Documente Academic
Documente Profesional
Documente Cultură
= =
= =
Q
vent:
Flujo de ventilacin natural.
r
w:
Apertura relativa de la ventana.
T
g:
Temperatura interior del invernadero.
T
out:
Temperatura exterior del invernadero.
T
p:
Temperatura de los tubos de calefaccin.
T
s:
Temperatura del suelo.
:
Velocidad del viento fuera del invernadero.
,,: Parmetros ndice de ventilacin.
: Flujo de ventilacin natural.
Diagrama de bloques en SIMULINK:
Fig. 2. Diagramas de bloques del modelo
matemtico.
Para la simulacin en Matlab se utiliz datos
meteorolgicos de la regin, tales como: Ts=
20C, G=0 W/m
2
, w= 11m/s, r
w
= 50%, Tout=
20C (noche) y para los tubos de calefaccin:
Tp=20C (apagados)
Fig. 3. Salida de la simulacin en matlab.
Como se puede apreciar las entradas al modelo, se
tratan de nuestras variables manipuladas, es decir,
la temperatura de los tubos de calefaccin y la
apertura de la ventana.
Nuestro estudio estar enfocado a la identificacin
mediante PRBS alterando y evaluando la
dinmica de mi sistema.
La alteracin e identificacin viene dada por la
variable manipulable temperatura de los tubos de
calefaccin, ya que esta entrada representa un
cambio significativo a la salida de mi sistema.La
entrada T
p
tiene una interaccion dominante con la
salida con respecto a la entrada r
w
.
4. IDENTIFICACIN DEL PROCESO
Para la identificacin de sistemas se da una
excitacin a las seales de entrada a mi sistema,
tal as como seales escaln, sinusoidal, PRBS o
PRS y se observan las seales de entrada y salida
en un intervalo de tiempo.
Para la identificacin hemos empleado entradas
tipo escaln adicionndole seales de tipo PRBS
para poder captar las seales dinmicas y estticas
que presenta mi sistema.
Para hacer la estimacin del modelo se ha visto
necesario general una seal PRBS como seal de
entrada al sistema.
La siguiente representacin genera una entrada
PRBS:
Fig. 4. Generacin de seal PRBS
El White noise sirve para simular seales pico.
El transport delay es para retardar la seal hasta
que el sistema alcance su valor estacionario
Las ganancias son para incrementar la altura de la
seal y el saturador para entrecortarlas y eliminar
los picos.
La seal PRBS debe tener como rango mnimo y
mximo los valores mnimo y mximo de la seal
de entrada a identificar el proceso.
Fig. 5. Seal PRBS afectando la entrada T
p
Mediante un Toolbox de Matlab podemos
identificar y estimar procesos matemticos:
Ejecutamos el Toolbox con el comando ident
Fig. 6. Toolbox de identificacin de proceso
Para estimar el proceso primero se deben
almacenar los valores de entrada y salida de mi
sistema mediante un workspace de Simulink.
En este caso aproximamos a un proceso de tercer
orden sin retardo debido a que es el que nos daba
mayores valores fit.
El proceso se describe de la siguiente manera:
0.53783
( )
(467.25 1)(5.0011 1)(5.122 1)
P S
s s s
=
+ + +
5. CONTROL DEL PROCESO
5.1. Variables de estado
Fig. 7. Estimador y controlador del proceso
Fig. 8. Salida del sistema empleando un estimador
y un controlador
5.2. Controlador PID
Con la limitacin de emplear la asignacin de los
parmetros del PID por Ziegler Nichols.
Fig. 9. Simulacin en diagrama de bloques
Fig.10. Salida del sistema a un control PID
5.3. Controlador Digital
Fig.11. Simulacin control digital con proceso
Fig.12. Salida del sistema empleando control
digital
5.3. Control GPC
Fig.13. Simulacin controlador GPC con proceso
Fig.14. Salida del sistema a un control GPC
6. CONCLUSIONES
Si no se toman en cuenta los rangos mximos
de las variables manipulables, la estimacin
del proceso con la seal PRBS nos arrojar un
resultado errneo y esto se puede comprobar
al evaluar el nmero de fit.
Se puede observar que el control GPC tiene
mejores resultados en el control, el tiempo de
establecimiento con este es mucho ms
reducido.
Los estimadores son de gran importancia en
los procesos industriales, debido a que stos
me proporcionan un error que tiende a cero,
econmicamente su aplicacin es rentable,
por la disminucin de costo de los sensores.
Las ecuaciones que se plantean cumplen con
las ecuaciones de balance de energa y masa,
la modelacin con stas son mucho ms
confiables que las realizadas con mtodos
empricos.
7. REFERENCIAS
[1] Rodrguez, F. Modeling and hierarchical
control of greenhouse crop production (in
Spanish). PhD thesis, University of Almera,
Spain, 2002.
http://aer.ual.es/TesisPaco/TesisCompleta.pdf.
[2] Rodrguez, F.; Guzmn, J.L.; Berenguel, M.;
Arahal, M.R. Adaptive hierarchical control of
greenhouse crop production. Int. J. Adap. Cont.
Signal Process. 2008, 22, 180197.
[3] Bot, G.P.A. Greenhouse climate from physical
processes to a dynamic model. PhD thesis,
Agricultural University of Wageningen: The
Netherlands, 1983.
[4] Kamp, P.G.H.; Timmerman, G.J.
Computerized environmental control in
greenhouses. A step by step approach. IPC Plant:
The Netherlands, 1996.
[5] Van Henten, E.J., 1994. Greenhouse climate
management: an optimal control approach. Ph.D.
Thesis. Institute of Agricultural and
Environmental Engineering, Wageningen
Agricultural University. Wageningen, The
Netherlands.
[6] Tap, F., 2000. Economics-based optimal
control of greenhouse tomato crop production.
Ph.D. Thesis. Institute of Agricultural and
Environmental Engineering, Wageningen
Agricultural University. Wageningen, The
Netherlands.
[7] De Jong, T., 1994. Natural ventilation of large
multi-span greenhouse. Ph.D. Thesis. Wageningen
Agricultural University. Wageningen, The
Netherlands.
[8] Baytorun, A.N., 1986. Bestimmung des
lufwechsels bei gelften gewchshusern. Ph.D.
Thesis. Institute of Horticultural and Agricultural
Engineering, Univeristy of Hannover. Hannover,
Germany.