tornando común realizar esta clase de estudios a lazo cerrado. La información a registrar en el punto 2 es generada alterando la variable manipulada hasta un valor tal que sea suficiente para revelar el carácter del proceso en el intervalo que dure la respuesta del controlador para devolver el proceso al estado estacionario. Los tres parámetros que se obtienen de la modelización de un sistema de primer orden más tiempo muerto son:

- Ganancia del proceso de estado estacionario, Kp

- Constante de tiempo del proceso, tp

- Tiempo muerto aparente, qp

La importancia de estos parámetros radica en su uso para conseguir una aproximación a los parámetros de sintonización.

3.2 Prueba tipo escalón

Como se muestra en la Fig. 3.1, una prueba tipo escalón comienza cuando el proceso se encuentra en estado estacionario. La variable manipulada (salida del controlador) es variada desde un valor constante hasta otro diferente. Luego se deja que la variable medida del proceso responda hasta alcanzar el nuevo valor. Este tipo de ensayo es muy útil ya que los parámetros de los modelos FOPDT pueden determinarse directamente a partir de la gráfica de la respuesta.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Escalón Fig. 3.1
Escalón
Fig. 3.1

3.3 Prueba tipo pulso

Esta prueba puede pensarse como dos pruebas tipo escalón realizadas en forma sucesiva. Nótese en la Fig. 3.2 que el segundo escalón recién tiene lugar después que el proceso ha arrojado conclusiones acerca de su comportamiento dinámico pero antes de que se alcance un nuevo estado estacionario.

Pulso Fig. 3.2
Pulso
Fig. 3.2

Una ventaja de este tipo de ensayo es que muchos procesos se comportan como muestra la figura, es decir que rápidamente deben retornar al punto de operación inicial. A diferencia del ensayo tipo escalón, en este caso se requerirá la ayuda de herramientas numéricas, como las que se encuentran en Herramientas de Diseño, para adaptar un modelo FOPDT a la información registrada.

3.4 Ganancia del proceso, Kp a partir de un prueba tipo escalón

Las gráficas de estos ensayos pueden ser analizadas directamente para obtener valores aproximados de los parámetros de los modelos FOPDT: ganancia del proceso, Kp, constante de tiempo,tp y tiempo muerto aparente, qp. La ganancia del proceso de estado estacionario, Kp, describe la sensibilidad del proceso, o la tendencia de la variable medida, Y, para responder a los cambios de la variable manipulada, U, y se calcula de la siguiente manera:

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Kp =

D

Y

D

U

Como la prueba tipo escalón comienza y termina en estado estacionario, Kp puede determinarse directamente del gráfico.

3.4.1 Ejemplo – Tanques drenados por gravedad

En la Fig. 3.3 se observa que la salida del controlador es manipulada para variar el caudal de 11,5 cm 3 /s hasta 13 cm 3 /s. La variable medida (nivel de líquido en el tanque inferior), que se encontraba en 13 cm, responde al aumento de caudal llegando hasta los 17,7 cm.

Respuesta de la variable controlada Escalón de la variable manipulada Fig. 3.3
Respuesta de la variable controlada
Escalón de la variable manipulada
Fig. 3.3

Kp =

D

Y

D

U

=

17,7

-

13,0cm

13,0

-

11,5cm

3

/ s

= 3,13

cm

cm

3

/ s

Nótese que Kp tiene un valor (3,13), un signo (“positivo” +3,13), y unidades(cm/cm 3 /s)

3.4.2 Ejemplo – Intercambiador de calor

En la Fig. 3.4 se ve la respuesta de la temperatura de salida ante un cambio en el caudal de agua de refrigeración. El proceso se encuentra inicialmente en estado estacionario con un caudal de agua de 20,0 L/min y una temperatura de salida de 140,0 ºC. Se lleva el caudal de agua hasta 22,0 L/min y la temperatura disminuye hasta 138,1 ºC.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Respuesta de la variable controlada Escalón de la variable manipulada Fig. 3.4
Respuesta de la variable controlada
Escalón de la variable manipulada
Fig. 3.4

Kp

 

D

Y

140,0

-

138,1º C

=

=

 

D

U

20,0

-

22,0L / min

= - 0,95

ºC

L / min

Nótese que Kp tiene un valor (0,95), un signo (ahora “negativo” –0,95), y unidades (ºC/[L/min])

3.5 Constante de tiempo, ttp a partir de una prueba tipo escalón La constante de tiempo describe la velocidad de la respuesta de un proceso una vez que la respuesta ha comenzado, o cuán rápidamente la variable medida cambia como resultado de un cambio de la variable manipulada. Como Kp, la constante de tiempo puede ser estimada a partir de la gráfica de la respuesta de la siguiente manera:

1)

2)

3)

Localice en el gráfico el momento en que la variable medida Y muestra una clara respuesta al cambio de la variable manipulada, DU. Este punto lo denominaremos tiempo de arranque , t START. Ubique el punto en que la variable medida alcanza Y 63,2 , que es el punto en que alcanza el 63,2% de su valor final de respuesta al escalón de la variable manipulada. Llamaremos a este punto t 63,2 . La constanter de tiempo, tp, se estima como la diferencia entre t start y t 63,2 . Como la constante de tiempo indica el transcurso de un período, debe tener valor positivo.

El valor 63,2% es exacto para procesos lineales de primer orden. En la realidad, muy pocos procesos son lineales o de primer orden. Sin embargo, esta aproximación genera una constante de tiempo descriptiva del comportamiento del proceso y por lo tanto es útil para determinar aproximadamente los parámetros de sintonización del controlador.

3.5.1 Ejemplo – Tanques drenados por gravedad La Fig. 3.5 es la misma que usamos para determinar Kp.La salida del controlador es manipulada para variar el caudal de 11,5 cm 3 /s hasta 13 cm 3 /s. La variable medida (nivel de líquido en el tanque inferior), que se encontraba en 13 cm, responde al aumento de caudal llegando hasta los 17,7 cm. Ahora apliquemos el análisis visto en el punto anterior:

1) El punto en que la variable medida muestra una clara respuesta al cambio de la variable manipulada corresponde a la abscisa 8,1 min (t START ) La variable medida, Y, arranca desde un valor de estado estacionario de 13,0 cm y muestra una variación total ante el escalón de DY=4,7 cm, por lo que Y 63,2 será:

2)

Y 63,2 = 13,0 + 0,632 (DY) = 13,0 + 0,632 (4,7cm) = 16,0 cm

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

En la gráfica, a este valor de ordenada corresponde una abscisa de t 63,2 = 7,0 min. Por lo tanto, la constante de tiempo para la respuesta de este proceso es tp = 1,1 minuto = 66 segundos

Fig. 2.8
Fig. 2.8

3.5.2 Ejemplo – Intercambiador de calor La Fig. 3.6 es la misma que utilizamos para determinar Kp. La variable manipulada se varía de 20,0 a 22,0 L/min y la variable medida muestra una respuesta negativa, cayendo de 140,0ºC a 138,1ºC

una respuesta negativa, cayendo de 140,0ºC a 138,1ºC Fig. 3.6 1 ) El punto en que

Fig. 3.6

1) El punto en que la variable medida muestra una clara respuesta al cambio de la variable manipulada corresponde a la abscisa 13,9 min (t START ) La variable medida, Y, arranca desde un valor de estado estacionario de 140,0 ºC y muestra una variación total ante el escalón de DY = -1,9ºC, por lo que Y 63,2 será:

2)

Y 63,2 = 140,0 + 0,632 (DY) = 140,0 + 0,632 (-1,9ºC) = 138,8ºC

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

En la gráfica, a este valor de ordenada corresponde una abscisa de t 63,2 = 12,9 min. Por lo tanto, la contante de tiempo para la respuesta de este proceso es tp = 1,0 minuto = 60 segundos

3.6 Tiempo muerto aparente, qqp, a partir de una prueba tipo escalón. El tiempo muerto es el tiempo que transcurre desde el momento del cambio de la variable manipulada hasta el momento en que la variable medida muestra una clara respuesta al mismo. El tiempo muerto aparece por una serie de factores, incluyendo retrasos de transporte, o el tiempo que le toma a las sustancias viajar desde un punto a otro, y retrasos por muestreo y/o instrumental, o retrasos por adquisición, análisis o proceso de las muestras de la variable medida. El tiempo muerto también puede aparecer en procesos de orden superior simplemente porque esos procesos son lentos para responder a los cambios de la variable manipulada. El tiempo muerto total o aparente, qp, se refiere a la suma de tiempos muertos evidentes de todas las fuentes y tiene efecto negativo por el control de procesos. Es muy importante que los procesos sean diseñados, y los sensores seleccionados y ubicados de manera tal de evitar el agregar tiempos muertos innecesarios al lazo de control. El procedimiento para estimarlo a partir de gráficas es el siguiente:

1) Ubicar en la gráfica el punto donde se realiza el escalón de la variable manipulada, DU.

2)

3)

Llamaremos a este punto t STEP . Ubicar en la gráfica el punto donde la variable medida, Y, muestra la primer respuesta clara de respuesta al escalón. Este punto es el mismo tiempo de arranque t START utilizado para determinar la constante de tiempo del proceso tp. El tiempo muerto aparente, qp, es luego estimado como la diferencia entre t STEP y t START . Como el tiempo muerto indica un intervalo de tiempo, su valor será positivo.

t S T E P y t S T A R T . Como el tiempo

3.6.1 Ejemplo – Tanques drenados por gravedad

Volviendo sobre misma gráfica utilizada para determinar las dos constantes previas, en la Fig. 3.7

aplicaremos el procedimiento para determinar el tiempo muerto:

1)

El escalón de la variable manipulada ocurre en el punto t STEP = 8,4 minutos.

2)

La variable medida comienza a dar muestra clara de respuesta al escalón de la variable manipulada

3)

en el punto t START = 8,1 minutos. Por lo tanto, el tiempo muerto resulta qp = 0,3 minutos = 18 segundos

el tiempo muerto resulta q p = 0,3 minutos = 18 segundos Fig. 3.7 3.6.2 Ejemplo

Fig. 3.7

3.6.2 Ejemplo – Intercambiador de calor

Para el intercambiador de calor, el tiempo muerto será:

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . Fig. 3.8 1)

Fig. 3.8

1)

El escalón de la variable manipulada ocurre en el punto t STEP = 14,7 minutos.

2)

La variable medida comienza a dar muestra clara de respuesta al escalón de la variable manipulada

3)

en el punto t START = 13,9 minutos. Por lo tanto, el tiempo muerto resulta qp = 0,8 minutos = 48 segundos

Preguntas A menos que se indique, utilice los valores por defecto del nivel de ruido, disturbio y otros.

