trabajoii version corregida
TRANSCRIPT
i
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA“ANTONIO JOSÉ DE SUCRE”
VICERRECTORADO BARQUISIMETODEPARTAMENTO DE INGENIERÍA ELECTRÓNICA
SISTEMA HÍBRIDO CON CONTROLADORES PID AUTO SINTONIZABLES PARA EL CONTROL Y LA SUPERVISIÓN DE LA VELOCIDAD DE UN MOTOR DE INDUCCIÓN TRIFÁSICO
AUTORES:Br. Henry Manzaneda C.I: V-15.669.124TUTOR: Lenin BecerraCOTUTOR: Francisco de la cruz
Barquisimeto, julio 2012
ii
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA“ANTONIO JOSÉ DE SUCRE”
VICERRECTORADO BARQUISIMETODEPARTAMENTO DE INGENIERÍA ELECTRÓNICA
SISTEMA HÍBRIDO CON CONTROLADORES PID AUTO SINTONIZABLES PARA EL CONTROL Y LA SUPERVISIÓN DE LA VELOCIDAD DE UN MOTOR DE INDUCCIÓN TRIFÁSICO
AUTOR:
Br. Henry Manzaneda.
“Trabajo Especial presentado ante el
Departamento de Ingeniería Electrónica de la
Universidad Nacional Experimental Politécnica
“Antonio José de Sucre” Vice Rectorado de
Barquisimeto como requisito parcial para optar al
Título de Ingeniero Electrónico”.
Barquisimeto, julio 2012
iii
ÍNDICE GENERAL
ÍNDICE DE FIGURAS.....................................................................................................v
RESUMEN.....................................................................................................................viii
CAPÍTULO III................................................................................................................36
MARCO METODOLÓGICO....................................................................36 Naturaleza de la Investigación.....................................................................................36
Etapas de Diseño................................................................................................................36
ETAPA I. Revisión Bibliográfica...............................................................................37
ETAPA II. Descripción del proceso..........................................................................37
ETAPA III. Obtención de los Modelos Continuos..............................................37
ETAPA IV. Definición de las Variables del Proceso..........................................37
ETAPA V. Establecer el Margen y Rango de Operación de las Variables del Sistema..........................................................................................................................38
ETAPA VI. Obtención de los Modelos a Eventos Discretos y del Algoritmo de Autosintonizacion.................................................................................38
ETAPA VII. Establecimiento de las Especificaciones........................................38
ETAPA VIII. Obtención del Supervisor y las Rutinas de Auto Sintonizacion.....................................................................................................................38
ETAPA IX. Simulación de los Sistemas Obtenidos............................................39
ETAPA X. Análisis de las Simulaciones..................................................................39
ETAPA XI. Conclusiones y Recomendaciones.....................................................39
Recursos...............................................................................................................................39
Recursos Bibliográficos.................................................................................................40
Recursos Tecnológicos...................................................................................................40
Recursos Humanos..........................................................................................................40
CAPÍTULO IV.................................................................................................................41
RESULTADOS Y ANÁLISIS DE RESULTADOS.........................................41Descripción del Proceso.....................................................................................................41
Obtención de los Modelos Continuos...........................................................................42
Modelado Matemático del Motor de Inducción........................................................42
Las Ecuaciones del Motor de Inducción en el Sistema de Referencia D-Q....48
Construcción de los Modelos mediante Simulink....................................................50
Definición de las Variables del Proceso.......................................................................51
Variables Manipuladas:................................................................................................52
iv
Variable Controlada:.....................................................................................................52
Márgenes y Rangos de Operaciones.............................................................................52
Selección y Diseño de los Controladores.....................................................................53
Controladores para el Motor de Inducción tanto para las regiones de operación asi como para el auto tuining.................................................................53
Modelo a Eventos Discretos del Proceso.....................................................................60
Especificaciones para el Diseño de los Sistemas Supervisorios..........................62
Diseño de los Sistemas de Supervisión.........................................................................63
Diseño del Supervisor S.....................................................................................................63
Simulación de los Sistemas de Supervisión Híbridos.............................................64
CAPITULO V.............................................................................................................88
CONCLUSIONES Y RECOMENDACIONES...............................................88Conclusiones...........................................................................................................................88
RECOMENDACIONES....................................................................................................89
BIBLIOGRAFÍA.............................................................................................90
v
ÍNDICE DE FIGURAS
Figura 1. Sistema G(S) con controlador P...................................................................18
Figura 2. Sistema G(S) con controlador PI..................................................................20
Figura 3. Sistema G(s) con Controlador PID..............................................................22
Figura 4 Representación gráfica de un autómata ......................................................29
Figura 5. Conjunto de tiempo híbrido..........................................................................33
Figura 6. Representación gráfica de un Control Supervisorio..................................36
Figura 7. Representación simplificada de una máquina trifasica de dos polos........44
Figura 8. Interpretación fisica del vector espacial de la fuerza magnetomotriz......47
Figura 9. Modelo Computacional del motor de inducción trifásico..........................51
Figura 10. Comparación del Modelo matemático de inducción trifásico con el de la herramienta computacional Matlab.........................................................................52
Figura 11. Respuesta del sistema al escalón ante la adicción del 5%.......................56
Figura 12. Curva de reacción y la respuesta del modelo de SOMTM y ante una entrada escalón...............................................................................................................57
Figura 13. Modelo a eventos discreto del sistema del motor de inducción (Planta G).....................................................................................................................................59
Figura 14. Sistema Supervisorio del motor de inducción L(S/G)..............................62
Figura 15. Sistema híbrido de control de velocidad del motor de C.A......................63
Figura 16. Sistema Supervisorio...................................................................................64
Figura 17. Supervisor.....................................................................................................66
Figura 18. Autorización de cambio de región a la llegada del ± 2 de la velocidad...........................................................................................................................................66
Figura 19. Subsistema de estabilidades........................................................................67
Figura 20. Analizador de estabilidad de corriente en estado Automático................67
Figura 21. Analizador de estabilidad de velocidad en estado Automático...............68
Figura 22. Analizador de estabilidad de corriente en modo manual.........................68
Figura 23. Analizador de estabilidad develocidad en estado manual........................69
vi
Figura 24. Analizador de estabilidades en Automático y manual para autorizar cambios al SUPERVISOR.............................................................................................69
Figura 25. Indicador de Región cuando entra al ± 2% de la velocidad.....................70
Figura 26. Cambios de Regiones para el motor de inducción....................................71
Figura 27. Cambio de Región ascendente entre regiones contiguas (C.A)...............75
Figura 28. Cambio de Región ascendente entre regiones contiguas (C.A)...............76
Figura 29. Cambio de Región ascendente entre regiones contiguas (C.A)...............77
Figura 30. Cambio de Región ascendente entre regiones distantes (C.A.)...............78
Figura 31. Cambio de Región ascendente entre regiones distantes (C.A.)...............79
Figura 32. Cambio de Región ascendente entre regiones distantes (C.A.)...............80
Figura 33. Cambio de Región descendente entre regiones contiguas (C.A.)............81
Figura 34. Cambio descendente entre regiones contiguas (C.A.)..............................82
Figura 35. Cambio descendente entre regiones contiguas. (C.A)..............................83
vii
ÍNDICE DE TABLAS
Tabla 1. Características eléctricas de los motores eléctricos......................................43
Tabla 2. Velocidades para el motor de C.A.................................................................54
Tabla 3. Constantes del controlador PID.....................................................................58
Tabla 4. Transiciones entre los estados del modelo a eventos discreto del motor de inducción trifásico.....................................................................................................60
Tabla 5. Transiciones activas entre los distintos estados o nodos de S......................62
Tabla 6. Resumen de las figuras generadas mediante simulaciones para el motor de inducción....................................................................................................................72
viii
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA“ANTONIO JOSÉ DE SUCRE”
VICERRECTORADO BARQUISIMETODEPARTAMENTO DE INGENIERÍA ELECTRÓNICA
SISTEMA HÍBRIDO CON CONTROLADORES PID AUTO SINTONIZABLES PARA EL CONTROL Y LA SUPERVISIÓN DE LA VELOCIDAD DE UN MOTOR
DE INDUCCIÓN TRIFÁSICO.
AUTOR: Henry Manzaneda
TUTOR: Lenin Becerra.
COTUTOR: Francisco de la cruz
RESUMEN
Los sistemas de control automático son fundamentales para el manejo de los procesos de producción de las plantas industriales. Los procesos se pueden modelar como sistemas híbridos debido a que se componen de una colección de subprocesos conectados entre sí y su comportamiento presenta las dos dinámicas la continua y a eventos discretos. En el siguiente trabajo se diseñó un sistema de supervisión para el sistema híbrido de control de velocidad de un motor de inducción trifásico, controlando efectivamente las velocidades de este, manteniendo su estabilidad, garantizando la confiabilidad, robustez y efectividad. Mediante el desarrollo de una investigación que reúne las características de un proyecto factible, el cual puede ser implementado en cualquier proceso en el que sea necesario realizar cambios de velocidades entre regiones de operación. Una vez definidas las regiones operativas para el motor y realizada la representación de los modelos a eventos discretos mediante Supremica, se procedió a la construcción del sistema supervisorio empleando las cartas de estado (StateCharts), implementadas bajo el nombre de Stateflow en el entorno Matlab – Simulink, verificando mediante diversas simulaciones el correcto funcionamiento de los supervisores diseñados.
Palabras claves: sintonización, controlador,Sistema Híbridos, motor de inducción trifásico, controladores, Supremica y Matlab.
1
INTRODUCCIÓN
Los Sistemas Híbridos de Control en la actualidad son unos de los más empleados en el
campo industrial, esto es gracias a los grandes avances que la electrónica ha tenido en los
últimos años y la necesidad que se tiene de automatizar los procesos industriales para tener
una mejores prestaciones y optimizar la utilización de los recursos tanto materiales como
humanos a la hora de elaborar un producto.
Gran parte de los procesos tiene involucrado en sí mismo un sistema híbrido, ya que este
involucra el tratamiento o utilización tanto de variables en tiempo continuo (el cambio de
temperatura en una caldera, variaciones de la presión y gas en un sistema de calentamiento)
como en tiempo discreto (al usar microprocesadores para el procesamiento y control del
proceso o un computador para registrar la evolución del mismo).
En la automatización de procesos existen distintas estrategias de control cuyo enfoque varía
de acuerdo a las especificaciones de la planta y requerimientos a controlar. En el caso de un
proceso de un motor de inducción trifásico, el diseño de una estrategia de control se basa en
la necesidad de reducir en la mayor medida posible los sobre impulsos de corrientes al
inicio o en el cambio de modo de operación y que garantice un funcionamiento óptimo y
eficaz.
En este trabajo se desarrolla una estrategia de control para un control de velocidad de un
motor de inducción trifásico fundamentada en el sistema híbrido con controladores PID
auto sintonizables para el control y supervisión. Primero se desarrolla el modelo a eventos
discretos de la planta, luego se diseña el modelo de los sistemas supervisorios encargados
de controlar la velocidad y funcionamiento del motor trifásico de inducción, durante el
arranque, parada planificada del motor, ejecución y en caso de fallas. Además se realizan
las validaciones de los sistemas mediante simulaciones, en las que se comprueba el
funcionamiento de los mismos para todas las especificaciones del proceso.
2
La estructura de la investigación consta 5 capítulos, el Capítulo I llamado Planteamiento
del Problema, que describe el problema, los objetivos de la investigación, justificación,
alcance y definición de variables, el Capítulo II, Marco Teórico contiene los antecedentes
y bases teóricas que sustentan el estudio, el Capítulo III, Marco Metodológico donde se
encuentra la naturaleza de la investigación, tipo de investigación, etapas de la investigación
y recursos, el Capítulo IV, Análisis y Resultados de la Investigación el cual abarca todos
los resultados obtenidos durante el desarrollo de la investigación y por último Capítulo V,
Conclusiones y Recomendaciones en donde se presentan las conclusiones más relevantes
del proyecto, una vez analizados los resultados y las recomendaciones para el mismo.
3
CAPÍTULO I
PLANTEAMIENTO DEL PROBLEMA
El Problema
Descripción del problema
Los motores eléctricos son máquinas eléctricas rotatorias que transforman la energía
eléctrica en energía mecánica. Ellos satisfacen una amplia gama de necesidades de servicio,
desde arrancar, acelerar, mover, o frenar, hasta sostener y detener una carga. Los tres
principales problemas que existen en ellos para satisfacer su empleo en la industria son
controlar la posición, la velocidad y la aceleración.
En función de los requerimientos del empleo que se le dé a estos motores en un mismo
proceso, pueden operar con una amplia variedad de posiciones, velocidades y
aceleraciones. Esto trae como consecuencia que debe determinarse para cada punto de
operación los parámetros de control, que son exclusivos de cada región de control donde
fueron calculados. Por lo tanto, cada vez que se necesite realizar una modificación de la
región de operación, los operadores deben acometer un conjunto de pasos para poder
cumplir con la nueva condición.
Estas modificaciones se realizan debido a la naturaleza no lineal intrínseca en los procesos,
ya que al cambiar de región de operación, estos valores que son calculados para un sistema
linealizado, no serán los más adecuados porque la planta a controlar se convierte en un
sistema distinto al anterior. Es por ello que este trabajo incluye la implementación de un
controlador que pueda sintonizarse automáticamente y detectar estos cambios o
perturbaciones y logre nuevamente la respuesta deseada del sistema, quitándole la
responsabilidad al operador, ya que este procedimiento al realizarlo él, presenta una demora
considerable.
4
Además, en este trabajo se quiere automatizar las tareas de supervisión sobre el arranque,
parada y cambios en el punto de operación de la velocidad realizadas por los operadores
con el fin de mejorar el control sobre la planta y no dejar las operaciones totalmente al
operador del proceso, porque se deben implementar técnicas de control y supervisión que
para él resultan complejas ejecutarlas y puede incurrir en errores.
Ahora, la dinámica conjunta del proceso con todas las regiones de control se representa
como un sistemas híbrido, la dinámica se puede modelar usando máquinas de estado finito
y ecuaciones diferenciales. Este sistema híbrido modelado será utilizado para implementar
el sistema de control y supervisión a diseñar.
Objetivos
Objetivo general
Implementar un sistema híbrido con controladores PID auto sintonizables para el control y
la supervisión de la velocidad de un motor de inducción trifásico, modelando el supervisor
mediante máquinas de estados finitos y la dinámica del motor con ecuaciones diferenciales.
Objetivos específicos
Determinar el modelo matemático que rige el comportamiento dinámico de un motor
eléctrico para el cálculo de los parámetros de control.
Implementar el sistema de control de la velocidad para el motor de inducción trifásico
donde se utiliza la rutina de auto sintonización.
Establecer las regiones de operación del motor como modelos a eventos discretos basado en
máquinas de estado.
Diseñar el supervisor usando máquinas de estado finito que gobierna el cambio de las
regiones de operación.
Verificar el buen funcionamiento del supervisor ante cambios en la velocidad
implementando los algoritmos de control autoajustables y de supervisión.
5
Justificación
El uso de los motores eléctricos se ha generalizado a todos los campos de la actividad
humana, por lo tanto, su adecuado control es importante en el sector industrial.
Mediante la mejora de los sistemas de control y supervisión, y el uso más cada vez
frecuente de los sistemas de control supervisorio se pueden disminuir las pérdidas, usar
mejor los recursos, aumentar la productividad, reducir costos operativos, entre otras cosas.
Además de las ventajas mencionadas, la manipulación de las plantas con supervisores
automatizados en vez de operadores humanos disminuye los riesgos sobre las actividades
de manejo del sistema de alarmas, los enclavamientos para el arranque y parada de planta,
las operaciones ante cambios en los niveles de producción y ante la presencia de
perturbaciones en planta.
Se nota claramente, que para cumplir con las labores realizadas por los operadores se deben
realizar una gran cantidad de actividades, ellas involucran una gran cantidad de
especificaciones debido a lo complejo de los procesos productivos, además de lo
complicado debido a la gran cantidad de información que debe procesar.
Es por eso que se plantea el diseño de sistemas híbridos para el control y supervisión de la
velocidad de los motores para garantizar su correcto funcionamiento para distintos puntos
de operación.
Alcance
En este trabajo se realiza el diseño de un sistema híbrido, donde el supervisor a eventos
discretos diseñado es representado mediante máquinas de estado finito, supervisando el
sistema de control de la velocidad de los motores cuando se requiere arrancar, detener y
cambiar de una región de control a otra. Además, se obtiene el modelo matemático del
6
motor y la rutina para el cálculo de los parámetros del lazo de control de la velocidad para
cada región de operación.
Para cada región de operación la rutina de auto sintonización deberá calcular los parámetros
de las acciones de control proporcional, integral y derivativo del controlador de velocidad,
y para verificar el diseño se procede a implementar los algoritmos de control y supervisión,
montandolos en un computador estos algoritmos.
7
CAPÍTULO II
MARCO TEÓRICO
Antecedentes
(Khodr y Chacón, 2004), en este trabajo titulado Implementación de un sistema
supervisorio de sistemas de producción continuos complejos, establecieron un marco
general para describir sistemas dinámicos acoplados los cuales combinan dos subsistemas
que tienen diferentes estructuras dinámicas para exhibir el comportamiento global de un
proceso. Un caso particular de estos sistemas acoplados son algunos sistemas dinámicos
híbridos que han sido considerados en la literatura como redes de interacción entre sistemas
continuos y discretos. Aquí se describe una implementación parcial de la teoría asociada
con la automatización integral de sistemas industriales complejos. De este antecedente es
útil para este trabajo cómo se puede implementar un sistema de supervisión.
