http://www.ib.cnea.gov.ar/~dsc/capitulo1/Capitulo1.

htm Go SEP JAN FEB

🗔 ⍰❎
78 captures 05 f 🐦
4 Sep 2004 - 17 Nov 2014 2005 2007 2008 ▾ About this capture

Dinámica de sistemas y control

CAPITULO I: INTRODUCCIÓN
Sistemas, Modelos y Simulación, Clasificación de sistemas

Bibliografía

Qué es un sistema?
Existen varias definiciones de qué es un sistema, y es un concepto tan amplio que tal vez encontremos tantas definiciones como
disciplinas en donde se utiliza el término. Uno encuentra la utilización de la palabra “sistema” en diversos ámbitos (por ejemplo
podemos haber oído de: sistema respiratorio, sistema nacional de tráfico aéreo, sistema interconectado nacional, sistema de depuración
de agua, sistema de control de un brazo de robot, etc); y no necesariamente el mismo se refiere a un “sistema” dentro de alguna de las
ramas de la ingeniería o de la física.
Brain Gaines define sistema como:
“Un sistema es lo que es caracterizado como un sistema.”
Esto no parece una definición y si uno definiera que “un gato es lo que es caracterizado como un gato”, todo el mundo diría que con
eso solo no puedo definir qué es un gato, al menos si no doy un conjunto de características comunes que reúnen todos los gatos.

Se dice que todo el universo es un sistema, y como tal, es el sistema más grande posible de todos los sistemas que podríamos imaginar.
Una característica de los sistemas es que donde decidamos cortar en un pedazo de ese sistema universo (o de cualquier otro sistema), y
podamos claramente decir qué hay adentro (perteneciente al pedazo), y que está afuera (que no pertenece al pedazo), definimos un
nuevo sistema. Entonces un sistema es caracterizado por el hecho que podemos decir lo que pertenece a él y lo que no, y por el hecho
que podemos especificar cómo interactúa con su entorno.
Así podemos tener un árbol jerarquizado de sistemas: de un sistema podemos tomar un pedazo más chico del mismo, y tenemos así un
nuevo sistema.

Dónde hacemos esos cortes para ir separando los sistemas?

Ross Ashby pone el ejemplo de un péndulo: definimos a todo el péndulo real como un sistema. Sin embargo esto tiene una desventaja
fundamental: cada objeto material contiene no menos que un número infinito de variables, y por lo tanto de sistemas. Un péndulo real,
por ejemplo, tiene no solamente longitud y posición, sino también, masa, temperatura, conductividad eléctrica, estructura cristalina,
impurezas químicas, algo de radioactividad, velocidad, poder de reflexión, fuerzas de tensión, película superficial de humedad,
contaminación de bacterias, absorción óptica, elasticidad, forma, y muchas más cosas. Cualquier sugerencia de que tendríamos que
estudiar “todo” es un hecho irreal, y realmente esto nunca se intenta hacer. Lo que es necesario es lo que tendremos que escoger y
estudiar los hechos que son relevantes para algún interés principal que ya esté establecido.
Por lo tanto los “cortes” antes mencionados para la obtención de los nuevos sistemas no necesariamente denotan una separación en el
mundo físico real, también el corte puede ser realizado al nivel de la abstracción matemática; y además debe tener en cuenta el interés
de lo que queremos estudiar.

Una clase particular de los sistemas, son los sistemas dinámicos (que son los que en particular tenemos interés de estudiar en esta
materia), o sea aquellos sistemas que evolucionan a lo largo del tiempo. Este cambio del sistema implica la existencia de variables del
sistema que cambian en el tiempo. Algunas de estas variables del sistema pueden ser “observados” desde su entorno, y que a su vez,
los cambios en las variables del sistema son producto de la influencia de cambios ejercidos por su entorno al sistema.
Esto da lugar a la propiedad de los sistemas (en particular de los sistemas dinámicos) de relacionarse con su entorno. La relación con el
entorno recae naturalmente dentro de las siguientes dos categorías:
1) Hay variables que son generadas por el entorno y pueden influir en el comportamiento del sistema. Éstas son llamadas “entradas”
del sistema.
2) Hay otras variables que son determinadas por el sistema y que a su vez influyen en el comportamiento de su entorno. Éstas son
llamadas las “salidas” del sistema.
En general, debemos ser capaces de asignar valores al menos a algunas de las “entradas” del sistema, y observar el comportamiento del
sistema mediante el registro de las “salidas” resultantes.

Esto lleva a otra definición del término “sistema”, presumiblemente dada por Bernard Zeigler:
“Un sistema es una fuente potencial de datos.”

En ingeniería, las normas alemanas DIN 66201, define a “sistema” como:

“Un sistema (S) es una disposición delimitada de entidades interactuantes.”