3.1) Utilizando el proceso de los tanques drenados por gravedad en modo manual:

a) Lleve el caudal de entrada a 25 cm 3 /seg y deje que el proceso se estabilice. Ahora, lleve el caudal de entrada a 20 cm 3 /seg y deje estabilizar nuevamente. Imprima un gráfico de la respuesta. Repita la operación para un escalón entre 20 y 15 cm 3 /seg y entre 15 y 10 cm 3 /seg.

b) Utilizando la metodología gráfica descrita en este capítulo, ajuste un modelo FOPDT a cada una de las curvas del proceso. Es decir, calcule la ganancia del proceso Kp, la constante de

tiempo tp y el tiempo muerto aparente qp. Tabule los resultados y analice si el proceso es lineal o no y por qué. 3.2) Utilizando el intercambiador de temperatura en modo manual:

a) Determine la ganancia de estado estacionario del proceso Kp, cuando se opera el intercambiador bajo una temperatura de salida de 140ºC, 150ºC y 160ºC.

b) ¿Es un proceso lineal o no?. ¿Por qué?

c) Basándose en el Kp del punto a, estime la ganancia de estado estacionario del proceso si la temperatura de salida del intercambiador fuera de 155ºC

3.3) Utilizando el intercambiador de temperatura en modo manual:

a) Lleve el caudal de entrada a 17,8 L/min y déjelo estabilizar. Provoque un escalón del caudal de disturbio de 10 a 2 L/min. Grafique la respuesta del proceso.

b) Explique por qué el proceso muestra una respuesta inversa ante el escalón.

c) Ajuste un modelo FOPDT a la gráfica del punto a, usando la metodología gráfica descrita en este capítulo y calcule la ganancia de la relación de las variables disturbio-controlada, constante de tiempo y tiempo muerto aparente.

d) ¿Por qué es razonable aproximar la porción inversa de la respuesta como tiempo muerto?

3.4) Utilizando Personalización de procesos en modo manual:

a) Especifique un proceso que tengas una ganancia de 1,5 y tres constantes de tiempo de 100, 50 y 25 segundos. Realice una prueba tipo escalón a lazo abierto llevando la variable manipulada del 50 al 60%, deje estabilizar el proceso y grafique la respuesta.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

b) Ajuste un modelo FOPDT mediante el método gráfico. A pesar de que no había un tiempo muerto específico en el proceso, el qp del modelo no será cero. ¿A qué se debe esto?

4. Utilizando Herramientas de diseño para modelizar la dinámica de procesos

4.1 Qué es Herramientas de diseño (Design Tools)?

Este módulo ofrece la posibilidad de adaptar modelos dinámicos a tablas de datos de procesos. Estos datos pueden obtenerse tanto del módulo Casos de estudio, así como de otros software o de procesos reales. Para ello, los datos deben estar en formato de archivo de texto (ASCII) y tabulados en columnas deparadas por comas, espacios o tabulaciones. De manera simple se selecciona luego qué columna corresponde a cada una de las variables del proceso (controlada, manipulada) y la correspondiente al tiempo de los sucesos. Los modelos lineales disponibles en la librería del programa son:

- Primer orden

- Primer orden más tiempo muerto

- Primer orden con integrador

- Primer orden más tiempo muerto con integrador

- Segundo orden sobreamortiguado

- Segundo orden sobreamortiguado más tiempo muerto

- Segundo orden sobreamortiguado y elemento lead

- Segundo orden más tiempo muerto y elemento lead

El modelo seleccionado es ajustado a la información registrada, minimizando la suma de los errores medios cuadráticos (SSE) entre la respuesta del proceso real y la respuesta del modelo para esos datos.

SSE

=

N

Â

i

1

=

(Re spuesta medida

i

-

Re spuesta mod elo )

i

2

Al momento de procesar la SSE, el software asume que el proceso se encuentra en estado estacionario antes de que ocurra el evento dinámico y el primer valor de la información almacenada es un fiel indicador de este estado. Si esto no coincide con la realidad, la exactitud del modelo se verá reducida.

4.2 Modelos dinámicos de primer orden más tiempo muerto (FOPDT)

Los modelos avanzados de la librería de Herramientas de diseño, son útiles para modelizar procesos reales y correr la simulación en el módulo Personalización del proceso o algún otro software similar. Para sintonizar un controlador, sin embargo, se debe usar un modelo FOPDT. En el capítulo 3 se detalló un procedimiento gráfico para obtener un modelo FOPDT a partir de un escalón. Herramientas de diseño, realiza esta misma función automáticamente y con mucha más precisión. La Fig. 4.1 muestra un modelo FOPDT ajustado para el mismo escalón usado en los tanques drenados por gravedad en el capítulo 3. Puede verse el escalón de la variable manipulada desde 11,5 cm 3 /s hasta 13 cm 3 /s y a la variable controlada respondiendo desde un estado estacionario de 13 cm hasta 17,7 cm. La línea sólida, que se mezcla con la respuesta ruidosa, es la respuesta del modelo. Puede verse en la figura, la precisión del modelo.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Modelo FOPDT (línea contínua) Fig. 4.1
Modelo FOPDT (línea contínua)
Fig. 4.1

La Fig. 4.2 muestra la modelización obtenida para el ensayo por pulso realizado en el capítulo 3 también para los tanques drenados por gravedad.

Modelo FOPDT (línea contínua) Fig. 4.2
Modelo FOPDT (línea contínua)
Fig. 4.2

A continuación, presentamos los parámetros del modelo FOPDT obtenidos gráficamente (cap. 3) por escalón y por pulso. A pesar de las diferencias que hay, todos producen un comportamiento similar del controlador.

Método gráfico

FOPDT (escalón)

FOPDT (pulso)

Kp (cm/(cm 3 /seg.))

3,13

3,11

3,01

ttp (seg.)

66,0

57,1

55,4

qqp (seg.)

18,0

24,7

23,1

4.3 El desafío de los procesos no lineales

El modelo FOPDT es

lineal, y sus parámetros son usados para sintoniza controladores PID, que

también son lineales. Desafortunadamente, la mayoría, de los procesos son no lineales.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Un proceso no lineal es aquel que se comporta de manera diferente a diferentes niveles operativo. Supongamos que grabamos la información de un ensayo escalón de un proceso a un determinado nivel de operación. Una vez que el proceso se estabiliza, se provoca un nuevo escalón partiendo del nuevo estado estacionario obtenido. Si el proceso fuese lineal, los parámetros obtenidos del modelo FOPDT aplicado serían virtualmente los mismos. Ahora si el proceso no es lineal, estos pueden ser diferentes, lo que quiere decir que un controlador sintonizado para un determinado rango de operación, no tendrá el mismo comportamiento en otro rango diferente. La Fig. 4.3 ilustra el comportamiento no lineal de los tanques drenados por gravedad. Pueden verse 5 escalones sucesivos desde lo 11,5 cm 3 /s hasta 19 cm 3 /s y las respuestas de la variable medida, nivel en el tanque inferior, así como la respuesta de un modelo FOPDT con parámetros constantes.

Modelo FOPDT Parámetro constante Respuesta medida de los tanques drenados por gravedad Iguales DU
Modelo FOPDT
Parámetro constante
Respuesta medida de
los tanques drenados
por gravedad
Iguales DU

Fig.4.3

Puede verse que el modelo es preciso para el primer escalón, luego va perdiendo precisión y

termina siendo bastante diferente a la respuesta real del proceso. Podemos concluir diciendo que los ensayos

de escalón o pulso para obtener modelizaciones y sintonización de controladores, deben ser realizados en el

mismo rango de operación en que funcionará el proceso una vez cerrado el lazo de control.

4.4 Otros comportamientos de procesos Los modelos FOPDT no pueden describir precisamente el comportamiento de algunos procesos, aún en rangos reducidos de operación. Los procesos subamortiguados, los inversos y los integradores son algunos de los comportamientos más comunes de este tipo. Es interesante notar, que a pesar de que la respuesta del proceso y la del modelo parecen muy diferentes, las correlaciones de sintonización arrojan parámetros de sintonización que brindan al

controlador un comportamiento a lazo cerrado razonable. Esto se debe a que el modelo lo que describe al fin

la velocidad y forma de respuesta, así como el retraso propio con que la variable controlada responderá a un

cambio de la variable manipulada. Esta es la información requerida para el diseño y sintonización de un controlador.

4.4.1 Ejemplo – Procesos subamortiguados La Fig. 4.4 muestra la respuesta a un escalón de un modelo FOPDT. Cuando un proceso es

subamortiguado, la variable controlada oscila a medida que responde al cambio de la variable manipulada.

A pesar de haber una diferencia significativa entre el modelo y la medición, el modelo se aproxima a la

velocidad de respuesta de la variable controlada y también indica cuál es el estado estacionario final de la variable controlada luego de amortiguar las oscilaciones.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Modelo FOPDT Fig. 4.4
Modelo FOPDT
Fig. 4.4

4.4.2 Ejemplo – Procesos inversos La Fig. 4.5 muestra una modelización FOPDT a una respuesta inversa en escalón. Cuando un proceso muestra comportamiento inverso , la variable controlada se mueve primero en una dirección a medida que responde al escalón de la variable manipulada y finalmente se desplaza en sentido opuesto. Para el caso del intercambiador de calor, un cambio en escalón en el caudal de disturbio produce una respuesta inversa de la variable controlada.

Modelo FOPDT Fig. 4.5
Modelo FOPDT
Fig. 4.5

Como puede verse en la figura anterior, la porción inversa de la respuesta sería el tiempo muerto. Con esta consideración las correlaciones de sintonización harán que el controlador ignore esta porción de la respuesta y se centralice en el comportamiento final. De otro modo la performance se vería disminuida ya que el controlador trataría de compensar desviaciones temporarias.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

4.4.3 Ejemplo – Procesos integradores La Fig. 4.6 muestra un modelo FOPDT de la respuesta a un escalón de un proceso integrador. Cuando un proceso tiene un comportamiento integrador, la variable controlada continúa respondiendo al escalón de la variable manipulada hasta llegar a un valor máximo o mínimo. El caso del Tanque bombeado, es de este tipo de procesos. Este texto se centra sobre el diseño de controladores y la sintonización de procesos auto regulables. Son procesos en los que la variable controlada se mueve de un estado estacionario a uno nuevo ante variaciones de la variable manipulada o algún disturbio. Todos los procesos presentados hasta ahora son de este tipo exceptuando los integradores. La modelización y la sintonización tienen un tratamiento distinto a los autorregulados. La información del modelo FOPDT es de valor limitado y su estudio se tratará en capítulos sucesivos.

