Diseño y Construcción de Un Sistema de Control Fuzzy - Control de Nivel

Universidad de Pamplona
Pamplona - Norte de Santander - Colombia

Tels: (7) 5685303 - 5685304 - 5685305 - Fax: 5682750 - www.unipamplona.edu.co
DISEO Y CONSTRUCCIN DE UN SISTEMA DE CONTROL DE NIVEL DE

LQUIDO EN UN DEPSITO CILINDRICO
(Control Fuzzy)
ASIGNACION: CONTROL INTELIGENTE
INTEGRANTES:
JEISSON HARVEY MARTINEZ FLOREZ
cd.: 1093277423
MICHAEL STEVEN MOLINA DAZA
cd.: 1093.792.338
ISAAC NAHANIEL SILVA URBINA
cd.: 1140417450
MARIO ANDRES RODRIGUEZ PINEDA
cd.: 1090.504.412
UNIVERSIDAD DE PAMPLONA
FACULTAD DE INGENIERIAS Y ARQUITECTURA
INGENIERIA MECATRONICA
CAMPUS VILLA DEL ROSARIO
2017
Formando lderes para la construccin de un 1

nuevo pas en paz
DISEO Y CONSTRUCCIN DE UN SISTEMA DE CONTROL DE NIVEL DE

LQUIDO EN UN DEPSITO CILINDRICO
(Control Fuzzy)
INTEGRANTES:
Jeisson Harvey Martnez Flrez
Cd.: 1093277423
Michael Steven Molina Daza
Cd.: 1093.792.338
Isaac Nahaniel Silva Urbina
Cd.: 1140417450
Mario Andrs Rodriguez Pineda
Cd.: 1090.504.412
PRESENTADO AL DOCENTE:
MsC. OSCAR DUQUE
UNIVERSIDAD DE PAMPLONA
INGENIERIA MECATRONICA
CAMPUS VILLA DEL ROSARIO
2017

nuevo pas en paz
Tabla de contenido
INTRODUCCIN ...............................................................................................................8
OBJETIVOS .......................................................................................................................9
CAPITULO 1 .................................................................................................................... 10
1.1 Clculo de Controladores ...................................................................................... 10
1.1.1 Controlador ZIEGLER & NICHOLS (1er Mtodo) .................................... 10
1.1.2 Controlador por Z&N Tercer mtodo ........................................................ 14
1.2 Comparacin de las respuestas controladores simulados ................................. 18
1.3 Algoritmo para implementacin del Controlador Clsico ................................... 19
1.4 Implementacin de los controladores en el proceso .......................................... 22
1.4.1 Controlador ZIEGLER & NICHOLS (1er Mtodo) .................................... 22
1.4.2 Controlador por Z&N Tercer mtodo ........................................................ 26
1.5 Comparacin respuesta de controladores (simulacin vs real) ......................... 30
1.5.1 Controlador Z&N Primer mtodo ............................................................... 30
1.5.2 Controlador Z&N Tercer mtodo ............................................................... 30
1.6 Comparacin mrgenes de respuesta ......................................................... 31
1.7 Seleccin del mejor controlador ........................................................................... 32
2.1 Arquitectura Fuzzy ................................................................................................. 38
CAPITULO 3 .................................................................................................................... 39
3.1 Rangos del Controlador Fuzzy ............................................................................. 39
3.2 Entradas del Controlador Fuzzy ........................................................................... 39
3.3 Salida del Controlador Fuzzy ................................................................................ 41
3.4 Seleccin de las variables lingsticas o conjuntos borrosos ............................ 42
3.5 Definicin de reglas difusas .................................................................................. 46

nuevo pas en paz

nuevo pas en paz
LISTA DE FIGURAS
Figura 1. Controlador Z&N Primer mtodo: Lnea tangente ................................................. 11

Figura 2. Controlador Z&N Primer mtodo: Valores para calcular L y Tao. ........................... 11
Figura 3. Valores de Z&N para sintonizar Controladores. ..................................................... 11
Figura 4. Lazo de controlador PID - Z&N .............................................................................. 13
Figura 5. Respuesta del Controlador Z&N. ........................................................................... 13
Figura 6. Respuesta del proceso al darle un escaln unitario. .............................................. 14
Figura 7. Controlador Z&N Primer mtodo: Lnea tangente ................................................. 15
Figura 8.Lazo de controlador Z&N 3er Mtodo .................................................................... 17
Figura 9.Salida del controlador Z&N - 3er Mtodo............................................................... 18
Figura 10. Comparacin Controladores Simulados............................................................... 18
Figura 11. Algoritmo de Control Implementado................................................................... 19
Figura 12. Selector de SetPoint y Restador ......................................................................... 19
Figura 13. Etapa de Control y Accin de Mando .................................................................. 19
Figura 14. Algoritmo de Control .......................................................................................... 20
Figura 15. Etapa de Sensado y acondicionamiento .............................................................. 20
Figura 16. Etapa de Acondicionamiento de seal de mando ................................................ 21
Figura 17. Etapa de acondicionamiento de seal de entrada ............................................... 21
Figura 18. Mrgenes de Respuesta - Controlador Z&N Primer mtodo proceso ................... 22
Figura 19. Mrgenes de respuesta - Controlador Z&N Tercer mtodo proceso .................... 26
Figura 20. Comparacin respuesta del controlador Z&N (Simulacin vs Real) ...................... 30
Figura 21. Comparacin respuesta controlador Z&N Tercer mtodo (Simulacin vs Real).... 30
Figura 22. Respuesta Controlador Z&N 3er mtodo a distintos setpoint .............................. 32
Figura 23. Respuesta controlador Z&N 1er mtodo a distintos setpoint .............................. 32
Figura 24. Respuesta Controlador Elegido a setpoint descendente ...................................... 33
Figura 25. Respuesta del controlador con ajuste en Kd ........................................................ 34
Figura 26. Mrgenes de Respuesta - Controlador Z&N Primer mtodo proceso ................... 36
Figura 27.Respuesta del ERROR a un set-point medio (6 cm). .............................................. 40
Figura 28.Respuesta del delta-Error a un Set-point medio (6 cm). ....................................... 41
Figura 29. Ancho de pulso salida del Arduino. ..................................................................... 41
Figura 30. Universos de discurso de entrada y de salida del proceso. .................................. 42
Figura 31. Comportamiento del error. ................................................................................. 42
Figura 32. Conjuntos del Universo del Error ........................................................................ 43
Figura 33. Delta error (Ampliado) en lazo cerrado. .............................................................. 44

nuevo pas en paz
Figura 34.Conjuntos del Universo del Delta-Error. ............................................................... 45