Esta definición involucra los siguientes términos:

- delimitación (espacial, conceptual) respecto al resto del universo, ya discutido en párrafos anteriores.
- entidades interactuantes, o componentes del sistema: elementos, procesos, sistemas. Proceso (DIN 66201): Transformación y/o
transporte de materia, energía y/o información.
- disposición (de los componentes entre sí): define la estructura del sistema. Aunque dos sistemas tengan los mismos componentes son
distintos si la disposición de los mismos (su estructura) es diferente.
Los últimos dos términos nos indican de que los sistemas pueden estar compuestos además de otros sistemas (como ya mencionamos
anteriormente), de elementos y/o procesos.

Retomando la definición de que el sistema es una fuente potencial de datos, cabe preguntarnos cómo podemos obtener esos datos. Eso
lo hacemos a través de experimentos.

Qué es un experimento?
Un experimento es el proceso de extracción de datos del sistema, influyendo sobre el sistema a través de cambios en sus entradas.

En ciencias e ingeniería, específicamente, un experimento es la realización de ensayos sobre el sistema, en la observación de las
reacciones del mismo, y en la obtención de leyes de su comportamiento, expresadas por lo general mediante lenguaje matemático.

Pueden plantearse los siguientes problemas para la realización de un experimento: no todas las entradas son accesibles (presencia de
perturbaciones), y no todas las variables (variables internas) pueden ser observadas como salidas.
También la realización de un experimento puede que no se lleve a cabo por: costos, riesgos, experimento irrealizable (inexistencia del
sistema: proyecto de algún dispositivo nuevo, o incapacidad humana de experimentar).

Modelado y Simulación
Qué es un modelo?
Según Marvin Minsky, un modelo es:

“Un modelo (M), para un sistema (S) y un experimento (E), es cualquier cosa a la cual E puede ser aplicado de forma de responder
preguntas sobre S.”

Esta definición no implica que un modelo es un programa de computación. Puede llegar a ser un pedazo de hardware o simplemente un
entendimiento de cómo funciona un sistema particular (llamado un modelo mental). Sin embargo, nosotros nos concentraremos en una
sub-clase de modelos, los que pueden ser codificados o expresados a través de relaciones matemáticas (modelo matemático) y que
eventualmente puede desarrollarse en un programa de computación.

Existen modelos para un dado sistema que son válidos para un tipo de experimento pero no válido para otro conjunto de experimentos.

Según Bernard Ziegler:

“Modelado significa el proceso de organizar el conocimiento acerca de un determinado sistema.”

Un modelo de un sistema es básicamente una herramienta que permite responde interrogantes sobre este último sin tener que recurrir a
la experimentación sobre el mismo.
Un modelo es una representación siempre simplificada de la realidad, o de un prototipo conceptual.

Qué es una simulación?

Según Granino Korn & John Wait:
“Una simulación es un experimento realizado sobre un modelo.”

De esta definición se desprende que no necesariamente la simulación está codificada en un programa de computación, pero
generalmente eso es lo que haremos en esta materia.

Porqué el modelado y la simulación son importantes?

Se puede decir que el modelado es la única actividad más central que une todas los esfuerzos científicos e ingenieriles. Mientras los
científicos son felices en simplemente observar y entender el mundo, (por ejemplo creando un modelo del mundo), los ingenieros
quieren modificarlo para su provecho. Mientras la ciencia es todo análisis, la esencia de la ingeniería es el diseño. La simulación puede
ser usado no solo para el análisis (el problema directo), sino también para el diseño (el llamado problema inverso). Por tal motivo
necesitamos la existencia de un modelo a partir del cual realizar simulaciones.
Excepto por la experimentación con sistemas reales, la simulación es la única técnica disponible para el análisis del comportamiento de
los sistemas. Existen técnicas analíticas de análisis que son muy buenas, pero usualmente requieren de un conjunto de hipótesis
simplificativas antes de que puedan ser aplicadas, y estas hipótesis no siempre pueden ser justificadas, e incluso si lo son, esas hipótesis
no pueden verificarse si no es por la experimentación y/o la simulación.

El peligro de la simulación
Las más importantes fortalezas de la simulación, pero irónicamente su más serios inconvenientes, son su generalidad y su facilidad de
aplicabilidad. No se requiere mucho esfuerzo para utilizar un programa de simulación. Sin embargo, de manera de utilizar la
simulación de manera inteligente, debemos entender fehacientemente lo que estamos haciendo.
Muy frecuentemente después de realizar una simulación, olvidamos el marco experimental en que fue hecho, olvidamos que no es del
mundo real, y que solo representa el mundo solamente bajo un muy limitado conjunto de condiciones experimentales. Luego
encontramos la estrategia de control que da forma a nuestro modelo del mundo de la manera que queremos, y cuando lo aplicamos al
mundo real, vemos que no funciona.
Como vimos, correr una simulación es muy similar a realizar un experimento en el laboratorio. Usualmente necesitamos realizar varios
experimentos, antes de arrivar a una conclusión legítima. De manera semejante, necesariamente debemos realizar varias simulaciones
antes de entender cómo se comporta nuestro modelo.
Mientras que las técnicas analíticas son generalmente más restringidas en su aplicabilidad, son mucho más potentes que la simulación
cuando son aplicadas; de manera que, cuando tenemos una alternativa válida a la simulación, tendríamos sin lugar a dudas que utilizar
esa técnica analítica alternativa.