Modelo FOPDT Fig. 4.6
Modelo FOPDT
Fig. 4.6
Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

5. Redefiniendo “Proceso” para la sintonización de controladores.

5.1 El punto de vista del controlador

Hasta aquí hemos hablado sobre el lazo de control retroalimentado ilustrado en la Fig. 1.2. Este consistía de un elemento final de control, un proceso, un sensor/transmisor y un controlador. El sensor mide la variable controlada del proceso y retroalimenta la señal al controlador. Este valor es restado al valor de set point (valor deseado) para determinar el error. Este valor es usado por el controlador en una ley de

control o ecuación que envía una señal de ajuste al elemento final de control, el cual actúa sobre la variable manipulada para eliminar el error.

A pesar de que el elemento final de control, el proceso y el sensor/transmisor tienen todos

comportamientos dinámicos diferentes, desde el punto de vista del controlador es imposible distinguir cuál de estos es responsable de un comportamiento en particular. El controlador emite una señal de corrección que se refleja en la respuesta dinámica de la variable controlada.

Variable

manipulada

u(t)

e(t)

Controlador

e(t) Controlador Variable controlada Elemento final de control Proceso Sensor / Transmisor Disturbio
e(t) Controlador Variable controlada Elemento final de control Proceso Sensor / Transmisor Disturbio

Variable

controlada

Elemento final de control

Proceso Sensor / Transmisor

e(t) Controlador Variable controlada Elemento final de control Proceso Sensor / Transmisor Disturbio
Disturbio

Disturbio

e(t) Controlador Variable controlada Elemento final de control Proceso Sensor / Transmisor Disturbio
e(t) Controlador Variable controlada Elemento final de control Proceso Sensor / Transmisor Disturbio
e(t) Controlador Variable controlada Elemento final de control Proceso Sensor / Transmisor Disturbio
e(t) Controlador Variable controlada Elemento final de control Proceso Sensor / Transmisor Disturbio
final de control Proceso Sensor / Transmisor Disturbio Valor deseado Fig. 5.18 Este punto de vista

Valor

de control Proceso Sensor / Transmisor Disturbio Valor deseado Fig. 5.18 Este punto de vista es

deseado

Fig. 5.18

Este punto de vista es el que se considerará para todos los ejemplos y modelizaciones citados en este apunte.

5.2 El punto de vista del diseñador

Si el elemento final de control o el sensor / transmisor aún no han sido comprados, desde ya que es

de vital interés para el diseñador el comportamiento dinámico de los mismos. En general, estos items deben ser especificados e instalados de manera tal de agregar un mínimo de tiempo muerto al lazo de control.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

6. Control de dos estados

6.1 Control de dos estados

Esta es la ley más simple de control y también se la conoce como control todo-nada. Aquí el elemento final de control se encuentra totalmente abierto / activado / máximo o completamente cerrado / desactivado / mínimo. No hay valores o posiciones intermedias para el elemento final de control de dos estados. Una de las principales desventajas de este tipo de control, es el tremendo desgaste que sufre el elemento final de control al sufrir cambios bruscos de estado. Para proteger el elemento final de control, se utiliza un zona muerta, determinada por un valor límite superior y uno inferior. Mientras la variable controlada se encuentra entre estos dos valores, la acción de control no sufre cambios. Por lo tanto, si la válvula está cerrada, permanecerá cerrada hasta que la variable controlada sea inferior al límite inferior de la zona muerta. Luego la válvula permanecerá abierta hasta tanto la variable controlada sea mayor al límite superior de la zona muerta. El control de dos estados presenta varios ejemplos en la vida cotidiana como ser un sistema de calefacción. También lo aplican un horno, una heladera y un equipo de aire acondicionado. Todas estas aplicaciones mantienen la temperatura entre un límite superior y uno inferior del valor deseado por el usuario. La Fig. 6.1 muestra el comportamiento de las variables controlada y manipulada para este tipo de control. Allí se muestra que la variable manipulada se encuentra completamente abierta o cerrada. El cambio de la variable manipulada de una posición a la otra sucede cuando la variable controlada va más allá de los límites de la zona muerta. Nótese que gracias a esta banda, se reduce el desgaste del elemento final de control pero el tamaño de las oscilaciones de la variable controlada aumentan.

Límite superior de la zona muerta Límite inferior de la zona muerta Fig. 6.1
Límite superior de la zona muerta
Límite inferior de la zona muerta
Fig. 6.1

6.2 Utilidad del control de dos estados. Los controladores de dos estados tienen la ventaja de ser fáciles de diseñar, requiriéndose

solamente la especificación de los límites de la zona muerta

de control es extremadamente limitante. Pensemos en un control de crucero de un automóvil siguiendo una ley de dos estados. Esto significa que el acelerador puede estar a fondo o completamente liberado sin la posibilidad de ocupar una posición intermedia, lo cual es absolutamente inadmisible. Por lo general este tipo de control no es suficiente para la operación de procesos en un ambiente de producción.

Sin embargo, en muchas aplicaciones este tipo

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

7. Control proporcional (P) – La ley de valores intermedios más simple

7.1 Control de valores intermedios (control modulante)

Las leyes de control que permiten un mejor control de procesos con menos oscilaciones de la variable controlada, requieren un elemento final de control preciso que pueda asumir valores intermedios entre el máximo y el mínimo. Por ejemplo válvulas de proceso, bombas de velocidad variable y elementos de calefacción electrónicos. También se necesita una ley de control que pueda generar una señal modulante para el elemento final de control basada en el error real del proceso. Los controladores tipo P hasta los PID cumplen con este requisito que se verá en los próximos capítulos.

7.2 El controlador PID más simple

El controlador P es la configuración más simple de esta familia de controladores. La figura 3.1 muestra los Tanques drenados por gravedad bajo esta modalidad de control. Un sensor mide el nivel del tanque inferior, este valor se resta al valor deseado (set point) para determinar el error. El controlador usa este error para calcular un nuevo caudal de entrada al tanque superior (variable manipulada) y envía una señal a una válvula de control. Este procedimiento se repite por cada tiempo de muestreo (sample time) con el objetivo de llevar el nivel al valor deseado. La Fig. 7.1 muestra el valor deseado (set point) como una línea sólida que sufre un escalón descendente y luego dos ascendentes. El nivel medido (variable controlada) en el tanque inferior trata de seguir los cambios de valor deseado, y logra la mejor aproximación cuando el valor es el de diseño 15,4 cm.

aproximación cuando el valor es el de diseño 15,4 cm. Fig. 7.1 7.3 Ley de control

Fig. 7.1

7.3 Ley de control proporcional (P) La ecuación de un controlador P es:

U(t) = UBIAS + Kc E(t)

(7.1)

donde U(t) es la salida del controlador, UBIAS es el valor base, es decir, el valor que adopta la salida del controlador a lazo abierto y mantiene la variable controlada del proceso en el nivel de diseño, cuando los disturbios tienen los valores esperados. Kc es el parámetro de sintonización de este tipo de controlador y recibe el nombre de ganancia. E(t) es el error del controlador y responde a

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

E(t) = Yset point - Y(t)

(7.2)

Donde Yset point es el valor deseado de la variable controlad e Y(t) es el valor instantáneo de la misma. Al igual que Kp, la ganancia del controlador tiene un valor, signo y unidades. Como puede verse en la Fig. 7.1 un controlador correctamente sintonizado está diseñado para un nivel de operación específico. Este nivel de diseño debe ser el valor deseado que con más frecuencia se usará una vez puesto en automático el controlador y se deberá tener en cuenta el rango de disturbio al que estará expuesto. Esto también debe ser tenido en cuenta cuando se realicen modelizaciones dinámicas del tipo vistas en los capítulos 3 y 4.

7.4 Comprendiendo el significado de U BIAS

Si el set point en la ecuación 7.2 Y SET POINT es igual al valor de Y(t), entonces el error E(t) es cero. Por lo tanto el segundo término de la ecuación 7.1 también será cero. Si consideramos que no hay líquido fluyendo al tanque superior, entonces los tanques se vaciarán. Para mantener cualquier nivel en el tanque inferior, siempre debe existir algún caudal básico en el tanque superior. Igualmente para el caso del intercambiador de calor, si no fluye agua de enfriamiento el fluido

caliente saldrá a la misma temperatura que ingresó. Por lo tanto habrá que asegurar una cantidad de caudal mínima circulando por el intercambiador. Este principio de tener un valor base para la variable manipulada

es aplicable a la mayoría de los procesos

enviar una cantidad determinada de combustible en viaja para asegurar que el auto no se detenga. Por lo tanto, cuando un proceso se encuentra bajo control P y el set point es igual al valor de la medición, debe existir un valor base de la variable manipulada que mantenga el proceso en esa condición. Este valor base es el denominado U BIAS . Este valor no será un valor cualquiera sino que estará directamente relacionado con el nivel de operación para el cual fue diseñado el proceso y también con el nivel de disturbio de diseño. Puede resumirse diciendo que U BIAS es el valor de la salida del controlador que a lazo abierto (modo manual), hace que la variable controlada se mantenga en estado estacionario en el nivel de operación de diseño cuando el disturbio es el de diseño o esperado. Como se indica en la Fig. 7.1, el set point de diseño en el segundo tanque es 15,4 cm. Si el proceso de los tanques es corrido en modo manual utilizando el caudal de disturbio por defecto, 2,5 cm 3 /seg. y el caudal de entrada es de 12,3 cm 3 /seg., el nivel del segundo tanque se mantendrá en 15,4 cm. Puede decirse entonces que el valor U BIAS para este proceso es aquel que provoca un caudal de entrada de 12,3 cm 3 /seg.

Hasta en el control de crucero de un automóvil, el acelerador debe

7.5 Ganancia del controlador Kc, a partir de correlaciones

El controlador P tiene la ventaja de tener un solo parámetro de sintonización . Esta ganancia, describe sensibilidad al igual que lo hacía Kp. Sólo que aquí, Kc describe la sensibilidad de la salida del controlador ante cambios en el error. Para un valor fijo de E(t) en la ecuación (7.1), si la ganancia del controlador es pequeña, también lo será el valor adicionado al valor base U BIAS , pero si esta es grande, también lo será el valor adicionado. Kc debe ser ajustado para cada proceso de acuerdo a la agresividad con que se desea que reaccione el controlador ante la presencia de un error. Para obtener una estimación inicial de KC, los parámetros de un modelo FOPDT son usados en correlaciones de sintonización. Recordemos que estos estudios de modelización deben ser realizados lo más cerca posible del nivel de operación de diseño. La guía de sintonización de controladores PID anexa al final del apunte, resume las correlaciones más usadas. Dentro de esta guía tenemos la correlación de Cohen-Coon, que da el valor de Kc cuando el controlador está pensado para servo control (seguimiento del set point):

Kc

=

t

p

Kp

q

p

(1

+ q

p /3 p)

t

(7.3)

Otra correlación Error Absoluto en Tiempo Integral (ITAE), que estima Kc para aplicaciones de control regulador (rechazo de disturbios):

Kc =

0,490

Kp

(

q

p /

t

p

)

- 1,084

(7.4)

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Estas correlaciones dan solamente un punto de partida para la sintonización final del controlador, lo cual se debe hacer mediante prueba y error una vez que se lo pone en modo automático. Las razones que tiene esta metodología se basan en la necesidad de conseguir un balance en el comportamiento en un rango de operación en procesos no lineales, compensar el grado de error entre el proceso real y el modelo y/o identificar diferencias en la respuesta del proceso a distintos disturbios versus cambio de set point. En definitiva, será el diseñador quien decidirá cuál comportamiento es el que mejor se adapta a las necesidades del proceso. Cuando dos correlaciones dan valores muy diferentes de ganancia, siempre conviene comenzar probando con la menor.

