TECNOLÓGICO DE ESTUDIOS SUPERIORES DE SAN FELIPE DEL

PROGRESO

“MODELO DINÁMICO DE SISTEMAS”

ALUMNO:

SAMUEL GARCÍA ESCOBAR

JAVIER PIÑA PIÑA

DOCENTE:

I.Q WILBERTH NAVARRATE CELESTINO

MATERIA:

INSTRUMENTACIÓN Y CONTROL

GRUPO: 801

INGENIERA QUÍMICA

1
ÍNDICE
INTRODUCCIÓN……………………………………………………………..3

DEFINICIONES de MODELACION DINAMICA DE SISTEMAS................4

TIPOS DE SISTEMAS……………………..………………………………….5

MODELOS DE PROCESOS QUIMIOS……………………………………….9

SIMULACIÓN DE PROCESOS QUÍMICOS……………………………..….10

CLASIFICACIÓN DE LOS MÉTODOS DE SIMULACIÓN………………..11

SIMULADORES DE PROCESOS QUÍMICOS COMPLEJOS……………....12
LIBERALIZACIÓN DE SISTEMAS………………………………………….13

SISTEMAS LINEALES Y NO LINEALES………………………………...…13

LINEALIZACIÓN…………………….……………………………………….14
SISTEMAS DE PRIMER ORDEN………………………………………….....15

SISTEMAS DE SEGUNDO ORDEN……………………………………........19

SISTEMAS DE ORDEN SUPERIOR……………………………………….…27

CONCLUSIÓN.....................................................................................................29
REFERENCIAS................................................................................................... 30

2
 INTRODUCCIÓN
Método para el estudio del comportamiento de sistemas mediante la construcción de un
modelo de simulación informática que ponga de manifiesto las relaciones entre la estructura
del sistema y su comportamiento. Como punto de partida conviene aclarar el sentido con el
que se utilizarán los dos términos que aparecen en la anterior caracterización. En primer
lugar, empezaremos por sistema. Este término se emplea con frecuencia, aunque con
distintas acepciones. De modo coloquial hablamos de un sistema, como de un modo o
manera de hacer algo; así, decimos que tenemos un sistema para resolver un problema o para
alcanzar un objetivo.
Los sistemas dinámicos es una metodología ideada para resolver problemas concretos,
permite la construcción de modelos tras un análisis cuidadoso de los elementos del sistema,
este análisis permite extraer la lógica interna del modelo, y con ello intentar un conocimiento
de la evolución a largo plazo del sistema, en dinámica de sistemas vamos a ocuparnos de
analizar cómo las relaciones en el seno de un sistema permiten explicar su comportamiento.
Un sistema, como ya se ha definido, es un conjunto de elementos en interacción, esta
interacción es el resultado de que unas partes influyen sobre otras, ya que estas influencias
mutuas determinarán cambios en esas partes, por tanto, los cambios que se producen en el
sistema son reflejos, en alguna medida, de las interacciones existentes. Los cambios en un
sistema se manifiestan mediante su comportamiento, por otra parte, el conjunto de relaciones
constituye lo que se denomina su estructura, podemos decir que la dinámica de sistemas trata
de poner de manifiesto cómo están relacionados la estructura y el comportamiento.

3
 MODELACION DINAMICA DE SISTEMAS
Definición del Sistema
Un sistema es un conjunto de componentes o módulos que interactúan entre sí a partir de
intercambio de energía o información. La definición de sistema es importante para reconocer
la integridad del mismo y sus componentes. De aquí se definen términos como análisis y
síntesis de sistemas. Modelación y simulación.
Definición de Modelo

Un modelo es una representación aproximada de un sistema dinámico. Dicha representación

o abstracción incluye propiedades y parámetros internos del sistema, así como una definición
de entradas y salidas del mismo.
Planta – Es el sistema dinámico que deseamos analizar o modelar.

Proceso – Es una operación natural, progresivamente continua o desarrollo marcado por una
serie de cambios graduales consecutivos de una manera establecida hacia la consecución de
un objetivo o resultado particular.
Sistema – Es la combinación de componentes que actúan juntos en un objetivo o dinámica
común.
Controlabilidad – Es una propiedad de los sistemas de poder manipular su comportamiento
a partir de sus parámetros de entrada. Con estos parámetros de entrada podemos manipular
la salida a algún valor deseado.

Observabilidad – Es una propiedad de los sistemas de poder conocer parámetros internos del
mismo a partir de medir parámetros de salida.
Estabilidad – Es la propiedad del sistema de llegar a su estado estacionario cuando no hay
energía externa que sea introducida al mismo.
Inestabilidad – Se refiere a un estado en los sistemas en donde la energía interna tiene al
infinito cuando no hay energía que sea introducida al mismo.
Perturbación – Es una señal que tiende a afectar de manera adversa la salida del sistema. La
perturbación puede ser Interna o Externa al sistema.

