Act2 Colaborativo Sistemas Control

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ingenieras. Ingeniera Electrnica

SISTEMAS AVANZADOS DE CONTROL 299018-6 - 2015
Act. No. 2. Trabajo Colaborativo Unidad 2
ACTIVIDAD 2
TRABAJO COLABORATIVO
LUIS ALBERTO SANCHEZ CORREA - Cd.: 16.786.134
ENVER RICARDO PIZO Cd.:
Director: CARLOS VERA ROMERO

Grupo Colaborativo: 299018-6
Universidad Nacional Abierta y a Distancia UNAD.

Programa: Ingeniera Electrnica
Cead: Palmira- Valle- Colombia
Octubre- 2015

INTRODUCCION
En este curso de sistemas avanzados de control automtico para Ingeniera electrnica

de la Universidad UNAD, busco tener un conocimiento ms amplio de este campo de la
ciencia de los sistemas automticos de control, que estudia, disea y permite simular
procesos lgicos de control, con programas y algoritmos muchas veces sofisticados.
Las herramientas de simulacin y programacin estn unidas al sueo y constante

construccin, pruebas y el deseo de crear sistemas que nos permitan conocer mejor las
bondades tecnolgicas.
Este trabajo es un acercamiento al campo de los sistemas avanzados de control de modo

individual principalmente para la Unidad 2. Tcnicas avanzadas de control II (control
ptimo, control basado en lgica difusa).

OBJETIVOS
Generales
Realizar las actividades correspondientes de la Unidad 2 del Curso.
Especficos
1. Leer los contenidos propuestos en el entorno de conocimiento para la Unidad 2. Tcnicas avanzadas
de control II (control ptimo, control basado en lgica difusa).
2. Determinar cul es la optimizacin del sistema utilizando la menor cantidad posible de energa.
3. Generar reglas de control fuzzy para el control de temperatura y humedad de la habitacin, aportes
individuales que conllevaran a la actividad colaborativa.
4. Fase 2 - Plantee un modelo matemtico para un sistema de control de temperatura y humedad de
una habitacin. Y Determine a partir del modelo diseado, cul sera la estructura ms apropiada para
la identificacin del sistema que se ajusta a los datos de entrada-salida registrados? Explique.
5. Fase 3 -Si se desea calentar una habitacin utilizando la menor cantidad posible de energa. Si ( )es
la temperatura de la habitacin, la temperatura ambiente fuera de la habitacin (se supone
constante) )( la proporcin de calor que hay que suministrar a la habitacin, la dinmica del modelo
puede representarse mediante la ecuacin: = ( ) + , donde (), con a y b constantes
que dependen de las propiedades de la habitacin, como por ejemplo su aislamiento. Si se define como
variable de estado del sistema la diferencia de temperatura entre el interior y el exterior, es decir )(
= ( )se puede escribir la ecuacin de estado como: = +
6. Para controlar la temperatura dentro de un intervalo de tiempo fijo [0, t1] con la menor cantidad
posible de energa proporcionada;
7. Defina el ndice de rendimiento, Defina el Hamiltoniano para este sistema, Determine el co estado
ptimo.
8. Si la temperatura inicial de la habitacin es 20C, determine la trayectoria ptima y el control ptimo
as como el coste ptimo del sistema que mide la cantidad de energa utilizada. O sea se debe
determinar cul es la optimizacin del sistema utilizando la menor cantidad posible de energa (Definir
el ndice de rendimiento.
9. Definir el Hamiltoniano para el sistema propuesto. Determinar el co estado ptimo. Determinar la
trayectoria ptima.
10.
Determinar el control ptimo. Determinar el coste ptimo. Proponer una solucin en Mathlab
para el control ptimo del sistema).
11.
Generar reglas de control Fuzzy para el control de temperatura y humedad de la habitacin
(Determinar las reglas difusas para realizar un control Fuzzy de la habitacin. Proponer una simulacin
en Mathlab del sistema basado en lgica difusa).

INTRODUCCION
El sistema de control para temperatura y humedad que hemos venido modelando desde la unidad
1 de esta materia sistemas avanzados de control es necesario conocer la dinmica de la planta, y
cmo se comporta y reacciona ante estmulos externos y buscar su estabilidad y controlabilidad.
Durante la fase inicial se obtuvo un modelo de la planta que reproduzca con suficiente precisin el
comportamiento del proceso real requerido en este proyecto. Existen dos mtodos para la
obtencin de modelos de procesos de sistemas de control plenamente estudiados:
Mtodo terico: Anlisis de relaciones que existen entre variables de proceso y se crea las
ecuaciones matemticas.
Mtodo experimental: Se simula proceso con
seales de entrada y observa el
comportamiento del proceso, se evala comportamiento y el resultado un modelo que

comporte parecido al proceso real.
La solucin es desarrollar matemticamente ecuaciones del comportamiento del proceso real en la
habitacin que incluya la temperatura y la humedad, y con esto finalmente se construye un modelo
matemtico del proceso que represente el comportamiento real.

Identificacin de sistemas.
En la habitacin u ofician vamos a controlar la temperatura y la humedad, con un modelo

matemtico que lo represente. Durante la identificacin de sistemas en la unidad 1 se obtuvo un
modelo matemtico que reproduce con exactitud para fines acadmicos
las caractersticas
dinmicas del proceso de temperatura y humead objeto de estudio. El proceso de identificacin

comprendi e los siguientes pasos generales: Obtencin de datos de entrada salida de
temperatura y humedad, Eleccin de la estructura del modelo matemtico y conceptual, Obtencin
de los parmetros del modelo y variaciones, y finalmente la validacin del modelo.
Modelado matemtico del sistema Temperatura y Humedad
A travs de ecuaciones matemticas, el Modelo de temperatura controlada y Humedad del Sistema

de Aire Acondicionado. El control agua refrigerada, calentador, y el humidificador de la temperatura
y la humedad del aire acondicionado controlado sistema, el aire Acondicionado es apropiado para
mantener temperatura y humedad a las condiciones establecidas.

