03 Reguladores Clasicos PDF

1.
Reguladores Clásicos
1. AJUSTE DE PIDS ....................................................................................................1

1.1. PORQUÉ REALIMENTAMOS ........................................................................................2
1.1.1. Estructura estándar de un PID .........................................................................5
1.1.2. Efecto Antireset Windup up .............................................................................21
1.1.3. Efecto Bumpless...............................................................................................27
1.2. AJUSTES CLÁSICOS DE PIDS ...................................................................................30
1.2.1. Ajuste Empírico Manual..................................................................................31
1.2.2. Método de Ziegler-Nichols (1942) .................................................................32
1.2.3. Relación entre ambos métodos: ......................................................................36
1.2.4. Método de Asignación de Polos. .....................................................................40
1.3. CONTROL CON MODELO INTERNO (IMC) ...............................................................45
1.3.1. Paradigma de diseño para IMC......................................................................73
1.3.2. Diseño de F ......................................................................................................74
1.3.3. Realización del Controlador IMC...................................................................79
1.3.4. Diseño de PI-IMC para Plantas de Primer Orden.........................................81
1.4. AJUSTE ITERATIVO EN LAZO CERRADO (IFT) ........................................................88
03 Reguladores Clásicos Nuevo.docx 1

1.1. Porqué Realimentamos
v
e u y
r R G
e u + y
r +
R G
− +
+
+
Ĝ
+
−
Ĝ

v
e u + y
r +
R G
− + +
+
−
Ĝ Ĝ
u y
r
R′ G

Acciones más comunes de control
Control de dos posiciones
Control proporcional
Control Integral
Control Derivativo

1.1.1. Estructura estándar de un PID
Ideal (de libro)
e +
r + u
∫ e ( t ) dt
i i
K p K i
− +
+
y de ( t )
Kdi
dt
 i de 
u = K  e + K i ∫ edt + K d
i
p
i
 [1.1]
 dt 
K ip : Ganancia proporcional [unidades de salida / unidades de entrada].
100 Banda proporcional
K ip
K ii : Ganancia integral (reset) [repeticiones/seg]
K di | : Ganancia derivativa (rate) [segundos]

Banda Proporcional
umax [ % ]
Kp
umin [ % ]
emin [ %] emax [ %]
100
BP =
Kp

Ganancia Integral – Tiempo Integral – Reset Time – Repeticiones
Kp
1 3Ti
Ti = 2Ti 1 minuto
Kii

Modelo Paralelo (sin interacción)
K pp
+
r + e u
−
K ip ∫ edt
+
+
y de
K dp
dt
de
u = K pp e + K ip ∫ edt + K dp
[1.2]
dt
Ojo con las unidades!
PID con acción velocidad o incremento
r + e de u
− dt
PID ∫ edt
y

Acción Directa o Inversa
u u
r + e r e
PID PID
− −
+
y y
Variantes
r + e + u
PI
r + e u − +
PID
−
D
y y
r + e + u
I
− +
PD
y

Función de Transferencia del PID
 de 
u = K ip  e + K ii ∫ edt + K di  [1.3]
 dt 
 1 
U ( s ) = K ip  E ( s ) + K ii E ( s ) + K di sE ( s )  [1.4]
 s 
U (s)  1 
= K ip  1 + K ii + K di s  [1.5]
E (s)  s 
U (s) K ip ( K ii + s + K di s 2 )
= [1.6]
E (s) s

Discretización
La mayoría de los controladores son digitales.
 T k
Td 
uk = k e
p  k +
Ti
∑ej + T
( k k −1 )
e − e (1.7)
 j =0 

(

)
k -1
= + +
u k -1 k p  e k -1 k i ∑e j k d e k -1 - e k -2  (1.8)
 j=0 
u k - u k-1 = k p  ( 1 + k i + k d ) e k - ( 1 + 2 k d ) e k-1 + k d e k-2  (1.9)
Como Función de Transferencia, resulta
−1 −2
u k b0 + b1 z + b2 z
= (1.10)
ek 1 − z −1
con
b0 = k p ( 1 + k i + k d )
b1 = −k p ( 1 + 2 k d ) (1.11)
b2 = k p k d

Acción Proporcional
Acción más intuitiva
Para error cero se tiene actuación cero.
Puede tener error en régimen estacionario
Alta ganancia, bajo sesgo o error
No introduce desplazamientos de fase (eso es bueno - se verá más adelante)
Ejemplo: sea un sistema de primer orden
A
Y(s) = U(s) (1.12)
1 + sT
Si se lo realimenta con un regulador P resulta
K A Kp A
p
1 + sτ 1+ K p A
Y(s) = R(s) = R(s) (1.13)
Kp A τ
1+ 1+ s
1 + sτ 1+ K p A
La constante de tiempo en lazo abierto es τ y en lazo cerrado es τ
1+ Kp A
Al aumentar K el sistema se hace más rápido.

Kp A
La ganancia en lazo abierto es A y en lazo cerrado
1+ Kp A
A medida que K p aumenta, la ganancia tiende a uno, objetivo buscado en el
control.
Solo con K p = ∞ llegaríamos a ganancia uno
1
El error permanente es ε = r − y =
1+ Kp A

Ejemplo:
Ve , Qe
Tanque
Qs
L
+
− e z + u
r Kp
+
BIAS

Caso 1:
Ve = 50% r = 50% y = 50% BIAS = 50% [1.14]
entonces
e = 0 z = 0 u = BIAS = 50% Ve = Vs [1.15]
Qe = Qs y=r [1.16]
Caso 2:
Ve = 60% [1.17]
y↑ e↑ z↑ u↑ [1.18]
se debe lograr que Qe = Qs o sea

u = Ve = 60% [1.19]

En este caso no se logra y = r porque,
u = Ve = 60%
z = u − BIAS = 10% [1.20]
z 10
e= = ≠0
Kp Kp
10%
y = e+r = + 50% [1.21]
Kp
Para
K p = 1 y = 60% d = 10% [1.22]
K p = 10 y = 51% d = 1% [1.23]