Figura 35.Conjuntos del Universo del Mando. ..................................................................... 46
Figura 36. Reglas en los puntos ciegos para el controlador. ................................................. 47
Figura 31. Respuesta controlador Fuzzy simulado ............................................................... 48
Figura 32. Respuesta controlador Fuzzy Real ....................................................................... 49
Figura 33. Comparacin control Fuzzy: Real vs. Simulado (Ascendente)............................... 49
Figura 34. Respuesta controlador Fuzzy: REAL descendente ................................................ 50
Figura 35. Respuesta Control Fuzzy Simulado (Descendente) .............................................. 50
Figura 36. Comparacin respuesta REAL vs. SIMULADA (descendente) ................................ 51

nuevo pas en paz
LISTA DE TABLAS
Tabla 1. Valores para clculo del controlador PID Z&N 3er Mtodo ..................................... 15
Tabla 2. Comparacin mrgenes de respuesta controladores .............................................. 31
Tabla 3. Matriz de seleccin controlador Fuzzy. .................................................................. 37
Tabla 4. Base de conocimiento para el Controlador fuzzy .................................................... 46

nuevo pas en paz
INTRODUCCIN
La identificacin y control de un sistema son herramientas vitales para las industrias

en especial las automatizadas, al tratarse de un conjunto de reglas o procesos a
seguir que tienen como finalidad comprender el fenmeno del proceso y optimizar su
rendimiento. Para garantizar el control de distintos procesos para aquellos que
requieran gran margen de precisin se ha llevado a la investigacin y evolucin de
estos controladores, llegando a aplicar tcnicas de inteligencia artificial como Fuzzy y
Redes Neuronales.
En base a las identificaciones y controladores realizados con anterioridad en esta

ocasin repasaremos los controladores realizados, cul fue el seleccionado para
realizar el controlador Fuzzy y cual arquitectura implementar. Se explicar
detalladamente los requerimientos de diseos, mrgenes de respuesta y mtodos
para la realizacin de este tipo de controladores, donde a su vez se implementar,
varios de estos para observar su comportamiento y escoger el mejor en base a
comparaciones en las simulaciones, criterios cuantitativos y cualitativos.
El controlador Fuzzy es un controlador confiable y estable con respuesta de

establecimiento rpido en comparacin de los controladores clsicos, sin embargo,
eso dice la teora, en esta ocasin se van a comprobar estas caractersticas.

nuevo pas en paz
OBJETIVOS
Escoger el mejor controlador en base a los criterios de diseo y

requerimientos, justificar mediante los anlisis de los mrgenes de
respuesta y usando la comparacin de las respuestas de lazo cerrado
de los lazos de control con las simulaciones.
Establecer los requerimientos de diseo y mrgenes de respuesta

deseados o mnimos admisibles y seleccionar la arquitectura borrosa
de control inteligente fuzzy a usar y justificar porque son aplicables
dichos mtodos para obtener los resultados deseados.
Disear e implementar el controlador inteligente fuzzy diseado en base

a los criterios de diseo establecidos.
Comparar las respuestas obtenidas con las simuladas con la real en

lazo cerrado con la simulada y establecer correspondencia.
Verificar y realizar los ajustes necesarios de manera que los mrgenes

de respuesta se ajusten a los criterios de diseo fuzzy.

nuevo pas en paz
CAPITULO 1
1.1 Clculo de Controladores
Para el clculo del controlador PID se recurre a varios mtodos conocidos y que
pueden arrojar un buen resultado para el controlador requerido. Los mtodos de
sintonizacin del controlador a usar son:
Sintonizacin por Ziegler & Nichols Primer Mtodo
Sintonizacin por Ziegler & Nichols Tercer Mtodo
Sintonizacin por Cohen Coon
Sntesis de controlador Dahlin
Sintonizacin por compensacin de polos
Donde en la versin anterior se analizaron todos los controladores sintonizados y se

procede a dejar los dos mejores controladores y empezar a compararlos para elegir
el mejor.
1.1.1 Controlador ZIEGLER & NICHOLS (1er Mtodo)
En este mtodo la respuesta de la planta al aplicar un escaln unitario debe tener el

aspecto de una curva en forma de S, como se observa en la Figura 21. Si la planta
incluye integrador (es) o polos dominantes complejos conjugados, la respuesta al
escaln unitario no ser como la requerida y no podr utilizarse el mtodo.
La respuesta al escaln se obtiene experimentalmente y a partir de all el modelo del
proceso puede ser aproximado a una funcin de transferencia como la que se
muestra:

() =
+ 1
Donde:
K: Ganancia
: Constante de tiempo.
L: Retardo o tiempo muerto.
Como ya se eligi el modelo que se acerca ms a la curva del proceso real, se
procede a calcular los parmetros del controlador PID. La ecuacin de transferencia
de dicho modelo (SUNDARESON Y KRISHNASWAMY) es:

nuevo pas en paz
0.102125 4.1454
() =
49.3656 + 1
Ahora se grafica la ecuacin de transferencia para poder aplicar el mtodo de Z&N:
Figura 1. Controlador Z&N Primer mtodo: Lnea tangente
Se dibuja la lnea tangente por el punto de inflexin y se ubica por medio de la funcin
GINPUT los tiempos de L y Tao correspondientes:
Figura 2. Controlador Z&N Primer mtodo: Valores para calcular L y Tao.

Siendo el valor de L
= 2.6 y el valor de Tao = 73.0151 - 2.6 = 70.4151. Ahora por la tabla de los parmetros
del controlador que nos da Z&N 1er mtodo, se procede a calcular el controlador:
Figura 3. Valores de Z&N para sintonizar Controladores.

nuevo pas en paz
Se calcula el valor de KP:

= .