(Thomas y col, 2010), en este trabajo titulado Diseño de un controlador PID auto
sintonizable para el control de velocidad de un motor dc, implementaron en un
microcontrolador una acción PID auto sintonizable dentro de un lazo de control para un
motor dc, sintonizando los valores de sus parámetros para lograr una respuesta deseada del
sistema ante un punto de operación en específico. Para realizar este ajuste fue necesario
emplear uno o varios métodos, todo esto bajo la premisa de que el sistema se mantendrá en
el punto de operación en el cual se realizó la sintonización ante cambios o perturbaciones,
logrando nuevamente la respuesta deseada del sistema. De este antecedente es útil para este
trabajo los diferentes algoritmos para las rutinas de auto sintonización.
(Peraza y col, 2011), en este trabajo titulado Diseño de sistemas híbridos para el control
de la velocidad de motores eléctricos, ellos diseñaron y simularon sistemas híbridos para
el control de velocidad de un motor de corriente continua y de un motor de inducción
8
trifásico, para realizar cambios de velocidades entre regiones, primero fueron definidas con
anterioridad las regiones operativas para cada uno de los motores y se obtuvieron para cada
región los parámetros del controlador. Luego se procedió a la construcción de los sistemas
supervisorios empleando las cartas de estado (StateCharts), implementadas bajo el nombre
de Stateflow en el entorno Matlab – Simulink, verificando mediante diversas simulaciones
el correcto funcionamiento de los supervisores diseñados. De este antecedente es útil para
este trabajo el diseño de supervisores a eventos discretos.
Bases Teóricas
Máquinas de Inducción
Las leyes de inducción electromagnética fueron descubiertas en 1831 por Faraday. Maxwell
formuló las leyes de electricidad en 1860. La invención de las primeras máquinas de
inducción por Galileo Ferraris y Nicola Tesla ocurrió un par de décadas después. Ambas
máquinas requerían de una alimentación bifásica, al contener un par de devanados,
concentrados en el núcleo ferromagnético de sus estatores. En el motor de Ferraris, el rotor
cilíndrico se componía de cobre; en el de Tesla, éste elemento era ferromagnético y exhibía
un devanado en cortocircuito. A pesar de que hoy en día, los motores son de topologías más
elaboradas y su desempeño ha mejorado notablemente, su principio de funcionamiento no
ha cambiado. Esto es:
“Existe un estator devanado, con alimentación de múltiples fases, que originan un campo magnético rotatorio, capaz de inducir voltajes que generan corrientes en las bobinas en corto del rotor; la interacción entre el campo del estator y las corrientes del rotor, producen el torque requerido por la máquina.”
En 1889, Dolivo-Dobrovolsky inventó el motor de inducción con rotor devanado, un año
más tarde, el rotor de jaula de ardilla. Posteriormente, el motor de CD acaparó todo el
mercado hasta 1984, cuando el inversor basado en IGBT’s2 demostró su eficiencia al usarse
en conjunto con el variador de velocidad. Esto último promocionó al motor de inducción
dentro de todo tipo de industrias, especialmente en aplicaciones que requerían de un control
9
de velocidad. Subsecuentemente, el conjunto de algunos eventos han marcado la historia
del motor de inducción:
- La descripción de mejores modelos analíticos para propósitos de diseño y operación
en estado estable.
- Mejores materiales magnéticos y de aislamiento, y sistemas de enfriamiento con un
mejor desempeño.
- El surgimiento de variadores de velocidad con menores pérdidas, mayor densidad
de potencia y menor costo.
- El desarrollo de motores de inducción de alta velocidad y potencia.
- Nuevos métodos de manufactura para máquinas de inducción con convertidores
integrados en un solo producto.
Hoy en día, los motores de corriente alterna son los más utilizados dentro de procesos
industriales, así como en aparatos electrodomésticos. Simples, robustos, de bajo costo y de
conexión directa a corriente alterna (C.A.) son las principales ventajas de estos motores.
Distintos tipos de motores de inducción existen en el mercado, cubriendo así la diversa
gama de aplicaciones comerciales. A un cuando los motores de inducción son más sencillos
de diseñar que los de corriente directa, la velocidad y el control del torque en los motores
de C.A. requiere un mayor entendimiento sobre el diseño y las características de los
mismos.
Construcción Básica y Principio de Operación
Como la mayoría de los motores, el de C.A. tiene una parte exterior cerrada llamada estator
y un rotor que reside en su interior. Estas partes se encuentran separadas entre sí, por una
milimétrica región de aire. Virtualmente, todos los motores eléctricos trabajan por medio de
10
un campo magnético rotatorio originando el movimiento de su rotor. Los monofásicos,
requieren de componentes eléctricos adicionales, para producir su campo magnético. En los
motores trifásicos, este campo rotatorio se crea en forma natural en el estator, debido a los
voltajes sinusoidales de alimentación, desplazados 120° uno del otro. Los motores de C.C
dependen ya sea de conmutación mecánica o eléctrica para crear campos magnéticos
rotatorios. Dos pares de electromagnetos se forman dentro de cualquier motor. En los de
inducción, un juego de electromagnetos se forma en el estator a causa de la alimentación de
C.A. conectada entre sus terminales. Como en el caso de los transformadores, esta corriente
alterna induce una fuerza electromagnética en el rotor, descrita por la ley de Lenz,
generando así otro juego de electromagnetos. La interacción entre sus campos magnéticos
genera un torque y, por ende el motor gira en la dirección del torque resultante.
El estator está conformado por un grupo de laminados delgados de aluminio o hierro
fundido. Son comprimidos y dispuestos firmemente dentro de la carcasa del motor,
formando un cilindro hueco con múltiples ranuras en su perímetro. Las bobinas, formadas
por alambre magneto recubierto por barniz aislante, son dispuestas en una configuración
específica dentro de estas ranuras. Cada grupo de bobinas, junto con el núcleo de hierro en
su interior, forman un electromagneto justo al ser aplicada corriente alterna entre sus
terminales. El número de polos de un motor de inducción, depende de la conexión interna
en las bobinas del estator, conectadas y situadas en forma entrelazada, de tal forma que al
aplicar un voltaje de corriente alterna, un campo magnético rotatorio es creado.
El rotor está constituido por un conjunto de laminados de hierro, separados por barras de
aluminio o cobre, alrededor de su periferia.
En el rotor más común (el de jaula de ardilla), las barras se encuentran conectadas tanto
eléctrica como mecánicamente en sus regiones terminales mediante anillos. Por su
construcción robusta y simple, casi el 90% de los motores contienen rotores del tipo jaula
de ardilla.
11
Las ranuras del rotor no son exactamente paralelas a su flecha, en realidad exhiben una
curvatura que tiene dos propósitos:
Contrarrestar la tendencia de frenado que el rotor tiene, debido a la atracción
magnética hacia el estator, que sucede cuando ambos poseen igual número de
ranuras.
Disminuir el ruido sonoro al reducir la amplitud de los armónicos originados en las
propias ranuras.
El rotor se ensambla a su flecha agregando rodamientos en cada extremo. Normalmente un
extremo de la flecha es mucho más largo que el otro, permitiendo acoplar la carga
mecánica. Algunos motores pueden exhibir un extremo opuesto alargado en el cual es
posible montar un dispositivo sensor de posición y/o velocidad.
La región de aire existente entre el estator y el rotor facilita por medio del fenómeno de
inducción la transferencia de energía entre ambos. El torque generado impulsa al rotor y
este a su vez provoca la rotación de la carga mecánica acoplada a su flecha. Sin importar el
tipo de rotor del que se trate, el principio de rotación es el mismo.
Velocidad de un Motor de Inducción
El campo magnético creado en el estator rota a una velocidad síncrona (Ns) en revoluciones
por minuto (rpm).
Ec. (1)
Donde P = número de polos y f = frecuencia eléctrica en Hertz.
12
Naturalmente, el campo magnético producido en el rotor es alterno, a causa del voltaje
inducido. Para reducir la velocidad relativa con respecto al estator, el rotor comienza a girar
en la misma dirección del flujo rotatorio del estator, e intenta sincronizarse con él, en la
práctica nunca lo logra y permanece girando a una velocidad menor llamada velocidad base
(Nb). La diferencia entre (Ns) y (Nb) es conocida como deslizamiento. El deslizamiento
varía dependiendo del trabajo mecánico. Un incremento en la carga causará una
disminución de la velocidad del rotor y un incremento del porcentaje de deslizamiento. El
decremento en carga causará el aumento de la velocidad del rotor y un decremento del
porcentaje de deslizamiento. El factor de deslizamiento se expresa como porcentaje y se
determina mediante la Ec. (2).
Porcentaje de deslizamiento= Ec. (2)
Donde = velocidad síncrona y = velocidad base rpm.
Control Escalar mediante el Cambio de la Frecuencia de Alimentación.
Utilizando control de frecuencia variable, es posible ajustar la velocidad del motor por
encima o por debajo de la velocidad base. Un controlador de frecuencia variable para motor
de inducción, diseñando adecuadamente, puede ser muy flexible y puede controlar la
velocidad de un motor de inducción sobre un rango de velocidad que va desde el tan
pequeño de 5% de la velocidad sincrónica hasta cerca del doble de ésta. Sin embargo, es
importante mantener ciertos límites de voltaje y par sobre el motor cuando varía la
frecuencia para asegurar una operación confiable.
Cuando se opera a velocidades inferiores a la velocidad sincrónica del motor, es necesario
reducir el voltaje aplicado a los terminales del estator para obtener una operación adecuada.
El voltaje aplicado a los terminales del estator deberá disminuir linealmente con la
disminución de la frecuencia en él. Este proceso se llama degradación. Si esto no se hace,
se saturará el acero del núcleo del motor de inducción y fluirán corrientes de magnetización
excesivas en la máquina.
13
Ya que el motor de inducción es básicamente un transformador rotante. Como con
cualquier transformador, el flujo en el núcleo de un motor de inducción se puede encontrar
aplicando la ley de Faraday:
Ec. (3)
Si se aplica un voltaje al núcleo, flujo resultante es
Ec. (4)
Como la frecuencia eléctrica aparece en el denominador, si esta disminuye en 10%,
mientras que la magnitud del voltaje aplicado al estator permanece constante, el flujo en el
núcleo del motor se incrementará en cerca de 10% y la corriente de magnetización se
incrementará también. Así mismo en la región de no saturación de la curva de
magnetización del motor, el aumento en la corriente de magnetización será de cerca de
10%. Sin embargo, en la región saturada de la curva de magnetización del motor, un
aumento de 10% en el flujo requiere un aumento mucho mayor en la corriente de
magnetización.
Los motores de inducción están diseñados para operar cerca del punto de saturación de sus
curvas de magnetización; por lo tanto, el aumento en el flujo debido a la disminución de
frecuencia causará un flujo excesivo de corriente de magnetización en el motor.
Para evitar corrientes de magnetización excesivas, es costumbre disminuir el voltaje
aplicado al estator en proporción directa a la disminución de la frecuencia siempre que la
frecuencia esté por debajo de la nominal del motor. Puesto que el voltaje aplicado
14
aparece en el numerador de la ecuación (4) y la frecuencia en el denominador, los dos
efectos se contrarrestan entre sí y la corriente de magnetización no se afecta.
Cuando el voltaje aplicado a un motor de inducción varía linealmente con la frecuencia por
debajo de la velocidad base, el flujo en el motor permanece aproximadamente constante.
Entonces, el máximo par que puede suministrar el motor permanece alto. Sin embargo, la
potencia máxima nominal del motor debe ser disminuida linealmente con la reducción de
frecuencia para evitar el sobrecalentamiento del circuito del estator. La potencia
suministrada al motor de inducción trifásico está dada por:
Ec. (5)
Si se disminuye le voltaje , la potencia también debe ser disminuida o la corriente que
fluye en el motor llegará a ser excesiva y el motor sobrecalentará.
Cuando la frecuencia eléctrica aplicada al motor excede la frecuencia nominal del motor, el
voltaje del estator es mantenido constante en el valor nominal. Aunque consideraciones de
saturación permitirían elevar el voltaje por encima del valor nominal bajo estas
circunstancias, aquel está limitado al voltaje nominal para proteger el aislamiento del
devanado del motor. Cuanto mayor sea la frecuencia eléctrica sobre la velocidad base,
mayor será el denominador de la ecuación (4). Puesto que el término del numerador se
mantiene constante cuando se opera sobre la frecuencia nominal, disminuyen el flujo y el
par máximo. Si el voltaje del estator varía linealmente con la frecuencia por debajo de la
velocidad base y su valor nominal se mantiene constante a velocidades por encima de la
velocidad base.
15
Modelos Matemáticos
La mayoría de los métodos de sintonización de controladores se basan en los parámetros de
un modelo de orden reducido que permita representar sistemas dinámicos de orden alto y
por esta razón los más empleados son los de primer o segundo orden más tiempo muerto,
cuyas funciones de transferencia son:
Modelo de Primer Orden más Tiempo Muerto
Modelo de Segundo Orden Sobreamortiguado más Tiempo Muerto
Modelo de Segundo Orden Subamortiguado más Tiempo Muerto
Para efecto de los métodos de sintonización de controladores, usualmente se requiere que
los sistemas sobreamortiguados de orden superior a uno, se representen por medio de un
modelo de primer orden más tiempo muerto, como el dado por la Ec. (6), algunos pocos
requieren de un modelo de segundo orden más tiempo muerto, como el dado por la Ec. (7).
Si el sistema es subamortiguado debe representarse por un modelo como el dado por la Ec.
(8).
Curva de Reacción
La curva de reacción del proceso se obtiene mediante una prueba de lazo abierto (prueba de
escalón) con el controlador manual y el sistema situados en el punto de operación deseado.
16
En estas condiciones se aplica un cambio de escalón en la salida del controlador y se
registra esta señal y la de salida del proceso, desde el instante en que se aplicó el escalón de
entrada hasta que el sistema alcance un nuevo punto de operación estable.
El procedimiento de la prueba de escalón se lleva a cabo como sigue:
Con el controlador en la posición “manual” (es decir, el circuito abierto), se aplica
al proceso un cambio escalón en la señal de salida del controlador. La magnitud del
cambio debe ser lo suficientemente grande como para que se pueda medir el cambio
consecuente en la señal del transmisor, pero no tanto como para que las no
linealidades del proceso ocasionen la distorsión de la respuesta.
La respuesta de la señal de salida del transmisor se registra con un graficador de
papel continuo o algún dispositivo equivalente. Se debe tener la seguridad de que la
resolución es la adecuada, tanto en la escala de amplitud como en la de tiempo. La
graficación de la señal de salida del transmisor contra el tiempo debe cubrir el
período completo de la prueba, desde la introducción de la prueba de escalón hasta
que el sistema alcanza un nuevo estado estacionario. La prueba generalmente dura
entre unos cuantos minutos y varias horas, según la velocidad de respuesta del
proceso.
Naturalmente, es imperativo que no entren perturbaciones al sistema mientras se realiza la
prueba de escalón. El siguiente paso es hacer coincidir la curva de reacción del proceso con
el modelo de un proceso simple para determinar los parámetros del modelo.
Método de Dos Puntos
Para identificar dos parámetros que requiere el modelo, la constante de tiempo y el tiempo
muerto aparente del sistema, se pueden establecer dos ecuaciones con dos incógnitas
utilizando dos puntos sobre la curva de reacción. De este modo se garantiza que la
respuesta del modelo coincida con la del sistema real en estos dos puntos como mínimo.
17
El primer método basado en dos puntos sobre la curva de reacción fue propuesto por Smith.
Los instantes seleccionados por este autor fueron los tiempos requeridos para que la
respuesta alcance el 28.3% (t28) y el 63.2% (t63) del valor final, y corresponden a:
Este sistema de ecuaciones se puede resolver para tmy τ obteniéndose:
Control Proporcional (P)
Para un controlador con acción de control proporcional, la relación entre la salida del
controlador u(t) y la señal de error e(t) es:
O bien, visto por su función de transferencia puede expresarse como:
Donde Kp se considera la ganancia proporcional. Cualquiera que sea el mecanismo real y la
forma de la potencia operación, el controlador proporcional es en esencia, un amplificador
con una ganancia variable. Un controlador proporcional normalmente producirá un error en
estado estacionario. Simulando para un sistema de lazo cerrado con un controlador de
acción proporcional, con una función de transferencia del proceso dada por
, una entrada de referencia del tipo escalón unitario y variando el valor de
la ganancia K, obtenemos la Figura 1.
18
Figura 1. Sistema G(s) con Controlador P. a) Salida del sistema, b) Señal de Control; para distintos valores de ganancia Kp. Fuente: Améstegui M; 2001.
Control Integral (I)
Para un controlador con acción de control integral, el valor de la salida del controlador u(t)
se cambia a una razón proporcional a la señal de error e(t). Es decir:
O bien
19
Donde Ki es una constante ajustable. La función de transferencia del controlador integral es:
Control Proporcional Integral (PI)
La acción de control proporcional-integral se define mediante la ecuación:
La función de transferencia de controlador es:
Donde Ti se denomina tiempo integral.
La función principal de la acción integral es asegurar que la salida del proceso concuerde
con la referencia en estado estacionario. Con el controlador proporcional, normalmente
existiría un error en estado estacionario. Con la acción integral, un pequeño error positivo
siempre producirá un incremento en la señal de control y, un error negativo siempre dará
una señal decreciente sin importar cuán pequeño sea el error. Simulando para un sistema de
lazo cerrado con un controlador de acción proporcional-integral, con una función de
transferencia del proceso dada por , una entrada de referencia del tipo
escalón unitario y una ganancia obtenemos la Figura 2.
20
Figura2. Sistema G(s) con Controlador PI. a) Salida del sistema, b) Señal de Control; para Kp =1 y distintos valores de Ti. Fuente: Améstegui M; 2001.