7.5.1 Ejemplo – Tanques drenados por gravedad La Fig. 4.1 muestra un escalón del caudal de entrada que hace que el nivel del segundo tanque suba de 13,0 cm a 17,7 cm. Durante esta prueba a lazo abierto, el disturbio es de 2,5 cm 3 /seg. Esta información dinámica es generada alrededor de un promedio de 15,4 cm de la variable controlada. Por lo tanto, los parámetros del modelo que se ajusta a esta información pueden ser usados para estimar un Kc para un nivel de operación de 15,4 cm y un disturbio de 2,5 cm 3 /seg. Los parámetros del modelo FOPDT son:

Ganancia del proceso Kp = 3,11 cm/(cm 3 /seg.) Constante de tiempo tp = 57,1 seg. Tiempo muerto qp = 24,7 seg.

Con estos valores, el valor de Kc reemplazando en 7.3 es de 0,85 (cm 3 /seg.)/cm, con lo que la ecuación del controlador queda:

(7.5)

U(t) = 12,3 cm 3 /seg. + 0,85 E(t)

La Fig. 7.1 muestra el comportamiento del controlador ante los cambios de set point. Puede verse que el nivel del tanque inferior no sigue perfectamente el primer cambio de set point hasta 13 cm. Esta diferencia se llama offset o desviación de estado estacionario. En el segundo escalón desaparece el offset porque ahora se encuentra en el valor de diseño, y vuelve a aparecer en el tercer escalón cuando el nivel sube a 17,7 cm.

7.6 Offset – La gran desventaja del control proporcional El offset, o desviación de estado estacionario, se da cuando el set point o el disturbio no coinciden con los valores utilizados en el diseño del controlador, o más específicamente, utilizados en la determinación de U BIAS . Consideremos la ecuación 7.5, si Y(t) se encuentra en Y SET POINT , el error E(t) es cero. Por lo tanto la salida del controlador será U BIAS , 12,3 cm 3 /seg. Y asumiendo que el disturbio es de 2,5 cm 3 /seg., el nivel del tanque inferior será de 15,4 cm. La variable controlada estará en el nivel de diseño y no aparecerá ninguna desviación de estado estacionario. Si el error E(t) fuese distinto de cero, U(t) será distinto a U BIAS . Es decir, cuando el set point de operación difiere del de diseño, existirá un offset. La ley del control proporcional es tal, que a medida que aumenta la ganancia del controlador, disminuye la amplitud del offset. Desafortunadamente, a medida que aumenta el valor de la ganancia, las oscilaciones de la variable controlada aumentan y algunos procesos se pueden tornar inestables. Esto se muestra en la Fig. 7.2, con dos valores distintos de ganancia para el ejemplo de los tanques drenados por gravedad.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . Fig. 7.2 7.6.1

Fig. 7.2

7.6.1 Ejemplo – Intercambiador de calor

El capítulo 3 muestra la prueba tipo escalón del proceso del intercambiador de calor donde el agua

de refrigeración es manipulada de 20,0 a 22,0 L/min. La temperatura de salida arranca en un valor estacionario de 140,0 ºC y cambia a 138,1ºC. El caudal de disturbio se mantiene constante en 10 L/min durante esta prueba. Los parámetros del modelo FOPDT que surgen del análisis gráfico del Capítulo 3 son:

Ganancia del proceso Kp = -0,95 ºC/(L/min.) Constante de tiempo tp = 60 seg. Tiempo muerto qp = 48 seg.

La correlación ITAE de la ecuación 7.4 para rechazo de disturbios da un valor de ganancia de:

Kc =

0,490 È 48 ˘

-

0,95

Í

Î

60

- 1,084

˙ = - 0,66[L / min]/º C
˚

Nótese que la ganancia del controlador tiene el mismo signo que la ganancia del proceso.

El valor promedio de la variable controlada en la prueba del escalón es de aproximadamente 139

ºC. En modo manual, cuando el de agua de refrigeración, variable manipulada, se mantiene constante en 21,1 L/min. Y el disturbio es de 10 L/min, la temperatura de salida se mantiene en 139ºC. Podemos decir entonces que el valor base de este controlador es 21,1 L/min si consideramos los valores anteriores como condiciones de diseño. Sustituyendo estos valores en la ecuación 7.1, obtenemos la ley de control proporcional:

U(t) = 21,1 L/min – 0,66 E(t)

La Fig. 7.3 muestra el comportamiento de este controlador rechazando cambios en escalón del

disturbio. El set point se mantiene constante durante el ensayo en 139 ºC. Puede verse que al principio no existe offset ya que los valores de disturbio (10 L/min) y set point coinciden con los de diseño. Cuando alguno cambia, en nuestro caso el disturbio, aparecerá un offset.

A mitad del ensayo, se cambia la ganancia del controlador de –0,66 (L/min)/ºC a –1,50

(L/min)/ºC. Se vuelve a repetir el cambio en escalón del disturbio y puede observarse que ahora el offset es menor pero han aumentado las oscilaciones de la variable controlada.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . Fig. 7.3 7.7

Fig. 7.3

7.7 Banda proporcional

Algunos fabricantes de instrumentos usan diferentes terminología para la ganancia del controlador, reemplazándola por la banda proporcional PB (Proportional Band). Si las variables manipulada y controlada tienen unidades de porcentaje y se mueven en un rango de 0 – 100%, la relación entre Kc y PB es:

PB =

100

Kc

7.8 Es malo el Offset En los capítulos siguientes se verán los controladores PI y PID que no muestran offset a costa de

agregar más parámetros de sintonización y por lo tanto, complicando la estructura del controlador.

A pesar de que muchos procesos no pueden admitir offset, este no es un problema o una desventaja

si no podemos justificar la necesidad de las complicaciones que implica un controlador PID. Por ejemplo, en un tanque de abastecimiento se necesita mantener el nivel dentro de un rango de operación, entonces para este caso el offset no representaría un problema

Preguntas

A

menos que se le indique, utilice los valores por defecto del nivel de ruido, el disturbio y otros

parámetros:

7.1) Para el proceso de los tanques drenados por gravedad, considere un caso donde el nivel de operación esperado de diseño es de 40 cm, pero puede variar entre 20 y 60 cm. El operador dice que el disturbio es normalmente de 2,5 cm 3 /seg, pero puede variar de 0 a 5 cm 3 /seg.

a) Determine el valor base de un controlador P, para un disturbio de 2,5 cm 3 /seg.

b) Realice una prueba tipo escalón, registre el resultado y estime un modelo FOPDT.

c) Utilice los parámetros del modelo en las correlaciones Cohen-Coon para control P para calcular el valor de la ganancia Kc. Asegúrese de especificar signo, magnitud y unidades.

d) Con Kc y el valor base de los puntos anteriores, implemente un controlador P.Comenzando de un nivel de 40 cm, genere gráficos que muestren el comportamiento del controlador ante escalones ascendentes y descendentes de valores máximos, primero del set point y luego del

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

disturbio. Analizar como afecta la naturaleza no lineal del proceso el funcionamiento del controlador.

e) Duplique la ganancia Kc y repita los gráficos. Compare y analice los resultados.

7.2) Para el proceso del intercambiador de calor, considere el caso donde se espera que la temperatura de salida sea de 150ºC pero el disturbio, que en promedio es de 15 L/min, fluctúa entre 5 y 25 L/min.

a) Con el disturbio en 15 L/min, ¿cuál será el valor base para un controlador tipo P?

b) Con un disturbio de 15 L/min, realice una prueba a lazo abierto para identificar las características de las variables de proceso manipulada-controlada alrededor del valor deseado de temperatura de salida de 150ºC. Ajuste a la respuesta un modelo FOPDT, es decir, calcule la ganancia del proceso, la constante de tiempo y el tiempo muerto.

c) La relacion ITAE del controlador P para rechazo de disturbios se encuentra en el apéndice de este apunte. Calcule en base a esta, la ganancia Kc especificando signo, magnitud y unidades.

d) Utilizando el Kc y el valor base de los puntos anteriores, implemente un controlador tipo P. Genere gráficos que muestren su comportamiento ante cambios en escalón del disturbio, primero de 15 L/min a 25 L/min y luego de 15 L/min a 5 L/min. Analice cómo afecta la naturaleza no lineal del proceso, el funcionamiento del controlador.

e) Duplique Kc, repita el punto anterior y analice los resultados.

7.3) Para el intercambiador de calor, considere un nivel de operación esperado de 170ºC, pero que puede variar desde 155 a 185ºC. Se espera que el disturbio se mantenga en 5 L/min con pequeñas fluctuaciones.

a) ¿Cuál será el valor base para un controlador P, manteniendo el disturbio en 5 L/min?

b) Con el controlador en modo automático de control P, encuentre la ganancia última Ku mediante el método de Ziegler-Nichols a partir de pequeños cambios en el set point alrededor del valor de diseño (170ºC). Grafique la respuesta del proceso con esta ganancia última.

c) Implemente un controlador P utilizando la relación de Ziegler-Nichols. Grafique la respuesta ante cambios en escalón del set point entre 170 y 185ºC y entre 170 y 155ºC.

d) Trate de optimizar el comportamiento del controlador variando los parámetros de sintonización mediante el método de prueba y error. ¿Cómo define mejora en este proceso y por qué?