.
= .
.
= .
=
Se calcula el valor de KI:

=

.
=
.
= .
Se calcula el valor de KD:

= (. )
= . (. . )
= .
Ahora para poder incluir el tiempo muerto dentro de la funcin de transferencia

identificada, se le aplica la transformada de Taylor, obteniendo la siguiente expresin:
0.102125 1

49.3656 + 1 4.1454 + 1
(49.3656 + 1) (4.1454 + 1)
204.6401582 2 + 53.511 + 1
0.102125
() =
204.6401582 2 + 53.511 + 1
Arroja una funcin de segundo orden debido a que, a la hora de incluir el tiempo
muerto dentro de la funcin de transferencia, aumenta un grado en la ecuacin.

nuevo pas en paz
Figura 4. Lazo de controlador PID - Z&N
Como se puede observar en la grfica siguiente, se tiene la salida del controlador

respecto a un Set-Point dado de 8 cm.
Figura 5. Respuesta del Controlador Z&N.

nuevo pas en paz
1.1.2 Controlador por Z&N Tercer mtodo

En este mtodo la respuesta de la planta al aplicar el escaln unitario debe ser de
mnimo segundo orden, como el primer mtodo de Z&N.
La respuesta al escaln se obtiene experimentalmente y a partir de all el modelo del

proceso puede ser aproximado a una funcin de transferencia como la que se muestra
en la siguiente ecuacin:
En la cual los parmetros K, Tao y L corresponden con la ganancia, la constante de

tiempo y el retardo del proceso los cuales deben ser identificados a partir de dicha
respuesta. Para calcular el valor de K, se aplica la siguiente ecuacin:
Figura 6. Respuesta del proceso al darle un escaln unitario.

Para obtener los valores de t1 y t2, se utilizan los mismos valores de la recta tangente
que se aplic para el primer mtodo de sintonizacin de controladores de Z&N 1er
mtodo.

nuevo pas en paz
Figura 7. Controlador Z&N Primer mtodo: Lnea tangente
Para obtener los valores necesarios para sintonizar el controlador se aplican las
siguientes ecuaciones que nos dice el mtodo:
= 1.5 (2 1)
= 2
Ahora por la tabla de los parmetros del controlador que nos da Z&N 3er mtodo, se
procede a calcular el controlador:
Tabla 1. Valores para clculo del controlador PID Z&N 3er Mtodo

nuevo pas en paz
Con los valores de t1 y t2 obtenidos por el software Matlab procedemos a calcular el

valor L y Tao:
= 1.5 (2 1)
= 1.5 (73.0151 2.6)
= 105.62265
= 2
= 105.62265 73.0151
= 32.60755
8.17
= = = 0.102125
80
Calculo del valor de KP:
1.2
=

1.2 32.60755
=
0.102125 105.62265
= .
=
Calculo del valor de KI:

=
2
38.06168994
=
2 32.60755
= .
Calculo del valor de KD:
= (0.5 )
= 38.06168994 (0.5 32.60755)

nuevo pas en paz
= .
Para graficar el controlador se le tiene que aplicar la transformada Taylor a la funcin

de transferencia para que el tiempo muerto ya est incluida dentro de ella. A
continuacin, la nueva funcin de transferencia con tiempo muerto incluido:
0.102125
() =
204.6401582 2 + 53.511 + 1
Arroja una funcin de segundo orden debido a que, a la hora de incluir el tiempo
muerto dentro de la funcin de transferencia, se aumenta un grado en la ecuacin.
Diagrama en bloques del controlador en Simulink:
Figura 8.Lazo de controlador Z&N 3er Mtodo
Como se puede observar en la grfica siguiente, se tiene la salida del controlador

respecto a un Set-Point dado de 8 cm.

nuevo pas en paz
Figura 9.Salida del controlador Z&N - 3er Mtodo
1.2 Comparacin de las respuestas controladores simulados
Figura 10. Comparacin Controladores Simulados
A simple vista se puede notar que el controlador por compensacin de polos tiene un
tiempo de convergencia demasiado alto (50 min=3000seg) y por ende ineficiente para

nuevo pas en paz
implementarlo en el proceso, ya que entre los requisitos se encuentra un tiempo de

convergencia no mayor a 20 minutos. Sin embargo, para la correcta eleccin del mejor
controlador, se implementa cada controlador en el proceso real para realizar la
comparacin del comportamiento en la planta fsica, ya que puede variar con respecto
a lo simulado, y los mrgenes de respuesta pueden ser distintos a los determinados
para las simulaciones.
1.3 Algoritmo para implementacin del Controlador Clsico
Para la implementacin de los distintos controladores en el proceso, se dise un

algoritmo basado en bloques en Simulink, donde se crean las distintas partes del
controlador, como el SetPoint y restador, el algoritmo de control, la asignacin de la
seal de control, la recepcin de la seal censada y la realimentacin.
Figura 11. Algoritmo de Control Implementado
Figura 12. Selector de SetPoint y Restador Figura 13. Etapa de Control y Accin de Mando

nuevo pas en paz
Figura 15. Etapa de Sensado y acondicionamiento
Bloque de algoritmo de Control:
Figura 14. Algoritmo de Control
El Controlador Fuzzy es implementado a travs del bloque funcional Fuzzy Logic

Controller de la librera Fuzzy de simulink-matlab donde es ingresado el nombre del
archivo generado por la funcin Fuzzy que es diseada en la toolbox de Fuzzy. Este
controlador dado que es un PD Fuzzy slo tiene como entradas al error y al delta de
error en el lazo de control. Su salida es el mando o PWM a asignar.

nuevo pas en paz
Bloque de acondicionamiento de seal de mando:
Figura 16. Etapa de Acondicionamiento de seal de mando
Bloque de acondicionamiento de seal de entrada: sensor
Figura 17. Etapa de acondicionamiento de seal de entrada

nuevo pas en paz
1.4 Implementacin de los controladores en el proceso
1.4.1 Controlador ZIEGLER & NICHOLS (1er Mtodo)