1
El desplazamiento es proporcional a
Kp +1
El BIAS se ajusta para compensar el desplazamiento promedio.
Se hace BIAS = actuación promedio
En muchos casos se fija BIAS = 50%
BIAS se puede usar para rechazar una perturbación promedio
Notar que la acción de control es proporcional y negativa con respecto al error

Acción Proporcional + Integral
Recupera el desplazamiento
Lazo Abierto
%
z
y
tiempo
La acción integral aumenta el tiempo de respuesta del sistema
Lo inestabiliza
Introduce un retardo en la fase (es malo)

Acción Proporcional + Derivativa
Lazo Abierto
%
Lazo Abierto
%
z
z
y
r y
r
tiempo
tiempo
%
%
z
z y
y
r
r
tiempo tiempo

Aumenta la velocidad de respuesta del sistema
No corrige desplazamientos permanentes
Introduce avance de fase (bueno). Puede corregir el retardo del I
Es anticipativo
Altas acciones de control. Bueno para sensores lentos
Alta ganancia a altas frecuencias. Amplifica ruido
Malo para plantas de no mínima fase (péndulo invertido)
∂ Derivador Ideal
∂t
frecuencia
Solo se necesita la acción derivativa hasta cierta frecuencia

Se utiliza un pasa bajos para anular la acción a altas frecuencias

e pasa de f u
Kd bajos
dt
∂ Derivador Ideal
∂t
pasa bajos
efecto total
fc frecuencia
1 1
fc = [ Hz ] [1.24]
2π γ
en muchos controladores comerciales (SPEC-200, Bailey FC-156) existe este
ajuste
γ = 0,1" 0,2 K d [1.25]

1.1.2. Efecto Antireset Windup up
(el malo de la película es la Integral)
350
300
-y
KTds
250
200
e + v u
Kp Actuador 150
+
+
100
50
Ki 1/s 0
-50
0 50 100 150 200 250 300 350 400 450 500
e: curva roja
v: curva verde
u: curva azul
Se produce un retardo no deseado en la acción de control (de aproximadamen-
te 170 segundos)

-y
KTds
e + v u
K Actuador
+
+
- +
+
K/Ti 1/s
+ es
1
Ti
u
-y
KTds
e + v Modelo u
K Actuador
+
+
- +
+
K/Ti 1/s
+ es
1
Ti
u

Con anti windup se obtiene
e: curva roja
v y u: curva verde
120
100
80
60
40
20
-20
0 50 100 150 200 250 300 350 400 450 500

Comparación
e: curva amarilla
v sin antiwindup: curva verde
u sin antiwindup: curva azul
u y v con antiwindup: curva violeta
350
300
250
200
150
100
50
-50
0 50 100 150 200 250 300 350 400 450 500

Otra forma de implementarlo
e u
Kp
+ +
a
1
1
s +1
Ki
Cuando no hay saturación

 K 
U ( s ) = K p 1 + i 
 s 
La señal a, se puede interpretar como un BIAS automático.

1.1.3. Efecto Bumpless
1
Tr
- +
Actuación
manual 1 1
Tm s
y
PD
r
Manual
e u
1 1
Tr s Auto
- +
1 es
Tr

Otra forma de implementarlo
y
e
referencia
integral
ua
um
manual automático
Sea un PI
Ki
CPI = K p +
s
en forma digital,
 I k +1 = I k + TK i ek

 uak = K p ek + I k

Al pasar de manual a automático, la Integral estará en cualquier valor.
Es deseable que la acción de control en el instante de conmutación mantenga
el valor que tenía en manual.
ua m / a = uman
esto se logra haciendo
I m / a = uman − K p em / a
y
e
referencia
integral
ua
um
manual automático

1.2. Ajustes Clásicos de PIDs
No es magia
Los parámetros dependen del proceso
Existe una teoría para el ajuste óptimo (se verá más adelante)
Existen ajustes empíricos
Se requiere una perturbación a la planta

1.2.1. Ajuste Empírico Manual
Ajustar primero la respuesta transitoria sin importar el error estacionario.
Solo usar P y obtener la mejor respuesta que se pueda obtener (ejemplo control
de caudal)
Agregar D e intentar mejorarlo
Verificar el error estacionario y eventualmente introducir I sin que afecte el tran-
sitorio
Si tiene retardos bajar la derivativa y aumentar integral (no mucho porque osci-
la)
Ojo con los autotuners

1.2.2. Método de Ziegler-Nichols (1942)
Objetivo: reducir el sobrepico a un cuarto
s1 s2
s1
=4
s2
Método de Respuesta en frecuencia

Es más seguro porque el lazo permanece cerrado
incluye todas las no linealidades
funciona en dos direcciones

Procedimiento:
Se utiliza un controlador solo P
Se cambia la referencia y se observa la respuesta
Se incrementa la ganancia proporcional hasta que se obtiene una oscilación
Si la oscilación crece, disminuir la ganancia o aumentarla si decrece.
Cuando la oscilación es sostenida, se registra la ganancia del controlador K c ,
se la denomina ganancia crítica
Se mide también el período de la oscilación Tc
Se calculan los parámetros de acuerdo a la tabla
Kp Ki Kd
P 0,5K c
PI 0,45K c 1,2
Tc
PID 0,6 K c 2 Tc
Tc 8
Zieglers y Nichols utilizaron un PID serie neumático (Taylor Fullscope con
γ = 0, 2 K d )

Método de Respuesta al Escalón
Rápido, solo un escalón
da idea de la respuesta de la planta
X
X u
u
L
a
L T
LY
K =Y ,a =
X TX

Se calculan los parámetros de acuerdo a la tabla
Kp Ki Kd
P 1 TY
=
a LX
PI 0,9 0,9TY 1
=
a LX 3L
PID 1, 2 1, 2TX 1 L
=
a LY 2L 2
¡Ojo con las unidades! ¡Ojo con la forma del PID!

Método del Relé. Åström – Hägglund (Heladera)
Mejora al método de Z-N de respuesta en frecuencia
el Z-N introduce grandes oscilaciones
e
r + i
u
K p y
− u
Planta
y
se aproxima entrada y salida a dos senoides y la ganancia crítica de Z-N sería

4∆
Kc ≈ [1.26]
2A
donde ∆ es la amplitud del relé y A la amplitud de la salida
Con esto se aplica Z-N
1.2.3. Relación entre ambos métodos:
El método en lazo abierto también es válido para sistemas inestables siempre que
la respuesta inicial tenga la forma de la figura.
En particular se puede considerar el integrador con retardo siguiente
b
G(s) = e -sT (1.27)
s
que tendrá una respuesta al escalón de la que se obtendrá:
L = T a = bT (1.28)
de acuerdo a la segunda tabla el regulador PID será

1.2 T
K= T i = 2T T d = (1.29)
bT 2
Si se ensaya de acuerdo al método de respuesta en frecuencia se obtendrá un
período de oscilación y una ganancia,
π
t c = 4T kc= (1.30)
2bT
De acuerdo a esto, el regulador PID será:
0.6 π 0.94 T
K= ≈ Ti = 2T Td = (1.31)
2bT bT 2

Interpretación
  1    2π tc 2  
G r(iω c ) = 0.6 k c  1 + j  ω cT d -   = 0.6 k c  1 + j 0.12t c - 
  ω cT i     tc 2π t c   (1.32)
= k c ( 0.6 + 0.26 j )
es un avance de 23
Generalización
sea la función de transferencia en lazo abierto
G p(jω ) = r p e
j( π +φ p )
(1.33)
queremos ubicar esta respuesta a una determinada frecuencia en un punto

B = r s e j( π +φ s ) (1.34)
mediante un regulador
G r(jω ) = r r e r (1.35)
jφ
Podríamos hacer el diseño por el método de márgen de amplitud es decir que

para Φs= 0 la amplitud sea rs= 1 / Am siendo ésta un márgen de amplitud dado. Por
lo tanto se debe cumplir:
j( π +φ s )
rs e = r p r r e j( π +φ p+φ r ) (1.36)
entonces el regulador será:
 rs
 rr =
 rp (1.37)
φ = φ - φ
 r s p
la ganancia proporcional es la parte real del regulador

r s cos( φ s - φ p )
k p= (1.38)
rp
el ángulo estará dado por
1
ωTd - = tan( φ s - φ p ) (1.39)
ωTi

1.2.4. Método de Asignación de Polos.
sistema de primer orden
kp
Gp= (1.40)
1+ s T 1
regulador PI
 1 
Gr = K  1+  (1.41)
 sT i 
resultando un sistema de segundo orden en lazo cerrado
G p Gr
Gc = (1.42)
1+ G p G r
la ecuación característica será
2  1 kp K  kp K
s +s + + = 0 (1.43)
 T1 T1  T1T i
y nuestra condición de diseño dice
s + 2 ξ ω s +ω = 0
2 2
(1.44)
el regulador PI resulta
2ξ ω T1-1
K=
kp
(1.45)
2ξ ω T1-1
Ti=
ω2 T 1
se puede hacer algo parecido para un sistema de 2do órden

Caso Discreto del Método de Asignación de Polos.
sistema de segundo orden
A(z) = z 2 + a 1 z + a 2
(1.46)
B(z) = b1 z + b 2
regulador PI
S(z)
H r(z) =
R(z) (1.47)
R(z) = ( z - 1 ) R 1(z)
una forma genérica sería
S(z) = s 0 z 2 + s 1 z + s 2
(1.48)
R(z) = ( z - 1 ) ( z + r 1 )
la ecuación característica será
( z 2 + a 1 z + a 2 )( z - 1 )( z + r 1 ) +
(1.49)
( b1 z + b 2 )( s 0 z 2 + s 1 z + s 2 ) = 0
que es de cuarto orden.

Se podría especificar un denominador como,
P(z) = ( z - e -αω h )2 ( z 2 + p 1 z + p 2 ) (1.50)
donde
p 1 = - 2 e -ξωh cos( ω h 1 - ξ )
2
(1.51)
-2 ξω h
p2 = e
Ejemplo:
1
G p(s) = (1.52)
( 1 + s )( 1 + 0.26 s )
si el período de muestreo es h = 0.1 seg.
0.0164 z + 0.0140
H p(z) = 2
(1.53)
z - 1.583 z + 0.616
condición de diseño:
ξ = 0.5 ω = 4 α = 1 (1.54)
P será

P(z) = ( z - 0.670 )2 ( z 2 - 1.54 z + 0.670 ) (1.55)
reemplazando
r 1 = - 0.407
s 0 = 6.74
(1.56)
s 1 = - 9.89
s 2 = 3.61

1.3. Parametrización Afin - Control con Modelo Interno (IMC)
Lazo clásico de control
di do
+ + y
e
r + u +
C G
− +
CG 1 G
y= r+ do + di
1 + CG 1 + CG 1 + CG
Si nos interesa solo la relación entre salida y referencia,
CG
y= r
1 + CG

Fijamos una condición de diseño:
Encontrar el controlador C tal que la dinámica entre salida y referencia en lazo
cerrado, sea
CG
y= r = Fr
1 + CG
El controlador que satisface esta condición es
F 1
C=
1− F G
Observar que queda en función de la inversa de la dinámica de la planta
Realmente, no conocemos G , sino una estimación (o modelo) Ĝ . En este caso
el controlador resultará
F 1
C=
1 − F Gˆ
Elegido el controlador de esta forma y suponiendo un modelo perfecto, la rela-
ción entre las variables es:
y = Fr + (1 − F ) do + (1 − F ) Gdi

Problemas:
(a) nunca el modelo es perfecto
(b) los actuadores se saturan
(c) un retardo no se puede invertir en forma exacta
(d) problemas matemáticos de inversión
(e) problemas con plantas inestables

1.3.1. Paradigma de diseño para IMC
Se elige el término
1 ˆ
= Ginv
Gˆ
siendo Gˆ inv una aproximación estable de la inversa de Ĝ
y F una condición de diseño (filtro) para lograr determinadas propiedades en
lazo cerrado.
Gˆ intenta resolver el problema (c) y F los problemas (a), (b) y (d)
inv
Si se toma esta condición de diseño se obtiene
y=
FG
r+
(1 − F ) Gˆ
do +
(1 − F ) Gˆ
Gdi
ˆ
G + F G −G(
ˆ ) ˆ (
G + F G −G ˆ ) ˆ (
G + F G −G ˆ )
y=
FGˆ inv G
r+
(1− F )
do +
(1− F )
Gdi
(ˆ
1 + F Ginv G − 1 ) (ˆ
1 + F Ginv G − 1) (
ˆ )
1 + F Ginv G − 1

suponiendo que
Gˆ inv G ≈ Gˆ inv Gˆ ≈ 1 [1.57]
Resulta
y ≈ Fr + (1 − F ) do + (1 − F ) Gdi

recordar que elegimos Gˆ inv como una aproximación estable de la inversa de Ĝ
si Ĝ tiene inversa estable y no tiene retardos se puede elegir Gˆ inv = Gˆ −1
si no es el caso se hace una separación
Bˆ ( s ) Bˆ e ( s ) Bî ( s )
G (s) =
ˆ = [1.58]
Â ( s ) Â ( s )
Bˆ e ( s ) contiene los ceros estables y

Bî ( s ) contiene los ceros inestables o de no mínima fase
se elige
ˆ (s)
A
Gˆ inv ( s ) =
( )
[1.59]
Bˆ e ( s ) Bî ( s )
s =0
se considera la ganancia estática de Bî ( s )

no se puede hacer esto con el retardo (se verá luego)

1.3.2. Diseño de F
y ≈ Fr + (1 − F ) do + (1 − F ) Gdi
F es la respuesta deseada del sistema.
Para seguimiento de referencias:
- F rápida => respuesta rápida
- F lenta => respuesta lenta
Para rechazo de perturbaciones:
- F rápida => buen rechazo de perturbaciones
- F lenta => rechazo pobre

Generalmente F se elige de la forma
1
F= [1.60]
( β s + 1)
p
se agrega el exponente p de modo de que Q = FGˆ inv sea bipropia o tenga igual
número de polos y ceros.
Por ejemplo
1 1 F 1 2s + 1
Gˆ ( s ) = , F = ,C = = [1.61]
2s + 1 β s +1 ˆ
1− F G βs
s − 5 s 2
+ 2 s + 1 1 F 1 s 2
+ 2s + 1
G (s) = 2
ˆ , Ginv ( s ) =
ˆ , F = ,C = =−
s + 2s + 1 −5 ( β s + 1)
2
1 − F ˆ
G 5s β ( β s + 2 )

β pequeño => F rápido
β grande => F lenta
Una F lenta reduce los efectos negativos de
- incertidumbre en el modelo
- limitaciones de los actuadores
- ruido de medición
β se convierte en un potenciómetro de diseño
Una elección más sofisticada de F lleva a un diseño más complejo.

step(tf(1,[.1 1]),tf(1,[1 1]),tf(1,[2 1]))
a=[.1 1];b=[.4 1];c=[.8 1];
step(tf(1,conv(a,conv(a,a))),tf(1,conv(b,conv(b,b))),tf(1,conv(c,conv(c,c))))
Step Response Step Response
1 1
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
Amplitude
Amplitude
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Time (sec) Time (sec)

1.3.3. Realización del Controlador IMC
Podemos igualar nuestro controlador a un PID,
do
e u + y
r +
CPID G
− +
de donde se deduce que

F 1
CPID = CIMC =
1 − F Gˆ

Con el diseño IMC se puede lograr un comportamiento PID si
- se controla con un PI un modelo de primer orden
- se controla con un PID un modelo de segundo orden
- se controla con un PID un modelo de primer orden con retardo
Ventajas del diseño de un PID vía IMC:
- fácil obtener el modelo de los datos de planta (resp. escalón)
- se explicita la forma de la respuesta en lazo cerrado eligiendo F o β
- se calculan las constantes del controlador (P, I y D) con fórmulas apropia-
das.

1.3.4. Diseño de PI-IMC para Plantas de Primer Orden
Modelo de la planta
Kˆ
Gˆ = [1.62]
τˆs + 1
el tiempo de crecimiento está relacionado con la constante de tiempo
Tˆr ≈ 2, 2τˆ [1.63]
τˆs + 1 1
Gˆ inv = ,F = [1.64]
Kˆ β s +1
el controlador según IMC es
F ˆ τˆs + 1
C= Ginv =
1− F Kˆ β s
Si nuestro PI es paralelo,
K ip
C = CPI = K + p
p [1.65]
s
eligiendo
τˆ 1
K pp = , Ki =
p
[1.66]
Kˆ β Kˆ β

dado β , τˆ y K̂ tenemos una forma sistemática de ajustar el controlador.
τˆ 1 τˆs + 1
CPI = + = [1.67]
ˆ ˆ
Kβ Kβs Kβs ˆ
Resumen:
- encontrar τˆ y K̂
- elegir el controlador PI y β
Recordar que con β pequeños se obtiene
- rápidos seguimientos de referencias
- menor robustez a errores de modelo
- mayor sensibilidad a errores de modelado en alta frecuencia
- actuaciones más importantes
- más sensible a saturaciones de los actuadores
- mejor rechazo a perturbaciones
- mayor sensibilidad al ruido de medición
- mayor efecto de los ceros inestables
- mayor efecto del retardo

% Control PI IMC Sistema de Pri- kp = tauh/beta/Kh;
mer Orden ki = 1/beta/Kh;
% Sistema continuo kd = 0;
Kh = 10; % se usa la aproximación de Eu-
tauh = 1; ler s=(q-1)/T
d=poly([-1/tauh]); %ud(i)=ud(i-
sis = tf( Kh,d); 1)+A*error(i)+B*error(i-1)
%Sistema en variables de estado A = kp;
Pss = ss(sis); B = ki*T-kp
% y su respuesta al escalón ... Tfin = 5;
precision= .01; t = 0:precision:T;
t = 0:precision:5; ref = 1;
u = ones(size(t)); y = zeros(size(t));
y = lsim(sis,u,t); ly = length(t);
figure(1) x0= zeros(1,1);
plot([y]); [xx yx]= size(x0);
yy = 0;
% período de muestreo uu = 0;
T=.1; ttt=0;
% PI discreto yd=zeros(Tfin/T,1);
beta =5; ud=zeros(Tfin/T,1);
kp = tauh/beta/Kh; error=zeros(Tfin/T,1);
ki = 1/beta/Kh;
kd = 0; for i = 3:Tfin/T
beta =.2; % muestreo de la salida

yd(i) = y(length(y));
% Regulador
error(i)= ref-yd(i);
ud(i)=ud(i-
1)+A*error(i)+B*error(i-1);
% bloqueador de orden cero

ub = ud(i) * ones(size(t));
% Sistema
[y, tt, x0] =
lsim(Pss,ub,t,x0(length(x0),:));
% se guardan los valores de
entrada y salida
yy = [yy ; y(2:length(y))];
uu = [uu ;
ub(2:length(ub))'];
end;
figure(2)
plot([uu yy]);

10
0
0 100 200 300 400 500 600

1.4
1.2
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500

1.3.5. Otro Esquema
Se puede plantear el siguiente esquema
do
e u + y
r +
Q G
− +
+
−
Ĝ
la salida es
QG 1 − QGˆ
y= r+ do
( ) ( )
[1.68]
1 + Q G − Gˆ 1 + Q G − Gˆ
si el modelo es perfecto,
( )
y = QGr + 1 − QGˆ d [1.69] o
el IMC se puede mostrar como

do
e u + y
r +
Q G
− +
+
−
Ĝ
do
C
e u + y
r +
Q G
− + +
+
Ĝ

do
e u + y
r + Q
C= G
− 1 − QGˆ +
El control es diseñado en base al modelo de la planta

( )
C = C Gˆ [1.70]"

Es muy intuitivo
do
e u + y
r +
Q G
− +
+
−
Ĝ
está relacionado con el concepto de predictor de Smith

Si la planta es estable, ¿cómo elegir Q?
¿Si probamos con Q = Gˆ −1 ?
(
y = QGr + 1 − QGˆ d o) [1.71]
( )
y = Gˆ −1Gr + 1 − Gˆ −1Gˆ d o [1.72]
G  Gˆ 
y = r + 1 −  do [1.73]
Gˆ  G
ˆ
G
≈ 1 ⇒ y ≈ r [1.74]
Gˆ
con Q = Gˆ −1 se obtiene el control perfecto

Problemas:
(f) nunca el modelo es perfecto
(g) los actuadores se saturan
(h) un retardo no se puede invertir en forma exacta
(i)problemas matemáticos de inversión
(j)problemas con plantas inestables

1.3.6. Paradigma de diseño para IMC
Se elige
Q = FGˆ [1.75]
inv
siendo Gˆ inv una aproximación estable de la inversa de Ĝ

y F una condición de diseño (filtro) para lograr determinadas propiedades en
lazo cerrado.
Gˆ intenta resolver el problema (c) y F los problemas (a), (b) y (d)
inv
Si se toma esta condición de diseño se obtiene

QG 1 − QGˆ
y= r+ d o [1.76]
(
1 + Q G − Gˆ )
1 + Q G − Gˆ ( )
FGˆ inv G 1 − FGˆ inv Gˆ
y= r+ do
( ) ( )
[1.77]
ˆ
1 + FGinv G − Gˆ ˆ
1 + FGinv G − G ˆ
suponiendo que
Gˆ inv G ≈ Gˆ inv Gˆ ≈ 1 [1.78]
resulta
y ≈ Fr + (1 − F ) d o [1.79]

recordar que elegimos Gˆ inv como una aproximación estable de la inversa de Ĝ
si Ĝ tiene inversa estable y no tiene retardos se puede elegir Gˆ inv = Gˆ −1
si no es el caso se hace una separación
Bˆ ( s ) Bˆ ( s ) Bˆ ( s )
Gˆ ( s ) = = e i
[1.80]
Â ( s ) Â ( s )
Bˆ e ( s ) contiene los ceros estables y

Bî ( s ) contiene los ceros inestables o de no mínima fase
se elige
ˆ (s)
A
Gˆ inv ( s ) =
( )
[1.81]
Bˆ e ( s ) Bî ( s )
s =0
se considera la ganancia estática de Bî ( s )

no se puede hacer esto con el retardo (se verá luego)
1.3.7. Diseño de F
y ≈ Fr + (1 − F ) d o [1.82]
F es la respuesta deseada del sistema.

Para seguimiento de referencias:
- F rápida => respuesta rápida
- F lenta => respuesta lenta
Para rechazo de perturbaciones:
- F rápida => buen rechazo de perturbaciones
- F lenta => rechazo pobre

Generalmente F se elige de la forma
1
F= [1.83]
( β s + 1)
p
se agrega el exponente p de modo de que Q = FGˆ inv sea bipropia o tenga igual
número de polos y ceros.
Por ejemplo
Gˆ ( s ) =
1
, F =
1 ˆ = 2s + 1
, Q = FG [1.84]
2s + 1 β s +1 inv
β s +1
s − 5 s 2
+ 2 s + 1 1 s 2
+ 2s + 1
G (s) = 2
ˆ , Ginv ( s ) =
ˆ , F = ˆ
, Q = FGinv = [1.85]
s + 2s + 1 −5 ( β s + 1) −5 ( β s + 1)
2 2

β pequeño => F rápido
β grande => F lenta
Una F lenta reduce los efectos negativos de
- incertidumbre en el modelo
- limitaciones de los actuadores
- ruido de medición
β se convierte en un potenciómetro de diseño
Una elección más sofisticada de F lleva a un diseño más complejo.

step(tf(1,[.1 1]),tf(1,[1 1]),tf(1,[2 1]))
a=[.1 1];b=[.4 1];c=[.8 1];
step(tf(1,conv(a,conv(a,a))),tf(1,conv(b,conv(b,b))),tf(1,conv(c,conv(c,c))))
Step Response Step Response
1 1
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
Amplitude
Amplitude
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Time (sec) Time (sec)

1.3.8. Realización del Controlador IMC
en la forma IMC
do
e u + y
r +
Q G
− +
+
−
Ĝ
en la forma "PID" clásica

do
e u + y
r +
CPID G
− +

de donde se deduce que
Q
CPID = [1.86]
ˆ
1 − QG
Con el diseño IMC se puede lograr un comportamiento PID si
- se controla con un PI un modelo de primer orden
- se controla con un PID un modelo de segundo orden
- se controla con un PID un modelo de primer orden con retardo
Ventajas del diseño de un PID vía IMC:
- fácil obtener el modelo de los datos de planta (resp. escalón)
- se explicita la forma de la respuesta en lazo cerrado eligiendo F o β
- se calculan las constantes del controlador (P, I y D) con fórmulas apropia-
das.

1.3.9. Diseño de PI-IMC para Plantas de Primer Orden
Modelo de la planta
Kˆ
Gˆ = [1.87]
τˆs + 1
el tiempo de crecimiento está relacionado con la constante de tiempo
Tˆr ≈ 2, 2τˆ [1.88]
τˆs + 1 1
Gˆ inv = ,F = [1.89]
Kˆ β s +1
Q = FGˆ [1.90]
inv
el controlador según IMC es

Q FGˆ inv τˆs + 1 1 1
C= = = = [1.91]
1 − QG 1 − FGinv G K β s Gˆ β s
ˆ ˆ ˆ ˆ
en el caso de un PI paralelo
K ip
C = CPI = K + p
p [1.92]
s
eligiendo

τˆ 1
K pp = , Ki =
p
[1.93]
Kˆ β Kˆ β
dado β , τˆ y K̂ tenemos una forma sistemática de ajustar el controlador.
τˆ 1 τˆs + 1
CPI = + = [1.94]
ˆ ˆ
Kβ Kβs Kβs ˆ
Resumen:
- encontrar τˆ y K̂
- elegir el controlador PI y β
Recordar que con β pequeños se obtiene
- rápidos seguimientos de referencias
- menor robustez a errores de modelo
- mayor sensibilidad a errores de modelado en alta frecuencia
- actuaciones más importantes
- más sensible a saturaciones de los actuadores
- mejor rechazo a perturbaciones
- mayor sensibilidad al ruido de medición
- mayor efecto de los ceros inestables

- mayor efecto del retardo

% Control PI IMC Sistema de Pri- kp = tauh/beta/Kh;
mer Orden ki = 1/beta/Kh;
% Sistema continuo kd = 0;
Kh = 10; % se usa la aproximación de Eu-
tauh = 1; ler s=(q-1)/T
d=poly([-1/tauh]); %ud(i)=ud(i-
sis = tf( Kh,d); 1)+A*error(i)+B*error(i-1)
%Sistema en variables de estado A = kp;
Pss = ss(sis); B = ki*T-kp
% y su respuesta al escalón ... Tfin = 5;
precision= .01; t = 0:precision:T;
t = 0:precision:5; ref = 1;
u = ones(size(t)); y = zeros(size(t));
y = lsim(sis,u,t); ly = length(t);
figure(1) x0= zeros(1,1);
plot([y]); [xx yx]= size(x0);
yy = 0;
% período de muestreo uu = 0;
T=.1; ttt=0;
% PI discreto yd=zeros(Tfin/T,1);
beta =5; ud=zeros(Tfin/T,1);
kp = tauh/beta/Kh; error=zeros(Tfin/T,1);
ki = 1/beta/Kh;
kd = 0; for i = 3:Tfin/T
beta =.2; % muestreo de la salida

yd(i) = y(length(y)); [y, tt, x0] =
% Regulador lsim(Pss,ub,t,x0(length(x0),:));
error(i)= ref-yd(i); % se guardan los valores de
ud(i)=ud(i- entrada y salida
1)+A*error(i)+B*error(i-1); yy = [yy ; y(2:length(y))];
uu = [uu ;
% bloqueador de orden cero ub(2:length(ub))'];
ub = ud(i) * ones(size(t)); end;
% Sistema figure(2)
plot([uu yy]);

10
0
0 100 200 300 400 500 600

1.4
1.2
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500

1.4. Ajuste Iterativo en Lazo Cerrado (IFT)
Método alternativo de autoajuste de parámetros
la planta es
yk = G0 ( z −1 )uk + vk [1.95]
e u y
r R G
el lazo cerrado resulta

RG0 1
y= r+ v [1.96]
1 + RG0 1 + RG0

Objetivo:
encontrar los parámetrosθ del regulador tal que minimicen el siguiente
funcional:
1 N N
2
J (θ ) = E  ∑ ( yk − yk ) + λ ∑ ( uk )  [1.97]
d 2
2 N  k =1 k =1 
hay que derivar e igualar a cero:
∂J (θ ) 1  N d ∂y
N
∂u 
= E  ∑ ( yk − yk ) + λ ∑ uk  [1.98]
∂θ N  k =1 ∂θ k =1 ∂θ 
Una forma de ajustar los parámetros es recursivamente en la dirección del gra-
diente
−1 ∂J (θ )
θ k +1 = θ k − γ k Rk [1.99]
∂θ
∂y ∂u
El problema está en el cálculo del gradiente, en realidad los términos y
∂θ ∂θ

llamando
RG0 1
T0 = , S0 = [1.100]
1 + RG0 1 + RG0
sea y d la respuesta deseada a la referencia
y d = Td r [1.101]
RG0 1
y = y − y d = r − yd + v [1.102]
1 + RG0 1 + RG0
 RG0  1
y =  − Td  r + v [1.103]
 1 + RG0  1 + RG0
∂y ∂y G0 ∂R RG0 2 ∂R G0 2 ∂R
= = r− r − v [1.104]
∂θ ∂θ 1 + RG0 ∂θ (1 + RG0 ) ∂θ (1 + RG0 ) ∂θ
2 2
∂y 1  ∂R ∂R ∂R  1 ∂R
= T0 r − T0 2 r − T0 S0 v = T0 r − T0 2 r − T0 S0 v  [1.105]
∂θ R  ∂θ ∂θ ∂θ  R ∂θ
T0 y S0 no son conocidas

se sabe que
T0 y = T0 2 r + T0 S0 v [1.106]
se puede reescribir [1.105]

∂y 1 ∂R 1 ∂R
= [T0 r − T0 y ] = T0 ( r − y ) [1.107]
∂θ R ∂θ R ∂θ
en donde sigue sin conocerse T0 .
Pero si se realizan los siguientes experimentos:
1) se realiza un primer ensayo con una referencia r1 = r , obteniéndose una res-
puesta
y1 = T0 r + S0 v1 [1.108]
2) el segundo ensayo se efectúa con una referencia r2 = r − y1 , obteniéndose
una respuesta
y2 = T0 ( r − y1 ) + S0 v2 (1.109)

Si se reemplaza (1.109) en [1.107] resulta
∂y 1 ∂R 1 ∂R
= T0 ( r − y ) = [ y2 − S0 v2 ] [1.110]
∂θ R ∂θ R ∂θ
con lo que se podría tomar como aproximación,
∂y 1 ∂R
= y2 [1.111]
∂θ R ∂θ
Con la actuación ocurre algo similar. De esta forma se logra el cálculo del gra-
diente del funcional.

Ejemplo 1.1. Regulador PI
En este caso simplificado, se cumple
k p (1 + ki − z −1 )
R= −1
(1.112)
1− z
por ende
∂R 1 + ki − z −1 ∂R kp
= , = (1.113)
∂k p 1− z −1
∂ki 1 − z −1
 1 + ki − z −1   1   1 
−1    k   k 
∂y 1− z 1− z −1
 p
 y2 = 
p
y
=   y =
∂θ k p (1 + ki − z −1 ) 
(1.114)
kp 
2
 1   1 (1 + k i )  2
 1 − z −1   1 + k − z −1   −1 
 i   1 − 1 ( i) 
1 + k z
 1 
 k 
∂u  p
 u = ∆u
= (1.115)
∂θ  1 (1 + ki )  2 2
 −1 
 1 − 1 ( i) 
1 + k z

∂J (θ ) 1  N d ∂y
N
∂u 
=  ∑ ( y1k − yk ) + λ ∑ u1k
∂θ 
(1.116)
∂θ N  k =1 ∂θ k =1
Algoritmo:
1) Cálculo del vector ∆
2) Ensayo 1
3) Ensayo 2
∂y ∂u
4) Cálculo de los gradientes y
∂θ ∂θ
∂J
5) Cálculo del gradiente
∂θ
∂J
6) Ajuste de los parámetros con la ley θ k +1 = θ k − γ k Rk−1
∂θ
7) volver al paso 2)

Simulaciones
plot(yes);grid
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 200 400 600 800 1000 1200

plot([ym ydd]);grid
1.4
1.2
0.8
0.6
0.4
0.2
-0.2
0 50 100 150
plot(j);grid
140
120
100
80
60
40
20
0
1 1.5 2 2.5 3 3.5 4 4.5 5

plot(th');grid
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 6

Código
%Sistema continuo
Bc= 1;
Ac=poly([-1 -2 -1]);
na=length(Ac)-1;
syscont = tf(Bc,Ac);
%Sistema en variables de estado

Pss = ss(syscont);
[a,b,c,d] = ssdata(Pss);
% y su respuesta al escalón ...
t = 0:0.01:10;
u = ones(size(t));
yes = lsim(syscont,u,t);
T=.2;
% Parámetros del regulador PID
kp = 0.05;
ki = 0;
%kp = 0.1522; % 56 it .001
%ki = 0.0470; % 56 it .001
kd = 0;
iter = 5;
j=zeros(1,iter);
th=zeros(2,iter+1);
th(:,1)=[kp;ki];
lambda=.0;
Tfin = 30;
precision= .02;
t = 0:precision:T;

ref = 1;
y = zeros(size(t));
ly = length(t);
nd = Tfin/T;
ed = zeros(nd,1);
ud1 = zeros(nd,1);
yd1 = zeros(nd,1);
ud2 = zeros(nd,1);
yd2 = zeros(nd,1);
ud3 = zeros(nd,1);
yd3 = zeros(nd,1);
ym = zeros(nd,1);
ydd = [];
var =.001;
gamma=.5;
% Cálculo de La respuesesta del modelo

am=.5;
for i = 3:nd
ym(i) = am*ym(i-1)+ (1-am)*ref;
end;
for k = 1:iter
% Experimento 1
x0= zeros(1,na);
y = zeros(size(t));
yy = 0;
uu = 0;
int = 0;
for i = 3:nd
% Regulador

yd1(i) = y(ly)+ var*randn;
ed(i)=ref- yd1(i);
int = int + ki * ed(i);
der = kd * (yd1(i)-yd1(i-1));
ud1(i)=kp*(ed(i)+ int + der);
u = ud1(i) * ones(size(t));
% Sistema
s=size(x0);
[y, tt, x0] = lsim(Pss,u,t,x0(s(1),:));
yy = [yy ; y];
uu = [uu ; u'];
end;
% Experimento 2
x0= zeros(1,na);
y = zeros(size(t));
yy = 0;
uu = 0;
int = 0;
for i = 3:Tfin/T
% Regulador
yd2(i) = y(ly)+ var*randn;
ed(i)=ref - yd1(i) - yd2(i);
int = int + ki * ed(i);
der = kd * (yd2(i)-yd2(i-1));
ud2(i)=kp*(ed(i)+ int + der);
u = ud2(i) * ones(size(t));
% Sistema
s=size(x0);
[y, tt, x0] = lsim(Pss,u,t,x0(s(1),:));

yy = [yy ; y];
uu = [uu ; u'];
end;
j(k)=(ym-yd1)'*(ym-yd1)+lambda* ud1'*ud1;
dydkp=yd2/kp;
dydki = zeros(nd,1);
for i = 3:nd
dydki(i) = 1/(1+ki)*dydki(i-1)+1/(1+ki)*yd2(i);
end;
dudkp=ud2/kp;
dudki = zeros(nd,1);
for i = 3:nd
dudki(i) = 1/(1+ki)*dudki(i-1)+1/(1+ki)*ud2(i);
end;
dydp=[dydkp';dydki'];
dudp=[dudkp';dudki'];
yt=yd1-ym;
djdp=(dydp*yt+lambda*dudp*ud1)/nd;
kp=kp-gamma*djdp(1);
ki=ki-gamma*djdp(2);
th(:,k+1)=[kp;ki];
ydd=[ydd yd1];
end

Referencias
1. Häkan Hjalmarsson, Michel Gevers, Svante Gunnarsson, Olivier Lequin,, Iterative
Feedback Tuning: Theory and Applications – IEEE Control Systems – Agosto
1998
2. G.C. Goodwin, S.F. Graebe, and M.E. Salgado. Control System Design. Prentice
Hall, 2001.
3. K. Astrom, B Wittenmark. Computer Controlled Systems. Prentice Hall, 1997.
4. Äström, K., Hägglung: Automatic Tuning of PID Controllers, ISA – 1988
5. Stephanopoulos

03 Reguladores Clasicos PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

03 Reguladores Clasicos PDF

Enviado por

Direitos autorais:

Formatos disponíveis

1.

1. AJUSTE DE PIDS ....................................................................................................1

03 Reguladores Clásicos Nuevo.docx 1

03 Reguladores Clásicos Nuevo.docx 2

03 Reguladores Clásicos Nuevo.docx 3

03 Reguladores Clásicos Nuevo.docx 4

03 Reguladores Clásicos Nuevo.docx 5

03 Reguladores Clásicos Nuevo.docx 6

03 Reguladores Clásicos Nuevo.docx 7

03 Reguladores Clásicos Nuevo.docx 8

03 Reguladores Clásicos Nuevo.docx 9

03 Reguladores Clásicos Nuevo.docx 10

03 Reguladores Clásicos Nuevo.docx 11

03 Reguladores Clásicos Nuevo.docx 12

03 Reguladores Clásicos Nuevo.docx 13

03 Reguladores Clásicos Nuevo.docx 14

se debe lograr que Qe = Qs o sea

03 Reguladores Clásicos Nuevo.docx 15

03 Reguladores Clásicos Nuevo.docx 16

03 Reguladores Clásicos Nuevo.docx 17

03 Reguladores Clásicos Nuevo.docx 18

03 Reguladores Clásicos Nuevo.docx 19

Solo se necesita la acción derivativa hasta cierta frecuencia

03 Reguladores Clásicos Nuevo.docx 20

03 Reguladores Clásicos Nuevo.docx 21

03 Reguladores Clásicos Nuevo.docx 22

03 Reguladores Clásicos Nuevo.docx 23

03 Reguladores Clásicos Nuevo.docx 24

03 Reguladores Clásicos Nuevo.docx 25

Cuando no hay saturación

03 Reguladores Clásicos Nuevo.docx 26

03 Reguladores Clásicos Nuevo.docx 27

03 Reguladores Clásicos Nuevo.docx 28

03 Reguladores Clásicos Nuevo.docx 29

03 Reguladores Clásicos Nuevo.docx 30

03 Reguladores Clásicos Nuevo.docx 31

Método de Respuesta en frecuencia

03 Reguladores Clásicos Nuevo.docx 32

03 Reguladores Clásicos Nuevo.docx 33

03 Reguladores Clásicos Nuevo.docx 34

¡Ojo con las unidades! ¡Ojo con la forma del PID!

03 Reguladores Clásicos Nuevo.docx 35

se aproxima entrada y salida a dos senoides y la ganancia crítica de Z-N sería

de acuerdo a la segunda tabla el regulador PID será

03 Reguladores Clásicos Nuevo.docx 37

queremos ubicar esta respuesta a una determinada frecuencia en un punto

Podríamos hacer el diseño por el método de márgen de amplitud es decir que

la ganancia proporcional es la parte real del regulador

03 Reguladores Clásicos Nuevo.docx 39

03 Reguladores Clásicos Nuevo.docx 41

03 Reguladores Clásicos Nuevo.docx 42

03 Reguladores Clásicos Nuevo.docx 43

03 Reguladores Clásicos Nuevo.docx 44

03 Reguladores Clásicos Nuevo.docx 45

03 Reguladores Clásicos Nuevo.docx 46

03 Reguladores Clásicos Nuevo.docx 47

Si se toma esta condición de diseño se obtiene

03 Reguladores Clásicos Nuevo.docx 48

03 Reguladores Clásicos Nuevo.docx 49

Bˆ e ( s ) contiene los ceros estables y

se considera la ganancia estática de Bˆi ( s )

03 Reguladores Clásicos Nuevo.docx 50

03 Reguladores Clásicos Nuevo.docx 51