PRACTICA 2: ANÁLISIS Y CONTROL DE UNA PLANTA DE ORDEN
SUPERIOR
JUAN PABLO AGUILAR CALLE
PROFESOR:
ALEJANDRO MARULANDA
UNIVERSIDAD EAFIT
DEPARTAMENTO DE CIENCIAS FÍSICAS
ESCUELA DE CIENCIAS
INGENIERÍA FÍSICA
MEDELLÍN
2019
1. OBJETIVOS
Introducir y simular el comportamiento de un modelo de orden superior en el
software MATLAB como herramienta computacional.
Generar señales que describan la inestabilidad de la planta propuesta para su
posterior análisis de la respuesta del sistema.
Aplicar un control PID a la planta sugerida en la práctica y a la planta desarrollada
para el respectivo proyecto final de materia y así obtener una estabilidad en el
sistema.
Analizar cómo es la respuesta del sistema una vez es controlado y se encuentra
en un comportamiento estable.
2. FUNCIONES EN MATLAB
Se efectúa la representación matemática de las funciones de transferencia
propuestas para la guía de laboratorio como para el diseño de la planta y sus
respectivos valores numéricos para su realización.
2.1. FUNCIONES DE TRANSFERENCIA
Figura 1: Funciones de transferencia G(s) y H(s)
Figura 2: Valores numéricos para la función de transferencia
3. RESPUESTA A UN IMPULSO
Ahora se observa el comportamiento de las funciones de transferencia G(s) y H(s)
cuando se les aplica una señal impulso.
3.1. SEÑAL IMPULSO PARA EL PÉNDULO INVERTIDO
En la figura 3 se puede apreciar la respuesta del péndulo a un impulso
Figura 3: Respuesta del péndulo.
Se nota en la Figura 3 una planta con un grado alto de inestabilidad al aplicarle una
señal impulso unitario, esto se aprecia en el brusco crecimiento de la amplitud en
tiempos mínimos. Además, el péndulo no logra alcanzar un estado de equilibrio con
su actual función de transferencia.
3.2. SEÑAL IMPULSO PARA EL CARRO
Ahora se observa cómo responde el carro base del péndulo invertido a una misma
señal impulso aplicada en la figura 4.
Figura 4: Respuesta del carro.
Al igual que en el comportamiento del péndulo, se nota un crecimiento en la amplitud
el cual se encuentra altamente desmedido si se observa el despreciable tiempo
transcurrido.
4. FUNCIÓN DE POLOS Y CEROS
Se aplica la función pzmap a las funciones de transferencia para conocer sus
respectivos polos y ceros, y saber qué tan estable es su comportamiento.
4.1. PÉNDULO
Figura 5: Polos y ceros del péndulo invertido
La ubicación de los polos y los ceros de esta función aplicada al péndulo se
encuentran en:
𝑃1 = −5.6 𝑍 = 0;
𝑃2 = −0.143
𝑃3 = 5.57
Y se ve que la función de transferencia encuentra indeterminaciones cuando s toma
alguno de los valores de P.
4.2. CARRO
Figura 6: Polos y ceros del carro
Ubicación de los polos y los ceros para la función aplicada al carro base del péndulo
son:
𝑃1 = −5.6 𝑍1 = −4.95
𝑃2 = −0.143 𝑍2 = 4.95
𝑃3 = 0
𝑃4 = 5.57
5. APLICACIÓN DE ESCALÓN UNITARIO
Se procede a aplicar la función escalón unitario a las funciones de transferencia que
corresponden al péndulo invertido G(s) y al carro H(s).
5.1. PÉNDULO Y CARRO
Figura 7: Respuesta al escalón unitario
Se puede ver que, al igual que en la señal de fuerza de impulso, ambos sistemas
reaccionan de forma inestable, con crecimientos sin una estabilidad en la amplitud
que tiende a crecer indefinidamente.
Por lo tanto, se permite concluir de esto que el comportamiento de los dos sistemas
sin aplicar un control PID es inestable a un estimulo de impulso y escalón unitario,
y es necesario implementar dicho control.
6. FUNCIÓN Lsiminfo
Se implementa la función lsiminfo para obtener información sobre la respuesta de
los sistemas a las fuerzas aplicadas y así realizar un correcto análisis sobre los
mismos.
Figura 8: Función Lsiminfo
La función muestra el tiempo mínimo que contienen las reacciones de los sistemas,
como el máximo tiempo al que pueden llegar, de igual forma para las amplitudes, y
nos expresa que son representadas por funciones exponenciales.
7. GENERACIÓN DE CONTROL PID Y SISTEMA DE LAZO CERRADO
Como se concluyó en la sección 5, se debe establecer el sistema de control PID
para que el sistema representado por las funciones de transferencia obtenga una
estabilización cuando se le aplican las señales impulso y escalón unitario como
fuerzas externas, obteniendo así una nueva función de transferencia que le
represente. Veamos la aplicación de dicho control en la figura 9.
Figura 9: Control PID
8. APLICACIÓN DE UN NUEVO IMPULSO
Cuando se dispone de la nueva función de transferencia LC con las constantes Kp,
Ki, Kd insertadas en la figura 9, se procede a ver su comportamiento cuando se le
aplica de nuevo una señal impulso.
Figura 10: Señal impulso a LC
Donde se evidencia que el sistema no experimenta grandes cambios ya que al
aplicar las constantes de valor unitario no se está ejecutando un control adecuado
del mismo.
9. VARIACIÓN DE PARÁMETROS
Ahora, como las constantes de valor unitario no estaban ejerciendo ningún efecto
de control sobre el sistema, se varían para así darle una estabilidad al
comportamiento de las funciones de transferencia, dando como resultado una
nueva función de transferencia que se nombró B, como se ve en la figura 11.
Figura 11: Variación de parámetros
Finalmente, se aplica una fuerza impulso a la función de transferencia resultante
para comprobar su estabilidad y la correcta ejecución del control PID.
Figura 12: Respuesta al impulso
En la figura 12 se encuentra un sistema que tiende a la estabilidad luego de aplicar
un impulso, de lo que se puede concluir que cuando el tiempo que transcurre tiende
a infinito, la amplitud de la función decrece hasta llegar a cero. Por lo tanto, el control
PID aplicado a la función de transferencia final resultante se aplicó efectivamente.
10. CONTROL PID EN LABVIEW
Para el desarrollo del algoritmo de control PID se hicieron distintos archivos en
LabVIEW que permitieran analizar la respuesta de la función de transferencia para
los distintos tipos de control por separado.
En las siguientes figuras se muestran todos los distintos modos usados en la
práctica. En la Figura 13 puede verse tanto el diagrama de bloques como el panel
frontal desarrollado en LabVIEW para la acción proporcional que corresponde a la
variable Kp.
Figura 13: Algoritmo de modo proporcional desarrollado en LabVIEW. Al lado
izquierdo se puede ver el panel frontal y al lado derecho el diagrama de bloques.
Ahora, en la Figura 14, puede verse la implementación de un algoritmo para el modo
derivativo.
Figura 14: Algoritmo de modo derivativo desarrollado en LabVIEW. Al lado
izquierdo se puede ver el panel frontal y al lado derecho el diagrama de bloques.
Por otro lado, en la Figura 15, se muestra el algoritmo desarrollado para el modo
integral que corresponde a la variable Ki.
Figura 15: Algoritmo de modo integral desarrollado en LabVIEW. Al lado izquierdo
se puede ver el panel frontal y al lado derecho el diagrama de bloques.
Por último, la implementación de estos tres modos para formar el control PID puede
verse en la Figura 16 y la Figura 17. Además, cabe recalcar que allí también se hace
uso de un contador adicional.
Figura 16: Diagrama de bloques del algoritmo correspondiente a un control de PID
básico.
Figura 17: Panel frontal del algoritmo correspondiente a un control de PID básico.
CONCLUSIONES
Independientemente del método que se use para conocer la estabilidad de una
planta, siempre se debe llegar a la misma conclusión.
De manera práctica, no se hizo un análisis a través de labview, pero se tiene
certeza de que la respuesta tanto al impulso unitario como al escalonado debe
ser exactamente la misma que en Matlab.
En el control PID, es de suma importancia hallar los valores correctos para
garantizar que el sistema cumpla con el comportamiento esperado, ya que, de
no hacerlo, el control resulta inútil.