Control Automatizacion

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012)
Resumen Este trabajo presenta el desarrollo e implementacin

de un planificador de tiempo real ejecutivo cclico en un
microcontrolador, capaz de guiar la ejecucin de algoritmos de
control con lazos independientes. El desarrollo del software se
fundamenta en metodologas orientadas al flujo de datos de
tiempo real y en el ciclo de vida iterativo. Como plataforma de
hardware se seleccion Arduino Diecimila. Como planta se utiliz
un sistema de calefaccin de cinco lazos independientes, regulados
por algoritmos de control PID (Proporcional, Integral y
Derivativo) y planificacin ejecutivo cclico. Las pruebas fueron
realizadas en el simulador ISIS Proteus, donde se efectuaron
experiencias con y sin el planificador, poniendo a prueba el
comportamiento del mismo a nivel temporal y lgico. El plan
cclico fue cumplido en su totalidad, respetando las restricciones
temporales de cada tarea y garantizando el buen desempeo de
los lazos de control.

Palabras claves Planificacin de Tiempo Real, Sistemas de
Control Empotrado, Simulacin, Microcontroladores.
I. INTRODUCCIN
En la electrnica actual, es evidente el impacto que
representan los microcontroladores en reas como la
instrumentacin, control, automatizacin industrial, robtica,
domtica, e incluso en dispositivos de la vida diaria. Adems,
[1] afirma que en estos tiempos, existe una orientacin
estratgica hacia el desarrollo de software de tiempo real en
las reas antes mencionadas.
Un sistema de control basado en microcontroladores, puede
atender uno o varios dispositivos externos y sus respectivas
funcionalidades. Ante esta situacin, una de las vas para el
desarrollo del control es utilizar lazos independientes.
Adicionalmente estos sistemas, en su mayora, son catalogados

Artculo recibido el 02 de Febrero de 2012. Este artculo forma parte del
proyecto de investigacin CI-020402-1739-11, financiado por el Consejo de
Investigacin UDO.

A.R.A.B. y A.S.A.S. estn con la Universidad de Oriente, Grupo de
Investigacin Arquitecturas de Sistemas de Control (GASC), Ave. Argimiro
Gabaldn, Barcelona, Estado Anzotegui, Venezuela. E-mail:
alf.rafa@gmail.com, alfonso_alfonsi@udo.edu.ve
como sistemas de tiempo real, caracterizndose por la
obligacin de completar sus actividades en determinados
plazos de tiempo [2], provocando que el sistema controlado
funcione incorrectamente, si lo anterior no se cumple. Para
garantizar que todos los lazos independientes de control
puedan desempear sus actividades dentro de estas
restricciones temporales, es necesaria una poltica de
planificacin ya sea por ejecutivo cclico o por prioridades, en
donde cada lazo sea considerado como una unidad de
ejecucin [3]. Como ejemplos destacan los llamados sistemas
de control empotrado [4]-[6].
El objetivo que se persigue es presentar el desarrollo e
implementacin de un planificador de tiempo real ejecutivo
cclico en un microcontrolador de gama media, donde no se
necesite una cantidad considerable de memoria, ni de manejo
de recursos, como para incluir un ncleo de tiempo real
empotrado que gue la ejecucin del sistema.
Para lograr lo anterior se utiliza la estructura global de
software mikro_STR [7] para desarrollar la aplicacin desde
sus requerimientos lgicos/temporales, hasta la codificacin
del programa en el microcontrolador.
Como procesador base se emplea el ATmega328 [8], de
gama media, bajo el sistema de desarrollo Arduino Diecimila,
de amplia utilizacin en proyectos empotrados de hardware
libre [9]. En cuanto a la planta a controlar se toma un sistema
de calefaccin OVEN, cuyo modelo y caractersticas son
suministrados en [10].
La organizacin del artculo est estructurada como sigue.
Siguiendo los subsistemas que componen una aplicacin
basada en microcontroladores, hardware y software [11], las
secciones dos y tres estn dedicadas a estos puntos. En la
seccin cuatro se presenta lo referente al desarrollo del sistema
de control
II. SUBSISTEMA HARDWARE
Como plataforma de hardware para el desarrollo de la
investigacin se seleccion Arduino Diecimila, basado en el
microcontrolador Atmel AVR ATmega328, tomando como
Desarrollo e Implementacin de un Planificador
de Tiempo Real Ejecutivo Cclico en un
Microcontrolador de Gama Media para
Algoritmos de Control con Lazos
Independientes
Alfonso R. Alfonsi B., Alfonso S. Alfonsi S.

ISBN: 978-980-7185-02-8 CA-2

referencia los intereses actuales en cuanto al desarrollo e
implementacin de hardware libre en Venezuela. Arduino es
una plataforma de hardware libre basada en una sencilla placa
con entradas y salidas (E/S), analgicas y digitales, y en un
entorno de desarrollo que implementa el lenguaje
Processing/Wiring. El software de Arduino, Arduino IDE
(Integrated Development Environment), se ejecuta en sistemas
operativos Windows, Macintosh OSX y GNU/Linux.
Arduino Diecimila es la placa Arduino ms popular. Su
corazn puede estar conformado por el microcontrolador
Atmel AVR ATmega168 o ATmega328 [12], en la Tabla 1 se
presentan algunas de las caractersticas tcnicas de estos
microcontroladores. En la Fig. 1 se muestra la disposicin de
los pines del microcontrolador para la placa Arduino
Diecimila. Entre otras caractersticas, posee conexin USB, un
conector para alimentacin, una cabecera ICSP (In-Circuit
Serial Programming), y un botn de reset. Es un sistema de
desarrollo sencillo y de bajo costo que permite la realizacin
de mltiples diseos.

TABLA 1
CARACTERSTICAS TCNICAS DE LOS MICROCONTROLADORES DE LA PLACA
ARDUINO DIECIMILA.

Caracterstica ATmega168 ATmega328
Nmero de pines
28 28
E/S Digital (mximo)
20 20
Pines de salida PWM
6 6
Entradas analgicas
6 6
Comparadores analgicos
1 1
Timers
8 bits(2),
16 bits(1)
8bits (2),
16 bits(1)
Memoria Flash
16 KB 32 KB
Memoria SRAM
1 KB 2 KB
Memoria EEPROM
512 bytes 1 KB
Frecuencia de operacin
16 MHz 16 MHz

FIG. 1. Disposicin de pines para Arduino Diecimila con AVR
ATmega168/328.
III. SUBSISTEMA SOFTWARE
A. Metodologas y Herramientas
Segn [13], la aplicacin de metodologas para el desarrollo
de sistemas se fundamenta en la transformacin de una
necesidad o idea en un producto, y la seleccin de alguna de
ellas depende del tipo de sistema y de los objetivos que se
persiguen. En un sistema de tiempo real, estos procedimientos
deben cumplir con las condicionantes en la implementacin de
este tipo de sistemas, donde el tiempo es fundamental [14].
Para esta investigacin, las reglas y patrones que
constituyen el diseo y la realizacin general del software
fueron tomadas de [7], en donde el autor desarrolla una
estructura global de software, llamada mikro_STR,
fundamentada en las metodologas de anlisis y diseo
estructurado orientadas al flujo de datos con extensiones de
tiempo real, como lo son RTSAD (Real Time Structured
Analysis and Design) y DARTS (Design Approach for Real
Time Systems) [15], apoyado en el ciclo de vida iterativo para
este tipo de sistemas (Fig. 2).
Tal y como hace referencia el proceso de anlisis y diseo
estructurado [16], y sus extensiones de tiempo real [15], se
tiene que la estructuracin del sistema se divide en dos partes
fundamentales: los requerimientos lgicos, los cuales estn
caracterizados por el modelado del comportamiento de los
datos, funciones y control entre el sistema y el ambiente
(descomposicin funcional del sistema en la forma de
Diagramas de Flujos de Datos [16]); y los requerimientos
temporales, que permiten predecir el comportamiento y
garantizar la ejecucin del sistema en el peor caso cuando se
aplica un algoritmo de planificacin, debido a que dentro del
contexto de los sistemas de tiempo real, es necesario eliminar
el indeterminismo que produce la ejecucin concurrente [13],
[17].

FIG. 2. Proceso de desarrollo iterativo.

Entre las herramientas presentadas en [7] para cumplir los
con los requerimientos temporales del sistema se encuentran
las pruebas de planificabilidad (las cuales dependern del
planificador que se desee implementar), y los temporizadores e
interrupciones propias del microcontrolador, siendo estas dos
ltimas muy importantes, ya que como es bien sabido, la forma

ISBN: 978-980-7185-02-8 CA-3

de trabajo de los microcontroladores es secuencial, y la nica
manera que el planificador pueda en todo momento estar
monitorizando y controlando la ejecucin de las tareas, es a
travs de estas herramientas.
Las herramientas computacionales utilizadas fueron, por un
lado el entorno de desarrollo Arduino IDE [12], donde se
realiz el cdigo que fue almacenado en el microcontrolador.
Por otro lado, la construccin del plan cclico fue realizada
con la herramienta CICLIC [18], [19]. Y por ltimo, para el
diseo y simulacin de cada una de las etapas y experiencias
del sistema se utiliz ISIS Proteus, en su versin Lite [20].
B. Planificador Ejecutivo Cclico
Uno de los planteamientos vlidos para realizar la
implementacin de la gestin de tareas en sistemas de tiempo
real peridicos lo constituye la utilizacin de planificadores
cclicos [21]. Un planificador cclico es un procedimiento
iterativo que permite planificar la ejecucin de un conjunto de
procesos peridicos en un procesador de forma determinista,
tal que los tiempos de ejecucin sean predecibles.
Los ejecutivos cclicos o planificadores cclicos ejecutan las
tareas en secuencia segn unas tablas de planificacin o planes
de ejecucin, su construccin depende de los requisitos
temporales y el conjunto de tareas implicadas en el mismo. A
partir de esos requisitos [18] y [21] explican que se debe
construir un plan principal, que define la secuencia de tareas
que deben ejecutarse durante un periodo fijo de tiempo
llamado ciclo principal o hiperperiodo, el cual no es ms que
el mnimo comn mltiplo de los periodos de las tareas. Este
plan principal se divide en uno o ms planes secundarios los
cuales describen la secuencia de tareas que deben ejecutarse
durante un periodo fijo de tiempo llamado ciclo secundario.
Por lo general los planes secundarios de un mismo plan
principal contendrn secuencias de distintas tareas,
dependiendo de las caractersticas temporales de las tareas
[13].
Siguiendo los pasos de la metodologa propuesta en [7], se
analizaron los requerimientos lgicos y temporales del
sistema, necesarios para el desarrollo del planificador
ejecutivo cclico, obteniendo como resultado final, la
codificacin del algoritmo en el lenguaje propio del sistema de
desarrollo. En la Fig. 3 se puede observar la descomposicin
funcional del planificador de tareas en la forma de diagrama de
flujo de datos, correspondiente al desarrollo de los
requerimientos lgicos del sistema. La estructura del
planificador cclico queda entonces conformada nicamente
por la funcin Poltica de planificacin, la cual contendr el
algoritmo de la tabla o plan de ejecucin de las tareas.
En cuanto a los requerimientos temporales, se tiene como
primer paso realizar la prueba por construccin para
comprobar si el sistema cumple o no con las restricciones
temporales antes de implementarlo; se debe obtener la tabla de
planificacin o plan de ejecucin del sistema que ser
almacenado en la memoria del microcontrolador. Se incorpora
la seal de control Tiempo cumplido (Fig. 3), proveniente de
un temporizador interno del microcontrolador, la cual indica al
algoritmo de planificacin el fin de un ciclo secundario y el
comienzo del siguiente, sincronizando el sistema y de alguna
manera garantizando la correcta ejecucin de la secuencia de
tareas correspondiente por cada ciclo secundario. Esta seal de
control se realizar en forma de interrupcin peridica, donde
el perodo ser igual al tiempo de duracin del ciclo
secundario, obtenido en la prueba por construccin.

FIG.3. Diagrama de flujo de datos para un planificador de
tareas ejecutivo cclico.

Finalmente, la codificacin del algoritmo del planificador
en el lenguaje del entorno de desarrollo del microcontrolador,
cumpliendo los patrones establecidos en los requerimientos
lgicos y temporales, queda de la siguiente manera:

void ejecutivo_ciclico()
{
static byte sub_periodo = 1;
static byte sub_total = n; //n = subperodos
//totales del sistema.
//Obtenido de la prueba
//por construccin.
switch(sub_periodo){
case 1:
/*
llamadas a las tareas asociadas
a este subperodo
*/
break;
case 2:
/*
a este subperodo
*/
break;
case n:
/*
a este subperodo
*/
break;
}
if(sub_periodo < sub_total) sub_periodo++;
else sub_periodo = 1;
}

Del cdigo anterior, se resaltan los siguientes aspectos:
El hiperperiodo est representado por la estructura de
control Switch-Case, y se repetir de forma infinita durante la
ejecucin del sistema.
Se garantiza la ejecucin correcta del hiperperiodo con la
estructura de control if-else colocada al final de la funcin.
La variable sub_periodo y la constante sub_total estn
definidas como tipo byte, esto con la finalidad de ahorrar
espacio en memoria (slo ocupan un registro en la memoria
del microcontrolador).

ISBN: 978-980-7185-02-8 CA-4

IV. DESARROLLO DEL SISTEMA DE CONTROL
Siguiendo el proceso de desarrollo iterativo de la Fig. 2, a
continuacin se definen los requisitos funcionales y no
funcionales.
A. Requisitos Funcionales
Para probar el funcionamiento del planificador cclico se
dise el control para un sistema de calefaccin con cinco
lazos independientes (cuatro de control y uno de monitoreo),
representando cada uno de ellos un conjunto finito de tareas
crticas, peridicas, independientes y apropiables; donde el
mismo fue validado mediante una serie de simulaciones. La
planta utilizada como base es un sistema de calefaccin OVEN
[10], regulado por algoritmos de control PID [22], de amplia
utilizacin en esta rea del conocimiento.
El sistema de control de tiempo real propuesto tiene la
finalidad o propsito de realizar el control de temperatura de
cuatro hornos calefactores idnticos, pero donde cada uno
tiene que servir a una temperatura especfica diferente.
Adems, el sistema debe informar al usuario en todo momento
el valor de la temperatura a la cual se encuentra cada horno. El
usuario tendr la posibilidad de graduar la temperatura de uno
de los cuatro hornos, mientras que los otros tres se mantendrn
a una temperatura fija. Cada tarea del sistema estar formada
por un lazo independiente, siendo cada una de ellas
responsable de manejar a un proceso en particular del sistema.
El diagrama esquemtico del sistema puede verse en la Fig. 4.
Se establecieron las siguientes magnitudes de parmetros
funcionales del modelo, proporcionadas en [10]:

Temperatura ambiente (C) = 25
Resistencia trmica al ambiente (C/W) = 0,7
Constante de tiempo del horno (s) = 10
Constante de tiempo del calentador (s) = 1
Coeficiente de temperatura (V/C) = 1
Potencia de calentamiento (W) = 120

Para obtener la respuesta del sistema en lazo abierto ante
una entrada escaln (curva de reaccin), se utiliza el sistema
de anlisis interactivo de ISIS Proteus.
Luego, con la respuesta a lazo abierto del sistema, y por el
anlisis en lazo abierto de Ziegler-Nichols [22], el modelo del
sistema de calefaccin queda definido como:
s
e
s
e K
s G
s s
5 , 12 1
5 , 125
1
) (
0
0
0
+
=
+
=

(1)
Donde los coeficientes k
0,
0
,
0
representan la ganancia del
proceso, el tiempo muerto y la constante de tiempo,
respectivamente. Los parmetros del controlador discreto PID
obtenido en [10] a periodo de muestreo T = 0,1 s segn criterio
T <
0
/4, son:
6215 , 0 ; 0,0062 ; 0,1195 = = = = = =
T
T K
c
T
T K
b K a
d p
i
p
p
(2)

Donde Kp representa la ganancia proporcional, Ti es la
constante de tiempo integral y Td es la constante de tiempo
derivativa, del controlador PID, quedando ste definido
finalmente como:

) 1 (
) 1 (
) (
) (
1
1
+ = z c
z
b
a
z E
z U
(3)

FIG. 4. Diagrama esquemtico del sistema de control de calefaccin.

ISBN: 978-980-7185-02-8 CA-5

B. Requisitos No Funcionales
Para estos requisitos se toman los temporales, periodos y
tiempo de cmputos. La operacin sobre dispositivos es
realizada por manejadores implementados como tareas,
definidas como el patrn presentado en la Tabla 2, donde Ci
representa el tiempo de cmputo, Pi el perodo, y Di el plazo
de finalizacin.

TABLA 2
TIPOS Y DEFINICIN DE TAREAS.

Tareas Definicin
Control Ti=(Ci,Pi,Di)
Visualizacin Tim=(Cim,Pim,Dim)

C. Arquitectura del Sistema: Arquitectura Lgica
Para la elaboracin de la estructura del software del sistema
de control de calefaccin, fue necesario desarrollar la
arquitectura lgica del sistema, en este caso, siguiendo los
lineamientos de las metodologas citadas en la seccin tres.
Esto es, la identificacin de entidades externas,
descomposicin funcional del sistema en la forma de
diagramas de flujos de datos, entre otros requisitos, Fig. 5.
D. Arquitectura del Sistema: Arquitectura Fsica
Para analizar el cumplimiento de los requerimientos
temporales del sistema, es necesario conocer de antemano las
caractersticas temporales de cada tarea, Tabla 2.
Como primer paso, se determin el tiempo de cmputo
estimado. Estos se obtuvieron analizando el cdigo ejecutable,
al descomponer en bloques secuenciales, donde cada uno
representaba una tarea del sistema. Se asoci a cada tarea un
pin digital del microcontrolador, activndolo al inicio de la
tarea en cuestin y desactivndolo al finalizar la misma. Se
realiz un anlisis digital de las salidas configuradas para cada
tarea (Fig. 6).

FIG. 6. Anlisis digital para los tiempos de cmputo.

El resto de las caractersticas temporales fueron
determinadas en funcin del tipo de tarea. En la Tabla 3 se
muestra el resumen de las caractersticas temporales y la
funcin de cada tarea.

FIG. 5. Diagrama de flujo de datos de nivel 1.


ISBN: 978-980-7185-02-8 CA-6

TABLA 3
CARACTERSTICAS TEMPORALES DE LAS TAREAS DEL SISTEMA.

Tarea Ci (ms) Pi (s) Di (s) Funcin
Tarea de
control 1
0,3 0,1 0,1
Control PID,
horno 1.
Tarea de
control 2
0,3 0,1 0,1
Control PID,
horno 2.
Tarea de
control 3
0,3 0,1 0,1
Control PID,
horno 3.
Tarea de
control 4
0,5 0,1 0,1
Control PID,
horno 4.
Visualizacin
LCD
11 1 1
Mostrar en la
pantalla el valor
actual de las
temperaturas.

Luego de establecidas las caractersticas temporales de las
tareas, se procedi a realizar la prueba por construccin para
obtener el diseo del planificador ejecutivo cclico del sistema.
sta se realiz mediante el uso de la herramienta CICLIC, la
determin seis posibles diseos factibles. Se tom el de ciclos
secundarios igual a 100 ms, que adems, fue el recomendado
por el programa. El resumen de la planificacin se muestra a
continuacin:

Duracin del hiperperiodo (s) = 1
Duracin de los ciclos secundarios (ms) = 100
Tiempo ocioso (ms) = 975
Instancias totales = 41
Utilizacin del procesador = 2,5%

Para la sincronizacin de los ciclos secundarios, se utiliz el
temporizador Timer2 del microcontrolador, configurado de
manera tal que generara una llamada a la funcin de
planificacin cada 100 ms. Para ello se us la librera
MsTimer2.h de Arduino [23].
E. Diseo Detallado
Despus de haber confeccionado el plan de ejecucin de
las tareas, se procedi a elaborar el cdigo detallado de los
mdulos que conforman el programa que fue almacenado en el
microcontrolador, usando como estructura principal las
directrices propuestas en [7].
El cdigo en su totalidad se dividi en dos partes. La
primera corresponde al mdulo de planificacin de tareas
ejecutivo cclico, adaptado el plan cclico obtenido para
sistema de control en cuestin, escrito en un archivo separado,
con extensin *.c. La segunda parte lo conform el archivo
principal del proyecto, con extensin *.pde (extensin de los
proyectos creados en Arduino IDE), donde se escribieron los
cuerpos de las tareas que conforman al sistema de control, las
configuraciones principales del sistema y el microcontrolador
(variables globales, constantes, identificacin de pines de
entradas y salidas, configuracin de la pantalla LCD), y la
rutina principal del programa. El archivo fuente del
planificador fue incluido como cabecera dentro de archivo
principal del proyecto. A continuacin se muestra un
fragmento del cdigo asociado al programa principal:

//Libreras, archivos de cabecera y variables
#include <MsTimer2.h>
#include <LiquidCrystal.h>
#include "Planificador.c"
boolean ON = 0;
boolean inicio;
int temp1,temp2,temp3,temp4; //temperaturas para LCD
LiquidCrystal lcd(12, 13, 4, 3, 2, 1); //pines LCD

void setup() {
//Funcin de configuracin del sistema.
pinMode(7, INPUT); //botn inicio
//configuracin del LCD:
lcd.begin(16, 2); //tamao del LCD
lcd.print( ::Stand By:: ); //inicio LCD
lcd.setCursor(0, 1);
lcd.print( Pulse inicio ); //inicio LCD
//Configuracin de la interrup de ciclo secundario:
MsTimer2::set(100,politica); //Timer2 interrupt
}

void loop() {
do{ //proceso "Controlador de Inicio"
inicio = digitalRead(7); //pin pulsador inicio
if (inicio == LOW) ON = 0;
else if (inicio == HIGH){
ON = 1;
MsTimer2::start(); //iniciar interrupcin
peridica
politica(); //ir a planificador.
}
} while (ON == 0);

while (ON == 1){} //bucle infinito - tiempo ocioso
}
. . .

Siguiendo los pasos de la metodologa, el cdigo de las
tareas de control quedan fuera del bucle principal del
programa, stas son creadas en funciones apartes. A
continuacin se presenta el cdigo de la funcin asociada a la
tarea de control 1, con el algoritmo de controlador PID
incluido. Las tareas restantes poseen una estructura idntica, el
nico cambio es el valor de la referencia de temperatura.

void tarea_1(){
static int valor, control; //ADC y PWM
static const float a=0.1243;//parametros del PID
static const float b=0.0062;
static const float c=0.6215;
static const float temperatura_limite = 1200.0;
//referencia de temperatura
static float rT,eT,iT,dT,yT,uT,uT1;//variables PID
static float iT0, eT0 = 0.0;
static float maximo = 1000.0; float minimo = 0.0;
//variables anti-windup

valor = analogRead(A0);
yT = 5000.0*(valor/1023.0); //escalizar salida
temp1 = int(yT/10.0);
rT = temperatura_limite;
eT = rT - yT; //clculo seal de error
iT = b*eT + iT0; //clculo termino integrativo
dT = c*(eT - eT0); //clculo termino derivativo
uT = iT + a*eT + dT; //clculo seal de control

ISBN: 978-980-7185-02-8 CA-7

uT1 = constrain(uT, minimo, maximo);
control = map(uT1, minimo, maximo, 0, 255);
analogWrite(9,control); //seal de control
iT0 = iT;
eT0 = eT;
}
F. Pruebas
Se confeccionaron dos experiencias. La primera,
incorporando el planificador diseado, bajo la estructura
global de software propuesta en [7]. La segunda, usando una
estructura convencional de programacin para desarrollar los
respectivos controles (sin planificacin).
Para cada una de ellas se compil el cdigo en el IDE de
Arduino; el archivo *.hex obtenido fue almacenado en la
memoria del microcontrolador, y se procedi a realizar dos
tipos de anlisis al sistema. Uno temporal, utilizando sistema
de anlisis digital (Digital Analysis) en modo grfico del
simulador, para observar el orden de ejecucin de las tareas
del sistema y verificar el cumplimiento de las restricciones
temporales de las mismas. El otro anlisis se bas en la
observacin de la respuesta del sistema de calefaccin en
conjunto en lazo cerrado, ante una entrada escaln de 2 V, el
procedimiento y parmetros de la simulacin, se muestran a
continuacin:
A cada calefactor del sistema (OVEN) le fue asignado un
punto de consigna diferente, ante la misma entrada escaln.
Para los primeros tres, el valor de estado estacionario fue
almacenado directamente en la memoria del microcontrolador.
Estos valores fueron: Calefactor 1, 120 C; Calefactor 2, 90
C; Calefactor 3, 150 C.
El valor de estado estacionario de la temperatura del
Calefactor 4, el cual es ledo por el sistema de forma externa,
se estableci de la siguiente manera para la prueba: al inicio
del sistema se coloc en su valor mximo, 200 C, y
transcurrido la mitad del tiempo del anlisis, el punto de
consigna fue modificado a aproximadamente a una
temperatura de 144 C.
El tiempo total de simulacin fue de 150 segundos del
anlisis, lo suficiente como para observar completamente las
dinmicas de todas las plantas.
Para visualizar la respuesta de cada calefactor, se utiliz de
nuevo la herramienta de modo grfico, pero esta vez
realizando un anlisis interactivo (Interactive Analysis).
V. RESULTADOS Y DISCUSIN
A. Incorporando el Planificador Ejecutivo Cclico
En la Fig. 7 y Fig. 8 se pueden apreciar los resultados del
anlisis digital realizado en el simulador, incorporando el
planificador ejecutivo cclico. La respuesta del sistema para
los cuatro calefactores (anlisis interactivo) se muestra en la
Fig. 9. Como se puede ver en el anlisis digital de la
simulacin (Fig. 7 y Fig. 8), el plan cclico creado para el
conjunto de tareas fue cumplido en su totalidad, respetando las
restricciones temporales y el orden de activacin de cada tarea.

FIG. 7. Perodo de activacin de ciclos secundarios.

FIG. 8. Ejecucin de las tareas.

En cuanto al anlisis de la respuesta del sistema a lazo
cerrado, se observa que los controladores PID responden de
manera muy eficiente, siguiendo las referencias impuestas. Las
cuatro temperaturas lograron posicionarse en el valor deseado
transcurrido cierto tiempo, a pesar de tener como entrada fija
un escaln de 2 V que lleva la temperatura de los hornos a 276
C de forma natural (Fig. 9). Se puede decir entonces que
adems de cumplir con las restricciones temporales, se
lograron concretar todas las acciones de control del sistema.

FIG. 9. Respuesta a lazo cerrado del sistema de calefaccin
usando el planificador ejecutivo cclico.

De igual manera, la rutina de visualizacin en la pantalla
LCD se llev a cabo de acuerdo a lo previsto. Por tratarse de
una tarea de visualizacin de datos, no es posible realizar un
tipo de anlisis ms profundo para corroborar lo propio. Sin
embargo, con en el anlisis digital realizado se puede
comprobar que la rutina de visualizacin en la pantalla LCD se
ejecutaba en los lapsos de tiempo previstos.
B. Incorporando Programacin Convencional
Para esta segunda experiencia, el cdigo fue escrito de la
manera como se vienen programando normalmente, es decir,

ISBN: 978-980-7185-02-8 CA-8

sin ningn tipo de metodologa en especfico. El programa en
su totalidad est conformado por un slo bloque secuencial
donde se encuentran todas las tareas del sistema, en este caso,
para el entorno de programacin Arduino IDE, todo el cdigo
se escribi en la funcin loop. Al igual que como se hizo para
la primera prueba, se realiz tanto el anlisis temporal (Fig.
10), como el de la respuesta del sistema a lazo cerrado (Fig
11).
Las pruebas de anlisis digital fueron realizadas bajo las
mismas condiciones, para un tiempo de corrida total de 1
segundo (duracin del hiperperiodo). Como se pudo observar
en el anlisis digital, existen demasiadas activaciones en
instantes muy cortos de tiempo para cada tarea, lo cual se
tradujo en la inestabilidad total de los calefactores a lazo
cerrado (Fig. 11), esto es debido a que los parmetros de la
planta discretizada, estn adecuados al perodo de muestreo
establecido en la seccin anterior. Al no cumplir con estos
requisitos el modelo de la planta cambia, y por ende conduce a
la inestabilidad.