7.4) A continuación se utilizará el módulo Personalización de procesos para simular procesos lineales ideales. En cada uno de ellos, lleve el ruido de la medición a cero.

a) Implemente un proceso de primer orden (FO) con una ganancia de estado estacionario Kp de 1,0 y una constante de tiempo tp de 100. Utilizando ganancias de controlador Kc de 1, 10, 50 y 100, genere gráficos con las respuestas ante cambios de set point entre el 50 y el 51%. ¿ Es este proceso incondicionalmente estable para todas las ganancias?

b) Implemente un proceso de segundo orden (SO) con Kp de 1,0 y dos constantes de tiempo de 100. Utilizando ganancias Kc de 1, 10, 50 y 100, genere gráficos con las respuestas ante escalones del set point entre el 50 y el 51%. ¿Es este proceso incondicionalmente estable para todas las ganancias?

c) Implemente un proceso de tercer orden con Kp de 1,0 y tres constantes de tiempo, todas iguales a 100. Usando ganancias de 1, 2, 5 y 10, genere gráficos con las respuestas ante escalones del set point entre el 50 y el 51%. ¿Es este proceso incondicionalmente estable para todas las ganancias?

d) Implemente un proceso de primer orden más tiempo muerto (FOPDT) con un Kp de 1,0, una constante de tiempo tp de 100 y un tiempo muerto qp de 25. Usando ganancias de 1, 2, 5 y 7, genere gráficos con las respuestas ante escalones del set point entre el 50 y el 51%. ¿Es este proceso incondicionalmente estable para todas las ganancias?

e) Realice un diagrama de lugar geométrico de las raíces para todos los puntos anteriores para fundamentar sus observaciones.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

8. Evaluación del comportamiento del controlador

8.1 ¿Qué es un “buen” funcionamiento del controlador?

Un biorreactor no puede tolerar cambios bruscos de las condiciones de operación porque los frágiles organismos vivientes podrían morir. En este caso sería necesario realizar un diseño del controlador donde la variable controlada y manipulada respondan de manera lenta y suave a los cambios de las condiciones de operación. Por otro lado, una aplicación de control de concentraciones, donde el caudal luego fluye en un tanque de mezcla. Aquí, las oscilaciones de la concentración controlada tendrán un impacto menor sobre la calidad del producto debido al efecto compensador del tanque. Por lo tanto no influiría tanto tener un controlador con reacciones agresivas ante los cambios de operación en el proceso. Como se ilustra en los ejemplos anteriores, diferentes aplicaciones pueden tener diferentes definiciones de “buen” comportamiento. En última instancia es el operador o el ingeniero quien determinará esto en función de las características del proceso y las necesidades operativas y de producción.

8.2 Criterio de comportamiento

Hay ciertos valores específicos usados para describir el comportamiento de un lazo cerrado. Esto permite realizar una comparación fehaciente entre distintas gráficas de respuesta. Como se muestra en la Fig. 8.1, ciertos puntos de la gráfica de respuesta tienen denominaciones específicas a saber:

A = Amplitud de la variación de la variable controlada en estado estacionario

B = Amplitud del primer pico sobre el nuevo set point o estado estacionario

C = Amplitud del segundo pico sobre el nuevo estado estacionario

el nuevo set point o estado estacionario C = Amplitud del segundo pico sobre el nuevo

Fig. 8.1

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

En la Fig. 8.2 se ve que también es de importancia el tiempo en que la variable controlada cruza el nuevo set point, alcanza su primer pico o se estabiliza dentro de cierto rango dependiente del estado estacionario final.

de cierto rango dependiente del estado estacionario final. Fig. 8.2 Basado en las definiciones anteriores se

Fig. 8.2

Basado en las definiciones anteriores se define el siguiente criterio de performance:

Razón de sobrepico (Peak Overshoot Ratio) = B/A Razon de amortiguamiento (Decay Ratio) = C/B Tiempo en alcanzar el nuevo set point (Rise Time) = t RISE Tiempo en alcanzar el primer pico (Peak Time) = t PEAK Tiempo de estabilización (Settling Time) = t SETTLE

Los valores prácticos oscilan en un 10% de razón de sobrepico, 25% la razón de amortiguamiento y una banda para el tiempo de estabilización del 5%.

8.2.1 Ejemplo – Tanques drenados por gravedad Mientras la respuesta de un lazo cerrado se parezca a las figuras 8.1 y 8.2, será factible realizar una comparación de comportamientos. Sin embargo, consideremos la respuesta de un control proporcional como se muestra en la Fig. 8.3. En este ejemplo, el set point es variado de 49 cm a 60 cm. La ganancia del controlador es Kc=1,5 (cm 3 /seg.)/cm y el valor base es U BIAS = 20,0 cm 3 /seg. Es característico de este tipo de control que exista un offset cuando se opera fuera de los valores de diseño.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Estado estacionario final
Estado estacionario final

Fig. 8.3

A partir de la Fig. 8.3, se puede obtener la siguiente información:

- El escalón se da aproximadamente en t = 9,0 min

- La variable controlada cruza por primera vez el nuevo set point en t = 7,5 min

- Primer pico de la variable controlada (punto “a”) en t = 7,2 min

- La variable controlada se estaciona dentro de un ± 5% (punto “c”) en t =2,7 min

- Amplitud del escalón del set point (60,0-49,0) = 11,0 cm

- Amplitud del primer pico sobre el nuevo set point (61,5-60) = 1,5 cm

- Amplitud del primer pico sobre el nuevo estado estacionario de la variable controlada (61,5-59,0) = 2,5 cm

- Amplitud del segundo pico (punto “b”) sobe el nuevo estado estacionario (59,7-59,0) = 0,7cm

Con esta información, se obtienen las características de comportamiento:

Razón de sobrepico (Peak Overshoot Ratio) = (1,5/11,0)*100% = 13,6% Razón de amortiguamiento (Decay Ratio) = (0,7/2,5)*100% = 28% Tiempo en alcanzar el nuevo set point (Rise Time) = (9,0-7,5 min) = 1,5 min Tiempo en alcanzar el primer pico (Peak Time) = (9,0-7,2 min) = 1,8 min Tiempo de estabilización (Settling Time) = (9,0-2,7 min) = 6,3 min

Como dijimos anteriormente, la definición de buena performance dependerá de las características y necesidades del proceso en particular.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

9. Acción integral y control PI

9.1 Forma de la ley de control PI Al igual que en el control P, en el control PI el controlador calcula un valor de salida que alimenta al

elemento final de control basándose en los parámetros de sintonización y en el error E(t). Su expresión continua o en función de la posición es:

U(t) = UBIAS + Kc E(t) + (Kc/ti)

Ú

E(t) dt

(9.1)

donde U(t) sigue siendo la salida del controlador y los dos primeros términos del segundo miembro son los mismos que para el controlador P. El parámetro adicional de sintonización es ti y le da peso propio al tercer término y se lo conoce como tiempo de integración (reset time). Al estar en el denominador, valores pequeños dan una acción integral intensa. Los primeros dos términos de la ecuación 9.1 son los mismos que los de la acción proporcional vista en 7.1. El término integral es un término adicional que continuamente integra o suma el error mientras exista.

9.2 Función de los términos Proporcional e Integral

El término proporcional suma o resta al valor base U BIAS dependiendo de cuan lejos se encuentra la variable controlada del valor deseado a cada instante, por lo que no interesa la evolución que ha tenido el error en el tiempo sino tan solo su valor instantáneo.

el error en el tiempo sino tan solo su valor instantáneo. Fig. 9.1 La Fig. 9.1

Fig. 9.1

La Fig. 9.1 muestra cómo va cambiando el error en amplitud y signo a medida que transcurre el tiempo. Las flechas indican la amplitud de E(t) en dos puntos del tiempo. Las unidades comerciales del error por lo general están referidas a porcentaje del rango de variación de la medición. El término integral, en cambio, tiene en cuenta por cuánto tiempo y en qué magnitud se ha desviado la variable controlada del valor deseado. Su función es la de integrar o sumar en el transcurso del tiempo mientras persista el error.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Facultad Regional San Nicolás G . E . S i . C . Fig. 9.2 Como

Fig. 9.2

Como muestra la Fig. 9.2, el resultado de la integración es el cálculo del área del gráfico encerrada por la variable controlada y el valor deseado. Entonces, en el tiempo t=8min, cuando la variable controlada cruza el valor deseado , la integral es:

8 min

Ú

E(t)dt

9,5 min

=

17

Hay que destacar que como la integración es continua y va creciendo mientras E(t) sea positivo. Por el contrario, este término decrecerá cuando el error se vuelva negativo. En el tiempo t=5.5min, el valor total de la integral es (+17-9,5) = 7,5 y en el punto donde desaparece el transitorio es (+17-9,5+2,5-0,5) = 9,5 . Aquí se ve que el término integral puede tener un valor residual aun si el error es igual a cero y es esta característica lo que hace que el control PI elimine el offset provocado por el término proporcional.

9.3 Ventajas y desventajas del control PI La gran ventaja del control PI es que elimina el offset que aparecía cuando teníamos control P,

como vimos en la sección 7.6.

El offset es eliminado mediante el control PI que sigue la ecuación 9.1 porque mientras haya error,

el término integral crecerá o disminuirá causando una variación de la salida U(t). Estos cambios terminarán recién cuando Y(t) sea igual a Y SET POINT por un determinado período de tiempo, es decir cuando muere el

transitorio y el error es igual a cero. En ese punto el término proporcional se hace igual a cero. Por el otro lado, el término integral queda con un valor residual que sumado al valor base U BIAS , crea un nuevo valor base que se corresponde con el nuevo nivel de operación. Una desventaja es el hecho que ahora son dos los parámetros de sintonización que requieren ajuste, la ganancia y el tiempo de integración, y como interactúan puede resultar laborioso encontrar un balance que de un buen comportamiento a lazo cerrado. Otra desventaja es que este tipo de control aumenta el comportamiento oscilatorio de la variable controlada.

A la hora de decidir entre control P o PI hay que evaluar hasta qué punto es perjudicial el offset ya

que en muchos casos, el control P es suficiente y tiene directa incidencia sobre el costo de la instalación.