Control Proporcional Derivativo (PD)
La acción de control de un controlador proporcional-derivativo se define mediante la
siguiente ecuación:
Y su función de transferencia viene dada por:
Donde Td es el tiempo derivativo.
El propósito de la acción derivativa es mejorar la estabilidad de lazo cerrado. El
21
mecanismo de inestabilidad puede ser descrito intuitivamente como sigue. Debido a la
dinámica del proceso, pasa algún tiempo antes de que la variable de control se note en
la salida del proceso. De esta manera, el sistema de control tarda en corregir el error. La
acción de un controlador con acción proporcional y derivativa puede ser interpretada
como si el control proporcional fuese hecho para predecir la salida del proceso. Dado
que físicamente es imposible realizar un sistema que pueda predecir la su salida sin
conocer de antemano la entrada se procederá a simular para un sistema de lazo cerrado
con un controlador de acción proporcional-integral-derivativo, con una función de
transferencia del proceso dada por , una entrada de referencia del tipo
escalón unitario, una ganancia y , obtenemos la Figura 3.
Figura 3. Sistema G(s) con Controlador PID. a) Salida del sistema, b) Señal de Control; para Kp =3, Ti = 1 y distintos valores de Td. Fuente: Améstegui M; 2001.
22
Control Proporcional Integral Derivativo (PID)
La combinación de la acciones de control proporcional, integral y derivativo son las que
generan este tipo de control, esta acción combinada tiene las ventajas de cada una de las
tres acciones de control individuales. La ecuación de un controlador con esta acción
combinada está dada por
Y su función de transferencia viene dada por
Donde Kp es la ganancia proporcional, Ti es el tiempo integral y Td es el tiempo derivativo.
Sistema de Estado Discretos (DES)
Según (Wonham; 2006), en sistemas de estado discreto, el espacio de estados es un
conjunto discreto. En este caso las variables de estado cambian a saltos desde un valor
discreto a otro. La dinámica del comportamiento en los modelos de sistemas discretos es
simple de visualizar. Esto es porque normalmente el mecanismo de transición de estado es
basado en lógica simple como: “Si alguna cosa ocurre y el estado actual es x, entonces el
próximo estado será x1”.
Alfabeto, Cadena de Caracteres
La noción más primitiva es la de símbolo, que es simplemente una representación
distinguible de cualquier información. Un símbolo es una entidad indivisible. Un alfabeto
es un conjunto no vacío de símbolos. En general se utiliza la notación Σ para representar un
23
alfabeto. Las cadenas de caracteres son llamadas también palabras. Un caso particular de
cadena es la palabra vacía," ", la cual no tiene ninguna letra.
Representación de Lenguajes
Un lenguaje puede ser pensado como una vía normal para describir el comportamiento de
un DES. El lenguaje define todas las secuencias admisibles que el DES es capaz de
procesar o generar, sin una estructura adicional. La dificultad aquí es que una
representación simple de un lenguaje no es siempre fácil de especificar o trabajar con ella.
En otras palabras, se necesita un conjunto compacto de estructuras que definan un lenguaje,
las cuales puedan ser manipuladas por medio de operaciones bien definidas, así como
construir, manipular y analizar lenguajes arbitrarios complejos. Los autómatas son una
herramienta que permiten representar y manipular lenguajes y resolver problemas que
pertenecen al comportamiento lógico de un DES.
Estado
Es la situación o las condiciones en que se halla un objeto en algún momento, dicho objeto
no puede estar en más de un estado al mismo tiempo. En el caso de una máquina son las
características que posee en un momento dado.
Espacio de Estado
El espacio de estado de un sistema, usualmente denotado por X, es el conjunto de todos los
posibles valores o estados que el estado puede tomar.
Evento
Al igual que el término Sistema, el término evento resulta de un concepto primitivo con una
base intuitiva. Sólo se puede enfatizar, que un evento puede ser pensado como una
ocurrencia instantánea que causa una transición de un estado a otro. A un evento se le
24
supondrá sin duración, es decir, su espectro temporal es nulo. Una idea más intuitiva del
concepto de evento puede encontrase en el cambio de estado de una variable booleana.
Una transición de estados y su evento asociado constituye el fragmento básico de un
proceso de eventos discretos.
Clasificación de los Sistemas Dinámicos
Un sistema dinámico describe la evolución de un estado en el tiempo. Ciertos sistemas
dinámicos también pueden estar influenciados por elementos externos, representados por
disturbios incontrolables (por ejemplo, el viento que afectan el movimiento de un avión) o
señales de control (por ejemplo, los comandos del piloto a las superficies de control de la
aeronave y los motores). Algunos sistemas dinámicos también pueden tener salidas, que
puede representar las cantidades que se pueden medir, o cantidades que necesitan ser
reguladas. Los sistemas dinámicos con entradas y salidas se denominan frecuentemente
sistemas de control.
Basándose en el tipo de su estado, los sistemas dinámicos se pueden clasificar en:
Continuos: Si el estado toma valores en el espacio euclidiano para algún .
Usaremos para denotar el estado de un sistema dinámico continuo.
Discretos: Si el Estado toma valores en un conjunto contable o finito .
Emplearemos para denotar el estado de un sistema discreto. Por ejemplo, un interruptor
de la luz es un sistema dinámico, cuyo estado asume dos valores, . Una
computadora es también un sistema dinámico, cuya estado asume finito (aunque muy
grande) número de valores.
Híbridos: Si una parte del estado toma valores en mientras que otra parte toma valores
en un conjunto finito. Por ejemplo, el sistema de lazo cerrado que obtenemos al utilizar un
computador para el control de un péndulo invertido, es híbrido parte del estado (es decir, el
25
estado del péndulo) es continua, mientras que otra parte (a saber, el estado de la
computadora) es discreta.
Según el conjunto de veces a lo largo del cual el estado se desarrolla, los sistemas
dinámicos se pueden clasificar como:
Tiempo continuo: Si el conjunto de los tiempos es un subconjunto de la recta real.
Destinaremos para denotar tiempo continuo. Por lo general, la evolución del estado
de un sistema de tiempo continuo se describe por una ecuación diferencial ordinaria (ODE).
Sea el sistema lineal, en tiempo continuo en espacio de estado.
Tiempo discreto: Si el conjunto de los tiempos es un subconjunto de los números enteros.
Usaremos para denotar tiempo discreto. Por lo general, la evolución del estado de
un sistema de tiempo discreto es descrita por una ecuación de diferencia. Sea el sistema de
tiempo lineal discreto en la forma en el espacio de estado.
Tiempo de híbridos: Cuando la evolución es continua en el tiempo pero también hay
"instantes" discretos donde algo "especial" sucede.
Sistemas Dinámicos Híbridos
El enfoque clásico de sistemas híbridos en el contexto de sistemas de control está asociado
con el manejo de las características continuas y las características manejadas por eventos
que pueden ser consideradas en un sistema determinado. La parte continua de un sistema
híbrido, es el proceso mismo a ser controlado, el cual puede ser representado por variables
continuas, utilizando ecuaciones diferenciales. La parte discreta de un sistema híbrido,
26
contiene una representación abstracta del proceso continuo que describe las diferentes
regiones de operación y transiciones entre ellos, las cuales usualmente son manejadas por
eventos. La representación de un sistema discreto puede ser descrita a través de valores
simbólicos, numéricos o lógicos.
En términos generales los sistemas, son sistemas dinámicos híbridos que involucran la
interacción de diferentes tipos de dinámica. Recordemos que una variable de estado se
llama discreta si toma un número finito de valores y continua si toma valores en espacio
euclidiano para algún . Por su naturaleza, los estados discretos puede cambiar el
valor sólo a través de un "salto" discreto. Los estados continuos pueden cambiar los valores
ya sea a través de un salto, o por "flujo" continuo en el tiempo de acuerdo a una ecuación
diferencial. Los sistemas híbridos involucran a estos dos tipos de dinámicas: saltos
discretos y flujos continuos. El análisis y diseño de sistemas híbridos es en general más
difícil que la de meramente discretos o puramente sistemas continuos, porque la dinámica
discreta puede afectar a la evolución continúa y viceversa.
La dinámica híbrida provee un marco adecuado para el modelado de sistemas en una
amplia gama de la ingeniería aplicaciones:
En los sistemas mecánicos de movimiento continuo puede ser interrumpido por
colisiones.
En los circuitos eléctricos continuos, fenómenos tales como la carga de los
condensadores, etc. Son interrumpidos por los interruptores de apertura y cierre, o
diodos encendidos o apagados.
En el control de procesos químicos la evolución continua de las reacciones químicas
es controlada por válvulas y bombas.
27
En todos estos sistemas es conveniente el modelo "discreto" de los componentes
(Interruptores, válvulas, equipos, etc.) como la introducción de cambios instantáneos en los
componentes continuos (de carga de los condensadores, las reacciones químicas, etc.).
Los siguientes tópicos referentes a los sistemas dinámicos híbridos fueron extraídos de
(Lygeros, 2004).
Autómatas
Los autómatas son un modelo matemático de una máquina de estados que acepta un
conjunto particular de palabras sobre un alfabeto. Son una herramienta para representar y
manipular lenguajes y resolver problemas que pertenecen al comportamiento lógico de un
DES (sistemas de estado o eventos discretos). Las FSM son dispositivos capaces de
representar un lenguaje de acuerdo a un conjunto de reglas bien definidas.
Autómata Determinístico
Un Autómata recibe secuencialmente una cadena de símbolos y cambia de estado por cada
símbolo leído o también puede permanecer en el mismo estado. Al final de la lectura el
estado del autómata nos indica si la cadena es aceptada o mejor dicho pertenece al lenguaje
que describe nuestra máquina. Si al final de leer todos los símbolos de entrada la maquina
esta en alguno de los estados Finales entonces esa cadena es aceptada, si el estado no es
final entonces la cadena no pertenece al lenguaje.
Un autómata determinístico de estados finitos está definido por una quíntupla
,
Donde:
X es el conjunto finito de estados del autómata.
z
yxa
a
b
a,g
b
G
28
Σ es el conjunto de símbolos (eventos) que definen el alfabeto.
La función de transición es: es la función de transición, posiblemente
parcial, o sea, no hay necesidad de que la función esté definida para todo elemento
de Σ en cada estado de X.
es el estado inicial del autómata.
es el conjunto de los estados marcados o finales, .
Un autómata puede ser representado gráficamente como un grafo dirigido, donde los nodos
representan los estados y los arcos representan las transiciones entre los estados. El estado
inicial se identifica a través de una flecha apuntando hacia él y los estados marcados son
representados con círculos dobles. La siguiente figura muestra un ejemplo de la
representación gráfica para un autómata.
Figura 4. Representación gráfica de un autómata.
Donde, de acuerdo con la definición anterior:
.
.
La función de transición es
.
.
29
En general, un autómata G puede verse como un dispositivo que opera de la siguiente
forma: inicia en el estado y permanece en él hasta la ocurrencia de un evento
que disparará la transición . Este proceso continúa basado
en las transiciones definidas en f.
Autómata No Determinístico
A diferencia de los autómatas finitos determinístico, donde existe una única forma de llegar
de un estado a otro con una entrada y se tiene solo un estado inicial, los autómatas finitos
no determinísticos no cuentan con estas virtudes, pero son una herramienta de mucha ayuda
cuando queremos diseñar un autómata determinístico. Para cada autómata no determinístico
existe un autómata determinístico que lo representa y que acepta el mismo lenguaje.
Podemos definir un autómata Finito no determinístico mediante la Ec. (26)
Donde:
X: conjunto finito de estados del autómata.
Σ: alfabeto finito de entrada.
: función de transición .
conjunto de estados iniciales donde .
conjunto de estados finales
Autómata Híbrido
Un autómata híbrido proporcionar un lenguaje matemático concreto, que es lo
suficientemente sustentable como para demostrar una serie de argumentos interesantes,
30
pero también lo suficientemente simple para realizar sin excesiva notación y formalismo
matemático.
Para modelar los diversos comportamientos es necesario un modelado de lenguaje que sea:
Descriptivo: Para permitir captar los diferentes tipos de dinámicas continuas y discretas,
capaz de modelar diferentes formas en la cual la evolución discreta afecte y sea afectada
por la evolución continua, permiten que los modelos no determinísticos capturen la
incertidumbre, etcétera.
Componibles: para permitir una construcción de modelos grandes, confeccionando los
modelos de componentes simples.
El modelado del lenguaje posee al menos un subconjunto de las propiedades que se han
desarrollado en el sistema de la literatura híbrida. Los diferentes lenguajes hacen más
énfasis en diferentes aspectos, según las aplicaciones y los problemas que se desean
resolver.
El autómata finito es un modelo de base para representar las dinámicas discretas de los
sistemas y su interacción con el medio. Como este modelo estaba muy limitado se hizo una
ampliación del mismo, introduciendo el tiempo en los estados discretos como una forma de
interacción continua. Sin embargo, debido a la creciente demanda de modelos más exactos
y generales para los diferentes sistemas que tenían en su estructura fenómenos tantos
discretos como continuos, se realizó una extensión del autómata finito, agregando aparte
del tiempo en los estados discretos, ecuaciones continuas, lo que dio lugar al autómata
hibrido (Favela et al., 1998). Así, el modelo del autómata hibrido está basado en una
representación explicita tanto de las dinámicas continuas del sistema como de las discretas.
Las dinámicas continuas se representan por modelos de estados mediante ecuaciones
diferenciales que las describen. Las dinámicas discretas se representan mediante el modelo
del autómata finito, donde se observa explícitamente la lógica de conmutación del mismo
(Favela et al., 1999).
31
Un autómata híbrido es un sistema dinámico que describe la evolución en el tiempo de los
valores de un conjunto de variables de estados discretos y continuos.
Un autómata híbrido H es una colección , donde:
es un conjunto de estados discretos.
es un conjunto de estados continuos.
es un campo vectorial.
es un conjunto de estados iniciales.
es un dominio.
es un conjunto de aristas.
es una condición de guardia.
es un mapa de restablecimiento.
Denota el conjunto de alimentación (conjunto de todos los subconjuntos) de .
Conjuntos de Tiempo Híbridos.
Los autómatas híbridos implican tanto el flujo continuo, determinado por las ecuaciones
diferenciales como saltos discretos, determinado por un grafo dirigido (como un autómata).
Para caracterizar la evolución del estado de un autómata híbrido se tiene que pensar en un
conjunto de tiempos que contiene diversos intervalos continuos y distinguidos puntos
discretos en el tiempo, cuando las transiciones discretas suceden.
Conjunto de tiempo híbrido: es una secuencia finito o
infinito (es decir de tal manera que:
para toda
32
Si entonces o ; y
para toda .
Figura5. Conjunto de tiempo hibrido .Fuente: Lygeros 2004.
Trayectoria Híbrida
Una trayectoria híbrida es una tripleta que consiste en un conjunto de tiempo
híbrido y dos secuencias de funciones de funciones
con y . Una ejecución de un
autómata híbrido autónomo es una trayectoria híbrida, de variables de estado.
Ejecución
Una ejecución de un autómata híbrido H es una trayectoria híbrida que cumpla las
condiciones siguientes:
Condición inicial:
Evolución discreta: para toda g
Sistemas de Control Supervisorio
33
De Fuente: Cury, J.; 2001. Un conjunto de restricciones de coordinación definen una
especificación E a ser obedecida. Los lenguajes y contienen cadenas de
eventos indeseables que violarían algunas de las condiciones que se desea imponer al
sistema. Puede ser el caso de estados prohibidos en G que provocarían el bloqueo del
sistema o puede ser el caso de cadenas que violarían la organización deseada para los
eventos.
De modo de hacer que cada uno de los subsistemas que forman una planta actúen de la
forma deseada se introduce un agente de control denominado supervisor, el cual es un
controlador que puede seleccionar a través de un interruptor el control patrón (principal), de
manera tal que un Controlador de Procesos de Eventos Discretos (CDEP), se comporte en
obediencia a las restricciones que se le coloquen.
Desde nuestro paradigma, se considera que el supervisor S interactúa con la planta G,
dentro de la estructura de lazo cerrado, donde S observa los eventos ocurridos en G y define
que eventos, dentro de los físicamente posibles de ocurrir en el estado actual, son
permitidos de ocurrir a continuación. Más precisamente, S tiene una acción deshabilitadora
de eventos y este sentido se dice que tiene una acción de control permisiva. La Figura 6
muestra un esquema que da una idea clara de la forma como interactúa el supervisor con los
otros elementos del sistema.
El conjunto de eventos habilitados por el supervisor en un instante de tiempo dado definen
la entrada de control de la planta, la cual es actualizada luego de la ocurrencia de cada
nuevo evento observado en G.
El comportamiento del sistema controlado S/G puede ser descrito mediante el generador
. Por lo tanto, más allá de restringir el comportamiento de la planta, el supervisor
sólo “desmarca” estados. Una tarea del sistema de lazo cerrado se considera completa
sólo cuando esta está marcada por la planta y por el supervisor.
34
Según (Altamiranda, 2003) La arquitectura del sistema de control supervisorio facilita la
toma de decisiones relacionadas con acciones de control, para mejorar la operación de
procesos dinámicos complejos que puedan estar compuestos de subsistemas
interconectados, caracterizados por diferentes condiciones de operación y usualmente
sujetos a perturbaciones externas. Este esquema es estructurado en dos niveles: un nivel de
control regulatorio y un nivel de control supervisorio. El nivel de control regulatorio está
relacionado con la dinámica del proceso y en él se generan las acciones directas de control
que son aplicadas al proceso a través de los controladores básicos. Este nivel es gobernado
por un supervisor (autómata) en el nivel supervisorio, que asigna patrones discretos de
control (acciones de control codificadas en términos discretos, que deben ser tomadas para
satisfacer los requerimientos del proceso), basadas en los eventos generados en el proceso.