4
 Ejemplos de sistemas de control

Tipos de sistemas
Los sistemas dinámicos pueden clasificarse de acuerdo a la forma en que sus variables
internas están modeladas con respecto al tiempo en: Sistemas de Variable continúa Sistemas
de variable discreta Sistemas híbridos

Sistemas de Variable Continúa

Son aquellos en donde el tiempo se considera ininterrumpido, al menos en el tiempo de la

operación. Una variable continua es generalmente creada para ser analógica, lo que significa
que puede tener cualquier valor dentro de cierto rango. Ejemplos de estas incluyen fuerza,
temperatura, flujo, presión, velocidad y posición. Todas estas variables se consideran
continúas pudiendo tener cualquier valor real dentro del rango válido de valores.

Sistemas de Variable Discreta

Son aquellos sistemas que solo toman ciertos valores dentro de un rango dado. El tipo más
común son los sistemas con variables discretas del tipo binario, es decir que solo pueden
tomar los valores de 0 o 1, ON-OFF, Cerrado o abierto, etc. Ejemplos de variables discretas
son los interruptores límite, motores a pasos, presencia o no de piezas de trabajo, etc.

Sistemas híbridos
Los sistemas híbridos son una combinación de los sistemas discretos y continuos. Pueden
poseer ambos tipos de variables y su estructura puede contener también modelos de funciones

5
matemáticas mezcladas. Estos sistemas surgen de la necesidad de modelar los sistemas
mecatrónicos más complejos de forma que puedan incluir los comportamientos continuos y
discretos en un solo modelo. Ejemplos de esos sistemas pueden ser las máquinas de control
numérico, los sistemas de comunicación electrónica, sistemas de transporte, de producción,
etc.

Sistemas de control industrial

Hay dos tipos básicos de control en la industria, aunque el tercero está emergiendo:

1) Control continuo.
2) Control discreto

3) Control híbrido

Sistemas de control industrial

El control continuo posee variables y parámetros continuos o analógicos. El control discreto
las variables y parámetros son discretos, principalmente binarios. El control híbrido combina
ambas variables de forma que el sistema se mantiene íntegro.

Sistemas de control continúo la mayoría de las operaciones de procesos. Ejemplos de

procesos continuos son: El control de la salida de una reacción química que depende de las
condiciones de la reacción química: Temperatura, presión, flujo de entrada de reactivas.
Todas las variables son continuas. El control de la posición de una pieza de trabajo con
respecto a la herramienta de corte en una operación de maquinado de contornos. La posición
de la parte está definida por coordinadas (x, y, z). Al moverse la parte los valores de posición
pueden ser considerados como variables continuas en el tiempo.

Existen diferentes formas en que el control se puede realizar dependiendo de la estrategia

que se elija.
Control Regulatorio

En el control regulatorio el objetivo es mantener el rendimiento del proceso dentro de ciertos

niveles con una banda de tolerancia de ese nivel. La aplicación de este tipo de control
normalmente es en la medición de cantidades básicas en parámetros del sistema y mantener
cantidades especificadas en niveles deseados. En muchas aplicaciones se usa un índice de
rendimiento que se basa en varias variables de salida del proceso. Esto lo hace equivalente al
lazo cerrado en sistemas de control en sistemas individuales

6
El problema con el control regulatorio es que la compensación se efectúa solo después de
que la salida se ha afectado por la perturbación. Un error debe de estar presente para efectuar
la acción de control.
El control hacia adelante

Esta estrategia se basa en anticipar los efectos de perturbación que habrá en el proceso de
medición de los parámetros del sistema y compensarlos antes de que afecten el proceso. El
control hacia adelante mide o anticipa la presencia de perturbación y hace la acción correctiva
ajustando los parámetros del proceso que compensan los efectos de la perturbación. Sin
embargo, no existe una compensación perfecta debido a las imperfecciones en las mediciones
hacia adelante, las operaciones de los actuadores, y el algoritmo de control. Estos dos
controles se relacionan mas con procesos industriales mas que con la manufactura discreta
de un producto.

Optimización en estado estacionario

Cuando se conocen estas variaciones, es posible aplicar algoritmos de control diseñados para
hacer ajustes en los parámetros del proceso y manejar el proceso hacia un estado óptimo.
Esto se conoce como optimizar el proceso en estado estacionario y su solución incluye el

7
cálculo diferencial, cálculo de variaciones y una variedad de métodos de programación
matemáticos.
Control adaptivo
El control óptimo en estado estacionario opera en un sistema de lazo abierto. Su éxito es
debido a que no hay perturbaciones que invaliden las relaciones conocidas entre los
parámetros del proceso y el rendimiento del mismo. Cuantas tales perturbaciones están
presentes en la aplicación, una forma de control óptimo puede ser usada llamada control
adaptivo. El control adaptivo combina el control en lazo cerrado y el control óptimo midiendo
variables relevantes del proceso durante la operación (como en control en lazo cerrado) y
usando un algoritmo de control que intente optimizar algunos índices de rendimiento (como
en el control óptimo.

