Documente Academic
Documente Profesional
Documente Cultură
SISTEMAS
Presentado por:
JESUS PADILLA
Presentado a:
UNIVERSIDAD DE PAMPLONA
FACULTAD DE INGENIERIAS
PAMPLONA
2009
INTRODUCCIÓN
• Propiedad transitiva:
Φ , Φ , Φ ,
• Propiedad de inversión:
Φ , Φ ,
• Función de trayectoria
Φ , I
Φ ,
, , , … ,
ó
0 0
0
0 .
2 0
1 1
Para condiciones iniciales 0 y 0 se tendrán
0 2
respectivamente las soluciones
1 1
, , 2
2 2
1 1
2 2 2
Por linealidad del sistema, la función es una solución del sistema que
cumple que 0, . Como las soluciones son únicas, 0, (la
solución nula es única), y en particular para , es decir, 0 .
Llegando por tanto a una contradicción, debido a que fue asumida no
singular en .
Como una matriz fundamental es no singular para todo , su inversa queda
por tanto definida, permitiendo dar solución para ecuaciones de espacio de estado
variantes en el tiempo [4].
Φ ,
Ejemplo:
4 1 1/2
4 1/2
De modo que:
1
1 1 4 1
2
Φ , 2
2 2 1
4 2
1 0
Φ , 1
2
[3] C. A. Desoer, Notes for a Second Course on Linear Systems, Van Nostrand
Reinholt, 1970.
[4] J. H. Braslavsky. Centre for Complex Dynamic System and Control. The
University of Newcastle. 2007. Disponible on-line
http://www-eng.newcastle.edu.au/~jhb519/
Leyes constitutivas
Conservación de la masa:
· ·
· ·
Donde:
= Gasto másico
Así mismo:
Otra forma:
Donde:
Donde:
= Presión
= Velocidad
= Altura
Para el caso del tanque con una entrada regulada y una salida por gravedad se
tiene:
Aplicando la Ecuación de Bernoulli entre el punto uno y dos (uno la superficie libre
del fluido y dos el punto de descarga del tanque.
2 2
Se supone que el fluido es incompresible por que no se presenta variación
significativa de temperaturas.
Donde , 0
Entonces:
Como: √ y
Entonces:
√
Reacomodando,
Donde:
Si , y
Punto de equilibrio:
Luego √
Gráfica del caudal vs altura del tanque asumiendo que 0.2 y
9.806 / entonces 0.8857 ,
1
Grafica del caudal y de la altura
1.4 /
1
Gráfico obtenido mediante el uso del software EES versión académica
2
Gráfico obtenido mediante software Maple 12, con la condición de que 0 0 , 1.4 , 2
,
Como es no lineal, se debe linealizar en torno al punto de equilibrio mediante la
expansión de Taylor.
0.44285√ 0.5
0.221425
, , 0.44285 0.5
√ ,
1
2 ,
0.280082932 0.5
Verificación de la linealización entorno al punto de equilibrio3
3
Esta gráfica corresponde al sistema de control de nivel del tanque con las ecuaciones linealizadas entorno
al punto de equilibrio mediante la ecuación diferencial 0.280082932 0.5 evaluada en
el punto 0 0, realizado con Maple 12.
4
La figura corresponde al archivo mt21.mdl hecho en Simulink v2.2 de MatLab R2007b
Al correr el modelo se puede visualizar como los dos sistemas arrojan la misma
tendencia, aunque el modelo linealizado tarda más tiempo en alcanzar el
equilibrio.
Leyes constitutivas
Conservación de la masa:
· ·
· ·
Donde:
= gasto másico
Así mismo:
Otra forma:
Donde:
Donde:
= Presión
= Velocidad
= Altura
· ·
De forma simplificada
La energía dentro del volumen de control se puede expresar como una propiedad
intensiva al evaluarla por unidad de masa de la siguiente forma:
2 2
Donde:
= Entalpía
= Energía interna
=Entalpía como función del tiempo y el calor específico
0 0
Entonces
Se tiene que:
Como es incompresible
Del volumen total el único parámetro que puede variar es la altura, de modo que
Asumiendo que el flujo que atraviesa la frontera presenta una variación de energía
potencial, y cinética insignificante frente a la variación de energía interna no se
considerará en este proceso.
Si
Como: √ y
Entonces:
√
Reacomodando,
Donde:
0.8857 , 2 , 1 ,
20°
10 0.5 0.44285 √
0.5 0.5 0.44285√
Simplificando
Definición del punto de operación para este sistema, proceso de linealización [8]
2.5
60
Solucionando mediante el EES5
Condiciones de equilibrio:
2.5
60
0 0.4
0 160
Matriz A
0.221425/ 0
10 0.5 0.5 0.5 0.5 1 .