Los eventos relacionados con el sistema continuo, pueden indicar cambios en el
comportamiento del proceso o cambios en el dominio de operación que pudieran impedir
alcanzar las especificaciones requeridas.
El nivel supervisorio contiene una representación del proceso basada en dominios de
operación y transiciones entre ellos. El detector de eventos caracteriza el comportamiento
del proceso y evalúa el performance del sistema de control regulatorio, a través del
monitoreo de los desviaciones entre los puntos de ajuste requeridos y el comportamiento de
las variables de proceso.
Esta información es transmitida al autómata en términos de eventos discretos para producir
patrones de control discretos, que serán codificados por un traductor al sistema regulatorio
en términos de puntos de ajustes, alarmas y mensajes al operador. La representación gráfica
del control supervisorio se ilustra en la Figura 6.
35
Figura 6. Representación gráfica de un Control Supervisorio.Fuente: Altamiranda,
2003.
CAPÍTULO III
36
MARCO METODOLÓGICO
Naturaleza de la Investigación
El presente estudio reúne características de una investigación bajo la modalidad del
proyecto factible puesto que su propósito es diseñar un sistema híbrido con controladores
PID auto sintonizables para el control y la supervisión de la velocidad de un motor de
inducción trifásica, el cual puede ser implementado en cualquier proceso en el que sea
necesario realizar cambios de velocidades entre regiones previamente establecidas por el
usuario así como también velocidades fuera de estas.
Al respecto, el manual de trabajo de grado, maestría y tesis doctoral de la UPEL (2005)
señala que un proyecto factible consiste en la elaboración de una propuesta de un modelo
operativo viable, o una solución posible a un problema de tipo práctico, para satisfacer
necesidades de una institución o grupo social. La propuesta debe tener apoyo, bien sea de
una investigación de campo, o en una investigación de tipo documental; y puede referirse a
la formulación de las políticas, programas, tecnologías, métodos o procesos.
En este mismo orden de ideas, Gonzales (2000) afirma que el proyecto factible lo
constituye un conjunto de necesidades que pueda tener una institución o grupo social
determinado en un momento dado; en consecuencia, la propuesta que lo define (política,
tecnológica, programa, método o proceso) solo adquiere significado en el contexto de esas
necesidades.
Etapas de Diseño
Para el diseño del sistema híbrido para el control de la velocidad de un motor de C.A. se
debe comenzar entendiendo bien el funcionamiento, características, así como también
reconociendo cada una de las etapas que componen el proceso; identificando en cuál de
éstas se encuentra la parte más crítica, analizando las variables que intervienen, y
37
seleccionando todos los recursos necesarios para el diseño del sistema híbrido de control de
velocidad del motor de inducción. Para llevar un orden en cuanto a la realización del
presente trabajo se diseñaron en forma de objetivos puntuales las siguientes etapas:
ETAPA I. Revisión Bibliográfica
En esta, se hace consulta en los diferentes medios referente a sistemas de eventos discretos,
continuos, sistemas híbridos, autómatas, controladores PI, PID, sintonización de tales
controladores, así como pautas y recomendaciones de autores expertos en el tema, con la
finalidad de obtener toda la información prescindible para la elaboración del trabajo
desarrollado.
ETAPA II. Descripción del proceso
Se describe de manera general, las características del proceso dentro del cual está basada la
investigación, en este caso los de motores inducción trifásicos empleados para el desarrollo
del sistema híbrido de control así como también la técnica o métodos de control
implementados para variar los parámetros y modificar las características y estado del
proceso en cada uno de los casos o fuera de estos mediante auto sintonización.
ETAPA III. Obtención de los Modelos Continuos
La obtención de los modelos matemáticos que rigen el comportamiento dinámico del
motor de inducción trifásico mediantes ecuaciones diferenciales y ecuaciones lineales
dependientes del tiempo.
ETAPA IV. Definición de las Variables del Proceso
Se definen las variables del proceso que serán supervisadas y controladas, para poder tener
una mejor comprensión del diseño de sistema híbrido para el control de velocidad de los
38
motores de inducción trifásicos y se determina los tipos de controladores que se desean
aplicar al sistema, así como los métodos de auto sintonización más eficaces.
ETAPA V. Establecer el Margen y Rango de Operación de las Variables del Sistema
Para ello, una vez analizado el apartado anterior de proceder a seccionar regiones de
velocidad para la cual se desea el motor de c.a. funcionen de forma estable, robusta y
controlada, quedando establecidos los puntos de trabajos para los cuales se van a calcular
los parámetros de los controladores. Una vez definidos los rangos de operación, también se
realiza el cálculo de los parámetros de los controladores a implementar en cada caso.
ETAPA VI. Obtención de los Modelos a Eventos Discretos y del Algoritmo de
Autosintonizacion
La obtención de los modelos a eventos discretos que rigen el comportamiento del proceso
es de gran importancia en la determinación de los argumentos que conllevan a la
realización del objetivo planteado; así como también el modelo de la planta ya que con este
se pueden realizar los algoritmos de auto sintonización para cuando este se encuentre fuera
de las regiones previamente establecidas.
ETAPA VII. Establecimiento de las Especificaciones
Establecimiento de las especificaciones globales que determinan el comportamiento del
sistema supervisorio y de auto sintonización en el proceso de control de velocidad del
motor de inducción.
ETAPA VIII. Obtención del Supervisor y las Rutinas de Auto Sintonizacion
Una vez realizados los modelos continuos y discretos del sistema, se procede a diseñar el
supervisor según las especificaciones del proceso, garantizando su estabilidad y
controlabilidad del sistema supervisorio.
39
Con la obtención del modelo de la planta se procede a diseñar las rutinas de auto
sintonización mediante diferentes técnicas, las cuales permitirán determinar los parámetros
del controlador.
ETAPA IX. Simulación de los Sistemas Obtenidos
Plantear las simulaciones a realizar que permitan comprobar las prestaciones del
controlador y del supervisor a implementar. Es por ello que es conveniente simular las
condiciones que pueden suscitarse en el sistema real y/o donde la acción del supervisor sea
significativa.
ETAPA X. Análisis de las Simulaciones
El análisis de las simulaciones y por lo tanto, la variación de los valores de los parámetros
de los controladores y el supervisor, se centra en los términos clásicos de control: velocidad
de repuesta, rebasamiento, error en régimen permanente y la verificación que las variables
de control estén dentro de sus límites admisibles.
ETAPA XI. Conclusiones y Recomendaciones
Se realiza un compendio de las correspondientes conclusiones y recomendaciones
generadas por el presente trabajo.
Recursos
Para el logro de los objetivos planteados se debe contar con los siguientes tipos de recursos:
Bibliográficos.
Tecnológicos.
40
Humanos.
Recursos Bibliográficos
Para el desarrollo y descripción del proyecto a ejecutar, es necesario consultar
bibliografía existente que abordaba directa o indirectamente el tema a tratar. Para
ello se cuenta con libros, publicaciones, trabajos de grado y pregrado, e información
extraída de la Internet, toda esta, enfocada a la teoría de control supervisorio y la
sintonización de controladores PID.
.
Recursos Tecnológicos
Computadoras Personales (PCs)
Herramientas Computacionales.
Software de simulación, diseño, programación y procesamiento matemático
Recursos Humanos
Entrevistas con expertos del área.
Horas-hombre de investigación y trascripción.
Horas-hombre de modelado, verificación de sintaxis y simulación.
41
CAPÍTULO IV
RESULTADOS Y ANÁLISIS DE RESULTADOS
Descripción del Proceso
La investigación del sistema híbrido con controladores PID auto sintonizables para el
control y la supervisión de la velocidad del motor de inducción, se desarrolló pensando
debido a la múltiples aplicaciones de estos en los procesos industriales, donde se requieran
hacer variaciones de velocidades, garantizando su estabilidad ante ordenes establecidas por
algún usuario (Departamento de planificación y control de una organización empresarial,
instructor, supervisor de planta, entre otros) como parte de la operación de producción
donde se desee implementar el control supervisorio. Para nuestro interés, la
implementación del diseño del sistema híbrido no lo constituye un proceso real en
particular.
El tipo de motor eléctrico se que consideró para el estudio, fue un motor de inducción
trifásico conectado en estrella. La selección de este motor, se baso en la cualidad o
características de que requiere menor mantenimiento, su funcionamiento se encuentra
enmarcado en aplicaciones donde es necesaria mayor potencia y en la actualidad su control
ha sido estudiado en gran magnitud gracias a los grandes avances tecnológicos que ha
tenido la electrónica de potencia en los últimos años. Los controles efectuados para el
motor anteriormente mencionado fue: relación tensión frecuencia.
En la siguiente tabla (ver Tabla 1) se muestran las características principales del motor
eléctricos seleccionado.
42
Tabla 1. Características eléctricas del motor eléctrico.
Motor de C.A.
ωnom=1750 rpm hpnom=20 V nom=220 V I nom=46 A
pf =0,853 P=4 f nom=60 Hz Jm=2,8
T nom=79,15 Nm Snom=0,0287 H=3,33 s
Fuente: Propia.
Obtención de los Modelos Continuos.
La modelación de la dinámica continua del sistema implico determinar el modelo
matemático para el motor eléctrico que se ajusten a las propiedades físicas de su
comportamiento. A continuación se determinan los modelos matemáticos del motor de
inducción.
Modelado Matemático del Motor de Inducción
Para determinar el modelo matemático del motor de inducción fue propio establecer un
conjunto de simplificaciones del sistema tales como:
Considerar el campo de magnetización uniformemente distribuido.
Considerar lineal el comportamiento del sistema magnético.
Considerar una distribución de los devanados en el estator idéntica, formando una
fuerza magneto motriz de forma sinusoidal.
Considerar la distribución de barras o devanados en el rotor de tal manera que
forman una fuerza magneto motriz con el mismo número de polos que el estator.
43
En este trabajo se toma como referencia el modelo propuesto por Krause y el circuito
eléctrico mostrado en la Figura 7. El devanado del estator se representa mediante una
inductancia equivalente que expresa el acoplamiento mutuo entre rotor y estator en función
del desplazamiento angular entre los ejes magnéticos de ambos devanados. En el caso de
los motores jaula de ardilla el devanado del rotor se puede considerar como un conjunto de
inductancias equivalentes formando un sistema de tres conductores (Krause, 1965. Mohan,
2001 y Vas, 2001).
Figura 7. Representación simplificada de una máquina trifásica de dos polos.
Fuente: Krause, 1965.
Durante el desarrollo de las ecuaciones se considera como fuente de alimentación un
sistema trifásico (a-b-c) sinusoidal con frecuencia ω y valor máximo de voltaje V
representado por las siguientes ecuaciones:
V a=Vsen(ωt ) Ec. (27)
V b=Vsen(ωt−2 π /3) Ec. (28)
V c=Vsen (ωt−4 π /3) Ec. (29)
Del circuito mostrado en la Figura 7 se tiene que el vector de voltaje de línea a neutro
presente en el estator de un motor de inducción es:
vabc−s=p λabc− s+iabc−s rs Ec. (30)
44
Donde:
vabc−s Vector de voltaje aplicado a los devanados del estator en el marco de
referencia a-b-c.
p λabc−s Variación respecto al tiempo de los enlaces de flujo magnético en el estator
referenciados al marco a-b-c.
iabc− s Vector de corriente del estator en el marco de referencia a-b-c.
r s Resistencia equivalente del devanado de una fase del estator.
El vector de volteje de línea a neutro del rotor es:
vabc−r=p λabc−r+ iabc−r rr Ec. (31)
Donde:
vabc−r Vector de voltaje aplicado a los devanados del rotor en el marco de referencia
a-b-c.
p λabc−r Variación respecto al tiempo de los enlaces de flujo magnético en el rotor
referenciados al marco a-b-c.
p es el operador ddt
.
iabc−r Vector de corriente del rotor en el marco de referencia a-b-c.
rr Resistencia equivalente del devanado de una fase del rotor.
Y los enlaces de flujo están dados por
45
Ec. (32)
[λas
λbs
λcs
λar
λbr
λcr
]=¿
Lss=Ls−Lsm Ec. (33)
Lrr=Lr−Lrm Ec. (34)
Donde:
θr Desplazamiento angular entre los ejes del estator y el rotor.
Lsr Inductancia mutua entre los devanados del estator y rotor.
Ls Inductancia propia del estator.
Lr Inductancia propia del rotor.
Lsm Inductancia mutua entre las fases del estator.
Lrm Inductancia mutua entre las fases del rotor.
Ya que la variación de inductancias mutuas que se involucran en la Ec. (32), es una función
sinusoidal del desplazamiento angular θr, algunos de los coeficientes en las ecuaciones de
voltaje (Ec. (30) y Ec. (31)) son variantes en el tiempo. Para eliminar esta condición no
deseada, se puede emplear un cambio de variables que transforme los voltajes y corrientes
46
del estator y del rotor a un marco de referencia común invariante en el tiempo, presentando
una estructura similar al de un motor de corriente directa.
Si consideramos el sistema trifásico de voltajes representado por las ecuaciones Ec. (27) a
Ec. (29), en un determinado instante de tiempo, el devanado de cada una de las fases
produce en el entrehierro una distribución sinusoidal de flujo electromagnético, creando un
vector espacial de la fuerza magnetomotriz resultante que gira a la misma frecuencia del
voltaje aplicado a la Ec. (35).
Figura 8. Interpretación física del vector espacial de la Fuerza Magnetomotriz.
Fuente: Mohan, 2001.
F⃗ sa (t )=F⃗a
a (t )+ F⃗ba (t )+ F⃗c
a(t) Ec. (35)
Donde:
F⃗ sa Vector espacial de flujo electromagnético del estator referenciado al eje de la fase a.
F⃗a ,b , ca Vector instantáneo de flujo electromagnético del estator de la fase a, b o c,
referenciados a la fase a.
Al considerar el sistema trifásico balanceado, se puede definir una transformación sobre un
sistema de ejes d-q-0 empleando la siguiente matriz de transformación.
47
[F sd
F sq
F s 0]=[ c2cos (θ ) c2cos (θ−2π /3 ) c2cos (θ−4 π /3 )
−c2 sen (θ ) −c2 sen (θ−2 π /3 ) −c2 sen (θ−4 π /3 )c1 c1 c1
][F sa
F sb
F sc] Ec. (36)
~ωk=dθdt
Ec. (37)
En la ecuación Ec. (36), ωk es la velocidad a la cual gira el conjunto de ejes d-q-0 respecto
al eje estacionario a del sistema trifásico.
Realizando esta transformación sobre un sistema de ejes estacionarios A-B, obtenemos la
transformación de Clark
[F sA
F sB
F s 0]=[c2
−12
c2
−12
c2
0−√3
2c
2
−√32
c2
c1 c1 c1
][F sa
F sb
F sc] Ec. (38)
Podemos referir el vector espacial F⃗ s (t ) a un sistema de ejes d-q desfasado un ángulo de θ
respecto a A-B mediante la transformación
F⃗ sk=F⃗ s e− jθ=F sd+ j F sq Ec. (39)
Al fijar el valor para c1−2 en las Ec. (36) y Ec. (38) se determina la manera en la que se
comportan las magnitudes de las señales manipuladas, de tal forma que se puede mantener
invariante la potencia en cualquiera de los marcos de referencia, o hacer que el modulo del
vector espacial coincida con el valor máximo de la señal transformada, esto solo afecta los
valores absolutos de las variables en las transformaciones, pero se mantendrán las forma de
onda (según Briz de Blanco, 1995).
48
En este trabajo se consideran los valores dec1=1/2 y c2=1, en este caso la potencia en la
transformación no se mantiene constante y el modulo del vector espacial será 3/2 del valor
máximo de la señal trifásica. Esta transformación puede aplicarse a cualquier conjunto de
magnitudes trifásicas.
Las Ecuaciones del Motor de Inducción en el Sistema de Referencia D-Q
Al observar el vector espacial empleando un marco de referencia estacionario
(transformada de Clark ωk=0¿ este girará a una velocidad ω, y será de naturaleza
sinusoidal. Este vector espacial de voltaje en el marco estacionario puede ser transformado
a un marco de referencia cuya velocidad de gira ωe coincida con la del sistema, arrojando
las siguientes expresiones:
Ecuaciones de voltaje
vqse =p λqs
e +λdse pθ+iqs
e r s Ec. (40)
vdse =p λds
e −λqse pθ+ids
e rs Ec. (41)
vqre =p λqr
e + λdre pβ+iqr
e rr Ec. (42)
vdre =p λdr
e −λqre pβ+ idr
e r r Ec. (43)
Ecuaciones de enlace flujo magnético
λqse =Lss iqs
e +Lsr iqre Ec. (44)
λdse =Lss ids
e +Lsr idre Ec. (45)
λqre =Lrr iqr
e + Lsr iqse Ec. (46)
49
λdre =Lrr idr
e + Lsr idse Ec. (47)
T e=32
P2
( λqre idr
e −λdre iqr
e ) Ec. (48)
Donde:
El superíndice e indica un marco de referencia síncrono con los ejes d-q.
vqs, dse Componentes del vector voltaje del estator en el marco de referencia d-q.
p λqs , dse Variación respecto al tiempo de los enlaces de flujo magnético en el estator
referenciados a los ejes d-q.
λqs ,dse Enlaces de flujo magnético en el estator referenciados a los ejes d-q.
θ Desplazamiento angular entre los ejes de la fase a del estator y la fase A del rotor.
iqs ,dse Componentes del vector de corriente del estator referenciados a los ejes d-q.
vqr ,dre Componentes del vector de voltaje del rotor referenciados a los ejes d-q.
p λqr ,dre Variación respecto al tiempo de los enlaces de flujo magnético en el rotor
referenciados a los ejes d-q.