Control adaptivo
El control adaptivo se distingue del control en lazo cerrado y el control óptimo en estado
estacionario por su capacidad única para lidiar con cambios en el tiempo del ambiente. No
es inusual para un sistema operar en un ambiente en donde los cambios en el tiempo
potencialmente afecten el rendimiento del sistema. Si los parámetros internos están fijos,
estos pueden tener un rendimiento diferente dependiendo en donde se mueven. Un control
adaptivo está diseñado para compensar tales cambios ambientales, monitoreando su propio
rendimiento. Y alterando algunos aspectos en su mecanismo de control es posible encontrar
su nivel óptimo. En un proceso de producción, el ambiente que varía en el tiempo consiste
de las variaciones diarias en materia prima, herramientas, condiciones atmosféricas, etc.

El sistema adaptivo debe de realizar tres funciones: 1. Identificación. El valor actual del
índice de rendimiento del sistema está determinado basado en la colección de mediciones
desde el proceso. Dado que el ambiente cambia en el tiempo, su rendimiento también cambia.
La función de identificación debe ser completada más o menos continuamente en el tiempo
durante la operación del sistema. 2. Decisión. Una vez que el rendimiento del sistema se ha
identificado, la siguiente función debe decidir qué cambios serán hechos para mejorar el
rendimiento. La decisión es implementada mediante algoritmos programados que adaptan al
sistema. Dependiendo de este algoritmo, la decisión podría cambiar uno o más parámetros
de entrada al proceso, alterar algunos de los parámetros internos del controlador o algún otro
cambio en el sistema.
3. Modificación. La tercera función del control adaptivo es implementar la decisión- Si la
decisión es una función lógica, las modificaciones lidian con los cambios físicos del sistema.
Involucra el hardware en lugar del software. Los parámetros del sistema o entradas del
proceso son alterados usando actuadores disponibles para manejar al sistema hacia un estado
más óptimo.

8
 MODELOS DE PROCESOS QUIMIOS
La combinación de métodos numéricos y computadoras digitales constituye una poderosa
herramienta para el análisis matemático. Por ejemplo, los métodos numéricos son capaces de
manejar no linealidades, modelos asociados a geometrías complejas y sistemas de ecuaciones
acopladas que son necesarios para el modelado eficiente de muchos sistemas fisicoquímicos
que se presentan en ingeniería. En la práctica, rara vez se consideran enfoques analíticos a
los problemas de ingeniería en razón de la complejidad de los sistemas a resolver. Aún en
problemas para los que podrían obtenerse con cierto esfuerzo soluciones analíticas, los
métodos numéricos son poco costosos, fáciles de emplear y con frecuencia se dispone de
ellos en programas comerciales. La primera pregunta que uno se formula es si existe algún
límite a la capacidad de cálculo de los métodos numéricos. La respuesta es afirmativa. Es
sabido que si un problema no puede resolverse analíticamente, lo mejor es programarlo en
una computadora (mediante un algoritmo adecuado). Este punto de vista se debe, sin lugar a
dudas, al enorme poder de cálculo de los métodos numéricos. Sin embargo, también es cierto
que existen muchos problemas que son imposibles de resolver utilizando métodos numéricos.
Para diversos problemas no se ha encontrado todavía un modelo matemático completo y
seguro, de manera que resulta obvio que es imposible encontrarles una solución numérica.
La dimensión de otros problemas es tan grande que su solución está más allá de los límites
prácticos en términos de la tecnología computacional disponible. Por ejemplo, en problemas
fluido-dinámicos que involucran flujos turbulentos, en estimaciones meteorológicas o
climáticas (campos de vientos, presiones, temperaturas, etc.), y como veremos más adelante,
en diversos problemas que se plantean en el área de la ingeniería química, existen serias
limitaciones en el área de diseño y de optimización en tiempo real, etc. En los últimos años
se han desarrollado grandes programas computacionales comerciales para simular el
comportamiento de sistemas de ingeniería de todo tipo. Usualmente, estos programas se
diseñan para que sean utilizados por aquellos profesionales de la ingeniería sin un
conocimiento intensivo de su funcionamiento interno.
El modelado de procesos implica la construcción de un modelo matemático mediante la
descripción de sus relaciones físicas y químicas fundamentales

¿Cómo obtener modelos?

•Mediante razonamientos, usando leyes físicas, químicas, etc.

•Mediante experimentación y análisis de datos.

º Dependiendo del proceso al que sirven, existen diferentes y muy variados tipos de modelos.
Básicamente, un modelo es: “La representación matemática de un fenómeno o conjunto de
ellos”. Dependiendo del conocimiento de las interacciones causa-efecto, los modelos pueden
ser clasificados

9
Como:

- Modelos estructurales.
- Modelos determinísticos.

