control predictivo para un sistema de tanques
TRANSCRIPT
i
CONTROL PREDICTIVO PARA UN SISTEMA DE TANQUES INTERACTUANTES NO
LINEAL
NICOLÁS BOLAÑOS ESCOBAR
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRÓNICA
BOGOTÁ D.C
2012
ii
CONTROL PREDICTIVO PARA UN SISTEMA DE TANQUES INTERACTUANTES NO
LINEAL
NICOLÁS BOLAÑOS ESCOBAR
Trabajo de grado presentado como
requisito parcial para optar al
título de Ingeniero Electrónico
Director:
IE. DIEGO ALEJANDRO PATIÑO, Ph.D.
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRÓNICA
BOGOTÁ D.C
2012
iii
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE ELECTRÓNICA
RECTOR MAGNÍFICO: Padre Joaquín Sánchez S.J.
DECANO ACADÉMICO: I.E Luis David Prieto, Ph.D.
DECANO DEL MEDIO UNIVERSITARIO: Padre Sergio Bernal S.J.
DIRECTOR DE CARRERA: I.E Jairo Alberto Hurtado, Ph.D.
DIRECTOR DEL PROYECTO: I.E Diego Alejandro Patiño, Ph.D.
iv
ARTÍCULO 23 DE LA RESOLUCIÓN No. 13 DE JUNIO DE 1946
“La universidad no se hace responsable de los conceptos emitidos por sus alumnos en sus proyectos de
grado. Solo velará porque no se publique nada contrario al dogma y la moral católica y porque los trabajos
no contengan ataques o polémicas puramente personales. Antes bien, que se vea en ellos el anhelo de
buscar la verdad y la justicia”
Artículo 23 de la resolución No. 13, del 6 de
julio de 1946, por la cual se reglamenta lo
concerniente a tesis y exámenes de grado
en la Pontifica Universidad Javeriana
v
AGRADECIMIENTOS
A lo largo de este proyecto, he estado en un constante proceso de aprendizaje que me ha permitido ampliar
mis conocimientos en diferentes áreas. Quiero agradecer al director de este proyecto, I.E Diego Alejandro
Patiño, por su disposición y colaboración en todo momento, donde su experiencia y conocimiento del
tema fueron fundamentales para el desarrollo de este trabajo y poder lograr un resultado exitoso.
Igualmente, quiero dar gracias al I.E Andrés Ladino, por su apoyo y asistencia a lo largo de todo el
trabajo. Su ayuda permitió enriquecer aún más mi conocimiento del área, lo cual me favoreció para
cumplir con los objetivos de este proyecto.
vi
Tabla de contenido
INTRODUCCIÓN ......................................................................................................................................... 1
OBJETIVO GENERAL ................................................................................................................................. 3
OBJETIVOS ESPECÍFICOS ..................................................................................................................... 3
1. MARCO TEÓRICO ................................................................................................................................... 4
1.1 ECUACIONES BÁSICAS DE LOS SISTEMAS HIDRAÚLICOS.................................................... 4
1.1.1 Ecuación de continuidad ............................................................................................................... 4
1.1.2 Ecuación de Bernoulli ................................................................................................................... 5
1.1.3 Flujo en un punto........................................................................................................................... 6
1.2 CONTROL PID ................................................................................................................................... 6
1.3 CONTROL PREDICTIVO .................................................................................................................. 6
2. MODELADO E IDENTIFICACIÓN DEL SISTEMA ............................................................................10
2.1 MODO DE OPERACIÓN 3 ..............................................................................................................10
2.2 MODO DE OPERACIÓN 4 ..............................................................................................................11
2.3 IDENTIFICACIÓN ............................................................................................................................12
2.3.1 Modo 3 ........................................................................................................................................13
2.3.2 Modo 4 ........................................................................................................................................20
2.4 MODELO DINÁMICO DE LA VÁLVULA ....................................................................................25
2.5 SIMULACIONES ..............................................................................................................................28
3. DISEÑO Y SIMULACIÓN DE LOS CONTROLADORES ...................................................................30
3.1 CONTROL PID .................................................................................................................................30
3.1.1 Modo de operación 3 ...................................................................................................................30
3.1.2 Modo de operación 4 ...................................................................................................................34
3.2 CONTROL PREDICTIVO ................................................................................................................38
3.2.1 Modo de operación 3 ...................................................................................................................40
3.2.2 Modo de operación 4 ...................................................................................................................51
4. ANÁLISIS DE RESULTADOS ..............................................................................................................59
4.1 CONTROL PID .................................................................................................................................59
4.1.1 Modo 3 ........................................................................................................................................59
4.1.2 Modo 4 ........................................................................................................................................60
4.2 CONTROL PREDICTIVO ................................................................................................................62
vii
4.2.1 Modo 3 ........................................................................................................................................62
4.2.2 Modo 4 ........................................................................................................................................69
4.3 CONTROL PREDICTIVO NO LINEAL ..........................................................................................77
4.3.1 Modo 3 ........................................................................................................................................77
4.3.2 Modo 4 ........................................................................................................................................81
5. CONCLUSIONES ...................................................................................................................................86
6. BIBLIOGRAFÍA ......................................................................................................................................89
7. ANEXOS ..................................................................................................................................................90
7.1 INTERFAZ DE COMUNICACIÓN ..................................................................................................90
viii
Índice de figuras
Figura 1. Ecuación de Bernoulli ..................................................................................................................... 5
Figura 2. Estrategia del control predictivo ..................................................................................................... 7
Figura 3. Algoritmos para MPC ..................................................................................................................... 9
Figura 4. Modo de operación 3 ....................................................................................................................10
Figura 5. Modo de operación 4 ....................................................................................................................11
Figura 6. Flujo de entrada – Primera prueba ................................................................................................14
Figura 7. Comparación nivel de los tanques del sistema con simulación – Primera prueba ........................14
Figura 8. Señal de control – Segunda prueba ...............................................................................................14
Figura 9. Comparación nivel de los tanques del sistema con simulación – Segunda prueba .......................14
Figura 10. Comparación nivel de los tanques del sistema con simulación – Tercera prueba ......................15
Figura 11. Flujo de entrada – Tercera prueba ..............................................................................................15
Figura 12. Identificación sistema modo 3 – Primera prueba ........................................................................16
Figura 13. Identificación sistema modo 3 – Segunda prueba .......................................................................17
Figura 14. Identificación sistema modo 3 – Tercera prueba ........................................................................17
Figura 15. Validación del modelo obtenido – Primera validación ...............................................................18
Figura 16. Flujo de entrada – Primera validación ........................................................................................18
Figura 17. Validación del modelo obtenido – Segunda validación ..............................................................19
Figura 18. Flujo de entrada – Segunda validación .......................................................................................19
Figura 19. Validación del modelo obtenido – Tercera validación ...............................................................19
Figura 20. Flujo de entrada – Tercera validación .........................................................................................19
Figura 21. Comparación nivel de los tanques del sistema con simulación – Modo 4, primera prueba........20
Figura 22. Flujo de entrada – Modo 4, primera prueba ................................................................................20
Figura 23. Flujo de entrada – Modo 4, segunda prueba ...............................................................................21
Figura 24. Comparación nivel de los tanques del sistema con simulación – Modo 4, segunda prueba .......21
Figura 25. Comparación nivel de los tanques del sistema con simulación – Modo 4, tercera prueba .........21
Figura 26. Flujo de entrada – Modo 4, tercera prueba .................................................................................21
Figura 27. Identificación sistema modo 4 – Primera prueba ........................................................................22
Figura 28. Identificación sistema modo 4 – Segunda prueba .......................................................................22
Figura 29. Identificación sistema modo 4 – Tercera prueba ........................................................................23
Figura 30. Validación del modelo obtenido – Modo 4, primera validación .................................................24
Figura 31. Flujo de entrada – Modo 4, primera validación ..........................................................................24
Figura 32. Flujo de entrada – Modo 4, segunda validación .........................................................................24
Figura 33. Validación del modelo obtenido – Modo 4, segunda validación ................................................24
Figura 34. Validación del modelo obtenido – Modo 4, tercera validación ..................................................25
Figura 35. Flujo de entrada – Modo 4, tercera validación ...........................................................................25
Figura 36. Esquema de control del sistema ..................................................................................................25
Figura 37. Respuesta de la válvula ante una entrada paso ...........................................................................26
Figura 38. Validación modelo válvula – Segunda prueba ............................................................................27
Figura 39. Validación modelo válvula – Primera prueba ............................................................................27
Figura 40. Validación modelo válvula – Tercera prueba .............................................................................27
ix
Figura 41. Nivel de agua en los tanques ante un flujo de entrada constante en el modo de operación 3 .....28
Figura 42. Nivel de agua en los tanques ante un flujo de entrada constante en el modo de operación 4 .....29
Figura 43. Respuesta control PID sobre el modelo lineal - Modo 3 ............................................................31
Figura 44. Respuesta control PID sobre el modelo no lineal – Modo 3 .......................................................31
Figura 45. Señal de control del PID sobre modelo no lineal – Modo 3 .......................................................32
Figura 46. Cambio de referencia PID – Simulación modo 3 .......................................................................32
Figura 47. Señal de control PID ante un cambio de referencia – Simulación modo 3 .................................32
Figura 48. Variación en el flujo de salida PID – Simulación modo 3 ..........................................................33
Figura 49. Señal de control PID ante una variación en el flujo de salida – Simulación modo 3 .................33
Figura 50. Perturbación nivel PID – Simulación modo 3 ............................................................................33
Figura 51. Señal de control PID ante una perturbación en el nivel del tanque cilíndrico – Simulación modo
3 ....................................................................................................................................................................33
Figura 52. Respuesta control PID sobre el modelo lineal – Modo 4 ............................................................35
Figura 53. . Respuesta control PID sobre el modelo no lineal – Modo 4 .....................................................35
Figura 54. Señal de control PID sobre modelo no lineal – Modo 3 .............................................................36
Figura 55. Señal de control PID ante un cambio de referencia – Simulación modo 4 .................................36
Figura 56. Cambio de referencia PID – Simulación modo 4 .......................................................................36
Figura 57. Variación en el flujo de salida PID – Simulación modo 4 ..........................................................37
Figura 58. Señal de control PID ante una variación en el flujo de salida – Simulación modo 4 .................37
Figura 59. Perturbación nivel PID – Simulación modo 4 ............................................................................37
Figura 60. Señal de control ante una perturbación en el nivel del tanque no lineal – Simulación modo 4 ..37
Figura 61. Desempeño control del primer modelo – Modo 3 ......................................................................42
Figura 62. Señal de control, primer modelo – Modo 3 ................................................................................42
Figura 63. Señal de control, segundo modelo – Modo 3 ..............................................................................43
Figura 64. Desempeño control del segundo modelo – Modo 3 ....................................................................43
Figura 65. Desempeño control del tercer modelo – Modo 3 ........................................................................43
Figura 66. Señal de control, tercer modelo – Modo 3 ..................................................................................43
Figura 67. Acercamiento señal de control en Fig. 62 ...................................................................................44
Figura 68. Señal de control MPC considerando el modelo de la .................................................................45
Figura 69. Simulación MPC considerando el modelo de la .........................................................................45
Figura 70. Señal de control MPC (Ts = 5 s) – Modo 3 ................................................................................45
Figura 71. Simulación MPC (Ts = 5 s) – Modo 3 ........................................................................................45
Figura 72. Señal de control MPC (Ts = 6 s) – Modo 3 ................................................................................46
Figura 73. Simulación MPC (Ts = 6 s) – Modo 3 ........................................................................................46
Figura 74. Señal de control MPC (Ts = 7 s) – Modo 3 ................................................................................46
Figura 75. Simulación MPC (Ts = 7 s) – Modo 3 ........................................................................................46
Figura 76. Simulación MPC (Np = 8) – Modo 3 .........................................................................................47
Figura 77. Señal de control MPC (Np = 8) – Modo 3 ..................................................................................47
Figura 78. Simulación control (Np = 9) – Modo 3 .......................................................................................47
Figura 79. Señal de control (Np = 9) – Modo 3 ...........................................................................................47
Figura 80. Señal de control MPC (Np = 10) – Modo 3 ................................................................................48
Figura 81. Simulación MPC (Np = 10) – Modo 3 .......................................................................................48
Figura 82. Cambio de referencia (MPC) – Simulación modo 3 ...................................................................49
x
Figura 83. Señal de control (MPC) ante un cambio de referencia – Simulación modo 3 ............................49
Figura 84. Variación en el flujo (MPC) – Simulación modo 3 ....................................................................49
Figura 85. Señal de control ante una variación en el flujo de salida (MPC) – Simulación modo 3 .............49
Figura 86. Señal de control ante una perturbación en el nivel de agua (MPC) – Simulación modo 3 .........50
Figura 87. Perturbación nivel (MPC) – Simulación modo 3 ........................................................................50
Figura 88. Señal de control, primer modelo – Modo 4 ................................................................................52
Figura 89. Desempeño control del primer modelo – Modo 4 ......................................................................52
Figura 90. Señal de control, segundo modelo – Modo 4 ..............................................................................53
Figura 91. Desempeño control del segundo modelo – Modo 4 ....................................................................53
Figura 92. Desempeño control del tercer modelo – Modo 4 ........................................................................53
Figura 93. Señal de control, tercer modelo – Modo 4 ..................................................................................53
Figura 94. Señal de control MPC (Ts = 6 s) – Modo 4 ................................................................................54
Figura 95. Simulación MPC (Ts = 6 s) – Modo 4 ........................................................................................54
Figura 96. Simulación MPC (Ts = 8 s) – Modo 4 ........................................................................................54
Figura 97. Señal de control MPC (Ts = 8 s) – Modo 4 ................................................................................54
Figura 98. Señal de control MPC (Ts = 9 s) – Modo 4 ................................................................................55
Figura 99. Simulación MPC (Ts = 9 s) – Modo 4 ........................................................................................55
Figura 100. Señal de control MPC (Np = 9) – Modo 4 ................................................................................55
Figura 101. Simulación MPC (Np = 9) – Modo 4 .......................................................................................55
Figura 102. Señal de control MPC (Np = 11) – Modo 4 ..............................................................................56
Figura 103. Simulación MPC (Np = 11) – Modo 4 .....................................................................................56
Figura 104. Cambio de referencia (MPC) – Simulación modo 4 .................................................................57
Figura 105. Señal de control ante un cambio de referencia (MPC) – Simulación modo 4 ..........................57
Figura 106. Variación flujo (MPC) – Simulación modo 4 ...........................................................................57
Figura 107. Señal de control ante una variación en el flujo de salida (MPC) – Simulación modo 4 ..........57
Figura 108. Perturbación nivel (MPC) – Simulación modo 4 ......................................................................58
Figura 109. Señal de control ante una perturbación en el nivel del tanque no lineal – Simulación modo 4 58
Figura 110. Respuesta PID – Modo 3 sistemas de tanques interactuantes ...................................................59
Figura 111. Señal de control PID – Modo 3 sistema de tanques interactuantes ..........................................59
Figura 112. Respuesta PID – Simulación modo 3........................................................................................60
Figura 113. Señal de control PID – Simulación modo 3 ..............................................................................60
Figura 114. Señal de control PID – Modo 4 sistema de tanques interactuantes ..........................................61
Figura 115. . Respuesta PID – Modo 4 sistemas de tanques interactuantes .................................................61
Figura 116. Señal de control PID – Simulación modo 4 ..............................................................................61
Figura 117. Respuesta PID – Simulación modo 4........................................................................................61
Figura 118. Respuesta MPC – Modo 3 sistema de tanques interactuantes ..................................................62
Figura 119. Señal de control (Porcentaje de apertura de la válvula) – Modo 3 sistemas de tanques
interactuantes ................................................................................................................................................63
Figura 120. Señal de control (gpm) – Modo 3 sistemas de tanques interactuantes ......................................63
Figura 121. Señal de control MPC – Simulación modo 3 ............................................................................63
Figura 122. Respuesta MPC – Simulación modo 3......................................................................................63
Figura 123. Respuesta MPC ante un cambio de referencia – Modo 3 sistema de tanques interactuantes ...64
xi
Figura 124. Señal de control (Porcentaje de apertura de la válvula) ante un cambio de referencia – Modo
3 sistemas de tanques interactuantes ............................................................................................................64
Figura 125. Señal de control (gpm) ante un cambio de referencia – Modo 3 sistemas de tanques
interactuantes ................................................................................................................................................64
Figura 126. Señal de control MPC ante un cambio de referencia – Simulación modo 3 .............................65
Figura 127. Respuesta MPC ante un cambio de referencia – Simulación modo 3.......................................65
Figura 128. Respuesta MPC ante una variación en el flujo de salida – Modo 3 sistema de tanques
interactuantes ................................................................................................................................................65
Figura 129. Señal de control (Porcentaje de apertura de la válvula) ante una variación en el flujo de salida–
Modo 3 sistemas de tanques interactuantes ..................................................................................................66
Figura 130. Señal de control (gpm) ante una variación en el flujo de salida– Modo 3 sistemas de tanques
interactuantes ................................................................................................................................................66
Figura 131. Señal de control MPC ante una variación en el flujo de salida – Simulación modo 3 .............66
Figura 132. Respuesta MPC ante una variación en el flujo de salida - Simulación modo 3 ........................66
Figura 133. Respuesta MPC ante una perturbación en el nivel del tanque lineal – Modo 3 sistema de
tanques interactuantes ..................................................................................................................................67
Figura 134. Señal de control (gpm) ante una perturbación en el nivel del tanque lineal– Modo 3 sistemas
de tanques interactuantes ..............................................................................................................................67
Figura 135. Señal de control Porcentaje de apertura de la válvula) ante una perturbación en el nivel del
tanque lineal– Modo 3 sistemas de tanques interactuantes ..........................................................................67
Figura 136. Señal de control MPC ante una perturbación en el nivel del tanque lineal – Simulación modo 3
......................................................................................................................................................................67
Figura 137. Respuesta MPC ante una perturbación en el nivel del tanque lineal - Simulación modo 3 ......67
Figura 138. Respuesta MPC – Modo 4 sistema de tanques interactuantes ..................................................69
Figura 139. Señal de control (Porcentaje de apertura de la válvula) – Modo 4 sistemas de tanques
interactuantes ................................................................................................................................................70
Figura 140. Señal de control (gpm) – Modo 4 sistemas de tanques interactuantes ......................................70
Figura 141. Respuesta MPC – Simulación modo 4......................................................................................71
Figura 142. Señal de control MPC – Simulación modo 4 ............................................................................71
Figura 143. Respuesta MPC ante un cambio de referencia – Modo 4 sistema de tanques interactuantes ...72
Figura 144. Señal de control Porcentaje de apertura de la válvula) ante un cambio de referencia – Modo 4
sistemas de tanques interactuantes ...............................................................................................................72
Figura 145. Señal de control (gpm) ante un cambio de referencia – Modo 4 sistemas de tanques
interactuantes ................................................................................................................................................72
Figura 146. Señal de control MPC ante un cambio de referencia – Simulación modo 4 .............................72
Figura 147. Respuesta MPC ante un cambio de referencia – Simulación modo 4.......................................72
Figura 148. Respuesta MPC ante una variación en el flujo de salida – Modo 4 sistema de tanques
interactuantes ................................................................................................................................................73
Figura 149. Señal de control (Porcentaje de apertura de la válvula) ante una variación en el flujo de salida–
Modo 4 sistemas de tanques interactuantes ..................................................................................................73
Figura 150. Señal de control (gpm) ante una variación en el flujo de salida– Modo 4 sistemas de tanques
interactuantes ................................................................................................................................................73
Figura 151. Respuesta MPC ante una variación en el flujo de salida - Simulación modo 4 ........................74
Figura 152. Señal de control MPC ante una variación en el flujo de salida - Simulación modo 4 ..............74
xii
Figura 153. Respuesta MPC ante una perturbación en el nivel del tanque no lineal – Modo 4 sistema de
tanques interactuantes ..................................................................................................................................74
Figura 154. Señal de control (gpm) ante una perturbación en el nivel del tanque no lineal– Modo 4
sistemas de tanques interactuantes ...............................................................................................................75
Figura 155. Señal de control (Porcentaje de apertura de la válvula) ante una perturbación en el nivel del
tanque no lineal– Modo 4 sistemas de tanques interactuantes .....................................................................75
Figura 156. Señal de control MPC ante una perturbación en el nivel del tanque no lineal - Simulación
modo 4 ..........................................................................................................................................................75
Figura 157. Respuesta MPC ante una perturbación en el nivel del tanque no lineal - Simulación modo 4 .75
Figura 158. MPC no lineal – Modo 3 ...........................................................................................................78
Figura 159. Señal de control (gpm) – Modo 3 .............................................................................................78
Figura 160. Señal de control (Porcentaje de apertura de la válvula) – Modo 3 ...........................................78
Figura 161. Señal de control – Simulación MPC no lineal, modo 3 ............................................................79
Figura 162. Simulación MPC no lineal – Modo 3 .......................................................................................79
Figura 163. Respuesta MPC no lineal ante una perturbación en el nivel del tanque lineal – Modo 3 .........79
Figura 164. Señal de control no lineal (Porcentaje de apertura de la válvula) ante una perturbación en el
nivel del tanque lineal – Modo 3 ..................................................................................................................79
Figura 165. Señal de control no lineal (gpm) ante una perturbación en el nivel del tanque lineal – Modo 3
......................................................................................................................................................................79
Figura 166. Respuesta MPC no lineal ante una perturbación en el nivel del tanque lineal – Simulación
modo 3 ..........................................................................................................................................................80
Figura 167. Señal de control ante una perturbación en el nivel del tanque lineal – Simulación modo 3 .....80
Figura 168. Respuesta MPC no lineal ante una variación en el flujo de salida – Modo 3 ...........................80
Figura 169. Señal de control no lineal (gpm) ante una variación en el flujo de salida – Modo 3 ................80
Figura 170. Señal de control no lineal (Porcentaje de apertura de la válvula) ante una variación en el flujo
de salida – Modo 3 .......................................................................................................................................80
Figura 171. Respuesta MPC no lineal ante una variación en el flujo de salida – Simulación modo 3 ........81
Figura 172. Señal de control no lineal ante una variación en el flujo de salida – Simulación modo 3 ........81
Figura 173. MPC no lineal – Modo 4 ...........................................................................................................82
Figura 174. Señal de control (gpm) – Modo 4 .............................................................................................82
Figura 175. Señal de control (Porcentaje de apertura de la válvula) – Modo 4 ...........................................82
Figura 176. Simulación MPC no lineal – Modo 4 .......................................................................................83
Figura 177. Señal de control – Simulación MPC no lineal, modo 4 ...........................................................83
Figura 178. Respuesta MPC no lineal ante una perturbación en el nivel del tanque lineal – Modo 4 .........83
Figura 179. Señal de control no lineal (gpm) ante una perturbación en el nivel del tanque lineal – Modo 4
......................................................................................................................................................................83
Figura 180. Señal de control no lineal (Porcentaje de apertura de la válvula) ante una perturbación en el
nivel del tanque lineal – Modo 4 ..................................................................................................................83
Figura 181. Señal de control ante una perturbación en el nivel del tanque lineal – Simulación modo 4 .....84
Figura 182. Respuesta MPC no lineal ante una perturbación en el nivel del tanque lineal – Simulación
modo 4 ..........................................................................................................................................................84
Figura 183. Respuesta MPC no lineal ante una variación en el flujo de salida – Modo 4 ...........................84
Figura 184. Señal de control no lineal (Porcentaje de apertura de la válvula) ante una variación en el flujo
de salida – Modo 4 .......................................................................................................................................84
xiii
Figura 185. Señal de control no lineal (gpm) ante una variación en el flujo de salida – Modo 4 ................84
Figura 186. Señal de control no lineal ante una variación en el flujo de salida – Simulación modo 4 ........85
Figura 187. Respuesta MPC no lineal ante una variación en el flujo de salida – Simulación modo 4 ........85
xiv
Índice de tablas
Tabla 1. Parámetros iniciales modo 3 ..........................................................................................................13
Tabla 2. FIT obtenido con diferentes parámetros – Modo 3 ........................................................................18
Tabla 3. Parámetros iniciales modo 4 ..........................................................................................................20
Tabla 4. FIT obtenido con diferentes parámetros – Modo 4 ........................................................................23
Tabla 5. Desempeño control PID – Simulación modo 3 ..............................................................................34
Tabla 6. Desempeño control PID – Simulación modo 4 ..............................................................................38
Tabla 7. Desempeño control MPC –Simulación modo 3 .............................................................................50
Tabla 8. Desempeño control MPC – Simulación modo 4 ............................................................................58
Tabla 9. Características respuesta MPC – Modo 3 sistemas de tanques interactuantes ...............................62
Tabla 10. Desempeño MPC – Modo 3 sistemas de tanques interactuantes .................................................68
Tabla 11. Características respuesta MPC – Modo 4 sistemas de tanques interactuantes .............................70
Tabla 12. Desempeño MPC – Modo 4 sistemas de tanques interactuantes .................................................76
1
INTRODUCCIÓN
El control de nivel es un factor clave en los procesos industriales donde se requiere transportar, bombear y
almacenar fluidos permanentemente por todo un sistema. Actualmente estos sistemas hacen parte de todo
un proceso de producción que se debe mantener en observación permanentemente, pues cualquier falla
podría representar grandes pérdidas, lo cual se desea evitar al máximo. Los sistemas de tanques son y han
sido la mejor opción para cumplir con esta tarea dada su adaptabilidad a trabajar en diferentes procesos. El
diseño y modo de operación de estos tanques depende fuertemente de varios factores como la aplicación
en la que será usado, componente a transportar y las regulaciones ambientales. Por ejemplo, si el sistema
es bajo tierra, muchas consideraciones se deben tener en cuenta como el punto de ebullición del fluido, la
presión, temperatura, etc.
Estos factores llevan entonces a que los sistemas de tanques sean objeto de muchos estudios dado sus
diversas aplicaciones. En [1] se encuentra el diseño de todo un sistema de tanques interactuantes que
cuenta con diferentes modos de operación que son de interés para el presente trabajo. Se cuenta con un
tanque no lineal donde el área transversal depende del nivel de agua y con un tanque cilíndrico de área
transversal constante. Para este caso, los modos de interés son los llamados tres y cuatro debido a la
interacción presente en los tanques. En el modo tres, el flujo ingresa al tanque no lineal (tanque 1) que a su
vez está comunicado por medio de una tubería en su parte inferior con el tanque cilíndrico (tanque 2); de
esta manera parte del agua que ingresa al tanque no lineal se transfiere al tanque cilíndrico donde la
válvula que controla el flujo de salida se encuentra abierta. Para el modo de operación 4, el flujo de
entrada llega al tanque lineal donde por medio de la tubería mencionada anteriormente, un porcentaje de
agua es trasladado al tanque no lineal en el cual la válvula de control del flujo de salida está abierta. Más
adelante, se explicarán detalladamente los modos de operación.
Independientemente del número de tanques o si son o no interactuantes, existen variables que se deben
controlar como el nivel del fluido, con el fin de evitar su derrame, evaporación o filtración. Luego es
importante regular permanentemente este tipo de factores con el fin de obtener los resultados esperados y
asegurar la protección para las personas, los equipos y el medio ambiente. Para ello, en los sistemas de
control, existen diferentes técnicas y métodos que pueden ser aplicados para mantener el proceso bajo los
parámetros deseados.
Hacia finales de 1970 el control predictivo o MPC por sus siglas en inglés (Model Predictive Control)
surge como una técnica muy abierta a diferentes tipos de problemas, por lo que ha sido bien recibido en el
mundo académico y en la industria. Con el tiempo, su desempeño y presencia en los procesos industriales
se ha venido incrementando debido a los estudios y avances que se han desarrollado, como la creación de
nuevos algoritmos enfocados a aplicaciones en particular. El control predictivo no define una estrategia de
control en especial, sino por el contrario un amplio rango de métodos que se basan en cierto modelo del
sistema para encontrar la ley de control mediante la minimización de una función objetivo sujeta a las
restricciones del sistema. Los diferentes algoritmos que actualmente existen, se diferencian en la forma en
que modelan el sistema, los disturbios y la manera en que definen la función objetivo. Existe una gran
cantidad de aplicaciones de esta técnica de control, no solo en la industria y en el ámbito académico sino
también en procesos relacionados con aplicaciones que van desde la robótica hasta la electro medicina. El
gran auge del MPC surge en la industria, debido a su alto rendimiento y eficiencia para operar durante
largos periodos de tiempo sin necesidad de intervención alguna. MPC se volvió popular particularmente
2
en industrias de procesos químicos, debido a la simplicidad del algoritmo y del modelo utilizado
(respuesta paso).
Como ya se mencionó anteriormente, el control predictivo ha venido y continúa avanzando, brindando la
capacidad de tener en cuenta restricciones más complejas y así mismo la minimización de funciones
objetivo más complicadas. Se han obtenido avances también en la robustez del control, teniendo en cuenta
incertidumbres del proceso y diseñando el MPC de tal forma que se minimice la función objetivo para el
peor caso de incertidumbre. De esta manera, estos adelantos hacen pensar entonces que el control
predictivo continuará experimentando un gran crecimiento tanto en el mundo académico como en el
práctico. Un ejemplo de ello, es Honeywell, uno de los grandes fabricantes de sistemas de control
distribuido, quien ha venido implementando control predictivo robusto y multivariable en sus equipos de
control.
El presente proyecto, nace con la idea de estudiar, diseñar e implementar un método de control más
avanzado que las técnicas tradicionales sobre los modos de operación 3 y 4 del sistema de tanques
interactuantes presente en [1]. Dado la interacción entre los tanques, la no linealidad del sistema, lo que
dificulta el diseño del control, y el alcance del control predictivo el cual es regular sistemas que presenten
dinámicas complejas, es decir procesos inestables, multivariables, con la presencia de contantes
perturbaciones, con retardos, etc. el objetivo de este proyecto es regular el nivel de agua en los tanques
mediante la aplicación de un control predictivo. A continuación se realiza un estudio del modelo del
sistema de tanques interactuantes no lineal obtenido en [1] para los modos de operación 3 y 4. Mediante
pruebas realizadas sobre el sistema directamente, se efectúa una identificación de lo modos ya
mencionados con el fin de hacer una corrección de los parámetros que definen las ecuaciones diferenciales
que describen el comportamiento del nivel de agua en cada tanque. Posteriormente, mediante simulaciones
desarrolladas en MATLAB se hace un estudio del comportamiento de cada uno de los modos (3 y 4) y la
interacción de los tanques. Consecutivamente, se diseña un control PID y junto con la ayuda del toolbox
de MATLAB MPT (Multi Parametric Toolbox ), un control predictivo incluyendo el desempeño de cada
técnica sobre los modelos no lineales de cada modo. Finalmente, se hace un análisis del desempeño de los
controles diseñados al ser implementados directamente sobre el sistema de tanques interactuantes; y
mediante criterios de desempeño como tiempo de establecimiento, error de estado estacionario, máximo
pico porcentual, esfuerzo de la señal de control, entre otros, se hace una comparación entre los
controladores y los resultados obtenidos en simulación con el fin de destacar las ventajas del MPC frente a
las demás técnicas clásicas de control.
3
OBJETIVO GENERAL
Diseñar un control predictivo para un sistema de tanques interactuantes no lineal.
OBJETIVOS ESPECÍFICOS
- Realizar un estudio del modelo del sistema de tanques interactuantes no lineal contenido en [4] y
validarlo con mediciones.
- Aplicar un control clásico al sistema.
- Escoger y diseñar una estrategia MPC basada en el conocimiento del modelo y las restricciones
del sistema.
- Implementar el controlador MPC en el sistema de tanques interactuantes.
4
1. MARCO TEÓRICO
Para llevar a cabo un análisis completo de un sistema, es necesario conocer los modelos físicos, leyes,
ecuaciones y limitaciones que se apliquen para desarrollar correctamente el modelo que lo represente. Es
importante tener presente el número de entradas y salidas de la planta, pues es un factor clave en la
simulación. Cuando se habla de una única entrada y una salida, se hace referencia a un modelo SISO
(Single Input Single Output) y uno de tipo multivariable corresponde entonces a los sistemas MIMO
(Multiple Input Multiple Output).
Dado que la mayoría de los sistemas son de naturaleza variable, y sus salidas varían con el tiempo, por
medio de ecuaciones diferenciales es posible describir su comportamiento. Por lo tanto, para modelar este
tipo de sistemas se requiere el mismo número de ecuaciones que de parámetros de salida. De esta manera,
el orden y la linealidad de la ecuación diferencial descriptiva, define asimismo el orden de la dinámica del
sistema si es de tipo SISO. Es decir, si la ecuación es lineal, por ende el sistema también lo es. Para
encontrar la solución al modelo, se puede hacer uso de distintos métodos como el de la transformada de
Laplace que simplifica bastante la solución. En algunos casos, muchos de los parámetros son
desconocidos y a causa de la complejidad del sistema, es necesario realizar inducciones acerca de la
operación del sistema para llenar todos los parámetros.
Con el fin de entender el comportamiento de los sistemas hidráulicos, y a partir de las ecuaciones
características de estos sistemas lograr modelar el sistema de tanques interactuantes, a continuación se
incluyen las principales leyes relacionadas con este tipo de plantas.
1.1 ECUACIONES BÁSICAS DE LOS SISTEMAS HIDRAÚLICOS
Los sistemas hidráulicos están compuestos por cuatro componentes básicos que son:
1. Espacio para almacenar el flujo.
2. Una bomba para circular el fluido por todo el sistema.
3. Válvulas para regular el flujo.
A partir de estos componentes, los circuitos hidráulicos pueden generar diferentes combinaciones de
movimiento y fuerza.
1.1.1 Ecuación de continuidad
A partir del principio de conservación de la masa del flujo, la ecuación de continuidad define que la masa
de fluido que entra por un extremo es igual a la cantidad de masa que sale por el otro extremo, es decir que
para un líquido incompresible, el flujo es constante en todas las secciones transversales, luego se cumple
que:
2211 vAvA
5
donde,
A1: Área de la sección 1
A2: Área de la sección 2
v1: Velocidad del fluido en la sección 1
v2: Velocidad del fluido en la sección 2
1.1.2 Ecuación de Bernoulli
La ecuación de Bernoulli establece que a lo largo de una tubería, para un fluido incompresible y sin
fricción, la energía se mantiene constante. Está energía está compuesta por la energía cinética,
correspondiente a la velocidad del fluido, la potencial gravitacional dada la altura del líquido, y la energía
de flujo causada por la presión de este. De esta manera, la ecuación de Bernoulli se plantea como:
.2
2
CtegzPv
con,
v: Velocidad del fluido
ρ: Densidad del fluido
P: Presión del fluido
G: Gravedad
z: Altura del fluido respecto a un punto de referencia
El teorema puede ser aplicado a dos puntos cualesquiera como se muestra en la figura 1.
Figura 1. Ecuación de Bernoulli
A partir de la figura 1, es posible plantear la siguiente ecuación:
2222
2
2111
1
2
1
22gzP
vgzP
v
6
1.1.3 Flujo en un punto
La cantidad de flujo en cierto punto, se puede determinar a partir de su velocidad y el área transversal en
dicho punto. De esta manera, el flujo (Q) se define como:
vAQ
siendo,
A: Área transversal en el punto de salida del fluido
v: Velocidad del fluido
1.2 CONTROL PID
Una de las técnicas clásicas de control más usadas, es el PID (Proporcional Integral Derivativo); método
que se basa en la unión de tres controladores, el proporcional, integral y derivativo. Se fundamenta en la
medición del error, es decir en la diferencia entre la referencia y la salida del sistema, pues a partir de esta
señal de error el controlador toma acciones correctivas. Con e(t) la señal de error y u(t) la señal de salida
del controlador, las acciones de cada modo son:
- Proporcional: La salida es directamente proporcional a la señal de error mediante una constante de
ganancia Kp como se muestra a continuación.
teKptu
- Integral: Actúa un poco lento debido a que su salida es proporcional a la acumulación del error por una
constante de ganancia Ki, definiéndola como:
t
deKitu0
- Derivativo: La acción de este modo, es proporcional a la velocidad de cambio del error, es decir a su
derivada y la constante Kd.
dt
tdeKdtu
1.3 CONTROL PREDICTIVO
A inicios de los años 70, el control predictivo surge con el objetivo de mejorar las técnicas clásicas de
control y optimizar los componentes de los procesos. Desde entonces ha sido ampliamente utilizado en la
industria debido a su fácil implementación, posibilidad de considerar restricciones y limitaciones físicas
de las plantas. El control predictivo se ha destacado como uno de los métodos más eficientes dado que
operan por largos periodos de tiempo y además requieren poca intervención del hombre. La estrategia de
esta técnica de control se ilustra en la figura 2.
7
Figura 2. Estrategia del control predictivo
El control predictivo hace uso del modelo del sistema para predecir las salidas en tiempos futuros. En
primer lugar, se definirá un horizonte de predicción N que depende de los valores pasados de las entradas
y salidas conocidos. Luego, la predicción tanto para la señal de salida como para la señal de control se
hará cada instante de tiempo t hasta N, expresando la salida como tkty para Nk ,....,2,1 [1] y la
señal de control como tktu para 1,....,2,1 Nk [1]. Teniendo en cuenta las restricciones del
sistema, se calculará la futura señal de control mediante la optimización de una función cuadrática del
error entre las señales predichas para la salida y la referencia, para enviarla al modelo donde sólo se
recibirá la señal ttu dado que ya se conoce el valor de la salida para los siguientes instantes de tiempo
( tkty para Nk ,....,2,1 ).
El modelo utilizado para la predicción de las salidas, debe ser lo más simple posible pero a su vez lo más
preciso. Por ejemplo, para un modelo lineal, la dependencia lineal entre las predicciones y las decisiones
futuras de control, facilita la optimización y el análisis del comportamiento en lazo cerrado. Por lo tanto el
modelo que genera las predicciones del sistema debe tener la mayor precisión posible para cumplir con el
propósito establecido. A diferencia del control PID, el control predictivo requiere y utiliza mayor
información del modelo, haciendo del diseño un proceso más completo debido a la consideración de más
características de la planta. La predicción realizada, debe ser suficiente para considerar todas las
dinámicas del sistema y así mismo debe ser aquella que logre minimizar la función objetivo, pues la idea
es optimizar el rendimiento de la predicción sujeto a ciertas limitaciones. Con la función de costo
apropiada, la estabilidad y sintonización se cumplen indirectamente. Lo importante es encontrar un
balance entre el rendimiento en diferentes lazos y tiempo de respuesta.
Los elementos básicos de los controladores predictivos son entonces:
1. Modelo de predicción: Se encarga como ya se mencionó, de realizar las predicciones para las
salidas del sistema representando lo más cerca posible las dinámicas de la planta. Existen
+ -
8
diferentes modelos que pueden ser utilizados como respuesta impulso, respuesta paso, función de
transferencia y espacio de estados.
2. Función objetivo: A partir de la predicción de las salidas, la secuencia uk,uk+1,…,uk+N es calculada
con la optimización de la función objetivo. Existe una gran variedad de funciones de desempeño
dado los diferentes algoritmos que hay para MPC. Sin embargo, de manera general, el objetivo del
control es lograr que la salida del sistema siga una señal de referencia w considerando el cambio
de la señal de control Δu, o simplemente su valor u. Dicha función objetivo puede ser representada
a partir de una forma cuadrática como se muestra a continuación.
CN
j
N
Nj
u jkujjkwtjkyjNNNJ1
22
21 1,,2
1
21, NN : Horizontes de predicción
NC: Horizonte de control
jj , : Pesos para el problema de optimización
De acuerdo con [8], una forma equivalente de representar la función J en su forma cuadrática es:
URUYRQYRJ TT
donde R es el vector de referencias para el vector de salidas Y y Q y R son matrices diagonales
definidas positivas que fijan pesos sobre los componente R, Y y ΔU.
3. Obtención de la ley de control: Para obtener los valores de la señal de control u(t+k|t) es
indispensable minimizar la función objetivo. Una vez se cuenta con la secuencia uk,uk+1,…,uk+N, el
primer término (uk) es aplicado al modelo, actualizando los estados y repitiendo el proceso
nuevamente.
Existe una gran variedad en los algoritmos de control a ser implementados. La figura 3 muestra los más
implementados.
9
Figura 3. Algoritmos para MPC
En [2] se presenta una mayor información acerca del modo de trabajo de cada uno de estos algoritmos.
La presencia de restricciones en el sistema para el diseño del control predictivo implica:
- Definición de los límites operacionales de la planta, y restricciones para la señal de entrada, su
tasa de cambio, los estados y las salidas.
- El objetivo del control se convierte entonces en la minimización de la función de desempeño
sujeto a restricciones de desigualdad, donde la señal de control es la variable de decisión.
- Resolver el problema de optimización con restricciones usando un método de programación
cuadrática en cada tiempo de muestreo para encontrar la solución óptima.
Para encontrar solución al problema de programación cuadrática, existen diferentes métodos de solución
como multiplicadores de Lagrange, condiciones de Karush Kuhn Tucker, primal y dual, entre otros.
10
2. MODELADO E IDENTIFICACIÓN DEL SISTEMA
Este capítulo se centra en la obtención del modelo general que contiene toda la dinámica del sistema para
posteriormente desarrollar una identificación que permita obtener el valor de los parámetros que logren un
mayor acercamiento del modelo. Teniendo en cuenta la teoría de mecánica de fluidos que estudia el
movimiento de estos y las fuerzas que lo provocan, se hará un estudio de los modos de operación 3 y 4
con el fin de establecer las ecuaciones que describen el comportamiento de cada modo. Así mismo, por
medio de un modelo dinámico, es necesario incluir la incidencia de la válvula que controla el flujo de
entrada al sistema.
2.1 MODO DE OPERACIÓN 3
Figura 4. Modo de operación 3
La figura 4 muestra el sentido de flujo del agua, que ingresa por el tanque con características no lineales y
se comunica por medio de una válvula con el tanque cilíndrico que contiene el orifico de salida hacia el
tanque de reserva.
Para desarrollar el modelo matemático es necesario plantear la ecuación de balance de masa para cada
tanque. Para el tanque no lineal se tiene:
121
11 QQdt
dhhA in
Donde A1 es el área de la sección transversal del tanque no lineal la cual está en función de la altura del
agua en ese mismo tanque (h1), Qin el flujo de entrada y Q12 el flujo de salida del tanque no lineal que sería
el mismo flujo de entrada para el tanque cilíndrico. De esta manera, la ecuación de balance de masa para
este último es:
outQQdt
dhA 12
22
11
Con A2 el área de la sección transversal del tanque cilíndrico, h2 el nivel del agua en el tanque lineal y Qout
el flujo de salida.
De acuerdo con el planteamiento desarrollado en [1], el flujo Q12 depende de la válvula que comunica los
dos tanques; luego este flujo se define como:
f
vG
ththgCQ 21
12
Siendo Cv el coeficiente de la válvula, ρ la densidad del agua, g la gravedad y Gf la gravedad específica del
agua.
Finalmente, las ecuaciones diferenciales que describen el comportamiento de la altura para cada tanque
son:
2111
21
1
2 ththRL
G
ththgCQ
dt
dh f
vin
Con L el ancho del tanque 1 y R1 su radio.
2
2
21
2
R
QG
ththgC
dt
dhout
f
v
donde R2 es el radio del tanque cilíndrico.
2.2 MODO DE OPERACIÓN 4
Figura 5. Modo de operación 4
12
En este modo, el flujo ingresa por el tanque cilíndrico y sale por el tanque no lineal. Teniendo en cuenta
las mismas consideraciones que en el modo 3, la ecuación de balance de masa para el tanque cilíndrico es:
212
2 QQdt
dhA in
Siendo Q21 el flujo de salida del tanque cilíndrico y el de entrada para el tanque no lineal. La ecuación de
balance de masa para este último es:
outQQdt
dhA 21
11
Por lo tanto, las ecuaciones que describen la dinámica del sistema en este modo de operación son las
siguientes.
2
2
12
2
R
G
ththgCQ
dt
dh f
vin
2
111
12
1
2 hhRL
QG
ththgC
dt
dhout
f
v
2.3 IDENTIFICACIÓN
Con el fin de validar el modelo del sistema descrito por las anteriores ecuaciones para cada modo de
operación, es necesario comparar el comportamiento del sistema físico con los resultados obtenidos en
simulaciones implementadas en MATLAB. Para ello se llevó a cabo una serie de pruebas donde se varió
la amplitud del flujo de entrada aleatoriamente, su frecuencia y las condiciones iniciales para el nivel de
agua en cada tanque. Es importante resaltar que los niveles de medición mínimos de los sensores son 17
cm para el tanque no lineal y 25 cm para el lineal. Luego, con la misma señal de entrada aplicada al
sistema, se alimenta el modelo para lograr simular su respuesta y poder comparar ambas respuestas,
observando que existe una diferencia la cual es necesaria reducir para lograr un mejor acercamiento del
modelo al comportamiento del sistema.
Después de realizar unas pruebas iniciales con la válvula que controla el flujo de salida de los tanques
totalmente abierta, no era posible lograr que la altura del agua en el tanque cuyo nivel se quería controlar
aumentara un poco más de 1 cm de su condición inicial, incluso con el flujo máximo de entrada. Lo
anterior se debe a que la velocidad del flujo de salida es bastante parecido al de entrada, cuando la válvula
13
se encuentra totalmente abierta, luego para alcanzar un mayor rango, el flujo de salida debía disminuir, lo
cual se logró cerrando la válvula hasta cierto punto. Luego es importante anotar que las pruebas a
continuación fueron desarrolladas bajo ciertas condiciones que se deben tener en cuenta y que serán
especificadas para cada modo.
2.3.1 Modo 3
Para el modo de operación 3, las pruebas fueron desarrolladas bajo los siguientes parámetros:
- La válvula de salida del tanque lineal parcialmente cerrada.
- La válvula de salida del tanque no lineal totalmente cerrada.
- La válvula que comunica los dos tanques, abierta al 100 %.
En cuanto al modelo simulado, los valores de los parámetros de las ecuaciones descritas anteriormente se
encuentran en la siguiente tabla.
Parámetro Valor Unidad
Densidad del agua (ρ) 1000 Kg/m3
Coeficiente de la válvula que
comunica los tanques (Cv) 4,55883×10
-6
Pa
sm 3
Gravedad (g) 9,807 m/s2
Gravedad específica del agua (Gf) 1
Radio tanque cilíndrico (R2) 0,3 m
Radio tanque no lineal (R1) 0,6 m
Altura tanque no lineal (Z) 0,6 m
Área del orificio de salida del
tanque 2 (Ao) 1,2272×10
-4 m
2
Tabla 1. Parámetros iniciales modo 3
Las gráficas incluidas a continuación muestran la respuesta del sistema y el modelo ante un mismo flujo
de entrada el cual va indicado. La señal de entrada seleccionada para las pruebas es una señal cuya
amplitud y frecuencia varían aleatoriamente para poder observar el comportamiento del sistema ante
diferentes valores de flujo de entrada. Esta aleatoriedad en el flujo marca una diferencia en las pruebas que
evita tener un comportamiento similar en ellas el cual puede llevar a una identificación errónea del
sistema.
Las figuras correspondientes a los niveles de agua en los tanques están compuestas por cuatro señales. Las
azules corresponden a los datos obtenidos del sistema real y las rojas a los resultados obtenidos de
simulación. Para cada caso, la señal que siempre se encuentra por encima de la otra de igual color, es el
nivel de agua en el tanque 1 y la restante es el nivel en el tanque 2.
14
Prueba # 1
Prueba # 2
Prueba # 3
0 100 200 300 400 500 600 700 800 900-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
0 100 200 300 400 500 600 700 800-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
Figura 7. Comparación nivel de los tanques del sistema con simulación –
Figura 9. Comparación nivel de los tanques del sistema con simulación – Segunda prueba
15
A partir de los resultados mostrados anteriormente, se puede observar que existe una diferencia en el
comportamiento de las alturas entre el sistema real y la simulación del modelo. Luego es necesario
corregir el modelo realizando una identificación del sistema con el fin de obtener una representación
apropiada para el diseño de los controladores. Para llevar a cabo la identificación, se hizo uso del toolbox
de MATLAB “System Identification Toolbox”, el cual cuenta con una gran variedad de herramientas para
la identificación de sistemas.
Para este caso, el método usado consiste en la estimación de modelos no lineales por caja gris a partir de
un conjunto de datos de la salida y entrada del sistema. Los modelos de caja gris describen el sistema por
medio de ecuaciones diferenciales cuyos parámetros son desconocidos. A través de valores iniciales
definidos con anterioridad para los parámetros de las ecuaciones, se hace una comparación entre los datos
obtenidos para la entrada y salida del sistema y la respuesta de la ecuación diferencial al mismo arreglo de
datos de entrada. Es decir, se definen las ecuaciones diferenciales que describan el sistema a identificar,
luego con el vector de entrada obtenido experimentalmente se alimentan las ecuaciones para observar
simultáneamente sus salidas con las del sistema físico. Finalmente, de acuerdo con el resultado de dicha
comparación, se definen los parámetros de las ecuaciones diferenciales que se deseen estimar. La
estimación se desarrolla utilizando un método iterativo de minimización del error cuya función objetivo a
minimizar es:
N
t
teOF1
2.
tytyte~
donde,
simulado modelo del obtenido salidas deVector :
pruebas las de obtenido salidas deVector :
~
ty
ty
0 50 100 150 200 250 300 3500
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
Figura 11. Flujo de entrada – Tercera prueba Figura 10. Comparación nivel de los tanques del sistema con simulación –
16
Para la estimación de los parámetros se debe tener en cuenta que la densidad del agua, la gravedad, la
gravedad específica, los radios y las alturas de los tanques y el área de la sección transversal del tanque
cilíndrico están definidos. Dado que la mayoría de los parámetros del modelo son conocidos, la estimación
se efectúa únicamente sobre el coeficiente de la válvula de comunicación entre los tanques (Cv) y el área
de salida del flujo (Ao). Para lograr obtener una medida de la aproximación del modelo estimado al
sistema real se calcula el FIT (dado su significado en inglés que es ajuste), el cual es una medida que
establece el porcentaje de acercamiento entre el modelo y el sistema. Este es calculado mediante la
siguiente formula establecida en [7].
%1001
yy
yy
FIT
yy
y
y
vector del medioValor :
sistema del salida deVector :
simulado modelo del salida deVector :^
Las figuras a continuación comparan los datos obtenidos experimentalmente de las pruebas mostradas
anteriormente con la simulación del modelo a partir de los parámetros estimados de cada prueba con el fin
de obtener el modelo del sistema con el mejor FIT.
Prueba # 1
Coeficiente de la válvula: 2,3×10-6
Pa
sm 3
Área de salida: 9,5×10-6
m2
0 200 400 600
0.45
0.5
0.55
Nivel Tanque No Lineal. (sim)
Niv
el T
anque N
o L
ineal (m
)
z; measured
nlgr; fit: 90.95%
0 200 400 6000.42
0.44
0.46
0.48
Nivel Tanque Cilíndrico. (sim)
Time (s)
Niv
el T
anque C
ilíndrico (
m)
z; measured
nlgr; fit: 95.65%
Figura 12. Identificación sistema modo 3 – Primera prueba
17
Prueba # 2
Coeficiente de la válvula: 2,10656×10-6
gpm/psi
Coeficiente de la válvula: 2,10656×10-6
Pa
sm 3
Área de salida: 1,13373×10-6
m2
Prueba # 3
0 50 100 150 200 250 3000.45
0.5
0.55
Nivel Tanque No Lineal. (sim)
Niv
el T
anque N
o L
ineal (m
)
z; measured
nlgr; fit: 91.68%
0 50 100 150 200 250 300
0.46
0.47
0.48
0.49
Nivel Tanque Cilíndrico. (sim)
Time (s)
Niv
el T
anque C
ilíndrico (
m)
z; measured
nlgr; fit: 94.04%
0 200 400 600 800
0.4
0.45
0.5
0.55
Nivel Tanque No Lineal. (sim)
Niv
el T
anque N
o L
ineal (m
)
z; measured
nlgr; fit: 76.73%
0 200 400 600 800
0.32
0.34
0.36
0.38
0.4
0.42
Nivel Tanque Cilíndrico. (sim)
Time (s)
Niv
el T
anque C
ilíndrico (
m)
z; measured
nlgr; fit: 89.11%
Figura 13. Identificación sistema modo 3 – Segunda prueba
18
Coeficiente de la válvula: 2,41954×10-6
Pa
sm 3
Área de salida: 7,4191×10-6
m2
A partir de los anteriores resultados y demás pruebas desarrolladas, se presenta la siguiente tabla
indicando la estimación de los parámetros y el FIT de los tanques para cada prueba.
Cv [
⁄
]
Ao [m] FIT Tanque Lineal
[%]
FIT Tanque No
Lineal[%]
2,3×10-6
9,5×10-6
90,95 95,65
2,1×10-6
1,1×10-6
89,11 76,73
2,4×10-6
7,4×10-6
94,04 91,68
1,9×10-6
1,1×10-5
83,86 92,19
2,9×10-5
2,6×10-6
25,53 88,63
2,1×10-6
9,7×10-6
92,58 86,95 Tabla 2. FIT obtenido con diferentes parámetros – Modo 3
De las estimaciones obtenidas anteriormente, se seleccionan los parámetros con los que se obtiene un
mejor FIT para ambos tanques. Los nuevos parámetros a remplazar en el modelo desarrollado en [1] son
entonces:
Coeficiente de la válvula: 2.41954×10-6
Pa
sm 3
Área de salida: 7.4191×10-6
m2
Una vez seleccionado los valores para los anteriores parámetros, es necesario validar el nuevo modelo y
verificar que represente de manera adecuada las dinámicas del sistema. Para ello se realizaron nuevas
pruebas utilizando el mismo procedimiento que las anteriores, es decir, alimentando el sistema de tanques
interactuantes con un flujo de entrada aleatorio y observando el comportamiento del nivel de agua en cada
tanque. Luego con la misma señal de entrada se simula el sistema con los nuevos parámetros y se compara
la respuesta del sistema con la obtenida en simulación encontrando el FIT de cada tanque.
Prueba # 1
0 50 100 150 200 250 300
0.35
0.4
0.45
0.5
0.55
0.6
0.65Modo 3
Altura
[m
]
Tiempo [s]
Real
Modelo
0 50 100 150 200 250 3000
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
Figura 15. Validación del modelo obtenido – Primera validación
19
FIT (Tanque Cilíndrico) = 95,4653 % FIT (Tanque No Lineal) = 89,5705 %
Prueba # 2
FIT (Tanque Cilíndrico) = 94,4359 % FIT (Tanque No Lineal) = 86,4985 %
Prueba # 3
FIT (Tanque Cilíndrico) = 95,8155 % FIT (Tanque No Lineal) = 92,2566 %
0 50 100 150 200 250 300-2
-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
0 50 100 150 200 250 300
0.35
0.4
0.45
0.5
0.55
0.6
0.65Modo 3
Altura
[m
]
Tiempo [s]
Real
Modelo
0 50 100 150 200 250 300 350
0.35
0.4
0.45
0.5
0.55Modo 3
Altura
[m
]
Tiempo [s]
Real
Modelo
0 50 100 150 200 250 300 350-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
Figura 19. Validación del modelo obtenido – Tercera validación
20
Como se puede observar, el FIT obtenido en cada prueba es bastante alto, indicando entonces que el
modelo representa al sistema real. Luego el modelo identificado puede ser usado para el diseño de las
técnicas de control.
2.3.2 Modo 4
Para el modo de operación 4, las pruebas fueron desarrolladas bajo los siguientes parámetros:
- La válvula de salida del tanque lineal totalmente cerrada.
- La válvula de salida del tanque no lineal parcialmente cerrada.
- La válvula que comunica los dos tanques, abierta.
En cuanto al modelo simulado, los valores de los parámetros de las ecuaciones descritas anteriormente se
encuentran en la siguiente tabla.
Parámetro Valor Unidad
Densidad del agua (ρ) 1000 Kg/m3
Coeficiente de la válvula que
comunica los tanques (Cv) 4,55883×10
-6
Pa
sm 3
Gravedad (g) 9,807 m/s2
Gravedad específica del agua (Gf) 1
Radio tanque cilíndrico (R2) 0,3 m
Radio tanque no lineal (R1) 0,6 m
Altura tanque no lineal (Z) 0,6 m
Área del orificio de salida del
tanque 1 (Ao) 1,2272×10
-4 m
2
Tabla 3. Parámetros iniciales modo 4
Las gráficas a continuación muestran la respuesta del sistema y el modelo ante un mismo flujo de entrada
el cual también va indicado. Esta señal de entrada seleccionada para las pruebas es una señal cuyo valor y
frecuencia varían aleatoriamente con el fin de observar el comportamiento del sistema ante diferentes
valores para el flujo de entrada. La aleatoriedad en el flujo marca una diferencia en las pruebas que evita
tener un comportamiento similar en ellas el cual puede llevar a una identificación errónea del sistema.
Prueba # 1
Figura 21. Flujo de entrada – Modo 4, primera prueba
0 50 100 150 200 250 300 350 4000.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Modo 4
Altura
[m
]
Tiempo [s]
Real
Modelo
0 50 100 150 200 250 300 350 4000
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
21
Prueba # 2
Prueba # 3
De la misma manera que en el modo 3, existe una diferencia en el comportamiento de las alturas entre el
modelo y el sistema como tal. Luego es necesario realizar una corrección al modelo para tener un mejor
acercamiento al verdadero comportamiento del sistema. Mediante el mismo método trabajado en el modo
3, la identificación desarrollada arrojó los siguientes resultados en cuanto a la estimación del modelo:
Prueba # 1
Figura 23. Comparación nivel de los tanques del sistema con simulación – Modo
4, segunda prueba
Figura 24. Flujo de entrada – Modo 4, segunda prueba
Figura 25. Comparación nivel de los tanques del sistema con simulación – Modo 4, Figura 26. Flujo de entrada – Modo 4, tercera prueba
0 50 100 150 200 250 300 350 4000.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Modo 4
Altura
[m
]
Tiempo [s]
Real
Modelo
0 50 100 150 200 250 300 350 4000
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Flujo de entrada
0 100 200 300 400 500 6000.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Modo 4
Altura
[m
]
Tiempo [s]
Real
Modelo
0 100 200 300 400 500 6000
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Flujo de entrada
22
Figura 27. Identificación sistema modo 4 – Primera prueba
Coeficiente de la válvula: 1,32592×10-6
Pa
sm 3
Área de salida: 4,9248×10-6
m2
Prueba # 2
0 100 200 3000.22
0.24
0.26
0.28
Nivel Tanque No Lineal. (sim)
Niv
el T
anque N
o L
ineal (m
)
z; measured
nlgr; fit: 80.27%
0 100 200 300
0.4
0.5
0.6
Nivel Tanque Cilíndrico. (sim)
Time (s)
Niv
el T
anque C
ilíndrico (
m)
z; measured
nlgr; fit: 94.49%
0 100 200 300
0.3
0.32
0.34
Nivel Tanque No Lineal. (sim)
Niv
el T
anque N
o L
ineal (m
)
z; measured
nlgr; fit: 84.76%
0 100 200 300
0.4
0.5
0.6
Nivel Tanque Cilíndrico. (sim)
Time (s)
Niv
el T
anque C
ilíndrico (
m)
z; measured
nlgr; fit: 88.67%
Figura 28. Identificación sistema modo 4 – Segunda prueba
23
Coeficiente de la válvula: 1,15999×10-6
Pa
sm 3
Área de salida: 3.2087×10-6
m2
Prueba # 3
Figura 29. Identificación sistema modo 4 – Tercera prueba
Coeficiente de la válvula: 1,16758 ×10-6
Pa
sm 3
Área de salida: 2,77976×10-6
m2
Teniendo en cuenta los anteriores resultados de la identificación del sistema y junto con otras pruebas
adicionales se presenta la siguiente tabla que indica el valor de los parámetros obtenidos en cada prueba
junto con el FIT de cada tanque.
Cv [
⁄
]
Ao [m] FIT Tanque Lineal
[%]
FIT Tanque No
Lineal[%]
1,3×10-6
4,9×10-6
94,49 80,27
1,1×10-6
3.2×10-6
88,67 84,76
1,2×10-6
2,8×10-6
91,88 85,54
1,4×10-6
5,9×10-6
88,37 88,98
1,3×10-6
5,4×10-6
94,22 81,87
1,2×10-6
8,5×10-6
90,77 75,73 Tabla 4. FIT obtenido con diferentes parámetros – Modo 4
0 100 200 300 400 500
0.26
0.28
0.3
0.32
Nivel Tanque No Lineal. (sim)N
ivel T
anque N
o L
ineal (m
)
z; measured
nlgr; fit: 85.54%
0 100 200 300 400 5000.3
0.4
0.5
0.6
Nivel Tanque Cilíndrico. (sim)
Time (s)
Niv
el T
anque C
ilíndrico (
m)
z; measured
nlgr; fit: 91.98%
24
A partir de la tabla, se observa que para algunos de los parámetros el FIT es bastante parecido, sin
embargo, teniendo en cuenta las diferencias numéricas entre los porcentajes, es posible establecer que los
parámetros con los que se obtiene un mejor FIT son:
Coeficiente de la válvula: 1,2 ×10-6
Pa
sm 3
Área de salida: 2,8×10-6
m2
De igual forma que con el modelo obtenido para el modo 3, es necesario validar el modelo para este modo
de operación. Utilizando el mismo procedimiento, a continuación se muestran los resultados obtenidos con
pruebas adicionales para la validación del modelo con lo anteriores parámetros.
Prueba # 1
FIT (Tanque Cilíndrico) = 93,0654 % FIT (Tanque No Lineal) = 70,4535 %
Prueba # 2
Figura 32. Validación del modelo obtenido – Modo 4, segunda
0 50 100 150 200 250 300 350 400 450
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Modo 4
Altura
[m
]
Tiempo [s]
Real
Modelo
0 50 100 150 200 250 300 350 400 4500
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
0 100 200 300 400 500 6000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7Modo 4
Altura
[m
]
Tiempo [s]
Real
Modelo
0 100 200 300 400 500 6000
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
25
FIT (Tanque Cilíndrico) = 70,3009 % FIT (Tanque No Lineal) = 74,4336 %
Prueba # 3
FIT (Tanque Cilíndrico) = 87,366 % FIT (Tanque No Lineal) = 79,3572 %
De acuerdo con el FIT obtenido en las anteriores pruebas, se observa que el modelo presenta un buen
acercamiento al sistema de tanques interactuantes, luego el modelo establecido será usado para el diseño
de los controladores a ser implementados en el modo de operación 4.
2.4 MODELO DINÁMICO DE LA VÁLVULA
Es importante tener en cuenta que la válvula que controla el flujo de entrada al sistema recibe un número
de 0 a 100 como entrada, que indica el porcentaje de apertura al cual debe abrirse para permitir el paso del
agua. Sin embargo el tiempo de respuesta de la válvula no es inmediato, lo cual afecta el desempeño del
control. Entonces, es necesario tener en cuenta ese tiempo de reacción mediante un modelo de la válvula.
De esta manera se tiene el siguiente esquema de control:
VÁLVULA SISTEMA
TANQUES
CONTROL
SETPOINT
0 50 100 150 200 250 300 350 400 450 5000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7Modo 4
Altura
[m
]
Tiempo [s]
Real
Modelo
0 50 100 150 200 250 300 350 400 450 5000
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Flujo de entrada
26
Para definir el modelo de la válvula se envió como entrada una señal tipo paso a la válvula de una
amplitud del 40 % con el fin de observar su respuesta a una entrada tipo paso y a partir de ella, obtener un
modelo de primer orden para la válvula.
Figura 37. Respuesta de la válvula ante una entrada paso
De la figura 37 se observa que hay un tiempo de retardo de 1 segundo en la respuesta de la válvula, luego
es necesario obtener un modelo de primer orden más tiempo muerto. De acuerdo con la metodología
presente en [6] para modelar un sistema cuya respuesta a una entrada paso es de la forma anterior, el
modelo de la válvula es entonces:
155,1
002,11
sesG s
válvula
De igual forma que con los modelos de los modos de operación, el modelo obtenido anteriormente
requiere de una validación. Para ello se realizaron pruebas adicionales con el fin de observar el
comportamiento simultáneo de la válvula y su modelo, para posteriormente calcular el FIT obtenido con la
simulación de tal forma que permita tener una medida del acercamiento del modelo a la válvula como tal.
Las gráficas a continuación indican la referencia a seguir de la válvula, junto con su respuesta y la del
modelo.
0 5 10 15 20 250
20
40
60Respuesta de la válvula a una entrada paso
Tiempo [s]
Porc
enta
je d
e a
pert
ura
[%
]
6 7 8 9 10 11 12
10
20
30
40
50
Respuesta de la válvula a una entrada paso
Tiempo [s]
Porc
enta
je d
e a
pert
ura
[%
]
Respuesta válvula
Referencia
Respuesta válvula
Referencia
27
FIT = 71,9910 % FIT = 79,8226 %
Figura 40. Validación modelo válvula – Tercera prueba
FIT = 88,2545 %
A partir de las anteriores figuras, se observa que la respuesta del modelo de primer orden más tiempo
presenta un comportamiento similar al de la válvula a pesar de ser la respuesta del modelo un poco más
suave. Los tiempos de establecimiento son muy parecidos para ambos casos al igual que el tiempo de
retardo. Luego, el modelo obtenido de primer orden representa correctamente el comportamiento de la
válvula y de esta manera puede ser usado en el esquema de control presentado anteriormente en la figura
36.
0 5 10 15 20 250.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5Respuesta paso
Tiempo [s]
Porc
enta
je d
e a
pert
ura
[%
]
Real
Referencia
Simulación
0 2 4 6 8 10 12 14 16 18 2045
50
55
60
65
70
75Respuesta paso
Tiempo [s]
Porc
enta
je d
e a
pert
ura
Real
Referencia
Simulación
0 2 4 6 8 10 12 14 16 18 2020
25
30
35
40
45
50
55Respuesta paso
Tiempo [s]
Porc
enta
je d
e a
pert
ura
[%
]
Real
Referencia
Simulación
28
2.5 SIMULACIONES
Para simular el comportamiento del sistema a partir de las ecuaciones que describen la dinámica de cada
modo de operación, se hace uso de MATLAB junto con Simulink. A partir de las ecuaciones diferenciales
descritas anteriormente, se desarrolla una función en MATLAB con parámetros de entrada el nivel de
agua en cada tanque y como salida la derivada de cada nivel respecto al tiempo. Mediante la
implementación gráfica de dicha función en Simulink por interconexión de bloques, es posible observar
las señales de interés en el tiempo para lograr observar la respuesta del sistema ante ciertos valores de
flujo de entrada, el tiempo de estabilización y relación entre los niveles para luego diseñar las técnicas de
control.
Usando un flujo de entrada de 4,9 3
4
s
m 104 , el cual es el flujo máximo para el sistema, y con las
mínimas condiciones iniciales (17 cm para el tanque no lineal y 25 para el cilíndrico) el nivel en los
tanques presenta el comportamiento mostrado a continuación.
Figura 41. Nivel de agua en los tanques ante un flujo de entrada constante en el modo de operación 3
A partir de la gráfica se observa que el nivel del tanque 1 (TK-01) llega a su nivel máximo de 0,6 metros
en aproximadamente 340 s iniciando en su nivel mínimo de 0.17 m. Así mismo, en este tiempo el nivel en
el tanque cilíndrico llega hasta los 0.33 m. Entonces, el rango de nivel para las condiciones iniciales
mínimas de cada tanque, en el que puede ser controlado el tanque 2 (tanque cilíndrico) es entre los 0.26 m
y 0.33 m dado la limitación del sensor, la dinámica del sistema y la interacción entre los dos tanques. Sin
embargo, para otras condiciones iniciales, el nivel de referencia para el controlador puede aumentar un
poco, dependiendo de la relación entre las alturas de los tanques. Por ejemplo, si ambos tanques
comienzan en 0.33 m, la altura del tanque lineal va a incrementarse, no en la misma proporción que al
empezar en su nivel mínimo, pero aumenta. No obstante, esto no significa que el rango de control aumente
en la misma cantidad, ya que para mantener el nivel de referencia establecido en el tanque lineal, su nivel
de agua tiene que tener cierta relación con el nivel en el tanque no lineal, pues la altura en este último debe
ser mayor para lograr un estado estable en el sistema.
0 50 100 150 200 250 300 350 400 4500.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque No Lineal
Nivel Tanque Lineal
29
Empleando el flujo máximo en el modo 4 y con las condiciones iniciales mínimas de cada tanque, se tiene
la siguiente gráfica descriptiva del nivel de agua en los tanques.
Figura 42. Nivel de agua en los tanques ante un flujo de entrada constante en el modo de operación 4
En este modo de operación, el nivel en el tanque 2 (TK-02) alcanza su altura máxima en un tiempo
aproximadamente de 320 s. Así mismo, el tanque no lineal en dicho tiempo alcanza una altura de 0.24 m,
lo que significa que este valor será el máximo a regular para las condiciones iniciales mínimas. Sin
embargo, se debe tener en cuenta que al cambiar las condiciones iniciales, el rango puede aumentar
dependiendo de la dinámica para este modo y la relación que exista entre los niveles de agua en cada
tanque como ya se explicó anteriormente para el modo 3.
0 50 100 150 200 250 300 350 4000.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
30
3. DISEÑO Y SIMULACIÓN DE LOS CONTROLADORES
3.1 CONTROL PID
El siguiente capítulo se centra en el diseño de un control PID sobre el sistema linealizado del modelo del
sistema de tanques interactuantes para cada modo de operación. Una vez se cuenta con el modelo del
controlador, se hará un análisis del efecto del control sobre el modelo no lineal a través de simulaciones
que permitan observar su desempeño.
Tradicionalmente, los controladores PID son sintonizados o bien manualmente o basándose en métodos
manuales que son iterativos y consumen demasiado tiempo. Adicionalmente, estos métodos presentan
ciertas limitaciones en el tipo de sistema ya que no soportan sistemas inestables y de orden elevado. De
esta manera, para el diseño del controlador PID se hizo uso de la herramienta “Simulink Control Design
PID Tuner” la cual sintoniza las ganancias PID automáticamente en un sistema que contenga el bloque “
PID controller (2DOF)”. Este sintonizador brinda la posibilidad de lograr un buen balance entre
desempeño y robustez del controlador.
El esquema del control PID utilizado es el siguiente:
yr
sN
NKyr
sKyrK dip
1
1
1 (1)
donde,
r: Referencia
y: Salida
Kp = Constante proporcional
Ki = Constante integral
Kd = Constante derivativa
N = Coeficiente del filtro
Utilizando entonces este método para el diseño del PID, a continuación se incluyen los valores de cada
ganancia (Kp, Ki, Kd) y del coeficiente del filtro obtenidos al sintonizar el controlador para cada modo.
3.1.1 Modo de operación 3
Después de sintonizar los parámetros del controlador para regular el nivel en TK-02 con el fin de lograr un
tiempo de respuesta alrededor de los 3000 s y un error en estado estable menor al 1 %, se obtuvieron los
siguientes valores para los parámetros del controlador:
Kp= 0.012
Ki= 2.09×10-6
Kd= -0.40
N= 0.02
31
Al simular el desempeño del control sobre el modelo lineal ante una referencia unitaria, el resultado
obtenido es el siguiente:
Figura 43. Respuesta control PID sobre el modelo lineal - Modo 3
De la respuesta anterior, se observa que el control presenta un buen desempeño ya que alcanza el setpoint
satisfactoriamente y con un buen tiempo de respuesta teniendo en cuenta que el sistema en sí es lento. Sin
embargo, al simularlo sobre el modelo no lineal directamente, con condiciones iniciales iguales a las del
punto de operación (Nivel tanque lineal = 0,29 m y Nivel tanque no lineal = 0,31 m) el resultado es
totalmente diferente, tal y como se muestra a continuación.
Figura 44. Respuesta control PID sobre el modelo no lineal – Modo 3
0 500 1000 1500 2000 2500 3000 3500 4000
0.29
0.295
0.3
0.305
0.31
0.315
0.32
0.325
Tiempo [s]
Altura
[m
]
Modo 3
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
32
Figura 45. Señal de control del PID sobre modelo no lineal – Modo 3
Con el objetivo de analizar el desempeño del control PID sobre el modelo simulado del modo 3, se
desarrollaron pruebas de robustez tales como respuesta del control a un cambio de referencia, perturbación
en el nivel de agua del tanque cilíndrico y variación en el flujo de salida, manteniendo las mismas
condiciones iniciales de la anterior respuesta (Nivel tanque cilíndrico = 0,29 m y nivel tanque no lineal =
0,31 m). A continuación se incluyen los resultados obtenidos para cada prueba.
Cambio de referencia
En esta prueba, se hizo un cambio de referencia al control de 0,3 m a 0,32 m después de haber alcanzado
el estado estable para el primer setpoint. Los resultados fueron:
0 500 1000 1500 2000 2500 3000 3500 40000
1
2
3
4
5
6
7
8
9x 10
-5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
0 1000 2000 3000 4000 5000 6000 7000 8000
0.3
0.32
0.34
0.36
0.38
0.4
Tiempo [s]
Altura
[m
]
Modo 3
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 1000 2000 3000 4000 5000 6000 7000 80000
1
2
x 10-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
33
Variación en el flujo de salida
Para esta prueba, después de llegar al estado estable, se aumentó el flujo de salida del tanque cilíndrico en
un factor de dos. El comportamiento obtenido es el siguiente:
Perturbación en el nivel del tanque cilíndrico
En este caso, se perturbó el nivel de agua en el tanque lineal reduciendo su nivel en 0,1 m después de
estabilizarse en la referencia.
0 2000 4000 6000 8000 10000 12000
0.29
0.295
0.3
0.305
0.31
0.315
0.32
0.325
0.33
0.335
Tiempo [s]
Altura
[m
]
Modo 3
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 2000 4000 6000 8000 10000 120000
1
2
3
4
5
6
7
8
9x 10
-5
Tiempo [s]F
lujo
de e
ntr
ada [
m3/s
]
Señal de control
Figura 48. Variación en el flujo de salida PID – Simulación modo 3
0 1000 2000 3000 4000 5000 6000 7000 8000
0.29
0.295
0.3
0.305
0.31
0.315
0.32
0.325
0.33
Tiempo [s]
Altura
[m
]
Modo 3
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 1000 2000 3000 4000 5000 6000 7000 80000
0.2
0.4
0.6
0.8
1
1.2x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
Figura 50. Perturbación nivel PID – Simulación modo 3
34
La tabla a continuación contiene los valores de cada una de las características para las anteriores pruebas
realizadas.
Característica Respuesta a una
referencia
Cambio de
referencia
Ampliación del
área de salida por
un factor de 2
Perturbación de
0,1 m en el
tanque 2
Tiempo de
establecimiento
(s)
2036 3515 6200 2801
Error en
estado estable
(%)
0,333 0,6250 0,2667 0,2333
Tiempo de
subida (s) 141 190 372 153
Tiempo de pico
(s) 322 540 502 359
Porcentaje de
sobre pico (%) 2,0401 7,5448 0,5682 2,4
Máximo valor
de la señal de
control (gpm)
1,3082 3.5655 1,2749
1,65
Tabla 5. Desempeño control PID – Simulación modo 3
Como se puede observar, ante una variación en el flujo de salida el tiempo de estabilización aumenta
bastante, no obstante la señal de control presenta un buen comportamiento ya que no contiene cambios
bruscos y lograr estabilizarse en su valor final, lo que es una conducta deseada para ser aplicada al sistema
de tanques interactuantes como tal. El porcentaje de error en estado estable para todos los casos no pasa
del 1 % lo cual es bueno.
3.1.2 Modo de operación 4
Conservando el mismo esquema presente en la ecuación (1), los valores para los parámetros obtenidos de
igual forma que en el modo 3 son:
Kp= 0.006
Ki= 2.4×10-6
Kd= 3.22
N= 0.02
La repuesta del modelo lineal ante la implementación del controlador es:
35
Figura 52. Respuesta control PID sobre el modelo lineal – Modo 4
Como se puede observar, el desempeño del control sobre el modelo lineal del sistema para el modo de
operación 4, presenta un buen tiempo de respuesta y llega a la referencia sin problema alguno. No
obstante, el efecto del control al simularlo sobre el modelo no lineal con condiciones iniciales iguales a las
del punto de operación (Nivel tanque lineal = 0,31 m y Nivel tanque no lineal = 0,28 m) cambia un poco
tal y como se ve en la figura 53.
Figura 53. . Respuesta control PID sobre el modelo no lineal – Modo 4
0 1000 2000 3000 4000 5000 6000 7000 80000.25
0.3
0.35
0.4
0.45
0.5
Tiempo [s]
Altura
[m
]
Modo 4
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
36
Figura 54. Señal de control PID sobre modelo no lineal – Modo 3
Con el propósito de analizar el desempeño del control PID sobre el modelo simulado del modo 4, se
desarrollaron las mismas pruebas de robustez que en el modo 3, manteniendo las mismas condiciones
iniciales de la anterior respuesta (Nivel tanque cilíndrico = 0,28 m y nivel tanque no lineal = 0,317 m). A
continuación se incluyen los resultados obtenidos para cada prueba.
Cambio de referencia
La respuesta del control ante un cambio de referencia de 0,30 m a 0,32 m se muestra a continuación.
0 1000 2000 3000 4000 5000 6000 7000 80000
1
2
3
4
5
6x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
Tiempo [s]
Altura
[m
]
Modo 4
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000
1
2
3
4
5
6x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
37
Variación en el flujo de salida
Ante un aumento en el flujo de salida por un factor de 2, la respuesta del PID es:
Perturbación en el nivel del tanque no lineal
Tras una perturbación en el nivel del tanque no lineal la cual consistió en una reducción de 0,1 m en la
altura del agua, la respuesta del controlador es:
0 2000 4000 6000 8000 10000 120000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
Tiempo [s]
Altura
[m
]
Modo 4
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 2000 4000 6000 8000 10000 120000
1
2
3
4
5
6x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
Figura 58. Señal de control PID ante una variación en el flujo de salida –
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000.25
0.3
0.35
0.4
0.45
0.5
Tiempo [s]
Altura
[m
]
Modo 4
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000
1
2
3
4
5
6x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
Figura 60. Señal de control ante una perturbación en el nivel del
38
La tabla a continuación contiene los valores de cada una de las características para las anteriores pruebas
realizadas.
Característica Respuesta a una
referencia
Cambio de
referencia
Ampliación del
área de salida por
un factor de 2
Perturbación de
0,1 m en el
tanque 2
Tiempo de
establecimiento
(s)
4930 4097 4757 4608
Error en
estado estable
(%)
0,1667 0,25 0,10 0,20
Tiempo de
subida (s) 520 389 2941 252
Tiempo de pico
(s) 774 869 3817 656
Porcentaje de
sobre pico (%) 0,667 2,6250 0,067 2,0333
Máximo valor
de la señal de
control (gpm)
7,7890 7,7890 4,7720 7,7890
Tabla 6. Desempeño control PID – Simulación modo 4
De acuerdo con la tabla anteriormente mostrada, el control diseñado presenta un buen desempeño ya que
el esfuerzo de la señal de control no es alto, el error en estado estable es menor al 1 % y los tiempos de
respuesta son rápidos considerando la dinámica del sistema para este modo. Luego el control PID puede
implementarse sobre el sistema directamente con el fin de esperar un comportamiento similar al
presentado.
3.2 CONTROL PREDICTIVO
Este capítulo se centra en el diseño y evaluación del control predictivo sobre el modelo matemático del
sistema haciendo uso del toolbox MPT (Multi-Parametric Toolbox) [8] en MATLAB y verificando su
desempeño mediante simulaciones implementadas en Simulink.
El toolbox MPT es usado para el diseño, análisis y despliegue de controles óptimos para problemas con
limitaciones físicas y sistemas tanto no lineales como híbridos. La eficiencia del código implementado es
bastante alta dado que cuenta con una extensa librería de algoritmos computacionales geométricos y de
optimización. Posee una amplia gama de algoritmos compilados en un formato fácil de usar y accesible;
desde problemas con objetivos de rendimiento diferentes como lineal hasta cuadrático. Brinda la
posibilidad de agregar restricciones de acuerdo con las limitaciones físicas del sistema, y desarrollar
funciones objetivo personalizadas.
39
Antes de diseñar el control predictivo, es importante conocer cómo ajustar sus parámetros para cumplir
con los requerimientos del problema. Para ello se debe tener en cuenta que:
- Se debe seleccionar el horizonte de control de tal forma que se obtenga la mejor relación entre el
tiempo de predicción y complejidad del problema, dado que un horizonte pequeño disminuye el
tiempo en el que el controlador MPC predice las salidas. Sin embargo un horizonte extenso,
representa un mayor número de muestras para realizar la predicción, pero así mismo se
incrementan los cálculos necesarios para la solución del problema de optimización.
- La regla de Bryson es una herramienta útil para seleccionar el valor de las matrices de peso Q y R
de la función objetivo. Aunque esta regla puede brindar buenos resultados, en ocasiones es sólo un
valor de inicio para un proceso de prueba y error para la selección de dichas matrices.
- Es posible contemplar restricciones sobre las variables de estado, las salidas y así mismo las
entradas del sistema.
Es importante tener en cuenta que al ser un problema de programación cuadrática con funciones de costo
cuadráticas, la función objetivo se hace convexa, lo cual garantiza una solución al problema para cierto
punto. De esta manera, el problema a optimizar es el siguiente:
maxmin
maxmin
maxmin
0
1
0
,,
ykyy
ukuu
ukuu
kwkukxgky
kuRkukwkyQkwky
dyn
Nc
k
TN
k
T
donde,
Δu vector que representa la tasa de cambio de la entrada – variable de decisión
y vector de salida
w vector de referencia
N horizonte de predicción
Nc horizonte de control
Q matriz de peso de las salidas
R matriz de peso del cambio en las entradas
umin, umax restricciones de las entradas
Δumin, Δumax restricciones en los cambios de las entradas
ymin, ymax restricciones en las salidas
El término gdyn(x(k),u(k)) corresponde a la función de actualización de las salidas.
ts
Nuu
.
min)1(),...,0(
40
La definición de los valores de los parámetros del MPC no se rige bajo ninguna norma ni método, esta se
realiza teniendo en cuenta la dinámica del proceso, si es un sistema lento o no, las restricciones, los
objetivos del control y demás, para iniciar con ciertos valores, y a partir del comportamiento del control
realizar ajustes en los parámetros teniendo en cuenta el efecto de cada uno sobre la planta. No obstante,
existen ciertos métodos que dan un indicio para definir el valor de algunos parámetros. De acuerdo con la
regla de Bryson [10], el término Q es una matriz diagonal cuyos valores de la diagonal pueden ser
obtenidos mediante la siguiente ecuación:
n1,2,3,...,
12
isalidaslasparaaceptablevalormáximo
Qii
donde n es el número de salidas.
A continuación se incluye el proceso de diseño del control predictivo y su desempeño sobre el modelo no
lineal de los modos de operación 3 y 4.
3.2.1 Modo de operación 3
Debido a que el diseño del control, requiere de un modelo linealizado del sistema, es necesario encontrar
aquel modelo lineal que brinde un mejor desempeño del control. Teniendo en cuenta las simulaciones
desarrolladas en la sección 2.5, y considerando que el nivel de agua máximo para el tanque lineal es 0,69
m, se define de antemano un nivel de referencia para este último de 0,3 m. De esta manera, se obtuvieron
diferentes modelos linealizados de las ecuaciones diferenciales descritas anteriormente alrededor de dicho
punto con el fin de diseñar un control a partir de cada modelo y examinar el comportamiento del control
sobre el modelo no lineal del modo de operación 3.
Siendo el nivel 1, el nivel en el tanque no lineal y el nivel 2, el nivel en el tanque no lineal, los modelos
linealizados son:
- Nivel 2: 0,3 m Nivel 1: 0,31 m Flujo de entrada: 2,36×10-5
m3/s (Primer modelo)
004343,0004237,0
003801,00038,0A
0
173,3B
10
01C
0
0D
- Nivel 2: 0,3 m Nivel 1: 0,32 m Flujo de entrada: 3,26×10-5
m3/s (Segundo modelo)
41
003102,0002996,0
002661,0002657,0A
0
141,3B
10
01C
0
0D
- Nivel 2: 0,3 m Nivel 1: 0,33 m Flujo de entrada: 3,99×10-5
m3/s (Tercer modelo)
002552,0002446,0
002152,0002147,0A
0
111,3B
10
01C
0
0D
La ecuación para cada modelo está en la forma matricial que es:
BuAxx
DuCxy
Con,
2
1
h
hx
inQu
Teniendo en consideración los modelos anteriores y la regla de Bryson, los parámetros seleccionados para
un primer diseño del controlador son:
- Periodo de muestreo: 1 s
- Valor mínimo para la señal de control: 0 m3/s
- Valor máximo para la señal de control: 4,9 x 10-4
m3/s
- Valor mínimo para los estados y las salidas (nivel en los tanques): 0 m
- Nivel máximo para el tanque lineal: 0,69 m
- Nivel máximo para el tanque no lineal: 0,59 m
- Horizonte de predicción: 5
- Horizonte de control: 1
- Nivel de referencia para el tanque cilíndrico: 0,30 m
- Norma matricial: 2
42
-
20
02Q
- 1R
Dado que para el control no es de interés que el nivel de agua en el tanque no lineal siga una referencia, la
matriz de peso para las salidas Q se define como:
20
00Q
Habiendo precisado los parámetros del controlador mediante un código implementado en MATLAB [8] y
simulado junto con el toolbox de MPT, el comportamiento obtenido para las salidas del modelo no lineal
(nivel de agua en los tanques), y la ley de control para cada uno de los modelos indicados anteriomente
son:
- Nivel 2: 0,3 m Nivel 1: 0,31 m
- Nivel 2: 0,3 m Nivel 1: 0,32
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
1
2
3
4
5
6x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Figura 62. Señal de control, primer modelo – Modo 3
43
- Nivel 2: 0,3 m Nivel 1: 0,33 m
De los resultados anteriores se puede observar que la simulación del control sobre el modelo no lineal,
funciona correctamente con el primer modelo dado que se estabiliza en la referencia de 0,30 metros
mientras que en los demás, el nivel de agua en los tanques no logra estabilizarse. Lo anterior puede ser
resultado del bajo horizonte de predicción el cual no es suficiente para lograr la estabilidad en los últimos
dos modelos. Entonces, con el primer modelo, se observa que el nivel de agua en el tanque cilíndrico
alcanza efectivamente la referencia de 0,30 m respetando las limitaciones de nivel de agua para cada
tanque y el rango de valores permitidos para el flujo de entrada del sistema. Adicionalmente la señal de
control no presenta un comportamiento brusco lo cual se puede observar mejor en la figura 67 la cual es
un acercamiento de la figura 62. Luego el control diseñado sobre el primer modelo es un primer inicio el
cual puede ser implementado directamente sobre el sistema.
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
1
2
3
4
5
6x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
1
2
3
4
5
6x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Figura 64. Desempeño control del segundo modelo – Modo 3 Figura 63. Señal de control, segundo modelo – Modo 3
Figura 66. Señal de control, tercer modelo – Modo 3
44
Figura 67. Acercamiento señal de control en Fig. 62
Sin embargo para el diseño del control es necesario tener en cuenta el modelo dinámico de la válvula
debido a que su respuesta no es inmediata lo que hace necesario considerar su tiempo de reacción. De
acuerdo con el esquema de control presente en la figura 36, el sistema equivalente seria la multiplicación
del modelo lineal del modo 3 obtenido anteriormente, con el de la válvula. Entonces, el sistema final
es descrito por las siguientes matrices:
6452,000
0004343,0004237,0
051,2003801,00038,0
A
1
0
0
B
010
001C
0
0D
Es importante resaltar que la matriz de controlabilidad del anterior sistema, definida como C =[B AB A2B]
es de rango completo; luego, de acuerdo con [14], el sistema es controlable.
Manteniendo los mismos parámetros definidos anteriormente para el controlador, el diseño del control
sobre el anterior modelo que tiene en cuenta el efecto de la válvula presenta el siguiente comportamiento
tras haber sido simulado sobre el modelo no lineal.
3950 4000 4050 4100 4150 4200 4250 4300 4350 4400 4450
0
0.5
1
1.5
2
2.5
3
3.5
x 10-4
Tiempo [min]
Flu
jo d
e e
ntr
ada [
m3/s
]
Acercamiento señal de Control
45
Como se puede observar, el comportamiento del control al considerar el efecto de la válvula no es el
esperado, como en el primer caso donde su desempeño fue bueno. En esta ocasión, el nivel nunca llega a
la referencia y se queda oscilando alrededor de esta, el cual no es el objetivo. Sin embargo al tener en
cuenta el tiempo de reacción de la válvula, la señal de control se suaviza mucho más como se puede
observar en la figura 68.
Considerando que el sistema de los tanques interactuantes presenta una dinámica lenta, la frecuencia de
muestreo puede ser un poco más baja con el fin de esperar una señal de control cuya tasa de cambio sea
menor. Para estudiar el efecto del tiempo de muestreo sobre el control, se desarrollaron pruebas
adicionales donde se varía el periodo de muestreo únicamente manteniendo los mismos valores para los
demás parámetros. Los resultados obtenidos se muestran a continuación.
- Ts = 5 s
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000-0.5
0
0.5
1
1.5
2
2.5
3
3.5x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000-0.5
0
0.5
1
1.5
2
2.5
3
3.5x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Figura 71. Simulación MPC (Ts = 5 s) – Modo 3 Figura 70. Señal de control MPC (Ts = 5 s) – Modo 3
46
- Ts = 6 s
- Ts = 7 s
De las gráficas anteriores se observa que a medida que el periodo de muestreo aumenta, el tiempo de
respuesta del control se disminuye haciéndolo más rápido pero al mismo tiempo se aleja más de la
referencia. Adicionalmente, la señal de control reduce su amplitud, haciendo sus cambios de valor más
suaves. De esta manera, es necesario seleccionar un valor para Ts que brinde un buen tiempo de respuesta,
suavice la señal de control y al mismo tiempo reduzca al mínimo el error de estado estacionario. Para este
caso, el valor a seleccionar para el tiempo de muestreo de aquí en adelante es de 6 s, ya que garantiza un
buen tiempo de respuesta y reduce el error en estado estable.
En cuanto al horizonte de predicción, al aumentarlo, es de esperarse que el nivel en los tanques logre
estabilizarse dado que se cuenta con un mayor número de muestras sobre las cuales desarrollar la
predicción y así equilibrar el peso de la matriz Q sobre todas las muestras de la salida. Para analizar el
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Figura 75. Simulación MPC (Ts = 7 s) – Modo 3
Figura 74. Señal de control MPC (Ts = 7 s) – Modo 3
47
efecto del horizonte de predicción sobre el control, se diseñaron controladores con horizontes más
elevados para ser simulados sobre el modelo no lineal.
- Horizonte de predicción: 8
- Horizonte de predicción: 9
- Horizonte de predicción: 10
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4 Señal de control
Tiempo [s]F
lujo
de e
ntr
ada [
m3/s
]
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Figura 76. Simulación MPC (Np = 8) – Modo 3
Figura 78. Simulación control (Np = 9) – Modo 3
48
De los resultados anteriores es posible notar que a medida que aumenta el horizonte de predicción, el
sistema alcanza la referencia un poco más rápido y así mismo la señal de control se hace mucho más
suave. Sin embargo, el error de estado estacionario se incrementa y el control se hace más complejo, es
decir, las regiones politópicas sobre las que está definido aumentan. De acuerdo con lo anterior, es
necesario seleccionar un horizonte que permita obtener un balance entre las características ya
mencionadas. Con el objetivo de tener una señal de control lo más suave posible de tal forma que la
válvula tenga el tiempo suficiente de reacción, el horizonte de predicción seleccionado es de 10.
De las anteriores figuras se puede observar el efecto que presenta el tiempo de muestreo y el horizonte de
predicción sobre la señal de control, al aumentar el valor de estos parámetros, la variación de la señal de
control se hace más suave a cambio de un mayor porcentaje de error en estado estacionario. Luego, el
efecto de R sobre la velocidad de cambio de la señal de control, es logrado también mediante la
sintonización del horizonte de predicción y el periodo de muestreo. Entonces, el valor para R se deja como
1 debido a que si se aumenta su valor, efectivamente los cambios en la señal de control se suavizan un
poco, pero el tiempo de estabilización aumenta o en algunos casos, los niveles no se logran estabilizar y
no se obtiene un desempeño de la misma calidad que se obtiene al sintonizar el horizonte de predicción y
el periodo de muestreo correctamente.
Finalmente los parámetros del control MPC a ser implementado sobre el modo 3 del sistema de tanques
interactuantes son:
- Periodo de muestreo: 6 s
- Valor mínimo para la señal de control: 0 m3/s
- Valor máximo para la señal de control: 4,9 x 10-4
m3/s
- Valor mínimo para los estados y las salidas (nivel en los tanques): 0 m
- Nivel máximo para el tanque lineal: 0,69 m
- Nivel máximo para el tanque no lineal: 0,59 m
- Horizonte de predicción: 10
- Horizonte de control: 1
- Norma matricial: 2
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.2
0.25
0.3
0.35
0.4
0.45
0.5Modo 3
Tiempo [s]
Niv
el [m
]
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4 Señal de control
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
49
-
20
00Q
- 1R
De la misma forma que para el PID diseñado anteriormente, se desarrollaron las mismas pruebas para el
control MPC sobre el modelo del sistema con el fin de analizar la robustez del controlador. Los
parámetros bajo los cuales fueron desarrolladas las pruebas son los mismos que los utilizados en el PID
con el objetivo de comparar el desempeño de ambos controladores. Los resultados obtenidos fueron:
Cambio de referencia
Variación en el flujo de salida
0 500 1000 1500 2000 2500 3000 3500 4000
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37
Tiempo [s]
Altura
[m
]
Modo 3
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500 40000
1
2
x 10-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.3
0.32
0.34
0.36
0.38
0.4
Tiempo [s]
Altura
[m
]
Modo 3
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
1
2
x 10-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
Figura 84. Variación en el flujo (MPC) – Simulación modo 3 Figura 85. Señal de control ante una variación en el flujo de
50
Perturbación en el nivel del agua
La tabla a continuación incluye las características obtenidas del controlador a partir de cada una de las
pruebas anteriores.
Característica Respuesta a una
referencia
Cambio de
referencia
Ampliación del
área de salida por
un factor de 2
Perturbación de
0,1 m en el
tanque 2
Tiempo de
establecimiento
(s)
1536 1177 115 1127
Error en
estado estable
(%)
3,33 2,7813 1,1613 3,33
Tiempo de
subida (s) 181 197 N/A 125
Tiempo de pico
(s) 513 528 N/A 395
Porcentaje de
sobre pico (%) 11,267 7,5707 N/A 4,0313
Máximo valor
de la señal de
control (gpm)
4,0980 4,3285 1,4062 3,1538
Tabla 7. Desempeño control MPC –Simulación modo 3
A partir de la tabla 7 se observa claramente que el control MPC muestra un buen comportamiento frente a
las perturbaciones en los estados y variaciones en el flujo de salida, así mismo la señal de control expone
una conducta bastante suave lo cual es muy conveniente al momento de implementar el control
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37
Tiempo [s]
Altura
[m
]
Modo 3
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
1
2
x 10-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
51
directamente sobre el sistema de tanques interactuantes. Por otro lado, es importante aclarar que los
sobreimpulsos presentes al inicio de todas las respuestas, son debido a la interacción entre los tanques. Ya
que para incrementar el nivel del tanque cilíndrico es necesario aumentar en una gran cantidad la altura del
agua del tanque no lineal con el fin de que se transfiera gran parte del agua al tanque lineal.
3.2.2 Modo de operación 4
Al igual que en el modo de operación 3, se define un nivel de referencia de 0,3 m con el propósito de
obtener varios modelos linealizados alrededor de dicho punto y diseñar un control sobre cada modelo para
examinar su comportamiento. Los modelos resultantes se muestran a continuación.
- Nivel 2: 0,35 m Nivel 1: 0,30 m Flujo de entrada: 1,8881×10-5
m3/s (Primer modelo)
0009144,00009144,0
0008293,00009334,0A
537,3
0B
10
01C
0
0D
- Nivel 2: 0,36 m Nivel 1: 0,30 m Flujo de entrada: 2,8998×10-5
m3/s (Segundo modelo)
0008348,00008348,0
000757,000087,0A
537,3
0B
10
01C
0
0D
-
- Nivel 2: 0,37 m Nivel 1: 0,30 m Flujo de entrada: 3,5604×10-5
m3/s (Tercer modelo)
0007728,00007728,0
0007009,00008219,0A
537,3
0B
10
01C
0
0D
Teniendo en cuenta los resultados obtenidos del diseño del control para el modo de operación 3, los
parámetros iniciales para el diseño del control son:
52
- Periodo de muestreo: 5 s
- Valor mínimo para la señal de control: 0 m3/s
- Valor máximo para la señal de control: 4,9 x 10-4
m3/s
- Valor mínimo para los estados y las salidas (nivel en los tanques): 0 m
- Nivel máximo para el tanque lineal: 0,69 m
- Nivel máximo para el tanque no lineal: 0,59 m
- Horizonte de predicción: 10
- Horizonte de control: 1
- Nivel de referencia para el tanque no lineal: 0,30 m
- Norma matricial: 2
-
00
02Q
- 1R
Al igual que para el control diseñado para el modo de operación 3, se diseña un control sobre cada uno de
los modelos anteriormente obtenidos teniendo en cuenta igualmente el modelo de la válvula para simular
el controlador sobre el modelo no lineal del modo 4, con el ánimo de observar las diferencias entre los
modelos.
- Nivel 2: 0,35 m Nivel 1: 0,30 m
- Nivel 2: 0,36 m Nivel 1: 0,30 m
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
53
- Nivel 2: 0,37 m Nivel 1: 0,30 m
Como se puede observar, el control diseñado a partir del primer modelo presenta un tiempo de respuesta
un poco más rápido que los demás, a pesar de que todos mantienen el mismo comportamiento en cuanto al
nivel de agua en los tanques y la señal de control. Siendo así, el modelo a seleccionar sería el primero el
cual teniendo en cuenta el modelo de la válvula según el esquema de control es:
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Tiempo [s]
Altura
[m
]Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
Figura 91. Desempeño control del segundo modelo – Modo 4 Figura 90. Señal de control, segundo modelo – Modo 4
Figura 92. Desempeño control del tercer modelo – Modo 4 Figura 93. Señal de control, tercer modelo – Modo 4
54
6452,000
287,20009144,00009144,0
00008293,00009334,0
A
1
0
0
B
001
010C
0
0D
De igual forma, se puede verificar la controlabilidad del anterior sistema de la misma manera en que se
realizó para el anterior modo. Manteniendo los mismos parámetros definidos anteriormente para el
controlador, se diseñan nuevos controles definiendo periodos de muestreo diferentes para cada uno, con el
propósito de observar su efecto en el desempeño del modelo no lineal. Los resultados obtenidos son:
- Ts = 6 s
- Ts = 8 s
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
Figura 97. Señal de control MPC (Ts = 8 s) – Modo 4
55
- Ts = 9 s
De las anteriores figuras se observa que el efecto del periodo de muestreo es el mismo que en el modo 3,
al aumentarlo, se obtiene una señal de control un poco más suave y una respuesta más rápida, al mismo
tiempo que el nivel se aleja de la referencia. Luego, con el fin de lograr un balance entre los anteriores
criterios, se selecciona un tiempo de muestreo de 8 s.
Para la selección del horizonte de predicción, se obtuvieron leyes de control diseñadas a partir de
diferentes valores para dicho horizonte, con el fin de estudiar el efecto sobre el modelo no lineal. Los
resultados se encuentran a continuación.
- Horizonte de predicción: 9
- Horizonte de predicción: 11
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
Figura 98. Señal de control MPC (Ts = 9 s) – Modo 4
Figura 101. Simulación MPC (Np = 9) – Modo 4 Figura 100. Señal de control MPC (Np = 9) – Modo 4
56
- Horizonte de predicción: 11
Dado el efecto del horizonte de predicción en el control, el cual es el mismo que se obtuvo para el modo
de operación 3, un horizonte de 10 de acuerdo con los resultados, proporciona un balance entre tiempo de
respuesta, esfuerzo de la señal de control y error en estado estable. Finalmente los parámetros del control
predictivo a ser implementado directamente sobre el sistema de tanques interactuantes son:
- Periodo de muestreo: 8 s
- Valor mínimo para la señal de control: 0 m3/s
- Valor máximo para la señal de control: 4,9 x 10-4
m3/s
- Valor mínimo para los estados y las salidas (nivel en los tanques): 0 m
- Nivel máximo para el tanque lineal: 0,69 m
- Nivel máximo para el tanque no lineal: 0,59 m
- Horizonte de predicción: 10
- Horizonte de control: 1
- Norma matricial: 2
-
00
02Q
- 1R
De la misma forma que para el PID diseñado anteriormente para el modo de operación 4, se desarrollaron
las mismas pruebas para el control MPC sobre el modelo del sistema con el fin de analizar la robustez del
controlador. Los parámetros bajo los cuales fueron desarrolladas las pruebas son los mismos que los
utilizados en el PID con el objetivo de comparar el desempeño de ambos controladores. Los resultados
obtenidos fueron:
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
Figura 102. Señal de control MPC (Np = 11) – Modo 4
57
Cambio de referencia
Variación en el flujo de salida
Perturbación en el nivel de tanque no lineal
0 1000 2000 3000 4000 5000 6000 7000 80000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 1000 2000 3000 4000 5000 6000 7000 80000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
0 1000 2000 3000 4000 5000 6000 7000 80000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 1000 2000 3000 4000 5000 6000 7000 80000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
Figura 104. Cambio de referencia (MPC) – Simulación modo 4
58
La tabla 8 contiene las características del control obtenidas a partir de cada una de las pruebas realizadas
anteriormente.
Característica Respuesta a una
referencia
Cambio de
referencia
Variación en el
flujo de salida
Perturbación en
el nivel de agua
Tiempo de
establecimiento
(s)
3036 3331 1092 2189
Error en
estado estable
(%)
0,8667 1,1563 5,4 0,9667
Tiempo de
subida (s) 416 379 504 263
Tiempo de pico
(s) 1304 1310 759 934
Porcentaje de
sobre pico (%) 11,4 10,2813 0,74 6
Máximo valor
de la señal de
control (gpm)
4,9119 4,8530 4,9213 4,3491
Tabla 8. Desempeño control MPC – Simulación modo 4
De acuerdo con la tabla 8, se observa claramente que el MPC presenta un buen desempeño. La señal de
control presenta un buen comportamiento, especialmente en cuanto a su baja tasa de cambio lo cual es
muy indicado para la implementación del controlador sobre el sistema de tanques de interactuantes. De
igual forma que en el modo 3, los sobre impulsos presentes al inicio de las respuestas son debido a la
interacción de los tanques como ya se explicó anteriormente.
0 1000 2000 3000 4000 5000 6000 7000 80000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
Tiempo [s]
Altura
[m
]
Modo 4
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 1000 2000 3000 4000 5000 6000 7000 80000
0.5
1
1.5
2
2.5
3
3.5x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de control
59
4. ANÁLISIS DE RESULTADOS
En este capítulo se describen las pruebas realizadas y los resultados obtenidos al implementar el control
PID y el MPC para los modos de operación tres y cuatro del sistema de tanques interactuantes. Las
pruebas son desarrolladas en MATLAB con la ayuda del toolbox MPT (Multi-Parametric Toolbox) y, a
través de una interfaz de comunicación entre Simulink y Labview permitiendo obtener y enviar las
variables necesarias para la implementación del controlador.
4.1 CONTROL PID
Esta sección se centra en el análisis del desempeño de los controladores PID al ser
implementados directamente sobre el sistema de tanques interactuantes. Para cada modo se
incluyen graficas descriptivas del comportamiento de lo niveles de agua en los tanques y la señal
de control. Adicionalmente se anexan el comportamiento obtenido al simular los controladores
sobre el modelo no lineal, con el fin de comparar las respuestas y establecer conclusiones acerca
de las diferencias existentes.
4.1.1 Modo 3
A partir del control PID diseñado anteriormente para este modo, se realizó la implementación de dicho
control directamente sobre el modo de operación 3 del sistema de tanques interactuantes con el ánimo de
esperar un resultado semejante al obtenido en simulación. Las figuras 110 y 111 describen el
comportamiento de las alturas para cada tanque y la señal de control respectivamente.
0 1000 2000 3000 4000 5000 60000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 1000 2000 3000 4000 5000 6000-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
60
De acuerdo con la figura 110, el nivel de agua en los tanques no presenta el mismo comportamiento
obtenido en simulación donde los niveles de los tanques se establecieron alrededor de los 3000 segundos.
En este caso, los niveles presentan una oscilación de mayor duración llevando a no poder observar la
estabilización de las alturas debido a la limitación del tiempo disponible a causa del entorno de
comunicación con el sistema. Al simular exactamente el mismo control sobre el modo 3 del modelo no
lineal bajo las mismas condiciones iniciales de la prueba anterior, el comportamiento obtenido es el
siguiente:
De la figura 110 es posible detallar que la altura del agua en el tanque lineal una vez pasa por debajo de la
referencia, la señal de control se incrementa tratando de corregir el error, lo cual lleva a que el nivel de
agua presente cierto comportamiento oscilatorio alrededor del setpoint. Esto puede ser debido al bajo valor
de la ganancia Ki la cual se encarga de reducir al mínimo el error en estado estable, luego al ser tan
pequeña su efecto puede que no sea considerable al momento de reducir dicho error. Sin embargo, al
aumentar la ganancia Ki usando la herramienta “PID Tuner GUI”, el tiempo de respuesta se aumentaba
demasiado, sobrepasando el límite de tiempo disponible para la toma de datos del sistema. Entonces, no es
posible sintonizar un PID para el sistema con una alta ganancia Ki sin que el tiempo de respuesta sea
demasiado alto.
4.1.2 Modo 4
Al ser implementado el control PID diseñado para este modo sobre el sistema de tanques interactuantes, el
resultado obtenido es:
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.27
0.28
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
Tiempo [s]
Altura
[m
]
Modo 3
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
61
Al igual que en el modo de operación 3, las oscilaciones presentes en los niveles de los tanques no
permiten observar el instante de tiempo en el que las alturas logran llegar al estado estable. Con el fin de
comparar el anterior resultado con la simulación del control sobre el modelo no lineal, considerando las
mismas condiciones iniciales, a continuación se incluyen las gráficas resultantes de la simulación.
Como se puede ver, el control implementado sobre el modelo no lineal funciona correctamente dado que
logra estabilizar las alturas en ambos tanques por medio de una señal de control bastante suave y siempre
manteniéndose al margen de las restricciones del sistema.
A partir de la figura 115 es posible observar que el control reacciona de la misma manera que en el modo
3. Esto puede ser debido igualmente al bajo valor que presenta la ganancia Ki la cual es la encargada de
reducir el error en estado estacionario. Entonces, es posible reducirlas oscilaciones presentes con un
aumento en dicha ganancia pero, teniendo en cuenta que el tiempo de estabilización puede aumentar.
0 500 1000 1500 2000 2500 3000-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 30000.26
0.28
0.3
0.32
0.34
0.36
0.38
0.4
0.42
0.44
Tiempo [s]
Altura
[m
]
Modo 4
Referencia
Nivel Tanque Lineal
Nivel Tanque No Lineal
0 500 1000 1500 2000 2500 30000
1
2
3
4
5
6x 10
-4
Tiempo [s]
Flu
jo d
e e
ntr
ada [
m3/s
]
Señal de Control
0 500 1000 1500 2000 2500 30000.26
0.28
0.3
0.32
0.34
0.36
0.38
0.4Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
Figura 114. Señal de control PID – Modo 4 sistema de tanques interactuantes
Figura 117. Respuesta PID – Simulación modo 4
Figura 116. Señal de control PID – Simulación modo 4
62
4.2 CONTROL PREDICTIVO
En la siguiente sección se incluyen los resultados obtenidos al aplicar el controlador predictivo sobre el
sistema de taques interactuantes y así mismo sobre el modelo de cada modo de operación con el propósito
de resaltar las similitudes y diferencias presentes en ambas respuestas.
4.2.1 Modo 3
Considerando los mismos parámetros bajos los cuales se desarrollaron las pruebas para la identificación
del sistema, la respuesta del sistema ante una referencia de 0,33 m y con condiciones iniciales de 0,2877 m
para el tanque lineal y 0,3064 m para el no lineal es:
Figura 118. Respuesta MPC – Modo 3 sistema de tanques interactuantes
A partir de la anterior respuesta se obtienen las siguientes características:
Característica Valor
Tiempo de asentamiento 1295 s
Error en estado estable 0,5758 %
Tiempo de subida 261 s
Tiempo de pico 617 s
Porcentaje de sobre pico 7,439 % Tabla 9. Características respuesta MPC – Modo 3 sistemas de tanques interactuantes
La señal de control necesaria para lograr el anterior comportamiento en el modo de operación tres se
muestra en las figuras 119 y 120.
0 200 400 600 800 1000 1200 1400 1600
0.3
0.32
0.34
0.36
0.38
0.4
0.42
0.44
0.46
Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
63
Con base en los resultados obtenidos, es claro que el control presenta un buen comportamiento sobre el
sistema dado que el nivel de agua en el tanque lineal alcanza la referencia satisfactoriamente con un error
menor al 1 % y con un buen tiempo de estabilización. El tiempo de subida indica el excelente tiempo de
respuesta del control debido a lo rápido que la altura del agua llega a la referencia, considerando la
diferencia de alturas en los tanques en la que se encontraban inicialmente. La señal de control exhibe un
buen comportamiento ya que no tiene cambios bruscos a los cuales la válvula no pueda responder
satisfactoriamente. Lo anterior se puede detallar en la figura 119 donde se observa que la salida de la
válvula es bastante semejante a su entrada la cual es la señal de control. Sin embargo, al comparar los
resultados experimentales con los obtenidos en simulación, existen ciertas diferencias, principalmente en
el tiempo de establecimiento y en el error de estado estacionario como se muestra a continuación.
Al comparar el resultado arrojado por la simulación con el obtenido a partir del sistema directamente, se
observa que el desempeño del control MPC sobre el modo tres del sistema de tanques interactuantes es
0 200 400 600 800 1000 1200 1400 1600-10
0
10
20
30
40
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 200 400 600 800 1000 1200 1400 16000
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 30000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
0 500 1000 1500 2000 2500 3000
0.3
0.32
0.34
0.36
0.38
0.4
0.42
0.44
0.46
Simulación - Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
Figura 121. Señal de control MPC – Simulación modo 3
64
mucho mejor dado que su tiempo de establecimiento es mucho menor al igual que el porcentaje de error
en estado estable donde en simulación dicho valor es de aproximadamente el 3 %.
A continuación se incluyen los resultados adquiridos al realizar pruebas del control que permitan concluir
acerca de su desempeño. Pruebas como respuesta ante un cambio de referencia, variación en el flujo de
salida y perturbación en el nivel de agua del tanque lineal. Lo anterior se desarrolla igualmente con el
ánimo de analizar el comportamiento del controlador sobre el sistema y el modelo no lineal, para
posteriormente concluir acerca de las diferencias existentes entre el modelo y el sistema como se vio
anteriormente.
Cambio de referencia
Esta prueba consistió, como su nombre lo dice, en realizar un cambio en el setpoint del controlador. La
referencia inicial es de 0,30 m y después de que las alturas se lograron estabilizar, se hizo un cambio en la
referencia a 0,31 m. Los resultados obtenidos son:
Figura 123. Respuesta MPC ante un cambio de referencia – Modo 3 sistema de tanques interactuantes
0 500 1000 1500 2000 25000.27
0.28
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 25000
5
10
15
20
25
30
35
40
45
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
0 500 1000 1500 2000 25000
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
Figura 125. Señal de control (gpm) ante un cambio de referencia –
65
Variación en el flujo de salida
Para esta prueba, después de llegar al estado estable, se abrió un poco más la válvula manual que controla
el flujo de salida con el fin de incrementar este último. El comportamiento de los niveles de agua en los
tanques y la señal de control se muestra a continuación.
Figura 128. Respuesta MPC ante una variación en el flujo de salida – Modo 3 sistema de tanques interactuantes
0 500 1000 1500 2000 25000.2
0.22
0.24
0.26
0.28
0.3
0.32
0.34
0.36
0.38
0.4Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500 4000
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38Simulación - Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500 40000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
66
Perturbación en el nivel de tanque lineal
La perturbación en el nivel de tanque lineal se realizó reduciendo su nivel de agua un poco más de medio
centímetro, después de haberse estabilizado en la referencia. El resultado obtenido es:
0 500 1000 1500 2000 25000
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500-10
0
10
20
30
40
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 3000 3500 4000
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38Simulación - Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500 40000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]Señal de control
67
Figura 133. Respuesta MPC ante una perturbación en el nivel del tanque lineal – Modo 3 sistema de tanques interactuantes
0 500 1000 1500 2000 25000
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500-10
0
10
20
30
40
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviado
0 500 1000 1500 2000 2500 3000 3500
0.29
0.3
0.31
0.32
0.33
0.34
0.35Simulación - Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500 3000 35000
0.5
1
1.5
2
2.5
3
3.5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
500 1000 1500 2000
0.27
0.28
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
68
Con el propósito analizar cuantitativamente los resultados obtenidos anteriormente del control MPC sobre
el modo tres del sistema de tanques interactuantes, en la tabla a continuación se encuentran los valores
para ciertas características que definen el desempeño del control en cada prueba.
Característica
Respuesta
a una
referencia
Cambio de
referencia
Variación en el
flujo de salida
Perturbación en el nivel
de agua
Antes
del
cambio
Después
del
cambio
Antes de
la
variación
Después
de la
variación
Antes de la
perturbación
Después de
la
perturbación
Condiciones
iniciales (m)
h1 = 0,3064
h2 = 0,2877
h1 = 0,2723
h2 = 0,2833
h1 = 0,2258
h2 = 0,2736
h1 = 0,2647
h2 = 0,2805
Tiempo de
establecimiento
(s)
1295 1028 657 1425 649 1259 510
Error en
estado estable
(%)
0,5758 0,0333 0,3226 0,1 1,30 0,0345 0,8276
Tiempo de
subida (s) 261 189 153 287 226 203 357
Tiempo de pico
(s) 617 422 300 615 366 481 405
Porcentaje de
sobre pico (%) 7,439 3,6 0,9032 8,1667 2,2667 5,4828 2,1034
Máximo valor
de la señal de
control (gpm)
5,345 5,408 5,23 5,426 2,032 5,322 4,798
Tabla 10. Desempeño MPC – Modo 3 sistemas de tanques interactuantes
De los anteriores resultados, se observa que el control predictivo implementado sobre el modo de
operación 3 del sistema de tanques interactuantes presenta un buen desempeño. Responde correctamente
frente a los niveles de referencias enviados, estabilizándose rápidamente y sobre todo con un error en
estado estacionario mínimo (menor al 1 %). Las restricciones del sistema referentes a los niveles máximos
y mínimos de agua en cada uno de los tanques siempre son respetadas. La señal de control no presenta un
comportamiento brusco y así mismo, siempre se mantiene dentro del rango de operación definido. El
porcentaje de apertura real de la válvula es muy semejante al setpoint enviado, lo cual indica una baja tasa
de cambio para la señal de control. El MPC diseñado se ajusta, y logra compensar el efecto causado por la
perturbación en el nivel del tanque lineal, llevando nuevamente el sistema a su estado estable rápidamente.
De la misma manera, ante la variación en el área del orificio de salida del tanque lineal, el control
responde adecuadamente llevando la altura del agua del tanque al nivel indicado, estableciendo el flujo de
entrada necesario para lograr estabilizar el sistema nuevamente.
Como se puede ver, el control se comporta mucho mejor sobre el sistema real que el simulado en
Simulink, dado que en simulación los tiempos de establecimiento son mayores y el error en estado
69
estacionario es mayor (alrededor del 3 %). A pesar de las diferencias en los valores de los niveles de agua
y la señal de control, el comportamiento de las alturas es semejante en ambos casos, al igual que las
señales de control obtenidas; como se puede ver, todas siguen una misma estructura. Sin embargo, las
diferencias existentes se deben principalmente a las discrepancias presentes entre el sistema y el modelo
identificado. En primer lugar, el proceso de identificación no arrojó un modelo totalmente idéntico al
sistema ni a la válvula, pues como se observó anteriormente, el FIT de los modelos identificados es alto,
pero no es del 100 %. Adicionalmente, el modelo del sistema no tiene en cuenta las pérdidas generadas en
los codos de las tuberías y el tiempo de circulación del agua por estas mismas, ya que el modelo considera
el flujo ingresando directamente en los tanques. En segundo lugar, el control fue diseñado a partir de un
modelo lineal del sistema identificado el cual es válido únicamente alrededor del punto de operación
definido. Luego, si el modelo obtenido no representa en un 100 % todas las dinámicas del sistema, la
linealización de este, arrojará un modelo lineal aún más distante del sistema de tanques interactuantes, ya
que será válido únicamente en las cercanías del punto de operación para el modelo no lineal y no para el
sistema.
4.2.2 Modo 4
Los resultados a continuación fueron obtenidos bajo los siguientes parámetros:
- La válvula de salida de TK-01 parcialmente cerrada.
- La válvula de salida del tanque lineal totalmente cerrada.
- La válvula que comunica los dos tanques, abierta.
La respuesta del sistema ante una referencia de 0,32 m y condiciones iniciales de 0,35 m para el tanque
lineal y 0,2940 m para el no lineal es:
Figura 138. Respuesta MPC – Modo 4 sistema de tanques interactuantes
0 200 400 600 800 1000 1200 14000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
70
De la anterior respuesta se obtienen las siguientes características con el fin de analizar el desempeño del
control.
Característica Valor
Tiempo de asentamiento 946 s
Error en estado estable 1,6563 %
Tiempo de subida 248 s
Tiempo de pico 482 s
Porcentaje de sobre pico 1,9063 % Tabla 11. Características respuesta MPC – Modo 4 sistemas de tanques interactuantes
La señal de control obtenida para lograr mantener constante el nivel de agua en los tanques se muestra a
continuación.
A partir de las figuras mostradas anteriormente, es posible detallar que el MPC demuestra un buen
desempeño sobre el modo de operación 4 del sistema de tanques interactuantes, ya que la altura del agua
en el tanque no lineal se estabiliza en el setpoint con un bajo error en estado estable y un tiempo de
establecimiento bajo. A pesar de la interacción de los tanques en este modo, la cual hace que el agua en el
tanque no lineal aumente más lento que en el tanque lineal en el modo 3, el control presenta un tiempo de
respuesta como lo deja ver su tiempo de subida. La señal de control muestra un comportamiento suave con
una tasa de cambia baja logrando que el porcentaje de apertura de la válvula sea muy parecida a la
referencia enviada por el control MPC. No obstante, al confrontar los resultados experimentales con los
obtenidos en simulación, resultan ciertas discrepancias, principalmente en el tiempo de establecimiento el
cual es mucho mayor en simulación.
0 200 400 600 800 1000 1200 14000
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 200 400 600 800 1000 1200 1400-10
0
10
20
30
40
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
Figura 140. Señal de control (gpm) – Modo 4 sistemas de tanques
interactuantes
Figura 139. Señal de control (Porcentaje de apertura de la válvula) –
Modo 4 sistemas de tanques interactuantes
71
Como se puede observar, el comportamiento de los niveles de agua en los tanques y de la señal de control
en simulación es muy similar al obtenido experimentalmente. Sin embargo, es posible detallar que el
desempeño del control MPC sobre el modo 4 del sistema de tanques interactuantes es mejor debido a la
gran diferencia en los tiempos con la simulación del control, ya que en este, el tiempo de establecimiento
es alrededor de los 3500 segundos mientras que en el sistema es de 1000.
Las gráficas a continuación representan los resultados alcanzados al realizar las mismas pruebas que en el
modo 3 para detallar mejor el desempeño del control. Lo anterior se desarrolla con el propósito de analizar
el comportamiento del controlador sobre el sistema y el modelo no lineal, para posteriormente concluir
acerca de las diferencias existentes entre el modelo y el sistema como se vio anteriormente.
Cambio de referencia
Esta prueba consistió, como su nombre lo dice, en realizar un cambio en el setpoint del controlador. La
referencia inicial es de 0,3 m y después de que las alturas se lograron estabilizar, se hizo un cambio en la
referencia a 0,31 m. Los resultados obtenidos son:
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65Simulación - Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500 4000 4500 50000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Figura 141. Respuesta MPC – Simulación modo 4 Figura 142. Señal de control MPC – Simulación modo 4
72
Figura 143. Respuesta MPC ante un cambio de referencia – Modo 4 sistema de tanques interactuantes
Variación en el flujo de salida
0 500 1000 1500 2000 2500 3000 3500 4000-1
0
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 3000 3500 4000-10
0
10
20
30
40
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 1000 2000 3000 4000 5000 6000 7000 80000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65Simulación - Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 1000 2000 3000 4000 5000 6000 7000 80000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Figura 146. Señal de control MPC ante un cambio de referencia –
0 500 1000 1500 2000 2500 3000 3500 40000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
73
Variación en el flujo de salida
Para esta prueba, después de llegar al estado estable, se abrió un poco más la válvula manual que controla
el flujo de salida con el fin de incrementar este último. El comportamiento de los niveles de agua en los
tanques y la señal de control se muestra a continuación.
0 500 1000 1500 2000 2500 3000-1
0
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 3000-10
0
10
20
30
40
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 3000
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
74
Perturbación en el nivel del tanque no lineal
La perturbación en el nivel de tanque no lineal se realizó reduciendo su nivel de agua un poco más de
medio centímetro, después de haberse estabilizado en la referencia. El resultado obtenido es
Figura 153. Respuesta MPC ante una perturbación en el nivel del tanque no lineal – Modo 4 sistema de tanques interactuantes
0 500 1000 1500 2000 2500 30000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 1000 2000 3000 4000 5000 6000 70000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65Simulación - Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque Lineal
Referencia
0 1000 2000 3000 4000 5000 6000 70000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
75
De igual forma que con el análisis desarrollado en el modo 3, con el fin de analizar cuantitativamente los
resultados obtenidos anteriormente del control MPC sobre el modo 4 del sistema de tanques
interactuantes, en la tabla a continuación se encuentran los valores para ciertas características que definen
el desempeño del control en cada prueba.
0 500 1000 1500 2000 2500 3000-1
0
1
2
3
4
5
6
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
0 500 1000 1500 2000 2500 3000-10
0
10
20
30
40
50
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
0 1000 2000 3000 4000 5000 6000 7000 80000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65Simulación - Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 1000 2000 3000 4000 5000 6000 7000 80000
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]Señal de control
Figura 154. Señal de control (gpm) ante una perturbación en el nivel Figura 155. Señal de control (Porcentaje de apertura de la válvula)
Figura 156. Señal de control MPC ante una perturbación en el nivel
76
Característica
Respuesta
a una
referencia
Cambio de
referencia
Variación en el
flujo de salida
Perturbación en el nivel
de agua
Antes
del
cambio
Después
del
cambio
Antes de
la
variación
Después
de la
variación
Antes de la
perturbación
Después de
la
perturbación
Condiciones
iniciales (m)
h1 = 0,2940
h2 = 0,3500
h1 = 0,2899
h2 = 0,3526
h1 = 0,3002
h2 = 0,3642
h1 = 0,2647
h2 = 0,2805
Tiempo de
establecimiento
(s)
946 1101 1307 1172 314 1087 726
Error en
estado estable
(%)
1,6563 0,4839 0,5938 0,6875 1,9688 0,6875 1,3438
Tiempo de
subida (s) 248 200 159 213 261 206 233
Tiempo de pico
(s) 482 542 561 615 635 531 443
Porcentaje de
sobre pico (%) 1,9063 6,8387 6,9394 5,7813 1,3393 5,4375 2,3123
Máximo valor
de la señal de
control (gpm)
5,531 5,466 5,447 5,469 5,441 5,441 5,432
Tabla 12. Desempeño MPC – Modo 4 sistemas de tanques interactuantes
De las pruebas mostradas anteriormente para analizar el desempeño del control predictivo sobre el modo 4
del sistema de tanques interactuantes, es claro que este responde muy bien ya que se comporta de manera
adecuada frente a los cambios en los niveles de referencia, presentando un tiempo de estabilización bajo y
un error en estado estacionario menor al 3 %. Al igual que el control en el modo 3, los límites para los
niveles de agua en los tanques y la señal de control, nunca se sobrepasan. Las leyes de control presentan
un comportamiento suave con una velocidad de cambio baja de tal forma que la válvula es capaz de seguir
la referencia dada por el control MPC. La respuesta del control se ajusta, y logra compensar el efecto
causado por la perturbación en el nivel del tanque lineal, llevando nuevamente al sistema a su estado
estable rápidamente. De la misma manera, ante la variación en el área del orificio de salida del tanque
lineal, el control responde adecuadamente llevando la altura del agua del tanque al nivel indicado y así
mismo fijando un nuevo valor para el flujo de entrada que logre estabilizar el sistema con el nuevo orificio
de salida.
Como se puede observar, el comportamiento de las alturas en este modo también es semejante tanto en
simulación como en las pruebas realizadas. Al igual que las señales de control obtenidas, todas siguen una
misma estructura. Sin embargo, el desempeño del control es mucho mejor sobre el sistema de tanques
interactuantes que sobre el modelo no lineal ya que en simulación los tiempos de establecimiento son más
grandes. Estas discrepancias son debido a la misma razón por la que se explicó anteriormente para el
modo 3, donde se resaltó que los modelos obtenidos de cada modo, no representan en un 100 % todas las
dinámicas del sistema y además el hecho de que los controles MPC fueron diseñados a partir de un
modelo linealizado de estos modelos.
77
4.3 CONTROL PREDICTIVO NO LINEAL
Actualmente existen muchos sistemas de características no lineales de diferentes grados de severidad.
Aunque en muchas ocasiones estos procesos pueden estar operando alrededor de un punto de equilibrio, y
por ende una representación lineal sería suficiente, existen muchos casos en los que esto no sucede. En
primer lugar, hay sistemas cuya no linealidad es tan marcada, que incluso alrededor de los puntos de
equilibrio, un modelo lineal no es suficiente para representar el sistema. En segundo lugar, algunas plantas
experimentan continuas transiciones y permanecen un gran tiempo por fuera de la vecindad del punto de
operación, o incluso hay algunos sistemas que nunca se encuentran en estado estable. Para estos sistemas,
un control lineal no es muy útil, requiriendo entonces de un control no lineal que permita mejorar el
desempeño de sistemas de control sobre procesos no lineales.
A partir de esta idea, las siguientes secciones se centran en el mejoramiento de los MPC diseñados,
haciendo uso del modelo no lineal para la predicción de las salidas en vez del modelo lineal trabajado
anteriormente. El diseño y las simulaciones incluidas a continuación son desarrolladas en MATLAB con
el toolkit ACADO el cual es un entorno de software y colección de algoritmos escritos en C++ para el
área de control y la optimización dinámica, que proporciona un marco general para el uso de una gran
variedad de algoritmos a ser aplicados en problemas de control óptimo incluyendo el control predictivo no
lineal.
4.3.1 Modo 3
De acuerdo con el algoritmo de ACADO para el desarrollo de MPC, el problema a resolver para este
modo es de la siguiente forma:
],0[
.
min ,, 21
p
Qhh
Nt
ts
in
pN
Qdtrty
0
2
m 69,0m 0
m 59,0m 0
s 109,4
s 0
,
2
2
1
34
3
21
2
2
21
2
2
111
21
1
h
h
mQ
m
ththty
R
QG
ththgC
dt
dh
hhRZ
G
ththgCQ
dt
dh
in
T
out
f
v
f
vin
78
Teniendo en cuenta los parámetros definidos anteriormente para el control lineal del modo de operación 3,
y después de sintonizar algunos de estos con el fin de obtener un mejor desempeño del MPC usando el
modelo no lineal, se obtuvieron los siguientes valores:
- Periodo de muestreo: 1 s
- Horizonte de predicción (Np): 90
- Horizonte de control: 1
-
20
00Q
Habiendo definido todos los parámetros necesarios para el control no lineal, a continuación se incluyen los
resultados obtenidos de ciertas pruebas realizadas sobre el sistema y así mismo sobre simulación con el fin
de comparar ambas respuestas.
La respuesta ante una referencia de 0,30 m y condiciones iniciales de 0,28 m para el tanque lineal y 0,34
para el no lineal es:
Figura 158. MPC no lineal – Modo 3
0 500 1000 1500
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37Control no lineal - Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 15000
1
2
3
4
5
6
7
8Señal de control
Flu
jo d
e e
ntr
ada [
gpm
]
Tiempo [s]
Real
Enviada
0 500 1000 1500-20
0
20
40
60
80
100Señal de control
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
[%
]
Tiempo [s]
Real
Enviada
79
La respuesta del control ante una perturbación en el nivel del tanque lineal de aproximadamente 0,1 m es:
Figura 163. Respuesta MPC no lineal ante una perturbación en el nivel del tanque lineal – Modo 3
0 500 1000 1500 2000 2500 3000 35000.24
0.26
0.28
0.3
0.32
0.34
0.36
0.38
0.4Control no lineal - Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 3000 3500-20
0
20
40
60
80
100
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 500 1000 1500
0.29
0.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37Simulación control no lineal- Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Figura 162. Simulación MPC no lineal – Modo 3 Figura 161. Señal de control – Simulación MPC no lineal, modo 3
80
Ante una variación en el flujo de salida, el comportamiento mostrado por el control no lineal es:
Figura 168. Respuesta MPC no lineal ante una variación en el flujo de salida – Modo 3
0 500 1000 1500 2000 25000.3
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39Control no lineal - Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500-20
0
20
40
60
80
100
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 3000 35000.24
0.26
0.28
0.3
0.32
0.34
0.36
0.38Simulación control no lineal- Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500 2000 2500 3000 3500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
81
4.3.2 Modo 4
Para el modo 4, el problema a resolver es de la siguiente forma:
Después de sintonizar algunos de los parámetros con el fin de obtener un mejor desempeño del MPC sobre
el modelo no lineal, se obtuvieron los siguientes valores:
],0[
.
min ,, 21
p
Qhh
Nt
ts
in
pN
Qdtrty
0
2
m 7,0m 0
m 6,0m 0
s 109,4
s 0
,
2
2
1
34
3
21
2
2
12
2
2
111
12
1
h
h
mQ
m
ththty
R
G
ththgCQ
dt
dh
hhRZ
QG
ththgC
dt
dh
in
T
f
vin
out
f
v
0 500 1000 1500 2000 25000.3
0.31
0.32
0.33
0.34
0.35
0.36Simulación control no lineal- Modo 3
Altura
[m
]
Tiempo [s]
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500 2000 2500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
82
- Periodo de muestreo: 1 s
- Horizonte de predicción (Np): 150
- Horizonte de control: 1
-
00
02Q
De igual forma que para el modo 3, a continuación se incluyen los resultados obtenidos de diferentes
pruebas que permiten analizar el desempeño del control no lineal sobre el sistema y el modelo no lineal.
La respuesta del control, ante una referencia de 0,30 m y condiciones iniciales de 0,28 m para el tanque no
lineal y 0,31 m para el lineal es:
Figura 173. MPC no lineal – Modo 4
0 500 1000 15000.25
0.3
0.35
0.4
0.45
0.5Control no lineal - Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 15000
10
20
30
40
50
60
70
80
90
100
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
Figura 175. Señal de control (Porcentaje de apertura de la válvula) –
83
Ante una perturbación de 0,1 m en el nivel del tanque no lineal después de haber alcanzado su estado
estable, la respuesta del control es:
Figura 178. Respuesta MPC no lineal ante una perturbación en el nivel del tanque lineal – Modo 4
0 500 1000 1500 2000 25000.2
0.25
0.3
0.35
0.4
0.45
0.5Control no lineal - Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500-20
0
20
40
60
80
100
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 500 1000 15000.26
0.28
0.3
0.32
0.34
0.36
0.38
0.4
0.42
0.44
0.46
Simulación control no lineal- Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Figura 176. Simulación MPC no lineal – Modo 4
84
Al aumentar el flujo de salida del sistema después de haberse estabilizado sobre la referencia, el
comportamiento exhibido por el control es:
Figura 183. Respuesta MPC no lineal ante una variación en el flujo de salida – Modo 4
0 500 1000 1500 2000 25000.25
0.3
0.35
0.4
0.45
0.5Control no lineal - Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque Lineal
Nivel Tanque No Lineal
Referencia
0 500 1000 1500 2000 2500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
Real
Enviada
0 500 1000 1500 2000 25000
10
20
30
40
50
60
70
80
90
100
Tiempo [s]
Porc
enta
je d
e a
pert
ura
de la v
álv
ula
(%
)
Señal de control
Real
Enviada
0 500 1000 1500 2000 2500 30000.25
0.3
0.35
0.4
0.45
0.5Simulación control no lineal- Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500 2000 2500 3000-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
85
Como se puede observar a partir de los resultados obtenidos en ambos modos de operación del sistema y
en simulación, el desempeño del control mejora notablemente al utilizar el modelo no lineal para la
predicción de las salidas. En comparación con las simulaciones desarrolladas con el control diseñado a
partir del modelo lineal, el tiempo de respuesta se disminuye considerablemente (alrededor de 500
segundos para el modo 3 y 1500 para el modo 4), al igual que el error en estado estacionario que se reduce
aproximadamente 2,5 % para el modo 3. Sobre el sistema, es posible observar que el tiempo de respuesta
también disminuye un poco y así mismo, el porcentaje de sobre impulso. La respuesta del control ante
perturbaciones en los niveles de los tanques y variaciones en el flujo de salida es bastante parecida a la
obtenida con el control lineal, respondiendo rápidamente para llevar el sistema nuevamente a su estado
estable. Es importante resaltar que el comportamiento del control obtenido en el sistema y en simulación
es bastante parecido, lo cual no sucedió para el caso del control lineal. En este caso, los tiempos de
establecimiento son muy cercanos, al igual que los valores para las alturas y los porcentajes de error en
estado estable y de sobre pico. Luego, se notan claramente los beneficios y mejoras logradas al
implementar un control predictivo basado en un modelo no lineal del sistema que sobre uno lineal.
0 500 1000 1500 2000 25000.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6Simulación control no lineal- Modo 4
Altura
[m
]
Tiempo [s]
Nivel Tanque No Lineal
Nivel Tanque Lineal
Referencia
0 500 1000 1500 2000 2500-1
0
1
2
3
4
5
6
7
8
Tiempo [s]
Flu
jo d
e e
ntr
ada [
gpm
]
Señal de control
86
5. CONCLUSIONES
Si bien es cierto, el control predictivo al enfrentarse a problemas no lineales que llevan a funciones de
desempeño bastante complejas, requiere de una gran capacidad computacional; es una de las técnicas con
mayor crecimiento hoy en día y a la espera de nuevos desarrollos. La consideración de las restricciones
del sistema, las limitaciones en los valores para la señal de entrada y su tasa de cambio, la poca
intervención humana requerida, la gran cantidad de algoritmos para encontrar solución al problema, entre
otros factores, hacen del control predictivo un excelente método para ser estudiado y trabajado en todo
tipo de ámbitos. Estas restricciones siempre están presentes en los sistemas de control debido a las
limitaciones físicas, ambientales y económicas en la operación de la planta, y el manejo sistemático de
estas restricciones por parte del control predictivo permite obtener mejoras significativas en el desempeño
de los sistemas sobre las demás técnicas clásicas de control. Es importante resaltar que el MPC no se rige
por una ley de control específica. Las características del sistema, si es lineal o no lineal, si es multivariable
o no, el modelo empleado para la predicción, la función de desempeño a optimizar, sus restricciones, los
diferentes algoritmos existentes y demás factores, llevan a obtener una gran cantidad de leyes de control
que pueden ser implementadas en el sistema. Conforme a los objetivos del control, se enfoca el problema
a encontrar una ley de control que cumpla con los requerimientos establecidos para el tiempo de
establecimiento, esfuerzo de la señal de control, error en estado estable, máximo pico porcentual, tiempo
de subida, rechazo a perturbaciones y demás parámetros. Cada parámetro de diseño, tiene su efecto en el
desempeño del control, luego es muy importante tener en cuenta la acción de cada uno parar lograr
obtener el comportamiento deseado.
El objetivo del controlador es determinar la acción de control de tal forma que se obtenga el
comportamiento deseado en las salidas. Luego se requiere de la capacidad de predecir el futuro
comportamiento del sistema. Debido a que la acción de control adecuada, depende de las características
dinámicas de la planta a ser controlada, el problema de control es basado en un modelo de planta que
describa estas características, o al menos aproximadamente para realizar la predicción del comportamiento
futuro de la planta. Un aspecto clave es entonces el modelo del sistema utilizado para el diseño del
control, especialmente para sistemas no lineales, donde la diferencia del modelo con el sistema es un poco
más grande, pues entre mejor sea el modelo obtenido, el desempeño del control incrementará. Lo anterior
se pudo observar al utilizar el modelo no lineal para realizar la predicción de las salidas, obteniendo
notables mejoras en el desempeño del control tanto en simulación como en el sistema. Un buen modelo
marca la primera pauta para el diseño del MPC, ya que es a partir de él de donde se desprenden los demás
parámetros a establecer del control. Mediante una identificación adecuada del sistema, es posible obtener
un modelo que presente un buen FIT como el obtenido en este proyecto, donde por medio de un estudio de
las ecuaciones desarrolladas en [1] se realizó una identificación apropiada del sistema para cada uno de los
modos que llevó a la obtención de un modelo que permitió el buen desempeño del control.
La implementación del control clásico en el sistema, se logró mediante la aplicación de un control PID
cuyo desempeño no fue del todo bueno dado que no fue posible observar la estabilización de los niveles
de agua en los tanques debido a la oscilación presente alrededor de la referencia. Dada la naturaleza del
sistema, el diseño del control lleva a que el nivel de agua en el tanque tarde mucho en alcanzar el set point
con una señal de control suave de tal forma que pueda ser seguida efectivamente por la válvula. Sin
embargo, dicho tiempo puede ser reducido pero a cambio de una ganancia Ki más pequeña, lo cual
aumentaría aún más las oscilaciones existentes. Luego un control PID puede llegar a regular el sistema en
87
un tiempo muy extenso o en un menor tiempo con oscilaciones de amplitud baja pero aun así sin lograr un
estado estable en este último.
El diseño del control predictivo sobre el sistema de tanques interactuantes permite considerar aspectos del
sistema tales como niveles máximos y mínimos para el nivel de agua en cada tanque, limitar el rango
deseado tanto para la entrada como para la salida; así mismo es posible “guiar” la ley de control de
acuerdo con el objetivo, ya que su tasa de variación puede ser regulada e igualmente establecer la
importancia con que las salidas deben seguir su referencia mediante las matrices de peso, como en este
caso donde solo era de interés que un solo nivel se mantuviera en la referencia establecida mientras que el
otro estado permanecía libre. Es importante tener en cuenta que el error en estado estacionario presente en
las pruebas realizadas puede ser reducido diseñando el control con una acción integral tal y como se
desarrolla en [3]. Al ser el sistema de tanques interactuantes algo lento, el control predictivo tiene grandes
ventajas sobre las demás técnicas de control. Cuenta con un mayor tiempo para realizar la predicción cada
periodo de muestreo, la señal de control se anticipa a los cambios conociendo la dinámica del sistema,
llevando a tener una respuesta más rápida del sistema. Un horizonte de predicción mayor brinda una
mayor ventana de predicción del sistema, lo que es bastante útil para la señal de control reduciendo su
esfuerzo y obteniendo una respuesta más rápida; sin embargo la complejidad de la función objetivo
aumenta y por ende del problema en general, incrementando la regiones del politopo sobre las cuales está
definido el control lo cual puede demandar un mayor tiempo de búsqueda de la solución en el politopo.
Luego es fundamental tener presente dicho efecto del horizonte de predicción sobre el sistema el cual
aparte de aumentar la complejidad del problema y por ende requerir mayor capacidad computacional,
puede alejar un poco la salida de la referencia como en este caso.
La capacidad de predecir el comportamiento del sistema para definir la ley de control, es una gran ventaja
del MPC sobre las demás técnicas de control clásicas existentes. Esta ventaja se observa en cuanto a que el
control se anticipa al sistema, ganando tiempo como en este caso donde el flujo de entrada se iba a cero
antes de que la salida llegara a la referencia, pues el control “conoce” que dado la dinámica del sistema, el
nivel va a continuar aumentando a pesar de no tener un flujo de entrada si el nivel del otro tanque esta por
encima debido a la interacción de los tanques. Sin embargo, con el PID este no es el caso ya que el flujo se
iba a cero un poco después de que se alcanzará la referencia dado que el control mide el error entre la
salida y el setpoint. Lo anterior se comprueba con lo resultados presentes en este trabajo, donde se observa
claramente la superioridad del MPC sobre el PID en muchos aspectos tanto en simulación como en el
sistema de tanques interactuantes.
Al ser demasiados los parámetros del control MPC, la cantidad de leyes de control que pueden obtenerse
es innumerable. Las restricciones del sistema, el periodo de muestreo, el horizonte de predicción y de
control, el modelo del sistema, la función objetivo junto con las matrices de peso de cada término y la
norma matricial, todos llevan a cumplir con el objetivo deseado con la correcta definición de sus valores.
Es primordial conocer y entender el sistema a controlar, sus limitaciones físicas, rango para los valores
admisibles de la señal de entrada, su dinámica, etc., para posteriormente lograr identificar adecuadamente
el efecto de cada parámetro del MPC sobre el sistema. Pues aunque existan algunos métodos o reglas para
la definición de sus valores, estos no son definitivos, luego es mejor experimentar la influencia de cada
uno sobre el sistema, analizar y deducir igualmente la relación entre ellos y su peso sobre el control. Así,
de acuerdo con el objetivo del control sobre el sistema, se seleccionan los valores adecuados para los
parámetros que permitan cumplir con el objetivo planteado respetando todo tipo de restricciones
presentes.
88
Como trabajos futuros se propone:
- Mejorar el desempeño del control PID sobre el sistema real teniendo en cuenta ciertas técnicas
como el anti-windup.
- Realizar un estudio de la teoría de robustez para el control predictivo, relacionada con el diseño de
controladores multivariables y los diferentes métodos existentes para modelar las perturbaciones
del sistema, con el fin de diseñar un control más robusto.
- En algunos casos, los cálculos para la ley de control se vuelven complejos con ciertos modelos, y
si el estado no es accesible, se requiere del uso de un observador de estados. De esta manera, se
propone entonces la implementación de un observador de estados para realizar la predicción de las
salidas del sistema.
- Diseñar otra técnica de control clásica con el fin de comparar el desempeño del MPC frente a otro
método de control distinto al PID.
- Diseñar e implementar una técnica de control predictivo para cada uno de los modos de operación
considerando el tanque de retardo presente en [1].
89
6. BIBLIOGRAFÍA
[1] J. Albarracín, A. Argüelles. “Ingeniería Detallada, Modelado y Simulación de un Sistema de Tanques
Interactuantes No Lineales”. Trabajo de grado. Departamento Ing. Electrónica, Pontificia Universidad
Javeriana, Bogotá 2010.
[2] E.F Camacho, C. Bordons “Model Predictive Control”. Editorial Springer-Verlag, Segunda edición,
2007.
[3] L. Wang “Model Predictive Control System Design and Implementation Using MATLAB”. Editorial
Springer, Primera edición, 2009.
[4] Rossiter, J.A “Model-Based Predictive Control a Practical Aproach”. Editorial CRC Press, Primera
edición, 2003.
[5] K. Ogata “Dinámica de Sistemas”. Prentice-Hall. Primera edición en español, 1987.
[6] C. Smith y A. Corripio “Principles and Practice of Automatic Process Control”. John Wiley & Sons,
Inc. Segunda edición, 1997.
[7] B. Laurent “Identification of switched Linear Systems Via Sparse Optimization”. Automatica,
Volumen 47, Abril 2011, Páginas 668-677.
[8] M. Kvasnica, P. Grieder, M. Baotíc, F.J Christophersen “Multi-Parametric Toolbox (MPT)”(2006)
[9] G.F. Franklin, J. D. Powell, A. Emami-Naeini “Feedback Control of Dynamic Systems”. Prentice Hall,
Cuarta edición, 2002.
[10] Al-Younes “Linear Vs Nonlinear Control Techniques for a Quadrotor Vehicle”. Prentice Hall,
Cuarta edición, 2002.
[11] A. Ladino. “On Predictive Control for Hybrid Systems Subject to Variable Time Delays”. Trabajo de
investigación. Departamento Ing. Electrónica, Pontificia Universidad Javeriana, Bogotá 2012.
[12] D. Limón. “Control predictivo de sistemas no lineales con restricciones: estabilidad y robustez”.
Tesis doctoral. Departamento Ing. Industrial, Universidad de Sevilla, Sevilla 2002.
[13] B. Kouvaritakis, M. Cannon, J.A Rossiter “Who needs QP for lineal MPC anyway”. Automatica,
Volumen 38, Mayo 2002, Páginas 879-884.
[14] J. Bay “Fundamentals of Linear State Space Systems”. Editorial McGraw-Hill, Primera edición,
1999.
[15] P. Tondel, T. Johansen, A. Bemporad “An algorithm for multi-parametric quadratic programming
and explicit MPC solutions”. Automatica, Volumen 39, Marzo 2003, Páginas 489-497.
90
[16] G. Shah, S. Engell “Tuning MPC for desired closed-loop performance for MIMO systems”.
American Control Conference, 2011, Páginas: 4404 - 4409.
7. ANEXOS
7.1 INTERFAZ DE COMUNICACIÓN
Debido a que el control predictivo fue diseñado utilizando el toolbox MPT el cual solo trabaja con
MATLAB, era necesario realizar una comunicación entre Simulink y Labview para poder cerrar el lazo de
control. Para lograr dicha comunicación se hizo uso del protocolo UDP (User Datagram Protocol) el cual
proporciona una comunicación muy sencilla entre diferentes aplicaciones, computadores e instrumentos.
El intercambio de información se da a través de la red sin necesidad de que se haya realizado una
conexión previa. Los procesos se comunican enviando y recibiendo datagramas a puertos ubicados en el
software. Estos puertos representan una ubicación para el envío y recibimiento de los mensajes.
En MATLAB, la comunicación vía UDP se logra a través del toolbox “Instrument Control Toolbox” el
cual es usado para conectar aplicaciones de software remotas con MATLAB y Simulink. En Simulink se
cuenta con dos bloques llamados “UDP Receive” y “UDP Send”, los cuales se encargan de recibir y
enviar los datos respectivamente. Los pasos a seguir para establecer de manera correcta la comunicación
en Simulink son:
1. Ingresar los bloques “UDP Receive” y “UDP Send” en Simulink.
2. Hacer doble click sobre cada bloque para definir sus parámetros.
3. Ingresar la dirección IP que cada bloque utilizará para la transmisión de la información. Es
importante resaltar que estas direcciones deben ser diferentes si se van a usar más de un bloque
“UDP Receive”, de lo contrario la misma dirección se define para ambos bloques. Las direcciones
que se pueden utilizar son “localhost” la cual es la dirección propia del computador y la dirección
a través de la cual el computador se comunica con el PLC. Actualmente, esta última es:
192.168.0.4
4. Especificar el número de puerto remoto (Ubicado en Labview) con el cual se desea establecer la
conexión. El valor por defecto es 9090, pero los valores válidos para los puertos van desde 1 hasta
65535.
5. Definir el número de puerto local. Este último corresponde al puerto que identifica cada bloque
cuyo valor por defecto es -1, lo que significa que asigna un puerto automáticamente. Sin embargo
es posible seleccionar un número entre el rango ya establecido.
6. Para el bloque “UDP Send” se debe especificar el tamaño de la información que se va a recibir, el
cual va expresado como la dimensión de un vector; es decir si se va a recibir un solo dato el
tamaño es “[1]”, con dos datos sería “[1 2]” y así sucesivamente. . Adicionalmente se debe definir
el tipo de variable que se obtendrá, algunas de las opciones a elegir son: single, double, int8,
int16, entre otros.
7. Deshabilitar la opción “Enable blocking mode” la cual evita el bloqueo de la simulación.
8. Especificar el tiempo de muestreo el cual va indicado en segundos.
91
En Labview, se cuenta con los bloques “UDP Write” y “UDP Read” quienes se encargan de enviar y
recibir la información respectivamente. Para enviar datos, es necesario suministrar la dirección del destino
y el puerto de llegada; análogamente, para recibirlos se requiere la dirección del origen y su puerto. Los
pasos a seguir para crear el entorno adecuado para el envío de información a Simulink son:
1. Se debe crear un ciclo “for” con el fin de que el bloque “UDP Write” esté enviando los datos
continuamente. En este ciclo, agregar el anterior bloque junto con la información a enviar que
puede ser una variable local del variable en si.
2. Es importante tener en cuenta que Labview envía la información en cadenas, luego es necesario
convertir la información usando el bloque “Flatten To String” antes de realizar la conexión con
“UDP Write”.
3. Por fuera del ciclo, agregar el bloque “UDP Open” el cual se encarga de crear el puerto local para
el bloque “UDP Write”.
4. Es necesario suministrar la dirección IP sobre la cual se va a enviar la información y el puerto
remoto (ubicado en Simulink) al cual llegarán los datos.
La siguiente imagen representa el esquema y las conexiones adecuadas en Labview para lograr el envío
efectivo de los datos.
Para recibir la información proveniente de Simulink, se parte de un esquema modificado de Labview. La
idea es básicamente la misma que la anterior; se debe tener en cuenta que:
1. Todo es ejecutado dentro de un ciclo while que se ejecuta continuamente hasta que deje de recibir
información por un tiempo fijo.
2. Es necesario crear el puerto local para el bloque “UDP Read” haciendo uso del bloque “UDP
Open”.
3. De igual manera que con el envío de la información, Labview recibe los datos en cadenas, luego
es necesario realizar la conversión al tipo de dato apropiado.
4. Se debe definir el número máximo de bytes que va a recibir el bloque.
92
Teniendo en cuenta lo anterior, la interconexión de los bloques para recibir la información se muestra a
continuación.
Una vez se cuenta con la conexión adecuada en ambos programas, se debe tener en cuenta los siguientes
puntos:
- El puerto remoto del bloque “UDP Send” de Simulink debe coincidir con el puerto local del
bloque “UDP Read” de Labview.
- El puerto remoto del bloque “UDP Write” de Labview tiene que ser el mismo que el puerto local
definido para el bloque “UDP Receive” de Simulink.
- El puerto local del bloque “UDP Write” debe ser igual que el puerto remoto del bloque “UDP
Receive”.
- Seleccionar el número más grande posible para las iteraciones del ciclo for para evitar que este
pare.
- El tipo de dato a recibir ya sea en Simulink o en Labview debe coincidir con el enviado desde
cualquier a de los anteriores.
Finalmente, teniendo especial cuidado en que las direcciones y puertos coincidan tanto en Simulink como
en Labview, y que el tamaño y tipo de información que esté circulando sea la definida en los bloques de
ambos programas, la comunicación se logra efectivamente y en tiempo real.