9.4 Sintonizando el controlador PI

Siguiendo un procedimiento similar al del controlador P, los parámetros de un modelo FOPDT son usados en correlaciones para obtener los valores estimados de sintonización del controlador PI. Nuevamente, los estudios de modelización deben ser realizados lo más cerca posible del nivel de operación de diseño.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Refiriéndonos a la Guía de sintonización de controladores, una correlación común para el control PI el Control por Modelo Interno (IMC), que para un modelo dinámico FOPDT arroja los mismos resultados que el método de Síntesis Directa. Los valores estimados son:

Kc =

1

t

p

Kp

q

p

+ t

(

c)

ti = tp

(9.3 a)

(9.3 b)

El parámetro t c se llama constante de tiempo a lazo cerrado y aumenta a medida que la respuesta del controlador es más lenta. La fórmula utilizada por el módulo Herramientas de diseño para calcular este valor es:

t c =0,1tp o 0,8qp (el que sea mayor)

(9.3 c)

Otra correlación de la Guía, el Error Absoluto Integral (IAE) es:

Kc

t

i

=

=

0,758 Ê q p ˆ

˜

˜

Á

Á

Ë

Kp

t

p

¯

t p

- 0,861

1,02

-

Ê q p ˆ

˜

˜

Ë

Á

0,323 Á

t

p

¯

(9.4 a)

(9.4 b)

A pesar de que las correlaciones den valores diferentes, hay que recordar que tan solo son valores iniciales a partir de los cuales hay que realizar el ajuste “fino” de los parámetros de sintonización. Por lo general, si el proceso responde de manera lenta a los disturbios y cambios del set point, la ganancia es demasiado pequeña y/o el tiempo de integración muy grande. Por el contrario, si la respuesta es muy rápida y oscila a un punto tal que puede preocupar, la ganancia es muy grande y el tiempo integral demasiado pequeño.

9.4.1 Ejemplo – Tanques drenados por gravedad Como se detalla en el ejemplo 7.5.1, el caudal de entrada es variado de 11,5 cm 3 /seg a 13 cm 3 /seg, lo que hace que el nivel medido aumente de 13,0 cm a 17,7 cm. Durante esta prueba a lazo abierto, el disturbio es constante (2,5 cm 3 /seg). Estos datos dinámicos variable manipulada vs variable controlada son generados alrededor de un nivel promedio de 15,4 cm. Por lo tanto, los parámetros del modelo que se ajusten a estos datos servirán para un proceso con un nivel medio de operación de 15,4 cm y un disturbio de 2,5 cm 3 /seg. Los parámetros del modelo FOPDT generados por Herramientas de Diseño son:

Ganancia del proceso, Kp = 3,11 cm/cm 3 /seg Constante de tiempo, tp = 57,1 seg. Tiempo muerto, qp = 24,7 seg.

La utilización de estos parámetros en las correlaciones IMC de la ecuación 9.3 requiere calcular primero t c , que fue definido como el mayor de 0,1tp o 0,8qp. Para los parámetros anteriores 0,8(24,7seg) = 19,8 seg es mayor que 0,1(57,1seg) = 5,71 seg. Luego:

Kc =

57,1

+

19,8

(

)

3,11 24,7

= 0,41cm

ti = 57,1seg

3

/ seg / cm

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

El seguimiento del set point (servocontrol) del controlador PI con los parámetros calculados anteriormente, se muestra en la Fig. 9.3. Puede verse como el nivel del segundo tanque sigue satisfactoriamente los escalones del set point. Si comparamos esta figura con la Fig. 7.1 vemos que el offset se ha eliminado por completo. Además, nótese que se ha seleccionado un algoritmo PID pero se ha anulado el control D (Derivativo) resultando en un control PI.

el control D (Derivativo) resultando en un control PI. Fig. 9.3 9.5 Interacción de los parámetros

Fig. 9.3

9.5 Interacción de los parámetros de sintonización PI Para aclarar lo expresado anteriormente, se muestra un mapa de sintonización que ilustra cómo puede variar la respuesta de un controlador para distintas combinaciones de Kc y ti.

Performance deseada
Performance
deseada

Fig. 9.4

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

La gráfica central de la Fig. 9.4 es la respuesta deseada, aunque puede ser distinta dependiendo de los requisitos del proceso. La gráfica superior izquierda muestra que cuando la ganancia es el doble y el tiempo de integración la mitad, se producen oscilaciones de importante amplitud y poco amortiguadas. El otro extremo muestra en la esquina inferior derecha, que cuando la ganancia es la mitad y el tiempo de integración el doble, la respuesta es extremadamente lenta.

9.6 Tiempo de integración versus Rapidez de integración

De acuerdo al fabricante, los parámetros de sintonización pueden cambiar su denominación. Como se vio en el capítulo 7, algunos usan la banda proporcional y otros la ganancia. Además, algunos usan la rapidez de integración en vez del tiempo de integración:

Rapidez deint egración

=

1

t i

(9.5)

Por lo tanto, es muy importante saber cuales son los parámetros que usa el fabricante con que vamos a trabajar.

9.7 Posición versus velocidad y reajuste excesivo Al comienzo de este capítulo se vio la ecuación del control PI en su forma continua o de posición:

U(t)

=

U

BIAS

+

KcE(t)

+

Kc

t i

Ú

E(t)dt

(9.6)

Si ahora planteamos su derivada respecto al tiempo, que normalmente es la velocidad, tenemos:

dU(t)

dU

=

BIAS

dt

dt

+

KC

dE(t)

+

Kc

dt

t

i

E(t)

(9.7)

Como Ubias es constante dUbias/dt = 0. Por aproximaciones finitas, podemos escribir la ecuación como:

D

U

D

t

= Kc Á Ê E

i

-

E

i

-

1

Ë

D

t

ˆ

˜ +

¯

Kc

t

i

E

i

(9.8)

donde Ei es el error actual del controlador y Ei-1 es el error de la muestra anterior. Considerando el tiempo de muestreo T=Dt, la forma discreta o de velocidad del control PI es:

D

U

=

Ê

Á

Ë

Kc 1

+

T ˜ ˆ E

t

i

¯

i

-

KcE

i

-

1

(9.9)

Este formato (9.9) es el preferido para aplicaciones prácticas. En la forma continua (9.6), la integral crecerá mientras exista un error y puede pasar que llegue a un valor tal que sature el elemento final de control (completamente abierto o cerrado si se tratase de una válvula). Si esta posición no es suficiente, la ecuación matemática permite que el término integral siga creciendo. Cuando U(t) (9.6) supera el límite físico del elemento final de control, se dice que hay reajuste excesivo (windup o reset windup ya que está asociado con la acción integral). Cuando esto sucede, el controlador pierde el control del proceso. Recién cuando el error cambie de signo, el término integral decrecerá y llegado un punto se restablecerá el control del proceso. La forma discreta (9.9) no computa una posición específica del elemento final de control, mas bien, computa un cambio o DU de cualquier posición que pueda tener en el momento el elemento final de control. En efecto, se ha eliminado el valor de corrección acumulado sobre el elemento final de control. Cuando el elemento final de control llega a un límite físico y recibe la señal de moverse más allá de el, no tiene otra

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

opción mas que ignorar la orden. Cuando el error cambia de signo, responde inmediatamente ya que no ha sido reajustado excesivamente.

Preguntas

9.1) En el caso del intercambiador de calor, considere que la temperatura de operación de diseño es de 150ºF pero puede variar entre 135 y 165ºF. El caudal de disturbio se espera que sea de 10 gpm.

a) Realice los estudios y ensayos correspondientes para modelizar el proceso mediante un modelo FOPDT que describa el funcionamiento en la zona de operación.

b) Utilice Kp, tp y qp del punto a para calcular los parámetros de sintonización a partir de las correlaciones IMC. Considere que la constante de tiempo de lazo cerrado tc es 0,1tp para este ejemplo.

c) Utilizando el Kc y ti del punto b, implemente un controlador PI en su forma de velocidad. Pruebe

su capacidad de seguimiento de set point por medio de escalones entre 150 y 165ºF y entre 150 y

135ºF. Grafique las respuesta y explique cómo impacta el comportamiento no lineal del proceso sobre el funcionamiento del controlador.

d) Ajuste el Kc y ti mediante prueba y error, hasta obtener sobrepicos de entre el 10 y el 15% ante escalones de 150 a 165ºF y grafique la respuesta.

e) Repita los escalones entre 150 y 165ºF, considerando primero un Kc del doble del que brindó el

mejor funcionamiento en d y para el mismo ti. Repita luego para la mitad del mejor Kc y mismo ti. Ahora repita nuevamente manteniendo el mejor Kc y probando primero con el doble del mejor ti y luego con la mitad.

9.2) En el caso de los tanques drenados por gravedad, considere que el nivel de operación de diseño es de 12 cm y el disturbio de 5 cm 3 /seg. El set point se mantendrá estable, pero el disturbio puede variar entre 2 y 8 cm3/seg.

a) Realice los estudios y ensayos correspondientes para modelizar el proceso mediante un modelo FOPDT que describa el funcionamiento en la zona de operación.

b) Utilice Kp, tp y qp del punto a para calcular los parámetros de sintonización a partir de las correlaciones ITAE.

c) Utilizando el Kc y ti del punto b, implemente un controlador PI en su forma de velocidad. Pruebe

su

capacidad de rechazo de disturbios por medio de escalones entre 5 y 8 cm3/seg y entre 5 y 3

cm

3 /seg. Grafique las respuesta y explique cómo impacta el comportamiento no lineal del proceso

sobre el funcionamiento del controlador.

d) Ajuste el Kc y ti mediante prueba y error, hasta obtener una razon de atenuación del 25% ante escalones del disturbio de 5 a 8 cm 3 /seg y grafique la respuesta.

e) Repita los escalones entre 5 y 8 cm 3 /seg, considerando primero un Kc del doble del que brindó el mejor funcionamiento en d y para el mismo ti. Repita luego para la mitad del mejor Kc y mismo ti. Ahora repita nuevamente manteniendo el mejor Kc y probando primero con el doble del mejor ti y luego con la mitad.

9.3) En este problema se investiga el concepto de reajuste excesivo (reset windup). Se usarán los tanques drenados por gravedad y se compararán las formas de velocidad y posición de los controladores. En ambos casos se usará el control derivativo sobre la medición y se asumirán los valores por defecto de los parámetros de sintonización del controlador.

a) Para cada algoritmo PI, especifique un set point de 70 cm y deje que el proceso se estabilice. Luego realice un cambio del set point hasta 82 cm, y luego de 25 minutos de simulación, vuelva a 70 cm. Grafique la respuesta de ambos controladores.

b) Para cada algoritmo PI, especifique un set point de 60 cm y deje que el proceso se estabilice. Luego realice un cambio del set point hasta 78 cm, y luego de 20 minutos de simulación, vuelva a 60 cm. Grafique la respuesta de ambos controladores.

c) Analice el concepto de reajuste excesivo (reset windup) y explique cómo se evidencia en los gráficos obtenidos.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

10. Sintonización de un lazo cerrado y método de Ziegler-Nichols

10.1 Sintonización de lazo cerrado vs. lazo abierto

Las pruebas de pulsos a lazo abierto son métodos de generar información acerca del proceso utilizados en la práctica cotidiana ya que el proceso vuelve a su punto de operación original relativamente rápido. Por lo tanto, la información dinámica requerida es obtenida con una mínima desviación de la producción. Una de las causas por la que este método no arroja resultados del todo satisfactorios en algunos casos, es que primero, debe modelizarse el proceso mediante un modelo lineal.