El modelado del aire de salida, la mezcla de aire, tanque de agua fra, el calentador, y de sus
componentes del humidificador. El modelo matemtico: El calor y la densidad del aire especficos
son constantes, no hay ninguna fuga de aire en el proceso, El lmite es aislado. Y El aire es el gas
ideal. La ley de termodinmica en este caso es:
energa
entrada
energa

salida
{prdidas
energa
} = acumulada
sistema
La eficiencia energtica de des humidificacin: Mide en litros de agua extrados del aire por kWh de
energa consumida. Un factor ms alto significa mayor eficiencia, con un rendimiento que van desde
1 L / kWh a ms de 4 L / kWh. La interaccin compleja de la temperatura del aire, significa la temperatura,
la velocidad del aire radiante y la humedad con el ambiente trmico humano. Se analiza el efecto de la
manipulacin de la humedad relativa HR del ambiente en un cuarto en el confort trmico y sensacin trmica

ocupantes humanos. El estudio utiliza anlisis termodinmicos y psicomtricas, para incorporar el efecto de
cambiar RH junto con la temperatura de bulbo seco en el confort humano. El efecto de controlar la RH junto
con la temperatura en la zona de confort trmico se traduce en:
El aumento de la humedad relativa final en el cuarto reduce la cantidad de calor rechazado por lo
tanto haciendo que el sistema de aire acondicionado eficiente en consumo de combustible.
El aire acondicionado en aire caliente y seco es ms eficiente energticamente que en condiciones

de calor y humedad.
El control de la humedad relativa en el cuarto cuenta con el valor RH, como valor de humedad
relativa inicial alta conduce a una mayor cantidad de rechazo de calor.
Sistema de refrigeracin por evaporacin utiliza controlar la humedad relativa del cuarto.

MODELACION MATEMATICA SISTEMAS DE

CONTROL DE LA HABITACION
Se concluy en la unidad 1:
Qin - Q out = d(Q)/dt,
Donde:
Qin = Energia entrado al cuarto.

Qout = Energia saliendo el cuarto.
d(Q)/dt es la proporcin de cambio de la energa almacenada.
La energa del aire en el cuarto es definida como: Q = M * Cp * t, Donde:
M es la masa de aire define como Volumen * Presion
Cp = Calor constante especifico.
t = Diferencial de temperatura del cuarto, d( T gas) / dt.
Combinando las ecuaciones en el proceso de mezclar el volumen de aire en el cuarto con el suministro de
volumen de aire as:
Donde:
Q interior + Q exterior + Q suministro Q salida =

V cuarto * P aire * Cp * d (T cuarto)/ dt
Pair, Rho aire es la densidad del aire.

V cuarto es el volumen del cuarto.
T cuarto es la temperatura del cuarto
Q interior = energa generada al interior del cuarto como carga, personas, luces y computadores.
Q exterior = Energa generada al exterior por cargas, tales como sol, y frio del medio ambiente
externo.
De aqu que Q salida = M * Cp * ( T cuarto T aire deja cuarto)
Y T cuarto = Temperatura aire que deja el cuarto.
Y Q salida = 0.
Q suministro = M * Cp * ( T suministro T cuarto).
Q suministro = K * Volumen Flujo de aire * ( T suministro T cuarto)
K es constante
T suministro es la temperatura del aire del suministro en el cuarto.
Q interior + Q exterior + K * volumen Flow Aire ( T suministro T cuarto)
Vcuarto * Paire * Cp * d(T cuarto)/dt

Establecer la ecuacin que determina la temperatura del cuarto as:
T cuarto = ( [ + (T suministro T cuarto)] dt
Cp = 0.241 btu (Lb F)

P aire = 0.075 Lb/ ft^3
K = 1.08 (Cfin Btu) / Hour F
Q suministro = K * Volumen Suministro flujo de aire * (T suministro T cuarto)
Q suministro = K * Max Volumen Flow aire * (T suministro T cuarto)
El control simultneo, y el establecimiento de parmetros es difcil y el acoplamiento trmico

entre RH y la temperatura, la respuesta del sistema oscila.
Los efectos de acoplamiento de HR y temperatura deben ser considerados, cuando se desea
controlar estos parmetros simultneamente.
Hay dos enfoques para abordar la desvinculacin de la temperatura y humedad relativa.
El comportamiento de acoplamiento entre la temperatura y la humedad relativa se puede
superar mediante la utilizacin de un algoritmo de desacoplamiento, cuando una ley de
control se desarrolla.
El modelo presenta ecuaciones de balance de masa de energa para cada HVAC
componente. Dos bucles de control para este modelo, bucle de control de temperatura y
circuito de control de relacin de humedad.
El controlador del sistema vara FSW fsa acuerdo con cambios de carga, los puntos de ajuste
de temperatura y humedad relativa, como variables de control, se mantienen.
Modelo de control para temperatura de la habitacin se define como:
= ( +
( ( + (
(1)

Donde:
Cah= Mxima capacidad trmica de la unidad de Aire Acondicionado = 4.5 Kj/C

Tco = Temperatura del aire de salida de la unidad del calentador de aire (C)
Fsw = Rata de flujo de agua = 8.02*10-5 m3/s
Psw = Presin del agua de suministro.
Cpw = Temperatura especifica del agua = 4.1868 kJ/kg C
Twi = Temperatura del agua de suministro = (C)
Two = Temperatura del agua de retorno=10 (C)
(UA)ah = Factor de transmitancia por rea de la unidad de aire acondicionado = 0.04 kJ/sC
To = Temperatura externa=32 C (Verano)=5 C (Invierno)
Tco = Temperatura del aire de salida del coil (C)
Fsa = Volumen Flujo de aire de suministro = 0.192 m3/s
Pa = Presin del aire de suministro.
Cpa = Temperatura especifica del aire =1.005 kJ/kg C
Tco = Temperatura de aire de salida del calentador de aire (C)
Tm = Temperatura de salida del aire de la caja mezcladora (C)
Modelo de control para Humedad de la habitacin se define como:
Dnde:
Ch =
= ( + (
Mxima capacidad del humidificador =0.63 kJ/C
(2)

Th =
Temperatura del aire de suministro (en el Humidificador) in (C)
Fsa = Volumen del flojo de aire suministro = 0.192 m3/s
Cpa = Temperatura especifica del aire = 1.005 kJ/kg C
Tsi = Temperatura del aire de suministro (al humidificador) (C)
Th = Temperatura del suministro de aire (en el humidificador) in (C)
= Factor de Transmitancia por unidad de area del humidificador 0.0183 kJ/s C
To = Temperatura externa=32 ?C (Verano)=5 ?C (Invierno)
Th = Temperatura del aire de suministro en el humidificador en (C)
Modelo de control para Humidificado de la habitacin se define como:
( +
(3)
Donde:
Vh = Volumen total del Humidificador=0.44 m3
Wh = Relacion del suministro de aire / humedad en el humidificador en kg/kg(Aire seco)
Fsa = Volumen de flujo del aire de suministro = 0.192 m3/s

Wsi = Proporcin humedad en el aire de suministro entrando el humidificador en kg/kg (dry
air)
Wh = Proporcin de humedad en el aire en el humidificador en kg/kg(Aire seco)
h(t) = Proporcin de aire hmedo producido por el humificador.
Pa = Presin del aire.
Las ecuaciones 1 y 3 muestras que el control de la humedad y de la temperatura est

interconectado.
La ecuacin (1) indica que la velocidad de cambio de la energa en el aire pasa a travs de la
bobina es igual a la energa aadida por el caudal de agua en la bobina de calentamiento, y
la energa transferida por el aire de retorno a los alrededores .

En la ecuacin (3), h (t) es la tasa de aire hmedo que el humidificador puede producir y es
funcin de relacin de humedad.
Revisado ecuaciones diferenciales en el sistema se pueden expresar en forma de espacio de estado
de la siguiente manera:
Donde:
= ( + (
= (
3 = ( + (
1 = ,
= ,
=
( ,
( =
( =
(

, ( =
1 = , = ,
( =
,
( =
(
0
(
= 0 = ( + 0
(
(
0
De aqu se calcula:
= ( =
1 = ( =
( = , ( = , ( = , ( = 0
(
( =
(
0

= ( ( + (
= ( [ ( ]
De aqu:
(
(
0
( =
=
=
(
0
(
1
=
[
=
_

= =
= ( =
=
= ( =
=
Donde las variables controladas V1 y V2 son capaces de controlar los estados as:
Abreviando, el Modelo matemtico de temperatura y humedad de acuerdo a sugerencias del

instructor puede expresar de modo ms simple as:
x = ax + bu
Estructura ms apropiada para la identificacin del sistema que se ajusta a los datos de entradasalida registrados:

Donde:
d es la temperatura ambiente,
r seria la temperatura deseada,
k seria el controlador, planta decide si calentar o enfriar

Mathlab Solucin:
A=[0 1 ; 18 -6 ];
B= [1;0];
C=[0 1];
D= 0;
[num,den] = ss2tf(A,B,C,D)
S1= tf(num,den)
h = stepplot(S1)
rlocus (S1)
nyquist (S1)
bode (S1)
Respuesta Mathlab
num =
den =
0 0 18
1 6 -18
Transfer function:


Convirtiendo a discreto
Td=2;
Gz=c2d(S1,Td)
margin(Gz)
Gmf = feedback(Gz,0.05)
DC = dcgain(Gmf)
Sampling time: 2
Transfer function
Sampling time: 2
62.75 z + 17.08
--------------------z^2 - 77.69 z + 0.854

DC =
-1.0526
rlocus (Gz)

Usando la herramienta sisotools de Mathlab obtenemos los siguientes resultados:


CONTROL PTIMO
El control ptimo es una rama del control moderno que se relaciona con el diseo de controladores
para sistemas dinmicos tal que se minimice una funcin de medicin que se denomina ndice de
desempeo o costo del sistema. En trminos ms formales, su objetivo principal de la teora de
control optimo es determinar las seales de control que causan a un proceso el satisfacer las
restricciones fsicas que se tengan y asimismo minimizar o maximizar segn sea el caso cierto criterio
de desempeo deseado. La solucin de algunos problemas de control no es posible obtenerla
usando mtodos de control clsicos. Esto puede ser ya sea debido a su complejidad, o que se
requieran satisfacer ciertos parmetros relacionados con su desempeo.
El problema de control optimo se puede representar matemticamente en las siguientes partes: 1.

La descripcin del proceso a controlar (modelo del sistema). 2. La descripcin de las restricciones
fsicas. 3. La descripcin del objetivo buscado. 4. La descripcin de algn criterio para describir el
desempeo ptimo (ndice de desempeo). La siguiente es una representacin de un modelo de
un sistema dinmico como ecuaciones diferenciales en trminos de variables de estado:
x(t) = f(x(t),u(t),t); x R n , u R m
x 1(t) = f1(x1(t),x2(t), ,xn(t),u1(t),u2(t), ,um(t),t)
x 2(t) = f1(x1(t),x2(t), ,xn(t),u1(t),u2(t), ,um(t),t)
x n(t) = f1(x1(t),x2(t), ,xn(t),u1(t),u2(t), ,um(t),t)
Donde el vector de estados del sistema se define como:

Considerando el modelo del sistema dado por: x = a(t,x,u) , x(t0) = x0.

Trayectoria de Estado Es la solucin a las ecuaciones diferenciales del modelo las cuales describen
el modelo del sistema dinmico, en [t0,tf ].
Control Admisible y Trayectoria Admisible Un control admisible est dado por una ley de control
que satisface las restricciones en el intervalo [t0,tf ]. Una trayectoria admisible es la trayectoria de
estado que satisface las restricciones de variable de estado durante el intervalo de tiempo [t0,tf ].
Conjunto objetivo Regin en el espacio X T donde se encuentra la trayectoria del sistema. Un caso
ms concreto de este trmino es la regin hacia donde se dirige la trayectoria, por ejemplo en cierto
caso se necesitara que un sistema no tenga que llegar exactamente al origen, pero s a una vecindad
del origen.
ndice de Desempeo J Tiempo mnimo: en donde tf es la variable a minimizar del sistema.
Energa mnima:
En general el ndice de desempeo se escribe como:

Ejemplo:
Determinar los valores extremos para el siguiente funcional J:
Esta ecuacin de segundo orden se puede resolver mediante integracin. Se integra dos veces la ecuacin y
se obtiene lo siguiente:
Esta ecuacin representa la solucin general de la ecuacin diferencial. Para determinar el valor de las
constantes de integracin, se deben usar las condiciones iniciales x(0) y condiciones finales x(1) del sistema.
Estos datos corresponden a los valores de frontera que representan los valores de inicio y trmino de la curva
x(t) que se est buscando. El procedimiento es evaluar la solucin general de x(t) en los valores iniciales y

finales y de esa manera obtener ecuaciones algebraicas cuya solucin determina los valores de las constantes
k. Para el valor inicial x(0) = 0, se tiene lo siguiente
:
Para el valor final x(1) = , se tiene:
Al final de lo anterior, se utiliza el valor de k2 = 0 obtenido y as se obtiene el valor de k1 = , k1 y k2

representan los valores de las constantes de la solucin general de la ecuacin diferencial de segundo orden,
que a su vez se denomina la solucin particular de la ecuacin diferencial. Estas constantes describen las
caractersticas de la curva x(t) que representa el valor extremo para el ndice de desempeo J que se est
minimizando. En este caso, el valor para en la condicin final se considera arbitrario y no est definido
numricamente. Sin embargo, en la funcin que se obtiene en la solucin x (t) = t, es posible ver que el
trmino representa la pendiente de la curva dada por t. Esto describe la relacin que hay. Esta funcin x(t)
describe la solucin ptima del problema de minimizacin. Cualquier otra funcin cuyos puntos iniciales y
final sean los valores dados en las condiciones de frontera, ser una funcin admisible, pero no ser optima.
Otras funciones admisibles que podran considerarse como admisibles en este problema son x (t) = t
Es posible realizar una comparacin de manera cuantitativa de la solucin optima con otras curvas
admisibles son comprobar que tienen como condiciones de frontera los puntos x(0) = 0 y (1) = . Estas se
pueden obtener, mediante grficos. Adems, se podran obtener funciones ms especficas si se considerara

un valor numrico para , como por ejemplo = 1, para saber si una funcin pasa por los puntos, se requiere
evaluar su valor en esos valores, y si cumple con los valores dados por las condiciones de frontera, se puede
considerar como una candidata. Las admisibles son importantes al momento de comprobar que la solucin
optima efectivamente minimiza el ndice de desempeo. Para comprobar que la funcin x (t) obtenida
anteriormente es optima, se evala el ndice de desempeo J para esta funcin, y su valor se compara con
el que tiene al evaluarlo para otra funcin que cumpla con las caractersticas de los valores de frontera. A
continuacin, se evaluar el ndice de desempeo J(x (t)) donde x (t) = t, y su derivada es x (t) = .
Este valor debe ser comparado con el valor que se obtenga del ndice de desempeo evaluado en otra
funcin, por ejemplo las anteriormente mencionadas como admisibles:


LGICA BORROSA Fuzzy Lgica
La lgica borrosa (Fuzzy Lgica) ha surgido como una herramienta para el control de subsistemas y
procesos industriales complejos, tambin para la electrnica de entretenimiento y hogar, sistemas
de diagnstico y otros sistemas expertos. Con esta lgica se pretende representar de forma rigurosa
el significado de los enunciados imprecisos del lenguaje natural. Lo central en la lgica borrosa, de
modo distinto a la lgica clsica de sistemas, se orienta hacia la modelizacin de modos de
razonamiento imprecisos, los cuales juegan un rol esencial en la destacable habilidad humana de
trazar decisiones racionales en un ambiente de incertidumbre e imprecisin.
Esta habilidad depende, en cambio, de nuestra habilidad de inferir una respuesta aproximada a
preguntas basadas en un conjunto de conocimiento que es inexacto, incompleto o no totalmente
confiable, si la lgica clsica est considerada como la ciencia de los principios formales y normativos
del razonamiento, la lgica borrosa define los principios formales del razonamiento aproximado,
siendo capaz de reproducirlos modos usuales del razonamiento humano basando la certeza de una
proposicin en una cuestin de grado.
Esta lgica nos permite representar el conocimiento comn, el cual ser en su mayora del tipo
lingstico cualitativo y no necesariamente cuantitativo, en un lenguaje matemtico a travs de la
teora de conjuntos difusos que generaliza la teora de conjuntos clsica. Un conjunto borroso
sobre un universo X asigna un grado de pertenencia a cada elemento en el intervalo [0, 1], y no en
el conjunto {0, 1} como los conjuntos clsicos, que pasan a ser un caso particular de conjuntos
borrosos.
Se utilizan operadores borrosos de implicacin para definir relaciones borrosas que representan las
reglas para hacer inferencia mediante la regla composicional de inferencia, y que deben elegirse
apropiadamente para aplicaciones de control. La lgica borrosa es bsicamente una lgica evaluada
que permite valores intermedios para poder definir evaluaciones convencionales como s/no,

verdadero/falso, negro/blanco, etc. Las nociones como "ms bien caliente" o "poco fro" pueden
formularse matemticamente y ser procesados por computadoras. De esta forma se ha realizado un
intento de aplicar una forma ms humana de pensar en la programacin de computadoras.
Conjuntos borrosos. Los elementos fundamentales de la teora de sistemas borrosos son los
conjuntos borrosos (fuzzy). Sobre ellos se pueden realizar operaciones, algunas de ellas semejantes
a las que se realizan con los conjuntos clsicos. Finalmente, la lgica borrosa est basada en
combinaciones de conjuntos difusos mediante las mencionadas operaciones.
Los conjuntos borrosos, son conjuntos en los que se define una funcin llamada "funcin de
pertenencia", que asigna a cada elemento del conjunto, un valor que representa el grado en que
dicho valor pertenece al conjunto. A cada conjunto se le asocia un cuantificador lingstico, como
por ejemplo, mucho, poco, bastante etc., de forma que relacionamos el modelo matemtico con el
lenguaje humano.
Sea X un universo de discurso. Un conjunto difuso (fuzzy) A se define mediante dicho conjunto queda
identificado mediante parejas de elementos. Donde el smbolo "/" no representa ningn cociente
sino que tiene la funcin de un separador. La forma especfica de la funcin A depende de los
objetivos del modelo fuzzy. Por ejemplo, puede ser continua lineal a trozos. Si A es la funcin
caracterstica de A, entonces A es un conjunto clsico (no fuzzy).
Reglas Difusas
El tipo de sistema difuso que se utiliz para el controlador fue Mamdani, debido a que este mtodo
se basa en un mecanismo de inferencia basado en reglas se adapt fcilmente a las condiciones
planteadas basadas en el comportamiento del horno de la variables de entrada respecto a la variable
de salida, adicionalmente se utiliza el mtodo de fusificacin Centroide o centro de gravedad por ser
continuo.
Simulacin del controlador difuso

Una vez modelado el horno mediante la red neuronal y diseada el controlador difuso se procede a
unir todas las partes creadas simulando el sistema utilizando Simulink de Matlab cuya salida llamada
Salida C muestra el comportamiento del sistema. Para introducir los datos correctamente al modelo
se dispone de convertidores de las seales a miliamperios y la vlvula de control de flujo de gas.
Adicionalmente, para agregar la variable Error Derivado al modelo se emplea un bloque derivativo
y un bloque de saturacin llamado cambio cuyo rango va de -0.1 a 0.1 que es el rango de esa variable,
el cual contribuye a que al producirse el menor cambio de la seal de Error bien sea en los rangos
de las funciones de pertenencia positivo o negativo de esta variable el controlador realice el cambio
respectivo.

DESARROLLO TRABAJO:
MODELO DE CONTROL PTIMO

% Ecuaciones de estado
u = 0:.1:5;
x = ax + bu
syms x1 x2 p1 p2 u;
Dx1 = x2;
Dx2 = -x2 + u;
% Costo de la funcin integral interna
syms g;
g = 0.5*u^2;
% Hamiltoniano
syms p1 p2 H;
H = g + p1*Dx1 + p2*Dx2;
% Ecuaciones de Costos
Dp1 = -diff(H,x1);
Dp2 = -diff(H,x2);
% solucion para control u
du = diff(H,u);
sol_u = solve(du, u);
% Sustituye ecuaciones de las ecuaciones de estado u
Dx2 = subs(Dx2, u, sol_u);
% convertir objetos a strings para usar dsolve

eq1 = strcat('Dx1=',char(Dx1));
eq2 = strcat('Dx2=',char(Dx2));
eq3 = strcat('Dp1=',char(Dp1));
eq4 = strcat('Dp2=',char(Dp2));
sol_h = dsolve(Dx1,Dx2,Dp1,Dp2);
% case a: (a) x1(0)=x2(0)=0; x1(2) = 5; x2(2) = 2;
conA1 = 'x1(0) = 0';
conA2 = 'x2(0) = 0';
conA3 = 'x1(2) = 5';

conA4 = 'x2(2) = 2';

sol_a = dsolve(eq1,eq2,eq3,eq4,conA1,conA2,conA3,conA4);
t= 0:1:2000;
T= Step (q*Sol_a, t) + Ta;
plot (t, T);
grind on;
axis ([0 max(t) 20 max(T)])
T=0:0.01:5;
u=0.2*ones(size(T));
[Y,X]=lsim(Sol_u, Sol_h, Sol_a);
plot(T,Y)
grid
sol_a = dsolve('Dx1,Dx2,Dp1,Dp2','x1(0)=0,x2(0)=0, x1(2) = 5,x2(2) = 2','x, y, z');
figure
plot(sol_a,Dx1,sol_a,Dx2,sol_a,Dp1,sol_a,Dp2, sol_a,sol_h)
figure
plot(sol_a,Dx1,sol_a,Dx2);
-----------------------s=dsolve('Dy=2*y+t','y(0)=1','t')
ezplot(s,[-4,4])
------------------sol=dsolve('D2y+2*Dy=exp(x)','y(0)=1','Dy(0)=0','x')
ezplot(sol,[-2,4])
-------------------dsolve('eq1','eq2',...,'cond1','cond2',...,'v')
---------------------syms yt
yt = 2*exp(t^2/2)
ys = dsolve(diff(y,t) == t*y, ty(0) == 2)
ezplot ys

Con el uso de la herramiento sisotools de mathlab permite realizar los calculos del modo automaticos asi:










Se pueden encontrar mltiples soluciones de acuerdo a las restricciones de

diseo el Jacobino con las limitaciones de control aqu se presentan algunas
opciones:

Design Snapshot Summary - Design

Design Configuration #1
Tunable Elements
C:
Parameter
Value
Gain
133.402252943856
Zeros
-0.964292762414591
Poles
F:
Parameter Value
Gain
Zeros
[]
Poles
[]
Fixed Elements
G:
Parameter
Value
Gain
18
Zeros
[]
Poles
[-8.19615242270663;2.19615242270663]
H:
Parameter Value
Gain
Zeros
[]
Poles
[]

Design Snapshot Summary - Design (2)

Tunable Elements
C:
Parameter
Value
Gain
-30.3836422230698
Zeros
[-0.348011865286026;10419.7375199713]
Poles
[0;-116326.724466002]
F:
Parameter Value
Gain
Zeros
[]
Poles
[]
Fixed Elements
G:
Parameter
Value
Gain
18
Zeros
[]
Poles
[-8.19615242270663;2.19615242270663]
H:
Parameter Value
Gain
Zeros
[]
Poles
[]


Tunable Elements
C:
Parameter
Value
Gain
-1.1428737645912
Zeros
[-0.000399955053239864;201.193932835713]
Poles
[0;-137.91770518874]
F:
Parameter Value
Gain
Zeros
[]
Poles
[]
Fixed Elements
G:
Parameter
Value
Gain
18
Zeros
[]
Poles
[-8.19615242270663;2.19615242270663]
H:
Parameter Value
Gain
Zeros
[]
Poles
[]


Tunable Elements
C:
Parameter
Value
Gain
-0.11109162705739
Zeros
[136.150232921282;-1.98234021377891e-007]
Poles
[0;-12.126830712719]
F:
Parameter Value
Gain
Zeros
[]
Poles
[]
Fixed Elements
G:
Parameter
Value
Gain
18
Zeros
[]
Poles
[-8.19615242270663;2.19615242270663]
H:
Parameter Value
Gain
Zeros
[]
Poles
[]





MODELO CONTROL FUZZY

El controlador fuzzy en el software Mathlab presenta gran facilidad en su elaboracin pero
inicialmente debe elaborarse las entradas y las salidas y las reglas de control as:
Se elige un controlador Mandami para este caso y el programa con las reglas se llama temp3.
Se crean 3 entradas que son Humedad, temperatura, setpoint Temperatura, setpoint Humedad, y
las salidas de Control el calentador, el aire acondicionado y el humidificador.

Se empieza con categorizar la entrada humedad en la escala de 0 -100 y se generan 3 rangos de

control como se puede observar en la grfica.
Para la segunda variable temperatura se establecieron tres categoras, frio, normal y caliente
como se puede observar:

Para la tercera entrada de control es el setpoint deseado de control de temperatura, se definen tres
escalas bajo, medio y alto como se observa en la grfica:
La ultima variable de entrada de control es el setpoint de la humedad, y se categorizo en tres

seco, normal y hmedo.

La primera salida de control fuzzy es el calentador que tiene 4 categoras apagado, bajo, medio y
alto como se observa en la grfica:
La segunda salida de control es el aire acondicionado que se categoriza en cuatro modos, apagado,
bajo, medio y algo como se observa en la grfica:

La tercera salida es el humidificador que se categoriza en apagado, suave, medio y rpido as:
A continuacin como parte del proceso se sigue el establecimiento de las reglas de control, un
total de 25 reglas, que se pueden observar en la grfica siguiente as:

A continuacin se observan las superficies de control, en este caso se observa la respuesta del
calentador para la entrada humedad y la entrada temperatura.

En esta grafica se puede observar la respuesta del aire acondicionado a las entradas de control
humedad y temperatura:
En esta grafica se puede observar la respuesta del humidificador a las entradas de control
humedad y temperatura as:

En esta grafica se observa la respuesta del calentador a las variables de entrada de control
humedad y setpoint de la humedad.
En la siguiente grafica se observa la respuesta del aire acondicionado a las entradas de control
humedad y setpoint de temperatura.

En la siguiente grafica se puede observar la respuesta del aire acondicionado a las variables de
control setpoint temperatura y temperatura.
En la siguiente grafica se observa el comportamiento del humificador a las variables de proceso

setpoint humedad y humedad.

En la siguiente grafica se observa el comportamiento del aire acondicionado a las variables de

control setpoint humedad y humedad.
Ahora se presenta el diagrama en simulink con la insercin del controlador fuzzy modo operacin
Mandami as:

A continuacion se muestra en detalle la conformacion y edicion del controlador fuzzy en Mathlab

asi:
En las siguientes graficas se pueden observar grficamente las reglas de diseo del controlador
fuzzy asi:



Aqu estn los resultados para el control de temperatura.
Y los resultados para el control de la humedad as:

A continuacin se presenta el programa del controlador fuzzy:

[System]
Name='temp3'
Type='mamdani'
Version=2.0
NumInputs=4
NumOutputs=3
NumRules=25
AndMethod='min'
OrMethod='max'
ImpMethod='min'
AggMethod='max'
DefuzzMethod='centroid'
[Input1]
Name='Humedad'
Range=[0 100]
NumMFs=3
MF1='Bajo':'trimf',[0.396825396825399 20.2645502645503 37.9645502645503]
MF2='medio':'trimf',[37.1693121693122 56.5 72.9]
MF3='Alto':'gauss2mf',[12.8 102.26455026455 12.8 129.26455026455]
[Input2]
Name='Temperatura'
Range=[5 45]
NumMFs=3
MF1='Frio':'gauss2mf',[3.7 -0.111904761904762 3.18 7.43809523809524]
MF2='Normal':'trimf',[14.8 23.042328042328 30]
MF3='Caliente':'trimf',[30 38.0687830687831 44.8]
[Input3]
Name='SetTemp'
Range=[5 45]
NumMFs=3
MF1='Bajo':'trimf',[5.27 13.2010582010582 18.5]
MF2='Alto':'trimf',[32.2 38.7037037037037 45]
MF3='Medio':'trimf',[18.5 25 32.1]
[Input4]
Name='SetHumedad'
Range=[0 100]
NumMFs=3
MF1='Seco':'trimf',[-39.7 0.265 25.2645502645503]
MF2='humedo':'trimf',[65.4761904761905 100 140]
MF3='Normal':'trimf',[25.3 48.2804232804233 66.3]
[Output1]
Name='Calentador'
Range=[0 100]

NumMFs=4
MF1='Apagar':'trapmf',[-38 -0.804 4.63 4.8941798941799]
MF2='Medio':'trimf',[37.4137566137566 56.6137566137566 71.8253968253968]
MF3='Alto':'trapmf',[73.4 98.5 98.7 132]
MF4='Bajo':'trimf',[4.89 21.3 37.962962962963]
[Output2]
Name='AireCondicionado'
Range=[0 100]
NumMFs=4
MF1='Apagar':'gbellmf',[6.22 3.28 -0.00370370370370221]
MF2='Baja':'trimf',[9.26190476190476 28.1619047619048 39.7619047619048]
MF3='Alto':'gaussmf',[17 106.068253968254]
MF4='Medio':'trimf',[34.1 54.3650793650793 72.9]
[Output3]
Name='Humidificador'
Range=[0 100]
NumMFs=4
MF1='seco':'gauss2mf',[1.12 -1.76915343915344 1.12 5.69084656084656]
MF2='suave':'trimf',[7.41 23.1481481481481 37.9]
MF3='Medio':'trimf',[36.994708994709 58.894708994709 70.994708994709]
MF4='Rapido':'gbellmf',[16.7 3.12 101.321957671958]
[Rules]
1 1 1 1,
1 2 1 1,
1 3 2 2,
1 2 1 3,
2 1 1 1,
2 2 1 3,
2 3 2 2,
2 3 1 3,
3 2 2 3,
3 3 2 3,
3 0 2 2,
3 0 2 3,
1 1 3 3,
2 3 3 3,
2 3 3 3,
3 3 3 3,
2 3 3 3,
3 1 2 3,
2 3 2 3,
2 3 3 2,
3 2 3 3,
2 3 3 2,
2 3 3 2,
3 2 2 2,
3 3 3 3,
2
4
4
4
1
2
2
4
2
2
2
2
3
2
2
4
2
3
2
2
3
2
4
3
4
1
2
4
4
1
4
3
3
4
4
3
4
2
4
4
4
4
4
3
4
2
4
3
4
3
1
1
1
3
2
3
3
4
3
3
4
3
2
3
2
3
4
2
4
3
4
2
3
2
3
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
(1)
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
:
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

CONCLUSIONES
El comportamiento del aire acondicionado, del Sistema de Calefaccin, Ventilacin
tiene una gran importancia en el consumo de energa como la calidad del aire.
El rendimiento del sistema de control ptimo en la fase de diseo, es necesario
modelos matemticos aproximados para los componentes del sistema.
Las estrategias de control ptimo y fuzzy eficientes son esenciales en el desarrollo
de mejores sistemas de control de energa para edificios.
Los criterios ms importantes ptimos y de control fuzzy para el diseo de plantas
de climatizacin son la eficiencia energtica y las condiciones ambientales interiores.
Combinacin eficiente de demanda y consumo da control adecuado de la planta.
Las funciones de cualquier sistema de climatizacin son proporcionar condiciones
satisfactorias interiores confortables (temperatura y humedad relativa) para edificios
y viviendas, para los seres humanos y equipo, y, al mismo tiempo, reducir al mnimo
el consumo total de energa al tiempo que proporciona temperaturas agradables y la
humedad para los ocupantes.
Sistema de climatizacin optimo utiliza para compensar la carga trmica (Qz) y la
carga de humedad (Mz) en una zona trmica y para mantener puntos de ajuste
deseable para parmetros de condiciones de comodidad, tales como temperatura,
humedad relativa, contenido de CO2, y la velocidad del aire de acuerdo al diseo.
Diferentes parmetros, la temperatura y la humedad relativa tienen una influencia
directa en el rendimiento de sistemas de aire acondicionado en las aplicaciones.
El diseo de controladores ptimos y fuzzy de xito para los sistemas de
climatizacin depende de la disponibilidad de modelos dinmicos de los sistemas y
ecuaciones matemticas que describen su comportamiento.
Temas como la eficiencia energtica, recientemente, tienen inters en modelado
matemtico de sistemas de HVAC y componentes.
El comportamiento lineal del sistema, y de componentes del HVAC son importantes
debido a que da lugar a una accin de control ptimo y fuzzy vlido y satisfactorio.