1.4.1.1 Anlisis de mrgenes de respuesta de lazo cerrado:
Para determinar los mrgenes de respuesta, se hace uso de la data recolectada de
la simulacin del controlador tabulada en Excel.
Figura 18. Mrgenes de Respuesta - Controlador Z&N Primer mtodo proceso
Constante de tiempo Tao ():

Corresponde al tiempo en el que la salida alcanza el 63% del valor final.
= (0.63 )
= (0.63 7.967)
= (5.019)

nuevo pas en paz
Buscando en la data se tiene:
= .
Tiempo de retardo (Td):

Es el tiempo que tarda la respuesta en alcanzar la mitad del valor final por
primera vez. Por ende:
= (0.5 )
= (0.5 7.967)
= (3.9835)
= .
Tiempo de crecimiento (Tr):

Es el tiempo requerido para que la respuesta aumente de 0 a 100% para sistemas
subamortiguados, del 5 al 95% o del 10 al 90% para sistemas crticamente
amortiguados o sobreamortiguados. En este caso el tipo de respuesta es
subamortiguada por lo cual se calcula para el 0 y 100% de la salida.
= (1 )

nuevo pas en paz
= (1 7.967) (por primera vez)
= .
Tiempo de pico (Tp):

Es el tiempo requerido para que la respuesta alcance el primer pico de
sobreimpulso.
= ( )
= (8.205 )
= .
Sobreimpulso mximo (Mp):

Es el valor pico mximo de la curva de respuesta medido desde la unidad o valor
deseado. El sobreimpulso mximo se obtiene de la respuesta evaluada en el
tiempo pico.
=
El pico mximo corresponde al valor con el cual se obtuvo el en el punto

anterior:
= 8.205 ()
= 8.205 7.967

nuevo pas en paz
= .
Tiempo de establecimiento (Ts):

Es el tiempo mnimo donde la curva de respuesta alcanza y se mantiene dentro
de un rango de error preestablecido. Para sistemas de primer y segundo orden,
la respuesta se mantiene dentro del 2% de error despus de 4 constantes de
tiempo:
= 4
= 4(53.46 )
= 213.84
Sin embargo, este tiempo no concuerda con el requisito de que la respuesta se
mantenga dentro de un rango de error del 2%. Este rango se calcula:
= 0.02 7.967 = 0.159
8 0.159 8 + 0.159
7.841 8.159
Se busca en la data, el tiempo en el cual la salida se encuentra en el rango de
error del 2%. En este caso este tiempo equivale a:
= .
Error en estado estacionario (E):

Generalmente es del 2% o del 5% del valor deseado, el rango ms comn es el
del 2%.
_ _
= 100
_
8 7.967
= 100
8

nuevo pas en paz
= .
1.4.2 Controlador por Z&N Tercer mtodo

1.4.2.1 Anlisis de mrgenes de respuesta de lazo cerrado:
Para determinar los mrgenes de respuesta, se hace uso de la data recolectada de
la simulacin del controlador tabulada en Excel.
Figura 19. Mrgenes de respuesta - Controlador Z&N Tercer mtodo proceso
Constante de tiempo Tao ():

Corresponde al tiempo en el que la salida alcanza el 63% del valor final.
= (0.63 )
= (0.63 7.791)
= (4.908)

nuevo pas en paz
= ,
Tiempo de retardo (Td):

Es el tiempo que tarda la respuesta en alcanzar la mitad del valor final por
primera vez. Por ende:
= (0.5 )
= (0.5 7.791)
= (3.8955)
= .

Es el tiempo requerido para que la respuesta aumente de 0 a 100% para sistemas
subamortiguados, del 5 al 95% o del 10 al 90% para sistemas crticamente
amortiguados o sobreamortiguados. En este caso el tipo de respuesta es
sobreamortiguada por lo cual se calcula para el 5 y 95% de la salida.
= (0.95 ) (0.05 )
= (0.95 7.791) (0.05 7.791)

nuevo pas en paz
= (7.401) (0.389)
= . .
= .

En este caso la respuesta no presenta sobreimpulso alguno, por lo cual este
tiempo no es posible hallarlo.
= ( )
=

El sobreimpulso mximo se obtiene de la respuesta evaluada en el tiempo pico.
En este caso no se tiene sobreimpulso.
=
=

Es el tiempo mnimo donde la curva de respuesta alcanza y se mantiene dentro
de un rango de error preestablecido. Para sistemas de primer y segundo orden,
la respuesta se mantiene dentro del 2% de error despus de 4 constantes de
tiempo:
= 4
= 4(52,920 )
= 211.68
Sin embargo, este tiempo no concuerda con el requisito de que la respuesta se
mantenga dentro de un rango de error del 2%. Este rango se calcula:
= 0.02 7.791 = 0.155
8 0.155 8 + 0.155
7.845 8.155

nuevo pas en paz
Se busca en la data, el tiempo en el cual la salida se encuentra en el rango de

error del 2%. En este caso este tiempo equivale a:
= .

Generalmente es del 2% o del 5% del valor deseado, el rango ms comn es el
del 2%.
_ _
= 100
_
8 7.791
= 100
8
= .

nuevo pas en paz
1.5 Comparacin respuesta de controladores (simulacin vs real)
1.5.1 Controlador Z&N Primer mtodo
Figura 20. Comparacin respuesta del controlador Z&N (Simulacin vs Real)
1.5.2 Controlador Z&N Tercer mtodo
Figura 21. Comparacin respuesta controlador Z&N Tercer mtodo (Simulacin vs Real)

nuevo pas en paz
1.6 Comparacin mrgenes de respuesta

Parmetro
Controlador Tipo Tao Td Tr (seg) Tp Mp Ts (%)
(seg) (seg) (seg) (cm) (seg)
Z&N Primer Simulado 10.11 8.64 14.34 27.09 4.84 227.01 0
mtodo Real 53.46 41.52 110.55 116.22 0.238 205.59 0.41
Z&N Tercer Simulado 7.53 3.3 78.54 -- -- 0 -- 157.71 0
mtodo Real 52.920 40.710 106.17 -- --0-- 230.49 2.6125
Tabla 2. Comparacin mrgenes de respuesta controladores
Observando las grficas de comparacin de cada controlador en su respuesta