10.2 El método de Ziegler-Nichols

Este método, que data de 1942, fue propuesto por Ziegler y Nichols y se basa en el diseño de un controlador a partir del comportamiento de un proceso cuando se encuentra bajo control P solamente. El procedimiento consiste en:

1. Implementar un controlador P diseñado para trabajar en un punto de interés.

2. Provocar un disturbio cerca del punto de operación. Si el principal objetivo es el rechazo de disturbios (control regulador), realice pequeños cambios de la variable de disturbio. Si el objetivo es el seguimiento del set point (servo control), realice pequeños cambios del set point.

3. Encontrar mediante prueba y error el menor valor de Kc que provoca una oscilación estable de la variable controlada, es decir que no se atenúe ni que crezca con el tiempo.

4. La ganancia del controlador bajo estas condiciones se llama ganancia última, Ku. El período de la oscilación provocada por la ganancia última se llama período último, Pu.

5. Con Ku y Pu se hallan los parámetros de sintonización iniciales de un controlador PID reemplazándolos en las relaciones de la Tabla 10-1.

Una ventaja de la sintonización a lazo cerrado respecto a lazo abierto es que todas las interacciones dinámicas del sistema a lazo cerrado son tenidas en cuenta durante el ensayo, incluyendo el comportamiento dinámico del proceso, el sensor de la variable controlada y el elemento final de control. Una desventaja muy importante de este método a lazo cerrado es que el proceso debe ser llevado al borde de la inestabilidad al momento de encontrar la ganancia última, lo cual es una situación indeseada por el personal de operación por el riesgo e inconvenientes en la producción que esto puede acarrear. La Tabla 10-1 contiene dos grupos de relaciones de sintonización; las originales y las modificadas. Como su nombre lo indica, las originales son las propuestas en 1942, pero el comportamiento obtenido a demostrado ser en varias ocasiones demasiado agresivo provocando importantes sobrepicos, amortiguación lenta y largos tiempos de estabilización. Como resultado, muchos investigadores han propuesto modificaciones, y las mostradas en la Tabla 10-1 son un promedio de las más usuales y producen un comportamiento más conservador del lazo de control. No hay que olvidar que tanto las relaciones originales como las modificadas brindan los parámetros iniciales de sintonización y el ajuste final debe ser dado mediante prueba y error sobre el proceso real.

Relaciones originales de sintonización de Ziegler-Nichols

Controlador

Kc

ti

td

P

0,50 Ku

----------

----------

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

PI

0,45 Ku

Pu / 1,2

----------

PID

0,60 Ku

Pu / 2,0

Pu / 8,0

Relaciones modificadas de sintonización de Ziegler-Nichols

Controlador

Kc

ti

td

P

0,40 Ku

----------

----------

PI

0,35 Ku

Pu

----------

PID

0,30 Ku

Pu / 1,5

Pu / 10

Tabla 10-1

10.2.1 Ejemplo – Diseño de un proceso Para eliminar la influencia del comportamiento no lineal del proceso en este ejemplo, simularemos un proceso lineal ideal. El proceso es especificado en el menú de Diseño de un Proceso como:

Ganancia del proceso Primera constante de tiempo Segunda constante de tiempo Tercera constante de tiempo Tiempo muerto

= 1,5 (sin unidades) = 120 seg. = 30 seg. = 30 seg. = 10 seg.

Tal proceso puede ser representado en el dominio de Laplace mediante la función transferencia, Gp(s):

G

p

(s) =

Y(s)

U(s)

=

K

p

e

-q s

(

t

p1

s

+

1)(

t

p2

s

+

1)

2

=

1,5e

-

10s

(120s

+

1)(30s

+

1)

2

(10.1)

Un controlador PI será diseñado en este ejemplo usando sintonización a lazo cerrado. Siguiendo el método se Ziegler-Nichols, primero debe implementarse un controlador P. El nivel de operación de diseño será del 50% de la variable controlada. El valor base para el controlador P, es decir, el valor de la variable manipulada que a lazo abierto mantiene a la variable controlada en su estado estacionario de diseño, también será del 50%. Luego comienza una búsqueda mediante prueba y error del menor valor de la ganancia Kc que provoca una oscilación estable de la variable controlada. Como se muestra en la Fig. 10.1, con la ganancia Kc=4,9 del controlador proporcional, la variable controlada lentamente diverge.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Con Kc=4,9 La oscilación diverge
Con Kc=4,9
La oscilación diverge

Fig. 10.1 La Fig. 10.2 muestra que con Kc=4,3 la oscilación de la variable controlada lentamente converge.

Con Kc=4,3 La oscilación converge
Con Kc=4,3
La oscilación converge

Fig. 10.2

En la Fig. 10.3, con un Kc=4,7 se obtiene una oscilación estable de la variable controlada. Nótese además que la variable manipulada en ningún momento es forzada hasta su valor máximo o mínimo en el transcurso del ensayo.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Con Kc=4,9 La oscilación es estable
Con Kc=4,9
La oscilación es estable

Fig. 10.3

Un análisis de la Fig.10.3 nos dice que tres oscilaciones de la variable manipulada, o sea 3Pu, ocurren en un lapso de 10 minutos. Por lo tanto, el período último Pu es de aproximadamente 200 segundos. Utilizando las relaciones de la Tabla 10-1 los parámetros del controlador quedarían como sigue:

Relaciones originales

Kc = 0,45Ku = 0,45 (4,7) = 2,12

ti = Pu/1,2 =200 seg./1,2 = 167 seg.

Relaciones modificadas

Kc = 0,35Ku = 0,35 (4,7) = 1,65

tI = Pu =200 seg.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Sintonización original
Sintonización
original

La Fig. 10.4 muestra el comportamiento Fig. del 10.4 controlador PI utilizando las relaciones originales de

Ziegler-Nichols. Nótese que el tiempo derivativo es cero para simular un controlador sólo PI. La Fig. 10.5 muestra el comportamiento usando las relaciones modificadas. El beneficio de estas últimas es que producen una respuesta menos agresiva a partir de la comparación de ambas gráficas.

Sintonización modificada
Sintonización
modificada

Fig.10.5

11. Acción derivativa y control PID

11.1 Ley de control PID con acción derivativa sobre el error Como en el caso del controlador PI, el tipo PID con acción derivativa sobre el error, calcula una señal que es enviada al elemento final de control en base a los parámetros de sintonización y al error E(t). Su ecuación contínua o de posición es:

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

U(t) =

U

BIAS

+

KcE(t)

+

Kc

Kc

t

i

Ú E(t)dt

+

Kc

t

dE(t)

D dt

(11.1)

Como ya vimos, U(t) es la salida del controlador, U BIAS es el valor base, Kc la ganancia del controlador y t i es el tiempo de integración. El parámetro adicional de sintonización t D, es el tiempo derivativo y es el encargado de determinar el “peso” de la acción derivativa siendo esta directamente proporcional en magnitud al valor de este. Los primeros tres términos del segundo miembro son los mismos que para el controlador PI, mientras que el cuarto, es un término adicional que tiene en cuenta la derivada, o sea la razón de cambio, del error en función del tiempo.

11.2 Función del término derivativo

Recordemos que la acción proporcional sumaba o restaba al valor base Ubias un valor en relación directa a la diferencia entre el set point y el valor instantáneo de la variable controlada. Es decir, la acción del controlador se basa en el valor del error, E(t)=Y SET POINT – Y(t) en cada instante t. La acción integral consideraba por cuánto tiempo la variable controlada había estado alejada del set point, es decir sumaba o restaba al valor base mientras existiera un error. Ahora, la acción derivativa considera con que rapidez se mueve la variable controlada respecto al set point, por lo tanto se está calculando la pendiente de la curva de error en cada instante. Esto trae aparejado que un cambio rápido del error provocará una acción derivativa intensa independientemente del signo del error ya que, lo que interesa es la velocidad de cambio.

11.3 PID con acción derivativa sobre la medición Veamos la siguiente ecuación donde consideramos Y SET POINT constante:

dE(t)

dt

=

[

d Y

SET POINT

-

Y(t)

]

dt

dY(t)

= -

dt

(11.2)

Si el valor deseado es constante, la derivada del error es igual a la derivada de la medición Y(t) salvo por un signo menos. Reemplazando la ecuación 11.2 en la ecuación de posición 11.1 obtenemos la forma continua con la acción derivativa sobre la medición:

U(t)

=

U

BIAS

+

KcE(t)

+

Kc

t

i

Ú

E(t)dt

-

Kc

t

D

dE(t)

dt

(11.3)

La acción derivativa sobre el error y sobre la medición se comportan de la misma manera, salvo en el caso de producirse un cambio en el valor deseado (set point). Este cambio, que gráficamente es un escalón, provoca un pico de error en el flanco de cambio que a su vez provoca una acción derivativa de un valor altísimo que puede llevar a la desestabilización del proceso. Por ello, en la práctica es preferible la acción derivativa sobre la medición.

11.4 Entendiendo el significado del término derivativo

La idea de pendientes y derivadas de una respuesta transitoria es ilustrada en la Fig. 11.1. Es el mismo transitorio utilizado en la Fig. 9.1 y Fig. 9.2. Puede verse que cuando la curva de la variable controlada es ascendente, la pendiente es grande y positiva. Cuando Y(t) es decreciente, la pendiente es negativa; y es cero en los picos. Luego del escalón del set point, este se mantiene constante. Por lo tanto la pendiente de Y(t) sigue la pendiente de E(t) después que este cambia excepto que el signo de la derivada de Y(t) es el opuesto al de la derivada de E(t).

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Negativa Grande y positiva
Negativa
Grande y positiva

Fig.11.1

Consideremos para su estudio que Kc es positivo en la ecuación 11.3 y que t D es lo suficientemente grande como para provocar una acción derivativa intensa. En la ecuación 11.3 el signo menos delante del término derivativo, indica que la acción de control de este último se opondrá al signo de la pendiente de la curva. Por lo tanto, cuando dY(t)/dt sea grande y positiva la acción será intensa y buscará disminuir la cantidad que los otros dos modos de control le adicionan al valor base U BIAS y viceversa cuando sea negativa. Es interesante resaltar que el término derivativo no considera si la medición se aleja o acerca del set point sino solamente la velocidad de variación de la variable controlada y el signo de su pendiente. En el pico de la Fig. 11.1, donde la derivada es cero, y a pesar de que los términos proporcional e integral tienen gran peso sobre U(t), el término derivativo pierde toda influencia en la ecuación de la acción de control.

