Ingeniero de Control Pro
Box Azul & Box
Púrpura
Integración de Control Digital e Inteligencia Artificial
ANDERSON DAVID ARAUJO
GUAJID DAVID BONETH
JIMMY DE JESUS PACHECO
EDWARD ALONSO PEREZ
CONTROL II – INGENIERIA ELECTRONICA
UNIVERSIDAD DEL MAGDALENA
Propósito del Reto
Pensar como Ingenieros IA + Control Digital
Análisis, argumentación y NotebookLM, ChatGPT,
comunicación profesional Matlab integrados
Teoría + Práctica
Matemática aplicada con herramientas inteligentes
Objetivos de Aprendizaje
Diferenciar continuo y discreto Explicar Transformada Z Comparar métodos de
discretización
1 2 3
Zero-Order Hold Método CBM Dashboards
Comprender su función esencial Aplicar en sistemas reales Diseñar visualizaciones efectivas
Metodología:
Jigsaw Learning
Especialización Individual
Cada miembro domina una pregunta específica
Integración NotebookLM
Colaboración con IA generativa y Padlet
Síntesis Colectiva
ChatGPT, Gemini, Copilot como apoyo
Método CBM: Computer-Based Math
Definir el Problema
Identificar variables y objetivos
Traducir a Matemática
Ecuaciones y modelos formales
Calcular/Simular
Implementación en software
Interpretar Resultados
Análisis ingenieril práctico
Ejemplo: Conversión del dominio S al dominio Z aplicando
transformaciones discretas
Control Continuo vs Discreto
Control Continuo
Actuación permanente en tiempo real
• Ecuaciones diferenciales
• Señales analógicas
• Respuesta instantánea
Control Discreto
Intervalos de muestreo definidos
• Ecuaciones en diferencia
• Implementación digital
• Microcontroladores
Desafíos de la Digitalización
Cuantización Aliasing
Pérdida de precisión al Distorsión por muestreo
discretizar amplitud insuficiente
• Resolución limitada del ADC • Teorema de Nyquist: fs ≥
• Error de redondeo inevitable 2fmax
• Filtros anti-aliasing
necesarios
Retardos de Muestreo
Tiempo muerto introduce
desfases
• Impacto en estabilidad del
sistema
• Limitaciones de hardware
Dominio S → Dominio Z
Transformada de Laplace Relación Fundamental
Dominio S: sistemas continuos, z = esT
análisis de frecuencia
Donde T es el período de
muestreo
Conversión crítica:
El semiplano izquierdo de S
Transformada Z mapea al interior del círculo
unitario en Z
Dominio Z: sistemas discretos,
secuencias temporales
Zero-Order Hold (ZOH)
Función Esencial Importancia Práctica
Mantiene constante la señal Modela el efecto real del
entre muestras consecutivas muestreo en sistemas
digitales
Aplicación
DAC en microcontroladores y sistemas embebidos
El ZOH es el puente entre el mundo digital y el físico continuo
Métodos de Discretización
Impulse Invariant
Conserva la respuesta al impulso del sistema continuo
1
• Ventaja: respuesta temporal precisa
• Desventaja: posible aliasing
Transformada Bilineal (Tustin)
Mapeo conforme del plano S al plano Z
2
• Ventaja: estabilidad preservada
• Desventaja: distorsión de frecuencia
Matched Pole-Zero
Iguala directamente polos y ceros
3
• Ventaja: simplicidad de cálculo
• Desventaja: respuesta frecuencial alterada
Impulse Invariant vs ZOH
Impulse Invariant Zero-Order Hold
• Conserva respuesta temporal • Conserva forma entrada-salida
• Réplica exacta de impulsos • Mantiene señal constante
• Sensible al aliasing • Más usado en práctica
La elección depende de las características específicas de tu planta y los
requisitos de precisión temporal
Método Tustin y
Frequency Warping
Mapeo Bilineal
Transforma todo el eje imaginario S al círculo unitario Z
Frequency Warping
Distorsión no lineal de frecuencias altas
Las frecuencias bajas se preservan bien, pero las altas se comprimen hacia
la frecuencia de Nyquist
Pre-Warping:
Compensación Inteligente
Identifica Frecuencia Crítica
Determina \omega_c que debe preservarse exactamente
Aplica Pre-Warping
Discretiza con Tustin
Usa la frecuencia pre-ajustada en la transformación bilineal
Matched Pole-Zero:
Simplicidad Directa
Procedimiento
1. Mapea polos: z_p = e^{s_p T}
2. Mapea ceros: z_z = e^{s_z T}
3. Ajusta ganancia DC
Ventaja: Método directo y fácil
de implementar manualmente
Limitación: No garantiza
respuesta en frecuencia óptima
Efectos del ZOH en el Diseño
1 Sistema Continuo
Función de transferencia G(s)
2 Introduce ZOH
Modifica dinámica del lazo
3 Sistema Discreto
Nueva G(z) equivalente
El ZOH introduce un retardo efectivo de T/2 y modifica la ganancia en
altas frecuencias
PREGUNTAS PODEROSAS
¿Por qué discretizar? Tiempo de muestreo
Ventajas del control digital: Criterio fundamental: debe
precisión, flexibilidad y ser 10-20 veces más rápido
facilidad de implementación que la constante de tiempo
en microcontroladores dominante del sistema
Modelado del AgroHub
Métodos: identificación por respuesta al escalón, función de
transferencia o espacio de estados
Inteligencia Artificial para el Control
Posibilidades de la IA
01
Aprendizaje de discretización
Algoritmos que optimizan el tiempo de muestreo según las
características del sistema
02
PID inteligente
Auto-ajuste de ganancias mediante aprendizaje por refuerzo y redes
neuronales
03
Enseñanza adaptativa
Dashboards interactivos que ajustan contenido según el nivel del
estudiante
IA +
Control Digital
IA para Discretización
Algoritmos que aprenden la mejor estrategia de muestreo según la
planta
PID Inteligente
Ajuste adaptativo de parámetros mediante aprendizaje automático
Herramientas Didácticas
ChatGPT, MATLAB App Designer, dashboards interactivos para
enseñanza
ProtopÍA: Más Allá del Control
35% 20% 15%
Rigor Técnico CBM Integración IA
20% 10%
Comunicación Colaboración
Los polos y ceros más valiosos son el pensamiento crítico, la colaboración y la creatividad
ProtopÍA: controlando nuestro propio proceso de aprendizaje
Conclusión: Controlando
Nuestro Aprendizaje
ProtopÍA no se trata solo de controlar sistemas
Se trata de controlar nuestro propio proceso de aprendizaje
Polos del crecimiento Ceros de la innovación
Pensamiento crítico como Creatividad para responder a
estabilidad del sistema nuevos desafíos
Ganancia colaborativa
Trabajo en equipo amplifica nuestros resultados