simulada vs en lazo cerrado en el proceso real, se pueden descartar algunos
controladores para su uso en el proceso, dejando solamente dos controladores.
Los mejores controladores entre las 5 opciones son:
Para el controlador por Z&N primer mtodo se obtuvo un muy buen resultado, ya
que la respuesta en lazo cerrado implementada en el proceso, tiene mucha
semejanza con la simulacin, adems de notables disminuciones en el
sobreimpulso (0.238 cm) comparados con los otros controladores. Adems, se
consigue el tiempo de estabilizacin Ts= ms bajo de todos, y un error en estado
estacionario de la salida respecto al SetPoint del 0.41% que garantiza estar dentro
del rango permitido de 2%. Algo que hay que tener en cuenta es que en valores
de tiempos Td, Tao, Tr, Tp y Ts se asemeja a la simulacin ms no es muy exacto.
Y en sobreimpulso se obtuvo un valor de 0.238 cm que, si bien no es el mejor, se
podra tratar con ajustes a las constantes.
En el controlador por Z&N tercer mtodo se tiene la ventaja de no contar con

sobreimpulso ninguno, ya que la forma de respuesta corresponde a una de primer
orden que se asemeja mucho a la respuesta simulada. Con respecto a la exactitud
en la salida para el SetPoint ingresado tiene un error del 2.6125% que se
sobrepasa al rango permitido. Sin embargo, hay que recordar que dicho error
puede ser reducido ajustando manualmente el valor de las constantes del
controlador y as tener una salida que converge al SetPoint deseado. Otra ventaja
y aspecto importante es que este controlador logra un tiempo de estabilizacin de
230.49 seg == 3.84 minutos que es ideal para el proceso a implementar y cumple
con los requisitos de tiempo de estabilizacin de 20 minutos mximo.

nuevo pas en paz
Teniendo estas caractersticas claras y ventajas de cada uno de los dos mejores
controladores, se evalan a distintos SetPoint (alto y bajo) para corroborar su
comportamiento ya evaluado y seleccionar cul de los dos es mejor y ms idneo
para el proceso.
1.7 Seleccin del mejor controlador
Se evalan los controladores Z&N mtodo 1 y mtodo 3 en los siguientes SetPoint:
Primer Setpoint= 5 cm. Segundo Setpoint=10 cm.
Controlador Z&N tercer mtodo:
Figura 22. Respuesta Controlador Z&N 3er mtodo a distintos setpoint
Controlador Z&N primer mtodo:
Figura 23. Respuesta controlador Z&N 1er mtodo a distintos setpoint

nuevo pas en paz
Observado las respuestas en lazo cerrado implementando cada controlador, se

puede concluir que, en funcin al tiempo de estabilizacin, al sobre impulso y al error
en estado estacionario, el controlador que mejor se comporta es el de Z&N PRIMER
MTODO logrando una muy buena respuesta a los dos escalones (bajo y alto) que
fueron ingresados teniendo como caracterstica principal que el error en estado
estacionario se encuentra dentro del rango preestablecido del 2%. El sobreimpulso
generado por este controlador es mnimo y casi nulo para los dos distintos setpoint
garantizando la estabilidad del sistema.
Una vez elegido el mejor controlador se procede a realizar ms pruebas que incluyan
ahora un setpoint descendente y observar la respuesta del mismo. A su vez si es
necesario realizar ajustes se evaluar en que constante debe reajustarse.
Figura 24. Respuesta Controlador Elegido a setpoint descendente
En la figura 105 se observa claramente que la respuesta del controlador a un setpoint

descendente es excelente observando un mnimo error en estado estacionario y un
pequeo sobreimpulso. Sin embargo, para un setpoint de 12 cm se produjo un
sobreimpulso notable de casi 0.4 cm = 4 mm que se produce para setpoint mayores
a 11 cm. Basndose en esto se realiza un ajuste de la constante derivativa que es la
encargada de disminuir el Mp en este caso.

nuevo pas en paz
Constantes originales:
=.
=.
=.
Constantes ajustadas:
KD= 800
Respuesta con ajuste realizado:
Figura 25. Respuesta del controlador con ajuste en Kd
Realizando un ajuste grande a Kd se logra disminuir en gran proporcin el sobre

impulso en setpoint altos y las oscilaciones en estabilizacin, sin embargo, ahora se
produce un error en estado estacionario ya que no estabiliza en los setpoints
colocados sino con un error de +- 3 a 4 mm.
Se concluye que es necesario aumentar el Ki, pero esto podra aumentar las
oscilaciones en estacionario que es ms perjudicial y menos aceptable que un error
en de 4 mm como en la anterior respuesta.

nuevo pas en paz
Se determina dejar las constantes con los ajustes realizados logrando cumplir con el
objetivo de disear el controlador idneo y con mayor rango de aplicacin para el
setpoint.

nuevo pas en paz
CAPITULO 2
Establecer los requerimientos de diseo y mrgenes de respuesta deseados o

mnimos admisibles y seleccionar la arquitectura borrosa de control inteligente
fuzzy a usar y justificar porque son aplicables dichos mtodos para obtener los
resultados deseados.
Se desea establecer un control de nivel en un tanque que cubra rango de entre 0 y

12 cm de altura.
Figura 26. Mrgenes de Respuesta - Controlador Z&N Primer mtodo proceso

Con el desarrollo del controlador difuso se pretende estar por debajo o tener como
valores mximos admisibles los siguientes mrgenes de respuesta:

= .

= .

nuevo pas en paz
= .

= .