11.5 Ventajas y desventajas del control PID

Recordemos que el offset se daba en la mayoría de los procesos bajo control P cuando el set point y/o el disturbio tenían valores diferentes a los usados en el diseño del controlador, o más específicamente, utilizados para calcular el valor base UBIAS. La ventaja del control PI era que el término integral eliminaba el offset ya que mientras existiese un error, aumentaba o disminuía su influencia sobre U(t). La integración terminaba recién cuando Y(t) se hacía igual a YSET POINT por un determinado período de tiempo. Una desventaja de este tipo de control era que aumentaba el comportamiento oscilatorio de la variable controlada Y(t).

La principal ventaja del control derivativo es que tiende a disminuir las oscilaciones de la variable controlada ya que reacciona ante la velocidad de cambio de esta. Por lo tanto los tres términos de un controlador (PID) correctamente sintonizados darán una rápida respuesta al error (P), eliminarán el offset (I) y minimizarán las oscilaciones de la variable controlada (D). Desafortunadamente, el término derivativo tiene algunas desventajas. Recordemos que cuando vimos el controlador PI citamos como desventaja el tener dos parámetros de sintonización. Ahora, son tres los parámetros a sintonizar para obtener un comportamiento adecuado del controlador. Como segunda desventaja podemos mencionar que el control derivativo es muy sensible al ruido, lo que en ciertos casos prácticos lo hace difícil de aplicar y por ese motivo lo veremos más detalladamente en la sección 11.8.

11.6 El controlador PD

En los lazos de control que prácticamente no tienen ruido de la variable controlada y que pueden tolerar cierto offset, el control proporcional-derivativo (PD) muestra interesantes características. Generalmente, estos controladores son implementados con una ganancia Kc muy alta para obtener una rápida respuesta a los cambios de set point. Sin la acción derivativa, la alta ganancia produciría además importantes oscilaciones de la variable controlada. La función del término derivativo, es por lo tanto amortiguar estas oscilaciones para producir una rápida respuesta y estabilización posterior ante los cambios de set point.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Cuando tanto Kc como t D tienen valores altos, la variable controlada tiene que estar libre de ruido. De lo contrario se pueden producir situaciones de indeseables de inestabilidad del proceso. Debido a que no hay acción integral en este tipo de control, siempre tendremos un offset cuando no operemos bajo las condiciones de diseño. Debe utilizarse la forma de la ecuación contínua o de posición de manera tal de que U BIAS asegure offset nulo cuando se trabaje en las condiciones de diseño. La sintonización de estos controladores se realiza aumentando el valor de Kc sistemáticamente y produciendo cambios de set point. A medida que las oscilaciones aumentan, conviene aumentar el tiempo derivativo t D para amortiguarlas. Una buena sintonización será aquella que satisfaga las condiciones impuestas por el diseñador y dependerá de cada lazo de control en particular.

11.6.1 Ejemplo – Personalización de procesos EL módulo de personalización (Custom Process) será usado para modelizar un proceso de segundo orden más tiempo muerto (SOPDT) expresado en el dominio de Laplace como:

G

p

(s) =

Y(s)

U(s)

=

K

p

e

-q s

(

t

p1

s

+

1)(

t

p2

s

+

1)

=

1,5e

- 10 s

(100s

+

1)(50s

+

1)

(11.4)

Por lo tanto, la ganancia de estado estacionario es 1,5, el tiempo muerto es de 10 segundos, y las dos constantes de tiempo son 100 y 50 segundos. Los procesos en base a función transferencia son realmente lineales. Esto quiere decir que se comportan de igual manera en todos los niveles de operación mientras la variable manipulada U(t) no sea forzada. La capacidad del controlador PD queda demostrada en la Fig. 11.2, donde, a pesar de usar control PID, el tiempo de integración es llevado al máximo valor permisible para eliminar efectivamente el efecto integrador (al estar en el denominador, a mayor tiempo de integración, menor intensidad de la acción integral). La figura muestra la respuesta del proceso SOPDT de la ecuación 11.4 simulado por el módulo de Personalización ante un escalón del set point bajo control PD. Cabe aclarar que el ruido ha sido anulado para poder realizar un estudio de una señal libre de ruido.

para poder realizar un estudio de una señal libre de ruido. Fig. 11.2 Los dos gráficos

Fig. 11.2

Los dos gráficos muestran la respuesta del controlador PD para la misma ganancia pero para distintos valores de t D . La capacidad de la acción derivativa de amortiguar las oscilaciones queda demostrada en el gráfico de la derecha donde t D es el doble del usado en el de la izquierda. El rápido incremento de la variable controlada es evidente cuando se compara estas gráficas con la del controlador PI y PID de la Fig. 11.3.El offset sigue existiendo a pesar de ser muy pequeño debido a la alta ganancia (Kc=10 en la Fig. 11.2, la cual es mucho mayor al Kc=1,01 y 1,46 de los controladores PI y PID de la Fig. 11.3) ya que estamos operando fuera de los valores originales de diseño.

11.7 Sintonizando el controlador PID Siguiendo un procedimiento similar al del controlador PI, los parámetros FOPDT obtenidos mediante estudio de modelización son usados en correlaciones para obtener parámetros de sintonización PID estimados. Recordar que la modelización debe ser realizada lo más cerca posible del nivel de operación de diseño.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

correlación

seguimiento de cambios de set point (servocontrol) tenemos:

Utilizando

la

del

Error

Absoluto

Integral

Kc =

1,086 Ê q p ˆ

˜

˜

Á

Á

Ë

Kp

t

p

¯

- 0,869

t

i

=

t p

0,74

-

Ê q p ˆ

˜

˜

Á

Ë

0,130 Á

t

p

¯

t

D

=

0,348

t

p

Ê 0,814

Á q

Á Ë t

p

p

ˆ

˜

˜

¯

(IAE)

que

estima

parámetros

para

 

(11.4a)

(11.4b)

(11.4c)

Como en la guía también figuran las correlaciones IAE para sintonizar controladores PI para servocontrol, en los próximos ejemplos se hacen comparaciones entre ambos resultados. 11.7.1 Ejemplo – Personalización de proceso El proceso SOPDT definido en la ecuación 11.4 es usado nuevamente en este ejemplo. Se realiza una prueba de escalón a lazo abierto y se ajusta un modelo FOPDT a la respuesta. Como el proceso es lineal, la prueba puede ser realizada en cualquier nivel de operación, y mientras U(t) no sea forzada, se obtendrán los mismos parámetros del modelo que son:

Ganancia del proceso, Kp = 1,50 Constante de tiempo, tp = 120,6 seg. Tiempo muerto aparente, qp = 53,5 seg.

Estos parámetros muestran que la aproximación de un modelo de primer orden (FOPDT) a uno de segundo orden (SOPDT) produce una única constante de tiempo que no es la suma de las otras dos constantes de tiempo, pero es aproximadamente su promedio. También se incrementa el tiempo muerto debido al retraso en la respuesta respecto al sistema de orden superior. La conclusión es que el proceso de segundo orden más tiempo muerto es de orden superior al modelo FOPDT utilizado para describirlo.

orden superior al modelo FOPDT utilizado para describirlo. Fig. 11.3 Para simplificar el estudio, nuevamente se

Fig. 11.3

Para simplificar el estudio, nuevamente se ha anulado el ruido de la medición. La Fig. 11.3 compara el comportamiento de un controlador PI con un PID utilizando los parámetros del modelo FOPDT en las correlaciones IAE para servocontrol. Para ambos controladores se utiliza el algoritmo PID de velocidad con acción derivativa sobre la medición. El controlador PI del gráfico izquierdo, es logrado llevando el tiempo derivativo a cero. Las correlaciones IAE para el controlador PID dan una ganancia más grande y agresiva y un tiempo de integración mayor, o menos intenso, comparándolo con el controlador PI. En ambos casos, el tiempo que tardan en alcanzar el nuevo set point (rise time) se mantiene constante. La principal diferencia es que el controlador PID produce menos sobrepicos y se estabiliza más rápido que el controlador PI.

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

11.8 Impacto del ruido sobre el control derivativo Como se ilustra en la Fig. 11.4, una señal ruidosa puede causar derivadas perjudiciales ya que las pendientes que aparecen son muy bruscas. En los procesos con este tipo de señales, la acción derivativa puede servir más en detrimento que en beneficio para el control del mismo. Puede utilizarse un filtro para atenuar el efecto de la señal, pero un filtro adecuado, no siempre es fácil de conseguir. De cualquier modo, el filtro aumentará el tiempo muerto aparente de la variable controlada y disminuirá la calidad de la sintonización que se puede obtener.

Gran pendiente Negativa Escalón del Set point Gran pendiente positiva
Gran pendiente
Negativa
Escalón del
Set point
Gran pendiente
positiva

Fig. 11.4

11.8.1 Ejemplo – Personalización del proceso Nuevamente usando el proceso de la ecuación 11.4 y los parámetros de sintonización obtenidos de las correlaciones IAE para el controlador PID, introduciremos diferentes cantidades de ruido en la medición. Cuando la variable de ruido es llevada al 1% en el menú de diseño del módulo de Personalización, como muestra el gráfico izquierdo, el error, con una dispersión de ± 3 s (desviación estándar), equivale a un aumento del 1% del span (alcance) sobre el valor de la medición Y(t). En el gráfico de la derecha, el ruido con ± 3 s equivale a un 2% sobre el valor de Y(t). De los gráficos, puede deducirse que el ruido ha empeorado el comportamiento del controlador. De hecho, si continuáramos la simulación, veríamos como la variable controlada pareciera no tener rumbo definido y que no llega a estabilizarse en ningún momento debido a las pronunciadas pendientes del ruido.

definido y que no llega a estabilizarse en ningún momento debido a las pronunciadas pendientes del

Fig. 11.5

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C

Universidad Tecnológica Nacional Facultad Regional San Nicolás

Universidad Tecnológica Nacional Facultad Regional San Nicolás G . E . S i . C .

G.E.Si.C.

Preguntas

11.1) En el caso del intercambiador de calor, considere que la temperatura de operación de diseño es de 150ºF pero puede variar entre 135 y 165ºF. El caudal de disturbio se espera que sea de 10 gpm.

a) Realice los estudios y ensayos correspondientes para modelizar el proceso mediante un modelo FOPDT que describa el funcionamiento en la zona de operación.

b) Utilice Kp, tp y qp del punto a para calcular los parámetros de sintonización a partir de las correlaciones ITAE.

c) Utilizando el Kc y ti del punto b, implemente un controlador PI en su forma de velocidad. Pruebe su capacidad de seguimiento de set point por medio de escalones entre 150 y 165ºF y entre 150 y 135ºF. Grafique las respuesta y explique cómo impacta el comportamiento no lineal del proceso sobre el funcionamiento del controlador.