TCA2012

Control PID de una banda transportadora con labVIEW y PDI

utilizando MATlab para uso en la minera de cobre
Autores: Benavides Maldonado Jos, Jimmy Stalin Paladines, Jos Ocho Alfaro & Vctor Espinoza
Ochoa

Resumen La finalidad del documento es aadir soluciones al

reconocimiento de minerales y transporte en la minera de cobre
en el sur del Ecuador, utilizando herramientas que poseen
MATlab y labVIEW, el algoritmo desarrollado en MATlab
utiliza los principios de procesamiento de imgenes para
segmentar y filtrar las mismas, para finalmente aplicar la teora
de redes neuro-difusas para el reconocimiento de la presencia de
cobre en una roca que se toma como modelo, es importante aadir
que gracias a un aplicacin hecha en labVIEW se controla el
movimiento de una banda transportadora utilizando un bloque
PID. Para el mando a distancia se configura tanto las antenas
para el control inalmbrico, asi como el PLC -2020 de National
Instruments que es el responsable de ejecutar el bloque PID en la
banda transportadora, se eligi una correcta banda de frecuencia
para poder comunicar las dos antenas que para este caso fueron
utilizadas punto a punto. El mando del motor elctrico utilizado
consiste en realizar el arranque, la regulacin de velocidad, el
frenado, la inversin del sentido de marcha, as como el
mantenimiento del rgimen de su funcionamiento, de acuerdo con
las exigencias del proceso tecnolgico. En el software de control
de velocidad de un motor de corriente alterna se maneja un tipo
de bases de datos, el cual es registro de variables basado en texto
plano por medio del formato csv. Esta base de datos permitir
almacenar las variables como hora velocidad medida, velocidad
establecida (set point), voltaje de salida, Temperatura 1,
Temperatura 2, Temperatura 3 y por ltimo la variable
manipulada por el controlador, la cual es el voltaje de salida
desde el Compact FieldPoint 2020 hacia el variador de frecuencia
trifsico que controla el motor AC.
Palabras Clave UNL ( Universidad Nacional de Loja),
labVIEW, WiFi, cFP Compact FieldPoint, Variador de
Frecuencia, Sistemas Inteligentes, Redes neuronales, lgica fuzzy,
Anfis, PID, PDI, Formato CSV.

I. INTRODUCCIN
El procesamiento digital de las imgenes es de gran utilidad
en la automatizacin de control de procesos, debido a que se
puede develar y analizar caractersticas que otros procesos ms
sencillos no podran, gran cantidad de imgenes en menor
tiempo y extraer informacin relevante para mejorar procesos
de produccin, esto es apoyado con el control de velocidad en
lazo cerrado de un motor trifsico de induccin Jaula de
Ardilla con centro de operacin remoto desde una PC, es
importante recalcar que este proyecto est funcionando en la
UNL, en el laboratorio de Automatizacin y Control, donde
los estudiantes de carreras como Ingeniera Electromecnica,
Electrnica, Ordenamiento Territorial y Sistemas pueden
acceder a profundizar prcticas que luego podrn ser puestas
en uso en la industria minera de cobre del sur de Ecuador.

En la figura 1 se puede apreciar el sistema controlado con

labVIEW con su respectivo sistema de PDI elaborador por
alumnos de la UNL.

Fig.1.1 Prototipo creado por estudiantes de la carrera de la UNL para

realizar prcticas de Control Automtico y Sistemas Inteligentes.

II. MATERIALES Y MTODOS

Al realizar este trabajo se aplic el mtodo de prueba de
confirmacin que se bas en la Ejecucin, Pruebas y Puesta en
Marcha los resultados para ser ocupados en alguna aplicacin
en concreto como en este caso para dar una solucin a la
minera de cobre del sur del Ecuador. Los materiales que se
utilizaron son los siguientes.
Un variador de frecuencia es un sistema para el control de la
velocidad rotacional de un motor de corriente alterna (CA) por
medio del control de la frecuencia de alimentacin
suministrada al motor de la marca Sinamigs G110 de Siemens.
Un cFP Compact FieldPoint 2020, en los cuales se ocupan los
mdulos de Cuadratura NI cFP-QUAD-510 que recibe la seal
del encoder trabajando con el principio de nmero de pulsos
por revolucin mxima revolucin 5000 rpm, NI cFP-TC-120,
2 Ubiquiti Nanostation 2, 3 Termocupla tipo K, 1 Breaker
trifsico 30 A, 1 Tomacorriente, Polea aluminio 16", Banda
tipo, 1 Enchufe, Cable slido #10, Cable flexible # 14, 1
cmara de NI, un banco diseado por estudiantes para poder
adquirir la imgenes de las piedra.

Para la parte de PDI las piedras.

TCA2012

Para explicar el procedimiento se van a emplear varias

imgenes tomadas en el banco de pruebas que representan
a las piedras.
Cada pixel se lo puede representar como la informacin de
tres canales diferentes uno con la informacin relacionada con
el rojo, otro con el verde y otro con el azul. Considerando lo
anterior, se puede representar cada pixel como un vector con 3
componentes. La intencin al segmentar en color es separar
objetos cuyos patrn de color sea uniforme, es decir aislar
regiones que tengan el mismo color.
El procesado de imgenes se lo hace con MATlab y se los
carga direccionndola como por ejemplo la de este caso es
I=imread('C:/piedras/17-16-54-08-359.jpg'); lo que se muestra
en la figura 2.1

Fig.2.3 Parte del programa desarrollado en el editor de MATlab

Lo que da como resultado la figura 2.4

Fig.2.4 Buscando el pixel con la tonalidad verde

Fig.2.1 Imagen que se carga gracias a MATlad, utilizando el comando

imread.

Se extrae a continuacin el rea total por medio de la funcin

regionprops de matlab y el promedio de los valores de los
pixeles correspondientes a la segmentacin, en la figura el
color blanco, estos valores nos servirn para el entrenamiento
de la red neuro-difusa. Figura 2.5. Ver [5].

Posteriormente se recorta la imagen en la figura de inters

con el comando rect=[100 120 450 480];
imagenRecortadaRgb = imcrop(I,rect); quedando tal como se
puede apreciar en la figura 2.2

Fig.2.5 Parte del programa que extrae los valores obtenidos de la

segmentacin

Se concluye con el programa combinando la imagen original

con la imagen segmentada. Dndose la Figura 2.6

Fig.2.2 Imagen recortada.

Despus se tiene que definir dos cosas, primero la tolerancia

y segundo el color verdoso que caracteriza al cobre. Para la
tolerancia T vamos a escoger un valor entre 0 y 255. Si se
toma T=0, quiere decir que se est buscando un color en
particular sin tener en cuenta la degradacin que pueda darse
debido a las fuentes de luz o a las texturas, si tomamos un
valor muy alto, prcticamente estarn pasando todos los
colores por lo que la segmentacin podra dar malos
resultados.
Para escoger los valores lo recomendado es hacer un
seguimiento emprico al mtodo hasta que se encuentre
resultados cercanos a lo que se busca. Con respecto al pixel de
tonalidad verde, se buscara un valor cercano a [0, 255, 0]. Para
lo cual se desarrolla un archivo .m, que se presenta una parte
en la figura 2.3

Fig.2.6 Imagen segmentada final

Para el entrenamiento se extrajeron datos de 6 piedras

(imgenes) diferentes con el algoritmo explicado
anteriormente, esto se muestra en la Tabla I
TABLA I
DATOS PARA EL ENTRENAMIENTO

En la Tabla II se muestra los datos que se ocupan para la

validacin.

TCA2012
TABLA II
DATOS PARA LA VALIDACION

fispiedra.fis, obtenindose as resultados que se vern masa

adelante, esto se puede apreceiar en la figura 2.10Ver [2].

Fig.2.10. Funcin para evaluar datos extrados.

A estos datos se los convirtio en matrices para cargarlos y

entrenar la red neuro-difusa con el comando anfisedit de
Matlab, los mismos se muestran en la figura 2.7

Fig.2.7 Datos de entrenamiento y validacin cargados en el Editor Anfis

Luego se gener el FIS (Sistema de Inferencia Difuso),

automticamente con las variables entrada - salida con sus
parmetros, adicionalmente de generaron las reglas de la
inferencia. Figuras 2.8 a, 2.8 b.

Para la parte de movimiento de la banda transportadora que

se encarga de movilizar las piedras que sern analizadas.
La parte de comunicacin se abre una consola de MS-DOS y
desde uno de los dos dispositivos s e lanza un ping a la
direccin IP (192.168.1.2) del propio dispositivo y a la del
otro dispositivo (192.168.1.3) y si todo funciona
correctamente se obtendr respuesta por parte de los dos, en
este caso se ha lanzado un ping desde el que se ha configurado
como Estacin WDS pero sera indiferente realizarlo de
manera inversa pues el resultado sera el mismo ya que estn
enlazados entre s.
La configuracin realizada en MAX puede guardarse y
recuperarse a travs de la siguiente ruta: File: Import / Export.
El resultado de la importacin o exportacin puede ser cargada
en otro computador e incluye la configuracin de los
dispositivos reconocidos mediante la opcin de Devices and
Interfaces, es decir: tarjetas de adquisicin de datos, tarjetas
GPIB, etc., pero no incluye la configuracin de dispositivos
conectados remotamente. Ver [1]
Para guardar la configuracin de un sistema remoto como el
caso de un FieldPoint, se accede a la siguiente ruta: Tools:
FieldPoint: New / Save / Save as.., luego se selecciona la
ubicacin donde se desee guardarla, lo antes sealado se puede
observar en la figura 2.7

Fig.2.8 a Sistema de inferencia Difuso

Fig.2.8 b Reglas regeneradas

Para entrenar el FIS se escoje el metodo hybrid, error de

tolerancia 0 y epoca 30, dandonos un error de 0.31, si
tuvieramos un error alto, nos indicaria que el conjunto de datos
extraidos no serian la mejor opcion, Figura 2.9

Fig.2.9 Grfica del entrenamiento

Por otro lado la funcin evalfis de MATlab permite evaluar

los datos extrados de diferentes piedras analizadas haciendo
uso del Sistema de Inferencia Neuro-Difuso llamado

Fig. Esquema de la instalacin con labVIEW

En la Fig.2.11 se muestra la seccin de cdigo fuente que se

encarga de la sincronizacin con el dispositivo de adquisicin
de datos y de la lectura de sus entradas analgicas para
posteriormente ser analizada y mostrada en el panel
frontal.Para leer las entradas analgicas del dispositivo de
adquisicin de datos primeramente se debe especificar el
dispositivo a utilizarse as como tambin los canales a
utilizarse. En el caso del presente proyecto estamos utilizando
el dispositivo denominado FP @ 172_16_10_10 y los canales
analgicos a utilizarse son los siguientes: cFP-TC-120
(Todos), cFP-QUAD-510 (Canal de velocidad 0). Tambin
debemos especificar el rango de las variables a adquirir, as
como tambin el rango de voltaje para dichas variables. Cabe
recalcar que estas configuraciones se las debe realizar fuera

TCA2012
del ciclo repetitivo encargado de la adquisicin o tambin se
las puede realizar en la aplicacin denominada Measurement
& Automation Explorer, comnmente nombrada como MAX.

TABLA III
RESULTADOS DEL ANLISIS DE REGRESIN LINEAL

No use lneas verticales en la tabla. Los planteamientos que sirven para

toda la tabla no necesitan letras de pie de nota.

En la figura 2.13 se muestra el sistema en diagrama de

bloques a controlar mas adelante se plantean las funciones de
transferencia encontradas con la ayuda de MATlab.
Fig.2.11 Obtencin de datos motor AC

En la Fig.2.12 se muestra el controlador PID con sus

respectivas configuraciones, dicho controlador ejerce mando
sobre la variable manipulada, la cual posteriormente fluye
hacia la salida analgica del cFP. Cabe recalcar que la
frecuencia de muestreo que utiliza el controlador debe estar en
base a la velocidad de muestreo del dispositivo de adquisicin
de datos.
Fig.2.13 Diagrama de bloques del sistema de generacin a controlar

En la tabla IV se describirn las funciones de transferencia

del sistema (que fueron desarrolladas con la herramienta de
LabVIEW): Ver [3].
TABLA IV
RESULTADOS DEL ANLISIS DE REGRESIN LINEAL

Fig.2.12 Controlador PID

Anlisis de la planta
En la tabla I se muestran las variables de entrada y salida
tanto para la planta como para el controlador. Las tareas de
este modelo es identificar el modelo para el grupo Variador de
frecuencia-Motor-Banda transportadora que describa el
comportamiento real del sistema instalado. Simular, en lazo
abierto, el modelo acondicionado mediante los parmetros
reales para la evaluacin del comportamiento esttico y
dinmico de las siguientes variables: velocidad de rotacin del
motor, velocidad lineal de la banda, peso del elemento que
transporta la banda y la frecuencia de motor. Determinar los
parmetros del controlador que permita regular las variables
dentro de las especificaciones deseadas. Simular el sistema
completo: controlador, actuadores, planta, sensores; como
parte de un sistema en lazo cerrado, los que se muestran en la
tabla III

No use lneas verticales en la tabla. Los planteamientos que sirven para

toda la tabla no necesitan letras de pie de nota.

En la figura 2.14 se describirn las funciones de

transferencia con sus respectivas interacciones de entrada y
F
salida (que fueron desarrolladas con la herramienta dei
LabVIEW):
g
.
1
.
A
m
p
l
i
t
u
d
Fig.2.14 Estructura del modelo MIMO del sistema
d

El esquema de control se seleccionar en funcin de lase

respuestas pertenecientes a las variantes de la ley de controllc
PID, sintonizadas mediante el mtodo Ziegler-Nichols en lazoo
cerrado (mtodo de las oscilaciones mantenidas) y en lazom
abierto (mtodo de la curva de reaccin), as tambin se p
l
e
j
o

TCA2012
tomar en cuenta la sintonizacin mediante el mtodo CohenCoon. De los mtodos mencionados anteriormente, se evalu
el de mejores caractersticas en relacin al tiempo de
establecimiento y porcentaje de sobre-oscilacin de la variable
de respuesta. En la siguiente figura se muestra el controlador
de tipo PID seleccionado segn los requerimientos. Podemos
darnos cuenta de los parmetros del controlador, los cuales
son: Constante proporcional (Kp) = 0.8, Tiempo de
integracin (Ti) = 0.6 seg, Tiempo de derivacin (Td) = 0.2
seg, en la figura 2.15 se muestrea como

Fig.2.15. Simulacin H1 ms controlador PID, parmetros de tiempo y

amplitud dentro del umbral permitido

TABLA V
RESULTADOS DEL ANLISIS DE LAS PIEDRAS

Fig. 2.17 Comparacin de resultados.

De esta forma se encuentra la funcin de transferencia como

se muestra en 1
(1)
La funcin de transferencia que describe el comportamiento
del sensor no es ms que una constante que relaciona la
variable de entrada y salida. Como podemos observar en el
esquema de simulacin, la variable de entrada y de salida es la
misma, por lo tanto la funcin que describe el sensor es la
unidad, como se puede apreciar en la figura 2.16

Una vez esquematizada la estructura de la simulacin

basada en software (LabVIEW Simulation Module) se procede
a establecer las variaciones tanto del setpoint como de las
perturbaciones. Las variaciones del setpoint para el
controlador de velocidad de rotacin del motor: Inicia su valor
con 0 rpm. En el segundo 4, cambia su valor a 500 rpm. En el
segundo 18, cambia su valor a 1500 rpm. En el segundo 36,
cambia su valor a 1000 rpm. Las variaciones de las
perturbaciones (Peso del elemento carga de la banda
transportadora) para el controlador de velocidad de rotacin:
Inicia su valor con 0 kg. En el segundo 10, cambia su valor a 8
kg. En el segundo 25, cambia su valor a 20 kg. En el segundo
40, retorna su valor a 0 kg. En la grfica 2.18 se muestran los
resultados del controlador de velocidad de rotacin del motor.

Fig.2.16 Esquema de simulacin para la evaluacin del controlador

III. RESULTADOS Y DISCUSIN

Para demostrar la eficiencia del algoritmo obtenido, se realizo
un anlisis de verdaderos positivos y negativos, asimismo de
falsos positivos y negativos.
En el anlisis se considera como: Verdaderos positivos
cuando un observador indica que la piedra con cobre en el
anlisis cumple con el estndar; y para Verdaderos negativos
el observador indica que no cumple con el estndar, en ambos
casos el algoritmo demuestra lo mismo que el observador.
Por otro lado se considera como: Falsos positivos cuando un
observador indica que la piedra con cobre en el anlisis
cumple con el estndar, pero el algoritmo muestra lo contrario;
e inversamente para Falsos negativos.
A continuacin se presentan los resultados obtenidos en la
Tabla V y en la grafica 2.17

Fig.2.18 Resultados de la evaluacin del controlador de frecuencia.

IV. CONCLUSIONES
Los resultados de la investigacin permiten concluir que un
sistema de reconocimiento basado en tcnicas de
procesamiento de imgenes y redes neuro-difusas que se
clasifican de forma efectiva y robusta algunos tipos de rocas.
Los sistemas de colores pueden ser bastantes informativos
parea el anlisis de imgenes segn necesidades especificas de
un objetos escena.

TCA2012
Se debe buscar las mejores alternativas posibles para que las
imgenes obtenidas muestren la mayor cantidad de detalles de
modo que los resultados sean ms precisos.
Ampliar el set de muestras a por lo menos 100 piedras, de
las cuales 40 contengan cobre y el 60 restante contenga otro
tipo de mineral.
En cuanto a los valores en estado estable, se puede extraer
las siguientes relaciones sobre las variables de entrada y
salida: Por cada incremento de 1 Hz en la frecuencia entregada
al motor (fm), se obtiene una variacin en la velocidad de
rotacin (Vrm) de +57 rpm. Por cada incremento de 1 Kg en el
peso del elemento de carga de la banda transportadora (Pec),
se obtiene una variacin en la velocidad de rotacin (Vrm) de 87 rpm.
Con el software diseado en LabVIEW , con los sistemas
Real Time y la implementacin fsica del sistema, se permite al
operador, visualizar en tiempo real las formas de onda de la
temperatura y velocidad de el motor trifsico, adems se puede
en forma remota controlar los diferentes parmetros del motor
como el encendido, apagado, aumento o disminucin de
velocidad, inversin del sentido de giro y parmetros de
lmites mximos y mnimos de funcionamiento, lo cual afecta
directamente al funcionamiento de la banda transportadora,
con lo que se podrn realizar las correcciones necesarias al
proceso en una forma rpida en caso de que sea necesario.
AGRADECIMIENTOS
Les agradecemos a la UNL, por las facilidades prestadas
para realizar este documento.
REFERENCIAS
[1]
[2]

Jordi Mayn, 2003. Sensores, acondicionadores y procesadores de seal.

Ciudad de Mxico, Mxico. N 2 (60 pag.).
Companioni, A. (2000). La programacin en Matlab. La Habana-Cuba.

[3]

Aracil, J., & Gordillo, F. (1997). Dinmica de Sistemas.

Enlaces Electrnicos.

[4]

MathWorks , Inc. (2004). Descripcin del Producto. Recuperado el

22
de
Agosto
de
2011,
de
MATLAB:
http://www.mathworks.es/products/matlab/description1.html

[5]

www.ni.com/download.

[6]

Palacios, R. (2004). Curso rpido de Matlab. En Palacios, Rafael (pg.

41).