= .
Tabla 3. Matriz de seleccin controlador Fuzzy.
ARQUITECTURA ASPECTO CUANTITATIVO ASPECTO CUALITATIVO

FUZZY
P-Fuzzy Esta arquitectura cuenta con muy Reduce el tiempo de
pocas reglas cumpliendo con crecimiento.
tener una regla por cada conjunto Aumenta el sobre impulso
establecido. Reduce el error en estado
estable.
PD-Fuzzy Para la arquitectura PD el nmero Se mitiga el sobreimpulso.
de reglas es el producto entre el Reduce el tiempo de
nmero de conjuntos del error con establecimiento.
el nmero de conjuntos del delta Puede ocasionar
de error. oscilaciones en el estado
estable o que no alcance
el set point.
Garantiza que la salida del
mando no exceda el lmite
establecido.
Trabaja en rangos ms
limitados.
PI-Fuzzy El PI se puede implementar de Aumenta el sobre impulso
distintas maneras ya sea Aumenta el tiempo de
aplicando la regla: establecimiento.
El segundo mtodo consiste Disminuye el tiempo en la
en implementar dos fuzzy etapa transitoria.
donde el primer fuzzy acta Elimina el error en estado
como P-fuzzy y el segundo estable.
controlador recibe una seal Debido a la sumatoria del
integrada del error y la salida error, la salida del mando
de este se suma con la del puede exceder los valores
primer controlador difuso. establecidos.

nuevo pas en paz
PID-Fuzzy Posee un numero de reglas Este controlador difuso

elevado ya que aumenta de trabaja en rangos
forma proporcional acorde a la amplios.
robustez de la arquitectura Alcanza el valor del set
point deseado
La salida del mando
requiere saturacin ya
que se excede
2.1 Arquitectura Fuzzy
La arquitectura Fuzzy seleccionada es PD-Fuzzy, ya que este controlador presenta

pocas oscilaciones en el estado estable, su tiempo de estabilizacin es pequeo,
adems, de no requerir una saturacin a la salida del mando.
Este controlador difuso no trabaja en un rango amplio, para ello al momento de aplicar
las reglas se traza una trayectoria por los puntos crticos del proceso y de esta forma
se evita en parte la contradiccin de reglas y el uso excesivo de reglas. Adems, que
este tipo de arquitectura mitiga el sobreimpulso.
Con esta arquitectura se logra que la respuesta del controlador sea buena y por lo
tanto la salida del mando este dentro de valores establecidos a comparacin de una
arquitectura PI o PID que requiere un saturador para poder trabajar dentro de los
lmites de un elemento final de control.

nuevo pas en paz
CAPITULO 3
Disear e implementar el controlador inteligente fuzzy diseado en base a los

criterios de diseo establecidos.
Dado que la arquitectura seleccionada fue PD para el controlador difuso se toman

como variables de entrada el error y el delta de error en trminos de altura, dado que
tanto el set-point como la respuesta se da en trminos de nivel. Los universos de
discurso de estas variables son delimitados gracias a los datos que se recolectan en
la respuesta del proceso en lazo cerrado con el controlador clsico en la cual se
pueden observar los valores mximos y mnimos permitidos por el Delta de error y el
error.
3.1 Rangos del Controlador Fuzzy
El rango de operacin del controlador va de 0 cm a 12 cm.
3.2 Entradas del Controlador Fuzzy
Error: Para determinar el error se simula el controlador clsico para un set

point igual a la mitad del valor mximo (6 cm) se tiene un error mximo de
6 cm (ver figura 27). Dado que el error va directamente relacionado al valor de
set-point, el rango debe ser el mximo set-point que se le pueda ingresar al
proceso que en este caso es 12 cm y teniendo en cuenta la diferencia mxima
que puede presentar el proceso, el universo de discurso del error va desde -
12 cm a 12 cm.

nuevo pas en paz
Figura 27.Respuesta del ERROR a un set-point medio (6 cm).
Delta de Error: Para determinar el delta de error se emplea el controlador

clsico para un set point igual a la mitad del valor mximo (6 cm) (Ver figura
28), se toman como rangos para el delta de error los mximos picos tanto
positivos como negativos sin tener en cuenta el primer valor mximo que es
natural en el delta de error debido a que en el inicio el error anterior es cero
mientras que el error actual es muy grande en este caso 6 cm por lo que la
resta origina un valor grande, pero en el siguiente instante se reduce a casi
cero cuando ya se tiene ms cercana entre el error actual y el anterior, siendo
esta cercana muy pequea debido a la forma de respuesta del lazo cerrado.
Donde el universo de discurso para el delta de error va desde -0.05624 a
0.05624.

nuevo pas en paz
Figura 28.Respuesta del delta-Error a un Set-point medio (6 cm).
3.3 Salida del Controlador Fuzzy
Mando: Dado que el proceso solo tiene un actuador que es la bomba y que
a su vez es controlada por la seal U con un rango de 0 5 V, la variable de
salida del controlador difuso ser la seal de control o mando u. EL universo
de discurso del mando va desde 35 que equivale a cero voltios para la bomba
y 255 que equivale a cinco voltios para la bomba, ya que es el ancho de pulso
que entrega el Arduino al circuito realizado para el control de la bomba.
Figura 29. Ancho de pulso salida del Arduino.

nuevo pas en paz
Figura 30. Universos de discurso de entrada y de salida del proceso.
3.4 Seleccin de las variables lingsticas o conjuntos borrosos
Para definir el nmero y valor de las variables lingsticas o conjuntos borrosos en los
que se van a dividir los universos de discurso de entrada y salida, se analiza el
comportamiento del error, delta del error y el mando ante un set-point de 6 cm
ingresado en el lazo cerrado del controlador clsico, de all se podrn definir la
necesidad de muchos o pocos grupos.
ERROR
E_+_G
E_+_P
E_Z
Figura 31. Comportamiento del error.

nuevo pas en paz
Como se puede observar el comportamiento del error (ver Figura 32.) es muy notable
y amplio, ya que se pueden diferenciar 3 zonas durante la respuesta. Una primera
zona es cuando se ingresa el set-point y se obtiene el error (6) pero como estamos
en la mitad del set-point el error mximo seria (12) y a medida que el mando se
aproxima al punto de control el error tiende a reducirse en la misma proporcin, es
decir, que mientras haya un error grande ocasiona que haya un mando igualmente
grande. Este error grande segn la respuesta se puede considerar entre 12 y 0.3 cm.
Una segunda zona se presenta cuando el error se encuentra entre un rango de 0 a