- Modelos empíricos
- Modelos aleatorios.

MODELOS ESTRUCTURALES
La relación estructural (topológica) entre las variables no concierne la relación funcional.

SIMULACIÓN DE PROCESOS QUÍMICOS

Simulación de procesos químicos está naturalmente vinculada al cálculo de los balances de
materia, energía y eventualmente cantidad de movimiento; de un proceso cuya estructura, y
los datos preliminares de los equipos que lo componen, son conocidos.

Simuladores de procesos son la herramienta más importante, junto a las técnicas de

optimización, en la etapa de análisis. Esto es, luego de haberse generado diversas alternativas
estructurales viables para un proceso dado, (flowsheets o diagramas de flujo), deberán
evaluarse cada una de ellas. Ello implica el cálculo de los respectivos balances, los servicios
auxiliares, etc. Con estos datos, que abarcan las propiedades de todas las corrientes del
proceso, ya sean extensivas o intensivas (temperatura, presión, composiciones, estado de
agregación) estamos en condición de obtener un costo estimativo, además de otros datos
importantes, tales como las emisiones al medio ambiente, etc.
La simulación de procesos en Ingeniería Química nos impone recurrir someramente a la
historia de la simulación, su definición y las áreas que abarca. En los primeros pasos, la
simulación de procesos se basaba principalmente en circuitos analógicos, utilizando los
fenómenos de analogía.
Consecuentemente, podría resultar conveniente analizar (simular analógicamente) el
comportamiento de un sistema (proceso químico) observando la evolución de las variables
"equivalentes" en un circuito eléctrico (cuyo modelo es equivalente -isomorfo- al proceso
estudiado), ya que son fácilmente medibles.

En el año 1974 aparece el primer simulador de procesos químicos, (el FLOWTRAN). A partir
de allí se ha generado una sucesión de acontecimientos que permiten en la actualidad la
existencia de varios y eficientes simuladores comerciales como por ejemplo SPEED UP,
ASPEN PLUS, PRO II, HYSYM, HYSYS, CHEMCAD, y otros.

10
 CLASIFICACIÓN DE LOS MÉTODOS DE SIMULACIÓN
Las herramientas de simulación pueden clasificarse según diversos criterios, por ejemplo,
según el tipo de procesos (batch o continuo), si involucra el tiempo (estacionario o dinámico
-incluye a los equipos batch-), si maneja variables estocásticas o determinísticas, variables
cuantitativas o cualitativas, etc. A continuación se expondrán brevemente las características
de los distintos tipos de herramientas de simulación generalmente utilizadas.

Simulación cualitativa y cuantitativa

Una de las principales diferenciaciones a realizar al analizar el enorme campo que abarca la
simulación de procesos es la que nos ocupa en este apartado. La simulación cualitativa tiene
por objeto principalmente el estudio de las relaciones causales y las tendencias temporales
cualitativas de un sistema, como así también la propagación de perturbaciones a través de un
proceso dado.
Llamamos valores cualitativos de una variable, a diferencia del valor numérico (cuantitativo),
a su signo; ya sea absoluto, o bien con relación a un valor dado o de referencia. Por lo tanto,
en general se trabaja con valores tales como (+, -, 0).

La simulación cuantitativa, en cambio, es aquella que describe numéricamente el

comportamiento de un proceso, a través de un modelo matemático del mismo. Para ello se
procede a la resolución de los balances de materia, energía y cantidad de movimiento, junto
a las ecuaciones de restricción que imponen aspectos funcionales y operacionales del sistema.

Simulación estacionaria y dinámica.

La simulación en estado estacionario implica resolver los balances de un sistema no
involucrando la variable temporal, por lo que el sistema de ecuaciones deseara estudiar o
reflejar en el modelo las variaciones de las variables de interés con las coordenadas espaciales
(modelos a parámetros distribuidos); entonces deberá utilizarse un sistema de ecuaciones
diferenciales a derivadas parciales (según el número de coordenadas espaciales
consideradas).

SIMULADORES DE PROCESOS QUÍMICOS COMPLEJOS

Debe diferenciarse la noción de un simulador general de procesos químicos de un programa
de simulación de equipos o unidades operacionales aisladas. En efecto, mientras que para
estas últimas sólo se requiere el modelo del equipo y un sistema de entrada/salida de datos
para comunicarse eficientemente con el usuario, programar un simulador de uso general
implica varios problemas adicionales. Deberá programarse la forma de interacción de los
equipos de acuerdo al flowsheet de la planta; además de la metodología de ingreso de los
datos, tanto de la estructura (flowsheet) como de cada unidad individual. Obviamente,
dependerá del tipo de estructura del flowsheet (con reciclo, lineal, etc.) la complejidad

11
matemática para resolver los balances correspondientes, ya que por lo general deberá
recurrirse a métodos iterativos.

LIBERALIZACIÓN DE SISTEMAS
En matemáticas y sus aplicaciones, la liberalización se refiere al proceso de encontrar la
aproximación lineal a una función en un punto dado. En el estudio de los sistemas dinámicos,
la liberalización es un método para estudiar la estabilidad local de un punto de equilibrio de
un sistema de ecuaciones diferenciales no lineales. Este método se utiliza en campos tales
como la ingeniería, la física, la economía, y la biología.

SISTEMAS LINEALES Y NO LINEALES

Sistemas lineales

Un sistema en el que se aplica el principio de superposición se denomina lineal. El principio

de superposición establece que la respuesta producida por la aplicación simultánea de dos
funciones excitadoras (perturbaciones) distintas, es la suma de las respuestas individuales.
Por lo tanto, para sistemas lineales la respuesta a diversas entradas se puede calcular tratando
una entrada a la vez, y añadiendo o sumando los resultados.

La primera interrogante que debe ser contestada es justamente cuando una ecuación
diferencial es lineal. Básicamente es la que contiene variables solamente elevadas a la
primera potencia en cualquiera de los términos de la ecuación.
Ejemplo de EDO lineal

12
 Donde ao y a1 son constantes o funciones del tiempo solamente, no de las variables
dependientes o sus derivadas.
Sistemas no lineales
Los procesos reales generalmente se modelan mediante ecuaciones algebraicas y/o
diferenciales no lineales. Si en la ecuación aparecen raíces cuadradas, cuadrados,
exponenciales, productos de variables, etc., la ecuación, es no lineal.
Ejemplos de EDO no lineal

Donde x1 y x2 son variables dependientes

LINEALIZACIÓN
Matemáticamente, una ecuación diferencial lineal es una para la cual se cumplen las
siguientes propiedades:
1. Si x(t) es una solución, entonces cx(t) es también una solución, donde c es una constante.
2. Si x1 es una solución y x2 es también una solución, entonces x1 + x2 es una solución.
La linealización es muy simple. Todo lo que se tiene que hacer es tomar las funciones no
lineales, expandirlas en una serie de expansión de Taylor alrededor de la operación al estado
estacionario, y despreciar todos los términos después de las primeras derivadas parciales.
Asumiendo que tenemos una función no lineal de variables del proceso x1 y x2: f (x1, x2). Por
ejemplo, x1 podría ser fracción molar o temperatura o razón de flujo. Denotando los valores
de estas variables al estado estacionario como:

x1s = valor al estado estacionario de x1

x2s = valor al estado estacionario de x2

Ahora expandiendo la función f(x1, x2) alrededor de sus valores al estado estacionario f (x1s, x2s).

13
La linealización consiste en truncar las series después de las primeras derivadas parciales.

Hemos aproximado la función real a una función lineal

Considerar la dependencia del flujo saliendo de un tanque a la raíz cuadrara de la altura de

líquido en el tanque:
F(h) = KÖ h (6.30)

La serie de expansión de Taylor alrededor del valor de h al estado estacionario, el cual

es hs en nuestra nomenclatura es:

El producto de dos variables dependientes es una función no lineal de dos variables:

f(CA, F) = CA F (6.34)
Lineal izando

CA(t)F(t) @ CAs Fs +Fs(CA(t) – CAs) + CAs(F(t) – F(s)) (6.36)

Notar que la liberalización convierte la función no lineal (el producto de dos variables
dependientes) en una función lineal conteniendo dos términos.

14
 SISTEMAS DE PRIMER ORDEN

R(s) + Y(s) R(s) Y(s)

T: constante de tiempo del sistema

1
Y(s)  * R (s)
Ts  1

 Ante una entrada Escalón Unitario, R(s)=1/s:

1 1 1 T
Y(s)    
Ts  1 s s Ts  1

Aplicando transformada Inversa de Laplace

y( t )  1  e t T t0

El error en estado estacionario ess

ess  Lim e( t )
t

e(t) = r(t) – y(t)

15
 
ess  Lim r(t) - y(t)  Lim 1  1  e t T  0
t  t 


Gráfica:
Para t = T la señal de salida ha
alcanzado el 63.2 % del valor
final, siendo esta una medida
típica en la caracterización de
sistemas de primer orden.
La pendiente a la curva en t =
0 es 1/T.

En la práctica, se considera
que cuando han transcurrido
por lo menos cuatro constantes
de tiempo, la señal de salida ha
alcanzado el valor final, el 98.2%, y se habla de que la respuesta ha alcanzado
el estado estacionario. Por lo tanto entre más pequeña es la constante de tiempo
de un sistema de primer orden más rápido alcanza el valor final.

