PROBLEMÁTICA Proliferación de muchos textos teóricos difíciles de entender para los estudiantes y con pocos ejercicios prácticos. Aterrizaje de los conceptos dados teóricamente por medio de simulaciones. Utilización de herramientas de software de bastante uso a nivel académico como son Matlab y Labview. Aplicación de herramientas especializadas en Matlab como son Ident, Sisotool, Guide y Simulink.
MAPA CONCEPTUAL DEL LIBRO
CAPITULO 0: INSTRUMENTACIÓN INDUSTRIAL Introducción a los procesos industriales y su simbología Definiciones para el análisis de instrumentos, sistemas de medición y control Símbolos internacionales de instrumentación Descripción de símbolos Ejemplo de diagrama P&ID Identificación de los instrumentos Procesos industriales
CAPITULO 1: CONCEPTOS RELACIONADOS Sistemas de control en tiempo discreto Sistemas de control en tiempo continuo y en tiempo discreto Sistemas de control continuo Sistemas de control digital Señales continuas y discretas Sistemas de adquisición, conversión y distribución de datos. Implementación sistema de control digital utilizando puerto serial Herramientas para adquirir datos por el puerto serial utilizando matlab Programa para toma y envio de datos con matlab Ejemplos de programas utilizando labview Adquisición y distribución de datos por puerto serial para control de nivel Sistema de adquisición y distribución de datos para temperatura y nivel
CAPITULO 1: HERRAMIENTAS DE MATLAB UTILIZADAS Otro programa para generar la señal pseudoaleatoria que se enviará al puerto serial. Para esto, es necesario tener la herramienta IDENT de Matlab para generar la señal PRBS: s=serial('COM1'); fopen(s); entrada=idinput(2000,'PRBS',[0 0.25],[10 30]) %Generación señal aleatoria . Se debe tener Ident de Matlab for i=1:2000 sal=entrada(i,1); f(i,1)=sal; %salida aleatoria hacia el micro fwrite(s,sal,'char','sync'); %Envío de información al puerto serial fclose(s) % Se cierra el Puerto para limpiar el buffer de datos. fopen(s) a=fread(s,s.inputbuffersize,'char'); %Adquisición de información del Puerto serial c(i,1)=a; %entrada de la señal del sensor proveniente del micro d(i,1)=i; pause(10) i=i+1 end fclose(s); subplot(2,1,1) %Grafica la información obtenida plot(d,f,'-') subplot(2,1,2) plot(d,c,'o')
CAPITULO 2: HERRAMIENTAS MATEMÁTICAS UTILIZADAS EN LOS SISTEMAS DE CONTROL DIGITAL La transformada Z Transformada Z para funciones básicas Función escalón unitario Función rampa unitaria Función polinomial ak Función exponencial Función senoidal Utilización de Matlab para encontrar la transformada Z de una expresión Transformada z inversa Método de la división directa Método computacional Utilización de comandos especiales de Matlab para encontrar la transformada z inversa de una expresión Transformada z inversa utilizando ecuaciones en diferencias Transformada z inversa utilizando fracciones parciales Método de los residuos o de la integral de inversión.
CAPITULO 2: HERRAMIENTAS UTILIZADAS DE MATLAB COMANDOS ESPECIALES: ztrans: Transformada Z – a. n = sym(´n´) – b. f = n^4 – c. ztrans(f) – d. z*(z^3+11*z^2+11*z+1)/(z-1)^5 Iztrans: Transformada Z inversa – a. z = sym(‘z’) – b. f = 2*z/(z-2)^2 – c. iztrans(f) Función de transferencia: filter Graficación: plot
CAPITULO 3: CONCEPTOS DE UN SISTEMA DIGITAL Sistema muestreador Circuitos para retención de datos Reconstrucción de señales originales a partir de señales muestreadas – Teorema del muestreo La función de transferencia pulso – Lazo abierto – Lazo cerrado Correspondencia entre el plano s y el plano z
CAPITULO 4: IDENTIFICACIÓN DE SISTEMAS LINEALES Concepto de sistema Modelo de un sistema Métodos de identificación Técnicas de identificación paramétrica Tipos de modelos parametricos Métodos para el ajuste de parámetros Consideraciones para identificación Obtención de datos Pretratamiento de datos Validación del modelo Reducción del modelo
CAPITULO 4: HERRAMIENTAS UTILIZADAS DE MATLAB System Identification Toolbox: Ident – Comandos – Interfaz grafica
Identificación de sistemas utilizando IDENT datos=[XT FT] % Configuración de los datos. Se coloca primera la variable de salida XT y después la variable de entrada FT. Deben tener el mismo tamaño. tam=length(FT) % Cantidad de datos de la variable de entrada FT. datos_ident=[XT(1:60) FT(1:60)] % Cantidad de datos tomados para la validación del sistema. Para este caso, se toman los siguientes 60 datos tanto de entrada como de salida. datos_val=[XT(61:tam) FT(61:tam)] % Cantidad de datos tomados para la identificación del sistema. Para este caso, se toman los primeros 61 datos tanto de entrada como de salida. idplot(datos_ident) % Visualizar los datos tomados para identificación.
Identificación de sistemas utilizando IDENT datos_ident=dtrend(datos_ident) % % Remueve las tendencias lineales de los datos de identificación, manteniendo la información de la dinámica del sistema, pero no su comportamiento estático. datos_val=dtrend(datos_val) % Remueve las tendencias lineales de los datos de validación, manteniendo la información de la dinámica del sistema, pero no su comportamiento estático. idplot(datos_ident) % Visualiza los datos de identificación sin tendencia lineal. idplot(datos_val) % Visualiza los datos de validación sin tendencia lineal. th=arx(datos_ident,[2 7 6]) % Aplicación del modelo posible. Para este caso es ARX. Puede ser ARMAX, OE y BJ. Se debe tener presente los parámetros que maneja cada uno. Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + e(t) A(q) = 1 – 0.3144 q^-1 – 0.3001 q^-2 B(q) = 0.1531 q^-6 + 0.07232 q^-7 + 0.02384 q^-8 + 0.05164 q^-9 + 0.1027 q^-10 – 0.008651 q^-11 – 0.03379 q^-12 Estimated using ARX from data set datos_ident Loss function 2.16316 and FPE 2.92663 Sampling interval: 1
Identificación de sistemas utilizando IDENT th=sett(th,300) % Representación del modelo en términos de q-1, con el tiempo de muestreo del sistema. present(th) % Presenta el modelo obtenido en q-1. [numd1,dend1]=th2tf(th) % Transforma los polinomios en format q-1 en expresiones numerador y denominador. Presenta cada coeficiente de los polinomios obtenidos. roots(dend1) % Se encuentran las raíces del polinomio denominador para ubicación de los polos. compare(datos_val,th) % Compara los datos de validación con el modelo obtenido. En la gráfica obtenida se muestra una comparación entre las salidas de los modelos simulados y la salida medida cuando son aplicados los datos de validación. sysd=tf(numd1,dend1,300) Transfer function: 0.1531 z^6 + 0.07232 z^5 + 0.02384 z^4 + 0.05164 z^3 + 0.1027 z^2 – 0.008651 z – 0.03379 ——————————————————————————————————————- z^12 – 0.3144 z^11 – 0.3001 z^10 Sampling time: 300
Identificación de sistemas utilizando el GUI de Ident
Identificación de sistemas con el GUI de Ident
CAPITULO 5: CONCEPTOS DE ESTABILIDAD EN UN SISTEMA DE CONTROL EN TIEMPO DISCRETO Criterio de estabilidad de Jury Transformación bilineal y criterio de estabilidad de Routh-Hurwitz Método del lugar geométrico de las raíces Utilización de la herramienta SISOTOOL de Matlab para obtener el lugar geométrico de las raíces de un sistema de control discreto.
CAPITULO 5: HERRAMIENTAS DE MATLAB UTILIZADAS Simulink Sisotool: rltool
CAPITULO 5: HERRAMIENTAS DE MATLAB UTILIZADAS
CAPITULO 5: HERRAMIENTAS DE MATLAB UTILIZADAS
CAPITULO 6: RESPUESTA DE LOS SISTEMAS EN TIEMPO DISCRETO Respuesta estacionaria de los sistemas Análisis de error en estado permanente Error a escalón unitario o señal de posición Error a rampa unitaria o señal de velocidad Error a entrada parabólica o señal de aceleración Robustez de un sistema discreto
CAPITULO 6: HERRAMIENTAS UTILIZADAS DE MATLAB SIMULINK
CAPITULO 7: DISEÑO DE COMPENSADORES DISCRETOS Diseño de compensadores discretos a partir de especificaciones temporales Diseño de controladores discretos Acción proporcional Acción derivativa Acción integral Control PI discreto Control PD discreto Control PID discreto Implementación de un controlador PID discreto con LabVIEW Implementación de un controlador PID discreto utilizando la herramienta GUIDE de Matlab
DIA MATLAB 2008. BOGOTÁ CAPITULO 7: HERRAMIENTAS UTILIZADAS DE MATLAB GUIDE: Interfaz gráfica de Usuario Simulink Sisotool
CAPITULO 7: HERRAMIENTAS UTILIZADAS DE MATLAB