FIG. 10. Anlisis digital: Codificacin convencional.

FIG. 11. Respuesta a lazo cerrado del sistema de calefaccin
usando programacin convencional.

Otra cosa que se puede resaltar, es que el hecho de tener que
actualizar muy seguido los datos en la pantalla LCD para la
funcin de visualizacin de los datos, tiende a parpadear con
mucha frecuencia, haciendo ilegible en varios instantes de
tiempo, los datos presentados.
VI. CONCLUSIONES
Se dise y codific un algoritmo de planificacin ejecutivo
cclico, siguiendo los lineamientos planteados en [7], para
sistemas basados en microcontroladores de gama media, y
apoyndose en la herramienta CICLIC para la generacin de
las alternativas de planificacin, cumpliendo con la prueba de
construccin que exige este algoritmo.
Se demostr la validez del planificador cclico desarrollado,
mediante la simulacin de un sistema de control de tiempo
real, tomando como base un sistema OVEN con cinco lazos de
control, implementado en un microcontrolador AVR
ATmega328, bajo el sistema de desarrollo Arduino. Las
pruebas del sistema se realizaron en el simulador de circuitos
ISIS Proteus. Se determin con las simulaciones que
utilizando las polticas de planificacin y las metodologas
correctas para el desarrollo del software, se garantiza el buen
desempeo de las actividades de los lazos de control (plazos
de ejecucin), no siendo as al desarrollarlo de manera
convencional, donde los sistemas se vuelven inestables.
REFERENCIAS BIBLIOGRFICAS
[1] E. Uzctegui y D. Dinarle. Metodologas de desarrollo para sistemas
de tiempo real. Un estudio comparativo. Revista Universidad,
Ciencia y Tecnologa, Universidad Nacional Experimental Politcnica
Antonio Jos de Sucre (UNEXPO), Venezuela, Vol. 13, pp. 59-66,
Marzo 2009.
[2] A. Crespo y A. Alonso. Una panormica de los sistemas de tiempo
real. Revista Iberoamericana de Automtica e Informtica Industrial,
Comit Espaol de Automtica (CEA) y Universidad Politcnica de
Valencia (UPV), Espaa, Vol. 3, pp. 7-18, 2006.
[3] L. Sha et al. Real time scheduling theory: a historical perspective.
Real time system. Kluwer Academic Publishers, The Netherlands, Vol.
28, pp. 101-155, 2006.
[4] A. Noriega, C. Silva y A. Ordaz. Implementacin de un algoritmo de
control adaptable en un microcontrolador. Memorias del VI
Coloquio de Automatizacin y Control, Mrida, 2008, pp. 602-609.
[5] J. Ospina et al. A tutorial introduction to embedded model
control. Memorias del VI Coloquio de Automatizacin y Control,
Mrida, 2008, pp. 563-570.
[6] M. Castillo, I. Campos y J. Barbosa. Controlador PID digital con el
PIC16F877. Memorias del Encuentro de Investigacin en Ingeniera
Elctrica, Zacatecas, 2006, pp. 111-115.
[7] A.R. Alfonsi. Diseo de una estructura global de software con
gestin de tareas de tiempo real para aplicaciones de control. Tesis
de Pregrado, Departamento de Electricidad, Universidad de Oriente,
Anzotegui, Venezuela, 2011.
[8] Atmel AVR. (Consulta en abril, 2011).
ATmega48A/PA/88A/PA/168A/PA/328/P datasheet. Rev. 8271C
AVR08/10. Disponible en www.atmel.com
[9] Fundacin Cenditel (Consulta en junio, 2011). Proyecto de
Hardware Libre. Disponible en www.cenditel.gob.ve
[10] Primer Congreso Virtual de Microcontroladores y sus Aplicaciones
(Consulta en junio, 2011). Mtodo bsico para implementar un
controlador digital PID en un microcontrolador PIC para
desarrollo de aplicaciones a bajo costo. Disponible en
www.electrosoft.com.ve/PrimerCongresoDeMicrocontroladores.
[11] Y. Goncalves et al. Titulador potenciomtrico digital automtico
para experimentos de equilibrios en disolucin. Revista Ciencias e
Ingeniera, Universidad de los Andes (ULA), Venezuela, Vol. 32, pp.
23-30, Diciembre-Marzo 2011.
[12] Arduino (Consulta en abril, 2011). Arduino diecimila. Disponible en
www.arduino.cc/en/Main/ArduinoBoardDuemilanove
[13] P. Laplante. Real-time systems design and analysis. 3 Ed. United
States of America: IEEE Press and Willey-Interscience, 2004.
[14] A. Alfonsi y J. Prez. Sistema de control en tiempo real para una
planta piloto compacta usando software libre. Revista Universidad,
Ciencia y Tecnologa, Universidad Nacional Experimental Politcnica
Antonio Jos de Sucre (UNEXPO), Venezuela, Vol. 13, pp. 189-198,
Septiembre 2009.
[15] H. Gomaa. Software design methods for real-time systems. SEI
Curriculum Module SEI-CM-22-1.0. United States of America:
Carnegie Mellon University, 1989.

ISBN: 978-980-7185-02-8 CA-9

[16] R. Pressman. Ingeniera del software. Un enfoque prctico. 5 Ed.
Espaa: McGraw-Hill Interamericana de Espaa, S. A., 2002.
[17] F. Cottet, J. Delacroix, C. Kaiser and Z. Mammeri. Scheduling in
real-time systems. United Kingdom: John Wiley & Sons Ltd, 2002.
[18] J. Ypez, J. Diseo e implementacin de una herramienta para la
planificacin de ejecutivos cclicos. Proyecto fin de carrera,
Departamento de Ingeniera de Sistemas, Automtica e Informtica
Industrial, Universidad Politcnica de Catalua, Barcelona, Espaa,
2007.
[19] J. Ypez et al. CICLIC: A tool to generate feasible cyclic
schedules. Proceedings of the 6th IEEE International Workshop on
Factory Communication Systems (WFCS06), Torino, 2006.
[20] Proteus Lite (Consulta en mayo, 2011). CAD para sistemas digitales
Proteus. Disponible en www.ieeproteus.com/descarga.html#lite
[21] T. Baker and A. Shaw. The cyclic executive model and Ada real
time systems. IEEE, Vol. 1, pp. 120-129, 1989.
[22] K. Ogata. Sistemas de control en tiempo discreto. 2 Ed. Mxico:
Prentice Hall Hispanoamericana S.A., 1996.
[23] Arduino (consulta en junio, 2011). Libreras. Disponible en
http://arduino.cc/es/Reference/Libraries


Resumen En este trabajo se presenta un Sistema de Diagnstico
de Pozos Petroleros basado en tcnicas de Computacin
Inteligente (especficamente un sistema difuso con estructura
multicapa). Este sistema, permite implementar labores de
supervisin y control del proceso de produccin en sus respectivos
estados operacionales, y detectar formas de fallas que afectan al
proceso de produccin de crudo. El Diagnstico se realiza en
pozos por levantamiento artificial, usando datos de superficie
(presiones de gas y produccin) y de fondo (presin de fondo). En
nuestro estudio, el esquema permite determinar el flujo de crudo
o gas que puede producir un pozo, tomando en cuenta el potencial
del yacimiento. En general, la propuesta est orientada a la
dotacin del pozo de inteligencia al conferirle caractersticas de
auto-diagnstico en sitio, proporcionando al mtodo de
produccin mejor desempeo y rentabilidad econmica. Esto se
hace a travs del sistema de supervisin propuesto.

Palabras claves estructura multicapa difusa, sistema de
produccin petrolero, pozos por levantamiento artificial por gas,
inteligencia artificial.
I. INTRODUCCIN
La produccin industrial petrolera se compone de procesos
grandes y complejos, por lo cual, requiere una plataforma
tecnolgica que maneje grandes volmenes de informacin
que permita el control de los mismos, la toma de decisiones
gerenciales, y la generacin de la planificacin de la
produccin. A pesar de contar con plataforma tecnolgicas
compuesta por diversos niveles que van desde el control de los
procesos (en el cual se encuentran dispositivos de control
regulatorio y adquisicin de datos de procesos) hasta los
gerenciales y supervisorios (compuestos por diversos sistemas
de informacin para optimizacin, gestin de recursos, apoyo

Artculo recibido el 07 Diciembre 2011. Este artculo fue financiado por
AIT Gerencia Corporativa de Automatizacin. Petrleo de Venezuela.

E.A.C., est con Petrleo de Venezuela, Edif. El Mnito, AIT Gerencia
Corporativa de Automatizacin, Lagunillas, Estado Zulia, Venezuela, Tlf.
+58-265-8052612, E-mail: camargoea@pdvsa.com

J.A est con la Universidad de Los Andes, Sector La Hechicera, Facultad de
Ingeniera, Escuela de Ingeniera Sistema, Mrida, Estado Mrida, Venezuela,
Tlf. +58-274-2402907 / 2824, Fax: +58-274-2402890, E-mail:
aguilar@ula.ve

K.C, est con la Universidad Nacional Experimental del Tchira La
Hechicera, Facultad de Ingeniera,, San Cristobal, Estado Tchira, Venezuela,
Tlf. +58-276-3714542, E-mail: kevo147@gmail.com

a la toma de decisiones, entre otros), la industria petrolera
actualmente hace frente a una nueva realidad: Cmo
incrementar, o al menos estabilizar, la produccin de
hidrocarburos debido a la madures de los campo de gas y
petrleo?. Una respuesta consiste en acceder a nuevas tcnicas
de computacin que permitan identificar fallas operacionales
que impactan la produccin.

Particularmente, la Inteligencia Artificial ha permitido
beneficios en ahorros o incremento de produccin de
hidrocarburos, a pesar de que es una tcnica relativamente
nueva en la industria petrolera (no mayor de 10 aos). Se han
hecho grandes esfuerzos por utilizar dicha tcnica para
maximizar el factor de recobro de los yacimientos (produccin
de petrleo al menor costo posible) [1]. Algunos trabajos
afines a nuestra propuesta son presentados en [1,2,3]. En [4] se
estiman zonas altamente productivas de crudo utilizando
tcnicas de inteligencia artificial. En [3] se optimiz la
Produccin del Mtodo de Levantamiento BES (Bombeo
Electrosumergible) a travs del Control del Drawdown
(Cada de la Presin de Fondo con respecto a la Presin de
Yacimiento), utilizando algoritmo genticos en diferentes
zonas de produccin. De igual manera, en [2] utilizan tcnicas
de inteligencia artificial para identificar zonas de produccin
en yacimientos multicapas.

Por otro lado, a medida que los sistemas difusos se han
afianzado como forma de modelar comportamientos no
lineales el grado de complejidad de los problemas tratados ha
ido aumentando. En los sistemas difusos estndar, para un
problema con n variables de entrada descritas por m etiquetas
lingsticas, el nmero mximo posible de reglas del sistema
difuso resulta mn. Este crecimiento exponencial provoca, en la
prctica, que para un nmero de variables alto el nmero de
reglas es tan grande que la interpretabilidad del sistema se
hace imposible. Este problema no es exclusivo de los sistemas
difusos, y es conocido como la maldicin de la
dimensionalidad [4]. Una de las formas de disminuir el
nmero de reglas y, por tanto, de aumentar la interpretabilidad,
es descomponer el sistema difuso en mdulos ms simples,
conllevando a lo que se ha llamado como sistemas difusos
multicapas (SDM) [5].

Existen numerosas propuestas de diseo de este tipo de
sistemas [5]. Algunas de ellas consisten en identificar partes
comunes del conjunto de reglas y crear mdulos para esas
partes comunes, lo que se conoce como SDM limpios [5][6].
En otras propuestas cada nivel se corresponde a un aumento de
Supervisor Difuso Multicapa para Procesos
Petroleros
Edgar A Camargo, Jos Aguilar, Kevin Contreras

ISBN: 978-980-7185-02-8 CA-11

R
e
g
i
n

E
s
t
a
b
l
e
R e g i n
I n e s t a b l e
R e g i n
I n e s t a b l e
F G L , m p c gd
Q
p
r
o
d
,

B
N
P
D
R
e
g
i
n

E
s
t
a
b
l
e
R e g i n
I n e s t a b l e
R e g i n
I n e s t a b l e
F G L , m p c gd
Q
p
r
o
d
,

B
N
P
D
granularidad de las variables [6]. Finalmente, el tipo ms
tradicional de SDM es aquel en el que cada mdulo es un
sistema difuso completo que relaciona a un conjunto reducido
de variables, que pueden ser variables de entrada del sistema
global o variables internas generadas como salidas de otros
mdulos [7]. Ese ser el enfoque usado en este trabajo.

En este trabajo se propone un Sistema Difuso Multicapa
(SDM) que permite la identificacin de diferentes escenarios
operacionales de un pozo petrolero, para poder as
implementar labores de supervisin y control de los procesos
en sus respectivos estados operacionales. El SDM propuesto
permite, entre otras cosas, detectar formas de fallas que
afectan al proceso o a los equipos involucrados, en tiempo real
y de forma autnoma, en las instalaciones de produccin, a
nivel de pozos y yacimientos [3,5]. El sistema es inicialmente
probado en pozos que requieren Levantamiento Artificial por
Gas (LAG).

II. MARCO TEORICO
A. Pozo por Levantamiento Artificial por Gas.

El Mtodo de Levantamiento Artificial por Gas consiste en
inyectar gas, a una presin determinada, en la parte inferior de
la columna de fluido de la tubera del pozo, a diferentes
profundidades, con el fin de disminuir el peso de la misma, y
de esta forma ayudar a subir los fluidos del yacimiento desde
el fondo del pozo hasta la superficie. As, en los pozos
explotados por el mtodo de LAG de flujo continuo, el gas es
inyectado continuamente al pozo a fin de que se mezcle con
los fluidos del mismo y se reduzca la densidad de la columna
de fluidos, es decir la presin hidrosttica en la tubera de
produccin, disminuyndose la diferencia de presiones entre el
fondo del pozo y la superficie.

La curva de produccin de un pozo que produce a travs del
mtodo de inyeccin de gas (ver Figura 1), indica que a
medida que el Flujo de Gas de Levantamiento aumenta (FGL,
expresado mpcdg miles de pie cbico gas das), la tasa de
produccin (Qprod, expresado BNPD barriles neto
produccin diaria) tambin aumenta hasta alcanzar su mximo
valor (Regin Estable); tal que incrementos adicionales en la
inyeccin o por debajo de la inyeccin necesaria causarn una
disminucin en la produccin (Regin Inestable) [6].

La curva de produccin del pozo se obtiene a travs de la
caracterizacin del pozo (perfil de presin) y tcnicas de
balances de masa y energas [1,3]. En la caracterizacin se
identifica la completacin mecnica instalada en el pozo a
nivel de fondo y superficie, y la caracterizacin de las
propiedades fsica del fluido (Gravedad del crudo, Corte de
agua, Presin y Temperatura de fondo, Relacin Gas Lquido);
todo esto se hace ya que el comportamiento de produccin de
crudo en los pozos inyectados con gas depende de variables,
tanto de yacimiento como de diseo mecnico (vlvulas,
tuberas de produccin, entre otros) [8].

FIG 1. Modelo de comportamiento de un pozo produciendo
con mtodo de inyeccin de gas

Posteriormente se aplican tcnicas basadas en Balances de
Masa y Energa, tales como la previamente explicada
denominada Anlisis Nodal [8]. Para su clculo, se debe elegir
un nodo (punto de implementacin del balance de energa) en
cualquier lugar del sistema de produccin. Posteriormente de
elegido el nodo, se determinan las presiones con la cual el
yacimiento entregara la tasa de produccin a la entrada y
salida del nodo. Esta relacin presin y tasa de produccin se
denominan Oferta de energa del yacimiento y Demanda
de energa de la instalacin en superficie. Finalmente, de la
interseccin de dichas curvas se obtiene el modelo de
produccin de un pozo a partir del anlisis nodal [8]. As, la
prdida de energa en forma de presin a travs de cada
componente, depende de las caractersticas de los fluidos
producidos y especialmente del caudal de flujo transportado,
de tal manera que la capacidad de produccin del sistema
responde a un balance entre la capacidad de aporte de energa
del yacimiento y la demanda de energa de la instalacin para
transportar los fluidos hasta la superficie.

La implantacin en campo de este mtodo LAG necesita de un
arreglo de instrumentacin y control. Para tal fin, se requiere
la medicin y control de las siguientes variables (ver Fig. 2):
Flujo de Gas de Levantamiento o FGL (Gas Lift Flow), Tasa
de Produccin o Qprod (Production Rate), Presin del Gas
Inyectado o GLP (Gas Lift Pressure), Presin Diferencial del
Gas Inyectado o GLDP ( Gas Lift Differential Pressure),
Presin del Revestidor o CHP (Casing Pressure), Presin de
la Tubera de Produccin o THP (Production Tubing
Pressure) y la Presin de Fondo o Pwf (Pressure Bottom
Well), que permiten identificar las condiciones de la zona de
produccin de hidrocarburo.
B. Sistema Difuso Multicapa
La Lgica Difusa (LD) constituye una tcnica de gran
importancia en el modelado de sistemas, pues los modelos
lgicos - difusos pueden ser usados para describir fenmenos
complejos difciles de modelar mediante mtodos formales
[7,9]. Entre las ventajas de la lgica difusa esta la posibilidad
de hacer un razonamiento o procesamiento con informacin


ISBN: 978-980-7185-02-8 CA-12

imprecisa o borrosa. Un modelo lgico-difuso (sistema
difuso) consta fundamentalmente de una base de
conocimientos, conformada por un conjunto de reglas del tipo
Si-Entonces con proposiciones imprecisas expresadas en
lenguaje natural, y de un mecanismo de inferencia que permite
obtener una conclusin a partir de una entrada determinada.
Las reglas permiten establecer las relaciones entre las
diferentes variables, llamadas entradas, para generar ciertas
conclusiones [7].

FIG 2. Diseo esquemtico de un pozo con mtodo de
extraccin de crudo de gas.

El conocimiento codificado en la base de reglas se deriva de la
experiencia y de la intuicin humana, adems del
conocimiento prctico y terico que se disponga del sistema.
Cada una de las reglas de la base de conocimientos esta
caracterizada por una parte Si llamada el antecedente y una
parte Entonces llamada el consecuente. El antecedente de
una regla contiene un conjunto de condiciones y el
consecuente contiene una conclusin. Cada regla opera de la
siguiente forma: si las condiciones del antecedente son
satisfechas, entonces la conclusin del consecuente es
aplicada. Para un modelo difuso las variables incluidas en el
antecedente corresponden a las entradas del sistema y las
variables incluidas en el consecuente corresponden a las
salidas del sistema [5,8]. Las condiciones contenidas en el
antecedente y las conclusiones del consecuente de las reglas
consisten en proposiciones de la forma F es Xo, donde F es
una variable y Xo es un conjunto difuso definido sobre el
universo de discurso de la variable F.

En especifico, un Sistema Difuso Multicapa (SDM) consiste
en un nmero de sistemas difusos distribuidos de forma
jerrquica, los cuales poseen la ventaja de que el nmero total
de reglas de su base de conocimiento es menor, y son ms
simples, que un sistema difuso convencional. El tipo ms
tradicional de SDM es aquel en el que cada mdulo es un
sistema difuso (SD) completo que relaciona a un conjunto
reducido de variables, que pueden ser variables de entrada del
sistema global o variables internas generadas como salidas de
otros mdulos [5]. Existen otros enfoques como el que
consiste en identificar partes comunes del conjunto de reglas y
definir mdulos para esas partes comunes [7], o los que en que
cada nivel se corresponde a un aumento de granularidad de las
variables [6]. Nuestro trabajo usa el primer enfoque, que se
puede ver en la figura 3.

FIG 3. Modelo de un SDM clsico-

Uno de los propsitos fundamentales de utilizar sistema
difusos multicapa es el de minimizar el tamao de la base de
reglas difusas y sus correspondientes requerimientos de
cmputo.
III. DISEO DEL SISTEMA DIFUSO MULTICAPAS
PARA POZOS POR LEVANTAMIENTO ARTIFICIAL POR
GAS
Esta seccin introduce la metodologa propuesta para el
desarrollo del SDM para identificar escenarios operacionales y
posibles fallas en pozos que operan por levantamiento
artificial por gas. Para tal fin, se utiliza el siguiente conjunto
de variables vinculadas al proceso: Presin del Revestidor,
Presin de la Tubera de Produccin y Presin de Fondo
(Perfiles de Presin del Pozo), y la Produccin de Crudo e
Inyeccin de Gas (Comportamiento del Pozo). La metodologa
consiste en dos pasos: preparar los datos, variables, y modelos
de fusificacin; y disear el SDM compuesto por reglas
difusas que representan el modelo de desempeo del pozo.
A. Preparacin de los Datos, variables difusas y conjuntos
difusos
El primer paso es la recoleccin de datos asociados al modelo
de comportamiento del pozo, que en este caso estn
relacionados al mtodo de inyeccin de gas (LAG). As, los
datos se obtienen por medio de la instrumentacin e
inferencias de variables a nivel de cabezal del pozo [2, 3, 4].
Posteriormente se define el conjunto de variables difusas, que
en nuestro caso sern (ver Tabla 1):
Presin del Revestidor (Chp): Est relacionada con la
presin generada por la inyeccin del gas entre el espacio

GLP GLDP CHP THP PLP
Lnea deGas
deInyeccin
Lnea de
Producin
Qprod
GLF
Pwf
SD-1
SD-2
SD-3
Entrada
1
Entrada
2
Entrada
3
Entrada
4

ISBN: 978-980-7185-02-8 CA-13

anular entre la tubera de revestimiento y la tubera de
produccin.
Presin de Fondo (Pwf): Esta es la presin que influye en
el desempeo del pozo, ya que nos indica el aporte posible
del yacimiento.
Presin de la Tubera de Produccin (Thp): Esta es la
presin que genera el fluido multifsico presente en la
tubera de produccin.
Tasa de Inyeccin de Gas (Q_iny): Flujo de gas que se
requiere para extraer crudo del yacimiento.
Tasa de Produccin de Crudo (Q_prod): Flujo de crudo
proveniente del yacimiento.

Tabla 1. Variables y Conjunto Difusos

Tipo de
Variable
Variables
Difusas
Conjuntos
Difusos
Variable de
Entrada
Presin del
Revestidor
Bajo, medio, alto

Presin Tubera
de Produccin
Bajo, medio, alto

Presin de Fondo Bajo, medio, alto
Variable de
Salida
Tasa de Inyeccin
de Gas
Bajo, medio, alto
Tasa de
Produccin de
Crudo
Bajo, medio, alto

B. Diseo del Sistema Difuso Multicapa

Cuando se analiza las reglas se concluye que las variables
lingsticas presin de fondo y presin de tubera de
produccin estn fsicamente asociadas con respecto a la
condicin del pozo. Un primer sistema difuso puede ser
descrito para determinar la variable lingstica intermedia
Pwf_Thp que corresponde a esa asociacin (Ver Fig. 4.A).
As, se inicia con las variables de entradas presin de fondo y
presin de tubera de produccin para obtener Pwf_Thp, que
es la cada de presin que existe entre dichas presiones. Luego,
un segundo sistema difuso relaciona esta salida con la presin
del revestidor, obteniendo la tasa de inyeccin de gas Q_iny,
(tal como se indica en la figura 4.B). Finalmente, un ltimo
sistema difuso toma la salida de gas y la relaciona con la
variable presin de fondo, para obtener la tasa de produccin
del pozo Q_prod (ver figura 4.C).
De esta manera, el SDM propuesto esta compuesto por 3
capas: la primera capa tiene como objetivo determinar la cada
de presin en la tubera de produccin., Para calcular dicha
cada utilizamos la presin de fondo y la presin de tubera
de produccin (son las presiones presentes en la tubera de
produccin), en las siguientes reglas (Ver Fig. 4.A):

1. Si (Presin Fondo Bajo) y (Presin Tubera de
Produccin Bajo) entonces (Cada de Presin Alta),
Produccin Medio) entonces (Cada de Presin Alta),
Produccin Alto) entonces (Cada de Presin Alta),
4. Si (Presin Fondo Medio) y (Presin Tubera de
Produccin Bajo) entonces (Cada de Presin Normal),
Produccin Medio) entonces (Cada de Presin Normal),
Produccin Alto) entonces (Cada de Presin Normal),
7. Si (Presin Fondo Alto) y (Presin Tubera de Produccin
Bajo) entonces (Cada de Presin Baja),
Medio) entonces (Cada de Presin Baja),
Alto) entonces (Cada de Presin Baja).

FIG 4. Diseo esquemtico de un Sistema Jerrquico.

La segunda capa del SDM tiene como tarea determinar la tasa
de inyeccin de gas Q_iny (Ver Fig. 4.B). En ese sentido,
est compuesto por el siguiente grupo de reglas, que
combinan la cada de presin obtenida en la primera capa/nivel
del SDM con la variable de entrada Presin de Revestidor para
obtener la tasa de inyeccin de gas. Estas reglas son
determinadas con dichas variables, ya que de la presin del
revestidor y de la cada de presin en la tubera de produccin
depende la tasa de gas que se le inyecta al pozo para extraer el
crudo a la superficie segn [3,5].

A)
B)
C)
Pwf
Thp
Pwf-Thp SD-1
SD-1
SD-2
SD-1
SD-2
SD-3
Pwf-Thp
Pwf
Thp
Chp
Chp
Thp
Pwf
Pwf-Thp
Qiny
Qprod
Qiny

ISBN: 978-980-7185-02-8 CA-14

1. Si (Cada de Presin Baja) y (Presin Revestidor Bajo)
entonces (Tasa de Inyeccin Baja),
2. Si (Cada de Presin Baja) y (Presin Revestidor Medio)
entonces (Tasa de Inyeccin Baja),
3. Si (Cada de Presin Baja) y (Presin Revestidor
Produccin Alto) entonces (Tasa de Inyeccin Baja),
4. Si (Cada de Presin Normal) y (Presin Revestidor Bajo)
entonces (Tasa de Inyeccin Normal),
5. Si (Cada de Presin Normal) y (Presin Revestidor
Medio) entonces (Tasa de Inyeccin Normal),
6. Si (Cada de Presin Normal) y (Presin Revestidor Alto)
entonces (Tasa de Inyeccin Normal),
7. Si (Cada de Presin Alta) y (Presin Revestidor Bajo)
entonces (Tasa de Inyeccin Alta),
8. Si (Cada de Presin Alta) y (Presin Revestidor Medio)
entonces (Tasa de Inyeccin Alta),
9. Si (Cada de Presin Alta) y (Presin Revestidor Alto)
entonces (Tasa de Inyeccin Alta).

Finalmente, la ltima capa tiene como objetivo determinar la
tasa de produccin (Ver Fig. 4.C). Para este caso se presenta el
siguiente sistema de reglas, conformado por la presin de
fondo (Pwf, Capacidad de aporte de fluidos del yacimiento) y
la tasa de inyeccin de gas (Q_iny, energa necesaria para
extraer el crudo) estas variables determinan la tasa de
produccin segn [7,8]:

1. Si (Presin Fondo Baja) y (Tasa de Inyeccin Baja)
entonces (Tasa de Produccin Normal),
2. Si (Presin Fondo Baja) y (Tasa de Inyeccin Normal)
3. Si (Presin Fondo Baja) y (Tasa de Inyeccin Alta)
entonces (Tasa de Produccin Alta),
4. Si (Presin Fondo Normal) y (Tasa de Inyeccin Baja)
5. Si (Presin Fondo Normal) y (Tasa de Inyeccin Normal)
6. Si (Presin Fondo Normal) y (Tasa de Inyeccin Alta)
entonces (Tasa de Produccin Alta),
7. Si (Presin Fondo Alta) y (Tasa de Inyeccin Baja)
entonces (Tasa de Produccin Baja),
8. Si (Presin Fondo Alta) y (Tasa de Inyeccin Normal)
entonces (Tasa de Produccin Baja),
9. Si (Presin Fondo Alta) y (Tasa de Inyeccin Alta)
entonces (Tasa de Produccin Baja).