5
Solución de las ecuaciones no lineales, con el objetivo de hallar las condiciones de equilibrio, mediante el
uso de software EES versión académica
0.14004 0
0 0.28000
Matriz B
0.5 0
. . .
0.5 0
20 0.08
Matriz C
1 0
0 1
Sistema linealizado entorno al punto de operación, mediante las coordenadas
normalizadas
0.14004 0 0.5 0
0 0.28000 20 0.08
1 0
0 1
Modelos en Simulink6
6
Modelos y gráficos desarrollados en simulink v2.2 de MatLab R2007b
Como se puede apreciar en las gráficas de respuestas del sistema tienden a
estabilizar para un valor de temperatura de 60°C en un lapso de aproximadamente
7 segundos, mientras que el nivel se comporta constante a 2.5 m de nivel después
de transcurrir 40 segundos
0.14004 0 0.5 0
0 0.28000 20 0.08
1 0
0 1
2.5
60
Respuestas del sistema del sistema linealizado referidas a la variable temporal
[2] F. M. White. Mecánica de Fluidos, 6ª. Ed., Madrid, España: McGraw-Hill, 2008.
[3] R. C. Hibbeler. Mecánica Vectorial para ingenieros, Dinámica, 10ª. ed., México:
Pearson Educación, Prentice Hall, 2004.
[6] A. Vodencarevic. Control Theory Pro, Introduction to the Mixing Tank Example.
2008. Disponible on-line:
http://wikis.controltheorypro.com/index.php?title=Mixing_Tank_Example
∑V = 0
Vε = −VR − Vc
dq (t ) 1
Vε = − R − q (t )
dt c
Considerando sistema homogéneo y tomando valores para los parámetros
1; 1
Diagrama de fase
Entrada Inputdlg
Simula el modelo con Modelo
los parámetros
Se puede apreciar que el sistema continúa siendo estable a pesar de los cambios
en los parámetros; los parámetros producen cambios en el tiempo de
estabilización del sistema y son equivalentes entre sí aumentar la resistencia,
causa el mismo efecto que aumentar la capacitancia, ya que en la solución esos
valores van multiplicados.
Sensibilidad al ruido
∑ F = ma
dx(t ) d 2 x(t )
u (t ) − kx(t ) − b =m
dt dt 2
Considerando el caso de sistema LTI homogéneo, tomando valores y reordenando
la ecuación nos queda:
5; 2; 3; 0
Familia de soluciones:
En este caso el campo direccional de la solución no es mostrado debido a que es
una ecuación de segundo orden, pero podemos encontrar las familias de
soluciones.
En la siguiente gráfica comprobamos la influencia del valor inicial x(0) para x’(0)=0
Familia de soluciones: Influencia del valor inicial x(0)=1 ,2 y 3 con x’(0)=0
Cambios de variable
1 ; 2 1
Sistema de ecuaciones
2 2 1
1 2
Se puede apreciar que el sistema continúa siendo estable a pesar de los cambios
en los parámetros.
Sensibilidad al ruido
El sistema continúa siendo estable a pesar del ruido pero es bastante sensible al
ruido por la segunda derivada.
Estabilidad.
∑ F = ma
dx(t ) d 2 x(t )
u (t ) − kx(t ) − b =m
dt dt 2
Considerando el caso de sistema LTI no homogéneo, tomando valores y
reordenando la ecuación nos queda:
.
5; 2; 3; sin
Se tomo una función de fuerza tal que se atenuara con el tiempo, si se tratara de
un automóvil estaría saliendo de un terreno con rizado.
Familia de soluciones:
En este caso el campo direccional de la solución no es mostrado debido a que es
una ecuación de segundo orden, pero podemos encontrar las familias de
soluciones.
En la siguiente gráfica comprobamos la influencia del valor inicial x(0) para x’(0)=0
.
sin
Cambios de variable 1 ; 2 1
.
Sistema de ecuaciones 2 2 1 sin ; 1 2; 1
Se puede apreciar que el sistema continúa siendo estable a pesar de los cambios
en los parámetros.
Sensibilidad al ruido
El sistema continúa siendo estable a pesar del ruido pero es bastante sensible al
ruido por la segunda derivada.
Estabilidad.
∑ F = m(t )a
dx(t ) d 2 x(t )
u (t ) − kx(t ) − b = m(t )
dt dt 2
Considerando el caso de sistema LTV no homogéneo, tomando valores y
reordenando la ecuación nos queda:
.
1 ; 0.5; 5;
Se tomo una función de fuerza tal que se atenuara con el tiempo y, la masa
variando que podría ser resultado de consumo o la fuga de combustible en un
vehículo.
Familia de soluciones:
En este caso el campo direccional de la solución no es mostrado debido a que es
una ecuación de segundo orden, pero podemos encontrar las familias de
soluciones.
En la siguiente gráfica comprobamos la influencia del valor inicial x(0) para x’(0)=0
Diagrama de fase
Cambios de variable 1 ; 2 1
.
Sistema de ecuaciones 2 2 1 ; 1 2; 1
Diagrama de Fase
Sensibilidad al ruido
El sistema continúa siendo estable a pesar del ruido pero es bastante sensible al
ruido por la segunda derivada.
Estabilidad.
Tanques Interconectados
dmVC
= m& salida − m& entrada
dt
Para los tanques
1 2; 2 3
1 ; 2 2 ; 3 3
1 1 1 1
2 ; 2 3
2 0.7 5
.
3 3 0.4 4
2 20
3
1.1180
Algunas condiciones iniciales
Familia de soluciones:
Las figuras siguientes muestran el comportamiento del sistema para diferentes
condiciones iniciales de nivel en los tanques. La estabilización se da en los
mismos valores siempre y cuando no se varíe el flujo de entrada u(t), aunque la
aplicación permite la variación de parámetros y probar el comportamiento.
Comportamiento del sistema: cambio en condiciones iniciales
Diagrama de Fase
Sensibilidad al ruido
El sistema continúa siendo estable a pesar del ruido pero es bastante sensible al
ruido por la segunda derivada.
Estabilidad.
[2] F. M. White. Mecánica de Fluidos, 6ª. Ed., Madrid, España: McGraw-Hill, 2008.
[3] A. Vodencarevic. Control Theory Pro, Introduction to the Mixing Tank Example.
2008. Disponible on-line:
http://wikis.controltheorypro.com/index.php?title=Mixing_Tank_Example
9 OBTENCIÓN DE LA PLANTA
El modelo matemático que define el comportamiento del llenado del tanque (inciso
2.1) es el que se muestra en la ecuación 1.
ó 1
1
ó 2
Donde:
Á
Para obtener la función de transferencia del sistema se aplica la transformada de
Laplace a la ecuación 2. De esta forma, se tiene:
1
0
1
Despejando:
1
Ordenando:
ó 3
1
2.5
0.885
1.4
1.7865
ó 4
4.4666 1
Simplificando,
0.4
ó 5
0.22
9 CONTROL PI
0.2
0.6
0.6
0.9 0.9 2.7
0.2
0.2
0.66
0.3 0.3
Las constantes de proporcionalidad e integración son, matemáticamente, 2.7 y
0.66 respectivamente. Algunas modificaciones realizadas en las constantes del
controlador para mejorar la respuesta del sistema, llevaron finalmente a obtener
los siguientes valores.
2.6
0.6
Para simular el comportamiento del sistema ante el ruido se adiciona una señal
aleatoria a la salida de la planta. Esta señal hace efecto sobre la señal de error
que entra al controlador PI y por tanto en su salida de control. De esta forma,
los datos recolectados para el entrenamiento de la red también se modifican.
En la figura 6 se muestra el diagrama desarrollado en Simulink del sistema
sometido a ruido. Dicha señal de ruido presenta variaciones entre -0.02 y 0.02.
Las gráficas 9, 10 y 11 muestran la señal de error de entrada y su integral, la
señal de salida del controlador y la respuesta del sistema, respectivamente.
La red obtenida con los nuevos datos extraídos del control del sistema, se creó y
se entrenó con el programa anexo 2. Su desempeño como controlador PI se
muestra en la gráfica 12 y el diagrama implementado para tal fin se aprecia en la
figura 6.
Gráfica 15. Respuesta del sistema con red neuronal como controlador
9 RED PERCEPTRÓNICA MULTICAPA – SISTEMA SOMETIDO A FALLA
El controlador PI, aún con la falla presente, mantiene la respuesta en el set point
deseado, sin embargo a diferencia de los demás casos, esta presenta una
oscilación por encima del set point y por tanto, tarda más tiempo en estabilizarse.
La gráfica 16 muestra este comportamiento.
La red neuronal multicapa entrenada con los valores almacenados del sistema
sometido a falla, hace que la respuesta de este presente una oscilación más
pequeña comparada con la obtenida con el controlador PI como tal. Esto quiere
decir, que además de cumplir con la función de control para la que fue entrenada,
su desempeño como controlador fue más eficiente. La respuesta del sistema con
la red neuronal se aprecia en la gráfica 17 y en la figura 10 se muestra el sistema
en simulink.
Figura 10. Sistema sometido a falla con red neuronal como controlador
Gráfica 17. Respuesta del sistema sometido a falla con red neuronal como
controlador
9 CONCLUSIONES DEL PUNTO 4
Gráfica 19. Respuesta del sistema sometido a ruido con red neuronal ideal como
controlador
Gráfica 21. Respuesta del sistema sometido a perturbación con red neuronal ideal
como controlador
Gráfica 20. Respuesta del sistema sometido a falla con red neuronal ideal como
controlador
Al comparar la gráfica 19 con la 11, se puede apreciar que la respuesta del
sistema sometido a ruido es mejor con la red neuronal ideal que con el controlador
PI, puesto que, la señal de salida se estabiliza más rápido y presenta variaciones
más pequeñas. De igual forma, de la comparación entre las gráficas 20 y 14, se
obtiene que la red ideal estabiliza más rápido el sistema y responde de mejor
manera a la perturbación respecto al desempeño del controlador PI. Por ultimo,
del análisis entre las gráficas 20 y 16, para el sistema sometido a falla, se
concluye que la red ideal estabiliza más rápido la respuesta, pero presenta una
oscilación inicial mayor que en el caso del sistema con controlador PI. Por tanto,
para este último caso, se puede decir, que el desempeño del controlador PI es
mejor que el de la red neuronal ideal.
ANEXOS
2. ANEXO 2: Programa para crear y entrenar una red neuronal multicapa con
2 entradas, 12 neuronas de capa oculta y 1 salida.
In=InPI';
OutRed=OutPI';
RedP=newff(minmax(In),[12 1],{'tansig','purelin'});
RedP.trainparam.epochs=3000;
RedP.trainparam.goal=1e-0013;
RedP=train(RedP,In,OutRed);
gensim(RedP);
9 In=InPI';
9 OutRed=OutPI';
La datos recopilados en OutPI son guardados en la variable OutRed. La variable OutPI
corresponde a una vector 1x60. OutPI contiene datos sobre la salida del controlador PI.
9 RedP=newff(minmax(In),[12 1],{'tansig','purelin'});
Esta línea de código crea una red perceptrón multicapa con 12 neuronas en la capa oculta
y una salida. El numero de entradas esta determinado por el tamaño de In, por tanto, la
red tendrá 2 entradas. El código minmax obtiene los valores minimo y máximo de cada
columna de la variable In.
9 RedP.trainparam.epochs=3000;
9 RedP.trainparam.goal=1e-0013;
Determina el máximo error que debe haber entre la respuesta de la neurona y la deseada.
9 RedP=train(RedP,In,OutRed);
9 gensim(RedP);
[4]. Bonifacio Martín del Brío, Alfredo Sanz Molina. Redes Neuronales y
Sistemas Difusos. 2da Edición. Alfaomega, Universidad de Zaragoza.
Mexico D.F. 2002
PUNTO 5
Figura 1. Herramienta fuzzy de MATLAB- Bloque de lógica fuzzy con dos entradas y
una salida
La tabla 2 muestra la relación entre las entradas y la salida del bloque lógico fuzzy,
es decir, constituye el mapa de sentencias.
DMN DN DM DBN DC
EMB CM CA CMA CMA CMA
EB CB CM CA CMA CMA
EM CMB CB CM CA CMA
EA CMB CMB CB CM CA
EMA CMB CMB CMB CB CM
Tabla 2. Mapa de sentencias
Una vez definido correctamente las variables de entrada y salida del control fuzzy,
su implementación se lleva a cabo como se muestra en la figura 6.
Las variaciones en la señal de error producto del ruido presente en el sistema son
muy pequeñas, por tanto, no se realiza ninguna variación en los intervalos de las
variables del controlador fuzzy. La señal de error, su derivada y la salida del
controlador PI del sistema sometido a ruido se aprecian en las gráficas 5,6 y 7
respectivamente.
Cuando el sistema es sometido a falla, la señal de error (ver gráfica 12) presenta
una pequeña variación negativa que se debe considerar en las variables
lingüística del controlador fuzzy.
Con respecto a la derivada del error (ver figura 13), la variación en la señal de
error no provoca efecto significativo, por tanto, el intervalo que define la entrada
DerivadaError no se modifica.
Por otro lado, la salida del controlador, a diferencia de los escenarios anteriores,
ya no se estabiliza en 1.4 sino en 0.6 aproximadamente, como se puede ver en la
gráfica 14. Por tanto, el intervalo que define la salida del control difuso debe ser
modificado para que este no tenga una respuesta errónea.
El control basado en lógica fuzzy puede ser una herramienta muy importante, si se
usa adecuadamente. Esto debido a que, si la respuesta de control del sistema
presenta alguna forma no deseada, mediante un control fuzzy esta puede ser
mejorada al tratar de ubicar el punto que esta llevando al error en una variable
lingüística que le de menos importancia o quizás reordenando el intervalo de estas
de forma que no se considere en ningún momento. Sin embargo, alguna
modificación puede hacer el sistema vulnerable a errores en algún punto en el que
había un buen desempeño. Por tanto, el manejar adecuadamente los parámetros
que definen la lógica difusa se convierte en una buena estrategia de control.
CONCLUSIONES GENERALES (PUNTOS 4 Y 5)