0.5 es decir cuando se tiene un error pequeo. Una ltima zona es cuando el error
es aproximadamente cero (z) con lo cual se obtiene por parte del mando un valor
estable en su punto de control.
Teniendo claro que en lazo cerrado puede ser implementado un set-point tanto
ascendente como descendente, para este ltimo se obtendra una respuesta
equivalente al de la figura anterior, pero con signo contrario (negativo) que presentara
las mismas zonas para el error. Dicho esto, se puede definir los grupos para el
universo de discurso del error.
NG = Error Negativo Grande PP = Error Positivo Pequeo
NP= Error Negativo Grande PG = Error Positivo Grande
Z = Error Cero
Figura 32. Conjuntos del Universo del Error

nuevo pas en paz
DELTA DE ERROR
Como se puede observar en la figura 33 el delta de error tiene un rango muy pequeo
comprendido entre -0.05 a 0.05 donde se realizan 5 conjuntos borrosos.
DE_+_G
DE_+_P
DE_Z
DE_-_P
DE_-_G
Figura 33. Delta error (Ampliado) en lazo cerrado.
Una primera zona se presenta cuando el delta-error se encuentra entre un rango de

0.011 a 0.05 es decir cuando se tiene un delta-error grande. Una segunda zona se
presenta cuando el delta-error se encuentra entre un rango de 0 a 0.0155 es decir
cuando se tiene un delta-error pequeo. Una ltima zona es cuando el error es
aproximadamente cero (z) con lo cual se obtiene por parte del mando un valor estable
en su punto de control.
Teniendo claro que en lazo cerrado puede ser implementado un set-point tanto
ascendente como descendente, para este ltimo se obtendra una respuesta
equivalente al de la figura anterior, pero con signo contrario (negativo) que presentara
las mismas zonas para el delta-error. Dicho esto, se puede definir los grupos para el
universo de discurso del delta-error.
Se seleccionan 5 conjuntos que se diferencian en el comportamiento del delta de

error los cuales son:
NG = D-Error Negativo Grande PP= D-Error Positivo Pequeo
NP = D-Error Negativo Pequeo PG= D-Error Positivo Grande

nuevo pas en paz
Z = D-Error Cero
Figura 34.Conjuntos del Universo del Delta-Error.
MANDO
El comportamiento del mando tiene claramente 5 zonas de operacin. Una de ellas

es cuando el mando es muy alto producto de tener un error grande luego de insertar
el set-point. Esta zona tiene un rango de 204 a 255 pwm. La segunda zona de
operacin se puede decir que corresponde a un mando alto donde se esta
aproximando al del punto de control y debe ser menos agresiva la accin del actuador.
Esta zona tiene un rango de 169 a 209 pwm. La tercera zona de operacin se puede
decir que corresponde a un mando medio donde se est dentro del rango de error
posible al punto de control y por lo tanto debe ser una accin no tan agresiva ni tan
baja del actuador. Esta zona tiene un rango de 91 a 173 pwm. La cuarta zona de
operacin corresponde a un mando bajo que se asigna cuando el nivel se est
pasando del punto de control por lo tanto la accin del actuador debe ser baja para
que el vuelve al punto de control. Esta zona tiene un rango de 54 a 95 pwm. La quinta
zona de operacin corresponde a un mando muy bajo la cual se asigna cuando el
nivel se ha pasado considerablemente del punto de control y por lo tanto se quiere
hacer que el nivel baje para que vuelva al rango de error permitido para el punto de
control. Esta zona tiene un rango de 35 a 58 pwm.
MB = Mando muy bajo M = Mando medio
B = Mando bajo A = Mando alto

nuevo pas en paz
MA = Mando muy alto
Figura 35.Conjuntos del Universo del Mando.
3.5 Definicin de reglas difusas
Se plantea el siguiente modelo de base de conocimiento:
Tabla 4. Base de conocimiento para el Controlador Fuzzy
SEAL DE
CONTROL U ERROR
MANDO
NG NP Z PP PG
NG MB MB MB MA MA
DELTA NP MB B B A MA
ERROR Z MB B M A MA
PP MB B A A MA
PG MB MB MA MA MA
Donde se tienen 5 conjuntos para el mando =
MB = Muy bajo B = Bajo M = Medio

nuevo pas en paz
A= Alto
MA = Muy alto
Donde al momento de aplicar las reglas se traza una trayectoria por los puntos crticos
del proceso y de esta forma se evita en parte la contradiccin de reglas y el uso
excesivo de las mismas.
Figura 36. Reglas en los puntos ciegos para el controlador.

nuevo pas en paz
CAPITULO 4
Comparar las respuestas obtenidas con las simuladas con la real en lazo cerrado con
la simulada y establecer correspondencia.
4.1) Comparacin Setpoints ascendentes: en simulacin vs en planta real: Setpoints

ingresados 3 cm, 6 cm y 9 cm:
Respuesta Controlador Fuzzy Simulado:
Figura 37. Respuesta controlador Fuzzy simulado
Respuesta Controlador Fuzzy Real:

nuevo pas en paz
Figura 38. Respuesta controlador Fuzzy Real
Comparacin: Real vs. Simulado:
Figura 39. Comparacin control Fuzzy: Real vs. Simulado (Ascendente)
4.2) Comparacin Setpoints descendentes: en simulacin vs en planta real: Setpoints

ingresados 11 cm, 7 cm y 4 cm:
Respuesta Controlador Fuzzy Real:

nuevo pas en paz
Figura 40. Respuesta controlador Fuzzy: REAL descendente
Respuesta Controlador Fuzzy Simulado:
Figura 41. Respuesta Control Fuzzy Simulado (Descendente)
Comparacin: Real vs. Simulado:

nuevo pas en paz
Figura 42. Comparacin respuesta REAL vs. SIMULADA (descendente)

nuevo pas en paz
CONCLUSIONES
El desarrollo de esta asignacin tuvo como objetivo general el anlisis, diseo e