 Ante una entrada Rampa Unitária, R(s)=1/s2:

1 1 1 T T2
Y(s)     
Ts  1 s 2 s 2 s Ts  1

Aplicando transformada de Laplace Inversa

y( t )  t  T  Te  t T t0

El error en estado estacionario ess

16
  
ess  Lim r(t) - y(t)  Lim t  t  T  Te  t T  T
t  t 

Gráfica: y(t) = c(t)

 Ante una entrada Impulso Unitario, R(s)=1:

1 T
Y(s)  *1 
Ts  1 Ts  1

Aplicando transformada de Laplace Inversa

1 t T
y( t )  e t0
T

El error en estado estacionario ess

 1 
ess  Lim r(t) - y(t)  Lim 1  e  t T   0
t  t 
 T 

17
Grafica: y(t) = c(t)

Propiedad importante de los sistemas lineales e invariantes con el tiempo.

En el análisis anterior, se demostró que, para la entrada rampa unitaria, la salida

y(t) es:
y(t) = t - T + Te-t/T, para t ≥ 0

Para la entrada escalón unitario, que es la derivada de la entrada rampa unitaria,

la salida y(t) es
y(t) = 1 - e-t/T, para t ≥ 0

Por último, para la entrada impulso unitario, que es la derivada de la entrada

escalón unitario, la salida y(t) es

18
 y(t) = (1/T) e-t/T, para t ≥ 0

Una comparación de las respuestas del sistema para estas tres entradas indica
con claridad que la respuesta ala derivada de una señal de entrada se obtiene
diferenciando la respuesta del sistema para la señal original. También se observa
que la respuesta para la integral de la señal original se obtiene integrando la
respuesta del sistema para la señal original. Ésta es una propiedad de los
sistemas lineales e invariantes con el tiempo. Los sistemas lineales y variantes
con el tiempo y los sistemas no lineales no poseen esta propiedad.

SISTEMAS DE SEGUNDO ORDEN

El comportamiento dinámico de un sistema de segundo orden se estudia usando

una expresión normalizada del sistema:

n
2
Y(s)

R (s) s 2  2n s  n 2

donde se define:

ζ= Relación de amortiguamiento.
wn= Frecuencia natural no amortiguada.

Los polos de un sistema de segundo orden vienen determinados por las raíces
del polinomio o ecuación característica (polinomio del denominador de la
función de transferencia):

P(s)  s 2  2ns  1
Los polos del sistemas : s1, 2  n  n  2  1

Caracterización de los sistemas de segundo orden en función del valor de ζ

19
Los polos de un polinomio de segundo orden pueden ser reales distintos,
reales múltiples, complejos conjugados o imaginarios.

Para 0 < ζ < 1, Sistema subamortiguado

s1, 2  n  jn 1   2    jd , complejos conjugados

Para ζ = 1, Sistema Críticamente amortiguado.

s1, 2  n , reales iguales

Para ζ > 1, Sistema Sobreamortiguado .

s1, 2  n  n  2  1 , reales diferentes

Para ζ = 0, Sistema Oscilatorio.

s1, 2   jn , Imaginaria s

La respuesta ante una entrada impulso unitario, R(s)=1:

Para 0≤ζ<1

y( t ) 
n
1  2
 
e  n t sen n 1   2 t , para t  0

20
Para ζ=1

y( t )   n te  n t , para t  0
2

Para ζ>1

n     2 1  n t n     2 1  n t
y( t )  e  
 e  
, para t  0
2 2 1 2 2 1

Respuesta ante una entrada escalón unitaria

 Sistema subamortiguado 0 < ζ < 1:

s1, 2  n  jn 1   2    jd , complejas conjugadas

Donde:
  n parte real (atenuación)
d  n 1   2 parte imaginaria (frecuencia amortiguada)

La función de transferencia:

2 2 2
Y(s) ωn ωn ωn
 2
R(s) s  2ζζ n s  n 2


s  ζωn  jωn 1  ζ s  ζωn  jωn 1  ζ
2 2


s  σ  jωd s  σ  jωd  

 ζ  e ζωnt   1 ζ 2 
y(t)  1  e ζωnt  cos ωd t   senωd t   1  sen ωd t  tan-1    , para t  0
 1 ζ 2  1 ζ 2   ζ 
    

21
La señal de error para este sistema es la diferencia entre la entrada y la salida, y
es

e(t)  r(t) - y(t)

 ζ 
e(t)  1 - 1  e ζωnt  cosωd t   senωd t 
 1 ζ 2 
 
 ζ 
 e ζωnt  cosωd t   senωd t , para t  0
 1 ζ 2 
 

Esta señal de error presenta una oscilación senoidal amortiguada. En estado

estable, o en t = ∞, no existe un error entre la entrada y la salida.