IV. RESULTADOS DE LA APLICACIN DEL SISTEMA
CLASIFICADOR DIFUSO: CASO DE ESTUDIO POZO POR
LEVANTAMIENTO ARTIFICIAL POR GAS.

A. Caso de Estudio para Pozo por Levantamiento Artificial
por Gas: Curva de Oferta-Demanda en Pozo de Produccin
Para poder comparar nuestro SDM en un pozo con estas
caractersticas usaremos el modelo que describe el
comportamiento de un pozo por levantamiento artificial por
Gas propuesto en [3,5]. En ese modelo se obtienen la curva de
produccin del pozo a travs de la caracterizacin del pozo
(perfil de presin) y tcnicas de balances de masa de energas
y anlisis nodal [8]. Para su clculo se elige un nodo (punto de
implementacin del balance de energa) al nivel de la vlvula
de fondo. Posteriormente, se determinan las presiones con las
cuales el yacimiento entrega la tasa de produccin, es decir la
capacidad de aporte de energa del yacimiento (Pwf), a la
entrada y a la salida del nodo (Chp y Thp respectivamente)
(ver Fig. 5.), tal como se indica en [5,8,9].

FIG 5. Curva de Oferta y Demanda un pozo produciendo con
mtodo de inyeccin de gas.
Finalmente, de la interseccin de dichas curvas se obtiene el
modelo de produccin de un pozo a partir del anlisis nodal
[8]. En particular, el modelo (curva) [3,5] de produccin del
pozo a analizar es mostrado en la Figura 6, del modelo se
determinan el rango de variables y de los escenarios
operacionales a modelar.

FIG 6. Modelo de comportamiento de un pozo produciendo
con mtodo de inyeccin de gas.
Con dicha curva podemos caracterizar las variables de entrada
y salida de los conjuntos difusos, de la siguiente manera (ver
Tablas 2 y 3):

Curvas "Oferta" y "Demanda"
0
100
200
300
400
500
600
700
800
900
1000
1
0
9
3
,
6
5
4
2
8
7
1
,
4
6
0
6
3
7
6
0
,
5
0
4
0
3
6
4
9
,
8
9
6
8
4
5
3
9
,
4
8
5
5
6
4
2
9
,
5
3
6
8
4
3
2
0
,
2
9
6
7
2
1
2
,
2
1
8
7
1
0
5
,
8
7
6
8
3
3
,
5
7
8
6
5
5
4
Presin de Fondo
T
a
s
a

P
r
o
d
u
c
c
i
n

e

I
n
y
e
c
c
i
o
n

G
a
s
Oferta
Demanda
Curva de Produccin
0
50
100
150
200
250
300
550 650 750 850 950 1050
Gas de Levantamiento (mpcndg)
P
r
o
d
u
c
c
i
n

(
B
N
P
D
)
P
r
o
d
u
c
c
i
n

(
B
N
P
D
)
P
r
o
d
u
c
c
i
n

(
B
N
P
D
)
P
r
o
d
u
c
c
i
n

(
B
N
P
D
)
qprod

ISBN: 978-980-7185-02-8 CA-15

Escen

Thp Chp Pwf
(psi)
Qiny
Modelo
Qprod
Modelo
Cada
de
presin
Qiny
SDM
Qprod
SDM
SubIny 280

1190 1080 582,05 185,76 2165

517,8 166,66
Normal 155

1320 600 677,14 205,55 2229,7

666,6 200,38
SubIny 260

1250 180 726,61 221,87 2870

735,2 213,33
Normal 240 1090 40 769,16 239,84 2890

776,6 243,09
SobreIny 155 1020 5 806,15 247,76 3027,3

816,6 252,09

Tabla 2. Funciones de membreca, variables de entrada
Chp (psi) P
wf
(psi) Thp(Psi)
Bajo 1000-1120 1-320 150-200
Medio 1100-1220 212-649 190-260
Alto 1190-1320 429-1093 230-300

En el caso de la variable de salida Q_prod del sistema difuso
multicapa, su funcin de membreca es:

Tabla 3. Funciones de membreca, variables de salida

Escenario Operacional
SubInyectado 400-600
Normal 550-750
SobreInyectado 700-900

B. Sistema Jerrquico Difuso: Identificacin de
Escenarios Operacionales
Para validar el Sistema Difuso Multicapa se identificaron
valores de la Presin del Revestidor (Chp), Inyeccin del Gas
(Q_iny), Presin Tubera de Produccin (Thp) y Presin de
Fondo (Pwf) a travs del modelo del pozo [5], los mismos
corresponde a diferentes escenarios operacionales. En general,
la siguiente tabla muestra los resultados obtenidos con el
modelo del pozo [5] y con nuestro SDM para diferentes
entradas en la primera capa (ver Tabla 4):
Tabla 4. Comportamiento del SDM para diferentes escenarios
operacionales

Los resultados obtenidos del SDM dan una estimacin de los
escenarios (subinyectado, normal y sobreinyectado)
semejante al del modelo del pozo [3,6,8]. El error promedio
(calculado segn diferencia entre el valor obtenido por el
modelo del pozo y el obtenido con el SDM) es del orden de
0,872%, nuestro sistema sigue muy bien al modelo del pozo.
Pasemos ahora a analizar en detalle el comportamiento de
nuestro SDM.La primera capa caracteriza la cada de presin
en la tubera de produccin del pozo. Es importante dicha
caracterizacin ya que, segn su comportamiento, se pueden
identificar fallas operacionales que puedan afectar la
produccin del pozo. As, para realizar esa primera deteccin
de fallas operaciones se requerira incorporar un sistema de
reglas que establezca para una relacin de Pwf vs.Thp dado
cual podra ser su diagnstico. Un ejemplo de ese sistema de
reglas de deteccin de fallas operaciones usando los valores de
la Tabla 4 es mostrado en la Tabla 5.

Tabla 5. Reglas de Deteccin de fallas generadas a partir de la
salida de SD-1

Cada de
Presin
DIAGNSTICO OPERACIONAL
3027,37
(Cada alta)
Se esperara una Alta Presin Hidrosttica
en la tubera de produccin por:
Bajo flujo de Gas de Inyeccin.
Alto flujo de Gas de Inyeccin con
Presencia de alto corte de agua.

2890
(Cada alta)
Se esperara una Alta Presin Hidrosttica
en la tubera de produccin por:
Bajo flujo de Gas de Inyeccin.
Presencia de alto corte de agua.
2870
(Cada media)
Se esperara una Media Presin
Hidrosttica en la tubera de produccin
por:
Bajo flujo de Gas de Inyeccin con
Presencia de Alto corte de Agua y Alta
Presin de Fondo.
Posible Fugas de Gas a Nivel de la
Completacin del Pozo.
2229,7
(Cada media)
Se esperara una Media Presin
Hidrosttica en la tubera de produccin
por:
Bajo flujo de Gas de Inyeccin con
Presencia corte de Agua y Baja Presin
de Fondo.
Posible Fugas de Gas a Nivel de la
Completacin del Pozo.
2165
(Cada baja)
Tasa de Gas y Produccin Normal

Con respecto a la segunda capa (SD-2), nos permite
identificar la tasa de gas que requiere el pozo para su
produccin. (ver tabla 6). Con ese valor eventualmente
podramos determinar el escenario operacional de produccin
del pozo debido a la tasa de inyeccin de gas, derivado de la
cada de presin y la presin del revestidor. Finalmente con
(SD-3) se determina la produccin del pozo.

As, el Sistema Difuso Multicapa permite identificar fallas
operacionales a nivel de la completacin del pozos, estimar las
tasas de inyeccin de gas y crudo, las cuales permitirn

ISBN: 978-980-7185-02-8 CA-16

determinar escenarios operacionales que pudiesen estar
afectando al produccin del pozo.

Tabla 6. Reglas de Deteccin de fallas generadas a partir de la
salida de SD-2

Cada de
Presin Chp
Escenario
Operacional
Qiny
SDM
2164,78
(Bajo)
1190
(Media)
SubIny
517,8
2229,07
(Media)
1320
(Alta)
Normal
666,67
2870,00
(Media)
1250
(Alta)
SubIny
735,23
2890,00
(Alta)
1090
(Media)
Normal
776,17
3027,37
(Alta)
1020
(Baja)
SobreIny
816,67

V. CONCLUSIONES

El Sistema Difuso Multicapa para el Anlisis de Pozos permite
analizar y clasificar datos extrados del pozo. Genera
informacin a partir de las variables de yacimiento (la presin
de fondo), de cabezal (la presin del revestidor) y del flujo de
gas. Estas variables estn relacionadas con el proceso de
inyeccin del gas y su efecto a nivel del yacimiento. Con dicha
informacin es ms precisa la determinacin del escenario
operacional de un pozo a partir de sus condiciones
operacionales, ya que en un mismo sistema estn integrados
variables de fondo y superficie, diferente a como actualmente
se realiza en la industria en la que solo hay variables de
superficie. As, esto le permitir al pozo auto-diagnosticarse,
controlar sus daos, y cuidar y supervisar el comportamiento
de su infraestructura subsuelo/superficie. Ahora bien, en
especfico nuestro sistema permite estimar la tasa de
produccin y de inyeccin de gas, a partir de lo cual el pozo
puede optimizar su nivel de produccin a una menor tasa de
inyeccin de gas

Por otro lado, el Sistema Difuso Multicapa permite introducir
un mecanismo por etapas (en cada capa) para
Detectar/Diagnosticar Fallas Operacionales en cada una de
ellas, y de esta manera en toda la completacin del Pozo. Cada
capa determina condiciones operacionales (por ejemplo, altas
presiones hidrosttica en la tubera de produccin, etc.) a partir
de las cuales se pueden establecer diagnsticos sobre fallas
operacionales en el sistema. A partir de esa informacin se
podra desarrollar un sistema de supervisin en lnea a
diferentes niveles del pozo (por ejemplo, a nivel del cabezal
del pozo usando la salida de SD-1), con el objetivo de generar
acciones correctivas en funcin de la falla operacional
detectada.

VI. AGRADECIMIENTOS

Este trabajo ha sido financiado por los proyectos I-1237-10-
02-AA del CDCHT de la Universidad de los Andes, No. 2994
del Programa de Estmulo a la Investigacin-(PEI) FONACIT,
y por el PCP a travs del proyecto Tareas de Supervisin y
Mantenimiento en Entornos Distribuidos Organizacionales,
instituciones/programas a las cuales los autores expresan sus
agradecimientos.

[1] Carr, D., Shearer, J. Nonlinear Control and Decision Making Using
Fuzzy Logic in Logix. Allen Bradley Rockwell Automation. Vol. 12,
N 1, pp.23-28. 2011.
[2] Camargo E., Aguilar J., Ros J., Rivas F., Aguilar-Martn J. A Neo-
Fuzzy Approach for Bottom Parameters Estimation in Oil Wells.
WSEAS Transactions on Systems and Control. pp. 445-454. Issue 9,
Volume 4, Sep 2009.
[3] Edgar Camargo, Jos Aguilar, Addison Ros, Francklin Rivas, Joseph
Aguilar-Martn, Nodal Analysis- based Design for Improving Gas
Lift Wells Production. WSEAS Transactions on Informations Science
& Applications. Vol. 5, pp. 706-715. Issue 5, May 2008.
[4] Palma, J., Roque, M.: Inteligencia Artificial: Tcnica, Mtodos y
Aplicaciones Espaa: McGraw Hill, 2008.
[5] Cordero, S., Moreno, F. Una Herramienta de Induccin de Sistemas
Difuso Jerarquicos . XV Congreso Espaol sobre Tecnologas y Lgica
Fuzzy. Huelva (Spain), pp. 249-254. Feb. 2010.
[6] Camargo E., Aguilar J., Ros J., Rivas F., Aguilar-Martn J. Un modelo
de Produccin de Pozos por Levantamiento Artificial utilizando
Anlisis Nodal. Revista Ciencia e Ingeniera, Vol.30, N 1, pp.23-28,
Universidad de Los Andes, Mrida, Venezuela, Mayo 2009.
[7] Moon G. Joo A method of converting a fuzzy system to a two-
layered hierarchical fuzzy system and its run-time efficiency.
Journal IEEE Transactions on Fuzzy Systems aVolume 17 Issue 1, Feb.
2009.
[8] Beggs Dale H.: Production Optimization, Using NODALTM
Analysis 2a edicion, Oil & Gas Consultants International, Tulsal.2003.
[9] [9] Eikrem, G. Foss, L. Imsland, H, and Golan, M. Stabilization of Gas
lift wells. In Proceeding of the IFAC 15th World Congress, Barcelona,
Spain, pp 1-6, 2002.


Resumen Una contribucin primordial para la supervisin
consiste en proporcionar un diagnostico confiable de los cambios
producidos en el comportamiento de los componentes del proceso.
En ese sentido, un aspecto fundamental es determinar la
propiedad de diagnosticabilidad de dichos procesos. El anlisis de
la diagnosticabilidad de los sistemas de produccin, permite
estudiar aspectos para la separacin de las fallas y determinar la
localizacin de los sensores para la medicin de variables
fundamentales. La industria de extraccin de Petrleo requiere
obtener el mximo rendimiento de sus sistemas de produccin,
por lo cual es necesario identificar modelos de diagnosticabilidad
eficientes y especficos para esos sistemas de Produccin (tiempo
real, sistemas distribuidos, etc.). En este artculo presentamos una
propuesta de anlisis de diagnosticabilidad para el proceso de
extraccin de petrleo mediante inyeccin de gas basado en el
paradigma de anlisis estructural.

Palabras claves Diagnstico de Fallas, Diagnosticabilidad,
Supervisin de Procesos.
I. INTRODUCCIN
Los sistemas de Supervisin y Control constituyen una
herramienta importante para la industria, ya que permiten
optimizar la utilizacin de la infraestructura de la empresa. En
la automatizacin de sistemas, las funciones de supervisin
sirven para indicar los estados indeseables o no permitidos de
los procesos, y para tomar acciones apropiadas que permitan
mantener el funcionamiento y evitar daos o accidentes.

En la industria petrolera, la mayora de los procesos de
produccin y recoleccin de crudo y gas requieren una
supervisin y control constante en las instalaciones asociadas
(pozos, estaciones de flujo, mltiples de de inyeccin de gas
de levantamiento, entre otras). Por tal motivo, es necesario el
diagnstico y la deteccin temprana, de tal manera de tener
tiempo suficiente para contrarrestar las consecuencias que
pudiera traer un fallo de operaciones de reconfiguracin,

Artculo recibido el 10 de Febrero de 2012. Este artculo fue financiado
por el CDCHTA de la Universidad de Los Andes.

RL y EC. est con PDVSA Occidente.Cabimas estado Zulia, Venezuela,
Tlf. +58-456-5612720, E-mail: lealrs@pdvsa.com, rubnsl@gmail.com,
camargoea@pdvsa.com

J.A. y A.R. estn con la Universidad de Los Andes, Sector La Hechicera,
Facultad de Ingeniera, Escuela de Ingeniera Elctrica, Mrida, Estado
Mrida, Venezuela, Tlf. +58-274-2402907 / 2824, Fax: +58-274-2402890, E-
mail: aguilar@ula.ve, ilich@ula.ve

mantenimiento o reparacin. La deteccin temprana puede ser
lograda adquiriendo informacin, sobre todo, usando modelos
matemticos basados en valores medidos desde los procesos
estudiados. Por otro lado, para el diagnstico de fallos es
importante usar el conocimiento de las relaciones causa-efecto
[1].

En el caso concreto de la industria de extraccin de petrleo
es indispensable obtener el mximo rendimiento de sus
sistemas de produccin, para lo cual hay que mejorar y agilizar
el proceso de diagnstico. En el presente trabajo se aborda el
problema de anlisis de diagnosticabilidad de un pozo, como
el primer paso hacia el anlisis de diagnosticabilidad del
proceso de extraccin de petrleo, basado en modelos
estructurales de sistemas continuos no-lineales. Nuestro
enfoque genrico es un modelo de diagnosticabilidad
distribuido (brevemente presentado en este trabajo), basado en
modelos locales de anlisis de diagnosticabilidad para cada
componente del proceso y un modelo de anlisis centralizado
(nivel superior) de todo el proceso usando las variables
compartidas. As, en este trabajo se presenta el modelo de
diagnosticabilidad para un pozo por inyeccin de gas, basado
en ecuaciones con relacin de redundancia analtica o ARR
(analytical redundancy relations) y en modelos de
aproximacin estructural que usan tcnicas de deteccin y
aislamientos de fallas o FDI (Fault detection and isolation),
tal y como es realizado en [2].

Trabajos previos han modelado la diagnosticabilidad
basadas en aproximaciones FDI para procesos continuos [3].
Las aproximaciones FDI han sido usadas en modelos de
diagnostico, y su principio bsico consiste en comparar el
comportamiento actual del sistema con un modelo de
referencia que representa el comportamiento en su estado
normal. Estos modelos utilizados se conocen con el nombre de
residuos. Los residuos tienen la propiedad de que, en el caso
de que todos los componentes estn en el estado de
funcionamiento normal su valor es nulo, en el caso contrario
su valor no es nulo (cuando alguno de los componentes
presenta un fallo).

Una forma de generacin de residuos es por medio de las
relaciones de redundancia analtica [4]. Para ello se utiliza el
subconjunto de las ecuaciones que caracterizan el sistema, las
cuales estarn compuestas nicamente por variables sensadas o
conocidas. Dichas ecuaciones del subconjunto son usadas en el
Modelo de Diagnosticabilidad para Procesos de
Produccin Petrolero
Rubn Leal, Edgar Camargo, Jos Aguilar, Addison Ros


ISBN: 978-980-7185-02-8 CA-18

momento que existe una perturbacin, tal que la evaluacin
final de las mismas es en esos casos diferentes al valor nulo,
hallando as el residuo. La generacin de un residuo estar
compuesta por una secuencia finita de clculos que termina
con la evaluacin de una ecuacin analticamente redundante
ARR, donde en cada paso slo se requiere de variables
conocidas (medida, o calculado en algn paso anterior).
Mtodos similares han sido utilizados en [5].

Ahora bien, es necesario identificar los diferentes modelos
de diagnstico estructurales para el anlisis de
diagnosticabilidad en el mbito de procesos continuos, y as
disear el modelo adecuado para realizar un anlisis orientado
a procesos de extraccin de petrleo. Particularmente, en este
artculo se estudiar el problema en extraccin de crudos por
inyeccin de gas de levantamiento.
II. TRABAJOS PREVIOS DE INTERS PARA NUESTRA
PROPUESTA
En [1] se muestra un algoritmo el cual analiza la estructura de
un sistema, detectando la redundancia en porciones usando el
enfoque ARR, dicho mtodo es usado en tareas de diagnstico.
El enfoque se desarrolla mas a fondo en [6,7], en [6] se
incluye informacin acerca de los errores destacados o de
mayor importancia para los usuarios, y [7] proporciona una
transicin para el clculo analtico de los generadores de
residuos.

En modelos basados en diagnstico o MBD, la construccin
del sistema de diagnstico hace hincapi en un modelo del
proceso. En el caso de grandes y complejos sistemas, se han
propuesto aproximaciones estructurales [3,8]. Todas estas
aproximaciones tienen en comn que se determinan sub-
sistemas comprobables que se encuentran entre los sistemas
sobre-restringidos. Adems, de todos los sistemas sobre-
restringidos, los mnimo son los que se utilizan para derivar
ARR. Por otro lado, varios algoritmos para el clculo de ARR
en sistemas sobre-restringidos se han propuesto en, [1,6,7]. Sin
embargo, todos estos algoritmos tienen problemas de
complejidad al querer ser usados en ejemplos industriales.

Un esquema de anlisis de diagnosticabilidad descentralizado
es mostrado en [2] el cual desarrolla la capacidad de aislar las
perturbaciones en sub-sistemas funcionales. La arquitectura se
compone de sistemas locales de anlisis de diagnosticabilidad,
y mediante las interacciones entre estos subsistemas se
resuelven las ambigedades en un nivel superior combinando
la visin parcial de los subsistemas.
III. FUNDAMENTOS TERICOS
A. Diagnosticabilidad
El concepto fundamental en nuestro trabajo es el de
diagnosticabilidad [1,6,7]: Dado un determinado sistema, un
algoritmo de diagnstico tiene la capacidad de
diagnosticabilidad si puede aislar todos los fallos considerados
del sistema real. En otras palabras, un sistema tendr la
propiedad de diagnosticabilidad si dicho sistema puede ser
diagnosticado con los sensores disponibles actuales (conjunto
de variables medidas), es decir, si el sistema posee la
capacidad de discriminar entre todos sus fallos considerados.

La diagnosticabilidad es tambin muy importante en el diseo
de un sistema debido a que es una herramienta para que el
diseador determine la cantidad y ubicacin de los sensores en
el sistema, para reducir costos y mejorar las posibilidades de
deteccin y comprensin de las perturbaciones [3].

Las tcnicas de deteccin y aislamiento de fallas (FDI) son
cada vez ms utilizadas. Normalmente, se basan en el uso del
paradigma de la relacin de redundancia analtica (ARR). El
procedimiento consiste en la generacin de residuos (un
residuo debe ser igual a cero cuando el sistema se encuentre en
estado normal, es decir, sin fallas). Ellos se pueden obtener
por modelos de diagnstico previamente diseados, las cuales
permiten la deteccin y el aislamiento de fallas (es decir, la
determinacin de su ubicacin, duracin, tipo, magnitud y la
fuente). Estudios de este mtodo de estudio para sistemas
continuos son realizados en [2,5].

Consideremos como en [9], un modelo M(X,Z,E) donde M
consta de un conjunto de ecuaciones E = {e1,..., Em}, sobre un
conjunto de variables desconocidas X={x1,...,Xn}, y un
conjunto de variables conocidas Z={z1,...,Zp}. En el caso que
en el modelo existas variables diferenciales o integrales
introducimos un tercer conjunto, D={ x& 1,, x& n}, que
contiene las derivadas de las variables en X. Sin perder la
generalidad, suponemos que las ecuaciones en el conjunto E
tiene la forma.

donde x& , x, y z son vectores de los elementos del conjunto
D, X, y Z, respectivamente. Por otro lado, un conjunto O(M)
se conoce como el conjunto de observaciones del modelo M, y
es importante para obtener el conjunto de las trayectorias de
las variables en Z que son consistentes con el modelo M(E, X,
Z). O(M) se define como.

Un generador de residuos es formalmente definido de la
siguiente manera.

Definicin 1: Un enfoque para la generacin de residuos
por un modelo consiste en calcular de forma secuencial los
subconjuntos de las variables desconocidas a partir de
subconjuntos de las ecuaciones, y luego usar una ecuacin
utilizada como residual. La generacin de un residuo entonces
consistir en una secuencia finita de clculos de variables, que
termina con una evaluacin de una ecuacin residual. El
clculo de las variables en cada paso por lo tanto, slo puede
utilizar las variables que se ha computado en algn paso
anterior, y variables conocidas [7].

Sea M(E,X,Z). Un generador de residuos es una funcin que
, 0 ) , , ( : = z x x f e
i i
& m i 1
{ } m i z x x f x z M O
i
= = 1 , 0 ) , , ( ; : ) ( &

ISBN: 978-980-7185-02-8 CA-19

toma como entrada las variables medidas en el sistema (Z), y
la salida r, tal que la entrada z de Z pertenece al observador
O(M), y r =0 cuando todo esta normal. Est diseado para ser
insensible a los comandos y los disturbios, pero sensible a las
fallas.

Definicin 2: Relaciones de redundancia analtica (ARR,
Analytical Redundancy Relations). Para un modelo M(X,Z)
una ecuacin r (z,) = 0 es un ARR de M(X,Z) para cada z
consistente con M(X,Z), Estas relaciones slo se pueden
derivar si el modelo tiene ms ecuaciones que variables
desconocidas, es decir, si el sistema es estructuralmente sobre-
determinado o SO (structurally Overdetermined). En [1] se
proporciona un algoritmo que identifica el ms pequeo
subsistema sobre-determinado, lo que permite la construccin
de ARRs ms eficientes.

Definicin 3: M es un sistema sobre-determinado o SO
(structurally Overdetermined) si el conjunto de ecuaciones
que caracterizan al sistema M contienen ms ecuaciones que
variables desconocidas.

Definicin 4: Un PSO (proper structurally overdetermined)
un conjunto propiamente sobre-determinado es un
subconjunto de SO con el cual se puede comprobar la
estabilidad del sistema, el mismo contiene ms ecuaciones que
variables desconocidas [1].

Dado que un ARR solo contiene el conjunto de (z), se puede
utilizar para comprobar si las variables observadas Z son
consistentes con el modelo, y es utilizado como la base de los
generadores de residuos. La estructura del sistema se puede
abstraer como una representacin de cuales variables
intervienen en las diferentes ecuaciones que conforman el
modelo del sistema. Esta abstraccin nos permite estudiar las
propiedades de diagnosticabilidad independientemente de la
naturaleza lineal o no lineal de los sistemas.

En [1] introducen la nocin del mnimo estructuralmente
sobre-determinada o MSO (Minimal Structurally Over-
determined). Cada ARR deber pertenecer a un MSO, que es
el mnimo subconjunto de ecuaciones del sistema, con una
ecuacin ms que la cantidad de variables desconocida en ese
subconjunto. Variables no observadas pueden ser calculadas
utilizando el sistema de ecuaciones, y la ecuacin resultante
del subconjunto es la ecuacin redundante perteneciente a ese
MSO (as, se puede utilizar para comprobar su consistencia).
En nuestro caso, usaremos la idea de MSO para el diseo de la
arquitectura descentralizada para el anlisis de
diagnosticabilidad en la aplicacin estudiada.

Definicin 5: (mnimo estructuralmente sobredeterminado
o MSO) Un conjunto de PSO generalmente contiene
subconjunto ms pequeos que tambin pueden caracterizar el
comportamiento del sistema, un mnimo subconjunto
estructuralmente sobredeterminada (MSO) contiene solo una
ecuacin ms que variables desconocidas, y cada MSO es
equivalente a un ARR [6].

Sin importar su complejidad un sistema puede arrojar una
gran cantidad de MSO. Ahora bien, un sistema debe tener la
capacidad de distinguir un simple fallo f
i
, de un simple fallo f
j
,
tal que todas las pruebas sometidas al fallo f
i
deben ser
sensibles solo a l e insensibles a f
j;
para esto, en [6]
introducen un algoritmo y la nocin de TES (Test Equation
Support) con capacidad de aislar fallos que verdaderamente
son de inters para los usuarios, asociando la falla a una
ecuacin que la caracteriza.

Ahora bien, F(M) es el conjunto de las fallas que influyen
en cualquiera de las ecuaciones en M. Entonces, ya que un
conjunto de PSO precisamente caracteriza a un conjunto de
ecuaciones que pueden ser utilizados para formar una prueba
del sistema, debemos dar otra definicin:

Definicin 6: Dado un modelo M y un conjunto de fallas F,
un subconjunto de fallas es un TES si F(M)0 y M es un
conjunto de PSO.

Es tambin de inters el uso de mnimo TES o MTES
(Minimal Test Equation Support), que de igual manera que un
MSO es el mnimo sub conjunto de TES que caracteriza un
modelo de la falla asociada a un PSO.

La importancia de los trminos que venimos de definir,
segn [1], es que con MSO y MTES somos capaces de
construir residuos con los que se construira el modelo de
diagnisticabilidad de un proceso.