λqr ,dre Enlaces de flujo magnético en el rotor referenciados a los ejes d-q.
β Desplazamiento angular entre el eje de la fase A del rotor y el eje q.
iqr , dre Componentes del vector de corriente del rotor referenciados a los ejes d-q.
50
T e Par eléctrico generado.
P Número de polos de la máquina.
Construcción de los Modelos mediante Simulink
A partir de las ecuaciones matemáticas que describen el comportamiento dinámico del
motor eléctrico, para el motor de inducción, de la Ec. (36) a la Ec. (48)), es posible
implementar los sistemas empleando una plataforma de programación de alto nivel, tal
como lo es la herramienta computacional Matlab, para simular el comportamiento de este
motor en las distintas regiones de operación.
La implementación de los bloques empleados en los subsistemas del modelo se realizó
tomando como base las ecuaciones anteriormente descritas, según el modelo de Krause.
Figura 9. Modelo Computacional del motor de inducción trifásico.
Fuente: Propia.
Por medio de la Figura 9 se puede observar que el modelo computacional del motor de
inducción está constituido por tres subsistemas: Transformación abc → dq 0, modelo del
51
motor de inducción en el marco de referencia síncrono con los ejes d-q-0 y la
Transformación dq 0→ abc, cabe señalar que el segundo subsistema instituye el principal
bloque de descripción de la dinámica asincrónica del motor.
Así mismo, en la Figura 10 se muestran las respuestas de velocidad del rotor del modelo
construido en la herramienta computacional Matlab para el motor de inducción ante un
cambio escalón en su entrada.
Como se puede observar, el modelo matemático creado a través de las ecuaciones que
rigen el comportamiento de cada uno de los procesos representan una respuesta similar a
los modelos predefinidos de las plantas que contiene en la herramienta computacional
Matlab.
Figura 10. Comparación del Modelo matemático de inducción trifásico con el de la
herramienta computacional Matlab.
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.50
200
400
600
800
1000
1200
1400
1600
1800
2000
Velo
cid
ad (
rpm
)
Modelo Matemático
Modelo de Matlab
Fuente: Propia.
Definición de las Variables del Proceso
52
Para los motores eléctricos existen una gran gama de variables que se pueden tomar en
cuenta a la hora de realizar un sistema de control, entre ellas se puede mencionar:
velocidad, torque, corriente, tensión, frecuencia, flujo, entre otras.
Las variables del proceso que se analizaron en la investigación son la corriente y tensión de
línea para el motor de corriente alterna. De igual forma se consideró la velocidad angular a
la cual se encuentra el rotor de la maquina, siendo la variable de mayor interés del proceso.
Variables Manipuladas:
Frecuencia y tensión de alimentación.
Variable Controlada:
Velocidad del rotor.
Por medio de los valores de los parámetros nominales del motor en estudio se pueden
determinar los límites permisibles de las variables manipuladas y controladas, evitando así
daños irreparables, logrando un funcionamiento adecuado y prolongando la vida útil del
motor.
Márgenes y Rangos de Operaciones
En el apartado anterior, se definieron las variables que se van a tomar en consideración para
la realización del trabajo. Como variable principal, se encuentra la velocidad del rotor de la
maquina. En este sentido fueron seleccionados un total de seis (6) regiones o valores de
velocidades arbitrarias de manera ilustrativa, que pueden formar parte de un proceso real
donde se encuentre implementado el motor. Igualmente se considero un valor de velocidad
estable si permanece dentro del 2 %− ¿+¿ ¿ ¿ del valor de referencia.
53
En las siguientes tablas (Ver Tabla 2) se muestran los valores de velocidades seleccionadas
para el motor, los rangos de operación y el porcentaje que representa de la nominal para
cada caso.
Tabla 2. Velocidades para el motor de C.A.
Regiones Velocidad Wm
(rpm)
Rangos (rpm) %Wnom.
S0_CA 525 514.5<Wm<535.5 30%
S1_CA 700 686<Wm<714 40%
S2_CA 900 882<Wm<918 50%
S3_CA 1300 1272<Wm<1326 75%
S4_CA 1750 1715<Wm<1785 100%
S5_CA 2100 2058<Wm<2142 120%
Fuente: Propia.
Selección y Diseño de los Controladores
El paso final para la implementación de un lazo de control consiste en la selección y ajuste
adecuados de los parámetros del controlador. Si el controlador puede ser ajustado para dar
una respuesta satisfactoria, se presume que el lazo de control ha sido bien diseñado.
Generalmente existen varias consideraciones que se toma en cuenta para evaluar la
respuesta de un lazo de control frente a una perturbación:
La variable controlada deberá alcanzar su valor deseado tan rápidamente como
sea posible.
La respuesta de la variable controlada no debería ser muy oscilatoria.
54
La variable manipulada no debería estar sometida a grandes cambios, ya que
frecuentemente afecta a otras partes del proceso.
Controladores para el Motor de Inducción tanto para las regiones de operación asi
como para el auto tuining
El diseño de los controladores propios para cada punto de operación así como para fuera de
este del motor de inducción trifásico se efectuó tomando en cuenta que se trata de un
sistema complejo, con múltiples entradas y múltiples salidas (MIMO) el estudio contó con
el desarrollo de las siguientes actividades:
Como primer paso se realizó la linealización del modelo matemático del motor de
inducción con la ayuda de la herramienta computacional Matlab, estableciendo un
algoritmo que permitió conseguir la representación en el espacio de estado del sistema.
Luego, a partir de las matrices del espacio de estado se obtuvo la función de transferencia
desde la cual se realizaron diversas corridas de simulaciones con el fin de obtener la
respuesta del sistema ante el escalón. Seguidamente, mediante la respuesta al escalón se
verificó la dinámica del proceso, resultando ser un sistema subamortiguado de orden
superior. Como los sistemas de orden superior se pueden aproximar a sistemas de menor
orden, para nuestro caso se realizo la aproximación a sistema de SOMTM (ver Ec. 6).
Luego de haber hallado la identificación del proceso mediante la aproximación del modelo
de SOMTM y preestablecidas las velocidades según sea la región de operación, se
consideró colocarle una entrada al sistema del motor de inducción de tal forma que a la
salida se obtuviera 525 rpm y en el instante de 0,5 segundos de simulación se le adicionó un
5% del valor de entrada para determinar el modelo SOMTM.
55
Figura 11. Respuesta del sistema al escalón ante la adicción del 5%
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.90
200
400
600
800
1000
1200
Tiempo (seg)
Vel
ocid
ad (
rpm
)
Velocidad del rotor
Fuente: Propia.
Mediante las ecuaciones del método de identificación de tres puntos de Alfaro (2006), el
cual emplea los tiempos requeridos para que la respuesta del proceso a un cambio escalón
en la entrada alcance el 25 (t 25), el 50 (t 50) y el 75% (t 75) de su valor final.
56
K p=∆ y∆ u
Ec. (49)
τ '=0,5776(t 75−t 25) Ec. (50)
t ' m=1,5552 t25−0,5552t 75 Ec. (51)
τ ' '= 2 τ '1+a
Ec. (52)
a=t50−t 'm−1,4362 τ '
1,9844 τ '−t50+t 'm
Ec. (53)
τ1=τ ' ' , τ2=aτ ' ' , tm=t 'm Ec. (54)
τ=τ1 τ2 , 2ξτ =τ1+τ2 Ec.(55)
Donde K p=2.35 τ=0.653 , 2 ξτ=0.204 ,tm=0.0092seg.
En la Figura 12.A se muestra la respuesta al escalón del sistema motor de inducción
trifásico de orden superior y la respuesta al escalón del modelo SOMTM (ver Ec. (8)),
donde se puede observar que las curvas presentan diferencias debido la función de
transferencia del sistema motor de inducción es de orden superior y fue aproximado a un
modelo de menor orden mediante el modelo de SOMTM subamortiguado.
En la Figura 16 se puede apreciar el modelo en simulink de la planta en lazo abierto con los
valores K p=2.35 τ=0.653 , 2 ξτ=0.204 ,tm=0.0092seg, que viene a representar el modelo
equivalente del motor de inducción, el cual a partir de este modelo se utilizo para realizar
sintonización en forma manual en los rangos de operación cuando se realiza la
determinación de los parámetros de estos; utilizando los métodos de auto tuinig de Kappa-
Tau (KT), Control del Modelo Interno (IMC),primer método de Ziegler – Nichols o método
del lazo abierto ( ZN (OL)), segundo método de Ziegler – Nichols o método del lazo
57
cerrado ( ZN (CL)) los cuales se pueden apreciar en el modelo general del sistema y en la
interfaz grafica mostrada en la figura 17 y figura 18 respectivamente.
Figura 15 Curva de reacción y la respuesta del modelo de SOMTM y ante una
entrada escalón.
0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9520
530
540
550
560
570
580
Tiempo (seg)
Vel
ocid
ad (
rpm
)
Curva de Reacción
Modelo SOMTM
Fuente: Propia.
58
Figura 16 modelo en simulink de la planta en lazo abierto
Fuente : Propia
Figura 17 modelo general del sistema en simulink
59
Fuente : Propia
Figura 18 interfaz grafica
Fuente : Propia
60
A continuación se define cada uno de los métodos :
Método de sintonización Kamppa –Tau:
Se basa en la aplicación a un gran número de modelos de un método de sintonización que
requiere un conocimiento profundo del proceso, y la búsqueda posterior de unas reglas que
aproximen los parámetros óptimos. Puede aplicarse a modelos de 2 y 3 parámetros (aunque
sólo trataremos el caso de 3 parámetros).
Con este método se puede optar entre robustez y eficacia de regulación por medio del
parámetro Ms.
Ms = 1,4 → Mayor robustez.
Ms = 2 → Mayor rapidez en la respuesta.
La forma de sintonizar los parámetros del PID se obtiene a partir de una serie de tablas
siguiendo los siguientes pasos:
- Se definen las variables α = K·L/T y τ = L/(L+T), donde los valores de K, L y T se
conocen del modelo de función de transferencia obtenida previamente.
- Se toman de una serie de tablas los valores α*Kp, Ti/L, TD/L y b. Estos valores
vienen dada por Ec(56) :
Ec (56)
Los coeficientes a0, a1 y a2 de la expresión anterior para un regulador PI y para un
PID son:
61
Tabla 3 parámetros Ms para PI y PID
Método de Control del Modelo Interno (IMC) :
Control con Modelo Interno
Se parte del hecho de que se tiene una planta Gp(s) que se desea controlar con el
controlador Gc(s). Para ello, primero se obtiene un modelo de la planta denominado
G_p(s). En un caso ideal, el modelo será igual a la planta. Para obtener un control perfecto,
se necesita que la función de transferencia del controlador sea el inverso perfecto de la
función de transferencia del modelo perfecto de la planta.
Estructura IMC
Un sistema de control ideal como el planteado anteriormente se podría lograr con un lazo
abierto, pero como un modelo perfecto de la planta es imposible de obtener, y si se tuviera,
su inverso seguramente sería no realizable, además de que hay que tomar en cuenta las
posibles perturbaciones, es necesario usar un sistema realimentado como el de la siguiente
figura para lograr el control IMC.
62
Figura 12 Lazo de control realimentado simple
Si a este lazo se le suma y resta el modelo de la planta a la señal realimentada, se obtiene un
modelo que con un par de modificaciones, se convierte en el que se presenta en la figura.
Este es un sistema donde el controlador es realimentado por el modelo de la planta.
Figura 13 Sistema equivalente basado en el modelo
Ahora se reduce la realimentación del controlador para obtener un nuevo controlador Gc’(s)
que se denotará como “controlador IMC”.
63
Ec (57)
Figura 14 Estructura IMC básica
El controlador original también se puede expresar en términos del “controlador IMC”:
Ec(58)
La ventaja de presentar el controlador original en términos del controlador IMC es que el
segundo controlador Gc’(s) es más fácil de diseñar que el original Gc(s) y que esto
incorpora la robustez como uno de sus objetivos de diseño en una manera explícita.
Diseño de controladores PID-IMC de Rivera et al. [9] [10]
64
Rivera, Morari y Skogestad desarrollan un procedimiento para desarrollar su controlador
IMC que dependerán de la complejidad del modelo de la planta y de los requisitos
impuestos por el diseñador. Para modelos simples, las estructuras obtenidas llegan a ser
controladores del tipo PID. El requisito del controlador, es que su función de transferencia
Gc’(s) sea propia, y en caso de que haya una acción derivativa como en el controlador PID-
Ideal, puede tener a lo más un cero en exceso. Sea:
Ec(59)
donde F(s) es un filtro paso bajo que para que cumpla con los requisitos expuestos
anteriormente será de la forma:
Ec(60)
La función de transferencia Gc’(s) será propia si n es lo suficientemente grande. Por otro
lado, el parámetro λ debe ser ajustable, y su función es determinar la velocidad de respuesta
de lazo cerrado. Al incrementar λ, crece la constante de tiempo de lazo cerrado y disminuye
la velocidad de respuesta. Lo opuesto también es cierto. El parámetro λ se puede utilizar
para ajustar las diferencias entre el modelo y el proceso real. Además, entre mayor sea λ,
mayor será la robustez del sistema de control. Una práctica común, es seleccionar λ igual a
la mitad de la primera constante de tiempo del sistema de lazo abierto. Sustituyendo (Ec 60)
en (Ec59), y esta en (Ec58), se obtiene que la función de transferencia del controlador debe
ser:
65
Ec (61)
El interés es estudiar el control de una planta de primer orden más tiempo muerto, por lo
tanto se tiene:
Ec(62)
El tiempo muerto se debe aproximar utilizando una ecuación de Padé de orden cero o una
de primer orden:
Padé de orden cero (Ec 63 )
Padé de primer orden (Ec 64)
Utilizando la aproximación de orden cero, se obtiene un controlador del tipo PI, mientras
que si se utiliza la de primer orden, el controlador será PID.
66
Controlador PI (Ec 65)
Controlador PID (Ec 66 )
Los parámetros de estos controladores se presentan en la siguiente tabla:
Tabla 4 Controladores del tipo PID-IMC de Rivera et al. – Plantas con tiempo muerto
67
La diferencia entre el PI y el PI mejorado, es que el segundo contempla el tiempo muerto
del modelo, obteniendo un mejor desempeño bajo el criterio ISE.
Controladores PID-IMC de Brosilow [3]
Brosilow en lugar de utilizar una aproximación de Padé para representar el tiempo muerto,
utiliza un procedimiento basado en la aproximación de la función de transferencia del
controlador por una serie de Maclaurin en s. Para una planta cuyo modelo es el de segundo
orden más tiempo muerto (Ec 8), los parámetros del controlador PID-IMC Ideal están
dados por:
(Ec 67 )
( Ec 68 )
(Ec 69)
Es posible observar que todos los parámetros dependen de la constante de tiempo de lazo
cerrado λ y si esta se hace grande, la ganancia y el tiempo derivativo tienden a cero
mientras que el tiempo integral tiende a la constante del proceso, entonces a medida que la
velocidad de respuesta deseada decrece el controlador PID tiende a un PI y luego a un
control flotante.
68
Método de Ziegler y Nichols o Método de Lazo Abierto
Los procedimientos de sintonización de lazo abierto utilizan un modelo de la planta que se obtiene, generalmente, a partir de la curva de reacción del proceso. El primer procedimiento sistematizado para el cálculo de los parámetros de un controlador PID fue desarrollado por Ziegler y Nichols[18]. El criterio de desempeño que seleccionaron fue el de un decaimiento de 1/4, o sea que el error decae en la cuarta parte de un periodo de oscilación. Las ecuaciones fueron determinadas de forma empírica a partir de pruebas realizadas en el laboratorio con diferentes procesos, y están basadas en un modelo de segundo orden más tiempo muerto identificado por el método de la tangente, para un funcionamiento del lazo de control como regulador con un controlador PID-Ideal. En cuanto al tipo de controlador, si bien la gran mayoría de los autores indican que este método es para la sintonización de controladores ideales, otros, entre los que destaca Corripio [8], afirman que este método es para los controladores que interactúan. Las ecuaciones de sintonización de este método son1 :
Para controladores PI:
K = (0.9*T) / (m*L) Ec(70) Ti = 3*L Ec (71)
Para controladores PID:
(Ec 72)
(Ec 73)
(Ec 74)
Método de Ziegler y Nichols o de Lazo Cerrado:
Al igual que sucedió con los procedimientos de sintonización basados en la curva de
reacción del proceso, el primer procedimiento de sintonización basado en una prueba de
lazo cerrado fue propuesto por Ziegler y Nichols, quienes presentaron ambos
procedimientos en la misma publicación[18]. Utilizando un controlador puramente
69
proporcional y mediante un proceso iterativo, el procedimiento requiere aumentar
paulatinamente la ganancia del mismo hasta lograr que el sistema entre en una oscilación
sostenida ante un cambio el escalón en el valor deseado. La ganancia en este punto es la
ganancia última Kcu y el periodo de la oscilación, el periodo último Tu.
Para el ajuste proporcional seleccionaron, como se indicó, el decaimiento de ¼ como un
compromiso entre el error permanente y el decaimiento, y encontraron que la ganancia
proporcional para un controlador P debería ser la mitad de la ganancia última.
Las ecuaciones de sintonización del controlador PID son:
Ku = 4*As/(pi*A) Ec ( 75 )
K = 0.4*Ku Ec (76)
Ti = T/1.2 Ec (77)
Las ecuaciones de sintonización del controlador PID son:
Kc=0,6Kcu Ec(78)
Ti= 0,5 Tu Ec(79)
Td=0,125Tu Ec(80)
Según (Shen J. et al., 2002) en su artículo “PID Tuning Rules for Second Order Systems”
establecen una serie de procedimientos a emplear para la sintonización de controladores
PID de sistema de segundo orden subamortiguado, tales procedimientos fueron aplicados
con el objeto de hallar las constantes Kp, Ti y Td del controlador PID para cada una de las
regiones anteriormente descritas. En la tabla siguiente (ver Tabla 3) se exponen los
parámetros encontrados.
70
Tabla 3. Constantes del controlador PID
Velocidad (rpm) Kp Ti Td
525 5.3814 0.0034 0.0025
700 3.3690 0.0030 0.005876
900 6.4261 0.0031 0.004731
1300 5.4121 0.0028 0.00080761
1750 6.6212 0.0035 0.0010
2100 5.0029 0.0030 0.00091207
Fuente: Propia.
Modelo a Eventos Discretos del Proceso
Según (Cembellín A., 2000), dentro de los ejemplos típicos de un control supervisorio se
encuentra el control durante la operación regular mediante la conmutación de modos de
operación diferentes. En el mismo orden de idea (Jiménez C., 2006) en su artículo
“Modelación y análisis de un sistema híbrido: Un caso de estudio con un sistema de
tanques” existen muchas razones para usar modelos híbridos, una razón importante es la
reducción de complejidad del modelo en orden, por ejemplo, en lugar de tener que
representar las relaciones dinámicas a partir de un conjunto de ecuaciones diferenciales no
lineales de orden superior, se puede representar el mismo sistema por un conjunto de
ecuaciones simples, obteniendo así, modelos simples mediante una logística de
conmutación entre dichos modelos. Haciendo énfasis en los dos trabajos anteriormente
descritos, se definieron seis estados dentro del desarrollo evolutivo del sistema a evento
discreto del motor eléctrico.
71
En el motor de inducción, se alcanza el estado inicial SO_CA cuando la velocidad del rotor
se encuentra a 525 rpm, representando un 30% de su velocidad nominal, el estado S1_CA
muestra el punto de operación a una velocidad de 700 rpm a un 40% de la Wnom, el
siguiente estado S2_CA es cuando se ha alcanzado el 50% de Wnom, al cabo que S3_CA,
S4_CA y S5_CA representan los estados para los cuales las revoluciones por minutos en el
eje rotórico es de 1300, 1750 y 2100 respectivamente. En la Figura 13 se muestra el modelo
a eventos discretos del motor de inducción, apreciándose en la tabla 4 un resumen de las
transiciones habilitadas para cada cambio de región.
Figura 13. Modelo a eventos discreto del sistema del motor de inducción (Planta G).
72
S4_CA
S3_CA
S2_CA
S1_CA
S0_CA
S5_CA
E27_CA
E19_CA
E4_CA
E28_CA
E5_CA
E15_CA
E16_CA
E6_CA
E17_CA
E29_CA E24_CA
E11_CA
E25_CA
E12_CA
E26_CAE3_CA
E13_CA
E14_CA
E0_CA
E1_CA
E20_CA
E2_CA E21_CA
E22_CA
E9_CA
E7_CA
E23_CA E18_CA
E8_CA
E10_CA
Fuente: Propia
Tabla 4. Transiciones entre los estados del modelo a eventos discreto del motor de
inducción trifásico.
Nodo Destino
S0_CC S1_CC S2_CC S3_CC S4_CC S5_CC
Nod
o O
rige
n
S0_CC - E0_CC E1_CC E2_CC E3_CC E4_CC
S1_CC E5_CC - E6_CC E7_CC E8_CC E9_CC
S2_CC E10_CC E11_CC - E12_CC E13_CC E14_CC
S3_CC E15_CC E16_CC E17_CC - E18_CC E19_CC
S4_CC E20_CC E21_CC E22_CC E23_CC - E24_CC
S5_CC E25_CC E26_CC E27_CC E28_CC E29_CC -
Fuente: Propia.
Especificaciones para el Diseño de los Sistemas Supervisorios
73
Realizar cambios entre los distintos rangos operativos anteriormente descritos para el
motor de inducción trifásica.
Cuando se establezca una orden de cambio entre dos regiones y se encuentren estados
intermedios, se debe transitar por estos ya sea de forma progresiva o regresiva, verificando
en la estadía de cada región intermedia la estabilidad de corriente y velocidad para poder
efectuarse un nuevo salto.
Cuando se realiza el cambio entre un estado y otro, el supervisor se encarga de desconectar
el modo automático del controlador, y colocarlo en modo computadora dejando sin efecto
la acción de los controladores, en este modo, se establece una rampa de seguimiento para el
ascenso o descenso de velocidad en fin de reducir significativamente los sobreimpulsos de
las variables tanto controladas como manipuladas del sistema. Luego de llegar al siguiente
estado por medio de la rampa, se debe verificar, la estabilidad de corriente y velocidad
antes de volver al modo automático. Una vez realizada la conexión al modo automático el
supervisor impone los parámetros específicos del controlador previamente determinado
para la región donde se encuentre.
Diseño de los Sistemas de Supervisión
El enfoque del sistema de supervisión empleado fue el monolítico, ya que fue utilizado un
único supervisor, el cual está encargado de efectuar los cambios en los puntos de operación
y cumpliendo con las especificaciones globales anteriormente descritas.
Para el motor de inducción trifásico se utilizo un supervisor llamado S implementado a la
planta G que representa el modelo a eventos discretos del sistema.
Diseño del Supervisor S
74
En primer lugar se procedió a analizar el modelo a eventos discretos de las planta G, para
evitar posibles estados de bloqueo o evitar problemas que pudieran repercutir sobre el
modelo que se obtuvo. Realizando las operaciones de trim o poda (co-accesibilidad y
accesibilidad), se obtuvo el máximo lenguaje controlable de dichos modelos. Todos estos
procedimientos mencionados se realizaron con la herramienta computacional Supremica.
Luego, se establecieron las especificaciones para el supervisor (S) y se realizó el diseño en
autómatas del mismo. Con esto ya definido y los modelo obtenido de la planta a eventos
discretos se realizo la composición síncrona entre ambos, con lo cual se obtuvo el lenguaje
del sistema supervisorio L(S/G) que controlan la velocidad del motor de inducción. Al
resultado obtenido se le realizo las operaciones de accesibilidad y co-accesibilidad (trim)
para eliminar la existencia de posibles estados de bloqueo.
Por último se modeló el sistema supervisorio L(S/G), dando como resultado las
representaciones mostradas en las figuras siguientes (Figura 14).
En la Tabla 5, se muestran las transiciones que deben ocurrir o activarse en el modelo del
sistema supervisorio para efectuar un cambio entre las regiones.
Figura 14. Sistema Supervisorio del motor de Inducción L(S/G)
Fuente: Propia.
Tabla 5. Transiciones activas entre los distintos estados o nodos de S.
Nodo Destino
75
S0_CA S1_CA S2_CA S3_CA S4_CA S5_CA
Nod
o O
rigen
S0_CA - E0_CA - - - -
S1_CA E5_CA - E6_CA - - -
S2_CA - E11_CA - E12_CA - -
S3_CA - - E17_CA - E18_CA -
S4_CA - - - E23_CA - E24_CA
S5_CA - - - - E29_CA -
Fuente: Propia.
Simulación de los Sistemas de Supervisión Híbridos
Para la simulación se empleó el modelo den autómata L(S/G), y los modelos
computacionales del motor de inducción trifásico, utilizando la herramienta Matlab.
Dentro del programa mencionado, se utilizó Simulink para modelar la parte continua a
partir de las ecuaciones matemáticas que rigen los comportamientos dinámico del motor y
la librería (toolbox) Stateflow, para modelar sistemas de eventos discretos, utilizando cartas
de estado (statecharts), las cuales son una generalización de las máquinas de estados.
Se puede observar en la Figuras 15 el sistemas híbrido de control de velocidad del motor de
inducción y la forma cómo interactúan las dos dinámicas (continua y discreta) y en la
posterior figura (ver Figura 16) se muestra los modelos en Stateflow relacionados
directamente con el sistema supervisorio.
Figura 15. Sistema híbrido de control de velocidad del motor de C.A.
76
Fuente: Propia
En la Figura 16 se muestra cada una de las partes que componen el sistema supervisorio
representados por bloques y que a continuación se describen cada uno de ellos.
El bloque llamado “SUPERVISOR” (ver Figura 17) contempla seis estados discretos, en
los cuales se asignan los parámetros de los controladores y las velocidades previamente
establecidas para cada una de las regiones operativas.
Figura 16. Sistema Supervisorio.
77
Fuente: Propia.
Por otra parte, el bloque “INDICADOR_RANGO” (ver Figura 18) detecta e indica cuando
la velocidad actual se encuentra dentro de 2 %− ¿+¿ ¿ ¿ de la velocidad establecida por el
supervisor para cada una de las regiones. El tercer bloque “ESTABILIDADES” (ver Figura
19) se divide en dos subsistemas “ESTABILIDAD_AUTUMATICA” (ver Figura 20 y
Figura 21) y “ESTABILIDAD_MANUAL” (ver Figura 22 y Figura 23) donde se analiza la
estabilidad de la corriente y velocidad en el modo automático y manual del sistema
supervisor, esta se realiza de forma continua con el propósito de garantizar que las variables
se encuentren en estado estable para poder efectuar los cambios de regiones. La estabilidad
de las variables se consideró cuando los valores se encontraron dentro de un rango de 2− ¿+¿ ¿ ¿
% del valor final para cada región, para el caso de la corriente, dicho valor fue calculado
mediante un promedio de muestras tomadas en un intervalo de tiempos y para la velocidad
fue la indicada por el supervisor para el estado al cual se deseó llegar.
En el bloque llamado “CAMBIO_DE_REGION” (ver Figura 24) se evaluaron la
estabilidad automática y computadora, donde se comprobaban los tiempos necesarios para
los cuales las variables permanecían estables con el objeto de autorizar el cambio de región,
78
estableciendo los nuevos parámetros de los controladores y la velocidad para el siguiente
estado. Finalmente en el subsistema llamado “ESTADOS_ESTABLES” (ver Figura 25)
indica cuando la variable velocidad se encuentra en el rango del 2− ¿+¿ ¿ ¿ % de la velocidad
del estado siguiente que se desea alcanzar, sin considerar los tiempos de estabilidad cuando
el controlador se encuentra en automático y computadora. En las siguientes gráficas se
muestran la composición de cada uno de los bloques que conforman el
“CONTROL_SUPERVISORIO” descritos en los párrafos anteriores.
Figura 17. Supervisor
79
Fuente: Propia.
Figura 18. Autorización de cambio de región a la llegada del 2− ¿+¿ ¿ ¿ de la velocidad.
Fuente: Propia.
80
Figura 19. Subsistema de estabilidades.
Fuente: Propia.
Figura 20. Analizador de estabilidad de corriente.
Fuente: Propia.
Figura 21. Analizador de estabilidad de velocidad en estado Automático.
81
Fuente: Propia.
Figura 22. Analizador de estabilidad de corriente en modo Manual.
Fuente: Propia.
82
Figura 23. Analizador de estabilidad de velocidad en estado Manual.
Fuente: Propia.
Figura 24. Analizador de estabilidades en Automático y manual para autorizar
cambios al SUPERVISOR.
Fuente: Propia.
Figura 25. Indicador de Región cuando entra al 2− ¿+¿ ¿ ¿ % de la velocidad.
83
Fuente: Propia.
Los resultados obtenidos de las diversas corridas de simulación del sistema supervisorio, se
muestran en las siguientes gráficas (de la Figura 27 a la Figura 35) donde exhibe las
variables de interés que conforman el proceso (corriente y velocidad del rotor para el
motor). Estos resultados se muestran tanto para órdenes de cambios entre estados adjuntos
y entre estados distantes, en cada uno de ellos se analizan cuando se ejecutan de forma
ascendente y descendente.
En la siguiente gráfica se muestran los cambios totales de la simulación, dentro del cual se
observa la respuesta del sistema ante las órdenes de cambios descritas anteriormente. En las
Figuras 26-a y 26-b se presentan las respuesta el sistema en estudio; el motor de inducción.
Figura 26. Cambios de Regiones para el motor de inducción.
84
0 2 4 6 8 10 12 14 16
1
2
3
4
5
6
Tiempo (Seg)x10
Am
plitu
d
(a)
0 2 4 6 8 10 12 14 16
600
800
1000
1200
1400
1600
1800
2000
2200
Tiempo (Seg)x10
Vel
ocid
ad (
rpm
)
(b)
Fuente: Propia.
Gráficas Correspondientes al Motor de Inducción Trifásico.
Mediante la Tabla 6 se puede comprender fácilmente las simulaciones realizadas al motor
de inducción, con la finalidad de establecer comparaciones entre figuras que permitieron
comprobar el funcionamiento del sistema supervisorio L (S/G)
Tabla 6. Resumen de las figuras generadas mediante simulaciones para el motor de
inducción.
85
Cambio entre Regiones Sucesivas de Forma Creciente.
0 0.5 1 1.5 2 2.5 3 3.5 4
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
Figura 27 Figura 28 Figura 29
(a) Orden.
(b) Velocidad del rotor.
(c) Modo del
controlador.
(d) Estabilidad de la
velocidad en
computadora.
(e) Estabilidad de la
velocidad en
automático.
Orden.
Corriente eficaz del
estator.
Modo del controlador.
Estabilidad de la corriente
en computadora.
Estabilidad de la corriente
en automático.
Orden.
Velocidad del rotor.
Estabilidad de la corriente
en automático.
Estabilidad de la velocidad
en automático.
Cambio entre Regiones Distantes de Forma Creciente.
86
0 0.5 1 1.5 2 2.5 3 3.5 41
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
Figura 30 Figura 31 Figura 32
Orden.
Velocidad del rotor.
Modo del controlador.
Estabilidad de la velocidad
en computadora.
Estabilidad de la velocidad
en automático.
Orden.
Corriente rms del estator.
Modo del controlador.
Estabilidad de la corriente
en computadora.
Estabilidad de la corriente
en automático.
(a) Orden.
(b) Velocidad del rotor.
(c) Estabilidad de la
corriente en
automático.
(d) Estabilidad de la
velocidad en
automático.
Cambio entre Regiones Sucesivas de Forma Decreciente.
87
0 0.5 1 1.5 2 2.5 3 3.5 4
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
Figura 33 Figura 34 Figura 35
(a) Orden. (b) Velocidad del rotor.(c) Modo del controlador.(d) Estabilidad de la
velocidad en computadora.
(e) Estabilidad de la velocidad en automático.
(a) Orden.(b) Corriente rms del
estator.(c) Modo del controlador.(d) Estabilidad de la
corriente en computadora.
(e) Estabilidad de la corriente en automático.
(a) Orden.(b) Velocidad del rotor.(c) Estabilidad de la
corriente en automático.
(d) Estabilidad de la velocidad en automático.
Leyenda:i. Orden: es la acción efectuada por el usuario para realizar cambios de región.
ii. Velocidad del rotor: señal de la velocidad del rotor del motor de C.A.iii. Corriente de armadura: señal de la corriente eficaz del estator.iv. Modo del controlador: indica el estado en que se encuentra el controlador
(computadora o automático) v. Estabilidad de la velocidad en computadora: señal que muestra el estado
estable de la velocidad del motor de C.A. cuando el controlador se encuentra en modo computadora.
vi. Estabilidad de la velocidad en automático: señal que muestra el estado estable de la velocidad del motor de C.A. cuando el controlador se encuentra en modo automático.
vii. Estabilidad de la corriente en computadora: señal que muestra el estado estable de la corriente de armadura del motor de C.A. cuando el controlador se encuentra en modo computadora.
viii. Estabilidad de la corriente en automático: señal que muestra el estado estable de la corriente de armadura del motor de C.A. cuando el controlador se encuentra en modo automático.
Figura 27. Cambio de Región ascendente entre regiones contiguas (C.A).(a) Orden de cambio de Región, (b) Velocidad del rotor, (c) Modo del supervisor, (d) Estabilidad de
velocidad en modo computadora, (e) Estabilidad de velocidad en modo automático.
88
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
1
2
Tiempo (Seg)x10A
mpl
itud
(a)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1500
600
700
Tiempo (Seg)x10
Vel
ocid
ad (
rpm
) (b)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(e)
Fuente: Propia.
Figura 28. Cambio de Región ascendente entre regiones contiguas (C.A).(a) Orden de cambio de Región, (b) Corriente rms del estator, (c) Modo del supervisor, (d)
Estabilidad de corriente en modo computadora, (e) Estabilidad de corriente en modo automático.
89
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
1
2
Tiempo (Seg)x10
Am
plitu
d
(a)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
20
Tiempo (Seg)x10
Ias
(Am
p)
(b)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(e)
Fuente: Propia.
90
Figura 29. Cambio de Región ascendente entre regiones contiguas (C.A).(a) Orden de cambio de Región, (b) Velocidad del rotor, (c) Estabilidad de corriente en
modo automático, (e) Estabilidad de velocidad en modo automático.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10.5
1
1.5
2
2.5
Tiempo (Seg)x10
Am
plitu
d
(a)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1500
600
700
Tiempo (Seg)x10
Vel
ocid
ad (
rpm
)
(b)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.5
1
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.5
1
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
Fuente: Propia.
91
Figura 30. Cambio de Región ascendente entre regiones distantes (C.A.)(a) Orden de cambio de Región, (b) Velocidad del rotor, (c) Modo del supervisor, (d) Estabilidad de velocidad en modo computadora, (e) Estabilidad de velocidad en modo
automático.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.52
4
6
Tiempo (Seg)x10
Am
plitu
d
(a)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
100015002000
Tiempo (Seg)x10
Vel
ocid
ad (
rpm
) (b)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(e)
Fuente: Propia.
92
Figura31. Cambio de Región ascendente entre regiones distantes (C.A.)(a) Orden de cambio de Región, (b) Corriente rms del estator, (c) Modo del supervisor, (d)
Estabilidad de corriente en modo computadora, (e) Estabilidad de corriente en modo automático.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
246
Tiempo (Seg)x10
Am
plitu
d
(a)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
20
Tiempo (Seg)x10
Ias
(Am
p)
(b)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(e)
Fuente: Propia.
93
Figura 32. Cambio de Región ascendente entre regiones distantes (C.A.)(a) Orden de cambio de Región, (b) Velocidad del rotor, (c) Estabilidad de corriente en
modo automático, (e) Estabilidad de velocidad en modo automático.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
2
4
6
Tiempo (Seg)x10
Am
plitu
d(a)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
1000
1500
2000
Tiempo (Seg)x10
Vel
ocid
ad (
rpm
)
(b)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.5
1
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.50
0.5
1
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
Fuente: Propia.
94
Figura 33. Cambio de Región descendente entre regiones contiguas (C.A.)(a) Orden de cambio de Región, (b) Velocidad del rotor, (c) Modo del supervisor, (d) Estabilidad de velocidad en modo computadora, (e) Estabilidad de velocidad en modo
automático.
0 0.5 1 1.5
5
6
Tiempo (Seg)x10
Am
plitu
d
(a)
0 0.5 1 1.5
1800
2000
2200
Tiempo (Seg)x10
Vel
ocid
ad (
rpm
) (b)
0 0.5 1 1.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.5 1 1.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
0 0.5 1 1.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(e)
Fuente: Propia.
95
Figura 34. Cambio descendente entre regiones contiguas (C.A.)(a) Orden de cambio de Región, (b) Corriente rms del estator, (c) Modo del supervisor, (d)
Estabilidad de corriente en modo computadora, (e) Estabilidad de corriente en modo automático.
0 0.5 1 1.5
5
6
Tiempo (Seg)x10
Am
plitu
d
(a)
0 0.5 1 1.50
20
Tiempo (Seg)x10
Ias
(Am
p)
(b)
0 0.5 1 1.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.5 1 1.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
0 0.5 1 1.50
0.51
1.5
Tiempo (Seg)x10
Am
plitu
d
(e)
Fuente: Propia.
96
Figura 35. Cambio descendente entre regiones contiguas. (C.A)(a) Orden de cambio de Región, (b) Velocidad del rotor, (c) Estabilidad de corriente en
modo automático, (e) Estabilidad de velocidad en modo automático.
0 0.5 1 1.54.5
5
5.5
6
6.5
Tiempo (Seg)x10
Am
plitu
d
(a)
0 0.5 1 1.5
1800
2000
2200
Tiempo (Seg)x10
Vel
ocid
ad (
rpm
)
(b)
0 0.5 1 1.50
0.5
1
1.5
Tiempo (Seg)x10
Am
plitu
d
(c)
0 0.5 1 1.50
0.5
1
1.5
Tiempo (Seg)x10
Am
plitu
d
(d)
Fuente: Propia.
Las simulaciones se llevaron a cabo con el propósito de verificar el comportamiento del
sistema supervisorio diseñado, donde se puso a prueba su operatividad frente a los
diferentes requerimientos en cuanto a las variaciones de velocidades. Partiendo del estado
inicial (Región 1 en régimen estable) se consideró realizar cambios a los demás estados
discretos de forma ascendente entre dos regiones adjuntas y salto súbito a zonas operativas
distantes, análogamente para evoluciones descendentes de velocidades.
97
En la Figura 27 así como en la Figura 33 se muestran las respuestas del sistema supervisor
ante ordenes de cambios entre regiones adyacentes tanto ascendente como descendente
respectivamente, en cada una de ellas se observa que el sistema se encuentra estable en
cuanto a su velocidad (Figuras 27-e, 33-e) cuando el controlador se encuentra en modo
automático antes de ser ordenado un cambio de región (Figuras 27-a, 33-a) para alcanzar el
estado siguiente. Así mismo, se muestran los cambios de computadora a automático y
viceversa del controlador (Figuras 27-c, 33-c) una vez cumplida con las condiciones de
tiempos que se asignan para verificar la estabilidad de las variables tanto de corriente y
velocidad en cada una de estos estados.
Como se puede observar en estas imágenes la señal de la velocidad del rotor mantiene una
trayectoria aproximadamente igual respecto a la orden, y el detector de la estabilidad de la
velocidad indica un 1 lógico justo cuando la señal de velocidad se encuentra en su régimen
transitorio, bloqueando el supervisor durante ese instante de tiempo ante cualquier orden de
cambio de estado, con la finalidad de garantizar un funcionamiento seguro, estable y
cumplir con las especificaciones estipuladas anteriormente.
En el mismo orden de ideas, en los cuales se realizo cambios entre regiones adyacentes y
con el fin de observar la eficiencia del supervisor en el análisis de corriente, se presentaron
las Figuras 28 y 34 donde se relaciona los estados discretos alcanzados, la corriente (la
eficacia del estator del motor de inducción) y el detector de evento que analiza si la
corriente se encuentra en su régimen transitorio o permanente, análogamente al caso de la
velocidad. Es notorio apreciar, que la corriente no supera en ninguno de los casos su valor
nominal para el motor de inducción.
Por otro lado, cuando la orden de cambio de región es entre estados que se encuentren
distantes (Figuras 30-a) el supervisor realiza los cabios de manera ascendente y
descendente de forma gradual pasando por cada uno de los estados intermedios, también
verificando en cada uno de ellos la estabilidad de corriente y tensión antes de pasar a un
siguiente estado, así de manera continua antes de llegar a la región final impuesta por la
orden de cambio.
98
Lo antes mencionado se muestra y se verifica en las Figuras 30, 31 y 32. Donde en cada
una de ellas se observa que se realizan cambios entre regiones distantes ya sea de manera
ascendente y descendente para el motor. Cabe prestar especial atención, en la forma que
avanza de manera gradual entre cada una de las regiones intermedias antes de alcanzar el
estado final (Figuras 30-b), en los cuales se verifica en cada uno, tanto las estabilidades de
corriente y velocidad en modo computadora y automático para luego poder realizar el salto
al próximo nivel de ser necesario. Esto es cumpliendo con lo establecido en las
especificaciones del sistema supervisorio implementado.
Finalmente, en las graficas 27, 28 y 29, se presenta las respuesta del sistema ante una
perturbación de torque (Figura 31-b) , de la misma forma se aprecia que la perturbación
produce que los analizadores de estabilidad en modo automático de corriente (Figura 31-d)
y velocidad (Figura 31-c) registren inestabilidad, y al recibir una orden de cambio de región
en ese instante, no es ejecutada por el sistema supervisorio sino hasta que vuelvan a
presentar estabilidades durante un determinado tiempo.
.
99
CAPITULO V
CONCLUSIONES Y RECOMENDACIONES
Conclusiones
La determinación del modelo matemático para la maquina electro-mecánica utilizada en la
investigación, y en general de cualquier sistema o proceso, es parte fundamental cuando se
quiere realizar pruebas y estudios control, en este sentido, con el modelo obtenido
anteriormente para la máquina, se obtuvo una respuesta de gran similitud con el proceso
real, por consiguiente estos fueron utilizados para el estudio.
Los sistemas de control de velocidad son ampliamente son unos de los implementados en la
industria para los motores de C.A. Una buena sintonización de los mismos garantiza el
buen funcionamiento del proceso a ser controlado, como se pudo verificar en los resultados
ante la entrada de una perturbación en el sistema.
El enfoque utilizado, como lo fue el de establecer modelos a eventos discretos para los
sistemas implementados, así como para los supervisores, ayuda de forma significativa para
tener una visualización de manera simple y rápida de las características para cada uno de
ellos, haciendo de esta manera el trabajo de diseño de cada uno más fácil de realizar.
Se diseño el supervisor, previamente estableciendo las especificaciones el sistema
supervisorio, y se verifico que el enfoque monolítico cumplió con todas las exigencias y
requerimientos de la dinámica del proceso.
100
Finalmente, con la obtención y unión de todos los elementos necesario para la supervisión y
control del proceso a través del enfoque de sistemas, además, con la ayuda de las
herramientas computacionales como lo fueron MATLAB y SUPREMICA se verifico el
desempeño y funcionamiento de manera adecuada y eficiente del sistema supervisor para el
motor de inducción frente situaciones rigurosas de trabajo. Quedando demostrado que ante
exigencias previamente establecidas actuó de forma sistemática, garantizando la estabilidad
de las variables analizadas y asegurando un funcionamiento adecuado.
RECOMENDACIONES
Implementar ambos sistemas híbridos en dispositivos (PLC, microprocesadores, control
digital, entre otros) que permitan el control del proceso para el cual fueron diseñados, a fin
de verificar su funcionamiento real.
Realizar un algoritmo de control que permita realizar auto sintonización de los
controladores ante velocidades no definidas previamente (tomando en cuenta el tiempo de
muestreo del PLC, micro controlador o cualquier dispositivo electrónico a utilizar, el cual
sean mucho menor y se ajuste al requerimiento a usar), ampliando el rango de control y no
estar limitado a un número finito de regiones.
Efectuar un diferente control a los motores de inducción trifásico dentro de los lazos
cerrado, para comparar el desempeño que presentan cada uno de estos con los controles
implementados a la largo del desarrollo del sistema híbrido.
Considerar el análisis de fallas por sobrecorriente, de forma tal que el sistema supervisorio
tome medidas ante la ocurrencia del evento. Así como también el consentimiento del
arranque y parada en los motores eléctricos.
101
BIBLIOGRAFÍA
Aller, J.; 2000. Modelación de la Máquina de Inducción. Trabajo de Investigación. Universidad Simón Bolívar, Caracas, Venezuela.
Alfaro M. Víctor.; 2001. Identificación de procesos sobreamortiguados utilizando técnicas de lazo abierto, Trabajo de Investigación, Departamento de Automática, Escuela de Ingeniería Eléctrica, Universidad de Costa Rica, San José, Costa Rica.
Alfaro M. Víctor.; 2002. Métodos de sintonización de controladores PID que operan como reguladores, Trabajo de Investigación, Departamento de Automática, Escuela de Ingeniería Eléctrica, Universidad de Costa Rica, San José, Costa Rica.
Cázares, M.; Christen, E.; Jaramillo, L.; Villaseñor R. y Zamudio L.; 2000. Técnicas actuales de investigación documental. 3ª Edición. Editorial Trillas-UAM. México.
Cembellín, A. Simulación de sistemas de control híbrido. Articulo de investigación. Universidad de Salamanca, España.
Chee-Mun, O.; 1998. Dynamic Simulations of Electric Machinery. Editorial Prentice Hall.
Cruz, B.; 2006. Modelación y análisis de un sistema híbrido: Un caso de estudio con un sistema de tanques. Articulo de investigación. Universidad Autónoma de Yucatán, México.
Cruz, B., Avilés, J., Lara, E.; 2009. Diseño de un controlador basado en el modelo del autómata híbrido. Articulo de investigación. Universidad Autónoma de Yucatán, México.
Cury J. E.; 2001. Teoría de Control Supervisorio de Sistemas a Eventos Discretos. V Simposio Brasileño de Automatización industrial Inteligente. Universidad Federal de Santa Catarina, Florianópolis, Brasil.
Frausto, C.; 2008. Redes Neuronales en el Sistema de Control Vectorial del Motor de Inducción. Tesis de Grado. Instituto Tecnológico de la Laguna. Torreón, Coahuila. México.
Indriago, M y Chacón, E.; 2008. Modelo y Simulación de Sistemas Híbridos en Procesos Industriales. Publicado en las memorias del Congreso Latinoamericano de Control y Automatización, Mérida, Venezuela.
Khodr, Y. y Chacón, E; 2004. Implementación de un sistema supervisorio de sistemas de producción continuos complejos. Tesis de grado, Universidad de los Andes, Mérida, Venezuela.
102
Lygeros, J.; 2004. Lecture Notes on Hybrid Systems. Department of Electrical and Computer Engineering. University of Patras. Rio, Patras.
Martínez G.; 2000. Rectificadores, Accionamientos para Motores de Corriente Continua y Controladores de Voltaje Alterno. Primera Edición, Universidad Nacional Experimental Politécnica “Antonio José de Sucre” Vice-Rectorado Barquisimeto, Barquisimeto, Venezuela.
Medina, I. y Contreras, C.; 2007. Control Supervisorio y Optimizador para la Planificación de Operaciones en un Sistema de Manufacturación Flexible. Tesis de grado, UNEXPO, Barquisimeto, Venezuela.
Negrin, M. y Becerra, L; 2009. Diseño de un supervisor a eventos discretos para el área de reacción de Glassven. Trabajo de grado. UNEXPO, Barquisimeto, Venezuela.
103
ANEXOS
104
Programa para el motor de inducción trifásico
% Programa_principal
clear all
p20hp
% Calculation of torque speed curves
vas = Vrated/sqrt(3);
we = wb;
xls = (we/wb)*xls;
xplr = (we/wb)*xplr;
xm = (we/wb)*xm;
xM = 1/(1/xm + 1/xls + 1/xplr);
xs = xls + xm;
xr = xplr + xm;
xsprime = xs - xm*xm/xr;
% Equivalente de Thevenin
vth = abs((j*xm/(rs + j*(xls + xm)))*vas);
zth = (j*xm*(rs + j*xls)/(rs + j*(xls + xm )));
rth = real(zth);
xth = imag(zth);
% Resistencia del Rotor
rpr1 = sqrt(rth^2 + (xth + xplr)^2);
smaxt = rpr/rpr1;
rprv = [rpr];
Nrr=length(rprv);
s = (1:-0.02:0.02);
N=length(s);
% Ley de Mando
w = (-180*pi:4:180*pi);
emb = j*iasb*xm;
f = w/(2*pi);
N = length(w);
for n = 1:N
105
we = w(n);
em = abs(we)*emb/wb;
zs = rs + j*(abs(we)/wb)*xls;
vrms(n) = abs(em + iasb*zs);
end
vrms_vf = vrms;
we_vf = w;
% Condiciones Iniciales
Psiqso = 0;
Psidso = 0;
Psipqro = 0;
Psipdro = 0;
wrbywbo = 0;
Parámetros del motor de inducción trifásico
% Parámetros p20hp
Sb = 20*746;
Vrated = 220;
pf = 0.853;
Irated = Sb/(sqrt(3)*Vrated*pf);
P= 4;
frated = 60;
wb = 2*pi*frated;
we=wb;
wbm = 2*wb/P;
Tb = Sb/wbm;
Zb=Vrated*Vrated/Sb;
Vm = Vrated*sqrt(2/3);
Vb=Vm;
Tfactor = (3*P)/(4*wb);
srated=0.0287;
Nrated = 1748.3;
106
wmrated=2*pi*Nrated/60;
Trated = Sb/wmrated;
iasb= 49.68;
rs = 0.1062;
xls = 0.2145;
xplr = xls;
xm = 5.8339;
rpr = 0.0764;
xM = 1/(1/xm + 1/xls + 1/xplr);
J = 2.8;
H = J*wbm*wbm/(2*Sb);
Domega = 0;
107
Programa para la obtención de las gráficas.
%%%%%%%%% SECTOR 1 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%% CAMBIO DE REGION 1 A REGION 2 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%%%%%%
% TIEMPOS EN SEGUNDOS
%%%%%%%%%%%%%
t_ini_S=1.5;
t_fin_S=2.5;
a=150001;
b=250001;
c=b-a+1;
tout_S=tout(1:c);
%%%%%%%%%%%%%
% VELOCIDAD SECTOR 1
%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=0.5;
y1b=2.5;
f2=Wm_ml_RPM(a:b);
y2a=500;
y2b=750;
f3=Man_Aut(a:b);
y3a=0;
y3b=1.5;
f4=EWM(a:b);
y4a=0;
y4b=1.5;
f5=EWA(a:b);
y5a=0;
y5b=1.5;
figure(1)
SUBPLOT(5,1,1)
108
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Velocidad del rotor')
xlabel('Tiempo (Seg)x10')
ylabel('Velocidad (rpm)')
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(5,1,3)
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
109
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%
% CORRIENTE SECTOR 1
%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=0.5;
y1b=2.5;
f2=Ia_ml(a:b);
y2a=0;
y2b=32;
f3=Man_Aut(a:b);
y3a=0;
y3b=1.5;
f4=EIM(a:b);
y4a=0;
y4b=1.5;
f5=EIA(a:b);
y5a=0;
y5b=1.5;
figure(2)
SUBPLOT(5,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
110
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',1)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Corriente de armadura')
xlabel('Tiempo (Seg)x10')
ylabel('Ias (Amp)')
% title('(b) Corriente Ia')
title('(b)')
SUBPLOT(5,1,3)
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de corriente Manual')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
111
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=0.5;
y1b=2.5;
f2=Wm_ml_RPM(a:b);
y2a=500;
y2b=750;
f3=EIA(a:b);
y3a=0;
y3b=1.5;
f4=EWA(a:b);
y4a=0;
y4b=1.5;
figure(3)
SUBPLOT(4,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(4,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Velocidad del rotor')
xlabel('Tiempo (Seg)x10')
112
ylabel('Velocidad (rpm)')
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(4,1,3)
plot(tout_S,f3,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(4,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
%%%%%%%%% SECTOR 2 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%% CAMBIO DE REGION 2 A REGION 6 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%%% TIEMPOS EN SEGUNDOS %%%%%%%%%%%%%
t_ini_S=3.5;
t_fin_S=8;
a=350001;
b=800001;
c=b-a+1;
tout_S=tout(1:c);
%%%%%%%%%%
% VELOCIDAD SECTOR 2
%%%%%%%%%%
113
f1=ORDEN_ml(a:b);
y1a=1.5;
y1b=7;
f2=Wm_ml_RPM(a:b);
y2a=650;
y2b=2200;
f3=Man_Aut(a:b);
y3a=0;
y3b=1.5;
f4=EWM(a:b);
y4a=0;
y4b=1.5;
f5=EWA(a:b);
y5a=0;
y5b=1.5;
figure(4)
SUBPLOT(5,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Velocidad del rotor')
xlabel('Tiempo (Seg)x10')
ylabel('Velocidad (rpm)')
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(5,1,3)
114
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%
% CORRIENTE SECTOR 2
%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=1,5;
y1b=7;
f2=Ia_ml(a:b);
y2a=0;
y2b=32;
f3=Man_Aut(a:b);
115
y3a=0;
y3b=1.5;
f4=EIM(a:b);
y4a=0;
y4b=1.5;
f5=EIA(a:b);
y5a=0;
y5b=1.5;
figure(5)
SUBPLOT(5,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',1)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Corriente de armadura')
xlabel('Tiempo (Seg)x10')
ylabel('Ias (Amp)')
% title('(b) Corriente Ia')
title('(b)')
SUBPLOT(5,1,3)
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de corriente')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
116
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=1.5;
y1b=7;
f2=Wm_ml_RPM(a:b);
y2a=650;
y2b=2200;
f3=EIA(a:b);
y3a=0;
y3b=1.5;
f4=EWA(a:b);
y4a=0;
y4b=1.5;
figure(6)
117
SUBPLOT(4,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(4,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Velocidad del rotor')
xlabel('Tiempo (Seg)x10')
ylabel('Velocidad (rpm)')
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(4,1,3)
plot(tout_S,f3,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(4,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
118
title('(d)')
%%%%%%%%% SECTOR 3 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%% CAMBIO DE REGION 6 A REGION 5 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%%% TIEMPOS EN SEGUNDOS %%%%%%%%%%%%%
t_ini_S=13.5;
t_fin_S=15;
a=1350001;
b=1500001;
c=b-a+1;
tout_S=tout(1:c);
%%%%%%%%%
% VELOCIDAD SECTOR 3
%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=4.5;
y1b=6.5;
f2=Wm_ml_RPM(a:b);
y2a=1700;
y2b=2200;
f3=Man_Aut(a:b);
y3a=0;
y3b=1.5;
f4=EWM(a:b);
y4a=0;
y4b=1.5;
f5=EWA(a:b);
y5a=0;
y5b=1.5;
figure(7)
SUBPLOT(5,1,1)
plot(tout_S,f1,'linewidth',2)
119
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% leged('Velocidad del rotor')
xlabel('Tiempo (Seg)x10')
ylabel('Velocidad (rpm)')
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(5,1,3)
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
120
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%
% CORRIENTE SECTOR 3
%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=4.5;
y1b=6.5;
f2=Ia_ml(a:b);
y2a=0;
y2b=32;
f3=Man_Aut(a:b);
y3a=0;
y3b=1.5;
f4=EIM(a:b);
y4a=0;
y4b=1.5;
f5=EIA(a:b);
y5a=0;
y5b=1.5;
figure(8)
SUBPLOT(5,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
121
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',1)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Corriente de armadura')
xlabel('Tiempo (Seg)x10')
ylabel('Ias (Amp)')
% title('(b) Corriente Ia')
title('(b)')
SUBPLOT(5,1,3)
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de corriente')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
122
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=4.5;
y1b=6.5;
f2=Wm_ml_RPM(a:b);
y2a=1700;
y2b=2200;
f3=EIA(a:b);
y3a=0;
y3b=1.5;
f4=EWA(a:b);
y4a=0;
y4b=1.5;
figure(9)
SUBPLOT(4,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(4,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% leged('Velocidad del rotor')
xlabel('Tiempo (Seg)x10')
123
ylabel('Velocidad (rpm)')
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(4,1,3)
plot(tout_S,f3,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(4,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%% SECTOR 4 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%% CAMBIO DE REGION 5 A REGION 3 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%%%%%%%%%% TIEMPOS EN SEGUNDOS %%%%%%%%%%%%%
t_ini_S=15.5;
t_fin_S=18;
a=1550001;
b=1800001;
c=b-a+1;
tout_S=tout(1:c);
124
%%%%%%%%%%%%%%%%%%%%%%
%%% VELOCIDAD SECTOR 4
%%%%%%%%%%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=1.5;
y1b=5.5;
f2=Wm_ml_RPM(a:b);
y2a=600;
y2b=1850;
f3=Man_Aut(a:b);
y3a=-0.5;
y3b=1.5;
f4=EWM(a:b);
y4a=0;
y4b=1.5;
f5=EWA(a:b);
y5a=0;
y5b=1.5;
figure(10)
SUBPLOT(5,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% leged('Velocidad del rotor')
xlabel('Tiempo (Seg)')
ylabel('Velocidad (rpm)')
125
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(5,1,3)
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%
% CORRIENTE SECTOR 4
%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=1.5;
126
y1b=5.5;
f2=Ia_ml(a:b);
y2a=0;
y2b=32;
f3=Man_Aut(a:b);
y3a=0;
y3b=1.5;
f4=EIM(a:b);
y4a=0;
y4b=1.5;
f5=EIA(a:b);
y5a=0;
y5b=1.5;
figure(11)
SUBPLOT(5,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)x10')
ylabel('Estado')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(5,1,2)
plot(tout_S,f2,'linewidth',1)
AXIS([0 max(tout_S) y2a y2b])
grid on
% legend('Corriente de armadura')
xlabel('Tiempo (Seg)x10')
ylabel('Ias (Amp)')
% title('(b) Corriente Ia')
title('(b)')
SUBPLOT(5,1,3)
plot(tout_S,f3-1,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
127
grid on
% legend('Estabilidad de corriente')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(5,1,4)
plot(tout_S,f4,'linewidth',2)
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
SUBPLOT(5,1,5)
plot(tout_S,f5,'linewidth',2)
AXIS([0 max(tout_S) y5a y5b])
grid on
% legend('Estabilidad de corriente')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(e)')
%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%
f1=ORDEN_ml(a:b);
y1a=1.5;
y1b=5.5;
f2=Wm_ml_RPM(a:b);
y2a=600;
y2b=1850;
f3=EIA(a:b);
y3a=0;
128
y3b=1.5;
f4=EWA(a:b);
y4a=0;
y4b=1.5;
figure(12)
SUBPLOT(4,1,1)
plot(tout_S,f1,'linewidth',2)
AXIS([0 max(tout_S) y1a y1b])
grid on
% legend('Region')
xlabel('Tiempo (Seg)')
ylabel('Amplitud')
% title('(a) Orden De Planificación')
title('(a)')
SUBPLOT(4,1,2)
plot(tout_S,f2,'linewidth',2)
AXIS([0 max(tout_S) y2a y2b])
grid on
% leged('Velocidad del rotor')
xlabel('Tiempo (Seg)')
ylabel('Velocidad (rpm)')
% title('(b) Velocidad del rotor (rpm)')
title('(b)')
SUBPLOT(4,1,3)
plot(tout_S,f3,'linewidth',2)
AXIS([0 max(tout_S) y3a y3b])
grid on
% legend('Estabilidad de velocidad')
xlabel('Tiempo (Seg)')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(c)')
SUBPLOT(4,1,4)
plot(tout_S,f4,'linewidth',2)
129
AXIS([0 max(tout_S) y4a y4b])
grid on
% legend('Estabilidad de corriente Automatico')
xlabel('Tiempo (Seg)x10')
ylabel('Amplitud')
% title('(c) Estabilidad De Velocidad Automatica')
title('(d)')
130
Programa para la obtención del PID TUNING.
function [K,Ti,Td,N,b] = pid_tuning(model,method,param,regStruct,As)% PID_TUNING ajustar los parámetros de un regulador PID con ISA-algunos% bien definidos autotuning métodos.% % [K, Ti, Td, N, b] = PID_TUNING (MODELO, MEETHOD, PARAM, REGSTRUCT) devuelve el% parámetros de un regulador de ISA-PID.% MODELO es una estructura que describe la planta, con los siguientes campos:% - MODEL.m, MODEL.L, MODEL.T de un método basado en el modelo (es decir, la% parámetros de un modelo de M FOPDT (s) = m * exp (-SL) /) (1 + s * T)% - MODEL.A, MODEL.T de un método basado en características (amplitud y% periodo de oscilación generada por un relé en el bucle)% MÉTODO es una bandera que indica el método de sintonización deseado mientras PARAM da% parámetros adicionales (si procede), de acuerdo con la siguiente tabla% % Ajuste el método | Método | PARAM% -------------------------------------------------- ----------------------% En primer lugar Ziegler-Nichols | 'ZN (OL)' | none% método (bucle abierto) | |% | |% Kappa Tau método | 'KT' | EM: margen de la magnitud requerida% | |% Modelo de Control Interno | 'IMC | lambda: constante de tiempo del% método | | filtro F (s)% | |% En segundo lugar de Ziegler-Nichols | 'ZN (cl)' | none% método (lazo cerrado) | |% -------------------------------------------------- ---------------------% % REGSTRUCT es una señal de selección de la estructura del regulador ("PI" o "PID")% % Autor:if nargin<4 error('Usage : [K,Ti,Td,N,b] = pid_tuning(model,method,param,regStruct)')endif nargin<5 As = 1;end
131
% síntesis de los parámetros de PIDswitch method case {'KT','kt'} % Kappa-Tau % FOPDT model parameters m = model.m; L = model.L; T = model.T; % parámetro de ajuste el método Ms = param; % margen magnitud requerida if Ms==1.4 % ajuste conservador if strcmp(regStruct,'PI') A0 = 0.29; A1 = -2.7; A2 = 3.7; B0 = 8.9; B1 = -6.6; B2 = 3.0; C0 = 0; C1 = 0; C2 = 0; D0 = 0.81; D1 = 0.73; D2 = 1.9; elseif strcmp(regStruct,'PID') A0 = 3.8; A1 = -8.4; A2 = 7.3; B0 = 5.2; B1 = -2.5; B2 = -1.4; C0 = 0.89; C1 = -0.37; C2 = -4.1; D0 = 0.4; D1 = 0.18; D2 = 2.8; end elseif Ms==2 % ajuste más agresivo if strcmp(regStruct,'PI') A0 = 0.78; A1 = -4.1; A2 = 5.7; B0 = 8.9; B1 = -6.6; B2 = 3.0; C0 = 0; C1 = 0; C2 = 0; D0 = 0.48; D1 = 0.78; D2 = -0.45; elseif strcmp(regStruct,'PID') A0 = 8.4; A1 = -9.6; A2 = 9.8; B0 = 3.2; B1 = -1.5; B2 = -0.93; C0 = 0.86; C1 = -1.9; C2 = -0.44; D0 = 0.22; D1 = 0.65; D2 = 0.051; end end a = m*L/T; % ganancia normalizada tau = L/(L+T); % retardo normalizado K = A0/a*exp(A1*tau+A2*tau^2); Ti = L*B0*exp(B1*tau+B2*tau^2); Td = L*C0*exp(C1*tau+C2*tau^2); b = D0*exp(D1*tau+D2*tau^2); N = 5; case {'IMC','imc'} % Modelo de Control Interno % FOPDT model parameters m = model.m; L = model.L; T = model.T; % tuning method parameter lambda = param; % lambda Ti = T + L^2/(2*(L+lambda)); K = Ti / (m*(L+lambda)); N = T*(L+lambda) / (lambda*Ti) - 1;
132
Td = lambda*L*N / (2*(L+lambda)); if Td==0 N=5; end % b se sintoniza de acuerdo a KT normas para la EPI b = 0.4*exp(0.18*(L/(L+T))+2.8*(L/(L+T))^2); case {'ZN (OL)','zn (ol)'} % Ziegler y Nichols (circuito abierto) FOPDT los parámetros del modelo m = model.m; L = model.L; T = model.T; if L~=0 if strcmp(regStruct,'PI') K = (0.9*T) / (m*L); Ti = 3*L; Td = 0; elseif strcmp(regStruct,'PID') K = (1.2*T) / (m*L); Ti = 2*L; Td = 0.5*L; end b = 1; N = 5; end case {'ZN (CL)','zn (cl)'} % Ziegler y Nichols (lazo cerrado) punto de la respuesta de frecuencia A = model.A; T = model.T; Ku = 4*As/(pi*A); if strcmp(regStruct,'PI') K = 0.4*Ku; Ti = T/1.2; Td = 0; elseif strcmp(regStruct,'PID') K = 0.6*Ku; Ti = T/2; Td = T/8; end b = 1; N = 5; otherwise error(['Unknown method: ' method]);end
133
Programa para la obtención del PID AUTO TUNING.
function [sys,x0,str,ts] = pid_autotuner(t,x,u,flag,Ts,As)% PID_AUTOTUNER Supervisor de autotuner PID (implementado como un S-función).% % El supervisor, elimina el proceso de autoajuste, principalmente de realizar la% identificación de un modelo de proceso y la síntesis del nuevo% parámetros con diversos métodos.% Además es posible restringir la estructura del regulador a% ser un PI o PID, o la estructura puede ser seleccionado automáticamente por el% supervisor.% En particular, el autotuner tiene la característica siguiente:% - La identificación de descripción del proceso:% * Un modelo FOPDT por el método de las áreas% * Un punto de la respuesta de frecuencia a través del método de la% relé% - Sintesis de los parámetros PID mediante% * KT método% * IMC método% * Primer y segundo método de ZN% switch flag, % Initialization case 0, [sys,x0,str,ts] = mdlInitializeSizes(Ts); % Outputs case 3, [sys] = mdlOutputs(t,x,u,Ts,As); % Unused flags case { 1, 2, 4, 9 } sys = []; otherwise error(['Unhandled flag = ',num2str(flag)]); end% end pid_superv %=============================================================================% mdlInitializeSizes% Return the sizes, initial conditions, and sample times for the S-function.%=============================================================================function [sys,x0,str,ts] = mdlInitializeSizes(Ts)global Y_AUTOTUNING % store the step (or relay) response used for tuning Y_AUTOTUNING = []; % initialized to an empty vector
134
% set up S-functionsizes = simsizes; sizes.NumContStates = 0;sizes.NumDiscStates = 0;sizes.NumOutputs = 2;sizes.NumInputs = 1;sizes.DirFeedthrough = 1;sizes.NumSampleTimes = 1; % por lo menos un tiempo de muestreo se necesitasys = simsizes(sizes); x0 = [];str = [];ts = [Ts 0];% end mdlInitializeSizes %=============================================================================% mdlOutputs% Return the block outputs.%=============================================================================function [sys] = mdlOutputs(t,x,u,Ts,As)% sys(1) : auto/manual switch% sys(2) : autotuning (0 : autotuning in progress; 1 : normal operation) % u(1) : new sample of the step response global PIDPARAMETERSglobal IDENTIFICATION_METHODglobal TUNING_STRUCTUREglobal TUNING_METHODglobal TUNING_PARAMglobal AUTOTUNEglobal AUTOMAN global Y_AUTOTUNING step_steadyThr = 0.05; % umbral en el derivado de considerar la respuesta al escalón de un estado Stedyrelay_steadyThr = 0.05; % umbral de la diferencia porcentual de los picos % considerar la respuesta del relé de estado estacionario if AUTOTUNE % store the new sample of the step response Y_AUTOTUNING = [Y_AUTOTUNING; u(1)]; y = Y_AUTOTUNING; if strcmp(IDENTIFICATION_METHOD,'STEP')
135
% comprobar si la respuesta al escalón se ha llegado a un estado estacionario (es decir, comprobar si el último 10% de la respuesta al escalón es `` plana'' suficiente) N = fix(length(y)/10); % último 10% de la respuesta al paso if N > 15 % la respuesta al escalón se debe hacer por lo menos por 150 muestras deltay = abs(y(end)-y(1)); yw = y(end-N:end); % valor medio del derivado en la ventana inferior una fracción del valor máximo de la derivada idok = (max(yw)-min(yw)) < step_steadyThr*(max(y)-min(y)); else idok = 0; end if idok model = idareas(y,1,Ts); end elseif strcmp(IDENTIFICATION_METHOD,'RELAY') % IDENTIFICACIÓN CON EL MÉTODO DE RELÉ dy = diff(y); ind = find(dy(1:end-1)>0 & dy(2:end)<0); % por lo menos 4 oscilaciones pero oscilaciones no más de 10 if length(ind)>=4 & length(ind)<10 ym = mean(y); % valor medio de la diferencia entre los últimos tres picos es menor que una fracción de la gama general de la respuesta idok = mean(abs(diff(y(ind(end-2:end))))) < relay_steadyThr*(max(y)-min(y)); % el último ''período'', debe cruzar el cero idok = idok & any(abs(y(ind(end-1):ind(end))-ym) < relay_steadyThr/2*abs(max(y)-ym)); elseif length(ind)>=10 % forzar la parada de la identificación del relé idok = 1; else idok = 0; end if idok model.A = max(y)-min(y); model.T = Ts*(ind(end)-ind(end-1)); end end % autoajuste requerido if idok % selección de la estructura del regulador regStruct = pid_structure(model,TUNING_STRUCTURE); % síntesis de los parámetros de PID try [K,Ti,Td,N,b] = pid_tuning(model,TUNING_METHOD,TUNING_PARAM,regStruct,As); %actualizar los parámetros de PID PIDPARAMETERS = [K Ti Td N b];
136
catch % ningún cambio en los parámetros end AUTOTUNE = 0; end % poner el PID en el modo manual durante el autotuning y propagar el ajuste automático de la señal `` correr'' sys = [AUTOMAN 1]; else % vaciar el vector de respuesta de paso Y_AUTOTUNING = []; % poner el PID en el modo automático durante el autotuning y propagar la `` autotuning no se está ejecutando la señal'' sys = [AUTOMAN 0];end% end mdlOutputs