Mejores tcnicas de control no lineal es posible tratar el comportamiento no lineal de

los sistemas de climatizacin por medio de algoritmos de control Modernos con
mejores capacidad de procesos y ms sofisticados.

BIBLIOGRAFIA
Mantz. R., J. (2003). Introduccin al Control ptimo. Universidad nacional de La Plata.

Facultad de Ingeniera. Departamento de Electrotecnia. Ctedra de Control moderno.
Pginas 1-19.
Kouro, S., & Musalem, R. (2002). Control mediante lgica difusa. Tcnicas modernas
automticas, (1-7)-7.
Pastelleto. S. (2010). Matemtica del control fuzzy. Depto. Control- Escuela de electrnica
FCEIA-UNR. Pginas 1-20.
https://en.wikibooks.org/wiki/Control_Systems/System_Modeling
http://wikis.controltheorypro.com/Reaction_Cancellation_Example
http://www.cds.caltech.edu/~murray/courses/cds101/fa04/caltech/am04_ch23oct04.pdf
http://ocw.mit.edu/courses/mechanical-engineering/2-004-systems-modeling-andcontrol-ii-fall-2007/lecture-notes/
http://www.mathworks.com/help/pdf_doc/control/get_start.pdf
http://ctms.engin.umich.edu/CTMS/index.php?example=Introduction&section=Syste
mModeling
https://www.pearsonhighered.com/assets/hip/us/hip_us_pearsonhighered/samplech
apter/0136156738.pdf
http://www.mathworks.com/help/control/ug/control-system-modeling-with-modelobjects.html

Act2 Colaborativo Sistemas Control

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Act2 Colaborativo Sistemas Control

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Escuela de Ingenieras. Ingeniera Electrnica

Director: CARLOS VERA ROMERO

Universidad Nacional Abierta y a Distancia UNAD.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

En este curso de sistemas avanzados de control automtico para Ingeniera electrnica

Las herramientas de simulacin y programacin estn unidas al sueo y constante

Este trabajo es un acercamiento al campo de los sistemas avanzados de control de modo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

seales de entrada y observa el

comportamiento del proceso, se evala comportamiento y el resultado un modelo que

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

En la habitacin u ofician vamos a controlar la temperatura y la humedad, con un modelo

dinmicas del proceso de temperatura y humead objeto de estudio. El proceso de identificacin

Modelado matemtico del sistema Temperatura y Humedad

A travs de ecuaciones matemticas, el Modelo de temperatura controlada y Humedad del Sistema

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

El aire acondicionado en aire caliente y seco es ms eficiente energticamente que en condiciones

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

MODELACION MATEMATICA SISTEMAS DE

Qin - Q out = d(Q)/dt,

Qin = Energia entrado al cuarto.

Q interior + Q exterior + Q suministro Q salida =

Pair, Rho aire es la densidad del aire.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Establecer la ecuacin que determina la temperatura del cuarto as:

T cuarto = ( [ + (T suministro T cuarto)] dt

Cp = 0.241 btu (Lb F)

El control simultneo, y el establecimiento de parmetros es difcil y el acoplamiento trmico

Modelo de control para temperatura de la habitacin se define como:

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Cah= Mxima capacidad trmica de la unidad de Aire Acondicionado = 4.5 Kj/C

Fsw = Rata de flujo de agua = 8.02*10-5 m3/s

Psw = Presin del agua de suministro.

Cpw = Temperatura especifica del agua = 4.1868 kJ/kg C

Twi = Temperatura del agua de suministro = (C)

Two = Temperatura del agua de retorno=10 (C)

To = Temperatura externa=32 C (Verano)=5 C (Invierno)

Tco = Temperatura del aire de salida del coil (C)

Fsa = Volumen Flujo de aire de suministro = 0.192 m3/s

Pa = Presin del aire de suministro.

Cpa = Temperatura especifica del aire =1.005 kJ/kg C

Tco = Temperatura de aire de salida del calentador de aire (C)

Tm = Temperatura de salida del aire de la caja mezcladora (C)

Modelo de control para Humedad de la habitacin se define como:

Mxima capacidad del humidificador =0.63 kJ/C

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Temperatura del aire de suministro (en el Humidificador) in (C)

Fsa = Volumen del flojo de aire suministro = 0.192 m3/s

Cpa = Temperatura especifica del aire = 1.005 kJ/kg C

Tsi = Temperatura del aire de suministro (al humidificador) (C)

Th = Temperatura del suministro de aire (en el humidificador) in (C)

= Factor de Transmitancia por unidad de area del humidificador 0.0183 kJ/s C

To = Temperatura externa=32 ?C (Verano)=5 ?C (Invierno)

Th = Temperatura del aire de suministro en el humidificador en (C)

Modelo de control para Humidificado de la habitacin se define como:

Fsa = Volumen de flujo del aire de suministro = 0.192 m3/s

Las ecuaciones 1 y 3 muestras que el control de la humedad y de la temperatura est

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Abreviando, el Modelo matemtico de temperatura y humedad de acuerdo a sugerencias del

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD