IDENTIFICACION Y ADQUISICION DE DATOS POR MEDIO DE LA DAQ A LABVIEW Y DISEO DE UN CONTROLADOR PARA UN MOTOR GENERADOR

RONI JAYA JAIRO SOLANO DIEGO CORREDO JOSE LUIS MONTES LEONEL CORZO JESUS FLOREZ
RESUMEN

1090291 1090223 1090274 1090238 1090292 1090324

En el siguiente informe analizaremos el comportamiento de un motor generador adquiriendo datos directamente de la planta por medio de la tarjeta DAQ ,este ser un gran aporte que permitir reforzar los conocimientos tericos que se reciben en las clases referentes a la teora del control, y as permitir a los estudiantes una mejor comprensin del tema para que sean capaces de implementar este tipo de control de una manera prctica y funcional sobre cualquier proceso en que se necesite implementar un control automtico de este tipo. 1. INTRODUCCION

Disear un sistema de control para una planta especfica, tomando como base el modelo identificado a travs de las herramientas computacionales seleccionadas por cada grupo de trabajo. Compreder el mecanismo que utiliza ladview para interrelacionar con el exterior del pc. Disear programa para la generacin y adquisicion hacia y desde el exterior en este caso un motor generador
2. MARCO TEORICO

3. DESARROLLO DE LA PRACTICA

MOTOR-GENERADOR

La adquisicin de datos es el proceso de toma de muestras de seales del mundo real, las condiciones fsicas a medir y la conversin de las muestras resultantes en forma digital de los valores numricos que pueden ser manipulados por un ordenador. Adquisicin de sistemas de datos (abreviado con las siglas del DAS o DAQ) suelen convertir ondas analgicas en valores digitales para su procesamiento.

2. OBJETIVOS

Descripcin del modelo ARX motorGenerador A partir de los conocimientos adquiridos sobre identificacin de sistema enfocados a la ingeniera de control, nace la necesidad de enfrentar problemas reales, en nuestro caso analizaremos un sistema motor-generador, como caja negra, en consecuencia, la adquisicin de datos (DAQ), es nuestro primer acercamiento a la identificacin del sistema, estos datos sern proporcionados en tensiones de entrada y de salida, medidos a travs de un osciloscopio DAQ, para luego ser procesado por medio del Toolbox

Ident de Matlab y de esta manera aplicar los criterios de seleccin a la obtencin de un modelo ARX.

motores similares, donde uno tendr la funcin de motor y el otro de generador. Se tuvo en
cuenta para la toma de datos, fue el tiempo de muestreo el cual se eligi a 1s por las limitaciones de los instrumentos utilizados en la medicin. Este tiempo de muestreo fue suficiente para obtener la informacin necesaria sobre la dinmica del sistema, garantizando una buena recopilacin de datos. Procesamiento de datos Los datos obtenidos a travs de los instrumentos de medicin fueron un total de 2000 datos de los cuales se extrajo aproximadamente el 50% de ellos para utilizarlos como validacin del modelo ARX. Por consiguiente, se presenta la descripcin detallada del procesamiento de datos en Toolbox Ident de Matlab: Cargar datos al workspace a) Datos para generar el modelo ARX Entradasinvalid = 50% de los datos de la entrada (1000 DATOS ) Salidasinvalid = 50% de la salida (1000 DATOS ) b) Datos para validar el modelo ARX Validentrada = 50% de los datos de la entrada (1000 DATOS ) Validsalida = 50% de los datos de la salida (1000 DATOS ) A continuacin mostraremos solo 70 de los mil datos utilizados

FIG.1 GRAFICAS EN IDENT

FIG.2 GRAFICAS IDENT RESPUESTAS

Caractersticas en la Adquisicin de datos A partir de la figura anterior podemos visualizar el proceso por el cual fueron adquiridos los datos, para la posterior identificacin del sistema motorgenerador, una caracterstica de estos datos, es que se obtuvieron a partir de una seal de entrada generada por una fuente de voltaje constante de 5 voltios.

Otra caracterstica importante del motorgenerador, es que este esta compuesto por dos

FIG.4 DATOS CARGADOS WORK SPACE

Tiempo 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

SALIDA 0,295595996 1,140628146 2,117746315 2,813963729 3,212747893 3,37404803 3,362629188 3,162910412 2,863611091 2,748397601 2,884666166 3,090809558 3,22209676 3,211555953 3,087280395 2,988287625 3,025594534 3,142472236 3,219355602 3,199702805 3,084722489 2,96149758 2,947263865 3,068853741 3,232965101 3,292986904 3,175341703 2,976824337 2,894977551 2,973445622 3,103286272 3,193084079 3,171594487 3,055050687 2,979173787 3,022775078 3,140118427 3,239696093 3,234574858

ENTRADA 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70

3,116287104 2,994543218 2,99026343 3,09142079 3,189213476 3,203460441 3,109992294 2,97661451 2,933709648 3,031403896 3,205902683 3,316982617 3,257183729 3,092705956 2,988133801 3,012706803 3,107758961 3,176758784 3,148499351 3,018340805 2,887153661 2,891843848 3,031195883 3,173937064 3,216587795 3,129697557 2,989823009 2,935866757 3,006172419 3,133185371 3,220801463 3,160176357

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

Generacin de modelos ARX Para la generacin de modelos ARX, se est utilizando el Toolbox Ident de Matlab, que cuenta con una herramienta linear parametric models, utilizada como un punto de partida para la obtencin de modelos ARX, se realiza por medio del botn orden selection, que genera la interfaz grafica de seleccin de estructura de modelos ARX, la cual consta de tres criterios de

seleccin MDL (best fit minimizes Rissanen), AIC (best fit minimizes Akaike) y BEST FIT(best fit mnimos cuadrados).

Transfer function from input "u1" to output "y1": 0.1312 s^4 + 0.1715 s^3 + 0.1643 s^2 + 0.1941 s + 0.02697 -------------------------------------------------------------s^5 + 0.6317 s^4 + 1.424 s^3 + 0.6705 s^2 + 0.4254 s + 0.04327

FUNCIN DE TRANSFERENCIA

>> G=tf(arx551) Transfer function from input "u1" to output "y1": 0.1636 z^4 - 0.349 z^3 + 0.3918 z^2 - 0.2273 z + 0.03863 ---------------------------------------------------------z^5 - 3.293 z^4 + 5.166 z^3 - 4.659 z^2 + 2.347 z 0.5317

Transfer function from input "v@y1" to output "y1": 0.02371 s^5 + 0.06204 s^4 + 0.1205 s^3 + 0.1438 s^2 + 0.1058 s + 0.03604 -----------------------------------------------------------------------

Transfer function from input "v@y1" to output "y1": 0.02371 z^5 ---------------------------------------------------------z^5 - 3.293 z^4 + 5.166 z^3 - 4.659 z^2 + 2.347 z 0.5317

s^5 + 0.6317 s^4 + 1.424 s^3 + 0.6705 s^2 + 0.4254 s + 0.04327

Input groups: Name Measured Channels 1 2

Input groups: Name Measured Noise 2 Channels 1

Noise

>> step(G1)

Sampling time: 1 >> G1=d2c(G)

FIG.5 RESPUESTA A ESCALON DE LA FUNCION DE TRANSFERENCIA SINTONIZACION DEL PID POR EL METODO DEL DECAIMIENTO DEL 25% DE ZIEGLER Y NICHOLLS

parmetros mejor ser el modelo obtenido, asi como las bandas apreciadas grficamente de autocorrelacin y correlacin cruzada, deben ser acotadas a menor distancia (bandas acercadas a cero).

CONCLUSIONES 1. A la hora de seleccionar los modelos ARX, se tuvo en cuenta de que el sistema fuera fsicamente realizable (el orden del denominador de la funcin de transferencia debera ser mayor o igual al numerador). 2. Para tener en cuenta, la seleccin de un modelo apropiado ARX no podemos depender de un solo criterio, sino de un conjunto de ellos, a dems de conocimientos previos de su comportamiento. 3. Se pudo probar que el modelo ARX validado, tena un comportamiento de una funcin de transferencia de Segundo orden estable, correspondiente a la caracterstica del motor DC, garantizando una buena seleccin del modelo. 4. El Toolbox de Matlab es una herramienta muy aceptable, a la hora de obtener el modelado de una planta, de la cual se desconocen algunas o todas sus caractersticas fenomenolgicas. 5. En los criterios de seleccin mientras menor fuera el Loss Fuction, el FPE y menor nmero de