ndice general

1. Introduccin
1.1. Motivacin . . . . . . . . . .
1.2. Justificaciones . . . . . . . .
1.3. Planteamiento del problema
1.4. Hiptesis . . . . . . . . . . .
1.5. Objetivos . . . . . . . . . .
1.6. Alcances . . . . . . . . . . .
1.7. Contribuciones . . . . . . .
1.8. Metodologa . . . . . . . . .
1.9. Organizacin de la tesis . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

2. Estado del arte

2.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Anlisis espectral del oleaje . . . . . . . . . . . . . . . . . .
2.2.1. Ecuacin de Balance de Energa espectral . . . . . .
2.2.2. Energa del oleaje . . . . . . . . . . . . . . . . . . . .
2.2.3. Metodologa para la sntesis del espectro del oleaje .
2.2.4. Parmetros espectrales . . . . . . . . . . . . . . . . .
2.3. Modelos espectrales parametricos de un estado de mar . . .
2.4. Principio de generacin de olas en canal . . . . . . . . . . .
2.4.1. Solucin a la ecuacin de la onda en un canal de agua
2.4.2. Funcin de transferencia del generador . . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

10
11
12
12
13
14
15
15
15
17

.
.
.
.
.
.
.
.
.
.

18
18
23
24
26
33
36
37
40
40
45

NDICE GENERAL
2.5. Evaluacin crtica de los mtodos convencionales de la generacin de
oleaje irregular en canales. . . . . . . . . . . . . . . . . . . . . . . .

46

3. Medios tcnicos y aseguramiento de programas

3.1. Principios de generacin de oleaje en laboratorios experimentales. .
3.2. Principios operacin de los generadores . . . . . . . . . . . . . . . .
3.3. Aseguramientos tcnicos . . . . . . . . . . . . . . . . . . . . . . . .
3.3.1. Descripcin fsica . . . . . . . . . . . . . . . . . . . . . . . .
3.3.2. Modelado en laboratorio de hidrulica . . . . . . . . . . . .
3.4. Metodologa para la generacin de oleaje . . . . . . . . . . . . . . .
3.4.1. Generacin de oleaje regular . . . . . . . . . . . . . . . . . .
3.4.2. Generacin de oleaje irregular . . . . . . . . . . . . . . . . .
3.5. Sistema experimental . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.1. Descripcin de las caractersticas del canal . . . . . . . . . .
3.5.2. Manipulador del motor lineal . . . . . . . . . . . . . . . . .
3.5.3. Sistema de medicin de altura del oleaje . . . . . . . . . . .
3.6. Aseguramiento de programas del sistema . . . . . . . . . . . . . . .
3.6.1. Operacin en un sistema distribuido. . . . . . . . . . . . . .
3.6.2. Estudios realizados en el canal . . . . . . . . . . . . . . . . .
3.6.3. Conclusiones y limitantes experimentales para el caso particular del canal de ESIA. . . . . . . . . . . . . . . . . . . . .

51
51
53
56
56
60
63
64
66
68
68
70
73
75
76
76
77

4. Modificacin al mtodo convencional de generacin de oleaje irregular unidireccional

4.1. Esquema de control utilizado . . . . . . . . . . . . . . . . . . . . . .
4.2. Metodologa y desarrollo experimental . . . . . . . . . . . . . . . .
4.2.1. La generacin de oleaje regular . . . . . . . . . . . . . . . .
4.2.2. La funcin de transferencia . . . . . . . . . . . . . . . . . . .
4.2.3. Etapas de desarrollo del control PI . . . . . . . . . . . . . .
4.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

78
78
81
81
83
85
87

NDICE GENERAL

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
93
5.1. Principios de control con redes neuronales . . . . . . . . . . . . . . 93
5.1.1. Mtodos de control basados en el modelo inverso. . . . . . .
5.1.2. El modelo de referencia . . . . . . . . . . . . . . . . . . . . .
5.1.3. Controlador basado en el modelo interno. . . . . . . . . . . .
5.1.4. Controlador neuronal combinado con un PID . . . . . . . . .
5.2. Metodologa de generacin de oleaje con control neuronal combinado
5.2.1. Control neuronal inverso directo . . . . . . . . . . . . . . . .
5.2.2. Control neuronal combinado . . . . . . . . . . . . . . . . . .
5.2.3. Esquema de operacin con Control de neuronal combinado y
con autoaprendizaje . . . . . . . . . . . . . . . . . . . . . .
5.2.4. Principio de operacin del PI . . . . . . . . . . . . . . . . .
5.2.5. Determinacin del la topologa de la RNA . . . . . . . . . .
5.2.6. Patrones entrenamiento para la red neuronal . . . . . . . . .

95
97
97
99
100
100
101
103
105
113
114

5.3. Resultados y comparacin entre las tres formas de obtener el espectro 116
6. Conclusiones e Investigaciones futuras
125
6.1. Investigaciones futuras
. . . . . . . . . . . . . . . . . . . . . . . 127
A. Principales publicaciones generadas por el trabajo de tesis

138

B. Red Neuronal de retropropagacin

140

C. Apndice C
143
C.1. Sensor Resistivo para medir el nivel del oleaje . . . . . . . . . . . . 143

D. Apndice D
D.1. Teora elemental del oleaje progresivo

145
. . . . . . . . . . . . . . . . 145

NDICE GENERAL

E. Espectro de frecuencia de oleaje irregular

150
E.1. Procesos estocsticos y la varianza del espectro . . . . . . . . . . . 150
E.2. Teora del anlisis espectral. . . . . . . . . . . . . . . . . . . . . . . 154
E.3. Control de calidad de la Produccin de DSP . . . . . . . . . . . . . 162

F. Simbologa
165
F.1. Abreviaturas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
F.2. Notacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166

ndice de figuras
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
2.8.

Comparacin entre las diferentes teoras del oleaje . .

Componentes energticos del oleaje del mar . . . . .
Registro de oleaje irregular . . . . . . . . . . . . . . .
Espectro discreto N=64 frecuencias . . . . . . . . . .
Espectro de Bretschneider-Mitsuyasu . . . . . . . . .
Condiciones de frontera para ondas de frontera libre .
Esquema de la paleta del generador. . . . . . . . . . .
Proceso de preparacin de la seal de entrada a un
oleaje irregular . . . . . . . . . . . . . . . . . . . . .

. .
. .
. .
. .
. .
. .
. .
de
. .

20
24
27
28
39
43
45

Control general de oleaje . . . . . . . . . . . . . . . . . . . . . . . .

Sistema de canal de oleaje . . . . . . . . . . . . . . . . . . . . . . .
Driver de motor lineal E100 . . . . . . . . . . . . . . . . . . . . . .
Funcin de transferencia . . . . . . . . . . . . . . . . . . . . . . . .
Sensor tipo resistivo y modulo de acondicionamiento de seal . . . .
Ensayo de dique 2-D, laboratorio de Hidrulica del Instituto Mexicano del Transporte, SCT Mxico. . . . . . . . . . . . . . . . . . . .
3.7. Diagrama esquemtico del generador de la onda . . . . . . . . . . .
3.8. Seal que se enva a la paleta si se requiere calibrar el voltaje y el
desplazamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9. Ventana plana de cosenos . . . . . . . . . . . . . . . . . . . . . . .
3.10. Canal de oleaje experimental utilizado, ESIA-Zac, Lab.de Hidrulica
Ticoman. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

54
57
58
58
59

3.1.
3.2.
3.3.
3.4.
3.5.
3.6.

. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
generador
. . . . . .

47

62
63
65
66
69

NDICE DE FIGURAS

3.11. Partes que conforman un motor lineal P01-37x120 de Lin-Mot . . .

3.12. Esquema de montaje de motor lineal . . . . . . . . . . . . . . . . .
3.13. Motor lineal montado en el canal de oleaje. . . . . . . . . . . . . . .
3.14. Sistema general de adquisicin de datos . . . . . . . . . . . . . . . .
3.15. Mdulo de interface Labjack . . . . . . . . . . . . . . . . . . . . . .
3.16. Panel principal del sistema de generacin y medicin de oleaje irregular

71
72
72
74
75
76

4.1.
4.2.
4.3.
4.4.
4.5.
4.6.
4.7.
4.8.

79
82
82
83
85
87
88

Esquema de control de lazo cerrado utilizado. . . . . . . . . . . . .

Ventana de clculo de k y L de ola . . . . . . . . . . . . . . . . . .
Seal de comando para el actuador . . . . . . . . . . . . . . . . . .
Perfil de oleaje medido . . . . . . . . . . . . . . . . . . . . . . . . .
Factor de eficiencia (H/s ) del generador, respecto al factor (kh) . .
Espectro oleaje regular para ajustar el control PI . . . . . . . . . .
Espectro de frecuencias f1 y f2 . . . . . . . . . . . . . . . . . . . .
Espectro discreto f s = 20 muestras por segundo, con ventana rectangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.9. Espectro discreto fs = 20 muestras por segundo, con ventana coseno
plana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.10. Espectro discreto fs = 20 muestras por segundo, con ventana Hamming. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.11. Espectro Oleaje discreto objetivo Hs = 2 m. . . . . . . . . . . . . .
4.12. Espectro de oleaje discreto generado Hs = 2 m. . . . . . . . . . . .
4.13. Error de comparacin espectro discretos . . . . . . . . . . . . . . .
5.1.
5.2.
5.3.
5.4.
5.5.
5.6.
5.7.

Esquema bsico de control neuronal Inverso . . . . . . . .

Esquema de entrenamiento de una RN bajo usando control
Esquema de modelo interno . . . . . . . . . . . . . . . . .
Controlador neuronal combinado . . . . . . . . . . . . . .
Diseo de diseo de sistema neurocontrol supervisado . . .
Esquema de entrenamiento de una RN bajo usando control
Esquema de control neuronal combinado . . . . . . . . . .

89
90
90
91
91
92

. . . . . 95
inverso.
96
. . . . . 98
. . . . . 99
. . . . . 101
inverso. 102
. . . . . 104

NDICE DE FIGURAS

5.8. Para el control PI auto austable cuando no esta sintonizado de mamera ptima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.9. Se encuentra sintonizado de manera ptima. . . . . . . . . . . . . . 111
5.10. Estructura tipica de una red neuronal . . . . . . . . . . . . . . . . 113
5.11. Generacin de patrones para entrenamiento del control neuronal . . 114
5.12. Espectro Brestcheider Hs y Tp a buclea abierto . . . . . . . . . . . 117
5.13. (a) Patrones salida para entrenamiento RNA. (b) Patrones de entrada
para entrenamiento RNA . . . . . . . . . . . . . . . . . . . . . . . . 118
5.14. ECM entrenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.15. Ejemplo 1. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,2 m. f med = 1,0 s. . . . . . . 119
5.16. Ejemplo 2. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,0 m. f med = 1,0 s. . . . . . . 120
5.17. Espectro deseado () y espectro medido (o) generado con RNA, BretchneiderMitsuyasu Hs = 1,8 m f med = 1,0 s. . . . . . . . . . . . . . . . . . 120
5.18. Ejemplo 1 Desempeo de control neuronal combinado . . . . . . . . 121
5.19. Ejemplo 2 Desempeo de control neuronal combinado . . . . . . . . 122
5.20. Comparacin de espectros generador red neuronal. Hs = 2,0 m T p =
1,0 s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.21. Ejemplo desempeo de control abierto (control convencional de la
generacin del oleaje) . . . . . . . . . . . . . . . . . . . . . . . . . . 123
B.1. Unidad de RNA . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

141

ndice de cuadros
2.1. Fuerzas que generan el oleaje marino . . . . . . . . . . . . . . . . .

19

4.1.
4.2.
4.3.
4.4.

84
84
89
89

Relacin de altura y perodo

Relacin de eficiencia. . . .
Caractersticas de espectros
Datos de registros . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

5.1. Error comparativo en cuatro paso del control PI . . . . . . . . . . . 117

5.2. Comparacin de espectros de Bretschneider a distintos valores
Hs y Tp a 10 segundos . . . . . . . . . . . . . . . . . . . . . . . . . 124

NDICE DE CUADROS

Glosario de terminos
Compresibilidad la medida de ese cambio de volumen y por tanto de la densidad
que un fluido sufre sujeto a un esfuerzo normal de compresin (presin).
Energa cintica del oleaje, movimiento de las partculas. Resulta de las velocidades de las partculas asociada con el movimiento de la onda.
Energa potencial del oleaje, desplazamiento de las partculas de su posicin
de equilibrio. Resulta de esa parte de masa de fluido de la cresta sobre el valle
de la onda.
Fetch (barrido), longitud del rea de exposicin al oleaje, es decir, recorrido sin
obstculos del viento en el mar.
Fluido es una sustancia que se deforma continuamente por la presencia de stos
an por pequeos que sean, por ejemplo el agua.
Paleta o batidor dispositivo mecnico que genera el oleaje en un canal. Los tipos de
paleta que se utilizan comnmente son del tipo pistn y el batidor articulado
Percolacin moviento entre las partculas del sedimento en el fondo del agua.
Somerizacin cambio de altura de la ola por efecto del fondo en aguas bajas.
Tirante la profundidad del agua del canal h, frente a la paleta o batidor.

Captulo 1
Introduccin
Los sistemas computacionales al aumentar su capacidad de procesamiento y disminuir su costo, han motivado la elaboracin de mejores mtodos numricos, lo que
permite resolver y comprender mejor los problemas hidrodinmicos. Sin embargo,
para estudiar y solucionar problemas de la ingeniera costera, los laboratorios de
hidrulica martima continan utilizando mtodos experimentales y de modelacin
fsica, debido a que los fenmenos del oleaje, que suceden en las costas, son aleatorios y no lineales. Adems, los mtodos numricos no son suficientes para solucionar
problemas de ingeniera, por lo que se requiere validar y complementar, los resultados obtenidos con ellos, de una manera experimental.
El oleaje es el fenmeno de mayor impacto en la hidrulica martima. Consecuentemente, el inters de contar con las facilidades de estudiar, medir y simular el
oleaje (espectro de energa), con el objetivo de conocer su impacto energtico en las
estructuras, playas y costas.
Laboratorios de hidrulica, que cuentan con facilidades de estudio del oleaje,
existen en universidades, instituciones de investigacin, comerciales y militares. La
mayora cuentan con sistemas de generacin del oleaje regular y espectro unidireccional para realizar estudios experimentales con modelos fsicos a escala reducida.
La modelacin fsica permite predecir con alto grado de certidumbre los fenmenos hidrulicos de las costas, pero ella requiere, que los equipos e instrumentos
para generar y medir el oleaje tengan la mayor precisin posible, aunque dadas las

10

1. Introduccin

11

caractersticas aleatorias e irregulares del oleaje slo se pueden lograr resultados con
una calidad aceptable. La mayora de los sistemas de generacin de oleaje, presentan
bajos niveles de control al generar el oleaje, debido a la complejidad del fenmeno,
por lo que los investigadores emplean un tiempo considerable en calibrar sus modelos y prototipos. Es decir, ellos toman el tiempo suficiente, hasta que ajustan el
experimento a simular con un nivel de error aceptable al compararlo con los datos
que obtuvieron en campo. En la actualidad, resulta posible contar con instrumentos y sistemas que nos permiten resolver los problemas antes expuesto, y utilizar
tcnicas avanzadas de control e inteligencia artificial.
La tesis presenta un mtodo de control con autoaprendizajes para la generacin
de oleaje irregular unidireccional donde se presentan dinmicas complejas. La propuesta fundamental, se basa en un sistema de generacin con autoaprendizaje, el
cual combina un controlador PI con una red neuronal. El control corrige de manera
dinmica y en el dominio de la frecuencia el espectro de energa del oleaje generado.
La meta es mejorar la realizacin experimental y reducir el tiempo para lograr
generar un oleaje con un espectro deseado, con lo cual los investigadores empleen
un menor tiempo al calibrar sus modelos hidrulicos.

1.1.

Motivacin

Debido a que las tres cuartas partes de la tierra estn cubiertas de agua. Varios
fenmenos y desastres naturales (tsunami de Indochina, dic. 2004), estn relacionados con los fenmenos del flujo de la gran masa marina, ya sea como corrientes
marinas, olas, ciclos del agua de formacin en nubes, precipitacin en lluvia, etc.
El aportar metodologas para simular el oleaje a escala nos permite contribuir al
conocimiento para comprender y predecir esa diversidad de fenmenos que son causados por el oleaje. Particular inters es el transporte de sedimentos en playas y
costas, la erosin de las playas y los daos de las estructuras sobre la costa [20].
Por otro parte, el esquema de control con redes neuronales es motivado por el
comportamiento no lineal al generar como al propagar el oleaje, y en consecuencia
la propagacin de su energa caracterizada por el espectro de oleaje.

1. Introduccin

1.2.

12

Justificaciones

Aunque existen mtodos numricos y computacionales para la propagacin del

oleaje es necesario usar mtodos experimentales de modelado a escala reducida en
laboratorios de investigaciones, debido que existen problemas no lineales, que no es
fcil obtener su solucin. Tambin los mtodos de modelado fsico se utilizan para
validar y complementar los modelos numricos. El problema ms comn al disear
y construir estructuras martimas como: rompeolas, proteciones para las playas,
plataformas etc., es el sobredimensionar la obra, lo que podria representar gastos
extras en cientos y hasta miles de millones de dlares [21] [90].
Modelar fenmenos hidrodinmicos como la rompiente de las olas, ste es parte
importante del proceso de propagacin del oleaje. Pero tambin, un factor en complejidad al utilizar modelos computacionales, ya que es, en ese momento donde la ola
produce la mayor transferencia de energa (disipacin) y corriente, lo que provoca el
transporte de sedimentos. Es evidente, que dado su complejidad, resulta necesario
simular el oleaje, a escala reducida, para estudiar estos y otros fenmenos en los
canales experimentales.
Complejidad experimental. Generar y medir el oleaje de una manera realista
es una tarea compleja, adems que existen diversos efectos indeseables, entre ellos
la escala reducida, lo que diminuyen la precisin de los resultados experimentales,
por lo que en ocasiones, se tiene diferencias entre los resultados tericos contra
los experimentales. "Es ms difcil hacer buenos experimentos que hacer buenas
teoras", lo cual es debatible [84]. Sin embargo, la experimentacin es una manera
crtica para validar toda teora.

1.3.

Planteamiento del problema

El problema consiste en generar con mayor rapidez y exactitud el

espectro de un oleaje unidireccional a escala reducida, conservando las
caractersticas cinemticas y dinmicas de sus componentes de energa.
Adicionalmente, se utilizar un generador de oleaje ms simple.
Se parte al considerar que conocemos el estado del mar, ya sea por un modelo

1. Introduccin

13

de una frmula estndar o bien por datos de la medicin del estado espectral del
mar.
Dado que se tiene un proceso aleatorio o irregular, una dificultad es estimar
el espectro de energa del oleaje, l cual presenta gran variabilidad. Se trata de
reproducir un espectro de forma discreta que contenga la energa equivalente del
espectro de densidad continuo. Tanto que al medir como al estimar se afecte lo
menos posible la energa real del espectro.
Un problema especfico, es disminuir la variabilidad al estimar el espectro.
Esto nos permite aplicar mtodos de control a cada una de las frecuencias discretas
que conforman el espectro, y una vez que se tiene la estimacin aceptable, generar
patrones que permitan el entrenamiento de una red neuronal.
Un problema caracterstico al propagarse el oleaje es su no linealidad y estado
aleatorio, que se aproximar la potencia del mismo de una forma aceptable con la
teora lineal de olas pequeas y de procesos estocsticos. Una buena aproximacin
de el estado aleatorio es la distribucin de Rayleigh [69], pues es semejantes a la
propagacin del las ondas acsticas y electromagnticas.

1.4.

Hiptesis

Partimos de que los procesos hidrodinmicos son difciles de modelar y controlar

con exactitud por su no linealidad y complejidad fsica y matemtica. Aunque el
oleaje al propagarse en el canal no se comporta de un manera lineal, podemos hacer
una aproximacin lineal y considerar que las olas de baja frecuencia son amplificadas

y su velocidad (c = hg) de fase es mayor que la olas de frecuencia elevada.

1. Podemos establecer que es posible controlar la generacin del oleaje unidireccional al comparar el espectro deseado contra el que se ha generado en el canal.
Disminuir el tiempo de correccin del espectro generado al hacer una prediccin del comportamiento de propagacin del oleaje que llega a la estructura o
al punto de medicin.
2. Una red neuronal de retropropagacin (backpropagation) puede modelar un
canal de generacin de oleaje unidireccional en su estado estacionario.

1. Introduccin

14

3. Se controla la generacin del oleaje irregular unidireccional mediante un control de bucle cerrado y lgica secuencial.
Consideraciones Tericas
1. Para determinar el movimiento del oleaje y la potencia requerida, es suficiente
con usar la teora lineal del oleaje [21].
2. Se considera que el oleaje se comporta como un proceso aleatorio, estacionario,
y ergdico. Es decir, que una muestra suficiente grande del oleaje, es representativo de su estado.

1.5.

Objetivos

Los objetivos generales

1. Crear un mtodo neuronal combinado para la generar oleaje irregular unidireccional, que proporcione mayor exactitud y velocidad satisfactorias, mediante
un motor lineal.
Objetivo especficos
1. Construir un generador de oleaje unidirecional mediante un motor lineal.
2. Introducir modificaciones, al mtodo de generacin de oleaje irregular con
anlisis tiempo-frecuencia, relacionadas con la deteccin del error de control,
a fin de disminuir el tiempo de respuesta del sistema y la exactitud de los
espectros generados.
2. Crear un mtodo de generacin de oleaje irregular unidireccional con autoaprendizaje mediante redes neuronales. Es decir, se aporta una metodologa
novedosa para generar el oleaje irregular.

1. Introduccin

1.6.

15

Alcances

El anlisis se limita a canales de generacin del oleaje unidireccional, es decir dos

dimensiones. Se considera que le oleaje incidente es absorbidos, siendo despreciable
la reflexin. Si de manera prctica se disminuye la reflexin en el canal a menos del
5 %.

1.7.

Contribuciones

Debido a que generar oleaje en laboratorios de hidrulica es similar a un proceso

de control de calidad, es satisfactorio que, el espectro producido se encuentra dentro
de un margen de error de un 5 %.
Las contribuciones cientficas y originales del trabajo son:
1. Se introduce un control bucle cerrado en el dominio de la frecuencia, que
permite mejorar el proceso de la generacin del oleaje.
2. Se crea un mtodo neuronal combinado de generacin de oleaje irregular unidireccional que reduce los tiempos y mejora la calidad de los espectros generados.
3. Se disea, construye y se pone en marcha un generador de oleaje unidirecional,
mediante un motor lineal con control distribuido.

1.8.

Metodologa

Anlisis terico
1. Se obtuvo la funcin de transferencia de la paleta del generador. Se utiliz la
teora lineal y olas de amplitud pequeas. Se comprob experimentalmente
la funcin terica de la paleta, y se calibr la funcin de transferencia del
generador con oleaje regular.
2. Se estudiaron las funciones y caractersticas de propagacin del oleaje sobre el
canal con la teora de olas pequeas. Lo que permiti caracterizar de manera

1. Introduccin

16

experimental y terica el canal y conocer como se propaga el oleaje para

distintos valores de amplitudes y perodos. Estos experimentos se realizaron
para fondo fijo con dos perfiles.
3. Se analizaron y estudiaron las diferentes tcnicas de generacin de oleaje irregular unidireccional.
4. Se estudiaron los esquemas bsicos del control neuronal. Para el sistema se
propuso el esquema de control inverso combinado.
Anlisis experimental
1. Se gener oleaje con la tcnica tradicional de la suma de funciones cosenoidal,
y tambin con un control neuronal. Se comprob de manera experimental
al medir el espectro en distintos puntos del canal, y se conforma una base de
patrones espectrales para generar oleaje irregular unidireccional con los espectros ms usados tales como Bretschneider, Pierson y Moskowitz, Mitsuyasu
JONSWAP [21].
2. Se estim el espectro por el mtodo del periodograma. Un punto crtico al
comparar espectros, es su estimacin. La tcnica del periodograma, que es la
ms comn, presenta alta variabilidad, aun aumentando el nmero de muestras. Se estudiaron otras tcnicas no paramtricas de estimar el espectro. Se
seleccion el mtodo Welche, tiene buena resolucin, requiere pocos datos y
disminuye la variabilidad.
3. Comparar los espectros generados con los espectros deseados (u objetivo) mediante la tcnica de correlacin, con el error cuadrtico medio (ECM ) o el error
relativo. Esto permite aplicar una metodologa de control de bucle cerrado en
componentes discretas del espectro.
4. Se dise y construy un programa, para que automticamente haga converger
el espectro generado, utilizando un control PI.

1. Introduccin

1.9.

17

Organizacin de la tesis

El captulo 1, Introduce la problemtica, motivaciones, justificaciones y aportaciones cientficas de la tesis. El captulo 2, muestra la investigacin terica de los
antecedentes y estado del arte del espectro de oleaje, su anlisis, generacin, que son
los conocimientos bases para construir y disear generadores de oleaje. El captulo
3 se discute los principios, medios tcnicos y la programacin, para la base experimental del modelado fisico y la implantacin de generadores de oleaje. Captulo 4
presenta la primera aportacin, que consiste en generar el espectro del oleaje con
un controlador PI y los resultados de su desempeo. En el ltimo captulo, debido
a la amplitud del fundamentos tericos de la tesis, se presentan los principales esquemas de control con redes neuronales. Se concluye, con el generador de oleaje con
autoaprendizaje basado en un control neuronal combinado con un controlador PI y
se muestran los resultados de su desempeo.

Resumen
Las costas son afectadas principalmente por el oleaje. El oleaje
es un fenmeno complejo, y principal elemento para el diseo de las estructuras y obras en zonas costeras. Los modelos matemticos hacen posible representar las perturbaciones del mar y calcular sus efectos, sin embargo en
muchos casos se necesitan calibrar por medio de la modelacin fsica. Al
disear obras costeras y martimas complejas, la modelacin fsica a escala
reducida, es esencial, es por ello que se requiere reproducir, en los laboratorios de investigacin y/o proyectos, el oleaje tpico de las zonas donde se
construirn las obras para optimizar su costo.
La tesis presenta un mtodo novedoso de control para generar espectros
de oleaje aleatorio unidireccionales en canales experimentales para los laboratorios de hidrulica martima. El control automtico de la generacin de
oleaje se realiza con un esquema neuronal combinado, compuesto por una red
neuronal artificial feed-forward y un controlador proporcional-integral. La
red neuronal aprende de los parmetros caractersticos propios de cada canal,
perturbaciones y propagacin del oleaje. El mtodo logra obtener un sistema
de operacin fcil, mayor eficacia y calibracin rpida. El controlador genera
los espectros de oleajes necesarios para la modelacin fsica, en los cuales la
duracin y calidad de los ensayos experimentales permiten ahorros considerables en el costo de cada obra.
El mtodo que genera espectros es generalizado, para distintos tipos de
canales de simulacin de oleaje, lo cual se ajusta a los esquemas de control y propagacin del oleaje. Se dise y construy un generador de oleaje
tipo paleta, que utiliza un motor elctrico lineal, para validar y realizar la
parte experimental de la tesis. El sistema de control logra un bajo costo de
operacin, al disminuir al menos en un 20% el tiempo de calibracin y ejecucin de las pruebas experimentales en los laboratorios de hidrulica martima.
Adems de reducir el error en el espectro generado. El esquema de control,
planteado, se puede extender para generar oleaje multidireccional al conjuntar varios generadores con motores lineales independientes, pero coordinados
por un s lo sistema.

Abstract
This thesis presents a low-cost novel control system for the generation
of unidirectional irregular in the random wave flume and uses a combination
of these approaches to design projects and researches of hydraulic in almost
all coastal engineering studies. Wave is a complex and important phenomenon for the design of the structures. Unlike in traditional wave generation
used mathematical simulation of irregular wave. A complete representation
of ocean waves requires considering the sea surface as an irregular wave train
with random characteristics. The system for the generation of unidirectional
irregular uses digital signal processing, a feed-forward neural network and a
linear motor, as main element.
The research objective is to obtain a novel control system for generation of wave spectrum o wave energy spectral density. The control system is
made with combination the neural: artificial neuronal network (ANN) and
Proportional-Integral Control. The artificial neuronal "feed-forward" used the
back-propagation algorithm to learn the characteristics parameters for random wave flume. The method obtains of easy operation, low cost and greater
eciency, where the transitory response disappears quickly and this behavior
is interpreted, in marine hydraulics, as a fast calibration of experiments.
The control system for the generation of unidirectional irregular obtains a
low cost of operation, when reduces at least in a 20% the time in calibration
and to make experimental test in the laboratories of maritime hydraulic. In
addition, it reduces the error of the target spectrum. This thesis reported
the method for the generation of unidirectional irregular by applications of
becomes general, for dierent types of the random wave flume, which adjusts
to the schemes of control and propagation of waves. The scheme of control,
raised, can be extended to generate multidirectional wave when combining
several generators with linear motor independent, but coordinated by a single
system.

Captulo 2
Estado del arte
2.1.

Antecedentes

El oleaje es el fenmeno ms importante que afecta las costas, adems es el

principal elemento para el diseo de las estructuras que se utilizan en las zonas
costeras y playas. El fenmeno es complejo y difcil de representar de una forma
matemtica, sin embargo se tienen modelos matemticos que pueden representar el
estado del mar y calcular los efectos del oleaje. Existen varias teoras las cuales se
aplican de acuerdo a las condiciones de un problema particular.
Las tcnicas de pronstico de oleaje se desarrollaron despus de la Segunda Guerra Mundial y ellas usaban de manera comn relaciones empricas entre la velocidad
del viento y la altura de la ola (H) para obtener las caractersticas del oleaje [78]
[11]. Versiones ms recientes de los modelos de pronstico, an son usadas por simplicidad y eficiencia [10] [15]. Sin embargo, para prcticas de diseo contemporneo,
se requiere el espectro del oleaje, informacin que no suministraban los modelos
anteriores. La aplicacin de los conceptos espectrales por Pierson and Marks [65]
marc el comienzo de una nueva era en el pronstico de oleaje. Algunos modelos espectrales fueron elaborados por Pierson et al. [67], Barnett [6], Ewing [23] y Cardone
et al. [13]. En los ltimos aos se han desarrollado nuevos modelos espectrales de
olas con la creciente capacidad computacional y en funcin de las recientes teoras
sobre modelado de olas por el equipo SWAMP [86] y el equipo SWIN [87].
18

2. Estado del arte

19

Cuadro 2.1: Fuerzas que generan el oleaje marino

Fuerza que
Fuerza que
Perodo
Tipo
la produce
la restaura
< 0.1 seg
Capilares
Viento
Tensin superficial
Tensin superficial,
0.1 a 1 seg
Ultragravedas
Viento
Fuerza y gravedad
1 a 30 seg
Gravedad
Viento
Gravedad
30 seg a 5 min
Infragravedad
Viento
Gravedad
5 min a 12 hr
Largo perodo
Tormentas
Fuerza de Coriolis
y Tsunamis
30 hr a 24 hr
Largo perodo
Sol y Luna
Fuerza de Coriolis
>24 hr
Muy largo perodo
Sol y Luna
Fuerza de Coriolis
Las actividades crecientes en las regiones costeras requieren de informacin ms
detallada, como la que se obtiene con radares[37], de la que suministran los modelos
a escala global. Sin embargo, el desarrollo de un sistema integrado para diagnstico
y pronstico de oleaje tienen un compromiso entre equipo computacional, tamao
de rea y el tamao del mallado utilizado para el clculo numrico. Las lmitantes,
antes mencionadas, llevan a establecer sistemas integrados de tcnicas de pronstico
de oleaje para las costas, donde la informacin sobre el mismo es necesaria en el
manejo y planificacin de las actividades marinas[47] y para ello son necesarios
laboratorios de hidralica.
Clasificacin de las ondas.
En el cuadro 2.1 se muestran los diversos tipos de olas que se presentan en el
ocano, las cuales se clasifican de acuerdo al perodo y la relacin con: la fuerza
principal que producen el disturbio, y la fuerza que restaura o disipa la ondulacin.
La clasificacin se complementa con la figura 2.2, que muestra el nivel de energa
que contiene el oleaje, el cual es proporcional al cuadrado de la altura de ola (H 2 ).
La forma ms sencilla de reproducir la caracterstica del estado del mar, en
particular su energa, esto es perodo (T ) y amplitud (H) significativos, es con un
oleaje regular que lo podemos asumir como cercano a una sinusoidal, con altura
(H), perodo (T ) y direccin constantes (). Pero si observamos la superficie del
mar y la medimos vemos que la superficie del mar est compuesta de olas que

2. Estado del arte

20

varan en perodo (1/fn ) y amplitud (Hn ) movindose en diferentes direcciones (n ).

Esto indica que el oleaje es irregular y que una forma de anlisis es por mtodos
estadsticos o bien por un anlisis aleatorio.

Teora lineal (senoidal)

Airy (1845), Laplace (1776).

Teora de Stokes (trocoidal)

Gerstner (1802), Stokes (1847), Fraude (1862)

Rayleigh (1877).

Teora de Cnoidal

Korteweng (1895), Keller (1949).

Teora de Onda Solitaria

Scout-Russel(1844), Boussinesq (1871).

Figura 2.1: Comparacin entre las diferentes teoras del oleaje

El trmino irregular (o seudo aleatorio) se utiliza para denotar la naturaleza
del estado del mar, en el cual las caractersticas tienen una variabilidad estadstica,
a diferencia del oleaje monocromtico o regular, donde sus caractersticas se asumen
como constantes.
Construir obras y estructuras martimas ms seguras y econmicas, ha motivado
a estimar y simular las caractersticas del oleaje con mayor aproximacin al oleaje
real. De igual manera, que en otros problemas de la ingeniera y cientficos, se han
desarrollado diferentes mtodos, empricos, matemticos y estadsticos para definir
las principales caractersticas del oleaje.

2. Estado del arte

21

Cientficamente se han desarrollado algunos mtodos para describir y analizar

el estado del mar por mtodos estadsticos y espectrales. A manera anlogo, como
se hace el anlisis de algunas seales de audios, etc. Para describir la naturaleza del
estado del mar se utiliza el concepto de altura de oleaje significativo (promedio del
tercio de las olas mayores H1/3 o Hs ), adems el perodo pico perodo significativo;
altura y perodo promedio, y la direccin media dominante. Los cuales caracterizan
la altura (Hs ), perodo(Ts ) y direccin () del oleaje dominante. Aunque en un
sentido ms amplio y estricto esto parmetros slo indican un ndice del tamao
para algn oleaje.
Existen dos mtodos generales de anlisis (1) anlisis espectral o de dominio en
la frecuencia y (2) por anlisis de ola por ola (tren de oleaje). La altura significativa
que es el ms usado, debido a que se tiene una relacin simple con la energa total
del espectro mo (ver Ec. 2.31) y que fue encontrada de manera visual, al estimar la
altura significativa del oleaje Hs por observacin experimental de Kisnsman[44].
Como muchos otros fenmenos de la naturaleza, la generacin de olas, (ondas)
sobre una superficie de agua ocasionadas por el viento y su propagacin han sido observadas para explicar y conocer sus causas. Sin embargo, la formulacin matemtica
del movimiento del oleaje se dio sino hasta el siglo XIX. En 1802, el matemtico
Gerstner, public en Praga la teora trocoidal del oleaje para olas en aguas profundas, y en 1844 Airy, en Inglaterra, desarroll la teora lineal de ondas de pequea
amplitud cubriendo el rango completo de aguas profundas a aguas someras. Despus, en 1847, Stokes establecera la teora de ondas de amplitud finita en aguas
profundas, la cual, posteriormente, se extendi a aguas intermedias. Russell en 1844
descubri que al propagarse la onda solitaria con una sola cresta, ella no sufre cambio en la forma en aguas someras; la descripcin terica del fenmeno fue formulada
por Boussinesq en 1871, y en forma independiente por Rayleigh en 1876. Ms tarde,
en 1895, Korteweg y De Vries derivaron la teora de olas peridicas permanentes
de amplitud finita en aguas someras, la cual se conoce hoy en da como la teora
Cnoidal de oleaje. Aunque las teoras fundamentales del oleaje fueron establecidas
al final del siglo XIX, pasaron muchas dcadas antes de que los ingenieros civiles,
tuvieran la posibilidad de hacer uso total de ellas en aplicaciones prcticas. En resumen y de forma grfica, se presenta la comparacin [50] de las distintas teoras

2. Estado del arte

22

del oleaje como se muestra en la figura 2.1

Durante la Segunda Guerra Mundial, la necesidad de informacin para la planeacin de operaciones militares, estimul el inters en la prediccin de las caractersticas del oleaje. Los oceangrafos H. U. Sverdrup y W. H. Munk [85] combinaron
relaciones tericas y empricas para desarrollar mtodos de previsin de altura de
ola significante (el promedio del tercio de las olas mayores de un tren de oleaje).
Despus, el mtodo fue utilizado para localizar mejores rutas martimas. Poco ms
tarde la teora prediccin mejor hasta convertirse en el mtodo SMB, desarrollado
por Sverdrup, Munk y Bretchneider (SMB) quienes entendieron claramente que las
olas estn compuestas por varias ondas largas y pequeas.
Aunque para fines prcticos, la forma experimental para estimar la energa del
oleaje, es aceptable usar la teora lineal de olas pequeas, por lo que slo ella ser
utilizada en la presente tesis.
Altura de ola significante (Hs ): El concepto se basa en la comprensin del oleaje
como un proceso aleatorio. Sin embargo, el concepto ha sido algunas veces
malentendido al representar olas de altura y perodo constantes. La teora de
oleaje monocromtico y los resultados experimentales obtenidos con trenes de
olas regulares, frecuentemente han sido aplicados directamente a problemas
reales, bajo la suposicin de que el oleaje regular corresponde exactamente a
la altura significante.
La representacin espectral del oleaje en el dominio de la frecuencia fue introducida por Neumann en 1953 y Pierson en 1952 [65]. Ulteriormente, Pierce
llev a cabo trabajos de investigacin fundados en el anlisis estocstico de
las ondas ocenicas.
Los estudios de Rice (1944-1945), determinaron las relaciones analticas existentes entre energa espectral y probabilidad de amplitud de onda en un proceso
Gausiano aleatorio, aplicado al campo de las comunicaciones; sin embargo, con resultados del estudio y a travs de un anlisis espectral fue posible evaluar los diferentes
parmetros (perodo y altura de onda) caractersticos de un mar aleatorio.

2. Estado del arte

23

El primer estudio, que caracteriz las altura de olas sobre un registro de oleaje, fue realizado en 1952 por Longuet-Higgins [48], quien introduce los siguientes
conceptos de suposicin (previsin):
Oleaje direccional
Oleaje de banda ancha
Oleaje no Gausiano
Oleaje no lineal
Distribucin conjunta de perodos y alturas.
Por otra parte, St. Denis [22] y Pierson [66] establecieron en 1953 un enfoque
estocstico para ondas aleatorias. A estas investigaciones siguieron las de Walden
en 1964 y las de Hogben y Lumb en 1967.
En las ltimas dcadas se han incrementado los trabajos, sobre todo de aplicacin; sin embargo, no tomando en cuenta los de Pierson (1955), Borgman (1972)
y Battjes (1977) [7], son pocos los que tratan de modelos estadsticos y estocsticos.
Principios de hiptesis del estado del mar para las mediciones: Hemos partido
del concepto de que se tiene un espectro de oleaje unidireccional y a partir de l
generamos el oleaje. Consideramos el mar como un proceso estocstico estacionario,
ergdico y Gausiano. Bajo esta consideracin el espectro del oleaje en un punto
puede representar el estado de toda una zona del mar.

2.2.

Anlisis espectral del oleaje

Como se describi, las caractersticas del oleaje se estiman a partir de su espectro

de energa, que es el estado que deseamos reproducir de una manera experimental.
El concepto de espectro, de manera general, se aplica frecuentemente a cualquier
distribucin ordenada producida por el anlisis de un fenmeno complejo, Isaac
Newton fue de los primeros al aplicar el concepto al descomponer la luz en su
espectro de colores. De igual forma, el oleaje que se observa como seales complejas

2. Estado del arte

24

Figura 2.2: Componentes energticos del oleaje del mar

en el tiempo, se descompone en el espectro de energa de diferentes frecuencias
(Fig. 2.2), y as, estimar sus caractersticas y hacer estudios de manera similar a las
tcnicas de comunicaciones elctricas[25].
El nivel de confianza del anlisis espectral depende de la precisin en su clculo.
Aunque se han desarrollado diversas tcnicas para mejorar dicha precisin. En contraste, en algunos casos, se provoca una prdida de resolucin espectral, en vez de
mejora. Es importante estudiar en cada caso la resolucin espectral y el nivel de confianza que se desea tener en los parmetros. El mtodo ms usado para obtener los
valores del espectro de energa es el clculo de los coeficientes de la serie de Fourier,
mejor conocidos como periodograma.

2.2.1.

Ecuacin de Balance de Energa espectral

El crecimiento del campo de oleaje generado por el viento se expresa por la

ecuacin (2.1) de balance de energa espectral [86] [87].

2. Estado del arte

25

Los modelos espectrales de olas. En general, despus de aceptado el espectro de energa de ola para describir el mar, la mayora de los modelos espectrales
contemporneos resuelven la ecuacin de balance de energa, para aguas profundas,
sin considerar la difraccin, la refraccin est dado por [27]:
S(, )
S(, )
(2.1)
+ Cg
= Stot
t
x
donde: S = S(, , x, t) es el espectro de energa de ola, Cg = Cg (, ) la velocidad de propagacin del grupo de olas, Stot = Stot (, , x, t) la funcin neta de todos
los procesos que agrupan, remueven o distribuyen la energa en el espectro de olas;
(2f ) es la frecuencia angular de ola, es la direccin de la ola, x es el vector
posicin de la ola y t es el tiempo.
En aguas someras, el efecto de la profundidad, la refraccin; la friccin con las
corrientes y el fondo, se deben tomar en cuenta en la evolucin del espectro de ola,
por lo que la ecuacin de transporte de energa ms general est dada por:

S(, )
+ Cg S(, ) = Stot
t

(2.2)

donde
Stot = Sin + Snl + Sds
Los trminos a la izquierda de la ecuacin 2.2 representan la evolucin de la
), la propagacin de la
energa de ola en funcin del tiempo (primer trmino S(f,)
t
energa de ola espacialmente y los efectos de refraccin de oleaje (segundo trmino
Cg S(f, )), donde Cg es la velocidad de grupo.
Los trminos a la derecha energa total (Stot ) en la ecuacin 2.2 representan la
energa que entra por el viento (Sin ), la energa de ola e interacciones no lineales entre
ellas(Snl ) y la energa disipacin (Sds ). Para un oleaje completamente desarrollado
donde no se tiene aumento del oleaje se cumple que Sin + Snl + Sds = 0.
El trmino Sin especifica la energa de entrada (fetch) al campo de formacin
de olas desde la atmsfera por el viento. Sds es la disipacin de energa de ola por

2. Estado del arte

26

rompimiento de las crestas en agua profunda, friccin con el fondo en aguas someras,
friccin con corrientes marinas, somerizacin, percolacin y rompimiento de ola al
llegar a la costa. Snl es el trmino de interacciones no lineal entre olas que cumplen
una condicin resonante dada [35].
La ecuacin 2.2, se emplea tanto en la representacin de una dimensin S(f ) o
en la representacin direccional S(f, ) y es la base para el desarrollo de modelos
numricos de prediccin del oleaje. Las funciones de entrada para la energa (Sin )
son basadas en los mecanismos de oleaje Miles [54] y Phillips [64], y la funcin de
la disipacin de la energa (Sds ) representa la disipacin interna y la ruptura del
oleaje, tambin como la friccin del fondo.

2.2.2.

Energa del oleaje

El registro del oleaje para un conjunto de olas, se constituye de tres componentes

bsicas: varias frecuencias n y amplitudes an ,diferentes fases n . Esto se modela
como una suma de funciones coseno (Ec. 2.3), basado en la teora olas pequeas.
(t) =

an cos(n t + n )

(2.3)

n=0

donde
n frecuencias angulares de oleaje.
an amplitudes de frecuencias n .
n fase aleatorias.
Si las amplitudes an son dibujadas contra la frecuencia, resulta un espectro de
amplitud. Se usa de manera ms comn el espectro de energa, el cual es la grfica
de a2n . Tanto el espectro de amplitud como el de energa son espectros discretos
(lneas), cada componente de frecuencia slo define un valor discreto (ver Fig. 2.4 ).
Densidad Espectral de Energa (DSE), se grafica como a2n / contra la frecuencia, y es dada por el rea bajo la curva, definindose como medida total
de la energa del oleaje en campo.

2. Estado del arte

27

Figura 2.3: Registro de oleaje irregular

La densidad espectral es la forma ms natural del espectro, la cual se considera
sobre un rango contino de frecuencias o como se plantea en la Ec. 2.4.

(t) = Re

a()ej[t()] d

(2.4)

donde a() d es la componente de energa del diferencia d del oleaje y a(),

generalmente conocida como la funcin de densidad de amplitud. Por ejemplo el
espectro mostrado en la figura 2.5 es el espectro Bretchneider. La forma del espectro
varia con el tipo de mar y estos espectros son tanto de banda ancha como angosta
(Ec. 2.32 ), como se especifica en la seccin 2.2.4.
El procedimiento de extraccin espectral de los registros de oleaje irregular (ver
Fig. 2.3) utiliza los principios del anlisis de la transformada de Fourier y las tcnicas
populares de Cooley y Tukey [18]. Los conocimientos de anlisis espectral tienen
su fundamento en los resultados del mismo en los campos de las comunicaciones y
la electrnica, a continuacin se define algunos de sus conceptos ms importantes.

2. Estado del arte

28

Figura 2.4: Espectro discreto N=64 frecuencias

Teorema de Parseval y la Covarianza
Hay que tener un nmero N (frecuencias) grande para poder determinar el valor
cuadrado-medio de la funcin f (t).

1
T

t+T
t

1
f 2 (t)dt =
T

t+T
t

"

#2
N
X
a0 +
(an cos(nf t) + bn sin(nf t)) dt

(2.5)

n=1

donde
an y bn son los coeficientes de Fourier de f (t).
a0 es valor promedio o medio de f (t).
Teorema de Parseval (Ec. 2.6) implica que el valor medio de la suma de los
cuadrados de los coeficientes an y bn no se aproxima al promedio de los valores
medios cuadrados de f (t), a menos que se tome un valor N grande o tienda
al infinito.

2. Estado del arte

29

1
T

1
1X 2
[f (t)] dt = a20 +
(an + b2n ),
4
2
T /2
n=1
N

T /2

(2.6)

donde
an y bn son los coeficientes de Fourier de f (t)
a0 es valor promedio o medio de f (t).
y se define los coeficientes complejos de Fourier F0 , Fn y Fn como:
F0 = 12 a0 ,

Fn =(an jbn ),

Fn =(an + jbn )

entonces
1
F02 = a20 ,
4

1
|Fn |2 = (a2n + b2n ) = |Fn |2
4

(2.7)

Funcin de covarianza, o la funcin de correlacin de dos funciones cuantitativas

con variacin en el tiempo fi (t) y fj (t), se define como:

1
Cij ( ) =
T

t+T
t

fi (t)fj (t )dt

(2.8)

donde es un retraso de tiempo, Si i = j, entonces Cij ( ) es la funcin de

autocorrelacin, pero s i 6= j, la cantidad Cij ( ) es la funcin de correlacin cruzada
o covarianza.
Existen dos importantes usos de la funcin de covarianza. La primera es identificar los perodos dentro de la serie de tiempo fi (t). Para datos cclicos, Cij ( )
debe ser peridica con igual perodo de fi (t). El segundo uso para la funcin de
covarianza est directamente relacionado al espectro de energa.
Tambin se puede mostrar que Cij ( ) = Cij ( ), que significa que, Cij ( ) es
simtrica con respecto al origen y que la covarianza es independiente de fase de los
componentes de fi (t).
Al sustituir, la serie de Fourier representada por fi (t + ) dentro de la ecuacin
de la covarianza, obtendremos

2. Estado del arte

30

Cij ( ) =
Cij ( ) =
=

1
T

1
T

1
T

t+T

fi (t)fj (t )dt

t
t+T

fi (t)
t
N/2 Z
X

n=N/2

N/2
X

(Fj )n e(in(t+ ) )dt

(2.9)

n=N/2
t+T

fi (t)(Fj )n e(in(t+ ) )dt

t

haciendo la serie de Fourier para fi (t)

F [fi (t)] =

N/2
X

(in )

Fj (n) Fj (n) e

n=N/2

N/2
X

n=N/2

|(Fi )n | |(Fj )n |e(i +j ) e(in ) (2.10)

donde
(Fi )n coeficientes complejos de la serie de Fourier de fi (t).
(Fi )n es el complejo conjugados de (Fi )n .
dado para la autoconvarianza

C11 ( ) =

N/2
X

n=N/2

|(F1 )n |2 e(int)

(2.11)

(2.12)

para el caso del que el retraso sea cero,

N/2
X

C11 (0) =

1
|(F1 )n | =
T
2

n=N/2

t+T

f1 (t)2 dt
t

lo cual es un colorario del teorema de Parseval y la covarianza.

Espectro de Potencia
Para seales f (t) que tienen un contenido de energa finito se cumple que
Z

|f (t)|2 dt = finito

(2.13)

2. Estado del arte

31

para tales seales, el promedio de potencia sobre el intervalo T se aproxima a

cero cuando T tiende al infinito:
1
lm
T T

T /2
T /2

|f (t)|2 dt = 0.

(2.14)

Pero existen seales, las cuales no tienen un contenido finito de energa, por
ejemplo el oleaje o el ruido. Entonces en estos casos, el promedio de la potencia de
f (t) es una cantidad
1
lm
T T

T /2
T /2

|f (t)|2 dt.

(2.15)

Cuando este lmite existe, la cantidad

Z
1
P () = lm

T T

f (t)dt

T /2
T /2

(2.16)

es llamada el espectro de potencia o la densidad espectral de potencia de la funcin

f (t).
La transformada de Fourier de la funcin de la covarianza es definido como el
espectro de potencia o densidad espectral de potencia (para i = j) o el espectro
cruzado (i 6= j ). Para ondas de agua el ms apropiado es el espectro de potencia
(i = j), como los componentes del espectro son el cuadrado de las amplitudes
del oleaje, a cada frecuencia las cuales son relacionadas con la energa del oleaje.
Tomando la transformada de Fourier de C11 ( ), podemos obtener
1
P () = F [C11 ( )] =
T

t+T
t

C11 ( )eint d = |Fn |2

(2.17)

donde
Fn complejos de la serie de Fourier de f (t).
para N/2 < n < N/2, el cual es el espectro de potencia de los dos lados. En la
prctica slo un lado del espectro de potencia es usado, el cual es fsicamente ms
intuitivo, como si las frecuencias negativas no existieran, n.

2. Estado del arte

32

P ( n ) = 2|(F1 )n |2 ,

n>0

(2.18)

11 (0) = |(F1 )0 |2 ,

n=0

(2.19)

para 0 n N/2.
El mtodo discutido es laborioso y en consecuencia es el procedimiento largo para
calcular el espectro del oleaje. l es sustituido por otro ms prctico, que consiste
en hacer uso de la transformada de Fourier sobre el registro del oleaje y obtener los
coeficientes Fn y encontrar |Fn |2 , aunque el procedimiento es complejo, se utiliza
la FFT la cual reduce el tiempo de clculo.
El espectro cruzado se obtiene de igual manera.
1
P () =
T

t+T

Cij ( )eint d = (Fi )n (Fj )n

(2.20)

Generalmente, el espectro cruzado es complejo, la parte real denota el coespectro

y la parte imaginaria, la cuadratura del espectro como se muestra en la Ec 2.21.
ij (n) = Coij (n) + iQuadij (n)

(2.21)

El espectro continuo
La amplitud, la fase y la energa han sido representados de forma discreta, y
habr contribuciones slo de la frecuencias discretas,
Ejemplo 2.1 por ejemplo para el espectro 11 (n), el espacio sobre el eje de la frecuencias dada por la Ec.(2.22)
=

2
T

(2.22)

La naturaleza peridica del espectro, es un resultado directo de la configuracin

de la serie de tiempo. Los fenmenos de la naturaleza tales como las brisas en la

2. Estado del arte

33

atmsfera o las olas en el mar, son usualmente consideradas como aperidicas, y en

consecuencia hay que hacer un anlisis continuo del espectro.
La forma de la derivacin del espectro aperidico no se presentar. Es suficiente
hacer notar que, el procedimiento de que al considerar el intervalo de perocidad T ,
y llevarlo hasta el infinito, reconocer que el lmite contribuye a una formacin densa
de todas las frecuencias y entonces se logra tener una contribucin continua.
En la prctica, la representacin perodica del espectro de energa es como un
espectro continuo. Con la siguiente transformacin simple, se asegura que el total
de la energa se conserva:

|F ( n )|2 = |Fn |2

(2.23)

donde n = n es factible que se vea como un espectro |Fn |2 y |F()|2

+
X
n=0

|Fn | =

|F()|2 d = f 2 (t)

(2.24)

donde
coeficientes complejos de la serie de Fourier de f (t) cuando N .
Fn
F()
es el espectro de potencia continuo de f (t).

2.2.3.

Metodologa para la sntesis del espectro del oleaje

Para el caso de oleaje regular, el modelo del perfil del oleaje (x, t) es dado por:
(x, t) =

H
cos(2ft kx + )
2

donde
H altura de la ola H/2 = a
f frecuencia de la ola T = 1/f

(2.25)

2. Estado del arte

34

T perodo de la ola
k nmero de onda k = 2/L
L longitud de la onda
fase inicial.
Si se define un punto de observacin en x = 0, el perfil del oleaje (t) se transforma en:
H
cos(2f t + )
(2.26)
2
La relacin entre el perodo T y la longitud L de onda (relacin de dispersin)
est dada por la (Ec. 2.27)
(t) =

L=

gT 2
2h
tanh(
)
2
L

(2.27)

donde:
h es la profundidad del agua y los dems trminos igual que la Ec. 2.27.
Energa y dispersin de las olas
La energa potencial: desplazamiento de las partculas de su posicin de equilibrio. Resulta de la parte de masa del fluido contenido en la cresta y que est
sobre el valle de la onda.
La energa cintica: movimiento de las partculas. Resulta de las velocidades de
las partculas asociada con el movimiento de la onda.
De manera, que la energa promedio E en una onda, por unidad de rea, es dada
por la ecuacin (2.28).
1
1
E = gH 2 = ga2 joules/m
8
2
donde:
la densidad del agua
g la constante de gravedad

(2.28)

2. Estado del arte

35

H altura de la ola H/2 = a

Ntese que la energa es proporcional a la altura de la onda al cuadrado (H 2 ).
Dado el principio de superposicin de la teora lineal, nos permite sumar varias
componentes regulares:

(t) =

N
X
i=1

i (t) =

N
X
Hi
i=1

cos(2fi t + i )

(2.29)

donde:
i la fase ensima,
Hi la altura ensima,
fi la frecuencia ensima del espectro del oleaje
Para realizar una sntesis del espectro, primero se requiere analizar y conocer como se caracteriza el oleaje. Aunque en la tesis, partimos de que tenemos conocimiento del anlisis espectral del oleaje, presentamos como fundamento terico, de manera
resumida, el anlisis del oleaje, proponer la metodologa de sntesis, para realizar el
proceso inverso.
Se utilizan dos tcnicas para el anlisis de oleaje: mtodos estadsticos y mtodos
espectrales, y despus encontrar frmulas para pasar de uno otro.
El mtodo estadsticos consiste en tomar un registro del oleaje, de varios de
cientos de olas y obtener el valor medio o de cruce de las olas por cero. Mediante
la tcnica cruce por cero hacia arriba (Zero upcrossing) se separan las olas, ordenandolas de menor a mayor altura. Del anlisis se obtienen los valores de altura y
perodo mximo (Hmax ), promedio (Hprm ), RMS (Hrms ), que son los parmetros
comunmente utilizados por los laboratorios de oleaje. La altura significativa Hs que
consiste en obtener el promedio de la tercera parte de las olas mayores del registro
que se analiza, y de uso comn, debido a que de manera fcil se estima la energa
total del oleaje a partir de la Hs , usando la ecuacin 2.33. Similar procedimiento se
aplica para el perodo significativo Ts . Con los parmetros altura y perodo significativo se tiene el equivalente de la energa ms dominante y utilizarla para realizar
pruebas experimentales como primera aproximacin del oleaje irregular, utilizando
un generador de oleaje regular.

2. Estado del arte

36

Evaluacin de los coeficientes de Fourier. La tcnica ms usada para el

anlisis espectral es la transformada rpida de Fourier, sin embargo, tiene una
limitacin importante en cuanto al nmero de elementos para el clculo, el
cual debe ser una potencia de dos, es decir, N = 2m . Por ello, se procura
que los datos de oleaje cumplan con dicha condicin, cuando el nmero de
datos es mayor, se elimina el exceso de datos de la parte inicial o final, y
cuando es menor, se le agregan ceros hasta completar el nmero. Cuando se
agregan ceros, surge el problema de que se reduce el nivel de la energa total,
el problema se corrige al normalizar la energa. La variacin de la superficie
libre del agua, (t), se expresa por una serie finita de Fourier mediante un
anlisis armnico, tambin conocida como transformada inversa de Fourier.

2.2.4.

Parmetros espectrales

Todos los parmetros espectrales se calculan a partir de sus diferentes momentos.

Momento de orden n se define con la siguiente ecuacin:

mn =

f n S(f )df

(2.30)

Donde S(f ) es la funcin de densidad espectral.

La energa total del oleaje es el momento cero m0 y est dada por ecuacin 2.31
y representa el rea baja la curva (ver Fig. 2.5 ) del espectro continuo.
m0 =

S(f )df

(2.31)

Ancho espectral: Cartwright y Longuet-Higgins propusieron en 1956 un parmetro

para describir el ancho espectral:

= [1

m2 2 1/4
]
m0 m4

(2.32)

2. Estado del arte

37

Si el espectro es de banda angosta, s tiende a 0; si por el contrario es de banda

ancha, tiende a 1. El parmetro ancho espectral presenta el inconveniente de depender del momento de cuarto orden, el cual podra no ser muy exacto en el rango de
valores de las altas frecuencias y se ha encontrado que para espectros que definen
un estado de mar el parmetro s no es muy representativo.
Altura de la ola: una aproximacin de altura de ola significante se estima a partir
de los momentos espectrales, cuando las alturas de ola siguen la distribucin
propuesta por Rayleigh, con la siguiente expresin [30]:

1/2

Hs = 4,004 m0

(2.33)

perodo de ola: misma forma que la altura de ola, el perodo medio T se estima
con la ecuacin 2.34.

T =

2.3.

m0
m2

(2.34)

Modelos espectrales parametricos de un estado de mar

En general, los espectros del oleaje no siguen ninguna forma matemtica especfica. Aunque bajo ciertas condiciones de viento, el espectro tiene una forma
especifica. Una serie de esas expresiones empricas han sido encontradas, estas formas especficas son llamados modelos espectrales parmetricos, los ms utilizados
son los siguientes:
Espectro de PIERSON-MOSCOWITZ. En 1964, Pierson y Moscowitz [66]
estudiaron los espectros de oleaje del Atlntico Norte (con datos medidos
en esa zona) y desarrollaron la frmula, basada en la teora de similitud de
Kitaigorodskii, para representar estados de mar completamente desarrollados,
generados por viento. El "fetch"o barrido (longitud del rea de exposicin al

2. Estado del arte

38

oleaje, es decir, recorrido sin obstculos del viento en el mar); y la duracin

se consideran infinitas. Para que el modelo sea aplicable es necesario considerar que el viento sople durante varias horas sobre un rea grande con una
velocidad relativamente constante, antes de que la seal del oleaje se registre.
La expresin para el clculo del espectro Pierson y Moscowitz, a partir de las
caractersticas del oleaje es la siguiente:
4

S(f ) = 1/4 Hs2 e Tz 4 f 4 Tz4 f

(2.35)

donde:
Tz es el perodo medio obtenido por el mtodo de cruces por cero hacia arriba.
Hs es la altura de ola significante.
f es la frecuencia.
Espectro de BRETCHNEIDER-MITSUYASU Bretchneider [11] propuso
una formulacin espectral basada en los supuestos de un espectro de banda
angosta (Ec. 2.32) y que las alturas y perodos de ola siguen la distribucin de
Rayleigh. A dicho espectro, Mitsuyasu et al. [56] hizo un ajuste de coeficientes,
aprovechando los datos de olas generadas por viento en un laboratorio y de
una baha, para representar un espectro de "Fetch"limitado y dejarla como se
muestra a continuacin:

1,03

s(f ) = 0,257 Hs2 e

1
T1/3 4 f 4

Ts4

(2.36)

donde:
Hs es la altura de ola significante
Ts es el perodo de ola significante
Espectro de JONSWAP-HASSELMANN
La expresin de Hasselmann et al. [34] que est basada en los resultados del
espectro JONSWAP (Joint Wave Observation Program for the North Sea) se describe a partir de las modificaciones al espectro de Pierson-Moscowitz de la manera
siguiente:

2. Estado del arte

39

0.35
0.3
A (m^2/s)
0.25
0.2
0.15
0.1
0.05
0

0.5

1.5

2.5

f (Hz)

Figura 2.5: Espectro de Bretschneider-Mitsuyasu

4,0 5,0

S(f ) = Hs fp f

12 (
1)
fp 4,0
fp
2
exp(1,25 ( ) ) exp(
f
f

(2.37)

fp = f |S(f )=max

donde:
fp es la frecuencia pico o mxima energa del registro.
Hs es la altura de ola significante
0,0624
= [0,230+0,03360,185(1,9+)1]
(
a si f fp
=
b si f fp
= 1 7 (generalmente toma el valor de 3,3),
a = 0,07 y b = 0,09
Espectro de NEUMANN el primer modelo espectral analtico que fue usado
con fines de diseo de ingeniera lo desarrollaron en 1953 Neumann et. al [60].
El modelo es funcin de la velocidad del viento U medida a diez metros sobre
el nivel medio del mar, U10 , y queda expresado como:

S(f ) = 1,466fp 5 f 6 Hm0 2 e

fp 2
f2

(2.38)

donde Hm0 es la altura de ola del momento de orden cero, la cual es aproximadamente igual a la altura de ola significante, Hs aprox. Hm0 = 4(m0 )1/2 . La frecuencia

2. Estado del arte

40

de pico fp , para tal caso, se obtiene mediante la siguiente expresin:

fp =

0,87g
2U10

(2.39)

donde
g es la constante de gravedad.
U10 es la velocidad del viento 10 metros sobre el nivel del mar.
Los espectros expuesto, que son los ms usuales, se obtienen del anlisis de los
registros del oleaje y representan los perodos de las energas de las olas para una
cierta regin del mar donde se tomaron dichos registros, por ejemplo para el caso
de Golfo de Mxico, de manera puntual en la Termoelctrica de Tuxpan, Veracruz,
segn Rosales [70] el espectro de Brentneider-Mysutyasu es el que mejor se ajusta.
De manera general, la sntesis del espectro, se tiene a partir de los datos de altura
significativa Hs , perodo significativo Ts , u otros parmetros del espectro particular
a producir. Se obtienen las alturas de energa para un nmero de frecuencias que se
desea que tenga la serie armnica, generalmente son 50 ms. Si son menos hay que
considerar no la altura sino el rea de energa de la frecuencia. Para cada frecuencia
se calcula el nmero de onda k y se ve modicada por la funcin de transferencia de
la paleta del generador oleaje utilizado.

2.4.

Principio de generacin de olas en canal

2.4.1.

Solucin a la ecuacin de la onda en un canal de agua

Las ondas que se propagan sobre la superficie del agua en un canal son controladas por la fuerza gravitacional (g) [26]. Cuando un lquido est en reposo posee
una superficie libre horizontal. Por lo tanto, cualquier perturbacin en la superficie provoca un movimiento en el lquido, generalmente del tipo oscilatorio, que se
propaga sobre toda la extensin de la superficie. Con la finalidad de analizar estos movimientos y la ecuacin que los gobierna, primero se formula el principio de
conservacin de masa y momento.

2. Estado del arte

41

El Principio de conservacin de masa, establece que no se crea o desintegra la

masa al interior de un volumen de control, si adems se conserva y a menos
de por l exista flujo o transporte de masa al cruzar la superficie que delimita
las fronteras del volumen. El principio, de manera terica, se expresa por la
ecuacin 2.40 en derivada total.
dx
dy
dz
D d
o
donde y u =
, v= , w=
Dt dt
dt
dt
dt

(2.40)

El desarrollo de la ley de conservacin de masa (densidad ) o continuidad (Ec.

2.40 ) para un diferencial de volumen o volumen de control [21], su desarrollo es
dado por

u v w
1
( +u
+v
+w )+
+
+
=0
t
x
y
z
x y
z

(2.41)

donde:
V = u + v + w = u(x, t)i + v(y, t)j + w(z, t)k es el campo velocidad en un
punto u, v, w son las velocidades para cada uno de los ejes x, y, z.
El agua se puede considerar un fluido incomprensible, debido a que se requiere
incrementar la presin a 1 x 106 Newton/m2 para obtener un cambio en su densidad
=0)
de un 0.05 %. Si consideramos, que no cambia su densidad ( d
dt
La ecuacin de continuidad (Ec. 2.41) de forma reducida queda.
1 d
+ V = 0
pero 1 d
= E1 dp
dt
dt
dt
dp
entonces E d

para el agua

donde
E es el mdulo de elasticidad.

E = 2,07 109 Nm1

en forma reducida V = 0
El Principio de conservacin de cantidad de movimiento

(2.42)

2. Estado del arte

42

De manera general, bajo el principio de la hidrodinmica, campo de velocidad en

el fluido (V (u(x, t), v(y, t), w(z, t))) se considera[5], un movimiento sin vrtices (no
rotacional V = 0) para un campo hidrodinmico. y derivada de un potencial
de velocidad (x, y, z, t)
V (u(x, t), v(y, t), w(z, t)) = (x, y, z, t)
V (x, y, z) = (x, y, z, t), en forma reducida
V =

(2.43)

Por lo que de la conservacin de momento Ec. 2.43 se tiene que el campo (vectorial) de velocidad V es igual al gradiente del potencial de velocidad .
Deducin de la ecuacin de gobierno
Puesto que en el agua la ecuacin de conservacin de masa se cumple (Ec. 2.41)
y el potencial de velocidad satisface la ecuacin 2.43. Sustituyendo Ec. 2.43 en la
Ec. 2.41, esta se reduce al Laplaciano del potencial de velocidad Ec. 2.44.
() = 0 2 = 0

(2.44)

Laplaciano es la ecuacin de gobierno con la que podemos modelar la dinmica del oleaje en el canal, si consideramos que se tiene un fluido no rotacional e
incompresible.
Solucin de sistema de una canal
Dado que slo tenemos propagacin de las olas unidirecional, solo en la direccin
x, consideramos un modelo o ecuacin diferencial en dos dimensiones (2 (x, z, t) =
0) ( Fig. 2.6), donde las paredes laterales tienen una funcin de potencial peridico
=0
((x, t) = (x, t+L)) y la condicin frontera del fondo no existe flujo (w =
z
en z = h). La parte superficial, que nos interesa tiene condiciones, de frontera libre,
d
= 0 en z = 0) y dinmicas ( = 1g
en z = 0) sujetas a la
cinemticas ( d
dz
dt
t
fuerza de gravedad.
El potencial de la velocidad en la superficie, sigue la forma de la ola (x, z, t)
sobre las coordenadas que se desplaza. En el caso del eje z toma una forma hiperblica de valor constante, (por ejemplo z = 0) y se representa el cambio de nivel del

2. Estado del arte

43

Figura 2.6: Condiciones de frontera para ondas de frontera libre

agua por la ecuacin 2.45.
(x, t) =

1
en z = 0
g t

(2.45)

Otra suposicin importante es considerar que el movimiento ondulatorio puede

idealizarse, si un punto de la superficie frontera libre, va subiendo y bajando con una
aceleracin igual y constante, que est dada por la fuerza de campo gravitacional
constante (g) si la masa no cambia. La condicin anterior se expresa de la forma
siguiente (Ec. 2.46):
v
= f = gk
(2.46)
t
De la ecuacin de Bernoulli, las relaciones entre el gradiente y potencial de una
funcin para un flujo no rotacional, que relaciona la presin, la fuerza de gravedad y
la derivada del potencial de velocidad y considerando que la presin en la superficie
libre es constante p = 0, se obtiene la siguiente relacin (Ec. 2.47):

= gz + const
(2.47)
t
Resolviendo el sistema de ecuaciones (2.46 y 2.47) se tiene la ecuacin 2.48 que
es la velocidad de fase c del oleaje, y que define la propagacin de la ola.

2. Estado del arte

44

c=

g
tanh(kh)
k

(2.48)

La frmula de Airy (Ec. 2.48), relaciona la velocidad de fase c de la onda en

funcin del nmero de onda (wave number ) k y de la profundidad del
canal h conocido como tirante. Se consideran tres tipos de aproximaciones
para la frmula: Aguas profundas, medias, y someras o pocas profundas. Las
diferencias estn relacionda entre la profundidad del canal h y las longitudes
de las olas L.
Entonces, si "kh"es muy grande, es porque la profundidad (h) es grande, es decir
es una zona de aguas profundas y se cumple porque la relacin tanh(kh) es igual 1
p
para valores h/L > 0,5, esto significa que kh > y c = g/k, pero como k = 2/L
c=

p
gL/2

dado que c = L/T y sustituyendo en la Ec. 2.49, se tiene que L =

c = gT /2

(2.49)
gT 2
2

o bien:
(2.50)

De la Ec. 2.50 se concluye, que viajarn ms rpido aquellas olas con mayor
perodo. En consecuencia, las olas de agua profunda se llaman dispersivas. Es decir,
que cuando se genera una tormenta, siempre se van al frente aquellas olas con perodos ms largos. Ellas son los primeras llegar a las costas. Aunque, no necesariamente
las de mayor energa.
En contraste si h es pequea, es decir, es una zona de aguas poco profundas o
someras tanh(k) se aproxima a kh para cuando se cumple que la razn entre la
profundidad (h) y la longitud de onda (L) es menor que 0,05, es decir kh > /10.
c=

p
gh

(2.51)

Donde se nota que la velocidad de fase de las olas depende de la profundidad

(h) por la cual viajan e indipendiente del perodo T . A mayor profundidad mayor

2. Estado del arte

45

z
H
x

Paleta o Pistn
que genera el oleaje

2e

Figura 2.7: Esquema de la paleta del generador.

velocidad. Lo anterior tiene una gran importancia en las transformaciones que las
olas sufren conforme se aproximan a la costa, llamado refraccin de olas. Lo efecntos
se muestran cuando la razn entre la profundidad (h) y la longitud de onda (L) es
menor que 0.05.
Para aguas intermedias se cumple la frmula de Airy o ecuacin de dispersin de
teora de olas pequeas. Ella modela la forma de las olas al propagarse en el canal,
y la condicin dinmica de la frontera libre,

2.4.2.

Funcin de transferencia del generador

Ejemplo 2.2 Considrese un modelo simple como el presentado en la figura 2.7,

donde se realiza la medicin del oleaje, exactamente, frente la paleta o pistn. La
pregunta es Que relacin tiene el movimiento S de la paleta con la altura H, el
perodo T y la longitud L de la ola producida? La respuesta ms elemental es,
igual al volumen desplazado por la paleta, si una onda rectangular de altura H es
constante y k es nmero de ola, siendo k = 1/L, y en radianes es k = 2/L. El
ejemplo se modela por la ecuacin 2.52 que compara el volumen de agua desplazada
con el agua contenida en la crestas de las olas.

H/S = h/L

(2.52)

Un modelo ms completo se obtiene al resolver la ecuacin de olas [21] [30] para

2. Estado del arte

46

frontera libres en la superficie, (ver seccin 2.4.1) y con la funcin de entrada con
una frontera lateral de la funcin del generador. La relacin que se obtiene es
2 cos(2 kp h 1)
H
=
s
sinh(2 kp ) + 2 kp h

(2.53)

Donde kp es la constante de nmero de ola para ondas progresivas y se determina

por la ecuacin 3.20 de dispersin de olas para el canal.
2 = gkp tanh(kp h)

(2.54)

Donde Es la frecuencia = 1/T ; g es la constante de gravedad 9,8 sm2 , h es la

altura de nivel del agua.
La solucin supone que la seal que se aplica al pistn es armnico, por lo que
el perodo del movimiento de la paleta es el mismo que el perodo T del oleaje, y
en consecuencia las velocidades de las partculas agua y de la paleta es la misma. Y
que las olas que se generan frente a la paleta del canal son aguas profunda, la zona
de inters en los estudios en laboratorios hidralicos es en aguas poco profundas,
donde se producen diferentes fenmenos no lineales que afectan las dispersin de las
olas, como se tratar en la siguiente seccin.

2.5.

Evaluacin crtica de los mtodos convencionales

de la generacin de oleaje irregular en canales.

La olas rompen al momento de generarse si se excede la velocidad de ruptura de

las mismas. El fenmeno se produce cuando las olas rompen de manera natural en
la playa por las distintas velocidades que tienen las partculas de agua.
La generacin del segundo armnico [24]. no se ha observado en estanques, pequeos. Disturbios diversos de dispersin, difraccin y reflexin aparecen en estanques. La reflexin se trata de evitar poniendo la playas al final y al principio
del canal. Los generadores ahora son diseados para detectar la reflexin [12], [71].
Primero se detecta la reflexin con un sensor frente a la batidor del generador y

2. Estado del arte

47

Figura 2.8: Proceso de preparacin de la seal de entrada a un generador de oleaje

irregular

2. Estado del arte

48

despus se produce una onda igual a la detectada que con una fase de 180 grados
para cancelarla.
Los mtodos bsico de generacin de oleaje son:
Suma de seales cosenos.
Filtrado de ruido blanco
Creando una seal con mediciones en campo.
Los dos primeros se aplican tanto para un espectro terico como para uno medido en campo. El ltimo slo se aplica para espectros medidos o generados de
forma artificial a partir de un registro de oleaje y es deseable en los casos secuencias extremas o grupos de oleaje para pruebas de amarras o estructuras fijas, o la
estabilidad de estructuras armadas. El mtodo que usa ruido blanco es ms real,
porque barre una gama ms amplia de frecuencias. ste es un proceso Gausiano.
La Fig. 2.8 presenta el proceso de preparacin de la seal de entrada a un
generador de oleaje irregular. Los sistemas de control, en general de lazo abierto,
necesitan un tiempo relativamente grande para la calibracin de cada experimento
a fin de generar un patrn espectral de oleaje (espectro deseado u objetivo).
El problema ms importante en la generacin del oleaje es estimar la Densidad
Espectral de Potencia (DSP), sta solo se estima de una forma precisa, slo si
f 0 o bien si el nmero de frecuencia se hace continuo, por lo que se requiere
que el nmero de datos tienda al infinito.
En la generacin DSP, s el espectro generado la altura de oleaje Hs, perodo T s,
frecuencia fp y su forma, tienen un desviacin importante, el proceso de produccin
se ajusta y se repite hasta obtener un resultado satisfactorio. Es decir un rango de
calidad dentro de los rangos de variacin estndard (ver apendice E.3.)
Los espectros discretos con frecuencias uniformes, no representan todas las frecuencias, obteniendo slo un nmero representativo de frecuencias. Esto se corrige
al aumentar las frecuencias, lo que aumenta el tiempo de procesamiento. Una correccin es usar reas de energa iguales, proporcional a la frecuencia [30], lo que
lleva a una seleccin no uniforme. Bajo este mtodo se usan pocas frecuencias, 16 o

2. Estado del arte

49

ms. Mientras que el caso de frecuencias uniformente espaciadas se requieren ms

de 50 [16].
El espectro que se desea, slo es generado para puntos prximos al generador.
Cuando el oleaje se propaga sobre el canal sufre modificaciones y perturbaciones
que modifican el espectro (el comportamiento no lineal), por lo que, slo se aplica
los mtodos de compensacin para las modificaciones que sufre en seal durante la
propagacin. Dado los grandes retardos, al momento de generar el oleaje y medicin
del punto de inters (la estructura bajo estudio) y la modificaciones antes mencionadas, resulta complejo aplicar control directo sobre el sistema de generacin en
el punto de la estructura bajo estudio [30].
De forma tradicional se han introducido esquemas para evitar las reflexin en
los canales del oleaje, una de ellas es construir estanques largos, pero esto hace
que los pruebas experimentales se lleven mucho tiempo, debido a lentas velocidades
(con periodos de 1-30 segundos ver tabla 2.1 y Ec. 2.48) de propagacin las olas.
De manera reciente se utilizan canales ms anchos, el cual se divide en parte y slo
se considera una canal angosta para las pruebas de ensayos. De manera recientes,
Shaer et. al [72] han realizado algunos esquemas de control que detectan el olea je
que se refleja y tratan de mandar una seal de control defasada 180 grados para
desminuir la reflexin. En los canales que no tienen estes esquema de control la
forma de hacerlo es introducir playas al final del canal que sea mnima la reflexin
del oleaje. Dado esta caracteristicas los investigadores o usuario del canal deben
de tener amplia experiencia para realizar la pruebas. Aunque siempre hay ciertas
diferencia entre los experimental y lo terico.
Svendsen[84] enfatiza que hay discrepancia entre la teora y los resultados experimentales obtenidos para verificar la teora, esto es debido a la imprecisin en los
experimentos. El hace esta declaracin que es mas difcil hacer un buen experimento que hacer una buena teora. Aunque esto es generalmente debatible, porque
el punto es que los experimentos con laboratorios de oleaje son complejos de comprender, y los resultados deben ser juiciosamente aplicados. La generacin realista
de oleaje es una tarea compleja como es su medicin. Varios factores no deseables
en los laboratorios y efectos de escala podra demeritar el valor de los resultados
experimentales.

2. Estado del arte

50

La generacin por metodos numericos de oleaje, es una tarea que se lleva tiempo
debido a la necesidad de evaluacin de varias funciones trigonometricas y por la
sumas de estas funciones para cada seal (mnimo de 50 puntos). [53] Aunque en
contraste se tienen otros mtodos computacionales iterativas que reducen el tiempo
[61].

Captulo 3
Medios tcnicos y aseguramiento
de programas
En el captulo se presentan los medios tcnicos requeridos y el aseguramiento de
programas utilizados en los generadores de oleaje.

3.1.

Principios de generacin de oleaje en laboratorios experimentales.

De forma genrica, los laboratorios de oleaje cuentan con sistema de estanque

y canales para generar oleaje. En los estanques se puede ensayar con oleaje direccional, aunque al usar tcnicas modernas se puede hacer la generacin de oleaje
multidirecional.
Dependiendo de los propsitos de diseo se puede utilizar generadores regulares,
irregulares, direccionales y multidirecciones [32]. Los sistemas ms sencillos y de
menor costo son monocromticos y los irregulares aumentan su costo y complejidad
de diseo.
De una forma estadstica y usando la escala del modelo (ver seccin 3.3.2) se
reducen a nivel de laboratorio todos los datos que se han medido en el mar. La
estimacin de la altura del nivel tanto en el mar como en laboratorio varan y son
51

3. Medios tcnicos y aseguramiento de programas

52

diferentes, bajo un ambiente controlado se presenta menos variabilidad. Tambin

se puede utilizar datos que estn disponibles en Internet en la red internacional de
boyas de Centro Nacional de Boyas de EEUU [59].
Antecedentes
El oleaje es un fenmeno de un fluido con frontera libre entre la interaccin
de la atmsfera y el fluido, que se manifiesta en la superficie pero que afecta a
todo su volumen (agua). Las oscilaciones en la superficie son manifestaciones de
la accin de la fuerzas sobre el fluido que lo deforman; las acciones de fuerzas que
restituyen la superficie y la tensin superficial que la mantiene. Los cuales actan
juntas para mantener en equilibrio la superficie del fluido. La accin de las fuerzas
depende principalmente del viento o la perturbacin del movimiento en el agua.
Por ejemplo, la cada de una piedra que crea olas. El oleaje se genera cuando la
energa del viento se transfiere al mar y provoca un oleaje creciente (ver cuadro 2.1
en la seccin 2.1). El oleaje generado aumenta su perodo y altura, bajo la accin
del viento, avanzando ms rpido hasta alcanzar velocidades iguales a la del viento.
Despus que las olas son creadas, la activacin de la fuerzas de gravedad y la tensin
superficial, que son las fuerzas dominantes, permiten la propagacin de las olas. Las
olas ocurren de todas las formas y tamaos. Adems, estn las fuerzas de gravedad
que ejerce el sol y la luna que generan grandes olas conocidas como mareas.
Podemos caracterizar el mar por su principal componente de energa (ver la
seccin 2.1) o bien de su altura mxima de oleaje [43].
Oleaje irregular
Se obtiene su valor promedio, perodo y altura de las olas mediante el mtodo de
cruces por cero hacia arriba y hacia abajo lo cual nos permite obtener la altura (Hs )
y perodo (Ts ) significativo. Con estos parmetros podemos utilizarlo para definir
funciones empricas continuas, tales como Bretchneider, Misutyasu, JONSWAP, etc.
Otra forma ms costosa es hacer mediciones directamente en los puntos de inters o
lugares donde se realizan los estudios y pruebas de prototipos. En Internet se dispone
de espectros del oleaje con mediciones en tiempo real para ciertos puntos[59].
Los generadores unidireccionales producen oleaje en una sola direccin. En contraste, los generadores multidireccional permiten generar el oleaje en diferentes ngulos y frentes, y en consecuencia se tienen componentes de energa, que varian en

3. Medios tcnicos y aseguramiento de programas

53

cada direccin.
Segn Dean [21], existen varias tcnicas de generar el oleaje en el canal. Aunque
todas concluyen en desplazar cierto volumen de agua. La energa del oleaje est
directamente relacionada con la altura de la ola (ver Ec. 2.22). Esto implica, que si
tenemos una ola con una mayor altura H (mayor volumn) se tiene ms energa H 2
y en consecuencia su fuerza es de mayor impacto sobre las estructuras.

3.2.

Principios operacin de los generadores

De los diferentes tipos de generadores de olas, el ms ventajoso y ms sencillo

de construir, y el que mejor representa la formas de olas es el tipo mecnico. Estos
generadores se construyen con una diversidad de tipos: paleta o batidores (placas
planas), articulado o tipo pistn, tipo cua vertical y deslizante o de tambor, todo
estn manipulados mediante motores elctricos conectados a un sistema de transmisin con engranes, ligado a otro sistema de bielas-manivela, o bien a un sistema
moderno de servo mecanismos hidrulicos o motores lineales.
La teora que relaciona el desplazamiento del batidor con las caractersticas de las
olas, es tratada por varios investigadores; Biesel y Suquet [9], Handsen y Svendsen
[33], Webber y Christian [95], Gibert et al. [28], Dean y Darlymple [21], Hughes [40]
y Goda [30]
Existen en forma bsica dos tipo de generadores de oleaje: los generadores de
oleaje regular y los generadores de oleaje irregular. Los generadores de oleaje regular
[91] constituidos por motores (Fig. 3.1) de una slo velocidad, se conectan a la caja
de engranes o velocidad, la cual puede hacerla variar de 1/10 a 1/20 la velocidad
fija. La salida de la caja se acopla a una rueda con manivela para transformar el
movimiento circular a un desplazamiento lineal. Al final, la manivela se conecta al
pistn o paleta que desplaza el volumen de agua en un canal para generar el oleaje
regular.
El tiempo que tarda en producirse un ciclo completo, en el desplazamiento del
pistn, determina el perodo de la ola producida. Este tiempo se puede ajustar por
la caja de engranes. La carrera mximo del pisto determinar cuanto volumen de

3. Medios tcnicos y aseguramiento de programas

54

Figura 3.1: Control general de oleaje

agua se desplaza en cada ciclo y en consecuencia la altura de las olas producidas,
es decir ajustando el desplazamiento mximo ("stroke") del pistn, se pueden tener
distintas alturas (H) para el oleaje regular producido. Los sistemas de oleaje regular
se disean con un mecanismo para variar linealmente el "stroke"si se desean generar
distintas alturas de ola.
Para el oleaje irregular existen tres mtodos generales para generar el espectro
de potencia del oleaje: El primero, por el filtrado de una seal de ruido blanco. El
segundo, usando la transformada inversa de Fourier, a partir de los componentes
en forma discreta de la potencia de cada uno de los armnicos del espectro. El
tercero con una suma de serie armnico de funciones coseno, a partir de un espectro
continua, si se tiene los parmetros de altura (Hs ) y perodo (Ts ) significativo y
con las ecuaciones de espectros empricas como Mitsuyasu , Pierson y Moskowitz
JONSWAP, etc., se puede obtener el espectro continuo a producir. Por ejemplo el
espectro de Bretschneider (ver seccin 2.3) dado por la Ecuacin 3.1.
1,03

s(f ) = 0,257 Hs 2 e

1
Ts 4 f 4

Ts 4

(3.1)

Si se aplica el teorema de Parseval a un sistema lineal (ver seccin 2.2.2), los

valores del espectro deseado (ST ) se dividen por el cuadrado de la funcin de transferencia B(f, h), para obtener el espectro (Ec. 3.3) del generador o paleta (SP ). La
Ecuacin 3.2 es conocida como ecuacin de eficiencia de la paleta, sta se obtiene al
resolver el sistema de ecuacines diferenciales para las condiciones de frontera libre.

3. Medios tcnicos y aseguramiento de programas

B(f, h) =

55

H 4 sinh2 (kh)
2s 2kh + sinh(kh)

(3.2)

ST (f )
B 2 (f, h)

(3.3)

SP (f ) =

Donde H es la altura de la ola producida en el canal, s es el desplazamiento de

la paleta (stroke), y h la profundidad del agua frente a la paleta en el canal. La
constante k es el nmero de ola y se determina por la solucin de la frmula de Airy
(Ec. 2.41 seccin 2.4.1) de la teora de propagacin de olas pequeas.
Ruido blanco. Se produce una seal de ruido blanco, usando un mtodo experimental, por ejemplo el de Gold y Rander [31]. La seal de ruido blanco se hace
pasar por un banco de filtros digitales, a los cuales se ajustan sus parmetros
para producir el espectro deseado. Es factible utilizar un filtro adaptivo.
Usando la transformada inversa de Fourier. Se aplica la transformada inversa
de Fourier al espectro de amplitud discreto, obtenindose la seal de oleaje
a producir en el dominio del tiempo. Con este mtodo se obtiene una fase
constante cero para todas las frecuencias. Para el caso de espectros continuos,
se dividen en M bandas iguales para obtener las frecuencias caractersticas fi ,
con un ancho ancho de frecuencia (f ), para convertirlos a espectros discretos
y aplicarle la transformada inversa.

a(f ) =

an =

p
2 S(f )

p
2 S(fi ) f

(3.4)

(3.5)

Para obtener el espectro de amplitud a partir del espectro de potencia se aplica

la Ec. 3.4 3.5 para el caso discreto y continuo, respectivamente.

3. Medios tcnicos y aseguramiento de programas

56

Sumatoria de la serie de Fourier. El mtodo consiste en obtener la seal del

espectro a producir, como una sumatoria de serie de cosenos (Ec. 3.6).
(t) =

N
X

ai cos(fi t + i )

(3.6)

i=1

donde i es una variable aleatoria entre [-, ]. N es el nmero de componentes.

El trmino oleaje aleatorio ( o irregular ver sec. 2.1) es usado en esta tesis
para describir olas, las cuales se generan para simular un estado de la naturaleza
del mar. Aunque en realidad se producen series de tiempo seudo aleatorias que en
determinado perodo de tiempo se repiten.

3.3.

Aseguramientos tcnicos

Requerimientos tcnicos e instalacin de plataforma experimental, donde se comprueban los principios y metodologas tericos planteados. En los generadores de
oleaje aleatorio se requiere manipular y variar de forma irregular y contina el volumen de agua, adems de:
a) Contar con un sistema adquisicin de datos para la lectura del nivel del oleaje.
b) La programacin para que capture las series de tiempo a producir a partir de
los espectros que se desean.
c) Sistema de control y manipulacin del generador. Construido de manera tradicional con un sistema de computadora o bien un microprocesador.
d) Para los requerimientos de los sistemas modernos que se puedan interfazar y
controlarse de manera remoto.

3.3.1.

Descripcin fsica

Aunque la metodologa es independiente del canal experimental, el sistema se

integra, en general, de tres partes principales. 1) El canal que contiene flujo de agua,

3. Medios tcnicos y aseguramiento de programas

57

2) el actuador del generador del canal compuesto por el motor con desplazamiento
lineal y la paleta generadora, y 3) El sistema de medicin y control del sistema,
como se muestra en la figura 3.2.

Figura 3.2: Sistema de canal de oleaje

Principio de operacin del generador

Se produce el oleaje regular e irregular unidireccional, para lo cual se utiliza
una sola paleta. El canal puede ser de diferentes tamaos y formas. Se requiere un
dispositivo de control, que manipula el desplazamiento (irregular) de la paleta.
Los actuadores pueden ser motores elctricos con un tornillo sin fin o bien motores lineales que pueden ser elctricos, hidrulicos o neumticos.
El sistema debe ser capaz de almacena informacin sobre el movimiento de la
paleta para generar. Se utiliza un espectro deseado y partir de ste se calculan
las funciones en el tiempo del espectro a generar (ver seccin 3.4.2), es decir, los
desplazamiento en el tiempo. Se utilizan una de dos tcnicas digitales, que pueden
ser transformada de Fourier o banco de filtros.
El oleaje es producido, como se ha mencionado, por los desplazamientos de la
paleta del generador dados por la programacin de movimientos que se cargan en
la memoria del manejador del control del motor (por ej. para un motor lineal Fig.
3.3).

3. Medios tcnicos y aseguramiento de programas

58

Figura 3.3: Driver de motor lineal E100

Como consecuencia el nivel del oleaje deseado, que es proporcional a la energa
que contiene la ola, est dada por la funcin de transferencia o eficiencia de la paleta,
dado por la relacin de Bisel y Suquet (Ec. 3.2). Los factores que tienen importancia
en esta funcin son la profundidad del agua del canal h, (llamado tirante) el nmero
de onda (k) perodo del oleaje generado.
H/2s

1.5

0.5

1.25

2.5

3.75

5
kh

Figura 3.4: Funcin de transferencia

Al observar de la curva de la figura 3.4 se ve que para valores de kh menores a
dos, significa perodos pequeos, la funcin de eficiencia tiene un comportamiento
lineal y mayor eficiencia; para valores mayores a dos su comportamiento es no lineal
y su eficiencia es menor tiende a dos.
La dinmica bsica consiste, en desplazamientos regulares e irregulares de la

3. Medios tcnicos y aseguramiento de programas

59

Figura 3.5: Sensor tipo resistivo y modulo de acondicionamiento de seal

paleta para producir el oleaje sobre el canal (ver paleta en Fig 3.7, seccin 3.4 ).
De nuestra observacin experimental, se ha comprobado que se tiene un comportamiento no lineal y menor eficiencia para perodos largos (4 o 5 segundos), por lo
que se requiere mayores desplazamientos para producir la misma altura del oleaje.
Dado que la funcin de eficiencia (de transferencia) es no lineal y no se tiene las
misma relacin de transferencia paras distintos perodos de la seal y al considera
una altura h constante y considerando que el nmero de onda k varia con el perodo. La dinmica del movimiento de los generador se limita an mximo de tres
centmetros, aunque tambin est limitado, por la mxima carrera del motor lineal
que es mas o menos 5 cm. (total diez).
La medicin del oleaje se hace en tiempo real con tres sensores resistivos (Fig.
3.5), los cuales registran en tres puntos distintos, el comportamiento del oleaje. Los
sensores, que se utilizan (ver figura 3.2) para la medicin, el primero se localiza al
principio donde se genera el oleaje, el segundo donde rompe el oleaje y ltimo en el
punto de medicin de los experimentos de pruebas que es que utiliza para estimar
el espectro que se desea.
Una vez producido el oleaje se mide y se hace una correlacin de ste con el
deseado obteniendo el prximo ajuste necesario del movimiento de la paleta.

3. Medios tcnicos y aseguramiento de programas

3.3.2.

60

Modelado en laboratorio de hidrulica

Motivacin de modelos a escala.

En el ambiente de los laboratorios de hidrulica el modelo fsico ( m) es la reproduccin a escala reducida de las magnitudes ms representativas del sistema o
elemento -escolleras, dique, muelle, etc.- a ensayar, el cual, con las simplificaciones
introducidas segn las necesidades de cada caso, constituye el prototipo ( p). El modelo numrico es la representacin del sistema utilizando desarrollos matemticos.
Los modelos numricos son instrumentos flexibles y de bajo coste, que facilitan el anlisis rpido de diversas alternativas en proyectos del puerto en estudio.
Los modelos fsicos, implican tiempos y costes mayores que los estudios en modelo
numrico, costes que, en todo caso, son irrelevantes respecto del de la futura obra.
Las medidas en la naturaleza y la experimentacin in sitio, son los recursos que ms
dificultades, tiempo y coste gastan, pero son fundamentales para que los modelos
-fsicos y numricos- y la simulacin de maniobras de operacin de los puertos para
que sean representativos de lo que ocurre en la realidad. Algunos sitios son tan
complicados que un modelo fsico del sitio se puede requerir para determinar las
condiciones del oleaje.
Los experimentos en canales , estanques de oleaje y estudios hidrulicos de modelos fsicos, son comnmente realizados a escala reducida para que modelen en
forma apropiada, los fenmenos del oleaje, se han de aplicar las leyes apropiadas de
escalamiento. Tambin las relaciones de similitud cinemtica y dinmica son muy
importantes, debido a las fuerzas que afectan el flujo. Tanto los condiciones en el
prototipos y el modelo de laboratorio deben de cumplir relaciones de longitud, que
debe ser aplicadas a importantes longitudes como son: altura de la olas, profundidad
del oleaje, dimensiones de las estructuras geomtricas.
Textos de mecnica de fluidos estndar, por ejemplo Vennard y Street [89], muestran que las cinco fuerzas ms importantes del fluido que se necesitan considerar
en estudios hidrulicos son: la gravedad, viscosidad, presin, elasticidad, y tensin
superficial. Tomando la relacin de cada una de ellas como la fuerza resultante o
P
fuerza inercial ( F = m a) se establecen los respectivos nmeros adimensionales:
Froude, Reynolds, Euler, Cauchy, y Webber. Para la similitud de flujo esos nmeros

3. Medios tcnicos y aseguramiento de programas

61

deben ser iguales en el modelo y el prototipo o sus respectivas fuerzas en el prototipo

deben ser suficientemente pequeas para ser ignoradas. Uno de estos nmeros adimensionales, ser satisfecho automticamente, si los nmeros restantes se satisfacen,
es el nmero de Euler (fuerzas de la presin). As tenemos que considerar los otros
cuatro nmeros adimensionales.
El movimiento de las partculas de agua en una ola representa un balance entre
la gravedad, presin e inercia, por lo que el nmero de Froude Fe (Ec. 3.7) es
dominante.
V
Fe =
gL

gL

V
=
gL

(3.7)

(3.8)

El subndice p significa que las magnitudes asociadas corresponden al fenmeno en

prototipo y m en el modelo. En la Ec. 3.7 g la constantes de gravedad, V y L
representan la velocidad de flujo y longitud de la escala. Con base a la Ecuacin
3.8, es igual en el modelo y en el prototipo que significa la relacin entre las fuerzas
de inercia a las fuerzas de gravedad [92]. De los nmeros de Froude y Euler, ciertas
relaciones de escala en los modelos, pueden ser desarrolladas.
Ejemplo 3.1 Considerando el mismo fluido en modelo y prototipo, se tiene que
cumplir las siguientes relaciones de escala, con relacin a la escala de longitud (EL ):
Escala en tiempo (ET ) = EL0,5
Escala en presin (EP )= EL
Escala en fuerza (EF ) = EL3
Escala en descarga (EG ) = EL0,5
Usando el mismo fluido (agua) en el modelo y el prototipo y la relacin de longitud con excepcin de la unidad la hace imposible para satisfacer simultneamente
ambos criterios de los nmeros de Froude y Reynols [89]. Por lo que al experimentar
con las olas superficiales se necesita realizar la similitud Froude y modelo suficientemente grande que satisfaga el nmero de Reynolds para eliminar efectos de escala
ocasionados por la viscosidad. Esto no es usualmente un problema cuando se estudia

3. Medios tcnicos y aseguramiento de programas

62

la propagacin de olas sobre un canal de oleaje y con una profundidad adecuada en

el canal. El problema suele presentarse ms para ciertas olas y su interaccin con
las estructuras que se estudia.
El nmero de Froude (Ec. 3.7) implica que la escala de tiempo debe ser igual
a la raz cuadrada de la escala en longitud, y sta es la condicin suficiente para
escalamiento de modelos fsicos. Los ensayos o pruebas ms comunes que se realizan
en un canal de oleaje son: 1) El objeto de los ensayos de agitacin es conocer
el oleaje que se produce en el puerto o en sus zonas de influencia con un temporal
medio, para evaluar su diseo en planta a efectos su operatividad general. 2) Los
ensayos de diques [42] (Fig. 3.6) -verticales, en talud y otros- tienen por finalidad estudiar, en condiciones extremas de oleaje, su estabilidad, medir esfuerzos,
evaluar posibles averas, cuantificar los rebases producidos por el oleaje o conocer
la transmisin del oleaje en el caso de obras permeables o de rebase[57].

Figura 3.6: Ensayo de dique 2-D, laboratorio de Hidrulica del Instituto Mexicano
del Transporte, SCT Mxico.

Ejemplo 3.2 Pruebas de estabilidad sobre una estructura de proteccin (armor)

realizadas por Dai y Kamel (1996) encontraron que el nmero Reynolds (Ec. 3.9 )
en un modelo debe ser mayor a 4104 cuando el nmero de Reynolds Re es definido
por:

3. Medios tcnicos y aseguramiento de programas

Re =

V L

63

(3.9)

donde
L dimensin fundamental de longitud.
g es la constante de gravedad.
V es representa la velocida del flujo significativo.
costante de viscosidad absoluta.

3.4.

Metodologa para la generacin de oleaje

El principio en la relacin de transferencia entre el movimiento y perodo de

desplazamiento de la paleta, contra la altura de las olas producidas, est dado por
la Ecuacin (3.11), que relaciona, el perodo significativo (Ts ), nmero de onda (k)
y la profundidad del canal(h). Los tipos de paleta o actuadores que se utilizan
comnmente son del tipo pistn y el batidor articulado (cf. figura 3.7).

Figura 3.7: Diagrama esquemtico del generador de la onda

La parte ms importante de la generacin del oleaje es preparar la seal (serie de
tiempo) que controla el actuador del generador. Para ello es necesario un algoritmo
que genere la serie de tiempo del espectro de energa deseado. Preparar esta seal
requiere de varios pasos que se detallan en el punto 3.4.1.

3. Medios tcnicos y aseguramiento de programas

3.4.1.

64

Generacin de oleaje regular

1. El oleaje regular est caracterizado por la energa contenida en la altura significativa Hs y el perodo significativo T s, ellos se obtienen por el anlisis
estadstico, de un registro de oleaje. La Ecuacin 3.10 define el perfil de la
superficie para el oleaje regular

(t) = a cos( t + ) =

Hs
cos( t + )
2

(3.10)

donde = 2/Tp y la fase inicial es un nmero aleatorio entre 0 y 2.

2. La amplitud de la seal es la energa del oleaje (a2 /2) y su espectro slo tiene
un valor discreto.
3. Se convierte la serie de tiempo de la elevacin del oleaje ((t)) (Ec. 3.10) a
los desplazamientos que debe tener el pistn. Para ello se utiliza la funcin de
transferencia de Biesel B(f, h) (Ec. 3.11 ) que equivale a la Ecuacin 2.46. La
funcin de Biesel da la relacin de la altura (H) y el oleaje deseado en funcin
del desplazamiento (stroke S0 ) de la paleta tipo pistn que genera el
oleaje, como puede verse, depende de la altura del nivel de agua en el canal
(h) frente a la paleta y del nmero de onda (k)

B = B(f, h) =

2 sinh2 (kh)
H
S0 sinh(kh) cosh(kh) + kh

(3.11)

4. La serie de tiempo para la paleta esta dada por:

e(t) =

H
S0
cos( t + ) =
cos( t + )
2
2B

(3.12)

5. Generalmente la interfaz para el control del pistn, se hace por un convertidor

D/A, por ello es necesario convertir el desplazamiento del pistn al voltaje
e(t) que alimenta al manejador del pistn,

3. Medios tcnicos y aseguramiento de programas

65

Figura 3.8: Seal que se enva a la paleta si se requiere calibrar el voltaje y el

desplazamiento

volt(t) = C e(t)

(3.13)

donde C es el coeficiente de calibracin de la paleta o pistn generador. La

calibracin se obtiene al medir el desplazamiento de la paleta cuando se aplica
un Volt. La calibracin de la paleta se realiza al mandar una seal con un
incremento gradual de un voltaje de cero a un Volt (ver fig. 3.8) en tiempo de
un minuto, en el cual se medir el desplazamiento de la paleta.

1
[V /m]
(3.14)
desplazamiento de la paleta
Para generadores en los que se puede dar el desplazamiento en metros, no es
necesario realizar esta calibracin.
C=

6. Modificar la seal para evitar movimientos bruscos al principio y al final de

la carrera del motor. Para ello se utiliza la seal de ventana plana (Fig. 3.9),
aunque existen otras ventanas, Hanning, Hamming, etc. La ventana d (t) que
se usa es definida por la Ec. 3.15:

1
10 t

para

2 (1 cos( To ))
1,004
para
d (t) =

9T0

10(t
)
1 (1 + cos(
10
) para
2
To

0 t T0 /10
T0 /10 t 9T0 /10
9T0 /10 t T0

(3.15)

3. Medios tcnicos y aseguramiento de programas

y

66

1.5

1.25

0.75

0.5

0.25

2.5

7.5

10
x

Figura 3.9: Ventana plana de cosenos

7. Muestro de los datos de la serie de tiempo modificada, a un frecuencia de
muestreo adecuada, aplicando el teorema de Nyquist. Para el oleaje es suficiente con una frecuencia de muestreo de 10 muestras por cada ciclo de la ola
significativa[74][75][30].

3.4.2.

Generacin de oleaje irregular

1. Tener el espectro contino del oleaje S(f ), medido o por alguna frmula de
prediccin (Bretschneider, Misitsuyasu, JONSWAP u otros).
2. Convertir el espectro continuo a un espectro discreto S (f ) con la divisin de
N intervalos regulares desde una frecuencia de inicio a una frecuencia final
(finicio , fparo ), asegurando que:

N > 50
S (finicio ) < 0,0,1S (fp )
S (fparo ) < 0,01S (fp ),
El ancho de banda est dada por:

3. Medios tcnicos y aseguramiento de programas

67

fparo finicio
(3.16)
N
Lo que resultar en la serie de tiempo (Ec. 3.17) dada por una suma de
cosenos:
f =

(t) =

N
X

ai cos( i t + i )

(3.17)

i=1

3. El siguiente paso, es determinar las amplitudes (ai ) con la Ecuacin (3.18), que
permite conservar la densidad de energa del espectro deseado, las fases (i )
se obtienen de una distribucin aleatoria uniforme entre 0 y 2.

ai =

q
2 S (fi ) f

(3.18)

4. Obtener la serie de tiempo del desplazamiento de la paleta ((t)), al sumar

todas las componentes de la Ecuacin (3.17).

fi
i
S (fi ) f
ai

= finicio + if
= 2
= 2 fi
Ti
1
= 2 a2i
p
=
2 S (fi )f

f
2

para i = 1, 2, 3, ..., N

(3.19)

5. Convertir la serie de tiempo al desplazamiento del manipulador del pistn con

la funcin de Biesel (3.20) modificada para cada componente de frecuencia.

Bi =

Hi
2 sinh2 (ki h)
i = 1, 2, 3, ..., N
s0,i sinh(ki h) cosh(ki h) + ki h

(3.20)

La serie de tiempo resultante para el oleaje irregular es:

e(t) =

N
X
s0,i
i=1

cos( i t + i ) =

N
X
Hi
cos( i t + i )
2B
i
i=1

(3.21)

3. Medios tcnicos y aseguramiento de programas

68

6. Modificar la serie de tiempo e(t) por la ventana plana de cosenos (Ec. 3.15),
para evitar los desplazamiento bruscos al inicio y final.
7. Finalmente muestrear la seal e(t) para enviarla a la paleta del generador.
Despus de todo los pasos, el espectro del oleaje se obtiene, es slo para la
posicin cercana a la paleta. El problema fundamental es tener el espectro del oleaje
deseado en el punto de prueba experimental, generalmente est distante del generador, motivo por el cual se ha de calibrar el espectro mediante un ajuste manual o
automtico hasta obtener el espectro deseado. Siendo la problemtica fundamental
a resolver en todo generador.

3.5.

Sistema experimental

Descripcin fsica del canal del oleaje

El canal, donde se realiz la comprobacin experimental, canal oleaje ESIAZacatenco, Lab. de Ticoman, (Fig. 3.10) de la metodologa de generacin propuestas
en esta tesis, es de seccin rectangular de 12 m de longitud, 40 cm de profundidad y
30 cm de ancho, est construido con una estructura metlica de aluminio y slo en la
parte donde se hacen las mediciones tiene paredes de mica transparente. Al final del
canal hay instalado un disipador construido con piedras porosas para disminuir la
reflexin del oleaje a menos de un 10 % , condicin necesaria para validar la pruebas
experimentales en el canal.

3.5.1.

Descripcin de las caractersticas del canal

Las caractersticas del canal:

3. Medios tcnicos y aseguramiento de programas

69

Figura 3.10: Canal de oleaje experimental utilizado, ESIA-Zac, Lab.de Hidrulica

Ticoman.
a) Longitud del canal
b) Anchura del canal
c) Profundidad del canal
d) Profundidad del agua, h
e) Tipo de generador de la onda
f) Ondas usadas en este estudio
g), Altura significativa de la ola Hs
h) Perodo mximo de la onda, Tp

= 12 m.
= 30 cm.
= 40 cm.
= 15 a 30 cm.
= de tipo del pistn
= ondan irregulares generadas usando los
espectros tericos.
= 0.5 a 4.0 cm (0.5 a 4.0 m con EL 1:100 ).
= 0.8 a 1.5 segundos (8 a 45 s con ET 1:10 ).

Oleaje generado en modelo y prototipo

En el canal se pueden generar de olas reales (considerando escala de 1:10 tiempo
1:100 longitud) de amplitud pequea con las siguientes caractersticas:

Rango de perodo de las olas de 5 a 12 segundos (0.7 a 1.7 s con EL = 1/50 y 0.5
a 1.2 con EL = 1/100 )
Profundidades mximas de 30 m ( 30 cm a escala 1:100)
Altura mxima de las olas de 4.5 m (4.5 cm a escala 1:100)

3. Medios tcnicos y aseguramiento de programas

70

Rango de escalas longitudinales (EL ) a emplear de 1/50 a 1/100

Si la condicin de similitud dinmica a satisfacer es la de Froude [89], lo que
implica, que la escala del perodos resultante, en la escala de tiempo (ET ) es igual
a la raz cuadrada de la escala de longitud (EL ):
ET = EL1/2 ,

(3.22)

lo cual manifiesta que el rango de los perodos a generar en el canal es de 0,5 a

1,7 segundos. El perodo mnimo recomendable a generar, para evitar la influencia
de la tensin superficial, es de 0.33 segundos. La longitud del canal satisface las
condiciones que minimizan el efecto de la reflexin de las olas en la paleta: al colocar,
entre los extremos del canal y la posicin del batidor, se recomienda que la distancia
l sea mayor a 7 veces la longitud de la ola, [91]. Dado que el perodo de ola mxima
a representar, con una profundidad h igual a 30 cm, resulta que la longitud de la
ola en el canal es 1,70 m y por lo tanto L es igual a 11,90 m. y el canal tiene una
longitud de 12 m.
El canal de estudio experimentales es el Laboratorio de Hidrulica de ESIAZacatenco, que se localiza en Ticoman en la Cd. de Mxico, D. F. La facilidades
iniciales que ofreca el canal eran: la facilidad de medir el oleaje, para ello se cuenta
con el programa Studio Wave desarrollo en el CIC-IPN [74]. La medicin del oleaje se puede realizar hasta en cuatro puntos simultneos, slo se cuenta con cuatro
sensores de nivel de olaje, los cuales capturan nivel donde se instalen estos, que
pueden representar la propagacin del oleaje. Adicionalmente se desarroll un sistema de software, programado en LabVIEW, que genera el oleaje regular e irregular
y captura del nivel del oleaje en el canal (ver seccin 3.6).

3.5.2.

Manipulador del motor lineal

Para el sistema de generador de oleaje se utiliza, como actuador, un motor lineal

P01-37120/80160L (Fig. 3.11), fabricado por Linmot Sulzer Electronic, [81] ste
es un motor lineal de doble lado (DLIM): Dicho motor tiene ncleo mvil de 6.3
pulgadas de desplazamiento y una fuerza mxima 122 Nw. sobre un montaje para

3. Medios tcnicos y aseguramiento de programas

71

motor lineal PF01-37 100F. El manejador electrnico E100-AT (Fig. 3.3) controla
al motor y tiene las caractersticas elctricas: mxima corriente 3 A, voltaje lgico
4-48 V., voltajes de potencia 48 V.

Figura 3.11: Partes que conforman un motor lineal P01-37x120 de Lin-Mot

El controlador del motor lineal (E100-AT) se comanda desde el puerto serie
RS-232C desde una computadora personal PC. El motor lineal se posiciona de tres
formas: 1) por una curva que se almacenan en la memoria del controlador del motor,
la cual tiene una capacidad mxima de 4 Kilo muestras. 2) por una seal de voltaje
analgico y 3) por el comando de cdigo que se enva al puerto RS-232C en lnea.
El eje del motor se conecta a la paleta en cuatro puntos (Fig. 3.12), dos en la parte
superior y otros dos en su parte inferior para que la misma tenga un desplazamiento
totalmente uniforme.
En la figura 3.12 se muestra el detalle del montaje de motor lineal. El mtodo de
control tradicional de una control de tiempo real, de la generacin del oleaje, donde
se controla la frecuencia de generacin del control. La a) respuesta de control y el
b) mtodo de control en la estimacin y generacin del oleaje se ve en el captulo 4.

3. Medios tcnicos y aseguramiento de programas

Figura 3.12: Esquema de montaje de motor lineal

Figura 3.13: Motor lineal montado en el canal de oleaje.

72

3. Medios tcnicos y aseguramiento de programas

3.5.3.

73

Sistema de medicin de altura del oleaje

El sistema de medicin de nivel del oleaje, como ya se ha mencionado, cuenta

con cuatro dispositivos de medicin y un programa de acquisicin del nivel del oleaje
(Fig. 3.14).
Los sensores
Modelos el canal pueden simular la generacin de oleaje regular y de alturas de
olas a nivel mmimos a escala de hasta 2 centmetros con una profundidad mnima de
10 cm. del nivel del canal. Para medir el nivel del oleaje se utilizan sensores resistivo,
los cuales a travs de la interface (Fig.3.5, seccin 3.3.1 ) se calibran para que un 1
cm / 1 Volt de salida, seal que es capturada por el convertidor Analgico-Digital
de las tarjetas multipuertos E/S ACL-8111 LabJack U12.
Para la adquisicin del oleaje se utiliz, primero, una tarjeta ACL-8111 el cual
cuenta con las siguientes caractersticas:
8 canales entradas anloga 12 bits
5 valores de voltaje de entrada programable por software de 5V, 2,5V,
1,25V, 0,625V, y 0,3125V
Frecuencia de muestreo mxima de 50 kilohertz
Un canal monoltico de la salida anloga de 12 bit
16 salidas y entradas digitales compatibles con TTL
3 modos programables del disparador A/D
Una circuito del contador de tiempo del tablero 8254
Nivel programable de IRQ para la transferencia de datos A/D
El tamao compacto con 37 rugosos fija el D-tipo conectador

3. Medios tcnicos y aseguramiento de programas

74
Procesamiento y anlisis
de datos

Sensor de
oleaje 01

Generador
de
viento

Sensor de
oleaje 02

Sensor de
oleaje 03

Impresin de
resultados

N.M.M

Micromolinete
Tubo de Prandtl
digital

Paletas amortiguadoras
de reflexin

Figura 3.14: Sistema general de adquisicin de datos

Tarjeta de Adquisicin Multipuertos
Para la adquisicin del oleaje, tambin se utiliz una tarjeta multipuerto (Fig.
3.15 ) LabJack U12, que se puede conectar al puerto USB de la computadora, con
las caractersticas siguientes:
Externas
- Conector USB Comunicacin PC.
- conector de E/S digitales DB25
- Led de estado
- Terminal con 30 terminales.
8 Entrada Analgicas (A/D) 12 bits de resolucin
2 Salidas Analgicas (D/A) 12 bits.
20 Entradas/Salidas Digitales.
d) Frecuencia de muestreo
La frecuencia de muestro puede ser de hasta 20 muestras por segundo, que es
suficiente, mostrado por Sanchez et. al [75], para las mediciones del rango de los
espectros generados (ver sec. 4.3.1).

3. Medios tcnicos y aseguramiento de programas

75

Figura 3.15: Modulo de interface Labjack

3.6.

Aseguramiento de programas del sistema

Independiente de la plataforma
El manejador permite manipular al motor desde una plataforma independiente
del sistema operativo, pues lo nico que se requiere es tener un archivo de textos
donde se programa el movimiento del motor y los intervalos entre cada movimiento o
bien el nmero de puntos totales y el tiempo total que se lleva un ciclo de movimiento
o curva. El manejador es capas de producir una curva suave para el movimiento de
la paleta.
El sistema que genera el oleaje regular e irregular y captura del nivel del oleaje en el canal. Desarrollado e implementado con lenguaje LabVIEW de National
Instrument. El panel principal del sistema (Fig. 3.16) consta de los siguientes componentes: 1) ventanas de captura de los paramtros: altura (Hs ) y perodo (Ts )
significativo, tipo de espectro; 2) ventana donde se grfica el espectro continuo. 3)
ventana donde se visualiza la serie de tiempo de los movimientos de la paleta, generados de acuerdo a la procedimiento de la seccin 3.4. 4) Botones de control de paro

3. Medios tcnicos y aseguramiento de programas

76

Figura 3.16: Panel principal del sistema de generacin y medicin de oleaje irregular
y arranque del motor 5) Botones de generacin y carga de archivo en manejador del
motor.

3.6.1.

Operacin en un sistema distribuido.

Debido a que Labview ofrece instrumentos virtuales (VI) distribuidos y controlados con el protocolo de Internet, dadas estas caractersticas se puede controlar el
generador de manera distribuida mediante un servidor de red sobre Internet. Este
esquema nos permite tener componentes de control en tiempo real.

3.6.2.

Estudios realizados en el canal

En el canal de generacin de oleaje se han estudios realizado en el canal, del

desplazamiento de sedimento, para modelar y conocer la dinmica del la Laguna

3. Medios tcnicos y aseguramiento de programas

77

Madre en las costas de estado de Taumalipas. Mxico. Estas investigaciones han

sido realizadas en la ESIA-Zacatenco y adems una tesis de doctorado [93] y varias
tesis de maestra, en las cuales slo se ha utilizado oleaje regular durantes los ensayos.

3.6.3.

Conclusiones y limitantes experimentales para el caso

particular del canal de ESIA.

Limitantes propias del sistema es el desplazamiento total del pisto (10 cm stroke),
que este da el tipo de mxima altura de la ola que se puede producir. Por ejemplo,
en el canal el motor tiene desplazamiento mximo de 5 centmetros nos permiten
tener olas hasta de 5 centmetros funcin de eficiencia de la paleta igual a uno.
El lmite del mnimo perodo de las olas a producir o mxima frecuencia, es dada
por la repuesta de esbeltes o forma del olas (T = L/C) que tambin es funcin de la
profundidad del canal (h), aunque experimentalmente se rompe ante se producirse
la ola. En general para un canal, se podra aproximar con la siguiente relacin.
Perodo mnimo, que lmita el rompimiento de las olas, dado por la profundidad del
canal (aguas profunda). Para que una ola rompa, la profundidad est dado por la
relacin de L/h < 0,4, donde L es la longitud de la ola y h la altura del canal.
Para nuestro caso particular est dado, ya experimentalmente lo obtuvimos a un
perodo de 0,8 segundos para una profundidad de 10 centmetros, a mayor profundidad las olas se rompen, al momento de generarse, a menor perodo. Por ejemplo
si tenemos 0,8 segundos con 10 centmetros a 20 centmetros las olas rompern a
1,2 segundo aproximadamente.
Otra limitantes estn dadas por la velocidad de muestreo del oleaje o sistema
de medicin del oleaje. Los sistemas deben de tener una captura en tiempo real,
generamente a un limite mnimo de 20 muestras por segundo, que es suficiente para
el perodo de olas medido[73] [75].

Captulo 4
Modificacin al mtodo
convencional de generacin de
oleaje irregular unidireccional

En el captulo anterior se present la metodologa de generacin del oleaje por

los mtodos tradicionales, que en esencia es una representacin de lazo abierto. En
el presente captulo se discute la generacin del espectro del oleaje con un sistema
de control de lazo cerrado basado en un criterio para la correccin de las amplitudes
discretas del espectro.

4.1.

Esquema de control utilizado

El sistema de control propuesto se muestra en la figura 4.1. A continuacin se

describen cada una de las componentes del esquema.

Donde:

78

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional
M

*R

Algoritmo de
Control

motor
lineal

79

C
f

Manejador
del
Motor

canal
de oleaje
f

*R = Referencia
E = Error
C = Canal

Elemento
de medicin
y procesamiento

M= Comando de control
M = Variable a manipular
B = Seal de realimentacin

B
altura
oleaje

Figura 4.1: Esquema de control de lazo cerrado utilizado.

Canal (C): el proceso a controlar C, donde se propaga el oleaje generado y se
produce efectos propios y caractersticos de canal. La ecuacin que gobierna el
fenmeno de propagacin, est determinada por el Laplaciano de la velocidad
potencial (2 (x, y, z, t) = 0) que tiene el fluido en el canal. Bajo condiciones
ideales, se considera un fluido no compresible, irrotacional y sin viscosidad
friccin. Los parmetros de inters para el modelo del canal, son la velocidad
de fase de las olas, que determina el retardo entre su generacin de una onda y
su medicin. Este dispersin o propagacin del oleaje se modela por las ondas
de gravedad y propagacin considerando una condicin de frontera libre en
la superficie de fluido (ver secc. 2.4 cap. II ). Lo que, significa que la fuerza
de gravedad es dominante en la restitucin y en consecuencia la propagacin
del oleaje (nmero de Froude). En consecuencia, el fluido atena a las olas de
perodo corto, y mantiene o restituye a las de perodo ms largo, adems de
que suceden otros fenmenos que perturban las olas como son la difraccin,
reflexin, etc.
valor deseado de la variable controlada. Para nuestro caso, es
Referencia (R):
el espectro del oleaje irregular deseado R o que se desea producir. Este espectro
se tiene ya sea por la medicin del oleaje en campo, o bien espectros empricos,
que predicen el comportamiento del oleaje, por ejemplo Bretschneider [11]
(ver Ec. 2.30). El espectro se transforma en una seal, que es la sumatoria de

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

80

funciones cosenos obtenidas por las ecuaciones 3.15 a 3.20, como se discuti
en la seccin 3.4.2.
Seal de retroalimentacin (B): La seal B es generada por el espectro del
oleaje que se midi y estim sobre el perfil del oleaje en el punto de estudio o
de prueba. El inters principal es determinar el contenido de energa y potencia
que tiene oleaje, el cual puede impactar sobre las playas, costas, estructuras y
propagacin de sedimentos entre otros fenmenos de inters para la ingeniera
costera.
Seal del Error (E): Las amplitudes de los componentes de frecuencia discreta entre el espectro generado R, se comparan contra el espectro estimado B,
de la comparacin se obtiene la seal de error E, de cada comparacin, la seal
error E, se utiliza para corrige la amplitud de cada una de las componentes
del espectro que se generan en el canal.
Salida del algoritmo de control (M): En pruebas iniciales, el control
primero enva el espectro de oleaje a generar, la primera seal que se estima
con el modelo, y se mantiene hasta que se miden suficientes olas (mnimo 120)
para estimar el espectro B. Una vez que se tiene la estimacin del espectro
generado SG y se compara con el espectro del patrn deseado ST , lo que resulta
en la seal de error E. En este momento, es donde opera el control, a partir del
el error, es cuando el algoritmo de control opera con la seal M para minimizar
el error. El tiempo lo determinado el retardo al propagar el oleaje producido
y la adquisicin de datos suficientes para la estimacin del espectro, con el fin
de estimar su espectro con buena resolucin. Esto implica, que el sistema de
control propuesto slo opera a intervalos discretos de tiempo.
Variable a manipular (M). Como se puede observar en la Fig. 4.1, una vez
obtenida los nuevos valores de amplitud del espectro se clcula su nmero de
onda k, para determinar una nueva seal de comando para general el espectro
irregular.
b i )) indica que amplitud ha
La diferencia de los espectros (ei (fi ) = S(fi ) S(f
corregirse para la frecuencia fi . Es decir, el algoritmo de control tiene un valor fijo

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

81

para el tipo de espectro a producir y el error ei (fi ) modifica las amplitudes discretas
del espectro S(fi ).
De las pruebas experimentales realizadas y se encontr que el control directo
en tiempo real (y no de en intervalos discretos tiempo grandes que es esquema
propuesto) en el dominio del tiempo el controlador P I es inestable debido a el
retardo de tiempo que existen entre el momento que se genera el oleaje y su medicin,
el retardo es del orden de uno a varios segundos, y depende de la posicin donde
sea colocado el sensor y la velocidad de fase de las olas, aunado con las distorsiones
de propagacin. Para solucionar los problemas de retardo, es utilizar un sistema de
control que pueda operan an bajo condiciones de grandes retardo. El sistema que
se recomienda utilizar es un predictor de Smith [14]. Para ello se requiere tener una
modelo del canal (o planta P ) y estimar el tiempo de retardo entre la produccin y
la medicin del oleaje.

4.2.

Metodologa y desarrollo experimental

4.2.1.

La generacin de oleaje regular

Se aplic el mtodo propuesto (ver secc. 4.1) de generacin del oleaje con un
control P I sobre la altura de la ola la generacin de oleaje regular. El mtodo
de generacin del oleaje, bajo la consideracin, de instalar el sensor y medir el
oleaje, frente de la paleta que lo genera, para estimar el espectro y obtener la
mnima distorsin, es decir no se considera que existen problemas de propagacin
y slo se tiene en cuenta la variacin a la altura del oleaje en un punto. Lo que es
representativo del estado del oleaje en el canal. Pero si consideramos, colocar los
sensores, no frente a la paleta, que es lo que hace en la mayora de los estudios, se
han de considerar los factores de distorsin.
Algunos resultados de los primeros programas, que se usaron para estimar la
eficiencia al generacin del oleaje por paleta. Al utilizar la metodologa de la seccin
3.4.1, se muestran en la Fig. 4.2, que es un sistema de software de generacin de
oleaje que se implant en Visual Basic. La Figura 4.2 muestra el resultado del clculo
para producir un oleaje regular, de 3 cm. de altura (3 m. prototipo, EL = 1 : 100),

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

82

Figura 4.2: Ventana de clculo de k y L de ola

con un periodo de 1,6 segundos (16 s. prototipo, ET = 1 : 10) y una profundidad
del canal (h), frente a la paleta de 19,5 cm (19,5 m.). Se aplica la funcin de Biesel
(Ec. 3.20) El clculo resultante es un nmero de ola k = 2,99 y su longitud de 2,1 m
con una velocidad de fase de c = 1,31 m/s. El desplazamiento medio del motor
lineal es s = 2,57 cm. lo que da un desplazamiento total de 5,14 cm, ste se obtiene
aplicando la ecuacin Biesel (Ec. 4.1) de eficiencia de la paleta que genera el oleaje.

Figura 4.3: Seal de comando para el actuador

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

83

Figura 4.4: Perfil de oleaje medido

Los valores de la seal seno figura 4.3 con un periodo de 1,6 s. y con una amplitud
pico de 2,57 cm., son el comando inicial para la produccin del oleaje regular, donde
el control se encargar de mantener en nivel de Hs el oleaje y de compensar las
perdidas de energa propias del generador.
Se realiz el experimento de generacin y al comparar el valor que se tiene entre
el valor Hs = 6 m. requerido contra un el que se midi (Fig. 4.4) de Hs = 5,4 m.
Esto muestra los errores propios del sistema de generacin de lazo abierto.

4.2.2.

La funcin de transferencia

Se realizaron series de experimentos con distintas periodos (T ) y alturas (H)

de oleaje regular (ver cuadro 4.2) para la calibracin de la funcin de transferencia
de la paleta. Despus se compararon los valores tericos contra los resultados experimentales, para comprobar la relacin terica del pistn, dada por la ecuacin
4.1.
B(f, h) =

4 sinh2 (kh)
H
=
2s
2kh + sinh(kh)

(4.1)

En la cuadro 4.2 se muestran los resultados tericos contra los medidos.

Se gener oleaje regular de 0,8 segundos a 1,6 (8 a 16 s. prototipo, ET = 1 : 10)

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

84

Cuadro 4.1: Relacin de altura y perodo

Perodo altura H 2
0.7
0.000066
0.9
0.000791
1.1
0.001028
1.3
0.000356
1.5
0.000210
1.7
0.000123
1.9
0.000074
Cuadro 4.2: Relacin de eficiencia.
Perodo H. Terica H. Experim. kh
0.8
1.21
1.21
1.36
0.9
1.04
0.99
1.06
1.0
0.92
0.84
0.93
1.2
0.74
0.72
0.75
1.6
0.54
0.52
0.52

k
7.37
6.27
5.91
4.41
3.11

para un profundidad de agua frente a la paleta de 17 cm (17 m. prototipo, EL =

1 : 100). En la tabla 4.2 se muestran los resultados terico y los medidos.

Experimentos realizados por Vergara [93] sobre el canal experimental de Ticoman, para obtener la eficiencia de la paleta, resultado que se muestran en la figura
4.5. En ella se observa la curva terica de la eficiencia del canal, es no lineal, la
variacin de los resultados experimentales propios del sistema, tanto en los instrumento de medicin y generacin, ya que los ensayos fueron realizado con el generador
del tipo mecnico [93].
Para corroborar los principios tericos generales y los resultados comparativos en
los que se mejora el sistema, primero con las contribuciones de calibracin de manera
automtica. Como se ha mencionado, se utiliz el mtodo de la sumatoria de csenos
para la generacin del oleaje, porque ste nos permite mantener un control sobre
las amplitudes del espectro discreto y es posible aplicar un lazo de control de las
frecuencias.

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

85

Figura 4.5: Factor de eficiencia (H/s ) del generador, respecto al factor (kh)

4.2.3.

Etapas de desarrollo del control PI

Dado que el espectro de oleaje es discreto y est compuesto de varias armnicos

de frecuencia, el procedimiento de ajuste que hace el control PI consiste de varios
pasos. qe son los siguientes:
1. A partir del espectro de energa (Ec. 4.2 ) de un oleaje regular deseado
S(fi ) =

a2
Hi2
= i
8
2

(4.2)

2. Se genera un espectro regular (Fig. 4.6) para una frecuencia

i (t) =

p
2 S(fi ) cos(2fi + i ) = a cos(2fi + i )

(4.3)

3. Se mide y estima de manera experimental su espectro

b i)
S(f

4. Del error de cada componente entre el espectro deseado y medido

(4.4)

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

86

b i)
ei (fi ) = S(fi ) S(f

(4.5)

S n+1 (fi ) = S n (fi ) + kp ei (fi )

(4.6)

5. Se aplica en algoritmo de control proporcional, dado que no se conoce el modelo

de la planta se utiliza el mtodo de respuesta escaln del sistema [62] para
determinar los valores de las constantes de ganacia proporcional kp y integral
ki

donde
S n (fi )

es el valor del espectro del estado actual.

S n+1 (fi ) es el valor del espectro del estado de control siguiente.

kp

es el factor proporcional del control.

6. En una segunda etapa, de manera similar, se agreg al control el factor integral. Considerando un regla trapezoidal para el controlador de PI la operacin
correcin que tiene es para el nuevo espectro (S n+1 ) es el siguiente.

S n+1 (fi ) = S n (fi ) +

ei1 (fi ) + ei (fi ) T

+ ei (fi ) kp
i

donde
S n (fi )

es el valor del espectro del estado actual.

S n+1 (fi ) es el valor del espectro del estado de control siguiente.

kp
i
T

es la constante proporcional del control P I.

es la constante integral del control P I.
es la constante de tiempo discreta del control P I.

(4.7)

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

87

Figura 4.6: Espectro oleaje regular para ajustar el control PI

4.3.

Resultados

Los resultados fueron adecuados cuando se utiliza una sola frecuencia. Ahora
se aplic el mtodo inductivo a dos frecuencias y si la metodologa funcionar para
estas dos frecuencias, ha de funcionar para N frecuencias, en nuestro caso N = 64
frecuencias. que se considera suficiente (ver secc 3.4 cap. III). Al aplicarlo para N = 2
frecuencia, se mejoraron los resultado, y la medicin del espectro corresponde al valor
terica. Aunque la precisin del espectro es afectado por el factor de resolucin del
espectro f (dado por la ecuacin 4.8) para que se tenga valores adecuados a la
medicin.
f =

Fs
Nm

(4.8)

donde
Fs frecuencia de muestreo
Nm Nmero de muestras
en consecuencia, sino se usa la resolucin adecuada, al medir (Fig. 4.7 ) las frecuencias f1 y f2 . Entonces se puede tener dos accin de ajuste, para obtener una medicin
adecuada para las dos frecuencias: 1) aumentar el nmero de muestras Nm 2) No
aumentar el nmero de muestras, esto restringir los valores de frecuencias f1 y f2

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

88

a valores que puedan medirse correctamente con las resoluciones f de frecuencias

deseadas.

Figura 4.7: Espectro de frecuencias f1 y f2

Una vez ajustado para dos frecuencias se generaliz para un valor de 64 frecuencias. Primero se utiliz para una serie de tiempo del oleaje ((t)) la cual no se tiene
una ventana rectangular en la serie de tiempo. Obteniendo resultados aceptables,
al comparar, el espectro generado SG , el espectro deseado ST , contral su espectro
discreto se tienen errores al aplicarle la ventana de coseno plana, al probar con distintos tipos de ventanas, rectangular (Fig. 4.8), coseno plana (Fig. 4.9 ), Hanning,
Hamming, triangular, etc. Se encontr experimentalmente que la Hamming (Fig.
4.10 ) es la que introducia, para el registro del oleaje, la menor distorsin entre
armnicos y en consecuencia en la forma del espectro (ver Fig. 4.10).
De acuerdo al esquema de control de la Fig. 4.1 se gener un espectro deseado
pero la medicin experimental presenta error de comparacin entre espectros (Fig.
4.11), se corrigui con el controlador PI. Se puede ver la convergencia a cero del
error de comparacin.

Para tener un esquema de decisin en el error se determin por el error cuadrtico

medio (ECM), ecuacin 4.9.

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

89

Cuadro 4.3: Caracteristicas de espectros

Caractersticas espectrales
1
2
3
Frecuencia Media f med (Hz) 0.105 0.103 0.102
Altura significativa H s (m)
1.1
1.3
1.5
Periodo pico T p (s)
10
10
10
Periodo oleaje medio T z (s) 9.5
9.7
9.8

Cuadro 4.4: Datos de registros

Caracterisiticas de registro no
1
2
Nombre del archivo Hs11JONS Hs13JONS
Forma del espectro JONSWAP JONSWAP
Escalas: espacio y tiempo 50 y 10
50 y 10
Constante, ks 0.000254
0.000254
No de muestras N 3200
3200
Frecuencia de muestreo, f s (Hz) 20
20
Longitud registro de oleaje T R (s) 1600
1600

3
Hs15JONS
JONSWAP
50 y 10
0.000254
3200
20
1600

Figura 4.8: Espectro discreto fs = 20 muestras por segundo, con ventana rectangular

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

90

Figura 4.9: Espectro discreto fs = 20 muestras por segundo, con ventana coseno
plana.

Figura 4.10: Espectro discreto fs = 20 muestras por segundo, con ventana Hamming.

N
1 X 2
ECM =
e
N i=1 i

(4.9)

donde
N
es el numero de datos
el error de la medicin.
ei
Cabe mencionar, que como manipulador se utiliz el motor lineal. Este esquema cumple ampliamente con los requerimiento de baja inercia requeridos para los
generadores de oleaje irregular [30].
Se presentan los resultados de pasos de ajuste para el espectro Bretscheinder con

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

91

Hs = 2 m utilizando un control proporcional. Las figura 4.11 y 4.12 muestran los

resultados experimentales, donde se aprecia la variabilidad que presenta los espectros
discretos, sin embargo al comparar cada una de las frecuencia se obtiene el ECM
entre ellas como se muestra en la Fig. 4.13

Figura 4.11: Espectro Oleaje discreto objetivo Hs = 2 m.

Figura 4.12: Espectro de oleaje discreto generado Hs = 2 m.

Como se puede observar, como el generador PI va reduciendo el nivel del error
b i ). Se ha de hacer notar, que
ei (fi ) entre el espectro deseado S(fi ) y el medido S(f
como se menciono anteriormente, el control es discreto y cada punto de interacin
es un tiempo de aproximada 3 minutos, pues el tiempo que el sistema se lleva en
estimar el espectro.

4. Modificacin al mtodo convencional de generacin de oleaje

irregular unidireccional

Figura 4.13: Error de comparacin espectro discretos

92

Captulo 5
Generacin de oleaje irregular
unidireccional con control
neuronal combinado
En el captulo anterior se propuso e implant una mejora a la metodologa
de generacin convencional de oleaje (con lazo abierto) con un esquema de retroalimentacin en el dominio de las frecuencias basado en un controlador PI. En el
presente captulo se discute una metodologa para generar oleaje con un sistema
que combina el control de bucle cerrado PI y un esquema de control con red neuronal con modelo inverso, conocido como control neuronal combinado. Primero, se
presentan los principios de control con redes neuronales, en seguida la metodologa
de generacin con el modelo inverso y concluiremos con la propuesta novedosa para
generar oleaje con el mtodo neuronal combinado.

5.1.

Principios de control con redes neuronales

Aunque existen ms de 50 tipos de redes neuronales, la de "Feed Fordward"es

de la ms usada. De las aplicaciones para este tipo de redes, la identificacin y el
control de sistemas dinmicos son los ms comunes..
93

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
94
Los principios de control con redes neuronales (neurocontrol) son descritos por
Werbos [96] que se resumen en cinco estructuras
1. Control neuronal supervisado: La red neuronal aprende un conjunto de patrones de entrada y de salida deseados, el aprendiza je se usa
para identificar sistemas dinmicos, es decir imita al agente de control.
2. Control neuronal inverso directo: La red neuronal aprende la dinmica inversa de un sistema (ver detalles en seccin), de tal manera que
aplicando un patrn deseado, se puede calcular la accin de control a
realizar.
3. Control neuronal adaptativo: Consiste en sustituir los modelos, dentro de los esquemas clsicos de control adaptativo, por una red neuronal.
Los tipos de esquemas incluidos son tales como control autoajustable
(Self-Tuning) y modelos de referencia.
4. Control neuronal retropropagacin de utilidad: Se basa en optimizar una funcin de utilidad o de costo. Requiere el modelo del sistema
a controlar, el cual puede ser otra red neuronal.
5. Control neuronal de mtodo adaptivo crtico: Tambin optimiza
una funcin de coste, pero sin necesidad de un modelo de planta, o por
lo menos, sin que sea necesario un modelo determinstico.
Existen reportados una gran variedad de mtodos y algoritmos de control basados en redes neuronales. Pero se pueden clasificar en dos grupos principales: mtodos
directos y mtodos de control indirectos. Los mtodos indirectos generalmente requieren una identificacin del proceso a controlar utilizando un modelo neuronal, el
cual sirve como base para calcular los parmetros del controlador. La identificacin
del modelo se hace generalmente fuera de lnea o en lnea. Lo ms comn es que
se disee un experimento de identificacin o entrenamiento del modelo neuronal,
utilizando seales de prueba adecuadas y a partir de determinado momento, cuando los errores de prediccin del modelo se encuentran por debajo de determinado
lmite, se comienza a controlar en lazo cerrado.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
95
Mtodo de control neuronal directo
Los mtodos directos de control basados en redes neuronales omiten la etapa
intermedia de identificar un modelo y se trata entonces de ajustar directamente los
parmetros del controlador neuronal, es decir, los coeficientes de peso de las conexiones de la red, a partir del error de regulacin. Aunque no es tan fcil hacer el
ajuste. Es obvio que ante un proceso desconocido, del cual no existe algn tipo de
modelo, no es posible conocer a priori cual ser el valor deseado del control en cada
instante. A pesar de este problema, Cui y Shin [19] demostraron que es posible,
con determinadas restricciones que se cumplen para una clase amplia de procesos
prcticos.
A continuacin se presenta algunos mtodos de control de cada grupo, seleccionado los que tiene ms posibilidades de aplicaciones prcticas.

5.1.1.

Mtodos de control basados en el modelo inverso.

El modelo neuronal inverso (Fig. 5.1), consiste en una red neuronal inversa
(RNI), generalmente un Perceptrn multi-capas o red de retropropagacin, que se
entrena con un patrn a la entrada u(t), y un vector consistente, en los patrones
de la salida actual y(t) y varias anteriores (y(t)1 , y(t)2 , y(t)2 , ....) del proceso.
Como el patrn de salida de la red ud (t) se utiliza entonces las entradas u(t) del
proceso (P ). El esquema de control ms simple posible, se muestra en la figura 5.1.

Una vez entrenada la red, bajo el esquema del modelo inverso, cuando se le
suministre a la entrada yd (t), un patrn del valor deseado de la salida, calcular
aproximadamente el valor necesario de control. Se trata entonces de un esquema
a lazo abierto, donde RNI es el modelo neuronal inverso, que hace las veces de

Figura 5.1: Esquema bsico de control neuronal Inverso

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
96

^
U

Eu

RN

PROCESO
+

Figura 5.2: Esquema de entrenamiento de una RN bajo usando control inverso.

controlador y que se entrena mediante un experimento de identificacin. El esquema
presenta varios inconvenientes: se requiere un modelo inverso ideal, es decir, que el
error en estado estacionario sea cercano a cero. Dado que el esquema es de bucle
abierto no se consideran perturbaciones que modifiquen la salida. Aunque a todos
los procesos se puede aplicar el modelo inverso.
Cuando la meta es controlar un proceso P , (Figura 5.1) se induce a tratar
de encontrar un controlador C, el cual represente el modelo inverso del proceso,
C = P 1 . Del tal forma que la conexin serie del controlador y el proceso produzcan
una funcin de ganancia unitaria de la entrada del controlador, la cual es la funcin
de referencia. Utilizar este mtodo implica resolver tres problemas: 1) La estabilidad
del controlador. 2) El problema de casualidad de controlador y 3) Eliminar las
condiciones de control excesivo.
Esquema de entrenamiento general de un control inverso
La Figura 5.2 muestra el esquema de entrenamiento de la red neuronal (RN)
para modelar el inverso de proceso. Durante el entrenamiento los pesos de la RN
son actualizados en base al error eu que se tiene al compara la entrada del seal
d el patrn de entrada de la red
de control u(t) contra la generada por la RN u(t),
neuronal es la salida y(t) del proceso P . El proceso se detiene cuando el parmetro
ECM < eu .

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
97

5.1.2.

El modelo de referencia

Otra tcnica que fue considerada, es una red neuronal (RN) con el modelo de
referencia (RND). El modelo de referencia incluye, tanto a la planta P como al
controlador, y representa como debe comportarse el sistema completo. Una red
neuronal (RND) tambin se puede utilizar para determinar los parmetros de la
planta.
Para ello se utilizan los datos de entrada y salida de la planta, que son el comando
del motor lineal y la medicin del oleaje repectivamente, con ellos se obtendr
una caracterizacin paramtrica del canal. Los parmetros se pueden utilizar en el
control de la red neuronal.
Utiliza dos redes neuronales, una para identificar la planta (RND) y la otra
para el controlador de la planta (RNI). Primero se entrena la red que identifica a
la planta y despus la RNI del controlador para que la salida de la planta siga a la
salida del modelo de referencia.

5.1.3.

Controlador basado en el modelo interno.

En la Fig. 5.3 se muestra el esquema base del controlador de modelo interno

(Internal Model Controller o IMC) presentado durante los aos 80 como una de las
variantes ms populares de los llamados mtodos de control robusto.

Considerando determinadas suposiciones, el esquema dado en la figura 5.3 tendr

un comportamiento superior al controlador en lazo abierto, sobre todo su relativa
inmunidad a las perturbaciones v(t) que afectan a la salida y(t).
Sean g(u) y g 1 (y) las funciones generadas por el modelo neuronal directo
(RND) y el inverso (RNI), respectivamente.
A partir del es esquema del la figura 5.3 se puede llegar a ecuacin de salida y(t)
dada por la Ec. 5.1.
y(t) = f (g 1 (yd(t) f (u(t)) v(t) + g(u(t)))) + v(t)

(5.1)

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
98

Figura 5.3: Esquema de modelo interno

Si consideramos que tanto la red directa RND como la inversa RNI estn
suficientemente entrenadas, tenemos que se cumple aproximadamente:
g(u(t)) f (u(t))

(5.2)

g 1 (y(t) f 1 (y(t))

(5.3)

Teniendo en cuenta a la Ec. 5.1 y la Ec. 5.2 se llega que la respuesta del control
es dada por la ecuacin 5.4.
y(t) = y d (t) v(t) + v(t) = y d (t)

(5.4)

o sea, que el modelo de control interno logra compensar el efecto de las perturbaciones.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
99

5.1.4.

Controlador neuronal combinado con un PID

El esquema de control que combina el uso de una red neuronal inversa RNI
con un regulador P ID auto-ajustable que se encarga de llevar el error de estado
estacionario a cero. La salida de cada regulador, est afectada por un coeficiente de
peso k que permite determinar, para cada caso concreto las proporciones (kn , kp ) en
que actan el regulador neuronal RNI y el regulador P ID. El esquema combinado,
que se ha probado experimentalmente, muestra posibilidades prcticas en procesos
fuertemente no lineales. El regulador neuronal asume la tarea principal de acercar
rpidamente la salida del proceso, al valor de referencia, compensando al mismo
tiempo las no lnealidades del proceso. Despus el regulador PID auto-ajustable se
encarga de llevar a cero el error de estado estacionario.

La figura 5.4 muestra la estructura del esquema de control combinado. El cual

esta basado en una red neuronal inversa (RNI) y un P ID auto-ajustable actuando
en paralelo. Las salidas de ambos son afectadas por los coeficientes kn y kp respectivamente, los cuales deben ajustarse experimentalmente. Se ha comprobado, en
forma experimental, que en la mayora de los casos kp puede hacerse igual a 1. Por
otra parte, kn debe seleccionarse utilizando el criterio de que la salida del proceso controlado se mantenga siempre por debajo del valor de referencia, cuando el
regulador neuronal acta slo, es decir, para kp = 0.

Figura 5.4: Controlador neuronal combinado

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
100
La red neuronal inversa es una red de retropropagacin, que se entrena fuera de
lnea utilizando una muestra de datos obtenida a partir de la aplicacin de seales
aleatorias o secuencias binarias a la entrada del proceso. Durante el entrenamiento,
la entrada a la RNI en el tiempo t consiste en los valores y(t), y(t 1), ....., y(t
n 1) de la salida del proceso. La salida de la red consiste en los valores u(t), u(t
1), ...., u(t m) de la entrada al proceso. En la mayora de los casos prcticos es
suficiente escoger n y m pequeos, por ejemplo, n, m <= 5. Los valores de n y m
coinciden entonces con el nmero de neuronas de las capas de entrada y de salida de
la red respectivamente. El nmero de neuronas de la capa oculta se puede seleccionar
a igual o menor nmero que de la de capa de entrada.
Como se discute en Aguado y del Pozo [1], es importante, a la hora de generar
la muestra de datos para el entrenamiento de la red, mantener invariable la entrada
al proceso durante un nmero suficientemente grande de intervalos de tiempo, de
manera que la red sea capaz de aprender la dinmica (directa o inversa) del
proceso en la forma ms completa posible. El nmero de datos de entrenamiento
no tiene que ser excesivamente grande, ya que los errores de modelacin podrn
ser compensados en la estructura de control propuesta mediante el regulador P ID
auto-ajustable. Aunque no se puede generalizar, se puede mencionar, como valores
tpicos una muestra de 2000 datos con un perodo de cambio de la entrada de 20
intervalos de tiempo. Un algoritmo P ID auto-ajustable til se basa en las ideas de
Marsik [52], modificadas posteriormente por Aguado et. al. [1].

5.2.

Metodologa de generacin de oleaje con control neuronal combinado

5.2.1.

Control neuronal inverso directo

Se selecciona el esquema general de un control inverso, dadas sus caractersticas

de aprendizajes de patrones y su buena respuesta a sistemas no lineales, como es
caso de la generacin del espectro de oleaje irregular en un canal.
En la figura 5.5 se muestra el esquema general un del sistema neurocontrolador

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
101
supervisado en el cual est basado el esqueme propuesto en esta tesis (Fig. 5.7) el
cual presenta diferencias con el esquema origina de la Fig 5.5. las cuales se explican
en la seccin 5.2.3. La idea original del neurocontrolador de la figura 5.5 se basa en
aprender de los parmetros caractersticos del sistema y entonces usar estos para
generar la seal de control adecuada [2] [58].
La aproximacin de las caractersticas del sistema es conocida de forma gradual y
se basada en el aprendizaje al observar, en tiempo real, los datos de entrada y salida
de la planta, bajo diferentes condiciones de operacin. La seal para el control de la
planta puede ser producida inicialmente por un controlador auto sintonizado PID.
El conmutador sw1 se mantiene cerrado, mientras el conmutador sw2 est abierto.
Mientras la planta opera bajo el control convencional, el aprendizaje del nuerocontrol
est ejecutndose. Despus de que el proceso de aprendizaje o entrenamiento ha sido
completado, bajo diferentes condiciones de operacin, el neurocontrolador debe ser
utilizado para sustituir en control convencional de PID.

5.2.2.

Control neuronal combinado

El primer esquema de control neuronal propuesto en la tesis fue una red neuronal,
que realice la funcin de control con el modelo inverso del proceso (Fig. 5.1 ). Para
entrenar la red neuronal se utilizo como entrada a la RNA el patrn de salida de
la planta, para nuestro caso el espectro de oleaje estimado (SG ). Como patrn de

Figura 5.5: Diseo de diseo de sistema neurocontrol supervisado

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
102
salida el patrn de entrada a la planta, en nuestro caso, el espectro objetivo (ST )
que comanda al movimiento de la paleta, conocido como espectro de la paleta (Sp )
que puede ser sin incluir la funcin de eficiencia de la paleta (B(f, h)). El esquema
fue superado, como primer control neuronal de prueba, porque se requiere hacer
un ajuste en lnea del sistema. En seguida se exponen las componentes del control
neuronal combinado Control de RNA y Controlador PI.
Esquema de operacin con Control de RNA
Mtodo de control basado en el modelo inverso. Este esquema de control consiste
en que la red neuronal se conecta a bucle abierto al proceso a controlar, ver esquema
de figura 5.6
Control con RNA
Se considera que la red ha sido entrenada con los patrones obtenidos con los
esquemas de bucle abierto que han sido generados.
Paso de operacin del control neuronal
1. Se obtiene un espectro deseado (ST ) o de referencia. Con el ST se obtiene una
salida de la RNA la cual es el patrn de movimiento inicial de la paleta de
generacin.
2. Se enva al motor lineal el patron de movimiento de la paleta.
3. Se lee el registro del oleaje de al menos 120 olas.

^
U

Eu

RN

PROCESO
+

Figura 5.6: Esquema de entrenamiento de una RN bajo usando control inverso.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
103
4. Se halla el espectro producido (SG ) en el sensor de referencia (SR).
5. Se compara el espectro producido en el SR con el deseado y se obtiene un
vector de error.
6. Con el control neuronal solamente esos vectores de error no pueden ser corregido, es por ello que se aade el control PI
Controlador PI.
Se considera la operacin del controlador PI.
Pasos para la Generacin de oleaje Control PI :
1. Se obtiene un espectro deseado (ST ) o de referencia.
2. Se convierte en un patrn inicial de movimiento de la paleta.
3. Se enva al motor lineal
4. Se lee el registro del oleaje de al menos 180 segundos (180 olas cuando fp = 1
Hz, T p = 1 s.)
5. Se halla el espectro producido (SG ) en el sensor de referencia (SR).
6. Se compara el espectro producido (SG ) en el SR con el deseado (ST ) .
7. Repetir desde el paso 3 al 6 hasta que el error entre los espectros sea aceptable,
dentro del rango de estimacin de espectro S(f ) con error relativo menor 4 %.
Para el ajuste del error se utiliza el algoritmo de control P I.

5.2.3.

Esquema de operacin con Control de neuronal combinado y con autoaprendizaje

Al esquema de generacin mostrado en la figura 5.6, se agrega controlador P I,

para conformar un generador de control neuronal combinado, el cual se presenta en

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
104

Figura 5.7: Esquema de control neuronal combinado

la figura 5.7. El control combinado est formado por un controlador PI y una Red
Neuronal Inversa (RNI) donde ST : es el espectro objeto; SG : espectro generado.
La RNI es una red neuronal feedforward que fue entrenada fuera de lnea de
modo que representa el modelo matemtico inverso de la planta (la planta utilizada
se muestra en la Fig. 5.11). El esquema de la Fig. 5.7 pretende expresar que el
control se divide en dos etapas nombradas control grueso y control fino y se utilizan
dos controladores diferentes para obtener la accin de control especfica en cada
caso.
Para el control grueso (kp = 0 y kn 1) se usa una red neuronal de retropopagacin con tres capas (entradas, una capa oculta o intermedia y una capa de salida),
que llevar la salida del sistema controlado (oleaje generado) a la vecindad del setpoint (espectro objetivo o de referencia), seguidamente el algoritmo computacional
puede aadir el control de la etapa fina (kp = 1 y kn 1) y trabajar para llevar
la salida del sistema controlado (espectro generado) a valores ms cercanos al setpoint (espectro objetivo)
Si el error inicial del sistema de control vector_error1 (primero evaluacin del
vector_error, cuando solamente se usa el control grueso) es mayor que un valor
predeterminado (que depende de la exactitud y la velocidad de respuesta que quiera
el operador), entonces es cuando el algoritmo computacional aade en control fino
PI y guarda un nuevo patrn para un prximo entrenamiento fuera de lnea de la
RN . Cuando el sistema ha adquirido un por ciento predeterminado X de nuevos
patrones de entrenamiento, entonces otra computadora conectada en red de rea
local, hace un nuevo entrenamiento de la RNI.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
105
El vector_error (Ec. 5.6) se calcula a partir del error (Ec. 5.5) en cada una de
las frecuencias fi que conforman en espectro.

e(fi ) = aSG (fi ) aST (fi )

(5.5)

vector_error = [e(f0 ), ..., e(fN )]

(5.6)

donde
N es el nmero total de frecuencias que forman el espectro.
aSG (fi ) , aST (fi ) es la amplitud de la frecuencia i-nesima del espectro generado y deseado respectivamente.
Si el vector_error es superior a el valor predeterminado (un error de 4 %)
entre la medicin del espectro de oleaje generado y deseado en el canal, en ese
momento el algoritmo de control computacional aade el control P I, el cual tiene
como misin llevar espectro generado SG a un nivel error menor que el establecido,
adicionalmente se toma un nuevo de patrn para el entrenamiento de la red mediante
el cual la misma aprender nuevas caractersticas del canal.

5.2.4.

Principio de operacin del PI

Consideraciones para la operacin del PI

La medicin de energa por el momento m0 es la energa total de la espectro del
oleaje y slo sirve como una referencia de comparacin de la energa total entre el
espectro deseado ST y el producido SG .
El error global eglobal , en este trabajo, se define (Ec. 5.7 ) para la comparacin
entre el espectro deseado ST y el producido SG , con l se tiene una diferencia
cuantitativa entre los dos espectros. Cuando eglobal es igual a cero, esto indica que
las amplitudes de para todas las frecuencias del espectro deseada ST y espectro
generado SG son iguales.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
106

eglobal =

ep (i) +

|ei (i)| ,

eglobal =

N
X
i=1

|aSG (fi ) aST (fi )|

(5.7)

donde
N es el nmero total de frecuencias que forman el espectro.
ep (i) es el error positivo cuando aSG (fi ) aST (fi ) es positivo
en (i) es el error negativo cuando aSG (fi ) aST (fi ) es negativo
aSG (fi ) , aST (fi ) es la amplitud de la frecuencia i-nesima del espectro
generado y deseado respectivamente.
Tambin se define para la comparacin el error relativo para cada frecuencia, que
llamaremos error relativo que se define en la Ec. 5.8, para saber cuando es necesario
ajustar los los espectros. Tambin se puede tener un promedio de estos errores Ec.
??. Este es un buen criterio con un clara interpretacin del error promedio erelativo
igual a un 5 % significa que la estimacin central de la altura del oleaje tiene una
desviacin del observado del 5 %. Obviamente, un valor de error menor indica una
mejor estimacin.
erelativo (fi ) =

erelativo

| aST (fi ) aSG (fi )|

aST (fi )

N
1 X
=
erelativo (fi )
N i=1

(5.8)

(5.9)

donde
aST (fi ) es las amplitudes de espectro deseado.
aSG (fi ) es las amplitudes de espectro medido.
N es el numero total de frecuencias que componen el espectro.
Cuando se tiene un error en relativo erelativo menor al 4 %, el espectro generado
SG est dentro del rango de estimacin establecido como aceptable y solamente
opera el controlador grueso (controlador con la Red Neuronal Inversa). Si el error
global relativo es mayor a este lmite prestablecido, entonces entrar en operacin el
controlador fino, mediante el controlado PI.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
107
Comparacin de los errores en cada frecuencia (f i ) para su correccin mediante
el PI,
Para ello se define el error ei (fi ) para cada una de las frecuencias de la siguiente
forma
ei (fi ) = aST (fi ) aSG (fi )

(5.10)

donde
aST (fi ), aSG (fi ) son la amplitud en la frecuencia ensima del espectro
deseado y generado respectivamente.
Cuando el valor del error ei es nulo, indica que aSG (fi ) , aST (fi ), las amplitudes entre los espectros, son iguales y en consecuencia no hay correccin para esa
frecuencia.
Cuando el valor del error ei es positivo, la energa de la frecuencia fi
del espectro generado SG es mayor a la deseada, por lo que hay que disminuir
la amplitud de componente aSP (fi ) del espectro de desplazamiento de la paleta
(despus del sumador de la Fig. 5.7 ) para bajar el exceso de la potencia en el
espectro generado SG .
Cuando valor del error ei es negativo, la energa de la frecuencia fi del espectro generado SG es menor a la deseada, por lo que hay que aumentar la amplitud
de la componente aSP (fi ) del espectro de desplazamiento para compensar la falta
de la potencia en el espectro generado SG .
Algoritmo de correccin para cada una de las frecuencia (f i )
El controlador PI hace correccin (Ec. 5.11) en los casos anterios, para ello se
utiliza el algoritmo tradicional del controlador PI, se considera que las constantes
kc y i previamente se inicializaron a valores puntuales tales como kc,0 = 0,1 y
i,0 = 100, de las puesta a punto del canal. Considerando un regla trapezoidal para
el controlador de PI el funcionamiento del mismo que se tiene es para el nuevo
espectro es el siguiente.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
108

aSP (fi ) = RNI(aST (fi )) + P I(ei (fi ))

(5.11)

donde
aSP (fi )

es la amplitud de la frecuencia i-nesima del espectro de paleta

SP .
i (fi )T
P I(ei (fi )) = ei1 (fi )+e
+ ei (fi ) kc accin de controlador PI.
i
para el controlador se utilizan:
constante proporcional del controlador PI
kc
constante integral del controlador PI
i
T
constante de tiempo
accin de control de RNI.
RNI(aST (fi ))
ei = aST (fi ) aSG (fi )

Una vez que se ajustan todas las frecuencias, se calcula el espectro SP para
el desplazamiento de la paleta y se genera un nuevo espectro SG . Para sintonizar
el controlador PI autoajustable, se toman en cuenta dos variables, la tendencia
del error global eglobal y el nmero de pasos Npasos que hace el controlador PI para
disminuir el error global entre el espectro SG y ST . Con estas variables se consideran
los siguientes casos:
1er Caso. Se ejecutaron ms de cuatro pasos de control fino (Npasos > 4) y el
error global no disminuye: Esto indica que el error global es constante y mayor al
4 %. y se ejecutado ms de cuatro pasos.
2do Caso. El error si disminuye pero sigue siendo mayor al 4 % pero se requieren
ms de cuatro pasos de control para disminuir el error a menos del 4 %.
Estos dos casos se pueden considerar como las funciones de entradas al controlador PI auto-ajustable para que se sintonicen los valores de kc y i del controlador.
Algoritmo de autoajuste de los parametros kc y i del controlador PI
Un controlador PID consiste de tres trminos funcionales que sirven para ajustar
tanto respuesta transitoria como de estado estable. Es por esta simplicidad que este

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
109
controlador contina siendo el ms usado en la industria y por lo tanto el que
atraiga el inters en el estudio de como sintonizar estos tres trminos. Aunque se
ha avanzado en el aspecto de sintona de controladores PID, existen muy pocos
mtodos que le hagan competencia a las tcnicas iniciales de Ziegler-Nichols [98] ya
que sus frmulas ofrecen un mapeo muy simple de las especificaciones de la planta
a los coeficientes del controlador.
Actualmente el controlador PID est en ms del 90 % de los controladores prcticos y desde los 70s ha habido un desarrollo sostenido de nuevos mtodos de sintona
de PID habiendo resultado en mas de 80 patentes de sintona. Treinta y cuatro de
ellos en EU, 32 en Japn y el resto en otros pases[97].
En el algoritmo de ajuste fino se toman las siguientes consideraciones
1. Como ya se coment el ajuste fino, inicia su operacin cuando se tiene un error
relativo mayor a 4 %.
2. El ajuste fino consiste en la operacin del controlador PI auto ajustable, previamente sintonizado en la etapa de puesta a punto del sistema.
3. Se define un factor de oscilacin (factor_de_oscilacin), que se obtiene a
partir del las oscilaciones en procesos de ajuste en cada paso que ejecuta
el controlador PI y se calcula a partir del error en cada frecuencia (vector_de_oscilacin), ste se obtiene de la diferencia entre el vector del error
del paso anterior (k 1) y el actual (k).
vector_oscilacionk =vector_errork1 vector_errork ;
El factor de oscilacin determina los casos posibles de ajuste para los parmetros kc y i . El factor puede tomar los siguientes valores:
a) Factor de oscilacin es nulo
Los errores en cada una de las amplitudes de las frecuencias son positivos,
si todas las frecuencias quedan por abajo del valor deseado, todos los errores
sern positivos y si lo hacemos pasar por la funcin signo nos dar el total de
elementos que cambiaron al cual le restamos el nmero de frecuencias (Npts)
que componen el espectro, entonces el factor de oscilacin es nulo.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
110
Spectral density
0.3

fp = 0.61 [rad/s]
data2
data3
data4
data5
data6
St: Deseado
Sg: generado
error

S(w) [m2 s / rad]

0.25

0.2

0.15

0.1

0.05

3
Frequency [rad/s]

Figura 5.8: Para el control PI auto austable cuando no esta sintonizado de manera
optima.
b) Factor de oscilacin es distinto de cero
Si los errores de las frecuencias son negativas y otras positivas significa que el
sistema esta oscilando y la suma total ser menor al nmero de elementos, por lo
que el factor de oscilacin tendr un valor mayor a cero, en el caso que todas las
frecuencias cambien tambin se considera una oscilacin.
Operacion correcta del controlador PI
Con estos valores de las constantes (kc y i ) el sistema est listo para operar, si
es necesario que opere el control fino , cuando la red neuronal no logre erelativo menor
4 % , entonces el controlador PI (control fino) entrar en operacin para llevar la
calidad de generacin del espectro al valor predeterminado y tenga mejor desempeo
con los que se entrena el sistema de generacin de oleaje para un canal especifico y
se optimice en un slo paso, como se muestra en la Fig. 5.8. Si es necesario el auto
ajustable del PI, que es caso cuando el sistema no est correctamente sintonizado
(error estacionario mayor a 4.0 % y ms de cuatro pasos de correcin mediante el
control fino).
El algoritmo de control es el siguiente
1. El error en el estado estacionario es grande se incrementa el valor de i en
i .

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
111
2. Se tiene un sobretiro, es decir el impulso grande por lo que se tiene pequeas
oscilacines antes de llegar al estado estacionario. El valor de i se disminuye
i .
3. El error en el estado estacionario es muy grande se aumenta el valor de kc se
disminuye kc .
Spectral density
fp = 0.64 [rad/s]
0.4
0.35

S(w) [m2 s / rad]

0.3
0.25
0.2
0.15
0.1
0.05
0

0.5

1
1.5
Frequency [rad/s]

2.5

Figura 5.9: Se encuentra sintonizado de manera ptima.

El valor de incremento kc = 0,1kc,0 y i = 0,1 i,0 , como estos son valores
heursticos se tomarn de los resultados experimentales para cada tipo de canal, en
forma general se toman valores iniciales de kc,0 de 1.0 y para i,0 de 100, en el primer
ajuste de puesta a punto del canal. Estos valores se irn sintonizados.
A continuacin se muestra en seudo cdigo el principio sobre el cual opera el algoritmo de auto ajuste del controlador PI considerando posibles niveles de oscilacin
que puede presentar los pasos de correccin antes mencionados.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
112
Algoritmo de ajuste fino
Inicia
En cada paso se cuantifica el error y se almacena
una vector que indica la oscilacin del sistema.

V ector_oscilacion = V ector_anterior_error V ector_anterior _actual;

F actor_de_Oscilacion = Npts abs(suma(signo(V ector_oscilaci
on))) ;

Si el factor de oscilacin es mayor que cero se tiene una oscilacin.

on = 0,
Esto es, F actor_de_Oscilaci
Si (Factor de oscilacin es nulo) Entonces
Aumentar los valores kc y disminuir i en las condiciones kc y i
kc = kc +kc ;
i = i i ;
Fin_si;
on < Npts/4
Esto es 0 < F actor_de_Oscilaci
Si (Factor de oscilacin es medio) Entonces
Disminuir los valores kc y aumentar i en las condiciones kc y i
kc =kc kc ;
i = i + i ;
Fin_si;
Npts/4 < F actor_de_Oscilaci
on < Npts/2
Si (Factor de oscilacin es alto) Entonces
Disminuir los valores kc y aumentar i en las condiciones dos veces kc y i
kc =kc 2 kc ;
i = i + 2 i ;
Fin_si;
on > Npts/2
F actor _de_Oscilaci
Si (Factor de oscilacin es muy alto) Entonces
Disminuir los valores kc y aumentar i en las condiciones tres veces kc y i
kc =kc 3 kc ;
i = i + 3 i ;
Fin_si;
Fin_algoritmo;

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
113

Figura 5.10: Estructura tipica de una red Neuronal

5.2.5.

Determinacin del la topologa de la RNA

Una vez que se tiene el esquema de control se procede a determinar la topologa

de la RNA. Para la identificacin de sistemas y para el control es suficiente una
RNA con tres capas. Porque la red neuronal con una capa oculta es suficiente para
la identificar eficientemente cualquier funcin continua de acuerdo a la teora de Cyberko y Kolgomorov[38]. Por lo que la RNI (figura 5.10 ) slo tiene tres capas: una
de entrada, una salida y la capa oculta. La capa de entrada est determinada por
la cantidad de frecuencias en que se divide el espectro. Las pruebas mostraron que
es suficiente dividir el espectro de energa en 64 bandas de frecuencias (64 armnicos) lo cual, adicionalmente, es un valor que usa razonablemente las capa-cidades del
servo-control del motor lineal, en cuanto a memoria y a tiempo para la comunicacin
con una computadora PC, en decir, 64 armnicos produce un relacin ptima exactitud/desempeo del control neuronal. No obstante, el mtodo desarrollado puede
ser adaptado a un nmero mayor de bandas de frecuencias, siempre y cuando las
capacidades de hardware puedan ser superiores.
Para distintos niveles de canal se adiciona otra neurona de entrada. Para la capa
oculta se usa la funcin sigmoide y en la capa de salida una funcin lineal, dada por
f (x) = x. La capa de salida est determinada por la cantidad de frecuencias en que
se divide el espectro del oleaje a producir.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
114

Figura 5.11: Generacin de patrones para entrenamiento del control neuronal

Se considera una RNA de retropropagacin con la siguiente nomenclatura

= 1, 2, NP : nmero de patrones de entrada-salida {Pk , T0 }

(5.12)

donde
P0 : patrn de entrada [f (1), f (2), ........f (nf ), h]
T0 : patrn de salida [fo (1), fo (2), ........fo (nf )]
i : entrada a la neurona i
i : salida de la neurona i
wij : pesos para la conexin entre las neuronas j e i.
f (i) : es la amplitud de armnicos i del espectro de energa;
h : es el nivel medio del canal de oleaje.

5.2.6.

Patrones entrenamiento para la red neuronal

La figura 5.11 muestra el esquema de entrenamiento de la red neuronal. El

esquema de entrenamiento, para el control neuronal de red inversa, es el siguiente:
Se obtiene el nmero de patrones suficientes que caractericen el comportamiento de
la canal. Se toma como variables el tipo de espectro (ST ) y la altura del nivel medio
del agua en el canal h y los periodos y alturas significativas de cada espectro. Se
realizan las pruebas experimentales para obtener toda esta gama de espectros.
Se toman los patrones de la base de datos de hasta 200 patrones con el espectro
JONSWAP u otro tipo. Se establecen los parmetros de entrenamiento. Se aplica el
algoritmo de entrenamiento de retropropagacin. Al inicio se utiliz Matlab el cual

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
115
se llamaba como una funcin en Labview. Los datos experimentales son validados
con la herramienta Wafo en Matlab [94]. Si la red cumple con las condiciones de entrenamiento. La Fig 5.13 muestran los patrones de entrenamiento para seis espectros
Brestchneider con distinta altura significativa e igual perodo. El error cuadrtico
medio del entrenamiento se muestra en la Fig. 5.14.
Algoritmo de entrenamiento
La seleccin de este esquema de control se realiz en base a los siguientes puntos:
1. Nmero mnimo de frecuencias.
2. El principio terico del nmero de neuronas de la capa oculta.
3. Otros fundamentos tericos con son la profundidad del agua frente a la paleta
(h), heursticos, prcticos.
El algoritmo de entrenamiento se resume en los siguientes pasos:
1. Se toma los patrones base de datos de hasta 200 patrones
2. Se establece los parmetros de entrenamiento
3. Se aplica el algoritmo de entrenamiento de retropropagacin. Para un inicio
se utiliza Matlab. Pero una vez afinado se puede incluir en una funcin en
librera dinmica en Labview para hacer que la funcin de librera realice esta
operacin.
4. Si la red cumple con las condiciones de entrenamiento.
5. La red entrenada se determina si su error es aceptable de manera grfica y
despus con los valores de Error Cuadrtico Medio (ECM) o error relativo
(erelativo ).
6. Una vez entrenada la RNA se prueba en el canal y se compara los resultados
experimentales.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
116
Rango de factor de calidad en la estimacin del espectro
Aunque la simulacin de las perturbaciones del mar seudo alatoria. La variabilidad del espectro (ver Apndice E. ) est dada por:
b ) = S(f )22
S(f

(5.13)

La variabilidad del espectro est determinada por una distribucin de chi cuadrada
con dos grados de libertad, que es estimada por el mtodo del periodograma,
para reducir la variacin se utiliza dividir el registro temporal de la medicin del
oleaje ((t)), en un conjunto de diez ventadas (M = 10) y aplicado el mtodo de
Welche.
(22 )

b ) = S(f )22n
S(f

(5.14)

Donde la variabilidad esta dad por una distribucin de chi cuadrada

En la metodologa propuesta se entren para los espectro de JONSWAP Y
Bretschneider-Misuyatsu.

5.3.

Resultados y comparacin entre las tres formas de obtener el espectro

En la figura 5.12 se muestra el resultados de generacin de espectro de oleaje

deseado (ST ) lnea continua y el espectro generado (SG ) y medido indicada por lnea
con o. Como se aprecia el error es significativo. Para genera este tipo de oleaje se
utiliz la funcin de eficiencia de la paleta, mtodo tradicional. Si la funcin se
encuentra en la regin no lineal, la funcin de transferencia se ajusta. Para llegar al
nivel energtico deseado, lo que hace es incrementar el nivel de energa, amplitudes
de frecuencia en cada una de las componentes del espectro y ajustarlo hasta que el

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
117

Figura 5.12: Espectro Brestcheider Hs y Tp a buclea abierto

Cuadro 5.1: error comparativo en cuatro paso del control PI
ST
SG
Error absoluto Error relativo
0.02 0.015
0.05
25.0 %
0.04 0.0315
0.0085
21.2 %
0.04 0.0375
0.0025
6.2 %
0.04 0.0392
0.0008
2%
valor sea con el menor error posible. Otra forma es utilizar un control PI que realice
este ajuste (como ya se discutio en las secciones 5.2.3 y 5.2.4).
Las mediciones con el control PI mostrado en el Cuadro 5.1. Tiene los siguientes
resultados considerando un espectro con Tp =0.1 y Hs = 4 m. Se utilizan dos pasos
para llevar el espectro al nivel deseado 0.0 a 0.4. Considerando que se toman al
menos 120 olas con un periodo promedio de 1 segundo se requieren 2 minutos como
mnimo por cada ajuste con el control PI lo que da un tiempo de establecimiento
para un error de 2 % de 10 minutos como mnimo. El porcentaje de error aceptable
est determinado por la calidad del espectro estimado que vara entre 0.71 y 1.33 si
toman 20 periodogramas con un confianza de 95 %.

Para la regin no lineal de la curva de transferencia de la paleta de generador

el control PI no tiene buenos resultados, ya que el funcionamiento del control PI es

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
118

Figura 5.13: (a) Patrones salida para entrenamiento RNA. (b) Patrones entrada
para entrenamiento RNA
bueno para sistemas lineales. De all la necesidad de introducir un sistema de control
combinado con una red neuronal.
Se muestra el entrenamiento para una RNA con siguientes parmetros y error
entre la salida generada por la RNA y el valor deseado como se muestra en la grafica
de error de la Fig. 5.14 presenta la curva de desempeo del entrenamiento de la red
neuronal. El desempeo fue satisfactorio, obtenindose un error de entrenamiento de
6.97697 e-010 en 25 pocas, lo cual representa un error sumamente pequeo con un
consumo de tiempo relativamente bajo. Este comportamiento le favorece realizar un
entrenamiento en lnea en una segunda computadora conectada en red e introducir
capacidades de autoaprendizaje en al algoritmo computacional.
En las figuras 5.15 y 5.16 se muestra el resultados de generacin de espectro de
oleaje deseado (ST ) lnea continua y el espectro generado (SG ) y medido indicada
por lnea con o. Utilizando el control neuronal, como se puede apreciar en un solo
paso aprecia el error ha disminuido significativamente con el control PI. La Fig.
5.17 muestra estos mismo espectro (ejemplo 1 y ejemplo 2) si se desea comparar en
el dominio del tiempo su alta variabilidad debido al proceso aleatoria al generar el
oleaje, an para cuando se conoce tanto el espectro desean como el medido.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
119

Figura 5.14: ECM entrenamiento

1.4

x 10

1.2

0.8

S(f) m /s

0.6

0.4

0.2

0.5

1.5

2.5

frecuencia Hz

Figura 5.15: Ejemplo1. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,2 m. f med = 1,0 s.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
120
3

1.2

x 10

S(f) m /s

0.8

0.6

0.4

0.2

0.5

1.5

2.5

frecuencia Hz

Figura 5.16: Ejemplo2. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,0 m. f med = 1,0 s.
3

1.2

x 10

S(f) m2/s

0.8

0.6

0.4

0.2

0.5

1.5

2.5

frecuencia Hz

Figura 5.17: Espectro deseado () y espectro medido (o) generado con RNA,
Bretchneider-Mitsuyasu Hs = 1,8 m f med = 1,0 s.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
121
Para una estimacin del espectro generado (SG ), se realiza al disminuir la variacin
en del espectral al dividir el registro de tiempo en M = 10 ventanas y tomar su
promedio. Con esta estimacin del espectro se hace una comparacin grfica de los
espectros y se complementa con una comparacin cuantitativa y objetiva de los
espectros, usando el momento cero m0 , el vector del error y el error relativo.
Comparacin de sistema de control novedoso de bajo costo contra sistema
control bucle abierto (control convencional de generacin de oleaje)
La Figura 5.18 muestra el resultado para un control neuronal combinado, actuando solamente la red neuronal inversa (etapa gruesa del control) lo cual es suficiente
cuando los parmetros del canal de oleaje no han cambiado desde el ltimo entrenamiento de la red neuronal, lo cual muestra el costo mnimo en tiempo para genera
el espectro objetivo. El error es mnimo al compararlo con el mtodo tradicional, lo
cual es presentado en la Fig. 5.21 .

Figura 5.18: Ejemplo 1 desempeo de control neuronal combinado

La Figura 5.19 preseta el resultado del control neuronal combinado con las dos
etapas de control (etapa de control grueso por medio de red neuronal inversa y la

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
122
etapa de control fino por medio de un controlador PI), en cuatro pasos de correccin
de un controlador PI como se muestra en la tabla 5.2 . Adems, el error es mnimo
comparado con el mtodo tradicional de la Figura 5.21. De manera general, es necesario usar un controlador PI (etapa de control fino) slo cuando los parametros de
la planta tiene una fluctuacin mayor al error predeterminado y el control combinado debe preservar un desempeo exitoso para un amplio rango de condiciones de
operacin y fluctuacin, lo cual es especialmente deseable. El reentrenamiento de la
red neuronal en lnea causar que el desempeo del sistema tenga caractersticas de
autoaprendizaje.

Figura 5.19: Ejemplo 2 desempeo de control neuronal combinado

En la figura 5.20 muestra el desempeo del control neuronal combinado cuando
las dos etapas de control se utilizan (etapa de control grueso por medio de la red
neuronal inversa y la etapa de control fino por medio del controlador PI en cuatro
pasos de correccin).
La Tabla 5.2 muestra la comparacin de manera cuantitativa de los momentos de
los espectros generados por el control PI en su primer ajuste contra los momentos
requeridos; generados a bucle abierto y por el control neuronal combinado.

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
123

Figura 5.20: Comparacin de espectros generador red neuronal. Hs = 2,0 m T p =

1,0 s.

Figura 5.21: Ejemplo desempeo de control abierto (control convencional de la generacin del oleaje)

5. Generacin de oleaje irregular unidireccional con control neuronal

combinado
124

Cuadro 5.2: comparativa espectros de espectros de Bretscheider a distintos valores

Hs y Tp 10 segundos
Requerido Deseado espectro
Control PI
Control neuronal
Hs (m)
m0
m1
m0
m1
m0
m1
1.1311
0.0798 0.0492 0.0736 0.0321 0.0841 0.0526
1.2566
0.0985 0.0608 0.0604 0.0377 0.1021 0.0643
1.6338
0.1665 0.1026 0.0903 0.0548 0.1457 0.0895

Captulo 6
Conclusiones e Investigaciones
futuras
Las construcciones costeras y martimas son complejas y altamente costosas. El
diseo ptimo de ellas requiere la modelacin fsica en los laboratorios de hidrulica.
Los fenmenos del mar se reproducen en los laboratorios de investigacin y los
diseos de las obras son sometidos a prueba. Estas construcciones pueden ser "pedraplenes", plataformas petroleras, playas artificiales, instalaciones para proteger las
costas, conservacin del ecosistema, etc. Contribuir con un conocimientos original
para mejorar los prestaciones y requerimientos del modela fsico del oleaje en los
laboratorios de hidrulica, permite conocer la naturaleza y fenmeno real de la
energa del oleaje y en consecuencia usarla para solucionar importantes problemas
en la ingeniera costera que cada vez tiene un mayor impacto social.
La principal contribucin de la tesis son:
1. El mtodo que genera oleaje con un motor lineal y una red neuronal para
producir espectros de oleaje irregular unidireccional tienen pequeo error con
respecto a los patrones espectrales de referencia (objeto o deseado).
2. El tiempo de respuesta del control neuronal combinado para producir espectros de oleaje irregular unidireccional es pequeo. Esta caracterstica es interpretada, en hidrulica martima, como una rpida calibracin en los ensayos
125

6. Conclusiones e Investigaciones futuras

126

experimentales, que requiere la modelacin fsica, comparado con el sistema

convencional ( control bucle abierto).
3. La precisin y tiempo de respuesta no depende de la experiencia del operador.
Porque es capaz de aprender del comportamiento del sistema. Esto est basado
en el autoaprendizaje del sistema.
4. El motor lineal reduce los elementos mecnicos del generador, tales como pistones hidrulicos y complejos dispositivos electromecnicos no son necesarios.
El mtodo se desarroll en dos etapas bsicas: en la primera, principalmente se
utiliz la teora de oleaje a pequea seal y tcnicas de anlisis y sntesis espectrales,
las cuales se aplicaron para estimar la energa espectral (DSE) del oleaje y ajustar correctamente su variabilidad. Los resultados obtenidos en esta etapa, permite
aplicar a un controlador PI, que ajusta los niveles de energa de cada una de las
componentes del espectro. En la segunda etapa, se usa un motor lineal y control
neuronal, el cual se entrena con las mediciones de la primera parte. El control neuronal genera oleaje irregular con alta exactitud y rpida calibracin, que obtiene
resultados satisfactorios.
El combinar las dos etapas bsicas nos permite tener un sistema bajo el esquema
de control combinado con autoaprendizaje, el tiempo de convergencia disminuye y
la energa del oleaje se mantiene bajos los margenes de precisin experimental. La
condicin de entrenamiento que se da cuando el error cuadrtico medio (ECM)
excede al lmite permitido (tal como un erelativo = 4 %), en consecuencia es que la
red neuronal sea reentrenada para nuevos patrones de aprendizaje.
El control se hace con una arquitectura distribuida, pues el motor lineal tiene
un sistema de control independiente mediante un servosistema conectado a una
computadora personal. A su vez ella se conectada a una segunda computadora
personal en la cual se realizan entrenamientos sucesivos de la red neuronal. Esto
favorece que se hayan aadidos capacidades de autoaprendizaje, lo que permite
un comportamiento satisfactorio para variaciones de los parmetros del canal de
oleaje, lo cual sucede ante cambios en sus dimensiones y por cambios extremos en
las estructuras de las obras que se estudian.

6. Conclusiones e Investigaciones futuras

6.1.

127

Investigaciones futuras

Si deseamos describir adecuadamente el oleaje no es suficiente con el espectro

del oleaje unidireccional, por que al observar un registro del oleaje, de este tipo,
l se compone de olas propagndose en mltiples direcciones. Para realizar un modelado ms realista es necesario un espectro de oleaje direccional el cual contiene
tanto la energa de cada frecuencia como su direccin angular S (f, ). Este tipo
de espectro se utiliza para describir el oleaje en sitios donde existe alta reflexin
ocasionada por las costas y estructuras. En condiciones de tormenta se produce un
oleaje extremo y las fuentes del mismo pueden provenir de distintos puntos, como
consecuencia, es necesario realizar ensayos con espectros direccionales. Como trabajo
futuro, es disear un sistema para tanques de oleaje tridimensionales que permita
producir espectros multi-direccionales, en el sistema utilizar varios motores lineales
interconectados.

Bibliografa
[1] Aguado, A.; del Pozo, A. : Esquema de Control Combinado usando Redes Neuronales, Memorias de CIMAF97, La Habana, Cuba, 1997.
[2] Ashour, M. and Aboshosha, A. Adaptive Neural Control of Npr. Ncrrt, Aea.
Atomic Energy Authority. Nasr City, Cairo, Egypt. 1996.
[3] Alter D. M. y Tsao T. C. Control of linear motors for machines tool feed: design and implementation of H optimal feedback
controlASME journal of Dynamicsystem, Measurement, and Control,vol.118,
pp. 649-656, 1996.
[4] Barrientos, Antonio et. al. Control de Sistemas Continuos. McGraw-Hill, Espaa, 1996.
[5] Barrero Ripol Antonio et. al. Mecnica de Fluido. McGraw-Hill, Espaa, pp.
273-275, 2005.
[6] Barnett, T.P. On the generation, dissipation and prediction of ocean windwaves. J. Geophys. Res. 73: 513-529, 1968.
[7] Battjes, J. A. Surf zone dynamics. Annual Review of Fluid Mechanics, Vol
20, pp 257-293, 1977.
[8] Bell, Paul S. Shallow water bathymetry derived from an analysis of X-band
marine radar images of wave, Costal Engineering. Vol. 37 No.3-4. pp 513-527,
1999.

128

BIBLIOGRAFA

129

[9] Biesel, F. and Suquet, F. "Les apparails generateurs de houle en laboratoire",

La Houille Blanche, 6, 2, 4, and 5, 1951.
[10] Bretschneider, C.L. Deep water wave forecasting curves. En: Shore Protection
Manual. U.S. Army Coastal Engineering Research Center, 36-37,1973.
[11] Bretschneider, C.L. The generation and decay of wind waves in deep water.
Trans. Am. Geophys. Union. 33(3): 381-389, 1952.
[12] Bullock, G. N. y Morton, G. J. "Performance of a Wedge-Type Absorbing Wave
Maker"Journal Waterw. Port Coastal and Ocean Eng. Div., ASCE, pp 1-17,
Jan, 1989,.
[13] Cardone, V., W. Pierson and E. Ward. hindcasting the directional spectra of
hurricane-generated waves. J. Pretrol. Technol. 28: 385-394, 1976.
[14] Cavendish, D. S. Mascolo, and Gerla, M. SP-EPRCA: an ATM Rate Based
Congestion Control Scheme based on a Smith Predictor, Reporte tcnico,
UCLA, 1997.
[15] CERC (Coastal Engineering of Research Center). Shore Protection Manual.
Vol. I y II. U. S. Government Printing Research Center, Washington, D. C.,
1984.
[16] Carvahlo, M. M. "Sea Wave SimulationRecent Advances in Hidraulic Physical
Modelling, R. Martins, Ed. Kluwer Academic, Dordrecht, pp. 447-502, 1989.
[17] Corts E. Francisco. Desarrollo de un sistema de Medicin de oleaje para modelos reducidos. Tesis ESIME, Mxico, D.F., 2003.
[18] Cooley, J.W. and Tukey, J.W., An algorithm for the machine calculation of
complex Fourier series, Math. Comp. 19 pp 297-301, 1965.
[19] Cui, X.; Shin, K.G. Direct Control and Coordination Using Neural Networks,
IEEE Transactions on Systems, Man and Cybernetics, Vol. 23, No.3, pp. 686697, 1992.

BIBLIOGRAFA

130

[20] Dalrymple, Robert, Costal Engineering, Cambrige Press, USA, 2002.

[21] Dean, R. G. y Dalrymple. Water Wave Mechanisms for Engineers and scientists. World Scientific. USA, 1991.
[22] St. Denis M. and Pierson W.J. "The Motions of Ships in Confused Sea", Transactions of SNAME, 1953.
[23] Ewing, J.A. A numerical wave prediction method for the North Atlantic Ocean.
Deut. Hydrogr. Z., 24: 241-261, 1971.
[24] Flick, R. G. y Guza, R. T., "Paddle Generated Wave in Laboratory Channels"Journal Waterw. Port Coastal and Ocean Eng. Div., ASCE, pp. 352-371,
1980.
[25] Fuentes M. Oscar. Anlisis espectral del oleaje, IIUNAM, CFE, Mxico, 1988.
[26] Galvin, C. J. "Wave-Height Prediction for Wave Generators in Shallow Water"Memoria Tcnica 4, Marina U.S.A, Coastal Engineering Research Center,
Marzo, 1964.
[27] Gelci, R., H. Cazal and Vassal, J. Prvision de la houle, la mthode
de densits spectro-angulaire. Extrait du Bull. dInf. Du Comit Central
dOceanographie.9(8): 416-435,1957.
[28] Gilbert G. et al., Desing Curves for regular and Random wave Generators.
Hydraulic Research Station. INT 81. Wallingford England, June1970.
[29] Philips, O. M. "The Equilibrium Range in the Spectrum on Winds"Journal
Fluid Mech. 4, pp 426-434 1957.
[30] Goda, Y. Random Seas and Design of Maritime Structures. Scientific World,
2000.
[31] Gold B. y Rader Ch. M., Digital Signal Processing. Mc Graw Hill 1969.

BIBLIOGRAFA

131

[32] Gutirrez Serret R. Lozano Pedroche, J. y Atienza, R. Los Modelos Fsicos

a Escala Reducida y la Simulacin de Maniobras de Buques. Herramientas
para el Diseo Portuario, Organizacin de los Estados Americanos. Comisin
Interamericana de Puertos (CIDI/CIP/) doc 127, 2003.
[33] Hansen J.B. and Svendsen I.A. Laboratory Generation of waves of constant form, Proc. Coastal Engineering Conference. ASCE. Copenhagen, Denmark.June Vol. 1, 1974. pp 321-339
[34] Hasselmann K. et al., "The Parametric Wave Prediction Model", Journal phys.
Oceanogr. 1976.
[35] Hasselmann, K. On the nonlinear energy transfer in a wave spectrum, in Ocean
Wave Spectra. Englewood Clis, Nueva York. Prentice- Hall, Inc. pp 191-197,
1962.
[36] Herrera Ch. R. y Snchez F. Luis Pastor. Mtodo de Control Automtico de
Generacin de Oleaje Irregular para Laboratorio de Investigacin, Utilizando
motores lineales. CIC-INDI 2002, Pachuca, Hidalgo. 2002.
[37] Herrera, Ch. R. Tapia, J. y Ocampo F. Sistema de captura de imgenes de
Radar Marino. SOMI XIII Congreso de Instrumentacin. Ensenada, B. C.
Mxico, 1998.
[38] Hertz, J, Krogh, A, Palmer R. G. Introduction to the Theory of Neural Computation. Addison-Wesley Publishing Company, 1994.
[39] Hilera J. R., Martnez, V. J. Redes Neuronales Artificiales. Alfaomega Rama.
Espaa, 2000.
[40] Hughes S.A.1995. Physical Models and Laboratory Techniques in Coastal Engineering. WorldScientific. Publishing Co.
[41] ICCH. A Research Frame-program (RPG) on Computational Hydrodynamics.
International Center for Computational Hydrodynamics. Dinamarca, 1999.

BIBLIOGRAFA

132

[42] IMT (Instituto Mexicano del Transporte-SCT). Estudio de estructuras y transporte de sedimentos para puerto Madero Chiapas. Laboratorio de Hidrulica
del IMT. Km. 12 Carretera Quertaro-Galindo. Quertaro, Mayo de 2002.
[43] JICA-SCT, Texto del Centro Hidrulico Portuario Vol. 2., Propiedades generales del oleaje irregular. Mxico, D.F., 1985.
[44] Kinsman, B. Wind Waves, Prentice-Hall, Englewood Clis, NJ. 1965.
[45] Levi, Enzo. Elementos de Mecnica del medio Continuo. Limusa, Mxico, 1998.
[46] Liaw, C. y Cheng, S. Fuzzy two-degrees-of-freedom speed controller for motor
drives. IEEE Transaction on Industrial Electronics, Vol. 42. No 2, pp. 209216, 1996.
[47] Lizano, O., Ocampo F. J. et. al. "Evaluacin de modelos numricos de Tercera Generacin para el pronstico del oleaje en Centroamrica y MxicoTop".
Meteor. Oceanog., 8(1):40-49, 2001
[48] Longuet-Higgins M.S., On the distribution of the Highs of sea waves: some
eects of non inearity and finite Band Width ,JGR.J Geophysics, 1980.
[49] Longue-Higgins. M.S. The statistical analysis of random, moving surface,
Phil, Trans, Royal. Soc. London. Ser. A(966), Vol. 249, pp. 321-387, 1957.
[50] Macdonel M. G. et. al. Ingenieria de Maritima y Portuaria. Alfaomega y UNAM, Mxico, 2000.
[51] Maren A. J., Harson C.T. y Pap R. M. Handbook of Neuronal Computing
Applications. Academic Press, 1990.
[52] Marsik, J. A New Conception of Digital Adaptive PSD Control. Problems of
Control and Information Theory, 12(4): 267-279, 1983.
[53] Matsuura, M., Yamaguchi, Y., Yamamoto, I., and Nohara, B. T. .A n Improved
Method to Calculate Generation Signal of Multidirectional Irregular Waves",
Proceedings of IAHR Seminar on Multidirectional Waves and Their Interaction

BIBLIOGRAFA

133

with Structures, The 27th International Association for Hydraulic Research.

Congress Conference, San Francisco, USA, pp.241-254, 1997.
[54] Miles, J.W. .O n the Generation of Surface Wave By Shear Flows"Journal Fluid
Mech. 3. 185-204, 1957.
[55] Mitsuyasu, H. On the growth of spectrum of wind-generated waves (2)-spectral
shape of wind waves at finite fetch-. Proc. 17th Japanese Conf. Coastal Engg,
pp 1-7, 1970
[56] Mitsuyasu H. et al. Observation of the power spectrum of ocean waves using
a covereaf buoy, JGR. J Geophysics, 1980.
[57] Montoya, M. Conversacin en visita a instalaciones del Instituto Mexicano de
Transporte. Ing. Miguel Montoya es jefe del Laboratorio de Hidrulica del IMT.
Km. 12 Carretera Quertaro-Galindo. Quertaro, mayo 2002.
[58] Narendrand, K. S. and Parthasarathy, K. Identification and Control of Dynamical Systems using Neural Networks, IEEE transaction on Neural Networks. vol.
1, No. 1, March. 1990.
[59] National Data Buoy Center (NDBC) http://www.ndbc.noaa.gov/, 2007.
[60] Neumann G. And Pierson W. J. Principles of Physical Oceanography, Prentice
Hall, New Jersey, 1966.
[61] Nohara, B.T., Yamamoto, I., and Matsuura M., 1995, "Multi-directional Wave
Maker and its Real Time Wave Control System Applied to a Seakeeping Model
Basin", Proceedings of Wave Generation 95, Yokohama, Japan, pp.175-194,
1995.
[62] Ogata, K. Modern Control Engineering. 4th Edition. Prentice Hall, NY; 2001.
[63] Passino, Kevin and Yurkovich Stephen. Fuzzy Control. Ed. addison-Wesley pp.
391-414, 1998.

BIBLIOGRAFA

134

[64] Philips, O. M. "The Equilibrium Range in the Spectrum on Winds"Journal

Fluid Mech. 4:426-434, 1957.
[65] Pierson, W.J. and Marks, W. The power spectrum analysis of ocean wave
records. Trans. Amer. Geophys. Union. 33: 834-844, 1952
[66] Pierson W. J. and Moskowitz L., A proposed spectral form for Fully Developed Wind Seas based on the similarity theory of S. A. Kitaigorodskii, JGR. J
Geophysics, 1964.
[67] Pierson, W., L. Tick and L. Baer. Computer-based procedures for predicting
global wave forecasts and wind field analyses capable of using wave data obtained by space craft. Proc. Nav. Hydrodyn. Symp., 6th, 499-529, 1966.
[68] Psaltis, D. et al. A multi layered neural network controller. IEEE Control
System Magazine, 8(3):17-21, Abril 1988.
[69] Rice, S. O. Mathematical analysis of random noise, Selected Paper on Noise
and Stochastic Processes, Dover, pp 133-294, 1954.
[70] Rosales Sierra, V. Caracterizacin del Oleaje aplicada a Tuxpan. Ver. Tesis de
Maestra. ESIA-IPN, 1999.
[71] Salter, S. H..A bsorbing Wave Maker and Wide Tanks"Proceeding, Directional.
Wave Spectra Aplications Conference, ASCE, Berkeley, pp 185-202, 1981.
[72] Shaer H. A., Fuchs, J.U. y Hyllested Peter. An Absorbing Multidirectional
Wavemaker for Costal applications. Proceeding Costal Engineering, Syndney
Australia, 2000.
[73] Snchez, L. P., Herrera, R. Ch.: Exactitud en las Mediciones Digitales Contra
Frecuencia de Muestreo. Informe Tcnico. No. 168 serie Azul, CIC-IPN, Mxico,
2003.
[74] Snchez-Fernandez, L. P.: Wave-Studio. Sofware de medicin y anlisis de oleaje. CIC-IPN,2002.

BIBLIOGRAFA

135

[75] Snchez-Fernandez, L. P.: "Error en las mediciones de oleaje en laboratorio

de Investigacin" Rev. Ingeniera Hidralica en Mxico. Vol. XIX, No.2 AbrilJunio 2004.
[76] Schimdt, R., Gerdes M., Tautenhaim E. Grune J. Online Absorption Control
systems for wave Generation. Proceedings of the Third International Symposium Waves 97. Virginia, pp. 1295-1305, Nov 1997,.
[77] Sen P. C. Principle of Electric Machines and Power Electronics. Ed. John
Wiley, USA, pp. 278-280, 1997.
[78] Sverdrup, H. and Munk, W. Wind, sea and swell: theory of relation for forecasting. H. O. Publication 601. U. S. Naval Oceanographic Oce. Washington,
D. C., 1947.
[79] Silva A. Gustavo. Notas de Ingeniera Hidrulica. Universidad Nacional de
Colombia, Colombia, 2002.
[80] Su C. Y. y Stepanenko, Y. Adaptive control of a class of nonlinear systems
with fuzzy logic. IEEE Trans, Fuzzy Systems (2)4:285-294, 1994.
[81] Sulzer Electronics. Motor User Manual ver. 1.3. Sulzer Electronics. AG. Zurich,
1999. http://www.linmot.com, 1999.
[82] Sutton, R. S. Werbos, P. J. Neural Networks for Control. The MIT Press,
Cambridge, Massachusets, Londres, 1990.
[83] Svendsen & Jonsson, Hydrodynamics of coasta regions, Technical University of
Denmark, 1976.
[84] Sdevendsen, I.A. "Phisical Modelling of Water Waves"Physical Modelling in
Costal Engineering, R.A. Dalrymple, Ed., A.A. Balkema Publisher, Rotterdam,
pp.13-48, 1985
[85] Sverdrup, H. and Munk, W. Wind, sea and swell: theory of relation for forecasting. H. O. Publication 601. U. S. Naval Oceanographic Oce. Washington,
D. C 1947.

BIBLIOGRAFA

136

[86] SWAMP Group. Ocean wave modeling. Plenum Press. Nueva York, pp 256,
1985.
[87] SWIM Group. Shallow Water Intercomparison of Wave Prediction Models. Q.
J. Royal Meteorol. Soc. 111: 1087-1112, 1985.
[88] Tomizuka M.. Controller structure for robust high-speed/high accuracy digital
motion control in Notes for the tutorial session on micro manipulation and
micro motion at the 1994 IEEE Conf. on Robotics and Automation, 1994.
[89] Vennard & Street. Elementos de Mecnica de Fluidos. Editorial CECSA, Mxico, 1985.
[90] Vergara M. Tcnicas de modelacin en Hidrulica. Ed. AlfaOmega. IPN. Mxico, 1993.
[91] Vergara, Miguel S. Canal Tunel de olas y viento. IV Congreso internacional
puertos y costas: Realidades y perspectivas Ciudad de Acapulco, Gro., Mexico,
12 a 14 de noviembre del 2003.
[92] Vergara, Miguel S. Fundamentos de hidrodinmica. Libro proximo a publicarse
ESIA Zacatenco, Seccin de posgrado IPN, 2007.
[93] Vergara, Miguel S. Transporte de sedimento sobre bermas de tormenta por rebase de oleaje, Tesis de Doctorado, Universidad Politecnica de Madrid. 23 junio,
2003.
[94] WAFO Group, A Matlab. A Matlab Toolbox for Analysis of Random Waves
and Loads. Tutorial Lund University, Suecia, Agu 2000.
[95] Webber, N. A. & Christian C.D. .A programmable irregular Wave Generator". Proceedings 14th. Costal Engineering Conference. ASCE CopenhagenDinamarca, 1974.
[96] Werbos. Neurocontrol. Ed. John Wiley, USA, pp 278-280, 1998.

BIBLIOGRAFA

137

[97] Yun Li, K.H. Ang, and G.C.Y. Chong, Patents, software,and hardware for
PID control, Control System magazine, Vol.26, No.1, feb. 2006.
[98] Ziegler G. and N.B. Nichols, Optimum settings for automatic control, Trans.
ASME, vol. 64 No.8, pp. 759-768, 1942.

ANEXO A. PRINCIPALES PUBLICACIONES GENERADAS POR

138
EL TRABAJO DE TESIS
REVISTAS INDEXADAS EN EL ISI DATA BASE
1. Spectral patterns for the generation of unidirectional irregular waves.
Lecture Notes in Computer Science, Vol. 3773. 2005. pp. 861-868. ISSN
0302-9743, Springer-Verlag. ISI Data base.
2. Canal de oleaje irregular controlado mediante una red neuronal artificial
y un motor lineal. Ingeniera Hidrulica en Mxico. (aceptado).
Indexada adems en:
a.
b.
c.
d.
e.
f.
g.
h.
i.
j.
k.
l.

Actualidad Iberoamericana
Applied Mechanics Review
Cab Abstracts
Current Contents
Fluid Abstracts: Civil Engineering
Fluid Abstracts: Process Engineering
CeoArchive
Geotitles
GeoSEARCH
Hydro ROM
Hydrotitles
International Civil Engineering Abstracts

m. Oceanographic and Freshwater Resources

n.
o.
p.
q.

Water Resarces Worldwide

NISC Export Services
Cambridge Scientific Abstracts
CONACYT, Mxico

REVISTA INDEXADA EN EL CONACYT COMO DE INVESTIGACIN

CIENTFICA Y TECNOLGICA
1. Cuantificacin del error en las mediciones debido a la frecuencia de
muestreo, Computacin y Sistemas. ISSN-1405-5546. Vol. VIII, No. 2, pp.86105. 2004.
REVISTA INDEXADA EN LATININDEX Y CONSIDERADA POR LA
SECRETARA DE INVESTIGACIN Y POSGRADO DEL IPN, COMO
INTERNACIONAL CON ARBITRAJE DE ALTO IMPACTO.
1. Generator of unidirectional irregular wave with linear motor and supervised
neural control. Research on Computing Science. Advances on Digital System
Design. Vol. 15, pp. 170-178. ISSN 1665-9899. Mexico, D.F. August 2005.
PUBLICACIONES EN MEMORIAS DE CONGRESOS INTERNACIONALES
Indexado por IFAC: International Federation of Automatic Control:
8thIFAC Symposium on Cost Oriented Automation: Affordable
Automation Systems. C. Habana, Cuba, febrero, 2007.
1. Low-Cost Wave Generation System Based on Combined Neural Control and
a Linear Motor.
Congresos Internacionales de Computacin, CIC-IPN.

ANEXO A. PRINCIPALES PUBLICACIONES GENERADAS POR

139
EL TRABAJO DE TESIS
1. Metodologa de Generacin de Oleaje Irregular en Laboratorios Hidrulicos.
XII Congreso Internacional de Computacin, CIC 2004. Ciudad de Mxico.
ISBN 970-36-0195-2.
2. Control neuronal de generacin de oleaje irregular para laboratorios de
investigacin, Advances in Computer Sciences and Computing Engineering,
XI Congreso Internacional de Computacin CIC2002, Mxico, D.F.,
noviembre de 2002. ISBN 970-18-8590-2, ISBN 970-18-8591-0, ISBN 97018-8592-9, vol. I. pp. 129-142.
Otros publicaciones relacionadas con el trabajo
1. Herrera, Roberto, Tapia, Juan J. y Ocampo, Francisco. "Modelo de Oleaje
Cercano a la Costa que Utiliza Imgenes de Radar Tomadas en Rosarito B.
C. " Revista GEOS XXXVIII Reunin Anual 1998 de la UGM. Unin
Geofsica Mexicana, Puerto Vallarta, noviembre, 1998.
2. Herrera, Ch. R. Tapia, J. y Ocampo F. "Sistema de captura de imgenes de
Radar Marino". SOMI XIII Congreso de Instrumentaci6n. Ensenada, B. C.
Mexico.1998.

Apndice B
Red Neuronal de retropropagacin
Despus que Mccullock y Pitt (1943) presentaron el concepto de redes neuronales, varios modelos han sido desarrollados (Rumellhart et. al., 1986; Peterson y
Anderson, 1987; Park et al., 1991). Entre esos modelos las redes multicapas entrenadas por el algoritmo de retropropagacin, han sido aplicados de manera intensiva
para resolver varios problemas de ingeniera en aos recientes (p. ej. Yeh et al., 1993,
Goh, 1995; Kerh y Yee, 2000).
El nombre de estas redes es dado por el mtodo que se utiliza para su entrenamiento que consisten, lograr un entrenamiento de pesos de la red los cuales
mnimicen, el error cuadrtico medio (ECM) de los patrones de entrada contra los
patrones de salida. Para ellos se hace una entrenamiento de los pesos de la salida
hacia los pesos de entra (retropropagacin). El mtodo propuesto por Widrow y
Ho fue generalizado al caso de capas mltiples con el nombre de algoritmo de
retropropagacin (Werbos [96]).
Una red neuronal de tres capas con un capa de entrada, una capa oculta y una
capa de salida se utiliza en esta tesis. Se sabe que la forma de entrenar, una red
neuronal de retropropagacin, el error en la capa de salida se propaga hacia cada
capa anterior, hasta llegar a la capa de entrada, se considera que se ha entrenada la
RNA, hasta obtener un salida deseada o bin que entre la salida estimada Ybj y la
deseada Yj en el ECM mnimo, de acuerdo a un valor establecido.
La unidad de la RNA es mostrada en la Fig. B.1, la salida de la neurona

140

B. Red Neuronal de retropropagacin

X1

141

netj = wijxi-j

X2
X3
.
. wij
.
.
Xn

netj

f(.)

Yj

j
Figura B.1: Unidad de RNA

relacionada a las entrada dado por ecuacin B.1.

X
wij xi + j )
Yj = f (

(B.1)

en la cual Yj es la salida de la j-ensima neurona, xi es la entrada de la i-inesima

seal de entrada, wij es la conexin de peso de la i-ensima entrada de neurona a la
j-enesima neurona, y j es el umbral de la j-ensima neurona. La funcin sigmoide
expresada por f (x) = 1/(1 exp(x)) es una capa oculta y una funcin lineal en
la capa de salida f (x) = x.
La RNA de retropropagacin es entrenada con el algoritmo descenso de gradiente
y la regla de deltas generalizadas propuesta por Rummelhar et al. (1986), el valor
de los pesos para la la interconexin de las neuronas puede ser expresado por Ec.
B.2.

m1
+ nj Oin1 + wijm1
wijm = wij

(B.2)

donde es una constante positiva de aprendizaje, es un momento positivo constante seleccionado por el usuario que est entre 0.1 y 0.9, tpicamente y las superindice m y m 1 representan la etapa de entrenamiento actual y ms reciente,

B. Red Neuronal de retropropagacin

142

repectivamente. En la red neuronal de retropropagacin, el valor de los pesos son

repedidamente ajustados en el proceso de aprendizaje hasta obtener un resultado
correcto o aceptable.

Apndice C
C.1.

Sensor Resistivo para medir el nivel del oleaje

El sensor para el nivel del agua es tipo resistivo, ste se basa en el principio
de la variacin de la resistencia que se tiene en dos puntas metlicas cilindricas
sumerguidas en el agua.
La medicin se basa en la conductividad del agua.
Tipos de Agua
S/cm.
Agua ultrapura
0.05
Agua de alimentacin de calderas
1a5
Agua Potable
50 a 1000
Agua de Mar
53,000

La resitencia de las dos varillas est dada por

R=

ln( D
)
a
l

143

C. Apndice C

144

donde
D distancia entre las varillas.
l altura de la barillas cilindricas.
a radio de la barra.
d diametro de la barra.

)
ln( 2D
d
= 0,71741
K=

(C.1)

donde
D = 0,01
d = 0,0021
ln( 2D )
K = d
La resistencia contra la produndidad es una relacin no lineal

(C.2)

R = K/h;
R

50

25

1.25

2.5

3.75

5
h

-25

-50

R. vs. h
Dado la variacin de la conductividad del agua, para compensar esta diferencia
se utiliza dos sensores uno de referencia y otro de medicin.

Apndice D
D.1.

Teora elemental del oleaje progresivo

Teora elemental del oleaje progresivo. La teora originalmente desarrollada por

Lamb y por otros autores posteriormente.
Descripcin de las ecuaciones
La celeridad de la onda es la velocidad con sta se desplaza y podemos calcular
como:

c=

L
T

(D.1)

Pero tambin, de acuerdo a la teora, la celeridad es:

C=

gL
2h
tanh(
)
2
L

o bien

145

(D.2)

D. Apndice D

146

C2 =

2h
gL
tanh(
)
2
L

(D.3)

De las expresiones anteriores podemos llamar

2
= k (N umero de ola)
L

(D.4)

2
= (Frecuencia angular de la ola)
T

(D.5)

La combinacin de ambas se tiene

L=

2h
gT 2
tanh(
)
2
L

(D.6)

Ecuacin de la propagacin

gT 2
L=
2

tanh(

42 h
)
T2 g

(D.7)

El oleaje estudiado se puede clasificar de acuerdo propagacin y profundidad

1. Aguas profundas
2. Aguas medias
3. Aguas superficiales
Ecuaciones de aguas profundas son.

C0 =

gL0
L0
gT
=
=
2
T
2

L0 =

gT L
2

(D.8)

D. Apndice D

147

Funcin que describe la forma de una onda senoidal en funcin de un tiempo t

y una distancia est dada por:

(t) = a cos(

H
2x 2t
2x 2t

)=
cos(

)
L
T
2
L
T

(D.9)

otras funciones de caracterizacin del oleaje

C
C0

=
h
L0

L
L0

tanh( 2h
) y
L
h
2h
= L tanh( L )

(D.10)

Para el caso de agua bajas

d/L <

1/25

la ecuacin de celeridad se simplifica

C=

p
gh

(D.11)

Velocidad de Grupo

En general, la velocidad de translacin de un grupo de olas es diferente al de

una individual. Esta es una caracterstica ms del oleaje que es posible calcular con
la teora lineal, y denomidada Cg .Consideracin de velocidad de grupo para aguas
profundas y olas de gravedad la velociadad de una olas es mayor que la velocidad
de grupo, ondas capilares es lo contrario.
El concepto de velocidad de grupo se puede considerar como una iteracin de
dos trenes de ondas senoidales que se mueven en la misma direccin con pequeas
diferencias en longitud y periodo.
La ecuacin de soporte esta dado por

D. Apndice D

148

= 1 + 2 =

H
2

T2 T1
L2 L1
x
t
= A cos
L2 L1
T1 T2

(D.12)

(D.13)

cuando
L1 L2
T1 T2

(D.14)

1L
4dL
1+
= nC
Cg =
2T
sinh(4h/L)

(D.15)

1
4dL
n=
1+
2
sinh(4h/L)

(D.16)

en donde:

En aguas profundas, el trmino

4h
sinh(4h/L) 0
L

(D.17)

entonces
Cg =

1
1 L0
= C0
2T
2

(D.18)

en aguas bajas o someras

4h
4h
sinh(4h/L) =
L
L

Cg =

p
L
= C gh
T

(D.19)

(D.20)

D. Apndice D

149

Importacia de la velocidad de grupo.

La velocidad de grupo es importante ya que la energa del oleaje se propaga con
esta velocidad. La energa total de una ola est constituida por la suma de la energa
cinetica. (Ek es producida por la velocidad de las particulas de agua) y la energa
potencial (Ep es producida por la existencia de la altura sobre el valle de la ola).
La energa total por unidad de ancho de cresta es
gH 2 L
gH 2 L
gH 2 L
+
=
E = Ek + Ep =
16
16
8

(D.21)

y la energa promedio por unidad de rea

E=

E gH 2
L 8

(D.22)

El flujo de energa es la razn en la que se transmite la energa por ancho de

cresta unitaria y es
P = En C = ECg

(D.23)

Comunmente se le conoce al flujo de energa como la potencia del oleaje

Fuerza de Coriolis

1
P 0 = E0 C0 (para aguas profundas)
2

(D.24)

P 0 = ECg = EC (para aguas bajas)

(D.25)

Apndice E
Espectro de frecuencia de oleaje
irregular
E.1.

Procesos estocsticos y la varianza del espectro

El oleaje aleatorio del mar se representa de una forma matemtica por la ecuacin
??, lo que implica que el registro del oleaje marino puede ser expresado como
un proceso estocsticos que satisface tres condiciones estadsticas de un proceso:
estacionario, ergdico y Gausiano. El proceso cambia de manera aleatorio en el
tiempo y no se da su estado de una manera determnistica, pero cada estado o valor
que toma ocurre con cierta ley de probabilidad.

= (t) =

X
n=0

(t) =

Cn cos(n t n )

an cos(nt) + bn sin(nt)

n=0

150

(E.1)

(E.2)

E. Espectro de frecuencia de oleaje irregular

2 (t) =

151

Cn2 f

(E.3)

1p 2
an + b2n
2

(E.4)

n=0

Cn2 =

n = tan1 (

bn
)
an

(E.5)

donde
1) varias frecuencias n
2) amplitudes an y
3) diferentes fases n
Por induccin se puede estimar la energa total del espectro (t) por medio de
"N
#2
X
(nt)e2if (nt) t
E(f)= T1p
n=0

donde
Tr es la longitud del registro t es la longitud del registro.
Se asumen que se puede obtener un nmero finito de registro de oleaje 1 (t), 2 (t), ...,
todos de diferente perfil, pero que corresponden al mismo estado del mar teniendo la misma altura y periodo significativo. Esto no se puede lograr en realidad en
mar, Pero puede aprovecharse esta situacin en tuneles de viento experimental para
repetir las mismas condiciones[30]. Entonces el perfil del oleaje anterior puede ser
expresado como un proceso estocsticos

(t) = 1 (t), 1 (t), 2 (t), ..., ..., j (t), .......

(E.6)

Los corchetes {} expresan un conjunto muestra.

La condicin de estacionario est dada por la media y funcin de autocorrelacin

E[(t)] = E[(0)] m

: t

(E.7)

E. Espectro de frecuencia de oleaje irregular

152

E[(t + )] = E[(t)(0)] ( )

(E.8)

en el cual
N
1 X
j (t)
N N
j=1

E[ (t)] = lm

N
1 X
j (t + ) j (t)
N N
j=1

E[(t + )(t)] = lm

(E.9)

(E.10)

Si la varianza V ar[(t)] = E[( E[])2 ] es finita, ste es conocido como un

proceso fuertemente estacionario. Cuando la variable independiente es el espacio
cordinante y el proceso es espacialmente estacionario, este es llamado homogeneo.
La segunda condicin de ergocidad se refiere a la propiedad que el tiempopromedio estadstico para que un muestra en particular j (t) sea igual a esos ensambles promedios; es decir de manera matemtica:
1
E[ (t)] = j (t) = lm
t0 t0

Zt0

1
E[ (t + )(t)] = j (t + ) j (t) = lm
t0 t0

j (t)dt

(E.11)

Zt0

j (t + ) j (t)dt

(E.12)

Un proceso si es ergdico siempre sera estacionario, lo inverso no necesariamente

es cierto.
La tercera condicin, un proceso Gausiano, es la propiedad que implica que la
densidad de probabilidad del perfil de oleaje tome valores entre y +d en cierto
tiempo y esta densidad de probabilidad es dada como una distribucin Gausiana o
normal definida por:

E. Espectro de frecuencia de oleaje irregular

1
( E [])2
d
p()d =
exp
(2m0 )1/2
2m0

153

(E.13)

en el cual

m0 = E ( E [])2 E [] = E 2 E []2 = 2rms

(E.14)

La cantidad de momento m0 dada por la ecuacin E.14 es la variacin del perfil

de oleaje, el puede ser calculado como el tiempo-promedio de (t) si la condicin de
ergocidad se cumple.
La funcin de autocorrelacin expresada por la ecuacin E.8 es llamada la funcin
de autocorrelacin para un proceso con media-cero en el sentido estricto, pero el
termino funcin de autocorrelacin tambien es aplicada a un proceso estocsticos
con valor de media cero cuando la necesidad de distiguirlos entre ellos es ligera. Para
un proceso estocticos estacionario, existe una funcin S(f ) definida por la siguiente
ecuacin para una funcin de autocovarianza ( ) definida por la ecuacin E.8:

( ) =

S(f ) cos(2f )df

(E.15)

La funcin S(f ) puede ser expresada como siguiente, de acuerdo a la teora de

la transformada de Fourier, bajo la condicin que la integral |( )|2
sobre todo el rango de es finita:

S(f ) = 4

( ) cos(2f )d

(E.16)

El conjunto de las ecuaciones E.29 y E.16 es llamado la relacin Wiener-Khintchine,

la expresin generalizada de las cuales es simetrica de la siguiente manera definda
en el rango de y f desde a :

E. Espectro de frecuencia de oleaje irregular

( ) =

S(f ) exp(2f )df

S0 (f ) =

154

(E.17)

( ) exp(2f )d

El sufijo 0 es adicionado al especetro de frecuencia So (f ) en la ecuacin E.17

con el propsito para identificar su definicin en el rango de f = a

E.2.

Teora del anlisis espectral.

f +df

X1
a2n = S(f )df
2
f

(E.18)

La ecuacin E.18 es la ecuacin fundamental para el anlisis del espectro de

frecuencia de un registro de oleaje irregular, y esta define la funcin de densidad
espectral. Esta ecuacin, sin embargo, contiene un nmero infinito de amplitudes
an de las componentes del oleaje, y esta no es aplicable a un clculo prctico.
En este apendice, consideraremos la situacin de un registro de oleaje dado en la
forma secuencial de N puntos de datos (t), (2t), ...(Nt) muestreado a un
intervalo de tiempo constante t, y trataremos de estimar la funcin espectral de
densidad asociada. Para simplificar la explicacin, N es tomado como un nmero
par.
Para hacer un anlisis armnico de la serie de tiempo del registro de oleaja (t),
el registro puede ser expresado como la siguiente serie de Fourier Finita:

fX
+df
AN/2
2k
2k
A0
(Ak cos(
+
t ) + Bk sin(
t )) +
cos(t )
(t) =
2
N
N
2
f

(E.19)

E. Espectro de frecuencia de oleaje irregular

155

donde
t = 1, 2, 3, ....N
t = t/t :
La ecuacin (E.19) da la elevacin de la superficie como el registro del oleaje
original (nt) en los puntos de t = 1, 2, 3, ......, N si los coeficientes de la funcin
de Fourier son determinados como:
N
2 X
2k
t )
(t ) cos(
Ak =
N t =1
N

N
2 X
2k
t )
(t ) sin(
Bk =
N t =1
N

: 0 k N/2
: 1 k N/2 1

(E.20)

(E.21)

Aunque un anlisis armnico suministra valores definidos para las amplitudes

de Fourier de un procesos determnistico, este slo los lleva a una respuesta probabilistica para un proceso estocastico. Porque el oleaje del mar constituye un proceso aleatorio, los diferentes valores de la amplitudes de Ak y Bk se obtendrn de
cualquier regitro de diferentes muestras de el analisis de la elevacin de la superficie
(t). Como se describio en el capitulo II (t) puede ser mostrados como un proceso
estocastico estacionario el cual sigue una distribucin normal. Si el nmero de punto de datos N es suficientemente grande, las amplitudes Ak y Bk tambin siguen
una distribucin normal con una media cero por medio de la virtud del teorema del
limite central. como se ve de la forma de la Ecu. (E.20) y (E.21). Sus varianzas son
calculadas de la siguiente manera.
Primero, A2k es calculado para el el caso de k 6= 0 k 6= N/2. El resultado es

A2k =
=

4
N2

N
X

t =1

4
N2

N
X

)2

(t ) cos( 2k
t)
N

t =1
)
N
N1
X
X

2
2 (t ) cos( 2k
t ) +2
(t )(t + ) cos( 2k
t ) cos( 2k
(t + )
N
N
N
=1 t =1

(E.22)

E. Espectro de frecuencia de oleaje irregular

156

Tomando la condicin asintotica de N el valor esperado de A2k es calculado

como

2
E[A2k ] = lm 2
N N

N
X

t =1

2 (t ) + 2

N1
X N
X

=1 t

2k
(t )(t + ) cos(
t )
N
=1

(E.23)

Para llegar a el resultador anterior, se uso el hecho de el factor del valor esperado
2

t ) es 1/2 y que de cos( 2k

t ) x(sin( 2k
t )) es cero. Haciendo uso de
de cos( 2k
N
N
N

los coeficientes de autocorrelacin definidos por ec. (E.18), la ecuacin E.23 se puede
reescribir

2
E[A2k ] = lm
N N

)
2k
(0) +
t )
(t ) cos(
N
=1
N1
X

(E.24)

Esta ecuacin es adems reescrita como sigue, dado por el hecho que cos() es
una funcin par de :

E[A2k ]

2 X
2 X
2k
t ) = limN
= limN
(t ) cos(
( ) cos(fk )t
N =
N
Nt =

(E.25)

donde
fk = k/(Nt) = kt0

= t t

(E.26)

E. Espectro de frecuencia de oleaje irregular

157

en el cual t0 denota la duracin del registro del oleaje.

Nosotros reconocemos que el lado derecho de la ec.(E.25) es representacin de
la series del lado derecho de ec (E.17) para S0 (f ) en la seccin F.1 del anexo F..
Entonces la varianza de Ak es la relacionada a la funcin de densidad espectral como

E[A2k ] =

2
1
S0 (fk ) =
S(fk )
Nt
Nt

,1 k

N
1
2

(E.27)

en el cual S0 (f ) es la funcin densidad espectral de dos lados definidad en el

rango - f y es la ecuacin S(f )/2. La varianzade de Bk es tambien
calculada de la misma manera es dada por

E[Bk2 ] =

2
1
S0 (fk ) =
S(fk )
Nt
Nt

,1 k

N
1
2

(E.28)

Tambien se puede obtener los siguiente resultados para A0 y AN/2 :

Se puede mostrar que los coeficientes de Fourier Ak y Bk son variables estadsticamente independientes los cuales siguen un distribucin normal y tienen una
media cero y una varianza S(f )/(Nt). La correlacin entre Ak y Bk es examinada
abajo a traves de la convarianza:

E[Ak Bk ] = lm N N42
=

( N1
X

=1

) ( N1
)
X
(t ) cos( 2k
t)
(t ) sin( 2k
t)
N
N

lm N N42

N1
X

=1

=1

(t ) sin( 2k
t)
N

(E.29)

E. Espectro de frecuencia de oleaje irregular

(t ) =

S(f ) cos(2f )d

158

(E.30)

Si renombramos que ( ) puede ser expresada como la transformad de conseno

de S(f ) por medio de la ecuacin (??), concluimos que el lado derecho de Ec. (E.29)
converge a cero. Esto quiere decir Ak y Bk son estadisticamente independientes.
Con las preparaciones anteriores, ahora se puede proceder a estimar la densidad
espectral. Primer introducimos la variable Ik definida por:
N(A2k + Bk2 ) 1 k N/2 1
NA20
k=0
Ik = {
2
k = N/2
NAN/2

(E.31)

Porque Ik es la suma de el cuadrado de dos variables estocasticas independientes de una distribucin normal Ik es una variable estocasticas la cual sigue una
distribucin chi-cuadrada con dos grados de libertad. Solo el Ik para k = 0 y N/2
sigue una distribucin de chi-cuadrada con un grado de libertad. La distribucin
chi-cuadrada es la distribucin de una variable estocstica definida por:
donde xi es una variable de distribucin normal con una media cero y una
varianza de 2 . La funcin de densidad de probabilidad est dada por
p(2r ) =

1
(2 )r/21 exp(2r /2)
2r/2 (r/2) r

(E.32)

en el cual (x) denota la funcin Gama. El nmero del termino r es llamado el

grado de libertad de la distribucin chi-cuadrada. Por el uso de la variable Ik se
puede reescribir como

N(A2k + Bk2 )22 1 k N/2 1

Ik = {
k=0
NA20 22
2
2
k = N/2
NAN/2 2

(E.33)

E. Espectro de frecuencia de oleaje irregular

159

De las propiedades de la distribucin de chi-cuadrada, el valor esperado y la

varianza deIk son obtenidad como

E[Ik ] =

V ar[Ik ] =

2
S(fk )
t
4
S(fk )
(t)2

: 0 k N/2
: 0 k N/2

(E.34)

(E.35)

Un grafica de la variable Ik definida por la ec. (E.33) contra la frecuencia fk es

llamado un periodograma. La variable Ik es si misma es algunas veces llamada un
periodograma. La ecuacin (E.34) indica la densidad espectral S(fk ) a la frecuencia
fk puede ser estimada usando el valor esperado del periodograma, pero al mismo
tiempo tiempo la Ec. (E.35) indica que el valor absoluto de Ik varia grandemente, con
la mangnitud de su desviacin estandar con respecto a su valor medio. Adems, la
variabilidad no decrece si la longitud de datos N es incrementado. En consecuencia,
si calculamos el periodograma de los coeficientes de Fourirer para una muestra de
registro de oleaje (t), el peridograma resultante fluctuara grandemente de una
frecuencia a otra frecuencia y la densidad espectral estimada para cada frecuencia
fk tiene baja confiabilidad estadstica.
La gran variabilidad del periodograma ha sido conocida desde hacia tiempo y
varias tcnicas han sido desarrrolladas para suprimer su fluctuacin y incrementar
su confiabilidad de la estimacin del espectro. Una de las tcnicas ms populares es el
metodo de autocorrelacin propuesto por Black y Tukey en 1958. el cual esta basado
en la Ec. (E.16) en la seccin F.1. Otras tcnica es un suavizado de periodograma
sobre una cierta banda de frecuencias bajo la consideracin que la funcin de
densidad espectral S(f ) varia solo gradualmente con respecto a la frecuencia. Esto
es llamado el metodo del periodograma suavizado.
La frmula para mtodo de promediado simple para obtener el estimador de la
b ) es
densidad espectral S(f

E. Espectro de frecuencia de oleaje irregular

b k) = 1
S(f
n

k+[n/2]

j=k[(n1)/2]

Ij

160

t
,
2

(E.36)

en el cual [n/2] indica el entero mayor que no exceda a n/2.

Si la condicin

S(fj ) ' S(fk )

: j = k [(n 1)/2] j j = k [n/2]

(E.37)

Si la condicin
b )es la suma de n variables chi-cuadrada con dos grados
se mantiene, entoces S(f
de libertad cada uno, por lo que los periodogramas son mutuamente independientes
b ) sigue una distribucin con 2n
en un sentido estadistico. En consecuencia S(f
grados de libertada. Esto es:
b ) = S(f
b ) 22n /2n
S(f

(E.38)

b )] es igual a de S(f ).
Porque el valor esperado de 22n el valor esperado E[S(f
Tambien, por el incremento de datos de longitud n y el promediado n periodogramas manteniendo la condicicion N n la confiabilidad de la estimacin espectral
b ) decrese inversamente con el inpuede ser incrementada porque la varianza de S(f
cremento de n. En realidad, la variacin de los coeficientes del estimador espectral
son obtenidos de la propiedades de la distribucin chi-cuadrada como

b )] =
C.V.[S(f

b )]1/2
1
V ar[S(f
=
b
n
E[S(f )]

(E.39)

en el cual C.V. y Var se refieren a el coeficiente de variabilidad y varianza

respectiva.
Una evaluacin cualitativa de la confiabilidad de la estimacin espectral se realiza
de manera comn con el intervalo de confianza, el cual se basa en una distribucin

E. Espectro de frecuencia de oleaje irregular

161

de chi-cuadrada. Esto es, se estima el intervalo de confianza en el cual el valor de la

densidad espectral real caen dentro de un cierto rango correspondiente a un nivel de
probabilidad establecido. Por ejemplo, supongase que deseamos obtener una estimacin espectral con el promedio de 20 periodogramas y tramos estimar la densidad
espectral con un intervalo de confianza de 95 %. El nmero de grados de libertad
es 2n = 40 para este caso. El lmite superior del intervalo de confianza del 95 %
se obtiene de los valores de la variable chi-cuadrada que satisfacen la condicin
de P(240 a)= 0,975 de intervalo de confianza. De la tabla de distribucin de
chi-cuadrada, se obtiene a = 59,34, que es lo mismo que a/2n = 1,48. De manera
similar, se puede obtener el lmite infrerior como b/2n = 0,61 para al condicin
P (240 B) = 0,025. En consecuencia, la densidad espectral real caen en el intervalo de 0,61 a 1,48 veces la densidad espectral observada. Si la densidad espectral
estimada se obtiene con 40 periodogramas promediados, los lmites superior e inferior de un intervalo de confianza de 95 % son 0,71 a 1,33 veces el valor estimado,
respectivamente.
Debido a tal variabilidad en la estimacin de la densidad espectral, el verdadero
espectro del oleaje de mar graficado contra la frecuencia puede tomar cualquier
forma dentro de un intervalo de confianza arriba y abajo de oleaje del espectro estimado de una simple registro de oleaje. Por ejemplo, se muestra una variabilidad
de la muestras de la estimacin del espectro. Un registro continuo del oleaje swell
con una duracin de 2 horas 30 minutos que fue dividido en cinco segmentos de 30
minutos de longitud, y el espectro del oleaje que fue estimado para los cinco segmentos con un nmero efectivo de grados de libertad de 20.9. La cinco estimaciones
espectrales se encuentran alrededor de la media, aunque la media no represente
el espectro real. La media espectral tiene una banda angosta de confiabilidad que
estimaciones individuales, porque de el incremento de los grados de libertad. Una
analisis similar de variabilidad de la muestra de campo y oleaje de vientos en laboratorio han sido reportados por Donnelan y Pierson [10.8], quienes demostraron
que la precisin de la teoria de variabilidad espectral descrita anteriormente.
La confiabiliadad de la estimacin puede ser mejorada por el incremento de
el numero de periodogramas promediado conjunto y por incremento de grados de
libertad en la estimacin. Sin embargo, esto causa u detrimento en la resolucin

E. Espectro de frecuencia de oleaje irregular

162

espectral. El "termino de resolucin"espectra se refiere a la capacidad de distiguir

dos picos de espectros vecinos, y su medicin es la distancia de frecuencia minima
entre dos estimaciones espectrales independientes. Esta distancia es llamada el acho
de banda. En este caso el suavizado por medio de simple promedio como el de la
ec. (10.32), la banda esta dada por

fb = bk + n fk = n/(N T ) = n/t0

(E.40)

E.3.

Control de calidad de la Produccin de DSP

El problema ms importante en la generacin de DSP es la estimacin, y ya

sta no se puede medir de una forma precisa, solo si f 0 bien si el nmero
de frecuencia sea continuo, por loque se requiere que el nmero de datos tienda al
infinito.
En la generacin DSP si el espectro producido de la altura de oleaje Hs , periodo
Ts , Frecuencia fp y la forma de DSP tienen un desviacin significativa (No se tiene
una buena calidad) el proceso de produccin se ajusta y se repite hasta obtener un
resultado satisfactorio. Es decir un rango calidad dentro de los rangos de variacin
estandard.
La variabilidad en la estimacin, con el uso del periodograma, de la densidad
Espectral S(f ) por:

Ik

=
=
=

1
s(fk )22 para 1 k N/2
t
2
s(0)21 para k = 0
t
2
s(fN/2 )21 para k = N/2
t

(E.41)

E. Espectro de frecuencia de oleaje irregular

2
S(fk )
t

(E.42)

4
S 2 (fk )
(t)2

(E.43)

E[Ik ] =

V [Ik ] =

163

Esto se debe a la variadad estadstica de los datos lo cual es una caracterstica

inherente del oleja irregular. Esto es justamente un problema de control de calidad
( por ejemplo de una produccin en masa). Dada la variabilidad del periodograma
su estimacin se hace con el promediano de M ventanas del registro del oleaje
b k ) = S(fk )22M /2M
S(f

(E.44)

b k )]=S(fk ), bajo
dado que el valor esperado de 22M = 2M el valor esperado E[S(f
la condicin de que N>>M (Regla de dedo N>10M).
El coeficiente de variabilida C.V. se define como
b k )]1/2
V ar[S(f
1
b
)]
=
=
C.V.[S(fk
b k )]
M
E[S(f

(E.45)

Por ej. Si se promedian 20 periodogramas , el grado de libertad es 2M=40 y si

desea estimar con un grado de confianza de 95 % la DSP se tiene:
P(240 a)=0.975 de las tablas de distribucin 240 a=59.34 a/2M=1.48
P(240 b)=0.025 de las tablas de distribucin 240 b=0.025 b/2M=0.61
Por lo que es espectro estimado se encuentra entre:
b ) 1,48S(f )
0,61S(f ) S(f
Si se promedian 40 periodogramas con un intervalo de confianza de 95 %

E. Espectro de frecuencia de oleaje irregular

164

P(280 a) lo que lleva a a/2M=1.33

P(280 b) lo que lleva a b/2M=0.71
Por lo que es espectro estimado se encuentra entre:
b ) 1,33S(f )
0,71S(f ) S(f
Como se puede ver la variabilidad de la estimacin del espectro disminuye cuando
se emplea mayor, nmero de ventadas pero disminuye la resolucin del espectro.

Apndice F
Simbologa
F.1.

B
C
DSE
DSP
ECM
E
M
M
mps
P
RMS
RN
RNA
RNI
R
PC

Abreviaturas

seal de retroalimentacin (Back).

proceso a controla Canal.
Densidad Espectral Energa
Densidad Espectral Potencia
Error Cuadratico Medio.
Seal del Error.
variable de control.
Salida del algoritmo de control.
Muestras por segundo.
proceso a controla.
Raiz Cuadratica Media.
Red Neuronal
Red Neuronal Artificial.
Red Neuronal Inversa
seal de Referencia.
Compuradora Personal.

165

F. Simbologa

F.2.

Notacin

constante positiva de bias para RNA.

parametro de ancho de banda del espectro
s
fase angular aleatoria ensima.
n

fase angular aleatoria.

derivada parcial con respecto a t.

t
f
factor de resolucin del espectro.
transformada de Fourier de fi (t).
F [fi (t)]

fase angular.
fase angular ensima
n
es una variable aleatoria del angulo entre [-, ].
i
es el umbral de la j-ensima neurona.
j

coeficiente de aprendizaje de una RNA.

(t)
perfil del oleaje unidireccional.
perfil del oleaje unidireccional dicretizado.
i (t)

la densidad del agua

constante integral para controlador PID.
i
valor inicial de la constante integral
i,0

constante de viscosidad absoluta.

entrada a la neurona i
i
2
distribucin de chi cuadrada con dos grados de libertad.
2

frecuencia angular.
frecuencia angular enesima del espectro.
n
f = fi fi1 la separacin entre las frecuencias discretas del espectro.
factor de incremento a constante i del PI autoajustable.
i
factor de incremento a constante kp del PI autoajustable.
kp
= i i1 la separacin entre las frecuencias discretas del espectro.
m1
wij
2
Laplaciano de la funcin .

166

F. Simbologa
11 (n)
espectro de potencia
espectro de potencia cruzado
ij (n)
a
aceleracin
amplitudes ensima de la frecuencia del espectro.
an
2
amplitudes enesimas de la frecuencia del espectro de energa.
an
B(f, h)
Ecuacin de Biesel.
C
coeficiente de calibracin de la paleta.
C
controlador.
velocidad de grupo.
Cg
covarianza en funcion cruzada de .
Cij ( )
c
velocidad de fase
D
derivada total con respecto a t.
Dt
d (t)
ventana de tiempo.
E
mdulo de elasticidad para un fluido.
escala de fuerza.
EF
escala de descarga.
EG
escala de longitud.
EL
escala de presin.
EP
escala de tiempo.
ET
e(t)
serie de tiempo de la paleta.
error global absoluto entre dos espectros.
eglobal
es el error negativo cuando aSG (fi ) aST (fi ) es negativo
en (i)
es el error positivo cuando aSG (fi ) aST (fi ) es positivo
ep (i)
error relativo para la comparar espectros
erelativo
amplitud de la frecuencia ensima del espectro generado.
aSG (fi )
amplitud de la frecuencia ensima del espectro deseado.
aST (fi )
error entre espectros en la frecuencia fi .
ei (fi )
2
error cuadrtico del espectro.
ei (fi )
error de entrenamiento para RNI.
eu
F(n)
F()
F
Fuerza

167

F. Simbologa
F
Fs
f
f (i)
f med
fp
g
Hi2
Hmax
Hprm
Hrms
Hs
h
Kp
kp
kc
kc,0
ki
kn
kp
kp
kp
k
L
l
m
m
m0
mn
Nm
Nw
netj

nmero adimensional de Froude

frecuencia de muestreo.
Frecuencia.
es la amplitud de armnicos i del espectro de energa.
frecuencia media.
Frecuencia pico.
la constante de la aceleracin de la gravedad.
energia del oleaje ensimo.
Altura mxima
Altura promedio
Altura significativa RMS
Altura significativa.
La profundidad de agua del canal frente al generador.
constante de nmero de ola.
constante de factor proporcional del controlador P I.
constante de factor proporcional del controlador P I.
valor inicial de la constante de factor proporcional.
constante de factor integral del controlador P I.
coeficiente para actuar el controlador RNI.
coeficiente para actuar el controlador P I.
constante de nmero de ola.
constante de nmero de ola para ondas progresivas
nmero de onda.
longitud magnitud fundamental.
variable de longitud.
masa de cuerpo
metro unidad de longitud.
momento cero del espectro.
momento n del espectro.
nmero de muestras.
Newton unida de fuerza.
suma de pesos de la j-ensima neurona.

168

F. Simbologa
P
patrn de entrada de RNA.
modelo inverso de la planta C.
P 1
PI
controlador Proporcional e Integral.
P ID
controlador Proporcional, Integral y Derivativo.
S(, )
Espectral del oleaje direcional en funcin de la y .
S(, , x, t)
Espectral del oleaje direcicional , ,
y de la direccin de la ola x,y el tiempo t.
S(f )
Espectral del oleaje unidireccional.
espectro del oleaje unidireccional discreto.
S(fi )
b )
S(f
Estimacin del densida espectral del oleaje.
n
S (fi )
valor del espectro del estado actual.
n+1
valor del espectro del estado de control siguiente.
S (fi )
Espectral del oleaje unidireccional discreto.
S (f )
desplazamiento de la paleta.
S0
espectro Deseado (Target).
ST
espectro Generado.
SG
espectro del movimiento de la Paleta.
SP
s
desplazamiento de la paleta tipo pistn ("stroke").
Perodo Significativo.
Ts
Periodo significativo.
T 1/3
T
Periodo promedio.
Periodo pico
Tp
perodo medio por el mtodo de cruces por cero hacia arriba.
Tz

patrn de salida de RNA.

T0
t
variable tiempo.
u(t)
seal de entrada de un proceso en funcin de t.
V
Vector Velocidad.
V
la velocidad de flujo.
V
Volts unidad de potencial elctrico.
v(t)
perturbaciones que afectan a la salida y(t).

salida de la neurona i.
i
es la entrada de la i-inesima seal de entrada,
xi

169

F. Simbologa
Yj
y(t)
yd (t)
wij
wijm

170

es la salida de la j-ensima neurona,

seal de salida de un proceso en funcin de t.
seal entrada para entrenamiento RNI en funcin de t.
conexin de peso de la i-ensima entrada de neurona a la j-enesima
pesos para la conexin entre las neuronas j e i. donde m es la capa