B. Levantamiento artificial de petrleo mediante la
inyeccin de gas

Segn [10], el Mtodo de Extraccin de crudo por Inyeccin
de Gas es un mtodo que utiliza gas comprimido como fuente
de energa para llevar los fluidos del yacimiento desde el
fondo del pozo hasta la superficie; por lo tanto su principal
consideracin a la hora de su seleccin en un grupo de pozos
petroleros, es la disponibilidad de una fuente rentable de gas a
alta presin en la Figura 1 se pueden observar los
componentes de este mtodo.

A su vez, [11] seala que el levantamiento artificial por gas
(LAG), es uno de los mtodos primarios ms usados en la
produccin de fluidos de un pozo, que consiste en la inyeccin
continua de gas a alta presin, para aligerar la columna de
crudo en la tubera de produccin (flujo continuo), de tal
manera de desplazar los fluidos hacia la superficie en forma de
tapones de lquido llamado flujo intermitente.


ISBN: 978-980-7185-02-8 CA-20

FIG 1 Descripcin del levantamiento artificial por gas

Dicho de otro modo, este mtodo consiste en inyectar gas a
altas presiones (a travs de la planta compresora), a una tasa
preestablecida (que es controlada por una vlvula de
regulacin de gas), para aligerar la columna de crudo y as
mejorar la produccin de pozos con presin del yacimiento
menor a la del cabezal, a diferentes profundidades.

El propsito de este mtodo, es el de aumentar la presin
fluyente del fondo para aumentar el caudal de produccin en
donde la inyeccin del gas suple el gas de formacin, y
aligerar el peso de la columna por encima del punto de
inyeccin del gas. Este proceso es utilizado principalmente en
la extraccin de crudo liviano y mediano con alto porcentaje
de gas de formacin en el pozo. Tambin es considerado por
los expertos en el levantamiento artificial como el mtodo ms
parecido al flujo natural.

El gas inyectado tiene la funcin de desplazar el fluido hacia la
superficie por medio de las siguientes acciones:

Reduccin de la presin que ejerce el fluido en la
tubera de produccin frente a la formacin, mediante
la disminucin de su densidad.
Expansin del gas inyectado.
Desplazamiento del fluido por alta presin del gas.

Adicionalmente, el LAG se puede utilizarse efectivamente
para lograr los siguientes objetivos:

Arrancar los pozos que producen por flujo natural.
Incrementar la produccin de pozos que hayan
declinado naturalmente, pero que an producen sin
necesidad de utilizar mtodos artificiales.

El gas se inyecta a la corriente de fluido por una vlvula de
levantamiento artificial por gas (vlvula de LAG) para levantar
los lquidos a la superficie. El peso de la columna de fluido se
reduce al ser desplazado los lquidos por el gas mucho ms
liviano. A medida que el gas se desplaza rpidamente hacia la
superficie, encuentra menos presin en su camino, por lo tanto,
sigue expandindose y reduciendo aun ms la densidad
fluyente del fluido. A medida que el gas sigue expandindose,
se junta con otras burbujas de gas creando bolsillos cada vez
ms grande de gas, hasta que al llegar a la superficie, el gas y
el petrleo estn fluyendo.

Es necesario inyectar el gas lo ms profundo posible para
reducir sustancialmente el peso de la columna, e inyectar la
tasa de gas adecuada para que la friccin de la corriente
multifsica no anule la reduccin de peso. Adicionalmente,
para optimizar la distribucin de gas entre los pozos asociados
al sistema, es necesario utilizar algoritmos que permitan
levantar la mayor cantidad de petrleo posible.

En [10] y [12] sealan que el levantamiento artificial por
gas (LAG) es uno de los mtodos primarios ms usados en la
produccin de fluidos de un pozo.

Los estados de la curva de produccin de un pozo que
produce a travs del mtodo de inyeccin de gas, indican que a
medida que el Flujo de Gas de Levantamiento aumenta (Q
iny
,
expresado en mpcdg, miles de pie cbico de gas por da), la
tasa de produccin (Q
prod
, expresado en BBPD, barriles neto
de produccin diaria) tambin aumenta hasta alcanzar su
mximo valor (Regin Estable o Escenario Normal); tal que
incrementos adicionales en la inyeccin (Escenario Sobre-
Inyectado), o por debajo de la inyeccin necesaria (Sub-
Inyectado), causarn una disminucin en la produccin
(Regin Inestable) [11,12,13]

En trabajos como [14,15] muestran como se pudiera
estabilizar un pozo de inyeccin de gas lift, as como ciertas
ecuaciones que describen el comportamiento de algunos de sus
componentes, en [16] es propuesto un control de inyeccin en
funcin a la produccin, y en [17] se realiza de desarrolla un
ecuacin en funcin a (Q
prod
) para modelar el comportamiento
de pozo en condiciones.

En [12] describe el funcionamiento de un Mltiple de Gas
Lift (MGL), En la Figura 2 muestra un ejemplo tpico de un
MGL, el cual es una plataforma que su funcin principal es
agrupar un conjunto de pozos y distribuir el flujo de gas para
su inyeccin en cada pozo, esta plataforma tiene la capacidad
de controlar la rata de inyeccin en cada pozo asociada a ella y
supervisar variables compartidas en el sistema.

FIG 2 Mltiple de Inyeccin de Gas

ISBN: 978-980-7185-02-8 CA-21

IV. MODELO DE DIAGNOSTICABILIDAD PROPUESTO

Para el anlisis de la diagnosticabilidad se desarrollara
aproximaciones siguiendo esquemas FDI para la generacin
de residuos. La generacin de residuos se deriva de las ARR,
las cuales solo involucran variables conocidas o medidas del
sistema.

En nuestro caso, se propone un enfoque multicapa tal que el
anlisis de diagnosticabilidad inicia en el nivel ms bajo,
donde se encuentran los residuos ms sensibles a una falla. Por
otro lado, en las capas superiores se realiza el anlisis de
diagnosticabilidad global para aislar los fallos.

La arquitectura propuesta para el anlisis de
diagnosticabilidad en los sistemas de extraccin de petrleo
por inyeccin de gas es el mostrado en la figura 1, el cual
consiste en tener un diagnosticador local en cada pozo
asociado a un MGL, as como en el mismo MGL.
Posteriormente se enlazar con el nivel superior segn el
esquema planteado en la Figura 3, para que tenga la capacidad
de aislar y discriminar todo los datos del MGL. Este nivel usa
el conjunto de variables compartidas que se encuentran en la
plataforma, para realizar el anlisis de diagnosticabilidad y
determinar si el fallo es en el pozo o en la distribucin de gas.

FIG 3 Arquitectura propuesta distribuida en el proceso de
extraccin de petrleo por inyeccin de gas lift

Las complicaciones prcticas relacionadas con la aplicacin
de dicha anlisis de diagnosticabilidad es la complejidad de
determinar el comportamiento natural del pozo y la
disponibilidad de comunicacional entre el diagnosticador local
y el supervisor global para el clculo de los generadores de
residuos distribuidos.
A. Anlisis Matemtico del Diagnosticador Local

En primera instancia se identifican las ecuaciones que rigen el
proceso descrito en la seccin 3 [18]. Se basa en tres variables:
x1 es la masa de gas en el anillo, x2 es la masa de gas en la
tubera y x3 es la masa de petrleo en el tubing. Con ellas se
pueden definir las primeras ecuaciones que las relacionan:

iv gc
w w x =
1
&
masa de gas en el Anular (1)

1 1
x x = &
(2)

pg iv
w w x =
2
&
masa de gas en el Tubing (3)

2 2
x x = &
(4)

po r
w w x =
3
&
masa de petrleo en Tubing (5)

3 3
x x = &
(6)

Adems, tenemos que Wgc es una constante de tasa de flujo
msico de gas inyectado en el anular, Wiv es la tasa de flujo
msico de gas desde el anular hacia tubing, Wpg es el flujo
msico de gas a travs de la vlvula de choke de produccin,
Wr es el flujo msico de petrleo proveniente del reservorio
por el tubing, y WPO es el flujo msico de petrleo a travs de
la vlvula de choke. Si modelamos los flujos obtenemos.

) ( 2 .
1
1
.
4
.
4
2
chp glp iv gc
P P
d
C w
Flujo de inyeccin de gas (7)

) ( .
, , inj t chp inj a iv
P P C w =
Flujo de inyeccin al fondo del
anular (8)

) ( .
thp wf m pc
P P C w =
Flujo mezclado en la tubera de produccin (9)
) ( .
plp thp m pc
P P C w =
Flujo mezclado en la tubera de produccin (10)

pc pg
w
x x
x
w .
3 2
2
+
=
Flujo msico de gas a travs de la tubera de
produccin. (11)

pc po
w
x x
x
w .
3 2
3
+
=
(12)
( )
r wf ws r
C P P w . + =
(13)

C es constante de gas, Pa,inj es la densidad del gas en el
anular en el punto de inyeccin, Pm es la densidad de la
mezcla de petrleo/gas en la parte superior de la tubera, Pchp
es la presin en el anular en el punto de inyeccin, Pt,inj es la
presin en la tubera en el punto de inyeccin de gas, Pthp es
la presin en la parte superior de la tubera, Pplp es la presin
en el separador, Pws es la presin en el reservorio, y Pwf es la
presin en la parte inferior de la tubera. Las ratas de flujo a
travs de las vlvulas son restricciones positivas, y las
densidades y las presiones son modeladas por las ecuaciones
siguientes:

chp
a
inj a
P
RT
M
=
,
(14)

1
.x
V
gL
M V
RT
P
a
a
a
a
chp

+ =
(15)

t t
r r o
m
A L
A L x x
+
=
3 2
(16)

3
2
.
x v A L A L
x
M
RT
P
o r r t t
t
thp
+
=
(17)

) .(
3 2 , r r o
t
thp inj t
A L x x
A
g
P P + + =
(18)
r o inj t wf
gL p P P + =
,
(19)


ISBN: 978-980-7185-02-8 CA-22

Adems, M es el peso molecular del gas, R es la constante
de los gases, Ta es la temperatura en el anular, Tt es la
temperatura en la tubera, Va es el volumen del anular, La es la
longitud del anular, Lt es el longitud de la tubera, At es el rea
transversal de la tubera por encima del punto de inyeccin, Lr
es la longitud desde el fondo del pozo hasta el punto de
inyeccin de gas, Ar es el rea transversal de la tubera por
debajo del punto de inyeccin, g es la constante de gravedad,
Po es la densidad del Petrleo, y Vo es el volumen especfico
del petrleo. El petrleo se considera incompresible, por lo
que Po es constante. A continuacin se muestran las
ecuaciones utilizadas para relacionar las variables sensadas o
conocidas (las ecuaciones de 20 a la 26 definen las variables
conocidas):

1 1
x y =
(20)

thp
P y =
2
(21)

gc
w y =
3
(22)

chp
P y =
4
(23)

glp
P y =
5
(24)

a
T y =
6
(25)

plp
P y =
7
(26)

En la prctica, las medidas de las variables de fondo del pozo
no estarn disponibles. Por lo tanto, en este trabajo se asume
que se tienen medidas en la parte superior del anillo y el
tubing, solamente. El principal desafo es cmo lidiar con el
flujo multifsico en el tubing, mientras que el flujo de una sola
fase en el anular con precisin es medida sobre la base de una
medicin de la presin y una medicin de la temperatura.

Tambin sabemos que x1 se mide. Para la estimacin de las
dos variables restantes se mide la presin en la parte superior
del tubing, y, o bien el flujo de la produccin a travs de la
estrangulacin o la densidad en la parte superior de la tubera.
Tambin podemos obtener mediciones de la presin en la
tubera de produccin o de separador. Nuestras variables
sensadas o medidas son, por lo tanto.

La presin del Separador o de produccin. (Pplp)
La presin del gas de Levantamiento. (Pglp)
Flujo de levantamiento artificial por gas. (Wgc)
La presin de casing. (Pchp)
La presin del tubing. (Pthp)
Temperatura del gas (Ta)
Masa de gas en anular. (x1)

Ahora bien, luego de introducir las ecuaciones que
caracterizan el proceso de estudio en el algoritmo propuesto en
[1] para el clculo de MSO y MTES, se puede observar como
resultado el mostrado en la Figura 4.

La figura 4 muestra una matriz de biadjacencia, en la cual se
indica la relacin entre las variables y las ecuaciones que
caracterizan al sistema, En esta oportunidad nuestras fallas de
inters sern f
1
(perdida u obstruccin en flujo de gas
inyectado en el anular) y f
2
(perdida u obstruccin en flujo en
la tubera de produccin). El algoritmo propuesto en [6]
regresa como resultado 11 conjuntos de MSO y dos MTES,
uno por cada falla sometida.

e1
e2
e3
e4
e5
e6
e7
e8
e9
e10
e11
e12
e13
e14
e15
e16
e17
e18
e19
e20
e21
e22
e23
e24
e25
e26
x
d
1
x
d
2
x
d
3
x
1
x
2
x
3
w
p
g
w
g
c
w
i
v
w
p
c
w
p
c
t
w
p
o
w
r
p
w
f
p
w
s
p
t
i
n
j
c
h
p
t
h
p
g
l
p
p
l
p
p
m t
a t
t
p
a
i
f
1
f
2
y
1
y
2
y
3
y
4
y
5
y
6
y
7
local diagnoser in well

FIG 4 Matriz de Biadjacencia

MTES
1
: { 7,15,20,22,23,24,25}
MTES
2
:{ 1,2,3,4,8,9,10,11,14,15,16,18,19,20,21,22,23,25,26}

Cada MTES es un residuo sensible a una falla determinada, tal
que MTES
1
= r
1
es sensible a f
1
y MTES
2
=r
2
es sensible a f
2
. r
es la ecuacin residual, tal y como muestra la Tabla 1. Un
modelo de diagnosticabilidad utilizando todas las ecuaciones
que contienen un MTES (con las variables conocidas o
sensadas), requiere la definicin de esos residuos. El algoritmo
para encontrar ese modelo se ha desarrollado en [7,9], en el
cual utilizan el algoritmo para sistemas no lineales.

Tabla 1 relacin entre el residuo r y la falla
f
1
f
2

r
1
X
r
2
X

V. CONCLUSIONES

Con cada MTES se obtiene un residuo relacionado a una falla,
lo que posibilita la capacidad de aislar y diagnosticar la falla
en la tubera de inyeccin y la falla en la tubera de
produccin, diagnosticando posibles fugas en la tubera que
pudieran perjudicar el proceso de extraccin de petrleo y
posibles impactos ambientales. Otra bondad del anlisis de
diagnosticabilidad es determinar la colocacin de sensores,
para as optimizar la cantidad de sensores instalados en el
sistema incrementando las variables medidas y aumentando la
cantidad de sub-conjuntos sobre-determinados (esto permitir
tener la capacidad de aislar y detectar mas fallas en el proceso
extraccin de crudo mediante el levantamiento artificial por
gas). Tambin podr determinar si los sensores estn midiendo

ISBN: 978-980-7185-02-8 CA-23

variables que no son significativamente importantes. Estos
aspectos se evaluarn en trabajos futuros.

Con el anlisis de la diagnosticabilidad local basados en la
generacin residual [19] realizado en cada pozo logramos
discriminar dos fallas; ahora bien, debemos encontrar las
variables compartidas en el sistema para el anlisis de
diagnosticabilidad del proceso global de extraccin de crudo
por levantamiento artificial. Tambin, deberemos probar el
sistema para ms fallas y hacer simulaciones exhaustivas para
probar la calidad de los residuos obtenidos en contextos reales
operaciones. Todas estas cosas sern objeto de trabajos
futuros.
[1] M. Krysander, J. slund, and M. Nyberg, An efficient algorithm for
finding minimal over-constrained subsystems for model-based
diagnosis, IEEE Transactions on Systems, Man, and Cybernetics Part
A: Systems and Humans, 38(1), 2008
[2] S. Indra, L. Trav-Massuys, and Elodie Chanthery. A decentralized
FDI scheme for spacecraft: Bridging the gap between model based
FDI research & practice, Junio 2011.
[3] L. Trav-Massuys, T. Escobet, and R. Milne. Model-based
diagnosability and sensor placement. application to a frame 6 gas
turbine subsystem. In DX01 twelfth international workshop on
principles of diagnosis, pages 205212, 2001.
[4] M. Staroswiecki and P. Declerck. Analytical redundancy in
nonlinear interconnected systems by means of structural analysis.
In Proceedings of IFAC AIPAC89, pages 5155, Nancy, France,1989.
[5] L. Trav-Massuys, T. Escobet, and X. Olive. Diagnosability analysis
based on component supported analytical redundancy. IEEE Trans.
on Systems, Man, and Cybernetics Part A: Systems and Humans,
36(6):11461160, November 2006.
[6] [5] M. Krysander, J. slund, and E. Frisk, A structural algorithm for
finding testable sub-models and multiple fault isolability analysis, In
Proceedings of the 21st International Workshop on Principles of
Diagnosis (DX-10), Portland, Oregon, October 2010.
[7] C. Svard and M. Nyberg, Residual generators for fault diagnosis
using computation sequences with mixed causality applied to
automotive systems, IEEE Transactions on Systems, Man, and
Cybernetics Part A, 40(6):13101328, 2010.
[8] M. Krysander, M. Nyberg. Structural analysis utilizing MSS sets
with application to a paper plant. In Proc. of the Thirteenth
International Workshop on Principles of Diagnosis, Semmering,
Austria, May 2002.
[9] C. Svrd, M. Nyberg A Mixed Causality Approach to Residual
Generation Utilizing Equation System Solvers and Differential-
Algebraic Equation Theory Report: LiTH-ISY-R-2854 September
16, 2008.
[10] O.G. Santos, S.N. Bordalo, F.J. Alhanati: Study of the dynamics,
optimization and selection of intermittent gas-lift methodsa
comprehensive model, Journal of Petroleum Science and Engineering
32 (2001) 231 248.
[11] E. Camargo, J. Aguilar, F. Rivas, Instrumentacin Inteligente para
mejorar la produccin en Pozos por Levantamiento Artificial por
Gas. Congreso Iberoamericano Cusco, Per, 2007.
[12] [7]G. Hernndez, E. Al, T. Sharon, Manual del curso de
levantamiento artificial por gas avanzado. Segunda edicin.
PDVSA Intevep. 2001.
[13] B. Dale H.: Production Optimization, Using NODALTM Analysis
2da edicin, Oil & Gas Consultants International, Tulsal.2003.
[14] G.O. Eikrcm, B. Foss, L. Imrland, B. Hu, and M. Golan, "Stabilization
of gas liftied wells,'' Proceedmgs of the 15th IFAC World Congress,
Barcelona Spain, 2002.
[15] S. Ayatollahia, M. Narimania, M. Moshfeghian.: Intermittent gas lift
in Aghajari oil field, a mathematical study Journal of Petroleum
Science and Engineering 42 (2004) 245 255.
[16] B. Jansen, M. Dalsmo, L. Nskleberg, K. Havre, V. Knstiansen, and P.
Lemetayer, "Automatic control of unstable gas lifted wells: SPE
paper no. 56832.
[17] E. Camargo, J Aguilar, A. Ros, F. Rivas, J. Aguilar-Martin An
Intelligent Supervision Reference Model for Automated Oil
Production Process 2010.
[18] Gisle Otto Eikrem, Ole Morten Aamo, Hardy Siahaan, Bjarne Foss,
Anti-slug control of gas-lift wells - experimental results Gas
Technology Center and Petronics at NTNU, and the Norwegian
Research Council. Nonlinear control systems 2004: a proceedings
volume from the 6th IFAC.
[19] J. Armengol, A. Bregon, T. Escobet, E. Gelso, M. Krysander, M.
Nyberg, X. Olive, B. Pulido, and L. Trav-Massuys, Minimal
structurally overdetermined sets for residual generation: A
comparison of alternative approaches, In Proceedings of the 7th IFAC
Symposium on Fault Detection, Supervision and Safety of Technical
Processes, pages 14801485, 2009.


Resumen El estudio e implementacin de sistemas domticos
e inmticos utilizando protocolos inalmbricos inteligentes de
comunicacin y sistemas automticos de bajo costo, nos permiten
dar soluciones de control. Dentro de estos protocolos podemos
encontrar el Zigbee que se utiliza para controlar sin restricciones
en distancias y cantidad de instrumentos. Por medio de este
control inalmbrico proporcionado por el protocolo Zigbee en
conjunto con dispositivos programables como: controladores
lgicos programables o PLC (Programmable Logic Controller), los
arreglos de compuertas programables de campo (FPGA, Field
Programmable Gate Array), microcontroladores, etc. Se pueden
tomar las variables para controlar el confort, seguridad y
entretenimiento en el hogar y la industria, aportando nuevas
soluciones al rea de domtica e inmtica en el contexto actual de
automatizacin. En este artculo se presentan un prototipo basado
en elementos programables con el fin de utilizar tcnicas de
control digital y mdulos de comunicacin zigbee para realizar
una red de elementos que conformen un sistema complejo.

Palabras claves domtica, inmtica, protocolos
inalmbricos, Zigbee, automatizacin, instrumentacin.

I. INTRODUCCIN

La domtica y la inmtica, nos presentan una gran variedad
de aplicaciones que buscan la comodidad de los usuarios que
habitan o laboran en instalaciones con este tipo de tecnologas.
Aunque los estudios sobre este sector de la ingeniera iniciaron
hace ms de dos (2) dcadas, se apreciar poco nivel de
implementacin debido a diferentes factores, entre estos estn:
poca experiencia en empresas instaladoras, ausencia de
normativa, excesiva tecnologa en mercado, inexistencia de
recomendaciones, desconocimiento de ventajas del usuario,
poca informacin por promotor y alto coste de la tecnologa.

Artculo recibido el 3 de Febrero de 2011.

F.A.L.G. Y M.M.H.C. estn con la Universidad Francisco de Paula
Santander, Facultad de Ingeniera, Plan de estudio de ingeniera Electrnica,
Grupo de Investigacin en Automatizacin y Control (GIAT). Ccuta, Norte
de Santander, Colombia Tlf. (7) 5776655 E-mail:
freddy.alejandro.leal@hotmail.com, Marlon25_3@hotmail.com.

El estudio de la domtica desde un punto de vista socio-
cultural y como necesidad para el control eficiente de los
recursos con los que contamos, como parte de la solucin del
ahorro energtico y asociado al confort de cada individuo en
su hogar; ha tomado fuerza en los ltimos aos en pases como
Espaa que ya cuentan con leyes que buscan incentivar el
desarrollo de estas tecnologas [1][2].
La tecnologa Zigbee por otra parte, como una posible
solucin a las comunicaciones en hogares y edificios ya
construidos nos presentan grandes ventajas [3].
En los ltimos aos se han presentado varios trabajos
basados en tecnologas de comunicacin utilizando
identificacin de radio frecuencia (RFID, Radio Frecuency
IDentification). En distintos trabajos se pueden apreciar
aplicaciones para la tecnologa RFID en procesos donde se
requiera el transporte de la informacin [4][5]. En 2010 se
presenta el trabajo Diseo e implementacin de un prototipo
de sistema de monitoreo para los equipos de laboratorio
mediante RFID que utilizaba una combinacin entre el
protocolo Zigbee y el protocolo TCP/IP [6]. Actualmente
empresas reconocidas como Siemens y Schneider entres otras,
promueven equipos electrnicos que permiten comunicaciones
inalmbricas de corta distancia basados en Zigbee dando
solucin a problemticas en la industria, la domtica y la
inmtica.
En este artculo se implemento de un prototipo de bajo
costo que permite demostrar su aplicabilidad y funcionalidad
en sistemas complejos, de igual modo su adaptabilidad a las
diferentes tecnologas que se encuentran en el mercado. El
prototipo basado en microcontroladores nos permite demostrar
la utilidad de elementos de control digital como lo son: los
controladores lgicos programables o PLC (Programmable
Logic Controller), los arreglos de compuertas programables de
campo (FPGA, Field Programmable Gate Array), dispositivos
lgicos programables complejos (CPLD, Complex
Programmable Logic Device), los microcontroladores y los
sistemas computacionales, entre otros. Con elementos de
comunicaciones inalmbricas de bajo costo como lo es Zigbee
basado en el estndar IEEE 802.15.4.

Implementacin de Protocolos Inteligentes de
Comunicacin y Control generando Nuevas
soluciones en Automatizacin y Sistemas de
Domtica e Inmtica
Freddy A. Leal Gonzlez, Marlon M. Hernndez Cely

ISBN: 978-980-7185-02-8 CA-25

II. PROTOCOLO ZIGBEE

Zigbee es un protocolo de comunicaciones inalmbrico
basado en el estndar IEEE 802.15.4, creado por Zigbee
Alliance, Zigbee permite comunicaciones inalmbricas de bajo
consumo, especialmente til para redes de sensores en
entornos industriales, mdicos y domticos.
Las comunicaciones zigbee se realizan en la banda libre de
2,4 GHz, cuenta con 16 canales, el alcance vara entre los 30
metros mximos en interiores y 100 metros en exteriores, la
transmisin de datos es de 256Kbps, y puede contener hasta
65535 dispositivos. Tiene como ventajas: el bajo coste, bajo
consumo de potencia, uso de banda de radio libre y sin
necesidad de licencia, instalacin econmica y simple, redes
flexibles y extensible.
El protocolo zigbee permite desde reemplazar un cable por
una comunicacin serial inalmbrica, hasta el desarrollo de
configuraciones punto a punto, punto a multipunto, peer to
peer (todos los nodos conectados entre s) o redes complejas
de sensores.
La red zigbee est formada bsicamente por tres (3)
elementos, un nico dispositivo coordinador, dispositivos
router y dispositivos finales (end points). Una de las mayores
aportaciones del protocolo zigbee y el que mayor inters
despierta, es el concepto de la red nodal o mesh network por el
que cualquiera dispositivo pueda conectar con otro, utilizando
varios dispositivos como repetidores. En la Figura 1 se aprecia
diferentes topologas de redes disponibles en zigbee. [7]

FIG. 1. Topologas de redes disponibles en Zigbee [7].

De lo anterior podemos describir algunas caractersticas en
la implementacin de tecnologas de comunicaciones basadas
en el protocolo Zibgee:
ZigBee opera en las bandas libres industrial, cientfica
y mdica (ISM, Industrial, Scientific and Medical)
No se ve afectado por redes WiFi o Bluetooth.
Cada red ZigBee tiene un identificador de red nico.
Es un protocolo de comunicaciones multi-salto.
Tiene una velocidad de transmisin de 250 Kbps.
Cobertura de 10 a 100 metros.
Zigbee aunque comparte los rangos de frecuencia, con el
estndar WiFi (IEEE 802.op11) y Bloetooth (IEEE 801.15.1)
no debera verse afectado por este tipo de comunicaciones
debido a su distribucin de canales, zigbee cuenta con 16
canales de 5 MHz. En la Figura 2 se muestra las diferentes
canales se muestra los diferentes canales utilizados por la
estndares 802.15.4 (zigbee), 802.11b/g (Wifi) y 802.15.1
(Bluetooth). [8]

FIG. 2. Distribucin de canales en la banda de 2.4 GHz de la
tecnologa zigbee, bluetooth y Wifi. [8].