implementacin de un controlador Fuzzy donde se analizaron todos los parmetros
referentes a ello. Se tom como base para el desarrollo del controlador las variables
de error, delta de error y anlisis del comportamiento de un controlador clsico que
fue obtenido con anterioridad. Dichas variables conformaron el universo de discurso
del controlador Fuzzy, y a partir de los rangos de estos universos se obtuvieron los
valores para las variables lingsticas. Para el universo de discurso de salida se tom
en cuenta el ancho de pulso que enva el Arduino al circuito de potencia de la bomba
el cual va de 0 a 255 PWM.
Se tomaron cinco variables lingsticas para cada universo debido a que se notaba
que pequeas variaciones tanto del error y delta de error ocasionaban grandes
cambios en la respuesta del actuador, por ello se decidi tomar 5 variables con la
intencin de poseer valores intermedios tanto cuando estos valores fuesen negativos
o positivos y as poder tener nuevas condiciones o reglas para un mejor
comportamiento, no se crey necesario usar ms variables debido de que a pesar de
que pueda obtener una respuesta ms suave y estable, esto limitaba el rango de
operacin.
Comparando la respuesta obtenida al implementar el controlador Fuzzy a la planta

con respecto al simulado, se observ un comportamiento muy similar con un tiempo
de estabilizacin casi idntico, al igual que el error en estado estacionario.
Una vez analizado este comportamiento se procedi a optimizar an ms el
controlador entendiendo el comportamiento de la planta y de dicho controlador. Por
ejemplo, se tuvo en cuenta que el mnimo flujo de la bomba ocurra a 35 PWM, con
este valor se edit el rango de accionamiento de las reglas del universo de salido
como fue con MB (muy bajo) y B (bajo). Al igual al analizar que para valores inferiores
al punto medio de nivel de la planta (6cm) las estabilizaciones ocurran por encima
del set-point con un desfase apreciable, para ello se redujo el margen de PWM de
salida para la variable lingstica B, con este cambio ya en set-point inferiores lleg a
estabilizarse ms cercano al valor ingresado. Por ltimo se not cambios bruscos en
la bomba a pesar de estar ascendiendo a un set-point alto (donde debera solo
mandar la bomba a mximo) como tambin a valores de set-point bajos (cuando
debera de apagar la bomba), esto se debe a cumplimiento de distintas reglas y se
not que la forma comprimida de las variables lingsticas del error posean en comn
un mismo punto (en cero) causando que debido a ruidos del ultrasnico estas reglas
se activaban y desactivaban fcilmente, se procedi a corregir este error y como
resultado el sistema se volvi mucho ms estable.

nuevo pas en paz

nuevo pas en paz

Diseño y Construcción de Un Sistema de Control Fuzzy - Control de Nivel

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Diseño y Construcción de Un Sistema de Control Fuzzy - Control de Nivel

Încărcat de

Drepturi de autor:

Formate disponibile

Universidad de Pamplona

Pamplona - Norte de Santander - Colombia

DISEO Y CONSTRUCCIN DE UN SISTEMA DE CONTROL DE NIVEL DE

ASIGNACION: CONTROL INTELIGENTE

JEISSON HARVEY MARTINEZ FLOREZ

MICHAEL STEVEN MOLINA DAZA

ISAAC NAHANIEL SILVA URBINA

MARIO ANDRES RODRIGUEZ PINEDA

FACULTAD DE INGENIERIAS Y ARQUITECTURA

CAMPUS VILLA DEL ROSARIO

Formando lderes para la construccin de un 1

DISEO Y CONSTRUCCIN DE UN SISTEMA DE CONTROL DE NIVEL DE

Jeisson Harvey Martnez Flrez

Michael Steven Molina Daza

Isaac Nahaniel Silva Urbina

Mario Andrs Rodriguez Pineda

MsC. OSCAR DUQUE

CAMPUS VILLA DEL ROSARIO

Formando lderes para la construccin de un 2

Formando lderes para la construccin de un 3

Formando lderes para la construccin de un 4

Figura 1. Controlador Z&N Primer mtodo: Lnea tangente ................................................. 11

Formando lderes para la construccin de un 5

Figura 34.Conjuntos del Universo del Delta-Error. ............................................................... 45

Formando lderes para la construccin de un 6

Formando lderes para la construccin de un 7

La identificacin y control de un sistema son herramientas vitales para las industrias

En base a las identificaciones y controladores realizados con anterioridad en esta

El controlador Fuzzy es un controlador confiable y estable con respuesta de

Formando lderes para la construccin de un 8

Escoger el mejor controlador en base a los criterios de diseo y

Establecer los requerimientos de diseo y mrgenes de respuesta

Disear e implementar el controlador inteligente fuzzy diseado en base

Comparar las respuestas obtenidas con las simuladas con la real en

Verificar y realizar los ajustes necesarios de manera que los mrgenes

Formando lderes para la construccin de un 9

1.1 Clculo de Controladores

Donde en la versin anterior se analizaron todos los controladores sintonizados y se

1.1.1 Controlador ZIEGLER & NICHOLS (1er Mtodo)

En este mtodo la respuesta de la planta al aplicar un escaln unitario debe tener el

Formando lderes para la construccin de un 10

Figura 1. Controlador Z&N Primer mtodo: Lnea tangente

Figura 2. Controlador Z&N Primer mtodo: Valores para calcular L y Tao.

Figura 3. Valores de Z&N para sintonizar Controladores.

Formando lderes para la construccin de un 11

Se calcula el valor de KP:

Se calcula el valor de KI:

Se calcula el valor de KD:

Ahora para poder incluir el tiempo muerto dentro de la funcin de transferencia

Formando lderes para la construccin de un 12

Figura 4. Lazo de controlador PID - Z&N

Como se puede observar en la grfica siguiente, se tiene la salida del controlador

Figura 5. Respuesta del Controlador Z&N.

Formando lderes para la construccin de un 13

1.1.2 Controlador por Z&N Tercer mtodo

La respuesta al escaln se obtiene experimentalmente y a partir de all el modelo del

En la cual los parmetros K, Tao y L corresponden con la ganancia, la constante de

Figura 6. Respuesta del proceso al darle un escaln unitario.

Formando lderes para la construccin de un 14

Figura 7. Controlador Z&N Primer mtodo: Lnea tangente

Formando lderes para la construccin de un 15

Con los valores de t1 y t2 obtenidos por el software Matlab procedemos a calcular el

= 1.5 (73.0151 2.6)

Calculo del valor de KP: