Sie sind auf Seite 1von 58

Universidad Nacional del Este

Facultad Politécnica

Ingenierı́a Eléctrica
Trabajo Final de Grado II

Identificación de la función de
transferencia de un desaireador
industrial a través del ensayo
en lazo cerrado
Por: Arturo Nicolás Fernández Russo y
Sergio Antonio Martı́nez Fernández
Profesor Orientador: Ing. Hugo Acelmidio Larangeira

Trabajo final de grado presentado a la Facultad Politécnica de la Universidad


Nacional del Este como parte de los requisitos para optar al tı́tulo Ingeniero
Electricista.

Ciudad del Este, Alto Paraná, Paraguay.

Noviembre 2018
FICHA CATALOGRÁFICA
BIBLIOTECA DE LA FACULTAD POLITÉCNICA
DE LA UNIVERSIDAD NACIONAL DEL ESTE

Fernández Russo, Arturo Nicolás, 4 de julio de 1995 .


Martı́nez Fernández, Sergio Antonio, 17 de enero de 1995.
Identificación de la función de transferencia de un desaireador industrial
a través del ensayo en lazo cerrado.
Ciudad del Este, Alto Paraná. Año: 2018.
Páginas: 58.

Orientador: Ing. Hugo Larangeira Samaniego.


Área de estudio: <denominación del área de estudio>.
Carrera: <denominación de la carrera>.
Titulación: <denominación del (de la) profesional>.
Trabajo Final de Grado. Universidad Nacional del Este,
Facultad Politécnica.

Descriptores: 1. Control de Nivel, 2. Desaireación, 3. Identificación,


4. Modelado, 5. Mı́nimos Cuadrados.

Identification of the transfer function of an industrial deaerator


through the closed loop assay.
Key words: 1. Level Control 2. Deaeration, 3. Identification, 4. Modeling,
5. Least Squares.
Yo, Ing. Hugo Larangeira Samaniego, documento de identidad No. 1.351.552,
Profesor Orientador del TFG titulado “Identificación de la función de trans-
ferencia de un desaireador industrial a través del ensayo en lazo cerrado”, de
los Alumnos Arturo Nicolás Fernández Russo, documento de identidad No.
5.280274 y Sergio Antonio Martı́nez Fernández, documento de identidad No.
5.605.516, ambos de la carrera Ingenierı́a Eléctrica de la Facultad Politécni-
ca de la Universidad Nacional del Este; certifico que el mencionado Trabajo
Final de Grado ha sido realizado por dichos Alumnos, de lo cual doy fe y en
mi opinión reúne las condiciones para su presentación y defensa ante la Mesa
Examinadora designada por la institución.

<fecha>

Ing. Hugo Larangeira Samaniego

Nosotros, los miembros de la Mesa Examinadora del Trabajo Final de


Grado titulado “Identificación de la función de transferencia de un desairea-
dor industrial a través del ensayo en lazo cerrado, de la carrera Ingenierı́a
Eléctrica de la Facultad Politécnica de la Universidad Nacional del Este, ha-
cemos constar que el citado trabajo ha sido evaluado en fondo y forma por
esta Mesa, la que por ha resuelto asignar la calificación

Ciudad del Este, de de 2018

Profesor
Presidente de la Mesa Examinadora

Profesor Profesor
Miembro de la Mesa Examinadora Miembro de la Mesa Examinadora
A nuestros padres, por el apoyo incondicional y por inculcarnos
la importancia del estudio.
A Dios.
Por darnos la sabidurı́a y fuerza para culminar esta etapa
académica.

A nuestro profesor orientador, Ing. Hugo Larangeira.


Por su guı́a, comprensión y paciencia a lo largo del proceso de
investigación.

A cada una de las personas que colaboraron directa o


indirectamente para la realización de este trabajo.
La inteligencia consiste no sólo en el conocimiento, sino
también en la destreza de aplicar los conocimientos en la
práctica.

Aristóteles (384 a.C. - 322 a. C.)


Resumen
Este trabajo desarrolla una técnica de identificación de sis-
temas basada en modelos lineales, la estimación del modelo ma-
temático en lazo abierto a partir del estudio e identificación en
lazo cerrado del control de nivel del tanque desaireador represen-
tando los aspectos esenciales en una determinada condición de
operación. Se utiliza el algoritmo de identificación de parámetros
basado en el método de mı́nimos cuadrados, se definen pruebas y
se realizan análisis de datos con la implementación de una herra-
mienta de software matemático.
Por último, se comparan los resultados obtenidos entre la
planta real y el modelo simulado, validando la hipótesis esta-
blecida. Se encuentra una similitud del 92 % en la constante de
tiempo y se observa una ganancia mayor en el modelo que podrı́a
ser causado por un nivel de perturbación superior presente en el
experimento en lazo cerrado.

Descriptores: 1. Control de Nivel, 2. Desaireación, 3. Identifi-


cación, 4. Modelado, 5. Mı́nimos Cuadrados.
Abstract
This work becomes a technique to identify systems based on
linear models, in the mathematical model in the open loop in the
study and in the identification in the closed loop of the deaerator
tank level, representing the essential aspects in a certain operating
condition. The algorithm of identification of the parameters based
on the least squares method is used, the tests are defined and the
analysis of the data is performed with the implementation of a
mathematical software tool.
Finally, the results obtained between the real plant and the
simulated model are compared, validating the established hypot-
hesis. A similarity of 92 % is found in the time constant and a
greater gain is observed in the model that could be caused by a
higher disturbance level present in the closed loop experiment.

Key words: 1. Level Control, 2. Deaeration, 3. Identification, 4.


Modeling, 5. Least Squares.
Índice general

Resumen VII

Abstract VIII

Índice de figuras XII

Índice de tablas XIII

1. Introducción 1
1.1. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Definición del problema . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1. Objetivo General . . . . . . . . . . . . . . . . . . . . . 3
1.3.2. Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . 3
1.4. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5. Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.6. Delimitación del Tema . . . . . . . . . . . . . . . . . . . . . . 4
1.7. Impacto de la Investigación . . . . . . . . . . . . . . . . . . . 4
1.8. Descripción de los contenidos por capı́tulo. . . . . . . . . . . . 5

2. Conceptos fundamentales, teorı́as y antecedentes 6


2.1. Conceptos fundamentales . . . . . . . . . . . . . . . . . . . . . 6
2.1.1. Sistemas de Control . . . . . . . . . . . . . . . . . . . . 6
2.1.2. Controlador Proporcional, Integral, Derivativo (PID) . 7
2.1.3. Modelado . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.4. Identificación . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.5. Filtrado . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.6. Desaireador . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

ix
ÍNDICE GENERAL ÍNDICE GENERAL

3. Método 23
3.1. Enfoque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Alcance de la investigación . . . . . . . . . . . . . . . . . . . . 24
3.3. Diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

4. Resultados 32
4.1. Recolección de datos de entrada y salida en lazo cerrado . . . 33
4.2. Tratamiento previo de los datos de entrada y salida . . . . . . 33
4.3. Elección de la estructura y obtención de los parámetros del
modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.4. Validación de Resultados . . . . . . . . . . . . . . . . . . . . . 37
4.5. Estimación de proceso en lazo abierto . . . . . . . . . . . . . . 38
4.6. Recolección de datos de entrada y salida en lazo abierto . . . . 39
4.7. Validación de resultados . . . . . . . . . . . . . . . . . . . . . 40

5. Conclusión 41
5.1. Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2. Sugerencias para futuras investigaciones . . . . . . . . . . . . 42

Referencias bibliográficas 43

x
Índice de figuras

2.1. Esquema de Sistemas de Control de Lazo Cerrado. . . . . . . . 7


2.2. Salida de un sistema de primer orden ante entrada escalón
unitario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. Curva de reacción al escalón para un proceso de segundo orden. 15
2.4. Modelado identificatorio off-line . . . . . . . . . . . . . . . . . 17
2.5. Modelado identificatorio on-line . . . . . . . . . . . . . . . . . 18
2.6. Principio de operación de un desaireador. . . . . . . . . . . . . 20

3.1. Estructura metodológica para el proceso de identificación. . . 25


3.2. Controlador de proceso dinámico de desaireación. . . . . . . . 27
3.3. Ventana de configuración para la identificación . . . . . . . . . 28
3.4. Modelado matemático para sistemas de segundo orden con
polos conjugados. . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.5. Modelado matemático para sistemas de segundo orden con
polos reales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6. Modelado en Simulink para el análisis de desempeño. . . . . . 30
3.7. Estructura de procesos por bloques funcionales. . . . . . . . . 31

4.1. Señales de exitación y respuesta en prueba escalón en lazo


cerrado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2. Comportamiento de la variable de proceso pos-filtrado. . . . . 34
4.3. Interfaz para la elección de estructuras de polos complejos con-
jugados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.4. Modelo para análisis en Simulink. . . . . . . . . . . . . . . . . 35
4.5. Simulación del modelado de polos complejos conjugados. . . . 35
4.6. Interfaz para la elección de estructuras de polos reales distintos. 36
4.7. Modelo para análisis en Simulink. . . . . . . . . . . . . . . . . 36
4.8. Simulación del modelado de polos reales distintos. . . . . . . . 37
4.9. Comparación de respuestas reales y modeladas ante entrada
escalón. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.10. Diagrama de bloques de proceso de desaireación. . . . . . . . . 38

xi
ÍNDICE DE FIGURAS ÍNDICE DE FIGURAS

4.11. Modelo estimado de planta en lazo abierto. . . . . . . . . . . . 39


4.12. Señales de respuesta ante prueba escalón en lazo abierto. . . . 39
4.13. Comparación de respuesta real y modelada en lazo abierto. . . 40

xii
Índice de Tablas

4.1. Fragmento de tabla considerada para el estudio . . . . . . . . 32

xiii
Capı́tulo 1

Introducción

En muchos sectores industriales, el calor necesario en el proceso se aporta


a través de una red de vapor, aprovechando su calor latente que se transfiere
en los puntos de consumo [1].
El desaireador es un elemento que debe estar implementado en todo sis-
tema agua vapor porque actúa como protector directo del resto de equipos al
evitar el deterioro de la instalación. Los sistemas de desaireación tienen co-
mo finalidad retirar el aire que queda obstruido en la materia a procesar. Es
conveniente extraer el aire debido a que su presencia durante el tratamiento
actuarı́a como una resistencia térmica adicional, absorbiendo una fracción
de calor destinada al producto, disminuyendo de esta forma la eficacia del
intercambio térmico y el aprovechamiento del volumen de lı́quido [2].
Los recientes incidentes de roturas de desaireadores en Estados Unidos
han dado como resultado una intensificación de la vigilancia con la imple-
mentación de sistemas de control más rigurosos, la necesidad del aumento de
inspección de soldaduras de dichos recipientes, y la búsqueda de impedir los
cambios repentinos de presión en la tuberı́a de conexión que se producen en
el proceso [3].
Los sistemas de control con realimentación cuya caracterı́stica principal
es la actuación por comparación de la salida y un valor de referencia puede
reducir los efectos de las perturbaciones, hacer que un sistema sea insensible
a las variaciones del proceso y puede lograr que un sistema siga realmente a
sus señales de entrada de forma segura. La realimentación ha tenido también
una influencia profunda sobre la tecnologı́a, produciendo grandes avances en
los campos del control, comunicación e instrumentación [4].
En la realimentación sobresalen los controladores PID que se utilizaron
ampliamente en los primeros desarrollos del control desde 1870 hasta 1920. La
forma moderna del controlador PID emergió con el desarrollo del control de
procesos en los años 30 y 40 [5]. El controlador PID es todavı́a la herramienta

1
Introducción

estándar para resolver problemas de control industrial.


Se encontró que solamente el 20 por ciento de los lazos de control opera-
ban bien y con esto disminuı́a la variabilidad del proceso. La mala sintonı́a,
problemas en las válvulas, inconvenientes en la mala elección del periodo
de muestreo, la no utilización de filtros y dificultad con los sensores son las
razones de la inexacta operación [6].

1.1. Motivación
El medio para la resolución de problemas tı́picos en las áreas de inge-
nierı́a presupone una fuerte base matemática, puesto que esta representa el
lenguaje para poder puntualizar tanto el comportamiento de fenómenos, co-
mo los métodos utilizados para modificar dichas conductas de una manera
controlada.
Cimentar procesos por medio de modelos es un objetivo importante de
la Ingenierı́a de Control. Estos necesitan representar el comportamiento real
en los casos en que existe un conocimiento anterior limitado de la estructura
del sistema estableciendo la relación entre sencillez y precisión.
La principal motivación que llevó a realizar este trabajo de investigación
es la existencia de una alta demanda en cuanto a conocimiento de instru-
mentación referentes a sistemas de control por parte de las industrias.
De esta manera la intención del libro es mostrar información sobre el
modelado de sistemas de nivel, estimación de parámetros y el diseño de los
diferentes mecanismos de control desde un punto de vista superior al teóri-
co ya que se manejan datos experimentales de un proceso de desaireación
industrial real. Por tanto lo que se busca es comprobar si los aspectos teóri-
cos adquiridos durante la formación académica son aplicables y útiles en el
campo laboral.

1.2. Definición del problema


En los campos industriales debido a su amplia aplicación la medición de
nivel es protagonista, y su importancia se basa en el funcionamiento correcto
del proceso y la consideración de balance entre materia prima y producto
final.
Existe una carencia de contenido cuantitativo en lo que se refiere a mode-
los de sistemas y estos implican la base fundamental en el análisis de procesos.
El modelado es un aspecto importante de la sintonı́a de un controlador. Los
modelos que necesitamos deberı́an describir cómo reacciona el proceso a las

2
Introducción

señales de control, como también las propiedades de las perturbaciones que


entran al sistema.
Por medio de la experimentación en lazo cerrado se pueden obtener datos
de la realidad. Sin embargo, no se podrı́a precisar si la información propor-
cionada por estos datos sirven para determinar caracterı́sticas dinámicas y
estáticas de la planta.

1.3. Objetivos
1.3.1. Objetivo General
Identificar la función de transferencia de un desaireador industrial a través
del ensayo en lazo cerrado

1.3.2. Objetivos Especı́ficos


Manipular las señales de entrada y salida necesarias para el análisis del
comportamiento.

Identificar el modelo que represente el comportamiento del sistema


dinámico lineal en lazo cerrado utilizando una herramienta computacio-
nal.

Estimar los parámetros de la planta de desaireación en lazo abierto a


partir de la estructura en lazo cerrado y el conocimiento del controlador.

Validar la técnica por medio de la comparación entre las respuestas del


sistema real y la del modelo estimado.

1.4. Hipótesis
La identificación de los parámetros en un sistema de desaireación indus-
trial en lazo abierto puede ser obtenida por medio de la identificación de la
estructura en lazo cerrado y el análisis de las ecuaciones que gobiernan al
sistema a través de la herramienta de los mı́nimos cuadrados.

1.5. Justificación
El análisis de procesos constituye un elemento importante para la toma
de decisiones cientı́ficas y responsables. El diseño como la operación se pue-

3
Introducción

de facilitar mediante la simulación del proceso. Los modelos matemáticos


además brindan una mayor facilidad en la manipulación con relación a las
plantas reales.
Es posible estudiar procesos de una forma más rápida, económica y com-
pleta. Ası́ también, se pueden ensayar condiciones de operación anormales,
establecer caracterı́sticas de funcionamiento o comparar distintos diseños y
procesos que aún no están en operación.
En ciertos ambientes es necesario realizar experimentos de identificación
en lazo cerrado, debido a que la planta es inestable en lazo abierto, o debe
ser controlada por razones económicas, de producción, y seguridad.
Con el siguiente trabajo se busca identificar el modelo matemático del
control de nivel del tanque desaireador representando los aspectos esenciales
en una determinada condición de operación. Estos procedimientos propician
la obtención de parámetros que representan la obtención del sistema, no se
pretende encontrar un modelo matemático exacto sino más bien, un modelo
adecuado para la aplicación determinada.

1.6. Delimitación del Tema


Debido a la complejidad en el control del sistema de la caldera, el es-
tudio se basa en la contrucción de un modelo matemático que represente
el comportamiento del nivel sobre una base experimental y no fı́sica en el
desaireador de la misma. La división del proceso se realiza para obtener un
mejor conocimiento y descripción de la propiedad como un todo, mediante
una apropiada manipulación y ajustes de datos manipulando el método de los
mı́nimos cuadrados para la representación razonable y correcta del proceso.

1.7. Impacto de la Investigación


El análisis matemático es la estructura sólida para la ciencia, y todo sis-
tema de control requiere de un núcleo de identificación. El presente proyecto
busca incentivar el estudio de procesos industriales por medio del análisis
cuantitativo. Reconociendo que la identificación es la base para la descrip-
ción de la conducta de los sistemas, la simulación y el diseño de control.
El proyecto busca la implantación de la identificación como herramienta
para prever estados futuros del sistema limitados, proporcionar un campo
para la sintonı́a de controladores clásicos, algoritmos de control adaptativo,
validación de las caracterı́sticas operacionales para proyectos de ingenierı́a

4
Introducción

y tomas de decisiones de mantenimiento aportando economı́a a los sistemas


industriales.

1.8. Descripción de los contenidos por capı́tu-


lo.
Este libro introduce los conceptos importantes para la identificación y el
análisis de sistemas de control de nivel.
El trabajo Identificación de la función de transferencia de un desairea-
dor industrial a través del ensayo en lazo cerrado, está organizado en cinco
capı́tulos. El contenido del libro es el siguiente:
El capı́tulo 1 presenta una descripción preliminar del trabajo, estable-
ciendo una introducción acerca de los objetivos y fundamentos perseguidos
en el mismo.
El capı́tulo 2 presenta los fundamentos teóricos sobre sistemas, identifi-
cación, calidad de modelo estimado, respuestas transitorias y estacionarias,
filtros ante ruidos, además de las ecuaciones que gobiernan al sistema en
estudio.
El capı́tulo 3 representa la estructura metodológica para la identificación
y el modelado del sistema por medio de los mı́nimos cuadrados. Se describe
la identificación de sistemas por la respuesta al escalón.
El capı́tulo 4 se representan las tablas con los valores de entradas y sa-
lidas, los gráficos del comportamiento dinámico del sistema y su análisis,
tras la toma de datos, determinación de la estructura, y la estimación de los
parámetros del modelo con la validación del modelado óptimo.
El capı́tulo 5 presenta las discusiones con referencia a los resultados ob-
tenidos, y en ella se exhiben las conclusiones y un posible campo de investi-
gación para trabajos futuros.

5
Capı́tulo 2

Conceptos fundamentales,
teorı́as y antecedentes

2.1. Conceptos fundamentales


2.1.1. Sistemas de Control
Un sistema automático de control es un conjunto de dispositivos fı́sicos
interconectados de modo que regulen o rijan su desempeño por sı́ mismos,
sin mediación de factores externos, corrigiendo además los potenciales errores
que se presenten en su funcionamiento.
Los elementos básicos de todo sistema de control son los objetivos de
control, los componentes y los resultados. En léxicos técnicos, los objetivos
se denominan entradas al sistema o señales actuantes, y los resultados son
denominadas salidas, o variables controladas [7].
El fin de un sistema de control por tanto es controlar el estado de las
salidas de forma preestablecida mediante las entradas, por medio de los com-
ponentes del propio sistema, obteniendo con esto el objetivo deseado.

Estructuras de un Sistema de Control


Señal en Lazo Abierto
Un control en lazo abierto se da cuando el proceso influye únicamente
sobre la señal de entrada y consecuentemente origina una señal de salida
independiente a la señal de entrada. Esto significa que no hay retroalimen-
tación hacia el controlador para que éste pueda ajustar la acción de control.
Comúnmente este tipo de control presenta controladores a base de tiempo,
entre sus caracterı́sticas sobresalen su bajo costo, su fácil construcción, pero

6
Conceptos fundamentales, teorı́as y antecedentes

la desventaja de no ser aptos para eliminar perturbaciones de cargas o de


carácter no previsible.

Señal en Lazo Cerrado


Un sistema en lazo cerrado es aquel que mantiene una relación determi-
nada entre la salida y la entrada de referencia, comparándolas y usando la
diferencia como medio de control. La gran diferencia entre un sistema en lazo
abierto y uno retroalimentado es que en la estructura del último existe un
elemento sensor, por medio del cual se mide la señal de salida. Posteriormente
se alimenta al controlador la señal de error de actuación, que es la diferencia
entre la señal de entrada y la señal de realimentación con el fin de reducir el
error y llevar la salida del sistema a un valor deseado.
Una ventaja del sistema de control en lazo cerrado es que el uso de la
realimentación vuelve la respuesta del sistema relativamente insensible a las
perturbaciones externas y a las variaciones internas en los parámetros del
sistema.
Un sistema retroalimentado por tanto puede ser esquematizado como
muestra en la figura 2.1.

Figura 2.1: Esquema de Sistemas de Control de Lazo Cerrado.

2.1.2. Controlador Proporcional, Integral, Derivativo


(PID)
La configuración de control más utilizada en sistemas de control en lazo
cerrado a nivel industrial es la del control PID.
El controlador PID es una implementación simple de la idea de realimen-
tación, los miembros de dicha familia incluyen tres acciones: Proporcional,
Integral y Derivativa.

7
Conceptos fundamentales, teorı́as y antecedentes

(P) Acción de Control Proporcional: da una salida del controlador


que es proporcional al error, es decir:

u(t) = kp e(t) (2.1)

Donde kp es una ganancia proporcional ajustable. Un controlador pro-


porcional puede controlar cualquier planta estable, pero posee desem-
peño limitado y error en régimen permanente (off-set).

(I) Acción de Control Integral: da una salida del controlador que


es proporcional al error acumulado, lo que implica que es un modo de
controlar lento.
1 t
Z
u(t) = e(t)dx (2.2)
Ti 0

La señal de control u(t) tiene un valor diferente de cero cuando la señal


de error e(t) es cero. Por lo que se concluye que, dada una referencia
constante, o perturbaciones, el error en régimen permanente es cero.

(D) Acción de Control Derivativo: la salida del controlador res-


ponde a la velocidad del cambio del error y produce una corrección
significativa antes de que la magnitud del error se vuelva demasiado
grande.
de(t)
u(t) = TD (2.3)
d(t)

Matemáticamente por tanto la estructura del controlador PID se expresa


como:
1 t
Z
de(t)
u(t) = kp e(t) + e(t)dx + TD (2.4)
Ti 0 d(t)
La acción de control es ası́ una suma de tres términos que representan el
pasado por la acción integral del error, el presente, y el futuro por una ex-
trapolación lineal del error. Dicho controlador tiene la propiedad de eliminar
errores en estado estacionario mediante la acción integral, y puede antici-
par el futuro con la acción derivativa. Los controladores PID, o incluso los
controladores PI, son suficientes para muchos problemas de control, particu-
larmente cuando las dinámicas del proceso son benignas y los requisitos de
comportamiento son modestos [3].

8
Conceptos fundamentales, teorı́as y antecedentes

2.1.3. Modelado
El primer paso para la elaboración de sistemas de control industrial es la
confección descriptiva del proceso a controlar definida como modelado.
El objetivo del modelado de sistemas es determinar una estructura ma-
temática que describa el comportamiento de un sistema o un proceso. Cuando
el modelado de sistemas involucra datos experimentales, el proceso se conoce
como Identificación [8].
Los modelos aportan una representación unificada para tratar con sis-
temas de tipos muy diferentes, que hacen posible introducir una serie de
conceptos útiles. En la práctica no se pretende encontrar la estructura exac-
ta, sino más bien el modelo adecuado para una determinada aplicación. La
utilización de modelo es esencial para la simulación y el diseño del control,
representando un procedimiento seguro y de bajo costo.
Para el efecto del control es a menudo suficiente describir pequeñas des-
viaciones con relación a un estado de equilibrio. En este caso la conducta se
puede modelar como un sistema dinámico lineal.
La investigación de todo modelado inicia con la determinación del proceso
estático. El comportamiento estacionario es útil para establecer el rango de
señales de control demandadas para cambiar la salida del proceso, dimensio-
nar los actuadores y seleccionar la resolución del sensor.
Tal como se indica en [9], el modelo estático se consigue por medio de la
experimentación manteniendo la entrada en un valor constante y evaluando
la salida en estado estacionario. Otra forma habitual es realizar la prueba
en lazo cerrado donde la salida del sistema se mantiene constante mediante
realimentación y se mide el valor en estado estacionario de la entrada. Las
pruebas requeridas para determinar el modelo del proceso estático otorgan
una idea intuitiva de la facilidad de control del proceso y del porcentaje de
perturbación existente en él.
El proceso no solo se basa en la respuesta estacionaria, sino que además
está establecido por el comportamiento dinámico transitorio para llegar a
ella. Hay una mayor dificultad para capturar la conducta dinámica, pero
dicho recurso es de suma importancia para el control.

Linealización de Modelos
Debido a que la mayorı́a de herramientas para el análisis de sistemas y
diseño de control requieren que el modelo sea lineal, es necesario disponer de
métodos para linealizar modelos.
La linealización generalmente consiste en una expansión en serie de Taylor
de la ecuación 2.5 de estado no lineal, alrededor de un punto de operación

9
Conceptos fundamentales, teorı́as y antecedentes

definido naturalmente por un sistema o seleccionado arbitrariamente para


satisfacer una necesidad de control.
inf
X f (n) (a)
(x − a)n (2.5)
i=0
n!

Sistemas lineales invariantes en el tiempo


Hay un género particular de modelos, llamados sistemas lineales inva-
riantes en el tiempo, tales modelos describen la conducta de sistemas para
pequeñas desviaciones del equilibrio. Lineal porque en ellos se cumple el prin-
cipio de superposición. La linealidad se establece en [10] como la respuesta a
una suma ponderada de señales de entrada igual a la misma suma ponderada
de las señales de salida, siendo asociada cada señal de salida con una señal
de entrada especifica que actúa independientemente de las otras.
Mientras que la invarianza en el tiempo implica que un retraso o adelanto
del tiempo en la señal de entrada, provocará únicamente un corrimiento en
la señal de salida. Lo que involucra que un sistema invariante en el tiempo
responderá de manera idéntica sin importar la traslación de la entrada [11].

Técnicas de Modelado
Modelado Fı́sico: Ecuaciones Diferenciales
Una forma tradicional de obtener un modelo es por medio del análisis de
la naturaleza del proceso, se utiliza como base las leyes fı́sicas que caracte-
rizan al sistema particular, como las leyes de conservación de masa, energı́a
y momento. Cuando se derivan modelos fı́sicos, un sistema se divide tı́pica-
mente en subsistemas. Se determinan las ecuaciones de cada subsistema, y se
combinan los resultados para obtener un modelo del sistema completo. Tales
descripciones tı́picamente conducen a un modelo matemático en términos de
ecuaciones diferenciales de la forma:
a0 y n + a1 y n−1 + ... + an−1 y 0 + an y = bxn−1 + b1 xn−2 + ... + bn−1 x0 + bn x (2.6)
Éste es uno de los modelos estándar utilizados en control automático,
donde y representa las salidas y x las entradas del sistema. El número n
es igual al número de variables necesitadas para la descripción completa e
indica el orden de la ecuación diferencial.
Una caracterı́stica atractiva de los modelos fı́sicos es que los parámetros
de la ecuación pueden estar relacionados con magnitudes fı́sicas. Sin embargo,
su principal desventaja es la dificultad que presenta la resolución de dichas
ecuaciones.

10
Conceptos fundamentales, teorı́as y antecedentes

Función de Transferencia
Debido a la complejidad asociada a la resolución de ecuaciones diferen-
ciales es común transformar las mismas con la aplicación de la transformada
de Laplace. La transformada de Laplace de una función del tiempo se define
como:
Z ∞
F (s) = f (t)dt (2.7)
0
El estudio de sistemas lineales se sujeta al álgebra. Una propiedad in-
teresante es que controladores, procesos, y señales se describen de la misma
forma. Por tanto, la ecuación 2.6 pasa a ser representado por dos polinomios
algebraicos:

A(s) = sn + a1 sn−1 + ... + an (2.8)


B(s) = b1 sn−1 + b2 sn−2 + ... + bn (2.9)
Donde A(s) denotado como polinomio caracterı́stico representa la trans-
formada de Laplace de la salida y sus raı́ces representan los polos del sistema.
Los polos proporcionan una idea útil de la estabilidad y controlabilidad del
sistema. Análogamente B(s) representa la transformada de Laplace de las
entradas asociadas y sus raı́ces se definen como los ceros del sistema.
Tal como se define en [12], la función de transferencia de un sistema es
la relación entre la transformada de Laplace de las salidas y la transformada
de Laplace de las entradas suponiendo que el sistema inicialmente está en
reposo. Matemáticamente se expresa:
B(s)
H(s) = (2.10)
A(s)
La transformada de Laplace de la salida es simplemente la transformada
de Laplace de la entrada multiplicada por la función de transferencia del
sistema. En el análisis de los sistemas lineales es habitual someter al proceso
a entradas conocidas y registrar su respuesta, con el fin de obtener la función
de transferencia y por medio de esta la respuesta a cualquier excitación.

Respuesta Impulsional
En un sistema lineal invariante en el tiempo, las señales de entrada y
salida, están relacionadas por la integral de convolución dada por:
Z t
y(t) = h(t − τ )x(τ )dτ (2.11)
0

11
Conceptos fundamentales, teorı́as y antecedentes

Donde h(t) es la respuesta al impulso del sistema. La respuesta al impulso


está relacionada con la función de transferencia por:
h(t) = L−1 [H(s)] (2.12)
Donde el operador L−1 representa la transformada inversa de Laplace.

Modelos de Estado
La noción de estado es un concepto importante en dinámica de sistemas.
El estado es un conjunto de variables que resumen la conducta pasada del
sistema y admite una predicción del futuro bajo la hipótesis de que se conocen
las entradas futuras [13].
La función de transferencia está relacionada con la representación de es-
tados en el caso monovariable. De acuerdo con la ecuación:
H(s) = c(sI − A)−1 b (2.13)
Donde A es la matriz del sistema, b es el vector de entradas y c es el
vector de las salidas.

2.1.4. Identificación
Una opción diferente a la descripción por modelos fı́sicos y ecuaciones
diferenciales es el análisis por medio de la observación de la conducta de las
señales de entradas y las salidas; y las interacciones entre ellas. La elección de
dichas señales es crucial, y debe hacerse con cuidado de tal manera a poder
obtener de ellos los datos lo suficientemente informativos.
La arquitectura de sistemas a partir de datos observados es un mecanismo
fundamental en la ciencia. Varios métodos y nomenclaturas han sido desa-
rrolladas en diferentes áreas de aplicación. Una de las áreas es la teorı́a de
control, que ha contribuido a la teorı́a de modelado al considerar el proceso
como un ejercicio de diseño de la dinámica que se pretende estimar, dentro
de un conjunto de modelos, aproximando lo mejor posible a la realidad, en
lugar de emprender la búsqueda por el verdadero modelo [14].
La selección de modelos y el ajuste de los parámetros son influenciados
por varios factores como, el conocimiento inicial del sistema, las propiedades
del sistema identificado, la selección de la medida del error a ser minimizado,
y la presencia de ruidos.
La identificación envuelve parámetros y objetivos complejos, tı́picamente
los criterios de desempeño y validación. La noción de un buen modelo es
subjetiva y dependiente del propósito de su aplicación por lo que la estimación
del error es una regla importante en la ingenierı́a de procesos [15] [16].

12
Conceptos fundamentales, teorı́as y antecedentes

Tal y como se expresa en [17] en el control clásico la forma más intuitiva


de caracterizar dinámicas de procesos se da con la creación de tablas de
señales de entradas y salidas por medio del análisis experimental.
Lo ideal con los experimentos es utilizar señales de excitación que aseme-
jen el estado operativo a la que estará sometido el modelo. Ejemplos tı́picos
son escalones, pulsos e impulsos y senoidales [18].

Modelado por Respuesta al Escalón


Esta forma de describir la dinámica tiene una larga tradición en control
de procesos. Es útil comenzar con una clasificación cruda de la respuesta a
un escalón.
El proceso es sometido a un cambio en la entrada del tipo escalón y
dichos datos son almacenados por algún registrador. Con la curva de reac-
ción del proceso es posible aplicar diferentes técnicas gráficas, numéricas o
computacionales para modelar el sistema controlado por funciones de trans-
ferencia. Hay que hacer una distinción entre sistemas estables e inestables,
La respuesta en escalón de un sistema estable va a un valor constante. Un
sistema inestable no alcanzará un estado estacionario después de un cambio
en escalón. El mismo debido a su naturaleza solo es útil para la estimación
de modelos de orden reducido, ya que la señal de escalón tiene pobre com-
posición de frecuencia.
Dentro del área de sistema de control es común la caracterización de
procesos mediante modelos de orden reducido. La mayorı́a de estas técnicas se
basan en la obtención de modelos que describan adecuadamente la dinámica
del proceso caracterizados solamente por unos pocos parámetros.

Sistemas de Primer Orden


Los sistemas con respuestas al escalón esencialmente monótonas son muy
comunes. Éstos pueden ser representados mediante un modelo de primer
orden con retardo de tiempo dado por la función de transferencia:
k
H(s) = e−sL (2.14)
Ts + 1
Donde k es la ganancia estática, T es la constante de tiempo y L es el
retardo de tiempo. Aplicando la transformada de Laplace a la ecuación 2.14
tenemos:
t
h(t) = ke− T u(t − L) (2.15)
Se pueden obtener información sobre los parámetros que caracterizan al
comportamiento dinámico de un sistema, con ayuda del gráfico de la curva
de reacción a una entrada escalón.

13
Conceptos fundamentales, teorı́as y antecedentes

Figura 2.2: Salida de un sistema de primer orden ante entrada escalón uni-
tario.

El valor de K es la relación existente entre la variación de salida y la


variación de entrada. La ganancia tiene unidades especı́ficas y deben ser
cuidadosamente determinadas para cada aplicación particular.
La constante de tiempo T para procesos industriales de primer orden tal y
como se expresa en [12] es el tiempo requerido, medido a partir de un punto
donde la señal de salida comienza a variar, para que la salida del proceso
llegue al 63.2 % del valor de variación final, después de que ocurre el cambio
en la entrada. Dicho valor es de importancia ya que el tiempo de estado
estacionario puede ser representado como 4T.
Ası́ mismo el tiempo muerto L en la dinámica de procesos normalmente
es el tiempo que lleva el material para moverse o ser transportado de un
punto a otro. Es decir, el tiempo transcurrido entre la ocurrencia de una
perturbación en el proceso y el cambio observado en la salida del mismo.

Sistemas de Segundo Orden


Si el modelo de primer orden no es suficientemente preciso, la estimación
del proceso se da por medio de un modelo de segundo orden. Tal y como se
expresa en [12], la representación matemática clásica de un sistema de este
tipo es:
ωn2
H(s) = 2 (2.16)
s + 2δωn s + ωn2
Donde ωn representa la frecuencia natural no amortiguada y δ es el factor
de amortiguamiento relativo. La descripción de un sistema de segundo orden
se da por la estimación de los parámetros anteriores mencionados. Si 0 <
δ < 1 entonces los polos en lazo cerrado son complejos conjugados y el

14
Conceptos fundamentales, teorı́as y antecedentes

sistema se define como subamortiguado, la respuesta a un escalón en este


caso es una senoidal exponencialmente amortiguada y la respuesta transitoria
es oscilatoria. Si δ = 1 el sistema se denomina crı́ticamente amortiguado,
mientras que si δ > 1 el sistema es sobreamortiguado. Si δ = 0 el sistema no
se amortigua.
Las principales especificaciones de desempeño de la respuesta al escalón
para un sistema de segundo orden son representadas en la figura 2.3 y pueden
ser derivadas directamente por inspección de la respuesta temporal.

Figura 2.3: Curva de reacción al escalón para un proceso de segundo orden.

Porcentaje de Sobrepaso (Overshoot) (Mp ): es una medida del


valor de sobrepaso que tiene la respuesta del sistema por sobre la am-
plitud de la entrada escalón. En general sobrepasos muy altos deben
ser evitados ya que producen esfuerzos inadecuados en los componentes
fı́sicos de un sistema:
Y(tp) − Y∞
Mp = 100 % (2.17)
Y∞

Tiempo de Subida (tr ): es el intervalo del tiempo para que el sistema


vaya de 0 al 100 % de su valor final. Sin embargo, es común en la práctica
por las dificultades de obtener el momento justo de cambio en la salida
la utilización de intervalos de 10 al 90 %.

15
Conceptos fundamentales, teorı́as y antecedentes

Tiempo de Pico (tp ): es el tiempo que utiliza la salida para alcanzar


el máximo valor de overshoot:
π
tp = √ (2.18)
ωn 1 − δ 2

Tiempo de Estabilización (ts ): es el tiempo que tarda el sistema


para entrar en la faja de ±2 % o ±5 % del valor estacionario:
4
ts = (2.19)
δωn

Con la manipulación matemática de alguna de estas ecuaciones, es posible


estimar los parámetros y por tanto definir el modelo de segundo orden.
Otro procedimiento gráfico es expresado en [19] donde sobre la curva de
reacción son identificados 3 puntos intermediarios, el tiempo para alcanzar
el 15 % de la variación total t1, el tiempo para alcanzar el 45 % del valor
estacionario t2 y la duración necesaria para alcanzar el 75 % de la mudanza
total t3. Con base a estos tres instantes, los valores del modelo paramétrico
de segundo orden son calculados por el siguiente algoritmo:
t2 −t1
i) x = t3 −t1

0,0805−5,547(0,475−x)2
ii) δ = (x−0,365)

iii) f2 (δ) = 0,708(2,811)2 para δ < 1


f2 (δ) = 2,6δ − 0,6 para δ ≥ 1
f2 (δ)
iv) ωn = t3 −t1

v) f3 (δ) = 0,922(1,66)2
f3 (δ)
vi) θ = t2 − ωn

Modelado por Respuesta en Frecuencia


La dinámica de un sistema lineal invariante en el tiempo se determina
por la respuesta del sistema a señales de entradas armónicas, un pensamiento
proveniente del matemático francés Fourier.
Si la señal de entrada al sistema es una sinusoide, entonces la señal de
salida también será una sinusoide de la misma frecuencia, con la diferencia
en fase y en amplitud.
Las relaciones en estado estacionario entre la salida y una entrada sinu-
soidal con frecuencia ω se puede describir por la razón entre las amplitudes

16
Conceptos fundamentales, teorı́as y antecedentes

y la fase. La razón entre las amplitudes es la amplitud de salida dividida por


la amplitud de entrada, y la fase es el desfase de la salida en relación a la
entrada.
Las funciones a(ω) y φ(ω) dan la razón entre las amplitudes y la fase para
todas las frecuencias. Las funciones a(ω) y φ(ω) se relacionan con la función
de transferencia de la forma siguiente:

H(jω) = a(ω)ejφ(ω) (2.20)

Identificación off-line
Con el auxilio de señales de test apropiados de entrada (ruido blanco, se-
cuencia binaria), se excita el proceso y se almacenan las medidas de entrada
y salida para la aplicación de validación a posteriori de algoritmos no recur-
sivos. Para esto es necesario el conocimiento del orden del modelo. Todo el
cálculo de parámetros es hecho en un momento y el tiempo de validación es
diferente de aquel en que se realiza el ensayo, por esta razón la nomenclatura
off-line. Para este tipo de abordaje se utilizan modelos dinámicos discretos
para los procesos.

Figura 2.4: Modelado identificatorio off-line

Identificación on-line
Es un procedimiento por computadora, para ello se requiere de métodos
recursivos que utilicen poca memoria y que sean capaces de actualizar la
estimación de los parámetros en cada periodo de muestreo. El algoritmo más
famoso es el de los mı́nimos cuadrados.
La aplicación en tiempo real de los algoritmos de identificación es in-
teresante para varios propósitos, entre los cuales sobresalen la detección, el
diagnostico, el control adaptativo y la aplicación de las redes neuronales.

17
Conceptos fundamentales, teorı́as y antecedentes

Figura 2.5: Modelado identificatorio on-line

2.1.5. Filtrado
El filtro comúnmente utilizado es el de filtro de promedio móvil, antes
de aplicar dicho filtro la señal debe ser muestreada, es decir pasar de una
función continua a intervalos de carácter discreto.
Tal y como se expresa en [20] dado un entero positivo N , el filtro de
promedio móvil (PM) en el punto N es un sistema de tiempo discreto dado
por la relación de entrada/salida.
1
y(n) = [x(N ) + x(n − 1) + x(n − 2) + ... + x(n − N + 1)] (2.21)
N
Donde x(n) es la entrada aplicada al filtro, e y(n) es la respuesta de salida
resultante.
De la ecuación vemos que la salida y(n), al tiempo n del filtro PM en
el punto N , es el promedio de los N valores de entrada. Ası́, el término N
se refiere al número de valores de entrada utilizados al calcular la salida
del filtro. El filtro se conoce como “filtro de promedio móvil”, debido a que
calculamos el siguiente valor de la salida, moviendo el intervalo de puntos de
tiempo sobre él.
Los filtros PM con frecuencia se utilizan para reducir la magnitud del
ruido que puede estar presente en una señal. Para ver cómo es esto posible,
suponga que la entrada x(n) está dada en la forma x(n) = s(n) + e(n), donde
s(n) es la parte suave de x(n), y e(n) es la parte errática o ruidosa de x(n).
Entonces, la salida y(n) del filtro PM en el punto N está dada por:
1
y(n) = [s(n) + s(n − 1) + s(n − 2) + ... + s(n − N + 1)]
N (2.22)
1
+ [e(n) + e(n − 1) + e(n − 2) + ... + e(n − N + 1)]
N
Si e(n) varı́a aleatoriamente alrededor de cero, el término ruidoso dado por
el promedio puede hacerse tan pequeño como se desee, tomando el valor de N
lo suficientemente grande. Esto explica por qué los filtros PM funcionan bien

18
Conceptos fundamentales, teorı́as y antecedentes

reduciendo la magnitud de la parte errática o ruidosa de una señal. Si el valor


de N es lo suficientemente grande, la salida del filtro PM es aproximadamente
igual a un retraso de tiempo de la parte suave, s(n) de x(n), donde el retraso
es igual a (N + 1)/2 unidades de tiempo.

2.1.6. Desaireador
Controlar los niveles de gas en los sistemas de agua de alimentación de
plantas de energı́a y calderas es fundamental para el funcionamiento de la
misma. Es importante extraer los gases de carácter corrosivos que pueden
tener un impacto negativo en el rendimiento de la caldera.
El desaireador o desgasificador consiste en un tanque de alimentación y
calentamiento, es un equipo que elimina el oxı́geno y otros gases contenidos
en el agua de alimentación de modo a evitar la corrosión de elementos y
tramos que componen el circuito agua-vapor de la planta. En medio acuoso,
el hierro se oxida a hidróxido ferroso por la acción del ión hidroxilo. Este,
por acción de oxı́geno en disolución pasa a hidróxido férrico, que implica
corrosión. A elevadas temperaturas el hidróxido ferroso se convierte a una
capa densa de protección denominada magnetita, que protege el metal del
agua y del oxı́geno. Sin embargo, esta capa que va creciendo conforme a las
horas de funcionamiento de la planta, puede provocar graves averı́as porque
su apilamiento genera grietas en los tubos y conductos de los equipos, que
se someten a altas temperaturas, motivadas por la escasa transferencia de
calor y a otros fenómenos mecánicos como desgarramientos producidos por
la consecuente dilatación térmica descontrolada [7].

Funciones del Desaireador


El desaireador está diseñado como un depósito que consta de funciones
adicionales al precalentamiento y almacenamiento de agua. La dirección de
las funcionalidades del desaireador cambian con la aplicación. El desaireador
siempre se implementa en la parte de presión baja o media del ciclo de agua-
vapor. Tal y como se expresa en [21], entre sus funciones sobresalen:

Precalentamiento del Agua: Precalienta el agua con una nueva ex-


tracción de vapor de la turbina de baja presión, de manera que se con-
sigue elevar la temperatura del agua mezclando ésta con vapor extraı́do
de la turbina de baja presión, el agua de alimentación es calentada, pa-
ra que al entrar a la caldera no sea necesaria tanta energı́a para llegar
a una temperatura de utilización.

19
Conceptos fundamentales, teorı́as y antecedentes

Supresión de Gases: Elimina, gracias al aumento de temperatura del


agua, los gases disueltos que pueda contener el agua aprovechando la
propiedad de menor solución de estos en agua a altas temperaturas.
Principalmente en dicho tanque se elimina el oxı́geno del agua de ali-
mentación a calderas, ya que este es altamente corrosivo en los circuitos
de vapor.

Depósito de Agua: Acumular agua a alta temperatura para alimen-


tar las bombas de alta presión, con las que se hace circular el agua
condensada a través del circuito de agua-vapor.

Evita Cavitación: Proporcionar la presión hidrostática necesaria para


evitar el fenómeno de cavitación de las bombas de alimentación.

Desaireador Presurizado
En la figura 2.6 se observa el principio básico de operación de un desairea-
dor presurizado. El primer paso en el tratamiento del agua de alimentación
es calentar el agua para eliminar el oxı́geno.

Figura 2.6: Principio de operación de un desaireador.

El suministro de agua entra a la conexión superior, pasa a través de una

20
Conceptos fundamentales, teorı́as y antecedentes

tobera de rociado cuyo objetivo es la dispersión de agua dentro del depósito


de alimentación y calentamiento. La temperatura de agua es elevada 2◦ o
3◦ con respecto a la temperatura de vapor y la mayorı́a de los gases son
liberados. Como nos encontramos a temperaturas cercanas a la de saturación
esto puede conllevar a la cavitación de las bombas de alimentación, a no ser
que el tanque esté situado en niveles muy elevados sobre las bombas. Este
tipo de desgasificador consta de torre de desgasificación en la zona superior,
unida al tanque de almacenamiento. Como accesorios también pueden verse
la válvula de control de vapor, válvula de control de condensado de retorno,
conducto de ventilación de gases, medidor de nivel de agua en el tanque y
drenaje a bombas de alimentación a caldera. El agua dispersa es recolectada
e introducida en el ducto que trasporta vapor.
El vapor entra en la parte superior del tanque, se lo transporta hacia una
válvula de atomización, la válvula puede ser de resorte o contrabalanceada
esforzada a abrirse por la presión de vapor. Como la alta velocidad del va-
por golpea la corriente de agua que fluye alrededor de la válvula el vapor se
descompone en una mezcla fina dispersante que calienta el agua a la tempe-
ratura de saturación del vapor. Esta mezcla golpea un obturador deflector el
cual separa el agua del vapor.
La salida del agua de alimentación del proceso, ya desgasificada, se pro-
duce por la zona inferior del equipo. Los gases incondensables son evacuados
del equipo mediante un orificio situado en la zona superior. Este orificio de
venteo debe estar correctamente diseñado de tal forma que permita mantener
la correcta presión de trabajo del desgasificador.

2.2. Antecedentes
Actualmente, el avance de metodologı́as y de los productos manufactura-
dos de control basados en modelos matemáticos ocasiona un aumento signifi-
cativo en el interés de identificación de sistemas dinámicos. Ası́, es necesaria
la representación de una simplificada noción de evolución en identificación de
sistemas, distinguiendo los diferentes periodos de desenvolvimiento en esta
área. [14]
En [15] se detallan los pasos a seguir para la consecución del modelado
del control de nivel de un lı́quido en un depósito de forma cilı́ndrica, el
estudio parte de la obtención de las ecuaciones diferenciales que representa
el comportamiento dinámico de cada una de las variables del sistema, y
continua con la aplicación de la transformada de Laplace suponiendo las
condiciones iniciales iguales a cero, dichas ecuaciones se utilizan en forma
de sistemas lineales mediante el uso de diagramas de bloques funcionales

21
Conceptos fundamentales, teorı́as y antecedentes

y usando el álgebra de bloques se determina la función de transferencia del


sistema. Posteriormente se procede a simular el modelo usando la herramienta
Simulink de Matlab, sometiendo el modelo a cambios en sus variables de
entrada, para determinar su incidencia en el comportamiento de las variables
de salida y los valores lı́mites de la respuesta del sistema en cuanto a caudal
y nivel se refiere.
Las calderas de vapor, presentes en gran número de industrias, están for-
madas por una serie de elementos interrelacionados entre sı́ que constituyen
un sistema complejo. La simulación es, en este caso, una técnica muy útil
para el estudio de su funcionamiento.
El trabajo en [22] desarrolla el modelamiento matemático de una caldera
pirotubular y diseño de su estructura de control. El modelo obtenido se desa-
rrolla en términos de los calores especı́ficos, de igual forma la transferencia de
calor se hizo globalmente para hacer fácil el estudio de la caldera. La meto-
dologı́a se desarrolla siguiendo los siguientes lineamientos: conocimientos del
fenómeno, modelamiento matemático, simulación en el domino del tiempo y
ajuste de variables, diseño de la estructura de control, simulación y ajuste
fino. Los resultados indican que la presión de trabajo de la caldera depen-
de del porcentaje de apertura de la válvula manual de salida y que entre
más alta sea la presión de trabajo seleccionada dependiendo el porcentaje de
apertura de la válvula, más lenta será la respuesta de la caldera al llegar a la
consigna. Finalmente, el estudio proporciona un modelo que puede ser apli-
cado a cualquier caldera pirotubular, horizontal, sin importar su potencia,
de forma rápida solo con mı́nimos ajustes.

22
Capı́tulo 3

Método

La investigación se orienta a la identificación del sistema de control de


desaireación de una caldera industrial y la obtención del modelo del compor-
tamiento dinámico del sistema en lazo abierto a partir del análisis de datos
experimentales en lazo cerrado.
La metodologı́a para la identificación de parámetros es la “caja gris”,
con una estructura de modelo predeterminada. Con el modelo propuesto se
obtiene una representación lineal del sistema dinámico, se eligen los paráme-
tros a identificar y mediante la aplicación de una técnica de identificación de
sistemas, se obtienen los parámetros del modelo.
Dicha investigación presenta al porcentaje de llenado del tanque desai-
reador como variable principal de entrada, y al porcentaje de apertura de
válvula encargada de controlar el caudal de alimentación como variable de
salida, las perturbaciones que afectan al sistema son la variación de presión
causado por defectos del instrumento, y el nivel de producción de la plan-
ta. Para la recopilación de datos se utiliza el software PI ProcessBook (es R
una herramienta que permite a los usuarios crear pantallas gráficamente y
enriquecerlas con capas de datos sólidos y dimámicos), mientras que para el
análisis y el modelado se utilizan los softwares Matlab (es
R una herramienta
de software matemático que ofrece un entorno de desarrollo integrado con
un lenguaje de programación propio) y Simulink (es R un entorno de pro-
gramación visual, que funciona sobre el entorno de programación Matlab),
respectivamente.
Durante el proceso del trabajo de investigación exhibido en este docu-
mento, resulta descartado el desarrollo de nuevas metodologı́as para la iden-
tificación de sistemas de control en lazo cerrado, debido a la vasta literatura
disponible.
La investigación se basa en la obtención de la función de transferencia de
un sistema de desaireación a partir del comportamiento de entrada-salida del

23
Método

sistema real en lazo cerrado.

3.1. Enfoque
El enfoque abordado es de carácter cuantitativo ya que la comprensión del
comportamiento del sistema se fundamenta en el análisis numérico a partir
de mediciones realizadas en el proceso y el estudio de las relaciones existentes
entre las variables de excitación y respuesta controlada.

3.2. Alcance de la investigación


El alcance del trabajo es de carácter descriptivo ya que el objetivo prin-
cipal es representar la dinámica del proceso por medio de la obtención de la
función de transferencia.
Consideraciones de estudio:

La función de transferencia del controlador es conocido de antemano.

No se cuenta con un modelo completo de la naturaleza del ruido.

El modelo desarrollado solo considera a la planta en operación estable.

3.3. Diseño
Un desaireador es un tanque cuyo fin principal es eliminar el oxigeno
del agua con el propósito de proteger a los tubos de su poder corrosivo, y
calentar el agua de alimentación para la caldera para que al entrar a la misma
se consiga un ahorro de energı́a a una temperatura de utilización.
Para el análisis del proceso dinámico de desaireación es necesario un mo-
delo matemático que lo represente tal y como lo muestra la figura 3.1.

24
Método

Figura 3.1: Estructura metodológica para el proceso de identificación.

La investigación se basa en el estudio de un desaireador de agua para


caldera con caudal de 15,000lts/h, con temperatura de operación estable de
105o C y presión de 1, 5kg/cm2 .
Especı́ficamente, el estudio se dará en base al lazo de control de nivel,
cuyo principal objetivo es el de mantener el nivel de agua del desaireador
del vapor dentro de los lı́mites preestablecidos por el fabricante, los cuales se
deben controlar independientemente de las variaciones da la carga.
El punto de operación en la que se basa el análisis es del 67 % de llenado
debido a que la intención del estudio es representar el comportamiento ope-
racional promedio de la planta. Observando además que en dicha condición
las fluctuaciones en el control no alteraban a la salud del proceso y la salida
del lazo no llegaba al estado de saturación.
El lazo de control del nivel del tanque del desaireador está compuesto
por un lazo simple de control. Dicho controlador es un PID que tiene como
entrada la diferencia entre el valor proporcionado por el transmisor de nivel
del tanque del desaireador y el punto de consigna establecido por el operador,
de acuerdo al ı́ndice de diferenciación entre ambos se controla el porcentaje
de abertura de la válvula y por ende el flujo de agua proveniente del tanque
de condensado.
Al conocer el principio de funcionamiento de la planta de nuestro pro-
yecto se aplica el métodos de identificación de sistemas basado en el analisis
paramétrico.
El proceso de identificación se realiza de manera general por medio de los
siguientes pasos:
1. Recolección de datos de excitación y respuesta en lazo cerrado median-

25
Método

te la aplicación de una señal de excitación por el cual se registra el


comportamiento de las entradas y salidas durante un tiempo determi-
nado.

2. Procesamiento previo de las señales registradas por medio del acondi-


cionamiento de datos para aclarar y perfeccionar el proceso de identi-
ficación.

3. Selección de la estructura del modelo matemático en base a las leyes


fı́sicas que gobiernan al sistema.

4. Estimación de los parámetros de la estructura que mejor se ajustan


a la respuesta del modelo con los datos de entrada-salida obtenidos
experimentalmente.

5. Validación del modelo obtenido por medio de la satisfacción del grado


de exactitud requerido para la aplicación.

6. Estimación de los parámetros en lazo abierto por conocimiento de es-


tructura de retroalimentación y estructura de control.

7. Recolección de datos de excitación y respuesta en lazo abierto mediante


la aplicación de una señal de excitación por el cual se registra el com-
portamiento de las entradas y salidas durante un tiempo determinado.

8. Validación de resultados para planta en lazo abierto por comparación


de prueba y modelo obtenido.

1. Recolección de datos de excitación y respuesta en lazo cerra-


do. Para el proceso de identificación se realiza la adquisición de datos
usando el software PI ProcessBook, con el cual se obtendrán los datos
de entrada y salida de la planta que se está modelando, luego los datos
obtenidos se procesan en el software Matlab.
Con la curva de reacción del proceso es posible la identificación por
medio de las técnicas numéricas computacionales de modelado. En este
método se usa una señal escalón a la entrada de la planta en lazo cerra-
do, esta señal debe ser lo suficientemente grande para que la solución
del proceso cambie significativamente respecto del ruido de medida del
sensor utilizado. La figura 3.2 muestra que en nuestro caso la amplitud
de la señal de excitación es de 5 % sobre el estado de altura de operación
normal.

26
Método

Figura 3.2: Controlador de proceso dinámico de desaireación.

Dichos datos son guardados en un archivo c nivel.xlsx. En los cuales


constan la entrada sp, la salida que representa el porcentaje de llenado
de tanque vp y el tiempo t.

2. Tratamiento previo de los datos de entrada y salida. Cargamos


los datos obtenidos en Matlab mediante el archivo CARGAR DAT OS
ESCALON.m, el mismo que colocamos a continuación:

clc; clear all;


A = load(’prueba1.xlsx’);
sp= A (: ,1); % Datos 1ra columna
vp = A (: ,2); % Datos 2da columna
t = A (: ,3); % Datos 3ra columna

Una vez registrados los datos hay que corregirlos antes de iniciar la
identificación del modelo, por tanto, se trata de preparar los datos pa-
ra facilitar y mejorar el proceso de identificación. Existen datos que no

27
Método

forman parte de la dinámica del proceso, sino más bien son perturba-
ciones causadas por defectos de instrumentación y dinámica propia de
la válvula de control.
Se utiliza un filtro para reducir la magnitud del ruido que puede estar
presente en la señal identificando el periodo de las oscilaciones.

3. Elección de la estructura y obtención de los parámetros del


modelo. Para este paso se va a estimar en Matlab los métodos que
tengan una estructura que represente el comportamiento de la planta
real.
Por inspección de la variable de proceso y por el conocimiento de las
leyes fı́sicas que gobiernan al sistema, se puede determinar que la res-
puesta presenta una pequeña sobreoscilación por lo que se puede asu-
mir que el método a usar es el de segundo orden puro cuya función de
transferencia se expresa en la ecuación 2.16.
Con los datos cargados tanto de entrada (sp) como de salida (vp f iltrado),
se procede a utilizar la herramienta IDENT de Matlab. La figura 3.3
muestra los datos de entrada y salida cargados en la herramienta IDENT.

Figura 3.3: Ventana de configuración para la identificación

28
Método

Dentro de los sistemas de segundo orden estables existen dos posibili-


dades de comportamiento por lo que se analiza la estimación para cada
uno de ellos.
La figura 3.4 muestra el modelo matemático de representación para
sistemas de segundo orden con polos complejos conjugados.

Figura 3.4: Modelado matemático para sistemas de segundo orden con polos
conjugados.

El modelo matemático de representación para sistemas de segundo or-


den con polos reales es observado en la figura 3.5.

Figura 3.5: Modelado matemático para sistemas de segundo orden con polos
reales.

29
Método

4. Validación de modelo. Luego del desarrollo de la estimación de los


parámetros, lo último es evaluar la validez de la prueba. Por lo tanto
mediante Matlab vamos a realizar una comparación de las salidas de la
planta y la de los modelos encontrados, la misma que nos van a mostrar
cuál de las funciones de transferencia obtenidas por los métodos ya
descritos se aproxima más a la real.
Como puede observarse en la figura 3.6, para realizar la validación de los
métodos nos valemos de Simulink, en el cual se ingresan las funciones
de transferencias encontradas por los métodos descritos.

Figura 3.6: Modelado en Simulink para el análisis de desempeño.

5. Estimación de proceso en lazo abierto Teniendo en cuenta la


configuración de control retroalimentado simple observado en la figura
3.7, la estimación de la planta en lazo abierto se da por medio del cono-
cimiento del controlador y la obtención de la función de transferencia
en lazo cerrado a partir de la relación entre el punto de consigna sp y
la variable de proceso vp f iltrado.

30
Método

Figura 3.7: Estructura de procesos por bloques funcionales.

La función de transferencia en lazo cerrado y la de lazo abierto están


relacionadas por medio de la ecuación 3.1

H(s)LA .C(s)
H(s)LC = (3.1)
1 + H(s)LA .C(s)

Teniendo conocimiento de la función del controlador se estima la fun-


ción de transferencia en lazo abierto por medio de la ecuación 3.2.

H(s)LA
H(s)LA = (3.2)
1 − H(s)LA .C(s)

6. Recolección de datos de excitación y respuesta en lazo abier-


to. Para el proceso de identificación se realiza la adquisición de datos
usando el software PI ProcessBook, de la misma forma que en el lazo
cerrado con la diferencia de que el controlador estará en modo ma-
nual. En este método se utiliza una señal escalón para la apertura de
la válvula y se registra el nivel del tanque como salida.

7. Validación de resultados Luego del desarrollo de la estimación de


los parámetros, lo último es evaluar la validez de la prueba. Por lo tanto
mediante Matlab vamos a realizar una comparación de las salidas de la
planta y la de los modelos encontrados, la misma que nos van a mostrar
cuál de las funciones de transferencia obtenidas por los métodos ya
descritos se aproxima más a la real.

31
Capı́tulo 4

Resultados

A efecto de ilustración se presenta abajo una porción en la tabla 4.1 de los


datos recolectados en el momento del cambio. La tabla de comportamiento
dinámico real tiene 18130 puntos con intervalo de muestreo de 1 segundo.
Tomando en cuenta los valores del proceso, se presenta esta porción con
un enfoque en el cambio del setpoint, proporcionando al lector información
sobre las variables necesarias para el proceso de investigación. Resultarı́a
inútil seleccionar un menor número de datos aleatoriamente ya que alterarı́a
su dinámica.
Variable de Salida
SetPoint
Fecha Horario Proceso ( % Apertura
( % Llenado)
( % Llenado) de Válvula)
14/09/2017 9:55:53 67 67,1493988 73,61250305
14/09/2017 9:55:54 67 66,99588776 73,74797821
14/09/2017 9:55:55 67 66,98053741 74,4267807
14/09/2017 9:55:56 67 66,98680115 74,16641998
14/09/2017 9:55:57 67 66,91693115 74,125
14/09/2017 9:55:58 67 66,90937805 74,53220367
14/09/2017 9:55:59 71,47730255 66,88671875 74,58125305
14/09/2017 9:56:00 72 66,92075348 74,74075317
14/09/2017 9:56:01 72 66,92500305 96,84893799
14/09/2017 9:56:02 72 66,92500305 99,94855499
14/09/2017 9:56:03 72 66,86591339 100
14/09/2017 9:56:04 72 66,859375 100
14/09/2017 9:56:05 72 66,89889526 100
14/09/2017 9:56:06 72 66,91146088 99,74981689
Tabla 4.1: Fragmento de tabla considerada para el estudio

32
Resultados

4.1. Recolección de datos de entrada y salida


en lazo cerrado
Para la caracterización del sistema fue necesario establecer un método
que permitiera identificar el comportamiento operacional. Para analizar la
respuesta del sistema se optó por utilizar una entrada de tipo escalón que
permitiera analizar el comportamiento de la planta para cualquier valor de
entrada.
A través de PI Process Book se diseñó gráficamente un sistema de adqui-
sición de datos (figura 4.1) con el fin de guardar y analizar posteriormente
los resultados obtenidos mediante rutinas implementadas en MATLAB.

Figura 4.1: Señales de exitación y respuesta en prueba escalón en lazo cerrado.

4.2. Tratamiento previo de los datos de en-


trada y salida
La figura 4.2 muestra la diferencia entre los datos originales y los valores
posteriores a la aplicación del filtro tomando en cuenta la frecuencia de ruido
existente en la señal.

33
Resultados

Figura 4.2: Comportamiento de la variable de proceso pos-filtrado.

4.3. Elección de la estructura y obtención de


los parámetros del modelo
Con el estudio de las ecuaciones diferenciales que gobiernan la naturaleza
del proceso y su transformación de Laplace puede estimarse que el proceso
es de segundo orden. Ası́ mismo la naturaleza del gráfico de la variable de
proceso posterior al filtrado demuestra una pequeña sobreoscilación por lo
que se refuerza dicha valoración. La figura 4.3 muestra el modelo matemáti-
co de representación para sistemas de segundo orden con polos complejos
conjugados.

Figura 4.3: Interfaz para la elección de estructuras de polos complejos con-


jugados.

34
Resultados

Tomando en cuenta la estructura representada en la 4.2 y por medio de la


estimación de los parámetros calculados, la función de transferencia quedarı́a
de la siguiente manera:
1 + 201,5s
H(s)LC = (4.1)
1 + 201,56238s + 60836,2225s2
Las figuras 4.4 y 4.5 presentan la respuesta de la simulación de la función
de transferencia realizada en Simulink.

Figura 4.4: Modelo para análisis en Simulink.

Figura 4.5: Simulación del modelado de polos complejos conjugados.

La figura 4.6 muestra el modelo matemático de representación para sis-


temas de segundo orden con polos reales distintos.

35
Resultados

Figura 4.6: Interfaz para la elección de estructuras de polos reales distintos.

La función de transferencia obtenida en este caso es:


1 − 51,888s
H(s)LC = (4.2)
(1 + 437,8s)(1 + 230,35s)

Las figuras 4.7 y 4.8 presentan la respuesta de la simulación de la función


de transferencia realizada en Simulink.

Figura 4.7: Modelo para análisis en Simulink.

36
Resultados

Figura 4.8: Simulación del modelado de polos reales distintos.

4.4. Validación de Resultados


En la figura 4.9 se observa la comparación entre la variable de proceso
filtrada y la de los modelos obtenidos por analisis de sistemas de segundo
orden.La estimación brinda un porcentaje de precisión de 89,7 % y 95 %,para
polos reales distintos y complejos conjugados,respectivamente.Por lo que se
optará por la estructura de la última.

37
Resultados

Figura 4.9: Comparación de respuestas reales y modeladas ante entrada es-


calón.

4.5. Estimación de proceso en lazo abierto


La estimación de la planta en lazo abierto se da por medio del conoci-
miento del controlador y la obtención de la función de transferencia en lazo
cerrado a partir de la relación entre el punto de consigna sp y la variable de
proceso vpf iltrado.
El controlador es de tipo proporcional-integral, presenta como parámetros
los valores de 5 y 0,025, para la ganancia proporcional y para la ganancia
integral, respectivamente.

38
Resultados

Figura 4.10: Diagrama de bloques de proceso de desaireación.

De la ecuación 3.2 y teniendo la función de transferencia del controlador


obtenemos los parámetros del proceso en lazo abierto.
0,0006575
H(s)LA = (4.3)
s

Figura 4.11: Modelo estimado de planta en lazo abierto.

4.6. Recolección de datos de entrada y salida


en lazo abierto
Para la caracterización del sistema fue necesario establecer un método
que permitiera identificar el comportamiento operacional en lazo abierto.

39
Resultados

Para analizar la respuesta del sistema se optó por utilizar una entrada de
tipo escalón que permitiera analizar el comportamiento de la planta para
cualquier valor de entrada. La señal de excitación consiste en una entrada
de tipo escalón con magnitud 5 en la apertura de la válvula obteniendo el
comportamiento mostrado en la figura 4.12.

Figura 4.12: Señales de respuesta ante prueba escalón en lazo abierto.

4.7. Validación de resultados


Tras realizar la comparación entre la respuesta en lazo abierto y la del mo-
delo encontrado se observa una gran precisión en lo que se refiere a constante
de tiempo,especı́ficamente 92 %,sin embargo existe una pequeña desviación
en la variable de proceso al alcanzar el estado estacionario.

40
Resultados

Figura 4.13: Comparación de respuesta real y modelada en lazo abierto.

41
Capı́tulo 5

Conclusión

En este capı́tulo se presentan las conclusiones derivadas del trabajo de


investigación realizado; el cual se presentó en la tesis.
A su vez también se hace una breve descripción de los trabajos futuros
que pueden desarrollarse a partir de los resultados y observaciones obtenidos
en el presente trabajo.

5.1. Discusión
La base fundamental para la elección de la estructura son las leyes fı́sicas
que gobiernan la naturaleza del proceso, es muy importante escoger el mo-
delo que se quiere representar por medio de las ecuaciones y el análisis del
comportamiento dinámico del proceso.
La validación sirve para establecer si el modelo representa correctamente
la dinámica del sistema real.
Para el desarrollo de estudios de identificación resulta compleja la re-
copilación de datos de procesos dinámicos significativos y funcionales. Sin
embargo para la realización del presente trabajo dicho recurso no ha repre-
sentado una dificultad.
A nivel industrial los datos presentan una gran cantidad de ruido y per-
turbación por lo que es necesario acondicionar la señal previa a su utilización
y análisis.
Durante el desarrollo del trabajo se observó que el algoritmo de estimación
de mı́nimos cuadrados es una herramienta útil para la identificación de la
función de transferencia en lazo cerrado del proceso de control de nivel del
desaireador. A partir de la identificación de dicha función de transferencia,
con el conocimiento de la estructura y los valores de los parámetros del
controlador, es posible estimar la función de transferencia del proceso en

42
Discusión

lazo abierto.
El modelo obtenido presenta una similitud del 92 % en lo que se refiere
a constante de tiempo. Sin embargo, presenta un valor estacionario superior
lo que se supone podrı́a ser causado por un nivel de perturbación mayor
originado por el nivel de producción presente en la prueba en lazo cerrado.

5.2. Sugerencias para futuras investigaciones


Teniendo en cuenta que el proceso de desaireación en lazo abierto quedó
definido con gran precisión, y que dicho modelo representa la base para los
sistemas de control, emergen futuras lı́neas de trabajo:

Control predictivo, analizar la respuesta de la planta a otras señales de


excitación y perturbación previendo de esta manera estados futuros del
sistema.

Creación de un entorno didáctico de simulación tomando en cuenta la


función de transferencia de la planta en lazo abierto para conocimiento
de operación, control y automatización.

43
Referencias bibliográficas

[1] Benjamin C. Kuo, Sistemas de control automático, Pearson Educación,


1996.

[2] A. Ojeda, Control e instrumentación de un generador de vapor para la


industria., Universidad Nacional Autónoma de México UNAM, 2014.

[3] A.L. Kohan, Manual de calderas: principios operativos de mantenimiento,


construcción, instalación, reparación, seguridad, requerimientos y norma-
tivas., McGraw-Hill, 2000.

[4] K.J. Åström, T. Hägglund, Control PID Avanzado, Pearson Educación,


2009.

[5] S. Bennett, A History of Control Engineering 1930-1955, London, 1993.

[6] David B. Ender, Process control performance: Not as good as you think.,
Control Engineering, 1993.

[7] J.E. Vázquez, Análisis de equipos de desgasificación en instalaciones de


vapor, Universidad de Sevilla, 2014.

[8] L. Ljung, System Identification: theory for the user. Englewood Cliffs.
Prentice Hall, 1987.

[9] P. S. Buckley, Techniques of Process Control, John Wiley and Sons Ltd,
1965.

[10] Simon S. Haykin, Barry Van Veen, Señales y sistemas, Limusa, 2001.

[11] P. Alvarado-Moya, Señales y Sistemas: Fundamentos Matemáticos, Cen-


tro de Desarrollo de Material Bibliográfico, 2010.

[12] K. Ogata, Ingenierı́a de Control Moderna, Pearson Educación, 5ta Edi-


ción, 2010.

44
Discusión

[13] Dale E. Seborg, Process Dynamics and Control (Wiley Series in Che-
mical Engineering), Wiley , 1989.

[14] M. Gevers, Identification for Control: From early achievements to the


revival of experimental design, Eur J. Cont, 2005.

[15] L. Ljung, Development of System Identification, 13th IFAC World Con-


gress, 1996.

[16] R. Isermann, Practical Aspects of Process Identification, Automatica,


1980.

[17] L. Ljung, T. Glad, Modeling of dynamic systems, PTR Prentice Hall,


1994.

[18] A. Rodrigues, L. Dos Santos Identificación de sistemas dinámicos linea-


les, Universidad Federal de Santa Catarina, 2004.

[19] J. M. Mollekamp, Control Automático de Processos, EBRASS Editora


Brasileira, 1973.

[20] Edward W. Kamen, Bonnie S. Heck, Fundamentos de señales y sistemas


usando la Web y MATLAB, Pearson Educación,3ra Edición 2008.

[21] M. Sanz del Amo, Marı́a del R. Patiño Manual práctico del operador de
calderas industriales, Parainfo, 2014.

[22] E. Castro, E. Osorio, Modelado y simulación de la caldera pirotubular y


diseño de su estrategia de control, Universidad Francisco de Paula Santan-
der, 2016.

45

Das könnte Ihnen auch gefallen