 Sistema críticamente amortiguado, ζ = 1:

Si los dos polos de Y(s)/R(s) son casi iguales, el sistema se aproxima mediante
uno críticamente amortiguado. s1, 2  n , reales iguales

La respuesta ante una entrada escalón unitario:

2
ωn 1
Y(s)  
s  ωn  s
2

y(t)  1  e ωnt 1  ωn t , para t  0

 Sistema sobreamortiguado (ζ > 1):

s1, 2  n  n  2  1, reales diferentes
La respuesta ante una entrada escalón unitario:

22
 2
ωn
y(s) 
s  ζω  ω
n n 
ζ 2  1 s  ζωn  ωn ζ 2  1 
1   ζ  ζ 2  1  ωn t 1   ζ - ζ 2  1  ωn t
y(t)  1 
  
 
   
e e
2 ζ 2 1 ζ  ζ 2 1 2 ζ 2 1 ζ  ζ 2 1

Cuando ζ es apreciablemente mayor que la unidad, uno de los dos exponenciales

que decaen disminuye mucho más rápido que el otro, por lo que el término
exponencial que decae más rápido puede pasarse por alto (corresponde a una
constante de tiempo más pequeña). Una vez desaparecido el término
exponencial que decae más rápido, la respuesta es similar a la de un sistema de
primer orden.

 Sistema oscilatorio (ζ = 0): s1, 2   jn , Imaginaria s

Si el factor de amortiguamiento relativo ζ es igual a cero, la respuesta se vuelve

no amortiguada y las oscilaciones continúan indefinidamente. La respuesta y(t)
para el caso del amortiguamiento cero:

y(t) = 1 - cos ωn j, para t ≥ 0

Como se puede observar el sistema es oscilatorio y ωn representa la frecuencia

natural no amortiguada del sistema. Es decir, ωn, es la frecuencia a la cual el
sistema oscilaría si el amortiguamiento disminuyera a cero. Si el sistema lineal
tiene cualquier cantidad de amortiguamiento, no se puede observar
experimentalmente la frecuencia natural no amortiguada. La frecuencia que se
observa es la frecuencia natural amortiguada ωd, que es igual n 1   2  . Esta
frecuencia siempre es menor que la frecuencia natural no amortiguada. Un
aumento en ζ reduciría la frecuencia natural amortiguada ωn. Si ζ aumenta más
allá de la unidad, la respuesta se vuelve sobreamortiguada y no oscilará.

y(t) para los diversos valores de ζ,

23
y(t)

24
 Especificaciones de respuesta transitoria

Generalmente, en la práctica, se especifican las características o

especificaciones requeridas a un sistema de control en cantidades en el dominio
del tiempo. Estas cantidades vienen determinadas en términos de la respuesta
transitoria frente a una entrada tipo escalón (u(t)), dado que ésta es fácil de
generar y es lol suficientemente drástica.

La respuesta transitoria de un sistema para una entrada escalón unitario depende

de las condiciones iniciales. Para efectos del curso al comparar respuestas
transitorias de varios sistemas, (lo cual es una práctica común) se usara la
condición inicial estándar de que el sistema está en reposo al inicio, por lo cual
la salida y todas las derivadas con respecto al tiempo son cero. De este modo,
las características de respuesta se comparan con facilidad.

La respuesta transitoria de un sistema de control práctico exhibe con frecuencia

oscilaciones amortiguadas antes de alcanzar el estado estable. Al especificar las
características de la respuesta transitoria de un sistema de control para una
entrada escalón unitario, es común especificar:

1. Tiempo de retardo, td
2. Tiempo de levantamiento, tr
3. Tiempo pico, tp

4. Sobrepaso máximo Mp o sobre disparo máximo, SD

5. Tiempo de asentamiento, ts

25
 y(t)

Tiempo de retardo, t d: tiempo requerido para que la respuesta alcance la primera

vez la mitad del valor final.

Tiempo de crecimiento, t r: tiempo requerido para que la respuesta pase del 10

al 90%, del 5 al 95% o del 0 al 100% de su valor final. Para sistemas
subamortiguados de segundo orden, por lo común se usa el tiempo de
levantamiento de 0 a 100%. Para sistemas sobreamortiguados, suele usarse el
tiempo de levantamiento de 10 a 90%.

Tiempo pico, tp: tiempo requerido para que la respuesta alcance el primer pico
del sobrepaso.

Sobrepaso máximo o Sobre disparo máximo (porcentaje), SD: el valor pico

máximo de la curva de respuesta, medido a partir de la unidad. Si el valor final
en estado estable de la respuesta es diferente de la unidad, es común usar el
porcentaje de sobrepaso máximo. Se define mediante

y(t p )  y()
SD%  100
y()

26
La cantidad de sobrepaso máximo (en porcentaje) indica de manera directa la
estabilidad relativa del sistema.

Tiempo de asentamiento, t s: tiempo que se requiere para que la curva de

respuesta alcance un rango alrededor del valor final del tamaño especificado por
el porcentaje absoluto del valor final (por lo general, de 2 a 5%) y permanezca
dentro de él. El tiempo de asentamiento se relaciona con la mayor constante de
tiempo del sistema de control. Los objetivos del diseño del sistema en cuestión
determinan cuál criterio de error en porcentaje usar.

SISTEMAS DE ORDEN SUPERIOR

Efectos de añadir polos y ceros a las
funciones de transferencia

Cuando se dice que se añade un polo o un cero en la cadena abierta, se está haciendo
referencia a que se tiene una estructura de realimentación negativa y se está agregando el
efecto del polo o del cero en la FDT de la planta o en la realimentación, esto es, en G(s) o
en H(s). Por eso, se dice que es en la cadena abierta, por que es la adición del efecto del
polo o del cero cómo si se abriera el lazo de realimentación.

En cambio, si el procesamiento del efecto añadido se hace en cascada con el sistema

total, se dice que se ha añadido un cero o un polo al conjunto total. Obsérvese los diagramas
de la figura 7.1 para diferenciar en la adición en cadena abierta y en serie.

G ( s) G(s) 1 sTz 

Figura 7. 1. a) Añadir un polo en la cadena abierta b) Añadir un cero en serie

27
 Adición de un polo en la cadena abierta

La adición de un polo en la cadena abierta, tiende a que el sistema en su conjunto

sea más lento y pierda estabilidad.

Una de las formas, para llegar a esta conclusión, es a través de las técnicas del lugar
de las raíces, LDR (ver capítulo 10). Estas técnicas describen, mediante criterios gráficos,
las raíces del polinomio característico, 1+G(s)H(s)=0, a partir de la información de la
cadena abierta. Los resultados son los polos de la cadena cerrada y por lo tanto definirán la
estabilidad y el tipo de respuesta temporal.

k
+
s s
- 1  sT p

Adición de un cero en la cadena abierta

Los ceros en la cadena abierta hacen que el sistema se vuelva más estable y más
rápido. Este efecto se observa empleando el LDR. Las ramas son atraídas hacia la ubicación
del cero. Luego si el cero está en el semiplano negativo, las ramas se alejarán del semiplano
positivo y consecuentemente, el sistema se volverá más estable y también más rápido.

k
1
s
1  sT p

Adición de un cero en serie

28
 Para su verificación considérese un sistema de segundo orden al que se le añade un
cero de primer orden. Al conjunto se le aplica una entrada en escalón. En transformada de
Laplace permitirá una descomposición en dos fracciones:
Si se llama y*(t) a la respuesta del sistema sin el cero, la salida del conjunto ante una
entrada en escalón ser.

CONCLUSIÓN

Es de gran importancia estudiar las señales de entrada a un sistema de control ya que no se

conoce con anticipación y la entrada en un instante de tiempo no se puede expresar en forma
analítica, en algunos casos especiales se conoce con anticipación la señal de entrada y se
puede expresar en forma analítica o mediante curvas; tal es el caso del control automático
de herramientas de corte. Pero para el análisis y diseño de sistemas de control, es necesario
tener una base para comparar el desempeño de los sistemas de control.
La Instrumentación y Control de Procesos Industriales es un campo de la ingeniería en el
que la integración de tecnologías se enfoca en la optimización de procesos que el sector
productivo requiera. Para lograr su objetivo, la Instrumentación y Control de Procesos
Industriales se soporta en ramas de la ingeniería como la Automatización de Procesos,
Sistemas de Control, Telemetría y Seguridad de Procesos.
Una función vital en el avance de la ingeniería y la ciencia debido a los avances en la teoría
y la práctica del control automático. Son muchas las áreas de la industria beneficiadas como
por ejemplo las áreas espaciales, automotrices, médicas, etc. Ya que ya que un desempeño
óptimo de los sistemas dinámicos han mejorado la productividad y aligeran la carga de
muchas operaciones manuales y repetitivas. Es la acción o el efecto de poder decidir sobre
el desarrollo de un proceso o sistema. También se puede entender como la forma de
manipular ciertas variables para conseguir que ellas u otras

29
 REFERENCIAS
1. Antonio Sole (2011). Instrumentación Industrial, Octava Edición, México,
ISBN:978-607-707042-9

2. Rivas, R., Sánchez, C., Ghraizi, A. & Peran J (2000), Localización: Automática e
Instrumentación. ISBN:0213-3113.

3 .Robert L. Mott (2006). Mecánica de Fluidos, Sexta Edición, México, ISBN: 970-26-0805-8

4. Katsuhiko Ogata, Ingeniería de Control Moderna, cuarta edición, Pearson. ISBN: 84-205-
3678-

5. www.fundamentosdelacalidad/medidorespreimarios.com

6. www.edu/tiposdemedidores/eninstrumentacion.com

30