Buenas razones para usar simulación

Hagamos una lista de buenas razones para usar simulación como herramienta para la solución de problemas:
1) El sistema físico no está disponible.
2) La experimentación sobre el sistema físico puede llegar a ser muy peligroso.
3) El costo de la experimentación es muy caro.
4) Las constantes de tiempo del sistema no son compatibles con aquellas del experimentador.
5) Las variables o los parámetros del sistema pueden ser inaccesibles.
6) En el experimento no podemos eliminar la influencia de las perturbaciones.
7) En el experimento no podemos eliminar la influencia de efectos secundarios.

Clasificación de variables
Como ya se mencionó anteriormente, la relación entre el sistema y su entorno, posee dos tipos de interacciones: la influencia del
entorno al sistema, dada por las variables de entrada cada una de las cuales son funciones temporales (generalmente denominadas con
la letra u); y cómo el sistema influye sobre su entorno, dada por las variables de salida, que también serán funciones temporales (y
generalmente denominadas con la letra y). Los sistemas así representados con sus entradas y salidas se denominan tradicionalmente
modelos de “caja negra”:

Representación en “caja negra” del sistema.

Existe una relación causa-efecto entre las salidas y las entradas del sistema. Para calcular cualquiera de las salidas para todo tiempo t ³
t0 debemos conocer las entradas para t ³ t0, y también el efecto acumulado de cualquier entrada anterior. Un enfoque para construir un
modelo matemático es encontrar ecuaciones que relacionen las salidas directamente a sus entradas mediante la eliminación de todas las
variables que son internas al sistema. De esta manera, tal vez, estemos potencialmente borrando del modelo aspectos importantes del
comportamiento del sistema
Otra técnica de modelado es introducir un conjunto de variables de estado. los cuales generalmente difieren del conjunto de salidas,
pero que pueden incluir una o varias de ellas. Las variables de estado deben ser elegidas de manera tal que el conocimiento de sus
valores a cualquier tiempo de referencia t0 en conjunto con el conocimiento de las entradas para todo t ³ t0 son suficientes para
determinar las salidas y las variables de estado del sistema para todo t ³ t0. Un requerimiento adicional sobre estas variables de estado
es que las mismas deben ser independientes entre sí; esto es, no puede ser posible expresar una variable de estado como una función
algebraica de las restantes. Esta representación es particularmente conveniente para trabajar con sistemas MIMO (multiple-input,
multiple-output = sistemas de multiples variables de entradas y múltiples variables de salida), y además para obtener soluciones a
través del computador. La figura siguiente representa al sistema incluyendo las variables de estado denominadas x1(t), x2(t), ... xn(t).

Representación general del sistema mostrando las entradas, variables de estado y salidas.

Clasificación de sistemas
Los sistemas pueden ser agrupados según características de las variables involucradas al sistema, y dependiendo de éstas, las mismas
darán lugar al uso de distintos tipos de ecuaciones que serán usadas por sus respectivos modelos. Ejemplo de las ecuaciones resultantes
son ecuaciones diferenciales parciales con coeficientes constantes, y ecuaciones diferenciales. Aquí discutiremos brevemente la manera
de clasificar a los sistemas. La clasificación se lista según los siguientes criterios:

Criterio Clasificación
Característica espacial Concentrados / Distribuídos
Continuidad en la variable tiempo Continuo / Discreto / Híbridos
 Cuantización de la variable dependiente No-cuantizados / Cuantizados
Variación en los parámetros Parámetros fijos / Parámetros variables
Propiedad de superposición Lineal / No-lineal
Intervención de proceso aleatorio Estocástico / Determinístico

Características espaciales
Un sistema distribuído no posee un número finito de puntos en los cuales las variables de estado puedan estar definidas. En contraste,
un sistema de parámetros concentrados puede ser descripto por un número finito de variables de estado.
Ejemplo de esto puede ser la de una barra fija en un extremo y al cual se le aplica un torque en el otro. La barra cede con un leve
movimiento por la acción del torque en cada diferencial de longitud de la barra; pero si estamos interesados solamente en el
movimiento del extremo libre de la barra podemos considerar el sistema concentrado como la constante de un resorte K equivalente a
la flexibilidad de la barra en todo su conjunto, conjuntamente con la inercia total de la barra para el movimiento de rotación.

Continuidad en la variable tiempo

Otra clasificación de sistema está basado en la característica de la variable independiente: el tiempo. Un sistema contínuo es uno en las
cuales las entradas, las variables de estado y las salidas están definidas sobre un rango contínuo de tiempo. Un sistema discreto tienen
las variables que están definidos a determinados instantes de tiempo, y no lo están (o no es de interés que estén definidos) entre esos
instantes de tiempo. Los sistemas contínuos están descriptos por ecuaciones diferenciales, mientras que los sistemas discretos mediante
ecuaciones en diferencias.
Un sistema híbrido, posee variables de ambos tipos (contínuos y discretos).

Cuantización de la Variable Dependiente

Adicionalmente a la restricción sobre los valores de la variable independiente tiempo, las variables del sistema pueden estar
restringidas a ciertos valores distintos. Si una variable dentro de algún rango finito puede tomar un número finito de diferentes valores,
se dice que está cuantizada. Una variable que puede tomar cualquier valor dentro de un rango contínuo es no-cuantizada. Las variables
cuantizadas pueden ser originadas naturalmente, o pueden ser creadas por el redondeo o truncamiento de valores de variables no-
cuantizadas a su nivel más cercano de cuantización. Un sistema que tenga alguna variable que sea cuantizada se dice que es un sistema
cuantizado, y en caso contrario se dice que es no-cuantizado.

Variación paramétrica
Los sistemas también pueden ser clasificados de acuerdo a la propiedad de sus parámetros. Los sistemas variantes en el tiempo son los
sistemas cuyas características (tal como el valor de masas o resistencias) cambian en el tiempo. Los valores de los elementos pueden
cambiar debido a factores ambientales tales como temperatura o radiación. Otro ejemplo de elementos variantes en el tiempo puede ser
la masa de un cohete donde el combustible es importante respecto a la masa total del cohete (y la misma cambia al irse quemando el
combustible). En las ecuaciones diferenciales describiendo los sistemas variantes en el tiempo, algunos de los coeficientes de las
ecuaciones son funciones del tiempo.
Para sistemas invariantes en el tiempo, cuyas características no cambian con el tiempo, el modelo del sistema que describe las
relaciones entre entradas, variables de estado y salidas, es independiente del tiempo. Si tal sistema está inicialmente en reposo, retrasar
la entrada por td unidades de tiempo solo hace retrasar la salida por la misma cantidad td de unidades de tiempo, sin cambiar su forma
ni tamaño.

Propiedad de superposición
Un sistema también puede ser clasificado en términos de si obedece la propiedad de superposición, la cual requiere que se cumplan los
dos siguientes chequeos cuando el sistema está inicialmente en reposo con energía cero: 1) al multiplicar las entradas por cualquier
constante α las salidas resultan ser las mismas multiplicadas por α, 2) la respuesta (salida) a varias entradas aplicadas simultáneamente
serán la suma de las respuestas individuales a cada una de las entradas por separadas. Los sistemas lineales son aquellos que satisfacen
las condiciones de superposición; y los sistemas no-lineales son aquellos que no las satisfacen.

Intervención de proceso aleatorio

Existen sistemas en los cuales interviene un proceso aleatorio, que puede llegar a ser del mismo proceso físico en sí (por ejemplo
evolución de poblaciones de seres vivos, donde exiten tiempos “medios” o “promedio” de reproducción y de deceso; o la evolución de
la cantidad de neutrones existentes en un reactor nuclear) o resultante del proceso de medición de alguna variable física cuya medición
es ruidosa. En esos casos el sistema posee variables que son aleatorias (variables que evolucionan en el tiempo alrededor de alguna
media o promedio y poseen una cierta distribución probabilística que también evoluciona en el tiempo), y en esos casos se dice que el
sistema es estocástico.
En caso contrario, en aquellos sistemas en donde ninguna de las variables es aleatoria (o sea, todas las variables son determinísticas), el
sistema es determinístico.

Glosario
* Variables de estado:
Es el conjunto mínimo de variables internas del sistema dados en un tiempo t0 necesarias para definir el estado posterior del sistema a
un tiempo t, conocido la evolución de las entradas en el transcurso del tiempo entre t0 y t.

* Variable de entrada:
Son las variables del entorno que influyen sobre el comportamiento del sistema.

* Variable de salida:
Son las variables del sistema que son “observadas” o modifican el entorno.

* Perturbación:
Es una entrada al sistema la cual no se puede “manejar”. Por ejemplo: la temperatura del ambiente en el control de la temperatura de
una habitación al contacto con el exterior.

* Acción de control:
Es una entrada al sistema, la cual se puede “manipular” para influir en el comportamiento del sistema como uno lo requiera. Ejemplo:
la apertura de una válvula en el control de nivel de líquiedo en un recipiente.

Volver al índice