Zigbee utiliza para el empaquetamiento de los datos cuatro
(4) deferentes tipos de paquetes, estos son: datos, ACK, baliza
y MAC. El paquete de datos tiene la carga de datos que
pueden ser hasta 104 bytes, el paquete ACK o paquetes de
reconocimientos el cual confirma que el paquete se ha recibido
sin errores, el paquete baliza se recarga del control a distancia
y la configuracin de los dispositivos y/o nodos, por otra parte
el paquete MAC utiliza el modelo de seguridad de la subcapa
MAC IEEE 802.15.4, el cual especifica 4 servicio de
seguridad:
Control de acceso
Datos de encriptacin
Integracin de tramas
Secuencia de refresco
Lo anterior tomado del documento El Estndar Inalmbrico
Zigbee de Valverde Rebaza Jorge Carlos [7].
III. SISTEMAS DE CONTROL EN LA DOMTICA Y LA INMTICA

En las instalaciones de domtica y de inmtica se utilizan
elementos similares a los utilizados en los sistemas de
automatizacin e instrumentacin, en estos sistemas contamos
con sensores que nos indican el estado en tiempo real de las
condiciones necesarias para la toma de decisin y la
manipulacin de actuadores; los actuadores permiten
manipular ciertas variables para el control de procesos como
los son la climatizacin, la ambientacin y los sistemas de
alerta.
De lo anterior se puede decir que: los sistemas domticos e
inmticos tienen elementos y condiciones similares a los
procesos de control clsicos como los son el control de lazo
abierto y lazo cerrado; los sistemas de control utilizados en la
domtica y la inmtica son por lo general basados en lgicas
digitales, las cuales permiten realizar mltiples procesos de
control utilizando un nico dispositivo.
Entres los controladores disponibles se encuentran:
controladores lgicos programables, microcontroladores,
dispositivos FPGA y CPLD, sistemas computarizados entre
otros. Estos dispositivos tienen diferentes ventajas y
desventajas, entre las ms significativas se encuentran el
precio de implementacin, la dificultad al instalarlos y la

ISBN: 978-980-7185-02-8 CA-26

aplicacin que se desea desarrollar, por lo que, se recomienda
estudiar detenidamente estos detalles antes de iniciar algn
tipo de trabajo como el descrito en este articulo.

IV. IMPLEMENTACIN DEL PROTOTIPO, PRUEBAS Y
RESULTADOS

En la Figura 3, se presenta el diagrama de bloques del
prototipo implementado, este prototipo est conformado por
una placa de circuito impreso o PCB (printed circuit board)
que corresponde a la parte superior de la imagen, y un sistema
remoto que funcionan como mando para el usuario final, este
control de usuario permite libertad de controlar los actuadores
segn el usuario lo desee permitiendo desde tomar lectura de
las condiciones ambientales, acceder al sistema de seguridad,
realizar pruebas de seales sonoras, visuales y modificar
condiciones como la iluminacin por sectores.

FIG. 3. Diagrama de bloques del prototipo implementado.

El prototipo se implemento en un PCB realizado de manera
manual, lo que deja sujeto a la reduccin del prototipo
significativamente si se utilizase procesos automatizados. La
PCB tiene la capacidad de comunicarse, tomar decisiones de
acuerdo a su programacin teniendo en cuenta las seales
indicadoras proveniente de los sensores y manipular
actuadores externos.
A. Sistema de comunicacin
Los mdulos Xbee producidos por la compaa MaxStream
permiten la implementacin de comunicaciones inalmbrica
utilizando el protocolo Zigbee. En la Figura 4, se aprecia un
modulo Xbee PRO que permite la fcil instalacin en PCB.
Idigi International Inc. Desarrollo el software X-CTU
utilizado para la configuracin de los mdulos Xbee y es
distribuido de manera gratuita en su pgina oficial. El X-CTU
es utilizado principalmente para programar los mdulos
variando las caractersticas de los registros de identificacin y
direccionamiento, puede ser utilizado como el hyperterminal
de Windows y nos permite realizar pruebas de seal a los
dispositivos que conforman la red Zigbee. En este artculo se
utilizo la programacin de la memoria no voltil, esto se
realiza utilizando la opcin Modem Configuration en el X-
CTU. Este tipo de configuracin resulta ideal para este tipo de
aplicaciones debido a la imposibilidad de programar los
mdulos con instruccin desde los sistemas de control.

FIG. 4. Modulo Xbee PRO [9].

El X-CTU permite configurar los mdulos Xbee en modo
API o en modo AT o transparente. El modo API presenta
una dificultad en el manejo de los datos, aunque reduce la
electrnica y las interconexiones entre dispositivos aumentan
el nivel de programacin en el control, por sus caractersticas
los mdulos end devise o dispositivo final cuentan con la
capacidad de pasar a un estado inactivo en donde el consumo
de energa es mnimo, de igual modo tiene la capacidad de
utilizar los puertos de entradas anlogas, entradas digitales,
salidas digitales y salidas con modulacin por ancho de pulso
(PWM, Pulse-width modulation). El modo AT por otra parte
tiene mayor simplicidad en su funcionamiento ya que el
modulo solo transmite informacin que es ingresada por el pin
Din (Pin 3) y entrega toda la informacin por el pin Dout (Pin
2) que recibe por RF. El modo AT es para este prototipo la
primera opcin por la forma de manejar la informacin,
aunque no se descarta la aplicacin del modo API para
prototipos futuros que permitan aumentar la capacidad de
dispositivos conectados sin aumentar la complejidad del
hardware de control.
Para la configuracin de una red en modo AT se debe
asignarse el pan id en todos los mdulos que componen la red.
Los registros Destination Address High (DH) Destination
Address Low (DL) son los registros que indican la direccin
destino dcada modulo Xbee. Los registros Serial Number
high (SH) y Serial Number low (SL) son los registros de
identificacin de cada modulo, utilizando estos dos registros
podemos direccionar una comunicacin entre los mdulos que
el diseador considere necesario. Para la programacin de los
dispositivos se debe seleccionar un modulo central para ser
programado como Coordinador AT y los dems como
Router/End Device AT.

ISBN: 978-980-7185-02-8 CA-27

Despus de instalados los mdulos Xbee y configurados
correctamente, el software X-CTU nos permite verificar el
funcionamiento y la calidad de la comunicacin. La opcin
Range test, nos permite enviar una trama de informacin para
verificar la recepcin de la misma trama, para esto el modulo
receptor debe tener unido los pines Dout y Din.

B. Sistema de control
Para la implementacin de un prototipo se pens en el diseo
de una tarjeta estndar que permitiera el control de actuadores
y sensores, pero con la capacidad de variar su programacin,
esto con el fin de comercializacin a futuro de este tipo de
tecnologas aplicadas a sistemas domticos.
Entre los distintos tipos de dispositivos programables que se
encuentran comercialmente, se opt por utilizar
microcontroladores para el prototipo inicial, ciertos
microcontroladores de gama media cuentan con prestaciones
de comunicaciones seriales utilizando UART, variedad de
puestos de entradas/salidas anlogas y digitales entre otras.
Adems cuenta con la ventaja de tener software para su
programacin gratuita suministrados por los fabricantes.
Para la implementacin del prototipo se utilizo un
microcontrolador 16F877A. El cdigo implementado para el
control tiene como objetivo la lectura de sensores como:
detectores de intrusos, sensores de temperatura, entre otros
que el diseador considere necesarios. El controlador tambin
est programado para controlar los actuadores que en este caso
son alarmas sonoras, control de iluminacin y climatizacin.
El programa desarrollado tiene funciones de sistema de
seguridad, control ON/OFF de equipos, sistemas remotos y
locales para el control manual del usuario. El cdigo
implementado utiliza aproximadamente un veinte-cinco por
ciento (25%) de la memoria del microcontrolador esto permite
hacer sistemas mucho ms complejos o reducir el tamao del
microcontrolador con el fin de reducir la PCB en prximos
prototipos.
C. Implementacin
El prototipo implementado en una PCB se muestra en la
Figura 5, en donde se muestra dividida por recuadros de
colores, el recuadro de color rojo encierra al modulo XBee
instalado en la PCB encargado de la comunicacin inalmbrica
con otros mdulos, el cuadro de color morado son 8 pines de
salida conectados al microcontrolador utilizado para
proporcionar control local del sistema de control por medio de
un teclado matricial o juego de botones, el cuadro azul es el
microcontrolador 16F877A encargado de realizar las tcnicas
de control programadas en este, el cuadro amarillo son cuatro
(4) conectores utilizados para la conexin de sensores
anlogos o digitales, el cuadro verde es un puerto utilizado
para el control driver y el manejo de actuadores utilizando
comunicaciones en paralelo.
En la Figura 6 se muestra el esquematico de forma resumida
(falta el circuito oscilador, el regulador de voltaje y secciones
de acople e indicadoras) en donde se aprecean los elementos
mas significativos del sismeta; del mismo modo a la figura 5,
se aprecian las secciones separadas por cuadros de distintos
colores como metodo descriptivo.

FIG. 5. Imagen de la PCB implementada como control para
sistemas domticos.

FIG. 6. Esquemtico resumido de la PCB de la Figura 5.

El control cuenta con la capacidad para comunicarse con
otros mdulos por medio del XBee instalado en la PCB, El
microcontrolador utiliza los pines destinados para la
comunicacin serial que cuentan con un transmisor-receptor
asncrono universal (UART, Universal Asynchronous
Receiver-Transmitter) interno, estos pines se conectan a los
pines Dout y Dint en el XBee. El XBee transmite la
informacin recibida por el pin Dint hacia los otros mdulos
instalados en el rango de cobertura, y estos a su vez transmite
la informacin a mdulos ms lejanos en caso de ser
necesario. Por otra parte toda la informacin recibida por el
modulo XBee es transmitida por el pin Dout hacia el
dispositivo de control.
D. Resultados

Se realizaron pruebas del prototipo con dos mdulos XBee,
la primera de ellas realizada con un modulo XBee conectado
al computador por medio del Explorador XBee, el cual se
conecta al puerto USB. En esta prueba se verifica el control
manual proveniente de dispositivos remotos conectados a un
computador con su respectiva interfaz de usuario para el fcil
control del sistema domtico (lectora de estado, control de

ISBN: 978-980-7185-02-8 CA-28

sistemas de seguridad, activacin y desactivacin de
actuadores).
El segundo tipo de prueba fue realizada entre dos placas de
control, con las cuales se verifico la confiabilidad de la
comunicacin. Con esta prueba se verifico la interconexin de
actuadores y sensores aunque no estn conectados en la misma
placa de control.
En estas dos pruebas se obtienen los resultados esperados y
recomendaciones, de las cuales nos permite avanzar y realizar
mayores trabajos con este tipo de tecnologas en busca de la
optimizacin del sector de la domtica, utilizando tecnologa
econmica y de instalacin practica.

V. CONCLUSIONES

Con la implementacin de un prototipo inicial basado en
comunicaciones inalmbricas Zigbee y sistemas de control
digitales se obtuvo como resultado el xito esperado, abriendo
puertas a aplicaciones no solo en el rea de la domtica y la
inmtica, las reas de la instrumentacin, automatizacin y
monitorizacin en aplicaciones medicas y sistemas de
comunicaciones inalmbricas indoor (en interiores).
La implementacin de tecnologas inalmbricas como
Zigbee en Colombia presenta un costo elevado en relacin a
otros pases, lo que dificulta la implementacin a una escala
comercial haciendo necesario un estudio ms profundo en el
mbito econmico que permita tomar una decisin sobre su
viabilidad.
Cuando se desarrolla un prototipo de domtica y en general
cualquier trabajo se tiene el inconveniente de que existe gran
variedad de modelos y nmeros de series que corresponden a
los equipos que se pueden utilizar. Las especificaciones de los
Xbee en particular deben ser precisas y estar acordes a su hoja
de especificaciones; ya que la definicin de registros de
funcionamiento puede variar de un modelo a otro.
Zigbee puede funcionar en ambientes de alto trafico de
comunicaciones inalmbricas, con alta confiabilidad debido al
mtodo de empaquetamiento y modo de transmisin, en
situaciones de prueba se comprob una eficiencia del cien por
ciento (100%) en la reseccin de datos a una distancia de 25
metros en interiores y una interferencia electromagntica
considerable.
Como recomienda como futuras investigaciones la creacin
de una interfaz de usuario que permita perfeccionar los
estudios relacionados con este tema.

[1] Carlos Navares, Inmtica y eficiencia energtica (gestin en tiempo
real de las instalaciones), director de redes avanzadas de
comunicaciones y sistemas en tiempo real. 2008.
[2] Hugo Martn Domnguez y Fernando Sez Vacas, Domtica: un
enfoque sociotcnico, Primera edicin, E.T.S.I de telecomunicaciones.
Universidad Politcnica de Madrid. 2006.
[3] Jamie Furness, Tiene futuro zigbee?, Director global de desarrollo
tecnolgico de Farnell. 2008.
[4] Ernesto J, Garca Davis, Implementacin de protocolos de
transporte en redes de sensores, Universidad Tecnolgica de
Catalunya. Julio de 2009.
[5] Dora Mara Ballesteros, Harvey Enrique Melo, Ascanio Jos Maya
Quintero. Sistema de transmisin inalmbrica de seales ECG y de
temperatura para ambientes hospitalarios (SINHO). Revista de
ingeniera biomdica, volumen 4. Grupo de investigacin TIGUM,
Universidad Militar Nueva Granada, Colombia. 2010.
[6] Leonardo Pedraza y Jefferson Gonzlez, "Diseo e implementacin de
un prototipo de sistema de monitoreo para los equipos de
laboratorio mediante RFID, Universidad Nacional de Colombia,
Faculta de Ingenieras. 2010.
[7] Valverde Rebaza Jorge Carlos, El Estndar Inalmbrico Zigbee,
Universidad Nacional de Trujillo, Per. 2007.
[8] Schneider Electric. Zigbee, Setting Standards for Energy-Efficient
Control Networks. 2011. Disponible en: http://www2.schneider-
electric.com/documents/support/white-
papers/40110601_Zigbee_EN.pdf
[9] Andrs Oyarse, Guia de Usuario, Xbee serie 1, Ingeniera MCI
LTDA. 2010.

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012) 1
Entonacin de Controladores mediante
Optimizacin por Enjambre de Partculas
Luis Parraguez, Margarita Heraoui y Jos E. Rengel
ResumenLos sistemas lineales de control pueden ser
sintonizados empleando tcnicas clsicas, ampliamente
documentadas, como los criterios de Ziegler-Nichols. Para
muchos lazos de control industrial, estos mtodos resultan
en un pobre desempeo. As, los encargados del control de
procesos recurren frecuentemente a la entonacin intuitiva
y/o mediante prueba y error. Para mejorar esta situacin se
han desarrollado importantes aportes en esta rea: tcnicas
estadsticas, modelado matemtico e inteligencia articial.
Recientemente, han aparecido propuestas en el campo de
la Inteligencia de Partculas. Especcamente, el algoritmo
de Optimizacin por Enjambre de Partculas o PSO (Particle
Swarm Optimization) ha sido empleado con xito en muchos
problemas de ingeniera. En este trabajo, la tarea de encontrar
los parmetros de un controlador se asume como un problema
de optimizacin y se propone una solucin empleando tcnicas
de PSO. Los resultados son comparados con los logrados por
mtodos convencionales.
Palabras ClavesOptimizacin, Enjambre de Partculas,
Entonacin de Controladores.
I. INTRODUCCIN
A lo largo de la evolucin de los sistemas industriales
han sido desarrolladas una gran cantidad de tcnicas y
procedimientos para efectos de lograr un control satisfactorio
de la operacin de los mismos. Sin lugar a dudas y con
un amplio soporte prctico y bibliogrco, el controlador
Proporcional-Integral-Derivativo (PID) ha sido la opcin ms
utilizada [1], [2], [3], debido a su simplicidad estructural,
eciencia en varios problemas de control y la familiaridad
con que se percibe tanto en el campo industrial como
acadmico. No obstante, la implementacin industrial del
PID an representa un reto en muchas situaciones, donde el
problema fundamental de esos sistemas es la obtencin de
los parmetros del controlador que satisfagan un rendimiento
tomado como requisito mnimo. En este sentido, despus que
Ziegler y Nichols presentaran sus reglas para la sintonizacin
de los parmetros del PID[4], muchos trabajos de investigacin
han sido publicados sobre el tema, proporcionando diferentes
tendencias para la sintonizacin. Una excelente recopilacin,
relativamente actualizada, se encuentra en el texto de Aidan
ODwyer [5] y en el trabajo comparativo de Wen Tan et al.[6].
Generalmente, las primera tendencias se basaban en la
respuesta a lazo abierto del sistema. Posteriormente, los
mtodos convencionales emplean el lugar de las races y la
Artculo recibido el 27 de Diciembre de 2011.
L.P., M.H., y J.R. estn con la Universidad de Oriente, Va
Alterna, Barcelona. Puerto La Cruz. Estado Anzotegui, Venezuela,
Tlf. +58-281-4203330, E-mail: parraguezl@cantv.net, mheraoui@gmail.com,
rengel66@gmail.com
respuesta de frecuencia en lazo cerrado para sintonizar los
parmetros del PID. Algunas propuestas se centran en el
desempeo global del sistema (empleando criterios de error
integral - ISE, IAE o ITAE) o la respuesta temporal (sobrepaso
tiempos de levantamiento y asentamiento), otras en la robustez
o una combinacin de ambas.
Sin embargo, debido a la naturaleza poco automatizada
de esas metodologas o a desempeos no enteramente
satisfactorios, durante las ltimas dcadas han sido empleados
mtodos heursticos para la sintonizacin del PID[7],
tendencia que se ha visto favorecida con la creciente
capacidad computacional de bajo costo. En 1995, Eberhart
y Kennedy [8] introducen una metodologa de optimizacin
de tipo heurstico, llamada Algoritmo de Optimizacin por
Enjambre de Partculas. Comparada con otros algoritmos
existentes, como los genticos por ejemplo, posee una
denicin matemtica extremadamente simple, permitiendo
una implementacin computarizada pequea en tamao
(cdigo), la cual puede generar soluciones de alta calidad con
una velocidad de respuesta que es dependiente del problema
mismo. Debido a su caracterstica de convergencia prematura,
especialmente en problemas multimodales, investigaciones
ms recientes, algunas an en desarrollo, han producido
variantes para mejorar su rendimiento.
En este trabajo se presentan los resultados de la primera fase
de una investigacin, la cual consiste en denir la entonacin
de los parmetros de un controlador PID como un problema de
optimizacin "fuera de lnea" al cual se le aplican las tcnicas
del PSO con algunas de sus variantes. El objetivo primario es
comparar el rendimiento de esta tcnica, empleando criterios
integrales, en relacin con algunos de los mecanismos clsicos,
tales como Control por Modelo Interno o IMC (Internal Model
Control) y Ziegler-Nichols (ZN).
En las secciones siguientes se muestran la estructura del PID
utilizada, el modelo de proceso considerado, la descripcin
e implementacin del algoritmo PSO para la entonacin de
los parmetros del controlador, los criterios integrales de
rendimiento y la comparacin de los resultados obtenidos.
II. PLANTEAMIENTO DEL PROBLEMA
En este estudio, se investiga el rendimiento, a travs de
criterios integrales, de un sistema clsico de la literatura
de control, cuyas aproximaciones representan modelos
empleados con frecuencia en la industria, operados mediante
controladores PID, donde los parmetros son determinados
mediante cuatro esquemas de sintonizacin: tres esquemas
clsicos (ZN, Amstrom e IMC) y PSO. Los resultados son
resumidos en tablas para su fcil comparacin y se muestran
las respuestas temporales para cada caso.
II-A. El control Proporcional-Integral-Derivativo (una visin
general y muy breve)
En una de sus formas ms difundida (estndar no
interactuante), la accin resultante del PID se compone del
aporte de la multiplicacin, la integracin y la diferenciacin
de la seal de error, ponderadas por tres parmetros de control.
La representacin, en el dominio de tiempo est dada por la
ecuacin 1 y en el dominio de la frecuencia compleja en la
ecuacin 2 [9].
u(t) = K
c
_
e (t) +
1
Ti
_
e (t) dt +T
d
d e(t)
dt
_
(1)
G
c
(s) =
U(s)
E(s)
= K
c
_
1 +
1
Ti s
+T
d
s
_
(2)
donde u(t) es la salida de controlador, [K
c
, T
i
, T
d
] los
parmetros de control y e (t) la seal de error. En el dominio
de la frecuencia compleja, el controlador posee un polo en el
origen del sistema de coordenadas y dos ceros cuya ubicacin
depende de la estrategia de sintonizacin.
II-B. Modelo de proceso usado para las pruebas
El modelo del proceso[10] empleado en las pruebas de
evaluacin, y sus aproximaciones[11] son representativas
de modelos reales, encontrados en aplicaciones de control
industrial y se resumen en la tabla I.
Tabla I
MODELO DE PROCESO ESTUDIADO Y SUS APROXIMACIONES
Caso Modelo
1 G(s) =
1
(s+1)(0,2 s+1)(0,04 s+1)(0,008 s+1)
2 A
1
(s) =
1
1,1 s+1
e
0,148 s
3 A
2
(s) =
1
(s+1)(0,22 s+1)
e
0,028 s
II-C. Reglas de sintonizacin para mtodos tradicionales
Como se menciona en la introduccin, existe una literatura
abundante respecto a este tema, razn por la cual slo se
seleccionaron tres criterios, probablemente la base de la
mayora de los que se emplean en la industria. Dos de estos,
ZN y Amstrom-PI, son ampliamente conocidos y aplicados.
El tercero, IMC, que ha ganado gran aceptacin por su
sencillez, robustez y resultados exitosos. Los parmetros de
los controladores, que estas reglas de sintonizacin brindan,
fueron tomados directamente del trabajo de Skogestad[11] y
se reejan en las tablas de la seccin V.
II-D. Criterios de evaluacin del rendimiento
La cuanticacin del rendimiento del sistema es alcanzada
mediante los conocidos ndices integrales. El ndice
seleccionado depende del proceso bajo consideracin y
de los aspectos de la respuesta en los cuales se desee poner
nfasis. Las ecuaciones 3, 4, 5 y 6 denen los empleados en
este trabajo.
ISE =
_
0
e
2
(t) dt (3)
IAE =
_
0
|e(t)| dt (4)
ITSE =
_
0
t e
2
(t) dt (5)
ITAE =
_
0
t |e(t)| dt (6)
Se considera una sintonizacin ptima cuando los
parmetros seleccionados para el controlador minimizan
las expresiones integrales. Para efectos prcticos, el lmite
superior de integracin se j en T, que representa el tiempo
necesario en alcanzar la estabilizacin, para el peor de los
casos.
III. OPTIMIZACIN POR ENJAMBRE DE PARTCULAS
PSO, que tiene sus races en el comportamiento natural de
algunas especies y la sicologa social, as como en las ciencias
de la ingeniera y computacin, comparte los paradigmas
esenciales de la Computacin Evolutiva Clsica al emplear
una poblacin de soluciones candidatas para evolucionar hacia
una solucin ptima o cuasi-ptima de un problema, y el
grado de optimabilidad es medido por una funcin de aptitud
o costo. Sin embargo, diere en cuanto los miembros de
la poblacin, llamados partculas, estn movindose a travs
del espacio del problema [12] y siempre recuerdan su mejor
posicin previa (emplean memoria). Cuando la poblacin es
inicializada, adems de las variables naturales envueltas en
el proceso de optimizacin, a cada individuo se la asigna
estocsticamente una velocidad con la cual comenzar su
movimiento por el espacio. En cada iteracin del algoritmo, las
velocidades son estocsticamente cambiadas, moviendo cada
partcula hacia una nueva posicin que depende de su mejor
posicin previa (donde ha tenido el mejor valor de aptitud) y
de una mejor posicin de su entorno o vecindario (la posicin
de mejor aptitud de una partcula de su vecindario).
PSO es un algoritmo bioinspirado, que se basa en analogas
con el comportamiento social de ciertas especies. Se reconocen
dos inuencias bsicas:
El movimiento de poblaciones (bandadas de aves,
cardmenes de peces, enjambres de abejas), en las que
cada individuo se desplaza mediante reglas simples de
ajuste de su velocidad en funcin de las observaciones
que realiza sobre los individuos prximos.
SBN: 978-980-7185-02-8 CA-30
5TO CONGRESO BEROAMERCANO DE ESTUDANTES DE NGENERA ELCTRCA (V CBELEC 2012)
Un modelo social, donde se ejercen inuencias entre
individuos y cada uno de estos posee un nivel de creencia
que determina la aproximacin entre estos, es decir, la
posible agrupacin o disgregacin a travs de la difusin
de dichas creencias.
Kennedy y Eberhart, en [12], plantean que una teora
sociocognocitiva simple, interconecta el modelo sociolgico
de Cultura Adaptativa y el Enjambre de Partculas. Teorizan
acerca de que el proceso de Adaptacin Cultural compromete
a componentes de alto nivel vista la capacidad de conjunto para
resolver problemas complejos o en la obtencin de nuevos
patrones culturales (Cultura Emergente o Ascendente), y a
componentes de bajo nivel que describen al comportamiento
real y probablemente mejorado de los individuos, en una
suerte de Inteligencia Descendente mediante procesos simples.
Estos procesos o principios pueden resumirse en: Evaluar,
Comparar e Imitar.
Estos tres principios pueden ser combinados y codicados
en un programa computacional para modelar a una poblacin
de entidades sociales enfrentada a problemas de elevada
complejidad. El punto de vista de Kennedy y Eberhart diere
de la perspectiva cognitiva de la sociologa en sostener que
los individuos no realizan ms acciones que las mencionadas
y, por tanto, la "mente" no est en el interior de los individuos
sino que es el resultado de un fenmeno pblico que se
produce a nivel de la poblacin.
El enjambre, en busca del ptimo global de una funcin
de aptitud, comienza disperso por el espacio de bsqueda,
pero con el tiempo las partculas convergen hacia una zona
reducida del espacio en la que intensican la exploracin
de la solucin. El algoritmo encargado del movimiento del
enjambre debe poseer parmetros propios (tipo de vecindarios,
variables de penalizacin, criterios de comunicacin) y otros
que son comunes a todos los algoritmos evolutivos (tamao
de la poblacin, forma de inicializacin, criterios de parada,
etc.).
III-A. Formulacin del algoritmo PSO.
En el algoritmo PSO, de n variables, cada partcula I
k
(ver
gura 1) se caracteriza por poseer:
Un vector de posicin actual

x
k
=< x
k1
, x
k2
, x
kn
>,
que codica una solucin al problema de optimizacin.
Un vector de velocidad

v
k
=< v
k1
, v
k2
, v
kn
>, que
indica la magnitud de cambio de posicin de la partcula
en cada variable.
Un vector de memoria

p
k
=< p
k1
, p
k2
, p
kn
>, que
almacena la posicin de la mejor posicin encontrada por
la partcula
1
.
Un valor de aptitud actual J
x
= J (x
k
), el cual es la
evaluacin de la funcin de aptitud en las coordenadas
x
k
.
Un valor de aptitud J
p
= J (p
k
) para la mejor posicin
que ha tenido la partcula, el cual es la evaluacin de la
funcin de aptitud en las coordenadas p
k
.
1
Por simpleza en la notacin se usar indistintamente

y
k
y
k
I
k

x
k
= x
k1
, x
k2
, , x
kn

v
k
= v
k1
, v
k2
, , v
kn

p
k
= p
k1
, p
k2
, , p
kn
J
xk
= J (x
k
)
J
pk
= (p
k
)
Figura 1. Estructura de una partcula.
En cada iteracin, se actualizan las velocidades de las
partculas[8] de acuerdo a la ecuacin 7
v
t+1
kd
= v
t
kd
+c
1
1
(p
t
kd
x
t
kd
) +
c
2
2
_
p
t
gd
x
t
kd
_
d = 1, , n
(7)
donde
d es un iterador sobre la dimensin del problema (puntero
a cada variable).
n es la dimensin del problema (cantidad total de
variables a optimizar).
c
1
es el factor de peso del comportamiento cognitivo
individual y representa la tendencia a permanecer en las
proximidades de posiciones o creencias que le dieron
buen resultado en el pasado.
c
2
es el factor de peso del comportamiento social y
representa la inuencia que ejercen los otros individuos
o la imitacin que se hace del mejor individuo.
p
t
kd
es el mejor valor de aptitud que la partcula ha tenido
en el pasado.
p
t
gd
es el mejor valor de aptitud del mejor vecino.
1
y
2
son variables estocsticas, valuadas entre 0 y 1,
que se modican en cada iteracin y en cada dimensin
para producir diversidad en las creencias.
El efecto global es tal que cada partcula mira su pasado en
una suerte de "nostalgia" e intenta regresar hacia ella. Sin
embargo, permanentemente tambin observa a su alrededor
por soluciones mejores. Esta combinacin le permite seguir
explorando el espacio de soluciones, hasta que converge haca
un ptimo.
Cuando la velocidad de la poblacin se ha actualizado,
esta se suma vectorialmente con la posicin actual de cada
partcula
2
(ver gura 2) para moverla a su nueva posicin en
la iteracin siguiente, de acuerdo con la ecuacin 8
x
t+1
kd
= x
t
kd
+v
t+1
kd
d = 1, , n (8)
III-A1. Denicin del vecindario.: PSO modela la
cooperacin entre individuos mediante la denicin de un
vecindario para cada partcula, de modo que en cada iteracin
se selecciona un candidato de dicho vecindario para guiar la
bsqueda sucesiva.
Originalmente el algoritmo se dise con un vecindario
dinmico dada la analoga con la bandada de aves [8]. Sin
embargo, pronto se determin que para muchos problemas de
optimizacin era suciente ( y ms eciente) que el vecindario
2
Se asume que cada iteracin del algoritmo es una variacin temporal
unitaria.
SBN: 978-980-7185-02-8
CA-31
x
t
p
p
p
g
c
1

1
c
2

2
v
t
v
t+1
Figura 2. Actualizacin de la velocidad y posicin de una partcula.
de cada partcula se deniera de forma esttica [13], es decir,
cada partcula tiene vecinos denidos a priori.
Primero en [14] y luego en [15], [16], [17], los autores
denen y analizan distintos tipos de vecindario estticos.
La estructura de las relaciones entre las partculas se
denomina topologa del vecindario. En general, las topologas
ms interconectadas distribuyen la informacin de la mejor
solucin del enjambre con mayor rapidez; ello produce una
convergencia ms rpida. Pero, por otra parte, si esta velocidad
es demasiado rpida, se incrementa la probabilidad de una
convergencia prematura (no se explora completamente a el
espacio de bsqueda y se puede producir la convergencia a un
ptimo local en lugar de a uno global).
La topologa Mejor Global o gbest (Global Best) es la de
mxima interconexin y considera que todas las partculas
estn comunicadas, de manera que p
t
gd
= g
t
, en la ecuacin
10, es la mejor aptitud del enjambre. Si en las primeras
iteraciones del algoritmo, la partcula I
g
que posee la mejor
aptitud est cerca de un ptimo local, ser difcil que el
enjambre escape del mismo. Este tipo de topologas resulta
adecuada para problemas de optimizacin unimodales, es
decir, cuando existe slo un ptimo que, por supuesto, es
global. La gura 3 muestra este tipo de topologa.
Por el contrario, las topologas de baja interconexin se
denominan Mejor Local o lbest (Local Best), y el nmero
de vecinos es relativamente pequeo (normalmente entre 3
y 5 incluyendo a la propia partcula que es vecina de si
misma). De manera habitual se considera que las partculas
constituyen un anillo topolgico donde cada una es vecina de
m otras dispuestas a cada lado de su posicin dentro del anillo.
Este tipo de topologas resulta adecuada para problemas de
optimizacin multimodal, es decir, cuando existen mltiples
soluciones, ya que evita la convergencia prematura.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Figura 3. Topologa gbest.
Otras topologas comnmente empleadas, en funcin de la
naturaleza del problema, se presentan en [18], [19], [20], [21]
y [22].
III-B. Algunas modicaciones y aportes al algoritmo
original.
Desde la presentacin pblica del algoritmo PSO han
aparecido numerosos trabajos proponiendo mejoras en sus
caractersticas, la mayora de ellos de forma emprica. Los
otros adelantaron algunos anlisis tericos para comprender
su funcionamiento en cuanto a estabilidad, convergencia,
trayectorias y sintonizacin de parmetros.
Las primeras dicultades que asomaron fueron con la
velocidad de las partculas y la sensibilidad a los parmetros,
al igual que con la mayora de los algoritmos evolutivos
e incluso de algunas soluciones deterministas. En relacin
con la velocidad se descubri el fenmeno de "explosin
del enjambre", denominacin que se le otorg al hecho de
aumento de la velocidad hasta valores muy elevados, lo
que produce una dispersin del enjambre (prdida de la
convergencia). En realidad, esto es otro problema sobre la
sintonizacin de parmetros.
Con el n de estudiar la convergencia del algoritmo, y
limitar la explosin del enjambre, se estudiaron una serie de
mecanismos, de los cuales slo se mencionan los empleados
en este trabajo:
Limitacin de la velocidad mxima. Se ja un lmite
superior al valor absoluto de la velocidad (V
max
), de
forma tal que en cada iteracin del algoritmo, y para
cada partcula, se debe cumplir con
v
t+1
kd
= mn (|v
t
kd
+c
1
1
(p
t
kd
x
t
kd
) +
c
2
2
_
p
t
gd
x
t
kd
_
, |V
max
|
_
(9)
Este mecanismo tiene el problema de que el parmetro
V
max
depende del tamao del espacio de bsqueda
X
max
. Por tanto, agrega un problema de entonacin. Para
espacios muy grandes, velocidades pequeas requerirn
mayor tiempo de ejecucin del algoritmo (iteraciones).
Si el nmero de iteraciones est limitado, entonces es
probable que no se pueda recorrer todo el espacio de
soluciones.
Inclusin de un factor de inercia. Shi y Eberhart [23],
[24], Hvass [25] y Hu [26], introdujeron un factor de
inercia (ver ecuacin 10) y estudiaron la incidencia de
este en el control del alcance o recorrido del enjambre
por el espacio de soluciones.
v
t+1
kd
= v
t
kd
. .
Inercia
+c
1
1
_
p
t
kd
x
t
kd
_
. .
Cognitivo
+
c
2
2
_
p
t
gd
x
t
kd
_
. .
Social
d = 1, , n
(10)
donde es el peso de la inercia y esta representa
la tendencia de un individuo a seguir explorando en
la misma direccin. Cuando es pequeo el enjambre
tiende a comportarse como un buscador local ya que
los desplazamientos tambin sern pequeos. Cuando es
SBN: 978-980-7185-02-8 CA-32
grande se posibilita un recorrido mayor por el espacio,
lo que constituye un buscador global, pero encuentra el
ptimo con un mayor nmero de iteraciones.
Reinicio o Reagrupamiento del enjambre cuando se
detecta estancamiento [27], [28], [29].
Manejo de sub-enjambres y nichos para problemas
multimodales o distribuidos [30].
III-C. Versin estndar de PSO.
Despus de una dcada de trabajo e investigacin, en
la comunidad cientca y de ingeniera, surge la primera
estandarizacin de PSO, cuando en 2007 Bratton y Kennedy,
en [31], denen un estndar que fue diseado como una base
de comparacin o evaluacin para propuestas futuras y sus
implementaciones de software. Este trabajo extiende el PSO
original y comprende las mejores prcticas a la fecha de su
publicacin.
Para la denicin del estndar se toma como punto de
partida el modelo original con una de las modicaciones
incorporadas por Clerc y Kennedy en [32], dadas por las
ecuaciones 10 y 8, donde se omite el factor de peso de la
inercia. El proceso de actualizacin queda resumido en el
algoritmo 1,
Algoritmo 1 Proceso de actualizacin del PSO.
Para cada avance de tiempo t hacer {
Para cada partcula k hacer {
Calcular velocidad

v
t
(ec.10)
Actualizar posicin

x
t
(ec. 8)
Calcular aptitud f (

x
t
)
Actualiza

p
k
y

p
g
}
}
En base a lo anterior, la propuesta de estndar apunta
hacia cuatro puntos considerados de importancia en cualquier
aplicacin del algoritmo:
1. Topologa de Comunicacin del Enjambre. Se admite
que, en la prctica, la topologa lbest obtiene mejores
resultados que gbest al evaluar el enjambre sobre
problemas de cierta complejidad, sin embargo es la
menos empleada. La topologa gbest se debe preferir
nicamente en caso de que el factor ms importante
de evaluacin sea la velocidad de convergencia o el
nmero de evaluaciones frente al riesgo de convergencia
prematura.
2. Peso de Inercia y Constriccin. Se agrega un parmetro
nuevo , llamado peso de inercia, que reemplaza al
lmite absoluto de velocidad (V
max
), para ajustar la
inuencias de las velocidades previas en el proceso de
optimizacin. Adems, para el balance global y mejora
de las bsquedas locales, se adiciona otro parmetro ,
llamado factor de constriccin, que afecta globalmente
a la estimacin de velocidades futuras. Entonces, la
ecuacin de actualizacin de la velocidad queda como,
v
t+1
kd
= ( v
t
kd
+c
1
1
(p
t
kd
x
t
kd
) +
c
2
2
_
p
t
gd
x
t
kd
__
(11)
El parmetro de constriccin se deriva de las constantes
de la propia ecuacin de actualizacin segn la expresin
=
1
2
_
2
_
2
4
_
1
, =c
1
+c
2
(12)
Los autores encontraron que con < 4, el enjambre
segua una "espiral" hacia los alrededores de la mejor
solucin encontrada, pero sin garanta de convergencia,
mientras que para > 4 la convergencia ser rpida
y garantizada. Como c
1
y c
2
ponderan el efecto de
las creencias individual y social respectivamente, existe
una innita gama de posibilidades para la sintonizacin.
Sin embargo, la mayora de las implementaciones,
aparentemente por razones de simplicidad, emplean
c
1
= c
2
. Entonces, los autores concluyen que usando
= 4,1 para asegurar la convergencia, se obtienen los
siguientes valores: c
1
= c
2
= 2,05 y = 0,72984.
3. Inicializacin y Condiciones de Contorno. De las
mltiples evaluaciones realizadas a diversos problemas
de optimizacin y de la literatura a la fecha, la
recomendacin general es iniciar la posicin de las
partculas de una manera no uniforme en el espacio de
bsqueda.
4. Nmero de Partculas. En este punto los autores
concluyen que no pueden suministrar inequvocamente
una poblacin ptima para todas las situaciones,
enfatizando que este parmetro del algoritmo es
altamente dependiente del problema mismo. Exponen
que su poblacin promedio fue de 50 partculas, pero
que en pruebas realizadas en el rango [20 100], no se
apreciaron cambios relevantes en la precisin, salvo las
evidentes consecuencias en la carga computacional.
Finalmente, los autores insisten en advertir que esta nueva
denicin no puede ser considerada "la mejor opcin posible",
simplemente es una gua bsica para "no reinventar la rueda"
y establecer una base para el PSO moderno.
IV. AJUSTE DE PARMETROS DEL PID EMPLEANDO PSO
Los valores ptimos para los parmetros de los
controladores PID fueron encontrados utilizando el algoritmo
PSO. En las pruebas nales de los diseos se asegura que los
controladores obtenidos produjesen un sistema estable a lazo
cerrado.
La gura 4 muestra un esquema general del sistema de
sintonizacin propuesto.
IV-A. Seleccin de la estructura y parmetros del PSO
En este trabajo no se realiz una caracterizacin analtica
del problema de optimizacin que surge de la bsqueda de los
parmetros del controlador. En su lugar, el punto de inicio se
bas en las premisas expuestas por Kennedy y Eberhart [8]:
"... la sabidura emerge no se impone, emula a la naturaleza
en lugar de controlarla, y busca hacer las cosas ms simples
en lugar de ms complejas". En este sentido se opt por un
algoritmo de tipo estndar, completamente informado (gbest),
exible (capaz de congurarse de manera tabular) y de fcil
replicacin de existir necesidad de paralelizacin o manejo
SBN: 978-980-7185-02-8
CA-33
+
r
(t)
PID
e
(t)
PSO
K
c
, T
i
, T
d
G
(s)
u
(t)
y
(t)
Par. PSO
Func. Objetivo
Figura 4. Esquema general del sistema de sintonizacin propuesto.
de sub-enjambres. El tamao del enjambre inicial se j en
20 partculas (lmite inferior probado de convergencia para
problemas monomodales), con factores cognitivo, social y de
inercia estndares. Los lmites del espacio de bsqueda y
de las coordenadas iniciales de posicin, valores mximos
y mnimos permitidos para cada parmetro, se jaron en
valores 10 veces superior e inferior que el mximo mnimo
de los casos clsicos (lmsup
i
= 10 max (P
i
) , lminf
i
=
mn (P
i
) /10), donde P
i
representa a los parmetros de los
controladores ZN, Astrom IMC. Adems, de manera opcional
puede incorporarse manejo sigmoidal de la inercia y agregarse
individuos en los extremos del espacio de bsqueda (poblacin
bagre).
IV-B. Funcin Objetivo
Como se menciona con anterioridad, son varios los criterios
que se evalan; sin embargo, cabe destacar que el primer
objetivo que gua la bsqueda del enjambre se establece en
la integral del error cuadrtico (ISE), dado por la ecuacin 3.
IV-C. Criterios de Finalizacin
La nalizacin del algoritmo es de forma estndar, cuando
se cumpla alguno de los dos criterios bsicos: obtencin de
un valor de aptitud deseado, o se ha alcanzado el nmero de
iteraciones mximo de ejecucin sin mejoras en la evaluacin
de la funcin objetivo. El valor de aptitud deseado se j en
el 50 % del mejor de los casos clsicos y el nmero mximo
de iteraciones sin mejoras en 100, basado en que el algoritmo
ha alcanzado el objetivo o se ha "estancado". No obstante,
ambos parmetros son congurables al momento de inicio del
algoritmo.
IV-D. Implementacin
El sistema de sintonizacin de parmetros fue codicado
en Ada2005 (software libre, lenguaje de programacin tiempo
real, concurrente, orientado a objetos y estndar internacional).
La razn fundamental que motiv esta eleccin fue la
manera natural con que este lenguaje opera el paralelismo
y la comunicacin tiempo real entre tareas, haciendo
uso transparente de los recursos fsicos disponibles en la
plataforma de ejecucin.
Si bien en este reporte no se trata la versin paralela de
PSO, en cuanto a la existencia de nichos o sub-enjambres, la
concurrencia fue utilizada para determinar la estructura base
de las nuevas funciones de costo (aptitud) que se generan
cada vez que una partcula actualiza su posicin. Se plantea
una arquitectura escalable en funcin de la complejidad del
problema, cuya expansin se realiza nicamente en base a
la replicacin del cdigo en los nuevos dispositivos que se
adicionen a la plataforma, y que aquel sea capaz de utilizar
de manera eciente todos los recursos de clculo disponible,
exceptuando los Procesadores Grcos o GPU (Graphics
Processing Unit), los cuales no fueron abordados en este
estudio. Desde este punto de vista, una aplicacin nica,
repartindose el trabajo computacional, debe ejecutarse por
igual y sin modicaciones tanto en diferentes equipos, mono
o multiprocesador, as como en los diferentes ncleos de este
ltimo. No se imponen restricciones sobre las caractersticas
del material fsico que se suma al sistema, de tal manera que
de emplearse arreglos en red estos pueden ser heterogneos.
Dos textos excelentes que proporcionan una perspectiva
completa y detallada sobre estos temas se encuentran en [33]
y [34].
V. RESULTADOS Y COMPARACIONES
Los algoritmos fueron ejecutados 1000 veces, para cada
controlador, en un equipo 2xIntel Pentium P6100@2.0GHz,
con Ubuntu 11.04. Las estadsticas estn reejadas en la tabla
II.
Tabla II
ESTADSTICAS DE EJECUCIN.
Cont. Caso Iteraciones Tiempo (s)
PI Mejor 111 4.805
Promedio 118 5.164
Peor 126 5.448
PID Mejor 125 5.424
Promedio 135 5.913
Peor 170 7.364
La tabla III muestra los parmetros de todos los
controladores evaluados.
Tabla III
PARMETROS DE LOS CONTROLADORES.
Cont. Tipo
Parmetros
Kc T
i
T
d
PI ZN 13.6 0.47 0.0
Astrom 4.13 0.59 0.0
IMC 3.72 1.1 0.0
PSO 8.55 2.2 0.0
PID ZN 18.1 0.28 0.07
IMC 1.79 1.0 0.22
PSO 23.77 0.56 0.44
Los ndices de rendimiento para el modelo con los valores
propuestos se encuentran en la tabla IV. En el caso de PSO
el criterio de optimizacin empleado fue ISE.
Como se observa en la tabla IV el mejor ndice de
desempeo lo alcanza el controlador PSO-PID, seguido de
IMC-PID. Por su parte, PSO-PI es el mejor dentro de su clase.
Naturalmente la comparacin no es del todo directa, en tanto
los objetivos de los otros controladores no es el mismo.
SBN: 978-980-7185-02-8 CA-34
Tabla IV
NDICES DE RENDIMIENTO
Cont. Tipo
Criterios
ISE ITSE IAE ITAE
PI ZN 0.76398 1.026100 1.72995 3.84012
Astrom 0.30678 0.093316 0.57999 0.37803
IMC 0.27817 0.052991 0.45066 0.19438
PSO 0.21914 0.050561 0.47166 0.39790
PID ZN 0.15577 0.036395 0.34651 0.16276
IMC 0.05234 0.001888 0.09111 0.02009
PSO 0.03934 0.001996 0.10026 0.04330
El desenvolvimiento del algoritmo para encontrar el valor
ptimo de K
c
se muestra en gura 5, donde se indica parte de
la trayectoria de la coordenada que representa ese parmetro
para el mejor global del enjambre.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
22.5
23.0
23.5
24.0
24.5
25.0
25.5
26.0
26.5
27.0
27.5
Iteraciones
K
c
K
c
Figura 5. Trayectoria de Kc
Las respuestas temporales para los diferentes lazos cerrados
se aprecian en la gura 6.
0 0.5 1 1.5 2 2.5 3
0
0.25
0.50
0.75
1.00
1.25
1.50
1.75
2.00
Tiempo (s)
A
m
p
l
i
t
u
d
ZN-PI
ZN-PID
AS-PI
IMC-PI
IMC-PID
PSO-PI
PSO-PID
Figura 6. Respuestas comparativas al escaln.
Como se observa en la gura 6 el peor comportamiento
temporal lo produce el controlador ZN-PI. Los dos
controladores IMC proporcionan excelentes respuestas
temporales, donde IMC-PID disminuye el tiempo de
respuesta. El controlador PSO-PI, como se menciona
con anterioridad, es efectivamente el mejor de su clase.
Finalmente, PSO-PID termina siendo un controlador agresivo,
de buen ndice de rendimiento, pero con una respuesta
sub-amortiguada y rpido tiempo de elevacin.
Para mejorar la respuesta temporal de los controladores
PSOs, se introdujo, en el cdigo del algoritmo, restriccin a la
seal de salida. El mecanismo empleado fue la incorporacin
de un factor de olvido binario a la memoria de las partculas. Si
durante el vuelo una partcula alcanza un ndice de desempeo
mejorado con respecto a sus posiciones anteriores, o a la de
sus vecinas, pero viola la restriccin impuesta en cuanto a la
magnitud de la seal de salida estimada, entonces simplemente
olvida esta posicin y la informacin personal, tanto como
la global del enjambre, no se ve alterada. Las tablas V,
VI y VII muestran las estadsticas de ejecucin, los nuevos
controladores y los ndices de desempeo, respectivamente.
Tabla V
ESTADSTICAS DE EJECUCIN CON RESTRICCIONES.
Cont. Caso Iteraciones Tiempo (s)
PI Mejor 140 6.168
Promedio 185 8.206
Peor 364 16.011
PID Mejor 202 8.560
Promedio 273 12.061
Peor 609 26.728
Tabla VI
PARMETROS DE LOS CONTROLADORES CON RESTRICCIONES.
Tipo Cont.
Parmetros
Kc T
i
T
d
PSO PI 4.51788 2.2 0.0
PID 14.52450 1.4 0.344
Tabla VII
NDICES DE RENDIMIENTO PARA SISTEMA CON RESTRICCIONES.
Tipo Cont.
Criterios
ISE ITSE IAE ITAE
PSO PI 0.258942 0.056991 0.53276 0.60510
PID 0.048408 0.002291 0.10988 0.03455
Como era de esperar, los ndices de desempeo mostraron
un leve deterioro con respecto a los controladores sin
restricciones. Pruebas adicionales realizadas en nuestra
investigacin, y no reportadas en este texto, muestran que PSO
puede cambiar fcilmente su funcin de costo para reejar
criterios temporales (tiempo de elevacin, asentamiento,
amplitud de sobre pico, etc.) e incluso trabajar en forma de
objetivos mltiples.
La gura 7 muestra parte de la trayectoria de Kc.
Se observa que despus de 100 iteraciones el algoritmo no
ha llegado a la solucin ptima. Sin embargo, el valor logrado
alrededor de la iteracin 50 es sucientemente adecuado para
cumplir con el objetivo.
Las respuestas temporales del sistema con restricciones
se observan en la gura 8. A manera de comparacin se
conservaron la seal de los IMC anteriores.
VI. CONCLUSIONES.
Los resultados mostrados conrman la efectividad del
empleo de PSO para sintonizar los parmetros del PID. Los
CA-28
SBN: 978-980-7185-02-8
CA-35
8
0 13 26 39 52 65 78 91 104
14.0
14.25
14.5
14.75
15.0
15.25
15.5
15.75
16.0
16.25
Iteraciones
K
c
Figura 7. Trayectoria de Kc en sistema con restricciones.
0 0.5 1 1.5 2 2.5 3
0
0.25
0.50
0.75
1.00
1.25
Tiempo (s)
A
m
p
l
i
t
u
d
IMC-PI
IMC-PID
PSO-PI
PSO-PID
Figura 8. Respuestas comparativas al escaln (Sistemas con restricciones).
criterios integrales son siempre menores que los logrados
con los mtodos clsicos indicando un mejor desempeo
en relacin con el objetivo de optimizacin. El manejo de
restricciones es de muy fcil inclusin en el algoritmo, sin
complicaciones analticas. Aunque no expuesto directamente
en este trabajo, la estructura del algoritmo y su codicacin
permiten una fcil expansin para problemas de mayor
dimensin, como la incorporacin de ltros en la accin
derivativa u otro tipo de controlador.
[1] V. Alfaro y R. Vilanova. Sintonizacin de los controladores PID
de 2GdL: desempeo, robustez y fragilidad. En XIV Congreso
Latinoamericano de Control Automtico. Agosto 2010.
[2] K. J. Astrom y R. M. Murray. Feedback Systems. An Introduction
for Scientists and Engineers. Princeton University Press, 2008.
[3] K. Astrom y T. Hagglund. The future of PID control. Control
Engineering Practice, vol. 9, 2001.
[4] J. Ziegler y N. Nichols. Optimum Settings for Automatic
Controllers. Transactions of the A.S.M.E., 1942.
[5] A. ODwyer. Handbook of PI and PID Controller Tuning Rules.
Imperial College Press, 2006.
[6] W. Tan, y otros. Comparison of some well-known PID tuning
formulas. Computers and Chemical Engineering, 2006.
[7] O. Altinoz, A. Yilmaz, y G. Weber. Application of Chaos
Embedded Particle Swarm Optimization for PID Parameter
Tuning. International Journal of Computers, Communication and
Control, Noviembre 2008.
[8] J. Kennedy y R. Eberhart. Particle swarm optimization. En IEEE
International Conference on Neural Networks, pgs. 19421948. 1995.
[9] N. Pillay. A Particle Swarm Optimization Approach for Tuning
of SISO PID Control Loops. Tesis de Maestra, Departament of
Electronic Engineering, 2008.
[10] K. Astrom y T. Hagglun. Automatic Tuning of PID Controllers.
Instrument Society of America, 1988.
[11] S. Skogestad. Probably the best simple PID tuning rules in the
world, 2001.
[12] J. Kennedy, R. Eberhart, y Y. Shi. Swarm Intelligence. Academic
Press, 2001.
[13] A. Cervantes. Clasicacin mediante Enjambre de Prototipos. Tesis
de Doctorado, Departamento de Informtica. Universidad Carlos III de
Madrid, 2009.
[14] J. Kennedy y R. Mendes. Population Structure and Particle Swarm
Performanc. IEEE Computer Society, 2002.
[15] R. Mendes, J. Kennedy, y J. Neves. Watch Thy Neigbor Or How the
Swarm Can Learn From Its Enviroments. IEEE Computer Society,
2003.
[16] J. Kennedy y R. Mendes. Neighborhood Topologies in
Fully-Informed and Best-Of-Neighborhood Particle Swarms. IEEE
Computer Society, 2003.
[17] A. Mohais, y otros. Neighborhood Re-Structuring in Particle Swarm
Optimization. Australian Joint Conference on Articial Intelligence.,
2005.
[18] C. Bastos-Filho, y otros. Multi-Ring Particle Swarm Optimization.
En Evolutionary Computation. I-Tech, Octubre 2009.
[19] X. Hu y R. Eberhart. Multiobjective Optimization Using Dynamic
Neighborhood Particle Swarm OptimizationX. IEEE Computer
Society, 2002.
[20] C. Coello, G. Toscano, y M. Salazar. Handling multiple objectives
with particle swarm optimization. En In Proceedings of Twelfth
International Conference on Machine Learning, pgs. 115123. 2004.
[21] R. Mendes. Population Topologies and Their Infuence in Particle
Swarm Performance. Tesis de Doctorado, Departamento de Informtica
Escola de Engenharia Universidade do Minho, 2004.
[22] D. Sedighizadeh y E. Masehian. Particle Swarm Optimization
Methods, Taxonomy and Applications. International Journal of
Computer Theory and Engineering, vol. 1(5), Diciembre 1999.
[23] Y. Shi y R. Eberhart. Parameter Selection in Particle Swarm
Optimization, 1998.
[24] R. Eberhart y Y. Shi. Particle Swarm Optimization: Developments,
Applications and Resources. IEEE, 2001.
[25] M. Hvass. Tuning & Simplifying Heuristical Optimization. Tesis de
Doctorado, School of Engineering Sciences. University of Southampton,
Enero 2010.
[26] X. Hu, Y. Shi, y R. Eberhart. Recent Advances in Particle SwarmR.
IEEE, 2004.
[27] M. Clerc. Stagnation Analysis in Particle Swarm Optimisation or
What Happens When Nothing Happens, 2006.
[28] R. Poli y D. Broomhead. Exact Analysis of the Sampling Distribution
for the Canonical Particle Swarm Optimiser and its Convergence
during Stagnation. En Proceedings of 9th annual conference on
Genetic and evolutionary computation, pgs. 134141. 2007.
[29] G. Evers. An Automatic Regrouping Mechanism To Deal with
Stagnation in Particle Swarm Optimization. Tesis de Maestra,
Graduate School of the University of Texas-Pan American, 2009.
[30] A. Passaro. Niching in Particle Swarm Optimization. Tesis
de Doctorado, Scuola di Dottorato Galileo Galilei. Dipartimento di
Informatica. Universita di Pisa, 2007.
[31] D. Bratton y J. Kennedy. Dening a Standard for Particle Swarm
Optimization. Proceedings of the 2007 IEEE, 2007.
[32] M. Clerc y J. Kennedy. The Particle Swarm Explosion, Stability,
and Convergence in a Multidimensional Complex Space. IEEE
Transactions on Evolutionary Computation, vol. 6(1), Febrero 2002.
[33] A. Burns y A. Wellings. Concurrent and Real-Time Programming
in Ada 2005. Cambridge University Press, 2007.
[34] J. McCormick, F. Singhoff, y J. Hugues. Building parallel, embedded,
and real-time applications with Ada. Cambridge University Press,
2011.
SBN: 978-980-7185-02-8 CA-36
Control Adaptativo por Modelo de Referencia de un
Sistema de Levitacin Magntica
Margarita Heraoui, Luis Parraguez y Jos E. Rengel
ResumenLos sistemas de levitacin magntica han sido
estudiados profusamente porque su inestabilidad y no linealidad
constituyen caractersticas desaantes para la ingeniera de
control. Por esto, es usado frecuentemente en la literatura como
referencia para validar diferentes esquemas de control. En este
trabajo se propone controlar un levitador mediante un esquema
de control adaptativo por modelo de referencia o MRAC (Model
Reference Adaptive Control), con ganancia de adaptacin variable.
Primero se presentan los procedimientos para la linealizacin del
modelo y el diseo del compensador de estabilizacin. Se acomete
el anlisis del rango de validez del modelo lineal. Luego, se disea
clsicamente el controlador MRAC y se propone un esquema
para la determinacin de la ganancia de adaptacin como funcin
de la referencia. Finalmente se presentan los resultados de las
simulaciones sobre el sistema no lineal e inestable, mostrando
que la propuesta conduce a un desempeo adecuado.
Palabras ClavesControl Adaptativo por Modelo de
Referencia, Linealizacin, Levitacin Magntica, Sistemas no
Lineales
I. INTRODUCCIN
La levitacin magntica es un fenmeno fsico de amplia
aplicacin industrial. Ha llegado a tal punto el conocimiento y
aprovechamiento tecnolgico de su principio, que ya existen
en varios pases sistemas de transporte pblico masivo basados
en su fundamento.
La levitacin magntica consiste en mantener objetos
suspendidos sin existir contacto mecnico gracias a la fuerza
magntica. Este proceso es por naturaleza inestable y no lineal,
esto hace que el control de estos sistemas sea altamente
desaante. Adems, se hace obligatoria la utilizacin del
control en lazo cerrado para mantener la levitacin.
El principal inters para la utilizacin de la levitacin
magntica en ingeniera aplicada radica en que son sistemas
sin contacto, por lo que no requieren lubricantes, y su costo
de mantenimiento es muy bajo. Esta falta de contacto y la
no necesidad de lubricantes hacen de esta tecnologa la ideal
para trabajar en entornos industriales en que son necesarias
atmsferas libres de polucin.
En el mbito de la investigacin existen gran variedad de
trabajos relacionados con el control de levitadores magnticos,
se aplican en ellos diferentes tcnicas de control, desde control
clsico [1], hasta control lineal robusto [2], pasando por
control por ganancia programada [3], control difuso [4], [5],
control mediante linealizacin por realimentacin [6], control
Artculo recibido el 27 de Diciembre de 2011.
M.H., L.P. y J.R. estn con la Universidad de Oriente, Va
Alterna, Barcelona. Puerto La Cruz. Estado Anzotegui, Venezuela,
Tlf. +58-281-4203330, E-mail: mheraoui@gmail.com, parraguezl@cantv.net,
rengel66@gmail.com
por redes neuronales [7], [8] o control en modo deslizante
[9], [10]. La mayor parte de estos trabajos explican las
propiedades y ventajas del controlador bajo estudio realizando
una comparacin exclusivamente con un nico controlador,
habitualmente un controlador Proporcional-Integral-Derivativo
(PID).
En este trabajo se presenta una nueva alternativa de
control constituida por el Control Adaptativo por Modelo de
Referencia [11], [12] con ganancia de adaptacin variable.
Dado que el sistema a controlar es no lineal e inestable,
previamente se realiza su linealizacin alrededor de un punto
de equilibrio y se disea un compensador de estabilizacin. Se
efecta un estudio detallado de la estructura del compensador
de estabilizacin y se determina su rango de aplicabilidad.
As como tambin se analiza el rango de validez del modelo
lineal. Luego, se disea el controlador MRAC de manera
clsica, empleando la regla del MIT (Massachussets Institute
of Technology) y se plantea un esquema para la obtencin
de la ganancia de adaptacin como funcin de la amplitud
de la variacin de la referencia, para garantizar la estabilidad
del lazo cerrado. Finalmente se presentan los resultados de
las simulaciones sobre el sistema de levitacin no lineal e
inestable, mostrando que la propuesta conduce a un desempeo
adecuado.
II. MODELO MATEMTICO DEL SISTEMA
En el estudio de los sistemas de control el primer paso
siempre debe ser la obtencin de un modelo matemtico
que describa la dinmica del sistema. Se dene el modelo
matemtico de un sistema dinmico como un conjunto de
ecuaciones que representan la dinmica del sistema incluyendo
las principales caractersticas.
Al obtener un modelo matemtico existe un compromiso
entre la simplicidad del mismo y la precisin de los resultados,
esto se debe principalmente a que utilizando un modelo
simplicado estamos ignorando ciertas propiedades fsicas
inherentes al sistema. Pero en una primera aproximacin es
preferible utilizar un modelo simplicado para obtener de
una manera ms sencilla una idea general sobre la solucin,
y seguidamente aumentar la complejidad del sistema si
fuese necesario. Para realizar mtodos de control clsico es
preferible tener descrito el modelo matemtico representado
como funcin de transferencia, mientras que para el resto de
mtodos de control clsico y para mtodos de control no lineal
es preferible tener el modelo matemtico representado en el
espacio de estados.
En la gura 1 se muestra un sistema de levitacin magntica
que permite mantener suspendida en el aire una esfera metlica
de masa m.
+
v
(t)
R
L
mg
f
m
i
(t)
x
Figura 1. Sistema de Levitacin Magntica.
II-A. Modelo bsico [11]
Las ecuaciones que describen el modelo son:
V
R
(t) +V
L
(t) = v (t) (1)
F
G
(t) F
M
(t) = F
N
(t) (2)
donde:
V
R
(t): Voltaje en la resistencia.
V
L
(t): Voltaje en la inductancia.
v (t): Voltaje de la fuente.
F
G
(t): Fuerza de gravedad.
F
M
(t): Fuerza magntica ejercida por el electroimn
sobre la esfera.
F
N
(t): Fuerza neta ejercida sobre la esfera.
Entonces, realizando las substituciones apropiadas, las
ecuaciones diferenciales que describen la dinmica del modelo
quedan expresadas como:
Ri (t) +L
di (t)
dt
= v (t) (3)
mg
c i
2
(t)
x
2
(t)
= m
d
2
x(t)
dt
2
(4)
donde:
L inductancia de electroimn.
R resistencia limitadora de corriente.
i (t) corriente del circuito elctrico.
v (t)tensin aplicada al circuito.
m masa de la esfera.
x distancia entre el centro de masa de la esfera y el
extremo inferior del electroimn.
g aceleracin de gravedad; y
c constante supuesta conocida.
El sistema, caracterizado por las ecuaciones 3 y 4, puede
representarse mediante ecuaciones diferenciales de primer
orden en variables de estado, para lo cual deben denirse estas
ltimas. Se seleccionan las variables de estado y la de control
como se muestra en la tabla I.
Tabla I
Variables de estado y control
x
1
= x distancia
x
2
= x velocidad
x
3
= i corriente
u = v (t) tensin
observe que x
1
= x
2
y x
2
= x.
Con esta asignacin, el sistema queda expresado como:
Rx
3
+L x
3
= u (5)
mg
cx
2
3
x
2
1
= m x
2
(6)
Reordenando, para resaltar la naturaleza del sistema de
ecuaciones diferenciales de primer orden, y tomado como
salida la distancia que separa la esfera del electroimn, el
sistema queda descrito por el siguiente conjunto de ecuaciones:
x
1
= x
2
(7)
x
2
= g
c
m
x
2
3
x
2
1
(8)
x
3
=
R
L
x
3
+
1
L
u (9)
y = x
1
(10)
III. LINEALIZACIN DEL SISTEMA DE LEVITACIN
Mediante la linealizacin se realiza una aproximacin
de la dinmica del sistema alrededor de un punto. Para
sistemas de una entrada y una salida o SISO (Single-Input
and Single-Output) se puede escribir este sistema linealizado
tanto en formato funcin de transferencia, como en formato
ecuaciones de estado linealizadas. El enfoque aqu adoptado
est basado fundamentalmente en [13].
Los puntos de equilibrio del sistema ocurren cuando ha
desaparecido la dinmica asociada a los estados, y se obtienen
igualando a cero las ecuaciones diferenciales, con una variable
de control constante (u = U).
En virtud de lo expuesto, los puntos de equilibrio pueden
obtenerse como una parametrizacin del valor deseado de la
distancia (x
1
= X). De esta manera, por denicin como
parmetro de diseo
x
1
= x
1
(X) = X (11)
Desde la ecuacin 7
x
2
= x
2
(X) = 0 (12)
Ahora, desde la ecuacin 8 ( x
2
= 0) e incorporando la
expresin 11, obtenemos
g
c
m
x
2
3
X
2
= 0 x
3
=
_
mgX
2
c
(13)
SBN: 978-980-7185-02-8 CA-38
Desde la ecuacin 9 ( x
3
= 0) e incorporando la expresin
13 y la condicin de equilibrio de la variable de control,
obtenemos
R
L
_
mgX
2
c
+
1
L
U = 0 U = R
_
mgX
2
c
(14)
Es decir, el punto de equilibrio est formado por:
X
1
(X) = X
X
2
(X) = 0
X
3
(X) =
_
mgX
2
c
U (X) = R
_
mgX
2
c
(15)
Considerando el caso general de un sistema no lineal, de
una entrada y una salida:
x(t) = f (x(t) , u(t)) , x(t
0
) = x
0
(16)
y (t) = h(x(t)) (17)
cuyos puntos de equilibrio son constantes y estn dados por
(U, X, Y ), podemos reescribir esta expresin en trminos de
la ecuacin integral equivalente
x(t) = x(t
0
) +
t
_
t0
f (x(t) , u(t)) d (18)
y (t) = h
_
_
x(t
0
) +
t
_
t0
f (x(t) , u(t)) d
_
_
(19)
Considerando "perturbaciones signicativas", pero
pequeas, alrededor del estado inicial de equilibrio y
de la funcin de entrada de equilibrio, descritas como
x(t
0
) = x
0
+x
(t) = X +x
(t) (20)
u(t) = U +u
(t) (21)
Estas perturbaciones producirn cambios en el estado
constante del sistema x(t) = X, as como en la salida. De esta
manera, el estado perturbado y la salida perturbada quedarn
expresados como
x(t)=X +x
0
+
t
_
t0
f (X +x
(t) , U +u
) d (22)
y (t)=h(X +x
(t)) (23)
Entonces, el estado perturbado y la salida perturbada quedan
denidas como:
x
(t) = x(t) X (24)

= x
0
+
t
_
t0
f (X +x
(t) , U +u
) d
y
(t) = y (t) Y (25)

= h(X +x
(t)) h(X)
Desarrollando una expansin en series de Taylor, alrededor
del punto de equilibrio, de las funciones perturbadas, se
obtiene
t
_
t0
f (X+x
(t) , U+u
) d = f (X, U) + (26)
f
x
(X,U)
x
(t) +
f
u
(X,U)
u
(t) +
+TOS (27)
h(X +x
(t)) = h(X) +
h
x
X
x
(t) +(28)
+TOS
donde TOS indica Trminos de Orden Superior.
Tomando en cuenta que f (X, U) = 0, por denicin del
punto de equilibrio, el estado perturbado y la salida perturbada
quedan como:
x
(t) = x
0
+
_
t
t0
_
f
x
(X,U)
x
(t) + (29)
f
u
(X,U)
u
(t) + +TOS
_
d
y
(t) =
h
x
X
x
(t) + +TOS (30)

Truncando la serie de Taylor, al despreciar los trminos de
orden superior, el sistema queda como:
x
(t) x
0
+
_
t
t0
_
f
x
(X,U)
x
(t) + (31)
f
u
(X,U)
u
(t)
_
d
y
(t)
h
x
X
x
(t) (32)
Designando
A =
f
x
(X,U)
B =
f
u
(X,U)
C =
h
x
X
(33)
como matrices jacobianas nx n, nx 1 y 1 x n respectivamente,
se obtiene:
x
(t) x
0
+
_
t
t0
[Ax
(t) +Bu
(t)] d (34)
y
(t) Cx
(t) (35)
Finalmente, derivando la ecuacin 34 con respecto al
tiempo, la aproximacin lineal del sistema no lineal perturbado
en las cercanas de un punto de equilibrio (X, U, Y ), est dado
por:
x
(t) = Ax
(t) +Bu
(t) ; x
(t
0
) = x
0
(36)
y
(t) = Cx
(t) (37)
El caso que nos ocupa (ecuaciones 7,8,9 y 10) es un sistema
de tercer orden, con puntos de equilibrio dado por la expresin
SBN: 978-980-7185-02-8 CA-39
15, por lo que las matrices quedarn expresadas por
A =
f
x
(X,U)
(38)
=
_
_
0 1 0
2 g
X
0 2
_
cg
mX
2
0 0
R
L
_
_
B =
f
u
(X,U)
(39)
=
_
_
0
0
1
L
_
_
C =
h
x
X
(40)
=
_
1 0 0
Substituyendo estas expresiones en la ecuacin 36 se

obtiene:
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
2 g
X
0 2
_
cg
mX
2
0 0
R
L
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
1
L
_
_
u
(41)
y
(t)=
_
1 0 0
_
_
x
1
x
2
x
3
_
_
III-A. Estabilidad.
Se determina la estabilidad del sistema mediante los
autovalores de la matriz A del sistema, alrededor del origen
(x
= 0) y cuando la variable de control incremental es cero

(u
= 0). Estos se obtienen a partir de las races del polinomio

caracterstico
p
A
(s) = |sI A| (42)
=
_
s +
R
L
__
s
2
2 g
X
_
Haciendo p
A
(s) = 0 y resolviendo para s arribamos a:
_
s =
_
2 g
X
, s =
_
2 g
X
, s =
R
L
_
(43)
Como se aprecia en la gura 2, el sistema es inestable por
el polo ubicado en s =
_
2 g
X
, el cual origina un exponencial
creciente.
g
X
g
X
R
L
Re
Im
Figura 2. Polos del sistema linealizado a lazo abierto
III-B. Controlabilidad.
La controlabilidad est expresada en la matriz:
C =
_
B : AB : : A
n1
B
(44)
Como el sistema es de tercer orden, entonces
C =
_
B : AB : A
2
B
(45)
=
_
_
0
0
1
L
0
2
_
cg
mX
R
L
2
2
L
_
cg
mX
2
2
R
L
2
_
cg
mX
2
R
2
L
3
_
_
Dado que el determinante de la matriz de controlabilidad es
distinto de cero (|C| = 0), se puede armar que el sistema es
controlable:
|C| =
_
_
0
0
1
L
0
2
_
cg
mX
2
R
L
2
2
L
_
cg
mX
2
2
R
L
2
_
cg
mX
2
R
2
L
3
_
_
(46)
=
4cg
mL
3
X
2
El rango de la matriz de controlabilidad, es decir, el orden
del mayor subdeterminante no singular, informar sobre el
grado de independencia lineal del sistema. Para este caso, y
como el determinante es distinto de cero:
rang (C) = dim[Imag (C)] (47)
= 3
Como la matriz de controlabilidad es de rango completo, se
puede armar que el sistema es completamente controlable.
IV. DISEO DEL CONTROL.
Como el sistema es inestable, pero su aproximacin lineal
es completamente controlable, el diseo del control se divide
en dos partes: (a) una para estabilizar el sistema, forzando
a que los polos de lazo cerrado se ubiquen en el semiplano
izquierdo del plano s; y (b) otra para posicionar la esfera a
una distancia deseada del electroimn, siguiendo una dinmica
deseada dada por el modelo de referencia.
IV-A. Compensador para estabilidad.
Se decide emplear para efectos de estabilizacin, al igual
que en [11], un compensador en adelanto, con estructura
G
c
(s) = K
c
s +z
1
s +p
1
(48)
donde K
c
= 89, z
1
= 25 y p
1
= 300 (datos tomados
desde [11]).
En efecto, como se demuestra ms adelante, este tipo de
compensador alcanza la estabilidad del sistema, siempre que
se cumplan algunos requisitos que restringen la ganancia y
ubicacin del cero y del polo.
SBN: 978-980-7185-02-8 CA-40
IV-B. Control adaptativo por modelo de referencia.
Un esquema importante de control adaptativo es el sistema
adaptable basado en un modelo de referencia (MRAC). En este
esquema de control el funcionamiento deseado se especica
mediante un modelo y los parmetros del controlador se
ajustan basados en el error, el cual es la diferencia entre la
salida del sistema en lazo cerrado y la del modelo, ver gura
3.
r(t)
Se nal de
referencia
Controlador
Se nal de
Control
u(t)
Planta
Mecanismo
de Ajuste
Parametros
del
Controlador
y(t)
+
e(t)
Error
Modelo de Referencia
y
m
(t)
Figura 3. Diagrama de Bloques Clsico del MRAC.
El mecanismo para el ajuste de los parmetros se puede
hacer de diferentes maneras [14]. La regla del MIT [15] es el
enfoque original para el control adaptable basado en el modelo
de referencia.
Considrese un sistema de lazo cerrado en el cual el
controlador tiene un parmetro ajustable . La respuesta
deseada en lazo cerrado se especica mediante un modelo que
tiene la salida y
m
. Sea e = y y
m
el error entre la salida del
sistema de lazo cerrado y la salida del modelo. Una posibilidad
es ajustar los parmetros de una manera tal que se minimice
una funcin de costo, ecuacin 49.
J () =
1
2
e
2
=
1
2
(y y
m
)
2
(49)
Para minimizar J () es razonable cambiar los parmetros
en la direccin del gradiente negativo de J, como se muestra
en la ecuacin 50, la cual es conocida como la regla del MIT.
d
d t
=
J

= e
e

(50)
Donde , o ganancia de adaptacin, determina la velocidad
de adaptacin del controlador y
e
/ es la sensibilidad
derivativa, es decir, la sensibilidad del error con respecto a
los parmetros .
IV-C. Aplicacin de la regla de MIT
Una de las aplicaciones ms conocidas de la regla MIT en el
control adaptativo son los sistemas con ganancia adaptativa
prealimentada, ver gura 4. En este caso se asume que el
proceso es lineal con una funcin de transferencia K G(s), y
el modelo de referencia de escoge G
m
(s) = K
0
G(s), donde
K
0
es una constante dada.
El error es reformulado en trminos de las funciones de
transferencia, lo que permite expresarlo como una funcin del
parmetro , de acuerdo con la ecuacin 51
r

KG(s)
Proceso
y
s
Adaptacion
K
0
G(s)
Modelo

u
+
y
m
Figura 4. MRAC con ganancia adaptativa prealimentada.

e = y y
m
(51)
= K GU K
0
GR
= K G R K
0
GR
De manera anloga, planteando la sensibilidad derivativa en
trminos de la salida del modelo, se obtiene
e

= K GR =
K
K
0
y
m
(52)
Ahora la regla MIT estar dada por la siguiente ley de
adaptacin:
d
d t
=
K
K
0
y
m
e = y
m
e (53)
donde =
K/K
0
.
La funcin de transferencia G(s) debe ser estable, por lo
tanto, en el caso de este estudio, corresponde al sistema de
levitacin compensado.
IV-D. Simulacin del sistema con MRAC.
Para efectos de simulacin se precedi de forma anloga a
la descrita en el punto 6 del trabajo [11]. Se seleccion como
modelo de referencia el sistema que se muestra en la Figura
5.
r
100
s(s+5)
y
m
+
Figura 5. Modelo de Referencia.

Los otros parmetros para la simulacin se tomaron de la
pgina 9 de [11] y se exponen en la tabla II.
Con los datos anteriores, se determinaron las condiciones
iniciales cuando X
1
= X = 0,02. Desde la ecuacin 15
X
1
(X) = X = 0,02
X
2
(X) = X
2
(X) = 0
X
3
(X) =
mgX
2
c
= 8,944 10
3
U (X) = R
mgX
2
c
= 8,944 10
2
(54)
SBN: 978-980-7185-02-8 CA-41
Tabla II
PARMETROS DEL SISTEMA
Parmetro Valor
X 0,02 m
c 0,5
m 0,01 kg
R 10
L 0,2 H
g 10
m
/s
2
El esquema completo de la simulacin se muestra en la
gura 6.
r

+
K
c
s+z
1
s+p
1
Compensador
Linealizacion
Aproximada
Planta
y
s
Adaptacion
100
s(s+5)
Modelo
+
y
m
Figura 6. Esquema de simulacin empleado.

Se probaron cuatro valores para el parmetro =
{0,1, 0,144, 0,2, 0,75} y se obtuvieron las respuestas a un
escaln de amplitud 2.5, mostradas en la Figura 7. A medida
que crece, aumenta la velocidad de convergencia.
0 0.5 1 1.5 2 2.5 3
0
0.5
1
1.5
2
2.5
3
3.5
4
Tiempo (s)
A
m
p
l
i
t
u
d
Modelo
= 0.1
= 0.144
= 0.2
= 0.75
Figura 7. Inuencia del parmetro en la respuesta del sistema
IV-E. Simulacin sobre modelo real.
Todas las pruebas hechas en la primera parte del trabajo
fueron sobre el modelo linealizado y que este debe trabajar de
manera aceptable en las vecindades del punto de equilibrio.
Sin embargo, como el control operar sobre la planta fsica,
es recomendable emplear el modelo real del proceso.
Bajo la premisa anterior, el sistema linealizado
aproximadamente fue substituido por el conjunto de
ecuaciones diferenciales originales. Observando la ecuacin
8, del modelo real en ecuaciones diferenciales, se aprecia
que este es invlido cuando x
1
= 0 (distancia). Por tanto, es
interesante estudiar la respuesta del sistema cuando la esfera
opera muy cerca del electroimn. En particular, la estabilidad
del sistema es complicada de determinar en forma analtica.
Sin embargo, si se pone el sistema completo en forma de una
funcin de transferencia linealizada, empleando evaluacin
numrica es posible encontrar algunas referencias tiles para
la estabilidad global.
El sistema de ecuaciones que describen a la Planta
(ecuaciones 55, 56 y 57), Controlador (ecuacin 58),
Adaptador (ecuacin 59) y Planta Modelo (ecuaciones 60 y
61) lo podemos expresar como:
x
1
= x
2
(55)
x
2
= x
3
(56)
x
3
=
2 g x1 R
LX
+
2 g x2
X

x3 R
L
(57)
2
c g
m
(Kc (r(t) x5x1)+x4)
LX
x
4
= Kc (r (t) x
5
x1) (z p) p x
4
(58)
x
5
= (x
1
x
6
) x
6
(59)
x
6
= x
7
(60)
x
7
= 5 x
7
+ 100 x
6
+ 100 r (t) (61)
La linealizacin aproximada, empleando Jacobianos
evaluados en el punto de equilibrio, se expresa como:
Ac =
_
_
0 1 0 0
0 0 1 0
2 g R
LX
+
2 Kc
c g
m
LX
2 g
X
R
L
2
c g
m
LX
Kc (z p) 0 0 p
X 0 0 0
0 0 0 0
0 0 0 0
0 0 0
0 0 0
2 Kc
c g
m
L
0 0
Kc (z p) X 0 0
0 X 0
0 0 1
0 100 5
_
_
(62)
Bc =
_
0 0 0 0 0 0 100
T
(63)
Cc =
_
1 0 0 0 0 0 0
(64)
SBN: 978-980-7185-02-8 CA-42
donde la funcin de transferencia queda como:
Y (s)
R(s)
=
1
L
c g
m
(200 Kc z+200 Kc s) X
s
7
+a6 s
6
+a5 s
5
+a4 s
4
+a3 s
3
+a2 s
2
+a1 s
1
+a0
(65)
donde:
a
6
=
R
L
+p + 5 (66)
a
5
=
_
5
_
R
L
+p + 20
_
+
p R
L
_
2 g
X
(67)
a
4
= 5
__
20
_
R
L
+p
_
+
p R
L
_
2 g
X
_
2
X
_
g R+Kc
c g
m
L
+g p
_
(68)
a
3
= 2
_
5
_
10
_
2 g
X

p R
L
_
+
g (
R
L
+p)
X
_
X(Kc
c g
m
(+
z+5
X
2
)+
g p R
X
2
)
L
_
(69)
a
2
= 2 X
_
Kc
c g
m
(z +5 (+
z+20
X
2
))
L
+
5 g (20 (
R
L
+p)+
p R
L
)
X
2
_
(70)
a
1
=
10 X(Kc
c g
m
(z +20 (+
z
X
2
))+
20 g p R
X
2
)
L
(71)
a
0
=
200 Kc
c g
m
z X
L
(72)
y queda de maniesto la inuencia, adems de los parmetros
propios del levitador, el punto de equilibrio deseado (X), la
ganancia adaptativa () y los parmetros del controlador de
estabilizacin (K
c
, z, p).
Para estudiar la estabilidad del sistema se obtuvieron las
inecuaciones del determinante Hurwitz. La solucin analtica
es extremadamente larga y casi imposible de interpretar,
incluso con herramientas computacionales. La evaluacin
numrica de la interseccin de los determinantes Hurwitz
de estabilidad, empleando el compensador de estabilizacin
anterior (ecuacin 48), = 0,144 y en funcin de X,
produce el intervalo X (0,0058976, 1,154338) como
solucin. Por tanto, la referencia empleada en la simulacin
realizada con anterioridad (r = 2,5) deja al sistema real en
una condicin inestable, cuando el controlador es el propuesto
(Kc = 89, z = 25, p = 300) y el modelo se ha linealizado
alrededor de X = 0,02.
Resulta claro que este controlador no slo es inapropiado
para distancias muy pequeas, sino que tambin lo es para
distancias muy alejadas del punto de equilibrio esttico de
diseo, como era de esperar. Queda pendiente como propuesta
emplear otros mtodos de linealizacin [13] (extendida,
exacta, entrada-salida) que ajusten otros tipos de controladores
dinmicos como funcin de los cambios de referencia (punto
de equilibrio deseado).
Para demostrar los efectos descritos, se someten ambos
modelos (linealizado y exacto) a la misma entrada tipo
escaln, en el rango estabilizante de X. Los resultados pueden
apreciarse en la gura 8.
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0
0.25
0.5
0.75
1
1.25
1.5
1.75
Tiempo (s)
A
m
p
l
i
t
u
d
Modelos
r = 0.5, 1.0, 1.154
r = 0.5 Lineal
r = 0.5 Exacto
r = 1.0 Lineal
r = 1.0 Exacto
r = 1.15 Lineal
r = 1.15 Exacto
Figura 8. Respuesta de los sistemas exacto y linealizado para varias
referencias 0,0059 < r < 1,15.
V. GANANCIA ADAPTATIVA VARIABLE
De forma anloga a la seccin anterior, la evaluacin
numrica de la interseccin de los determinantes Hurwitz
de estabilidad, haciendo X = 0,02, y expresndolo como
una funcin de , produce como solucin el intervalo
(0,0, 20533,939). Sin embargo, cuando X = 1, entonces
(0,0, 0,2217998). Por tanto, una buena mejora es hacer
una funcin de r (t). Esto permitira controlar la velocidad
de adaptacin mientras se conserva la estabilidad del sistema.
En pruebas de simulacin numrica se tabularon valores
de r y que produjesen salidas estables y "lo ms cercanas
posibles al modelo de referencia". La tabla III muestra algunos
de estos valores.
Tabla III
REFERENCIAS Y GANANCIAS DE ADAPTACIN.
r r
0.02 10000 0.30 6.000
0.06 500 0.34 3.800
0.10 125 0.38 2.400
0.14 45 0.42 1.750
0.18 22 0.46 1.380
0.22 12 0.50 1.125
0.26 9 ... ...
Un procedimiento sencillo de ajuste de curvas permite
obtener una expresin para la ganancia de adaptacin, entre
muchas posibilidades, como se muestra en la ecuacin 73.
=
_
_
0,49
r
4
+
4,66
r
3

13,69
r
2
+
14,6
r
2,6
0,32
r
4

8,23
r
3
+
79,77
r
2

327,5
r
490
0,002
r
4

0,075
r
3
+
2,26
r
2
+
15,6
r
203
; r 0,24
; 0,1r <0,24
; r < 0,1
(73)
El nuevo esquema de control se muestra en la gura 9.
Es claro que lo habitual hubiese sido emplear otro
mtodo de linealizacin, como los ya citados, y obtener
un compensador para cada nuevo punto de equilibrio.
No obstante, esta metodologa, claramente dependiente de
la naturaleza del problema, permite emplear el mismo
controlador sin necesidad de realizar ninguna modicacin,
SBN: 978-980-7185-02-8 CA-43
8
r

+
K
c
s+z
1
s+p
1
Compensador
Linealizacion
Aproximada
Planta
y
(r)
s
Adaptacion
100
s(s+5)
Modelo
+
y
m
Figura 9. Esquema de control con ganancia adaptativa variable.

en un rango mucho ms amplio de posicionamiento aunque
no ilimitado, donde los mtodos clsicos fracasan cuando se
controla la planta fsica. La gura 10 muestra el resultado
de algunas pruebas, donde se omitieron las salidas para el
sistema clsico con r > 0,381883 y > 7,5, pues resultaban
inestables.
0 1 2 3 4 5 6 7 8 9 10
0
0.125
0.25
0.375
0.5
0.625
0.75
Tiempo (s)
A
m
p
l
i
t
u
d
Modelos
r = 0.1, 0.38, 0.5
r = 0.1 SGV
r = 0.1 CGV
r = 0.38 SGV
r = 0.38 CGV
r = 0.5 CGV
Figura 10. Respuesta de los sistemas exactos con y sin ganancia variable
Se observa un comportamiento bastante bueno para
posicionamientos ms cercanos al punto de equilibrio, muy
superior al sistema exacto sin ganancia variable (al cual no se
le recalcul su ganancia ja). Adems, el sistema con ganancia
variable sigue siendo estable, an para posicionamientos
alejados del punto de equilibrio.
VI. CONCLUSIONES.
Los resultados mostrados conrman la efectividad de
controlar un sistema de levitacin magntica mediante un
esquema de control adaptativo por modelo de referencia
(MRAC) con ganancia de adaptacin variable, como una
funcin de la referencia.
[1] M. Hypiusov y J. Osusk. PID Controller Design for Magnetic
Levitation Model. En Cybernectics and Informatics, vol. 10. Febrero
2010.
[2] B. N. Hussein, y otros. H_innity Controller Design to Control
the Single Axis Magnetic Levitation System with Parametric
Uncertainty. Journal of Applied Sciences, vol. 11, pgs. 6675, 2011.
[3] K. Bae. Fuzzy Gain Scheduling for Magnetic Levitation Control.
En The 21st International Conference on Magnetically Levitated Systems
and Linear Drives, vol. 10. Octubre 2011.
[4] B. Ciocirlan, y otros. Dynamics and Fuzzy Control of a Levitated
Particle. Nonlinear Dynamics, vol. 17, pgs. 6176, 1998.
[5] L. H. S. Torres, y otros. Exact Linearization and Fuzzy Logic
Applied to the Control of a Magnetic Levitation System. En WCCI
2010 IEEE World Congress on Computational Intelligence, pgs. 1823.
Julio 2010.
[6] B. Muthuswamy y K. Peterson. Design of Magnetic Levitation
Controllers Using Jacobi Linearization, Feedback Linearization and
Sliding Mode Control. Inf. Tc., University of California, 2008.
[7] C. sheng Liu, y otros. Neural Network Based Robust Nonlinear
Control for a Magnetic Levitation System. En International Journal
of Innovative Computing, Information and Control, vol. 4. Septiembre
2008.
[8] A. Trisanto, y otros. Application of Neural Network to MRAC
for the Nonlinear Magnetic Levitation System. JSME International
Journal, vol. 49(4), 2006.
[9] V. Bandal. A New Approach to a Sliding Mode Controller design for
a Magnetic Levitation System. Asia-Pacic Conf. On Computational
Intelligence and Industrial Applications, pgs. 326329, 2009.
[10] E. T. Moghaddam y J. Ganji. Sliding Mode Control of Magnetic
Levitation Systems Using Hybrid Extended Kalman Filter. Energy
Science and Technology, vol. 2(2), pgs. 3542, 2011.
[11] M. Picn y F. D. L. Cruz. Control adaptativo por modelo de
referencia de un sistema de levitacin magntica. Ingeniera U.C.,
vol. 14(2), pgs. 713, Noviembre 2007.
[12] K. Astrom y B. Wittenmark. Adaptive Control. Addison-Wesley,
1995.
[13] H. Sira-Ramrez, y otros. Control de sistemas no lineales. Prentice
Hall, 2005.
[14] P. loannou y J. Sun. Robust Adaptive Control. U. of Southem
California, 2003.
[15] P. loannou y B. Fidan. Adaptive Control Tutorial. SIAM, 2006.
SBN: 978-980-7185-02-8 CA-44

Resumen Este artculo consiste en una aplicacin de nivel
industrial, para el control y automatizacin de procesos a travs
de una tecnologa inalmbrica. El sistema utilizado para el
desarrollo del sistema inalmbrico fue basado en el protocolo
ZigBee, y consiste en una potente herramienta para la
optimizacin de aplicaciones industriales. Para la prueba y el
funcionamiento del sistema se realiz un prototipo para un
proceso de suministro de agua potable, donde se llevan a cabo
acciones como: Suministrar y llenar el tanque de abastecimiento
de agua en forma manual y automtica, adquirir datos, realizar
mediciones de nivel, mediciones de volmenes de agua y generar
histricos. La herramienta computacional LabView fue utilizada
para la supervisin y monitoreo del proceso.

Palabras claves Control, Automatizacin, Comunicacin
Inalmbrica, ZigBee.

I. INTRODUCCIN
Hoy en da las tecnologas inalmbricas han adoptado en el
transcurso del tiempo una manera ms sencilla y cmoda de
utilizar toda clase de dispositivos, con el fin de mejorar los
procesos y/ las aplicaciones en general. Por ejemplo: Para la
telefona mvil, informtica casera, sistemas de seguridad,
controles de iluminacin, automatizacin de viviendas
(Domtica), aparatos domsticos, alarmas de Incendio/CO
2
,
monitorizacin de sistemas remotos, adquisicin de datos de
un sensor en sistemas embebidos, etc. [1-4].
En cuanto a las tecnologas actuales se destacan
principalmente las que pertenecen al protocolo IEEE 802.15,
las cuales son redes inalmbricas de rea personal Wireless
Personal Area Networks (WPAN), que incluyen a Bluetooth
y ZigBee como sistemas que pueden ser usados en
aplicaciones de seguridad y control de procesos [5-7]. En el
uso de la tecnologa Zigbee se ha llegado al punto que en la
actualidad se han realizado aplicaciones en diferentes sectores
como en el caso del sector de la automatizacin industrial [8],

en sistemas de posicionamiento [9] y hasta en redes
inalmbricas, haciendo uso de dispositivos sensoriales [10].

Artculo recibido el 10 de Febrero de 2012.

C.M.D.A Y A.X.I estn con la Universidad de Pamplona, departamento de
ingenieras EEST, Facultad de Ingenieras y Arquitectura, Pamplona, Norte
de Santander, Colombia, Tlf. +57-7-5685303/+57-7-5686243 Fax: +57-7-
5685304, Extensin: 224, 225, E-mail: cmduran@unipamplona.edu.co,
almartinez12603@hotmail.com.

El presente trabajo va dirigido a disear e implementar un
sistema automtico a travs de tecnologa inalmbrica ZigBee,
para la optimizacin de un sistema de suministro de agua
potable simulado, la cual por su tipo de funcionamiento,
justifica la implementacin de un sistema para el mejoramiento
del proceso del suministro del preciado lquido.
En este sentido, el control por computadora es la
herramienta fundamental para poder establecer la
comunicacin de todo tipo de instrumento y realizar el
continuo monitoreo del proceso. En este trabajo, el software
utilizado para el desarrollo de la interfaz grfica fue el
LabView 8.6, el cual se acopl con la tecnologa Zigbee y el
proceso a controlar.
II. TECNOLOGA ZIGBEE

ZigBee es un estndar de las comunicaciones inalmbricas
diseado por la empresa ZigBee Alliance. Es un conjunto
estandarizado de soluciones que pueden ser implementadas
por cualquier fabricante. ZigBee est basado en el estndar
IEEE 802.15.4 de las redes inalmbricas WPAN, que tiene
como objetivo ser implementada en aquellas aplicaciones
donde se requieren comunicaciones seguras, confiables, de
bajo consumo y coste.

Algunas caractersticas del protocolo ZigBee son:

ZigBee opera en las bandas libres ISM (Industrial,
Scientific and Medical) de 2.4 GHz, en la frecuencia de
868 MHz en Europa y 915 MHz en Estados Unidos.
Tiene una velocidad de transmisin de 250 Kbps y un
rango de cobertura de 10 a 300 metros.
Es de bajo costo por ser un protocolo simple.
El consumo de potencia es muy bajo en el momento de
transmitir y recibir datos.
Cada red ZigBee tiene un identificador de red nico, lo
que permite que coexistan varias redes en un mismo
canal de comunicacin.
Es un protocolo de comunicacin multi-salto, es decir,
que se puede establecer comunicacin entre dos nodos,
an cuando estos se encuentren fuera del rango de
transmisin, siempre y cuando existan otros nodos
intermedios que los interconecten. De esta manera se
incrementa el rea de cobertura de la red.
Su topologa de malla (mesh) permite a la red auto
recuperarse de problemas en la comunicacin,
aumentando su confiabilidad.

Cristhian Manuel Durn Acevedo, Al Xavier Iturriago

Automatizacin de un Sistema de Suministro de
Agua Potable a travs de la Tecnologa Zigbee


ISBN: 978-980-7185-02-8 CA-46

Existen muchas alternativas inalmbricas asequibles a los
diseadores, comparando ZigBee con Bluetooth y Wi-Fi, y
que comparten a su vez la banda de 2.4 GHz. Los parmetros
mostrados en la Tabla 1 incluyen el estndar que debe seguirse
a nivel de la capa dos (es decir el formato de la trama), la
mxima velocidad de transmisin, el consumo de corriente
tpica en transmisin y en standby, los requisitos de
memoria de programa para un dispositivo tpico, aplicaciones
y opciones de conexin de la red, entre otras caractersticas
[11].
A continuacin se describe una comparacin de los tres
tipos de tecnologas inalmbricas.

TABLA 1
TECNOLOGAS INALMBRICAS
Tecnologas
Caractersticas
ZigBee

Bluetooth Wi-fi
(WLAN)
Estndar IEEE 802.15.4 IEEE
802.15.1
IEEE 802.11
Alcance 70 - 300 m 10 - 100 m 50 100 m
Mx. velocidad
de TX
250 Kbps 1 Mbps Hasta 54 Mbps
Consumo de
corriente
TX = 35 mA
Standby = 3A
TX = 40 mA
Standby
=200mA
TX = >400 mA
Standby =
20mA
Memoria de
Programa
32-60 KB >100 KB >100 KB
Complejidad Simple Complejo Muy complejo
Latencia 30 ms 10 s 3s
Aplicaciones Sensores,
Automatizacin
WPAN WLAN
Tipos de Red Malla, punto a
punto, punto a
multipunto
Punto a
multipunto
Punto a
multipunto
Ventajas Larga duracin Interoperable Gran ancho de
Banda

Tal y como se observa en la tabla, por ejemplo, en cuanto a
la tecnologa Zigbee en trminos ms exactos, tiene un menor
consumo de corriente en modo Standby de 3 A, frente a los
200 mA que tiene el Bluetooth y a los 20 mA que consume el
Wi.Fi . Dentro de las caractersticas similares entre Zigbee y
Bluetooth, se pueden destacar que operan en la misma banda
de frecuencias (2,4 GHz), pero con diferencias marcadas en
velocidades de transmisin desde 250 Kbps para el Zigbee y 1
Mbps para el Bluetooth.

III. METODOLOGA

Tal y como se observa en la Fig.1, los mdulos
inalmbricos utilizados para realizar la comunicacin
bidireccional (es decir, transmisin y recepcin de los datos a
ser adquiridos), fue mediante dispositivos XBee de la Serie 1
modelo IC: 4214A-XBee, con capacidad de hasta de 8
entradas y salidas digitales. Los mdulos cuentan con la
ventaja de tener gran flexibilidad en la configuracin del
sistema.
Los dispositivos XBee utilizados en las pruebas son del
fabricante DIGI, el cual es un dispositivo que se comunica con
un Microcontrolador PIC16F877A de la casa fabricante
Microchip mediante comunicacin Transmisor-Receptor
Asncrono Universal (UART, Universal Asynchronous
Receiver-Transmitter) [12]. El dispositivo permite eliminar el
cable de comunicacin entre el PC y dispositivos a controlar.

Dentro de las especificaciones del dispositivo podemos
destacar las siguientes:

Potencia de transmisin: 1mW +0dBm.
Tasa de datos: 254 Kbps
Rango de lnea de visin: 100 metros.
Rango de recinto interior: 30 metros.
Interfaz de datos serial: 3.3 V CMOS UART
Banda de frecuencia: 2.4 GHz.
Tasa de comunicacin: 120bps a 250 Kbps.
Control de flujo CTS/RTS, DTR/DSR para ciclos y
transferencia completa.
Voltaje de alimentacin: 2.8 a 3.4 Vdc.

FIG.1. XBee Serie 1.

El alcance mximo en campo abierto de los dispositivos es
de aproximadamente 100 m, usando la antena con referencia.
Este adaptador fue el adecuado para la aplicacin, puesto que
la distancia necesaria requerida era de 60 mts en campo libre.
El mdulo XBee de la Serie 1 tambin fue escogido por no
necesitar muchos componentes externos para su correcto
funcionamiento, por su bajo costo en comparacin a otros
tipos de tecnologas, y por la flexibilidad de utilizar el
software para su configuracin y programacin.

A. Configuracin de los mdulos inalmbrico XBee

Inicialmente se realiz la configuracin de los mdulos
XBee, mediante el programa X-CTU que hace parte del
mdulo inalmbrico. Fue necesario configurarlo en el modo
transparente con los siguientes parmetros: Sin paridad, sin bit
de parada y sin control de flujo.
A continuacin se describe la configuracin mediante la
programacin de los dos mdulos inalmbricos [13]:

a) Para el mdulo # 1:
[C] CH - Canal C.
[3332] ID - PAN ID (Direccin de la PAN 3332).

ISBN: 978-980-7185-02-8 CA-47

[5678] DL - Direccin Destino Baja (Direccin de destino
5678).
[1234] MY - Direccin Origen 16-bit (Direccin origen
1234).
Baud: 9600.

b) Para el mdulo # 2:
[C] CH - Canal C.
[3332] ID - PAN ID (Direccin de la PAN 3332).
[1234] DL - Direccin Destino Baja (Direccin de destino
1234).
[5678] MY - Direccin Origen 16-bit (Direccin origen
5678).
Baud: 9600.

Para el correcto funcionamiento del sistema inalmbrico,
fue necesario cambiar el UART de comunicaciones, a la
misma velocidad a la que fueron configurados los
microcontroladores.

B. Comunicacin entre el PC y los dispositivos inalmbricos

Para establecer la comunicacin por USB (Universal Serial
Bus) con los dispositivos inalmbricos se utiliz la
transferencia bidireccional masiva de informacin (Bulk
Tranfer). La transferencia bidireccional permite la transmisin
de datos de alta velocidad de 12Mb/s, y estn diseadas para
soportar aquellos dispositivos que precisan enviar o recibir
grandes cantidades de datos.
Debido a que toda la informacin se trasmite y recibe entre los
mdulos Xbee, e interactan con el PC a travs del puerto
USB, se consider que el software LabView fuera
acondicionado con los drivers necesarios, disminuyendo de
esta forma los problemas de comunicacin y asegurando el
enlace con el mdulo inalmbrico. Para realizar el enlace entre
el software LabView y el microcontrolador fue necesaria la
instalacin de un paquete de drivers, donde se tradujeron las
instrucciones al lenguaje grfico y se acondicionaron las
variables de entrada y salida.
En LabView una funcin manejaba la librera suministrada
por la empresa Microchip (es decir, la mpusbapi.dll) de
manera directa y sin intermediarios, utilizando la instruccin
Call Library Function Node; con esto se generara la
comunicacin entre el LabView y el microcontrolador en
forma adecuada. En la Fig. 2 se ilustra el diagrama donde se
ilustra la comunicacin del PC con el software Labview, el
microcontrolador, una tarjeta de adquisicin de datos y los
dispositivos inalmbricos.

C. Control del Proceso de llenado del tanque y suministro
de agua para la validacin de la comunicacin inalmbrica

Para el control de suministro de agua en el tanque se
emplearon dispositivos de control y automatizacin, con el
objetivo de mantener en funcionamiento el sistema sin
necesidad de la intervencin humana, utilizando la interfaz
grafica en LabView asociado al control manual y automtico.
Tal y como se observa en la Fig.3, el proceso consiste de un
tanque que interacta con un sensor de nivel analgico y
digital, una electrobomba, una electrovlvula y otros
componentes esenciales para el buen funcionamiento del
sistema.

FIG.2. Comunicacin del PC con los dispositivos
Inalmbricos.

El tanque fue construido totalmente en vidrio, cuyas
medidas fueron las siguientes: 19 cm de ancho, 19 cm de
ancho y 16.5 cm de altura. El sensor de nivel de tipo analgico
para la deteccin de nivel bajo y alto, fue desarrollado a partir
de un potencimetro lineal de 10k, el cual fue acondicionado
como un eje a una polea, donde una cuerda en un extremo
sostena a un flotador de plstico dentro del contenedor y en el
otro extremo un contrapeso.

FIG.3. Proceso simulado (Suministro de agua potable).

El sensor digital compuesto de un final de carrera fue
ubicado como indicador y control del nivel alto, para
proteccin contra posibles fallos (es decir, rebose del lquido).
Para el llenado del tanque contenedor se utiliz una bomba
rotatoria de 12 VDC y una electrovlvula tipo ON/OFF, fue
ubicada para evacuar el contenido del tanque una vez se haya
llenado completamente. La electrovlvula fue alimentada con
24 VDC, por lo que fue requerido un circuito de potencia.


ISBN: 978-980-7185-02-8 CA-48

A continuacin se relacionan los elementos que hacen parte
del proceso:

1. Sensor de nivel 1 (anlogo)
2. Sensor de nivel 2 (digital)
3. Power.
4. LCD.
5. Electrovlvula.
6. Bomba.
7. Modulo inalmbrico XBee.
8. Recipiente de abastecimiento de agua.
9. Tanque contenedor.

La Fig.4 ilustra el esquema general del sistema inalmbrico,
con todos los componentes que realizan el respectivo control y
supervisin del proceso de suministro de agua potable, a travs
de los dispositivos XBee.

FIG.4. Esquema general del sistema inalmbrico.

Este esquema bsico fue basado de un proceso real de
suministro de agua potable (Es decir, de la Vereda El Pital
del Municipio del Magdalena en Colombia), el cual consiste
principalmente de un tanque contenedor, donde al iniciar el
proceso se activa la bomba en forma automtica ya que los
sensores registran que el recipiente se encuentra en un nivel
bajo, por que a medida que se va aumentando el nivel de agua,
el mecanismo de la polea enviar una seal anloga al
microcontrolador PIC16F877A.
As de esta forma el microcontrolador permite digitalizar
esta seal anloga de datos, para poder enviarla al mdulo
inalmbrico por comunicacin serial USART (Universal
Synchronous/Asynchronous Receiver Transmitter) en espaol
Tranmisor y Receptor Sincronico/Asincronico Universal.
El otro microcontrolador PIC16F877A, el cual es integrado
al mdulo receptor XBee, transmite la seal a otro dispositivo
que recepciona la informacin para ser capturada a travs de
una pequea tarjeta de adquisicin, el cual registra la
informacin a la interfaz grafica de LabView.

D. Funcionamiento del proceso de suministro de agua.

En condiciones iniciales el tanque est vaco, y el llenado se
realiza directamente desde un tanque de abastecimiento de
agua. Luego, para realizar el suministro de agua, la
electrovlvula (V1) se activa por medio de temporizaciones
para dejar pasar el fluido de agua. Cuando el sensor de nivel
del tanque superior detecta su mximo nivel, enva una seal
que indica la desactivacin de la bomba (P1), y de esta forma
realiza el llenado correspondiente.
En el control manual, el sistema lo integra un pequeo panel
de control como se muestra en las Figuras 5 y 6, donde tiene
una serie de accionamientos (Es decir, pulsadores) para
ejecutar las acciones de control que el usuario requiera, ya sea
para la activacin de la bomba el cual realiza el llenado del
tanque, para la activacin de la electrovlvula que da el paso
del agua y tambin para detener el sistema en caso de alguna
emergencia. Estos pulsadores tambin se pueden accionar
desde la interface, donde tambin se adquieren y se registran
los datos referentes al proceso.

FIG.5. Diagrama de control general del proceso
y mdulos Xbee.

E. Herramienta de instrumentacin virtual para el
monitoreo de las variables del sistema con comunicacin
inalmbrica

Los sistemas de supervisin y control son aplicaciones de
software, diseados con la finalidad de adquirir informacin,
controlar, monitorear y supervisar procesos industriales desde
sitios remotos.

ISBN: 978-980-7185-02-8 CA-49

La herramienta utilizada para el control del proceso fue el
Labview versin 8.6 de National Instruments.

FIG.6. Control manual del sistema.
IV. RESULTADOS
La funcin principal de la interfaz de usuario fue monitorear
y controlar constantemente el proceso, realizar los clculos
con la informacin proveniente de los sensores, almacenar los
datos y a su vez observar las mediciones del proceso (Ver
Figuras 7, 8 y 9).

FIG.7. Implementacin y funcionamiento del control manual
con la interfaz de usuario.

Para asegurar el correcto funcionamiento de los mdulos de
radiofrecuencia XBee se utiliz el programa X-CTU, donde se
verific la configuracin de los dispositivos y el puerto del
ordenador, estableciendo la comunicacin entre los mdulos,
para la comprobacin de la transmisin/recepcin de datos en
forma inalmbrica, la potencia y calidad de la transmisin. El
programa se acondicion con todas las funciones necesarias,
donde se observaron en forma adecuada las respuestas de cada
una de las variables del proceso.
La manera de comprobar el funcionamiento de la interfaz
de usuario y la comunicacin inalmbrica, fue a travs de la
ejecucin de la plataforma LabView, el cual proporcion
flexibilidad al usuario y sobre todo brind una visin general
del proceso adecuadamente, representando la informacin a
travs de los datos en forma ptima. La compilacin de la
programacin basada en lenguaje grfico, al mismo tiempo
asegur el manejo de las variables provenientes de los
sensores.

FIG.8. Ventana del proceso.

El control manual del sistema fue llevado a cabo mediante
pulsadores que realizaron las interrupciones para ejecutar las
acciones de control, con el fin de que el usuario tuviera el
privilegio de llevar a cabo dicha accin en caso que fuese
conveniente. Adems el control realizado por el usuario, daba
la posibilidad de realizar acciones en el proceso desde el
control manual y la interfaz grfica.

FIG.9. Ventana del registro de histricos.

Tal y como lo ilustra la figura 9, otra funcin que fue
importante en la interfaz grfica y para el proceso, fue el
registro de histricos y alarmas ya que facilit al usuario una
visin ms clara del comportamiento de cada una de las
variables de Entrada/Salida, que hacen parte del proceso de
suministro de agua potable.


ISBN: 978-980-7185-02-8 CA-50

V. CONCLUSIONES

En el desarrollo de este trabajo fue introducido el estndar
basado en tecnologa Zigbee, como una herramienta verstil
para la automatizacin de procesos desde un sitio remoto, en
donde se describieron las generalidades asociadas a este
estndar, sus limitaciones y comparacin con otros tipos de
tecnologas disponibles.
Se logr identificar que los mdulos con tecnologa Zigbee,
son dispositivos que tienen una funcionalidad variada, a pesar
del tamao reducido que presentan permitiendo un ahorro
significativo de energa.
Los mdulos XBee de la serie 1, tienen una capacidad
limitada en comparacin con una serie posterior, sin embargo
para el desarrollo de este proyecto no hubo la necesidad de
implementar otra y se obtuvieron resultados importantes.
Todas las etapas realizadas en el control automtico, en la
medicin de nivel, para el control del volumen de agua, la
adquisicin de datos y la utilizacin de la herramienta
computacional LabView, permitieron en forma confiable la
integracin de todo el sistema inalmbrico, proporcionando un
fcil manejo para el monitoreo y el control del proceso de
suministro de agua.
La aplicacin simulada demostr una muy buena
adaptabilidad a los mdulos inalmbricos, comprobando que
sta tiene posibilidad de aplicarse en procesos reales y
logrando la implementacin posterior a una escala real,
llegando a alcanzar una distancia de comunicacin de 100
metros a campo libre.
El uso de varias herramientas como los microcontroladores,
mdulos inalmbricos y la interfaz grafica, abre en un futuro
un abanico mayor de posibilidades en cuanto a realizar
aplicaciones con estos sistemas ms flexibles y robustos.

[1] A. Gnad et al. Relevant influences in wireless automation. WFCS
2008. IEEE International Workshop, 2008, pp. 341 348.
[2] H.K. Cha. Agent-Based Factory Level Wireless Local Positioning
System With ZigBee Technology. IEEE Systems Journal, Vol. 4, no.
2, pp. 179 185, 2010.
[3] K. Gill, S. Yang, F. Yao and X. Lu. A zigbee-based home automation
system, IEEE Transactions on. Vol. 55, no. 2, pp. 422 430, 2009.
[4] H. Seo, C.Kim, H. Kim. ZigBee security for Home automation using
attribute-based cryptography. Consumer Electronics (ICCE), 2011
IEEE International Conference on, 2011, pp. 367 368.
[5] C. Durn y R. Castro. Comunicacin Inalmbrica basada en
Tecnologa Bluetooth para la Automatizacin de Procesos
Industriales. Seminario Anual de Automtica, Electrnica Industrial e
Instrumentacin (SAAEI11), Badajoz, 6 de Julio, 2011.
[6] L.C. Huanga et al. ZigBee-based monitoring and protection system
for building electrical safety. Energy and Buildings, Vol. 43, pp.
14181426, June 2011.
[7] C. Laoudias and C. Psychalinos, Filtro complejo con espejos de
corriente de baja tensin Bluetooth / ZigBee. Circuitos y Sistemas
(ISCAS) 2010, pp.1268-1271.
[8] D.Caro et al. Wireless Networks for industrial Automation, 2nd
Edition, ISAThe Instrumentation, Systems and Automation Society,
2005. pp. 112.
[9] W.Longkang et al. Zigbee-Based Positioning System For Coal
Miners. Procedia Engineering, Vol. 26, pp. 2406-2414, December
2011.
[10] A. Somov et al. Development of wireless sensor network for
combustible gas monitoring. Sensors and Actuators A: Physical. Vol.
171, pp.398 405, July 2011.
[11] J.Chun, J. Xiaoyu, L.Zuqiu. Analysis and Comparison of ZigBee and
Bluetooth. Information Technology & Standardization, 2004, pp.17-
20.
[12] Microchip Inc, http://www.microchip.com.
[13] Gua de usuario XBee Series 1 y 2, http://www.olimex.cl.

Control Automatizacion

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Control Automatizacion

Hochgeladen von

Copyright:

Verfügbare Formate

5TO CONGRESO IBEROAMERICANO DE ESTUDIANTES DE INGENIERA ELCTRICA (V CIBELEC 2012)

Resumen Este trabajo presenta el desarrollo e implementacin

Flujo de inyeccin de gas (7)

(t) = x(t) X (24)

(t) = y (t) Y (25)

(t) + +TOS (30)

Substituyendo estas expresiones en la ecuacin 36 se

= 0) y cuando la variable de control incremental es cero

= 0). Estos se obtienen a partir de las races del polinomio

Figura 4. MRAC con ganancia adaptativa prealimentada.

Figura 5. Modelo de Referencia.

Figura 6. Esquema de simulacin empleado.

Figura 9. Esquema de control con ganancia adaptativa variable.

Das könnte Ihnen auch gefallen