MAESTRIA EN CONTROLES INDUSTRIALES

MODELACIÓN Y SIMULACIÓN DE
SISTEMAS DINÁMICOS

JORGE LUIS DIAZ RODRIGUEZ

UNIVERSIDAD DE PAMPLONA

Junio 2007
CONTENIDO DEL CURSO

1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas Fluídicos (Líquidos y
Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas Fluídicos (Líquidos y Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
 Definición de Sistema
Sistemas es un objeto o conjunto de objetos sobre los cuales queremos
estudiar sus propiedades.

Ejemplo
 El sistema solar
 Un bosque tropical
 Una máquina para papel
 Un condensador y una resistencia

Ahora, si queremos saber algo sobre esos sistemas, por ejemplo:

Cuando ocurrirá el siguiente eclipse solar?
Como debo ajustar las válvulas para mejorar la calidad del papel?
Que pasaría si conecto el condensador con la resistencia?
 Experimentación

La principal actividad para las ciencias naturales ha sido hacer

apropiadas preguntas sobre las propiedades de un sistema para
luego ser respondidas por medio de la experimentación …………

Pero …… tiene sus limitaciones como:

 Puede ser muy costoso

 Es muy peligroso
 Que pasa con las pruebas si el sistema aún esta en
diseño?

Entonces para evitar todo esto primero tenemos que hacer un

MODELO del sistema
 Modelos Matemáticos

Que es un modelo?

Es una herramienta que se usa para responder las

preguntas acerca de un sistema sin tener que hacer
ningún experimento.

Modelo Matemático
Es aquel que describe las relaciones entre cantidades
(distancias, corrientes, flujos, desempleo etc.) que pueden ser
observadas en un sistema como relaciones matemáticas en un
modelo.
 Modelos y Simulación

Que pasa si por cualquier razón no se pueden realizar

experimentos en un sistema, pero existe la posibilidad de usar un
modelo?

Rta: El modelo puede ser usado para calcular cual seria la

respuesta del sistema ante ciertas circunstancias.

Como se usaría el modelo?

Rta: Puede ser usado analíticamente …....resolviendo las

ecuaciones matemáticas y estudiando la respuesta.

Problema: muy costoso en tiempo

 Modelos y Simulación cont.

Otras soluciones?

Con el uso de computadores, se pueden realizar experimentos

numéricos sobre el modelo ……………..

! SIMULACION !
Por lo tanto simulación es una forma rápida, barata y segura
para experimentar con un sistema.

Nota: La confiabilidad de los resultados obtenidos depende

completamente de la calidad del modelo del sistema en
cuestión.
 Modelación
Como construir un modelo?
Existen básicamente dos diferentes principios para la construcción
de modelos:

• Modelado físico
• Identificación

Modelado físico es basado en dividir las propiedades de un sistema

en subsistemas cuyo comportamiento es conocido.

Identificación de sistemas es basado en tomar observaciones del

sistema con el fin de ajustar las propiedades de un modelo
matemático a las del sistema.
 Validación

Como validar un modelo?

Básicamente, comparando el comportamiento del modelo con el del
sistema y evaluando la diferencia.

Nota: Todos lo modelos tienen un rango limitado de confiabilidad!

Por ejemplo:

Las leyes de movimiento de Newton son válidas con

mucha precisión en un amplio espectro de velocidades, pero cerca de
la velocidad de la luz estas son incapaces de describir el movimiento
de las partículas
 Clases de Modelos Matemáticos
Estocásticos y Determinísticos

Determinístico si trabaja con una relación exacta entre las

variables medidas y derivadas y se expresa sin incertidumbre.

Estocástico si trabaja con conceptos de incertidumbre o

probabilísticos

Determinístico Estocástico

d d
x(t )  f ( x, p, t )  B( p, t )u (t ) x(t )  f ( x, t )  B(t )u (t )  w(t )
dt dt
y (t )  C ( x, p, t ) y (t )  C ( x, t )  v(t )
 Clases de Modelos Matemáticos cont.
Dinámicos y Estáticos

Si el modelo solo usa información presente de las variables, se puede

decir que este modelo es estático.

Ahora si el modelo usa información presente y pasada de las

variables, se puede decir que es un modelo dinámico

Estático Dinámico

m d 1
 i (t )  e(t )  e(0)
v dt L
 Clases de Modelos Matemáticos cont.
Concentrados y Distribuidos
Si los eventos en un sistema están dispersos sobre el espacio de
las variables, estos se llama modelos de parámetros distribuidos,
y se describen con ecuaciones diferenciales parciales.

Si los eventos son descritos por un numero finito de variables

cambiantes, estamos hablando de modelos concentrados, y se
describen con ecuaciones diferenciales ordinarias.

Parámetros Concentrados Parámetros Distribuidos

T
Ti Ti+1...
1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas Fluídicos (Líquidos y Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
 Sistemas Mecánicos

 Variables:
x = Desplazamiento (m)
v = Velocidad (m/s)
a = Aceleración (m/s2)
f = Fuerza (N) Newton = Kg-m/s2
w = Energía (J) Joules = N-m
p = Potencia (w) watts = J/s
 Sistemas Mecánicos

 Sistemas Mecánicos de Traslación

 Sistemas Mecánicos de Rotación

 Leyes Fundamental de Masa (M)

 Segunda Ley de Newton

d
 mv   f
dt

La sumatoria de fuerzas que actúan sobe un cuerpo

es igual a la variación en el tiempo de su momento

Ahora, asumiendo una masa constante:

d
m v  f  f  ma
dt
 Leyes Fundamental de Masa (m) cont.
 Energía Cinética y Potencial

La energía acumulada en una masa es almacenada como

cinética si la masa esta en movimiento
1 2
wk  mv
2
y como potencial si la masa tiene un desplazamiento
vertical relativo a su posición de referencia.

w p  mgh
Donde,
g = gravedad = 9.807 m/s2
h = Altura sobre su posición de referencia
 Leyes Fundamentales de Fricción

v  v2  v1
f  Bv

B = Coeficiente de fricción (N-s/m)

La dirección de la fuerza de fricción siempre va en

sentido contrario al movimiento de la masa
 Fricción Viscosa

La fricción viscosa también es usada para modelar amortiguamiento

f  Bv2  v1 
 Leyes Fundamentales de Elasticidad

Cualquier elemento mecánico que se deforma cuando es

sometido a una fuerza es catalogado como un elemento elástico.
El elemento elástico mas conocido es el resorte:

f  kx

Resorte Lineal

La energía potencial almacenada en un resorte que ha sido

elongado o comprimido esta dada por:
1
w p  k (x) 2
2
 Leyes Fundamentales de Palanca

Palanca ideal
Rígida
Cero masa
No fricción
No momento

Para pequeños movimientos q  0

d2
x2  x1
x1  d1q1 d1
x2  d 2 q 2 d2
v2  v1
d1
 Leyes de Interconexión

  f ext i  M
d
 Segunda Ley de newton v(t )
i dt

 Tercera ley de newton: Acción y Reacción

Cualquier tipo de fuerza que un elemento haga sobre otro,
habrá una fuerza de reacción sobre el primer elemento de igual
magnitud y dirección opuesta.
 Leyes para Desplazamiento
Si dos elementos son conectados, estos se verán forzados a
moverse con el mismo desplazamiento y velocidad.

 x
i
i 0

x1  x1  0 x1  x2  x1   x2  0
 Modelación de un Sistema

Sistema

dx Salidas
Entradas  ........
dt
 Diagrama de Cuerpo Libre
Consiste en hacer diagramas independientes de las fuerzas que
actúan en cada uno de los cuerpos en cuestión!

 f 
d
ext i  M v(t )
i dt
 Diagrama de Cuerpo Libre cont.
Ejemplo 1: Diagramas de cuerpo libre

f M1  M1x1

Bx2  x1   k2 x2  x1   k1x1  M1x1

f M2  M 2 x2

f (t )  Bx2  x1   k2 x2  x1   M 2 x2

 Diagrama de Cuerpo Libre cont.

Bx2  x1   k2 x2  x1   k1x1  M1x1 x1(t)

f(t)
f (t )  Bx2  x1   k2 x2  x1   M 2 x2 x2(t)
Modelación Sistemas Mecánicos Ejemplos
Ejemplo 2: Sistema traslacional con movimiento vertical

f (t )  Mg  kx  Bx  Mx

Asumiendo que la masa esta en reposo, el resorte debe

compensar el peso de la masa, o sea
Mg  Kx0
y si tomamos x=x0+z, donde z es el desplazamiento causado
por f(t), tenemos:
f (t )  kz  Bz  Mz
Modelación Sistemas Mecánicos Ejemplos
 Ejemplo 3:

f M1  M 1x1
f M2  M 2 x2
f (t )  f k1  f B1  M 1x1 Bx1  x2   k2 x2  B3 x2  B2 x2  M 2 x2
f (t )  k1 x1  B( x1  x2 )  M 1x1 Bx1  x2   k2 x2  B3  B2 x2  M 2 x2
 Modelación Sistemas Mecánicos Ejemplos
 Ejemplo 4:

f M2  M 2 x2 f A 0 f M1  M 1x1
f t   f A  M 2 x2 f A  f k2  0 f k2  f k1  f B  M 1x1
f A  k 2 ( x2  x1 ) k 2 x2  x1   k1 x1  Bx1  M 1x1
 Formas Estándar para
Modelación de Sistemas

Con el fin de facilitar la solución del conjunto de ecuaciones

diferenciales que describen el comportamiento de un sistema
dinámico, es muy importante tener en cuenta la forma como este
es definido!

 ECUACIONES EN VARIABLES DE ESTADO

 ECUACIONES DE ENTRADA-SALIDA
 Ecuaciones en Variables de Estado

Definición de estado de un sistema

El estado de un sistema en un tiempo t0 es una cantidad de
información tal que con ese estado y el conocimiento de u(t),
t  0, se puede calcular y(t), t  0.

Un sistema descrito por variables de estado, esta descrito por un

conjunto de ecuaciones diferenciales de primer orden

q1  f1 (q1 , q2 ,, qn , u1 , u2 ,, um , t )

q 2  f 2 (q1 , q2 ,, qn , u1 , u2 ,, um , t )

q n  f n (q1 , q2 ,, qn , u1 , u2 ,, um , t )
 Ecuaciones en Variable de Estado cont.

Las ecuaciones en variables de estado, deben expresar la derivada de

cada una de las n variables como una función algebraica cuyos
argumentos pueden ser únicamente variables de estado, entradas, o
tiempo.

Como escoger la variables de estado de un sistema?

Las variables de estado estaran normalmente asociadas

con los elementos almacenadores de energía del sistema

Ej:
 Ecuaciones en Variables de Estado cont.

1) Identifique las variables de estado y escriba esas ecuaciones

de variable de estado que no necesiten un diagrama de
cuerpo libre
x  v
2) Dibuje los diagramas de cuerpo libre para cada una de las
masas independientes y puntos de junturas. Obtenga el
conjunto de ecuaciones diferenciales.

Mx  Bx  kx  f (t )
Mv  Bv  kx  f (t )
 Ecuaciones en Variables de Estado cont.

3) Escriba las ecuaciones en forma de variables de estado. Para

cada uno de las variables de estado, debe haber una ecuación
que exprese su derivada como una función algebraica de las
variables de estado, entradas, o tiempo.
x  v

v   kx  Bv  f (t )
1
M
4) Cuando sea necesario, exprese las variables de salida como
una función algebraica de las variables de estado, entradas, o
tiempo.
 Modelos Lineales en Variables de Estado

En general tenemos que un modelo en espacio de estado esta dado

por:
x (t )  f  xt , u t 
y (t )  h xt , u t 

Pero si f(x, u) y h(x, u), son funciones lineales de x y u tenemos:

f(x, u) = Ax + Bu
h(x, u) = Cx + Du

Donde : A: n x n B: n x m
C: p x n D: p x m
 Modelos Lineales en Variables de Estado cont.

Ej:

f (t )  Bx2  x1   k2 x2  x1   M 2 x2

Bx2  x1   k2 x2  x1   k1x1  M1x1

En espacio de estado:
v1 
1
 Bv1  Bv 2  k2 x2  k2  k1 x1 
M1

v2 
1
Bv1  Bv 2  k2 x2  k2 x1  f (t )
M2
x1  v1
x2  v2
 Modelos Lineales en Variables de Estado cont.

Ecuación de Estado
 v1    B m1 B m1   k2  k1  m1 k2 m1   v1  0 
v      
 2    B m2  B m2 k2 m2 k2 m2   v2  1 m2 
 f (t )
 x1   1 0 0 0   x1   0 
      
 x2   0 1 0 0   x2  0 

Ecuación de Salida
v1  1 0 0 0 v1  0
v   0 1 0 0   v  0 
 2  y    2     f (t )
 x1  0 0 1 0  x1  0
      
 x2  0 0 0 1  x2  0
 Ecuaciones de Entrada-Salida

Eliminando todas las variables excepto las entradas, salidas y

sus derivadas.

Para un sistema SISO (Single Input, Single Output)

an y ( n )    a2 y  a1 y  a0 y (t )  bmu ( m )    b1u  b0u (t )

donde
y(n)=dny/dtn
u(m)=dmu/dtm
m<n
 Ecuaciones de Entrada-Salida cont.
Ejemplo: Escriba las ecuaciones de entrada-salida para el
siguiente sistema

f (t )  Bv1  kx1  Ma1

f (t )  Bx1  kx1  Mx1
Mx1  Bx1  kx1  f (t )
 Ecuaciones de Entrada-Salida cont.

Ejemplo: Encontrar las ecuaciones de entrada-salida

que relacionan x1 y f(t).

Bx2  x1   k2 x2  x1   k1x1  M1x1

f (t )  Bx2  x1   k2 x2  x1   M 2 x2

 Ecuaciones de Entrada-Salida cont.

Definamos al operador p como p=d/dt

Entonces tenemos:

B( px2  px1 )  k 2 ( x2  x1 )  k1 x1  M 1 p 2 x1 (1)

f (t )  B( px2  px1 )  k 2 ( x2  x1 )  M 2 p 2 x2 (2)

Despejando x2 en (1) y remplazando en (2) tenemos

M1M 2 x (iv)  M1  M 2 Bx1  M1k2  M 2 k1  k2 x1  Bk1 x1  ...
 k k x  Bf (t )  k f (t )
1 2 1 2
 Comparación Entre Ecuaciones en Variables de
Estado y Ecuaciones de Entrada-Salida

 El orden de las ecuaciones de entrada-salida es igual al numero de

variables de estado.
 Para sistemas de primer orden, ambos sistemas tienen una ecuación
diferencial de primer orden y son esencialmente idénticas.
 Para sistemas de alto orden, en los sistemas en variables de estado se tiene
que resolver un conjunto de n ecuaciones diferenciales en grupo, y
debemos conocer los valores iniciales de las variables de estado para
resolver las ecuaciones.
 Para sistemas de alto orden, los sistemas en ecuaciones de entrada-salida
solo tienen una variable dependiente, pero se necesita conocer el valor
inicial de sus primer n-1 derivadas.
 En la practica es más fácil resolver un sistema en variables de estado.
 El uso de ecuaciones en variables de estado tiene una gran ventaja desde
el punto de vista computacional, por que estas se pueden expresar en
forma matricial.
 El uso en ecuaciones en variables de estado es mejor para sistemas MIMO
(Multiple Input, Multiple Output).
 Sistemas Mecánicos Rotacionales

Variables:
q = Desplazamiento angular (rad)
 = dq /dt = Velocidad angular (rad/s)
 = d /dt = Aceleración angular (rad/s2)
 = Torque (N-m = J)
p =   = Potencia (w = J/s)
 Ley Fundamental de Momento de Inercia
Aplicando la segunda ley de newton al elemento diferencial de masa,
y luego integrando sobre todo el cuerpo tenemos:

d
J   
dt

J   r 2 dm
cuerpo

Donde
= Torque total aplicado alrededor de los ejes fijos de rotación
(N-m)
J = Momento de inercia (kg-m2)
J = Momento angular de cuerpo (kg-m2/s)
 Ley Fundamental de Momento de Inercia cont.

La energía cinética esta dada por:

1
wk  J 2
2

La energía potencial esta dada por:

w p  Mgh
 Fricción Viscosa Rotacional

  B 2  1   B
Ley Fundamental de Rigidez en Rotación

  kq
Ley Fundamental para Ruedas Dentadas

r2 n2 q 1 r2 1 r2
 N  N  N
r1 n1 q 2 r1  2 r1
Ley Fundamental para Ruedas Dentadas cont.

Diagrama de Cuerpo Libre

fr1  1  0 2 r2
   N
fr2   2  0 1 r1
2 1
  N
1 2
 Leyes de Interconexión

Segunda Ley de Newton

  
i
ext i  J

Ley de Reacción de Torques

 Diagrama de Cuerpo Libre

  k2 q2  q1   J 2 2 k2 q2  q1   k1q1  J11

 Ejemplo Sistema Rotacionales

Ejemplo: Escriba las ecuaciones en variables de

estado y en ecuaciones de entrada-salida

Diagramas de cuerpo libre

 Ejemplo Sistemas Rotacionales cont.

Aplicando la segunda Ley de Newton

  
ext 2  J 2 2

  k2 q2  q1   B22  J 2 2

  
ext 1  J11

k2 q2  q1   k1q1  B11  J11

 Ejemplo Sistemas Rotacionales cont.

Variables de estado?
q1  1
q2  2
Ecuaciones en variables de estado

q1  1

1 
1
 k1  k 2q1  B11  k2q 2 
J1
q2  2

 2 
1
k2q1  k2q 2  B22   
J2
 Linealización de Sistemas no Lineales

Porque Linealizar?
En general todos los sistemas son no lineales!

Ejemplo, la constante de un resorte

Objetivo: Obtener un modelo alrededor del punto de operación

cuya respuesta sea lo mas próxima posible a la del modelo
real no lineal.
Propiedades de los Sistemas Lineales

Superposición

u1 f(t) y1
= u +u f(t)
u2 f(t) 1 2 y1+y2
y2

Homogeneidad
bu by
u f(t) y => f(t)

Para que un sistema sea lineal debe cumplir

con estas dos propiedades!
 Ejemplos de Sistemas no Lineales

 Un sistema caracterizado por la función f(x) = x2, es no

lineal porque no cumple con la condición de superposición

f(x1 ) = x12 , f(x2) = x22 ,

f(x1+x2) = (x1+x2)2  f(x1) + f(x2)

 Un sistema caracterizado por la función f(x) = mx + b, es no

lineal porque no cumple con la condición de homogeneidad

f(bx) = mbx+b  b(mx+b)

 Linealización de Sistemas no Lineales
alrededor de un Punto de Operación
Linealización de un elemento de sistema alrededor de un punto de
operación

x(t )  x  x(t )
Donde
x = Valor nomimal de x
x (t ) = Variable incremental de x(t)
Metodo Linealización Gráfico

df
k
dx x x

f  f  k x  x 
f  f  k x  x 

Ecuación incremental

f  kx
 Linealización usando Expansión en
Series de Taylor
 Método de expansión en series de Taylor

Las series de expansión del Taylor alrededor del punto de

operación ( x , f ) esta dada por

df 1 d2 f
f ( x)  f ( x )  (x  x)  2
L
dx x x 2! dx x x

Pero podemos asumir que los términos de mayor orden son  0,

entonces tenemos

df df
f ( x)  f ( x )  (x  x) f ( x)  x
dx x x dx x x
 Pasos a Seguir en una Linealización

1. Escribir el conjunto de ecuaciones algebraicas que

describen el comportamiento del sistema
2. Definir el punto de operación en condiciones de estado
estable.
2. Linealizar alrededor del punto de operación aquellas
ecuaciones que presenten comportamientos no lineales
3. Redefina las ecuaciones lineales en función de las
respectivas variables incrementales
4. Determine las condiciones iniciales para las variables
incrementales
 Ejemplo Linealización

Ejemplo: Determinar un modelo lineal valido para pequeñas

variaciones de q alrededor de 0o

Diagrama de cuerpo libre

  Jq

  MgLsenq   Jq Modelo No lineal !

  MgLsenq   ML2q por el senq
 Ejemplo Linealización cont

Linealizando la función seno alrededor de seno tenemos:

sen(q)  f (q)  f (0) 

df
dq q0
q  0o 
f (q)  0  q cos(0)  q
sen(q)  q

Entonces nos queda el modelo linealizado alrededor

del punto de operación, así

  MgLq  ML2q
 Linealización de Sistemas Multivariables

Expansión en series de Taylor para una función multivariable

f f
f ( x, y )  f ( x , y )  (x  x)  ( y  y)  L
x x, y y x, y

Linealizando alrededor de un punto de operación

f f
f ( x, y )  f ( x , y )  (x  x)  ( y  y)
x x,y y x,y

f f
f ( x, y )  (x)  (y )
x x,y y x,y
 Ejemplo Linealización

El sistema masa-resorte mostrado en la figura tiene un resorte

lineal y uno no lineal, y están sujetos a la fuerza f

a) Escribir las ecuaciones dinámicas no lineales del sistema

b) Hallar el punto de operación x cuando f = 10
c) Derivar el modelo linealizado cuando f = 10 + f
.
d) Calcule los valores iniciales x(0), x(0), si x(0) =3m y
.
x(0)=1m/s
 Ejemplo Linealización cont.

Solución
Para: M = 2Kg, k=3N/m

a) Diagrama de cuerpo libre

f (t )  3x  x | x | 2 x

b) Para f=10 en estado estable tenemos que

x  0 3x  x 2  10
=> x2
 Ejemplo Linealizacion cont.

c ) Como f(t) es aplicada de tal forma que la deformación del resorte

no lineal es positiva tenemos:

f (t )  3x  x 2  2x

Que es un ecuación no lineal, para linealizarla tenemos que

linealizar el elemento no lineal x2

df ( x)
f ( x)  f ( x )  (x  x)
dx x
f ( x)  f ( x )  4( x  x )
f ( x)  4x
 Ejemplo Linealización cont.

La ecuación lineal alrededor del punto de operación en

variables incrementales queda:

f (t )  3x  4x  2x

f (t )  7x  2x

d) x (0)  x (0)  x  1 m / s

x(0)  x(0)  x  1 m
1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas Fluídicos (Líquidos y Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
 Sistemas Eléctricos

Variables
e = Voltaje en Voltios (V)
i = Corriente en Amperios (Amp)
q = Carga Eléctrica en Coulombs (C)
f = Flujo en Webers (Wb)
L = Flujo en Webers-vueltas (Wb-v)
 Resistencia Eléctrica

Ley de Ohm e = Ri,

Donde R es la resistencia en ohmios W.

La energía disipada esta dada por

p=Ri2=1/R e2 (Watts)
 Capacitancia Eléctrica

q(t) = Ce(t)
i(t) = Cde(t)/dt
t
1
e(t )  e(t 0 )   i ( )d
C t0

La energía entregada a un capacitor es almacenada en

su campo eléctrico y esta dada por:

w=1/2*Ce2
 Inductancia Eléctrica

d
e(t )  ( Li (t ))
dt

La energía almacenada en el campo magnético esta dada por:

1 2
w  Li
2
 Fuentes Eléctricas

Fuentes Eléctricas de Voltaje:

Fuentes Eléctricas de Corriente:

 Ley de Interconexión para Voltajes

Ley de Voltaje de Kirchhoff

La sumatoria de voltajes en un lazo cerrado debe ser igual a cero

e
j
j 0

e(t )  eR (t )  eC (t )  0
eC (t )  eL (t )  0
 Ley de Interconexión para Corrientes Eléctricas

Ley de corrientes de Kirchhoff

ij
j 0

i ( A) 0
i R  iC  i L  0
 Circuitos Resistivos

Resistencias en serie

Aplicando la Ley de Ohm en las

2 resistencias tenemos

e1  iR1
e 2  iR 2

Ahora de la ley de voltaje de Kirchhoff

e  e1  e2
Figura (1)
e  i ( R1  R2 )

De aquí Req=R1+R2
 Divisor de Voltaje

De la Figura (1)

 R1  Divisor de voltaje
e1   e
 R1  R2  e1 R1

 R2  e 2 R2
e2   e
 R1  R2 

Resistencias en Paralelo
 Resistencias en Paralelo

Aplicando la ley de Ohm y luego la ley de Kirchhoff para

corrientes tenemos:

e  i1 R1  i2 R2

i  0
i  i1  i2  0

Reescribiendo las ecuaciones anteriores tenemos

 1 1 
i    e
 R1 R2  Req 
R1 R2
1 1 1 R1  R2
 
Req R1 R2
 Variables de Estado en Sistemas Eléctricos

La escogencia de las variables de se hace estado

preferiblemente tomando aquellas relacionadas con el
almacenamiento de energía como son el voltaje en los
capacitores y las corrientes en las inductancias

d 1
eC  i C
dt C
d 1
iL  eL
dt L
 Ejemplo Variables de Estado

Ejemplo: Escribir las ecuaciones en variables de estado para el

siguiente circuito

Ley de voltajes de Kirchhoff en I y II

e (I ) 0 e II 0

e(t )  eR (t )  eC (t )  0 eC (t )  eL (t )

Ley de corrientes de Kirchhoff en A

i R (t )  iC (t )  i L (t )
 Ejemplo Variables de Estado cont.

Ahora definimos las variables de estado como

x1  eC (t )
x 2  i L (t )

Luego, se obtiene

d
iC (t )  C eC (t )
dt iC (t )  Cx1
d eL (t )  Lx2
e L (t )  L i L (t )
dt
 Ejemplo Variables de Estado cont.

Reescribiendo las ecuaciones anteriores tenemos

x1 x 2 e(t )
x1      1 1
RC C RC  x1   RC 
C   x1   1 e(t )
x2  x    1   x2  0
x 2   2  0 
L  L 

Si queremos saber cual es el comportamiento del voltaje

en la resistencia, entonces:

eR  e(t )  eC (t )  e(t )  x1
 x1 
eR   1 0   1e(t )
 x2 
 Circuitos Eléctricos no Lineales

Resistencias no lineales

Ejemplo: Escribir las ecuaciones en variables de estado del circuito

de la figura, el cual contiene un resistor que obedece a iR=1/8e3C.
Encontrar el punto de operación cuando e(t)=2+e(t), y derive las
ecuaciones en variables de estado en termino de variables
incrementales.
 Resistencia no Lineales Ejemplo

Solución

Primero se escogen como variables de estado eC(t) e iL(t)

x1  eC , x2  iL

Aplicamos la ley de Kirchhoff para voltajes en I, II y III

en (II) tenemos:
e(t) = eC+eL = eC+LdiL/dt
en (I):
eC = eR
en (III):
eL = eR1 = LdiL/dt
 Resistencia no Lineales Ejemplo cont.

Ahora aplicamos la ley de Kirchhoff para corrientes en el nodo (A)

1
iL  eL  e3C  2eC  0
8
Luego, obtenemos:

i L  e(t )  eC 
d 1
dt 3

d 1 1 3 
eC  e(t )  i L  e C  eC 
dt 2 8 

Ecuación no lineal!
 Resistencia no Lineales Ejemplo cont.

Para obtener el modelo linealizado, primero evaluamos el sistema en

el punto de operación para condiciones de estado estable:
e, i , ec
1 3
e  i L  e C  eC  0
8
e  eC  0

Como el punto de operación esta dado para e = 2, tenemos

eC  2, i L  1, i R  1
eC  2  eC
i L  1  i L
e(t )  2  e(t )
 Resistencia no Lineales Ejemplo cont.

Para linealizar iR=1/8 e3C ,tomamos los 2 primeros términos de la serie

de Taylor de iR

1 3 3
i R  e 3 C  e 2 C (eC  eC )  1  eC
8 8 2

Ahora remplazando en las ecuaciones anteriores obtenemos las

ecuaciones lineales en variables de estado:

1 5 
eC   e  i  e (t )
2  2 
C L

iL   eC  e(t )

1
3
Diodo
Transistor
1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas de Fluidos (Líquidos y
Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
 Systems and Processes

Surroundings
A system consist of any matter System
identified for investigation
Boundary

• Closed system: the boundary does not permit mass

to pass from system.
• Open system: the system is able to exchange mass
with its surroundings.
 Processes

A process causes changes in the system or surroundings

Batch Semi-batch

or

t=0 t t=tf

Continuous
 Law of Mass Conservation

General Mass-Balance Equation

 Mas s in   Mas s out   Mass   Mass   Mass 
Through  Through  Generated  Consumed   Accumulated 
         
     
 System   System   within   within   within 

 Boundaries 
 
 Boundaries 
 
 System 
 
 System   System
  

Mˆ i ˆ
M o Mˆ G Mˆ C
M̂

M̂
Mˆ i Mˆ o
System
Mˆ C Mˆ G
 General Mass-Balance Equation

Special Cases:

 For continuous processes, the mass-balance is called

‘differential balance’, and it is based on rates.

 For batch and semi-batch processes, it is called ‘integral

balance’, and it is based on quantities of mass.

 When the process is at steady state, the mass accumulated

within the system is equal to zero, so

Mˆ i  Mˆ G  Mˆ o  Mˆ C

General Steady-State Mass-Balance Equation

 Example

Continuous filtration

Fermentation slurry
120 kg
6% cells
0.05% kanamycin
Filter cake
Continuous rotary
Filter aid vacuum filter
10 kg/h

Filtrate
112 kg/h
0.045% Kanamycin

1) What percentage of liquid is the filter cake?

2) If the concentration of kanamycin in the filter-cake liquid is the
same as in the filtrate , how much kanamycin is absorbed per kg filter aid?
 Example cont.

 Analysis

 Process is operating at steady-state.

 System does not leak.
 Filtrate contains no solids.
 Cells do not absorb or release kanamycin during filtration.
 Filter aid is dry.
 The liquid phase of the slurry, excluding kanamycin, can be
considered water.
 The calculation is based on 120kg slurry entering the filter in 1
hour.

Hence, the general mass-balance equation is

Mass in = Mass out

 Example cont.
1) The mass of liquid water in the filter cake is given by

liquid water in the fermentation slurry - liquid water in the filtrate

Fermentation Slurry Mass in:

Cells solid: 120kg * 6% = 7.2kg
Kanamycin 120kg * 0.05% = 0.06 kg

Liquid water in the fermentation slurry is 120kg – 7.26 kg = 112.74 kg

Filtrate Mass out:

Kanamycin 112kg * 0.045% =0.0504 kg

Liquid water in the filtrate is 112kg – 0.0504kg = 111.95 kg

Therefore, liquid water in the filter cake is 112.74 -111.95= 0.79 kg

Total mass in the filter cake is 120kg + 10 kg – 112kg = 18kg

The percentage of liquid water in the filter cake is 0.79/18 = 4.39 %

 Example cont.

2) The mass of kanamycin in the liquid filter cake is

0.045%*0.79 = 3.6 x 10-4

however, we know that there are 0.01kg of kanamycin in the filter

cake, hence, 0.01-3.6x10-4 = 0.0096 kg is unaccounted that is the
kanamycin retained by the filter aid. Therefore the kanamycin
absorbed per kg filter aid is

0.0096 kg/10kg = 9.6 x 10-4 kg/kg

 Energy Balances

Basic concepts

Kinetic Energy, Ek : Is the energy possessed by a moving system

because of its velocity

Potential Energy, Ep: Is due to the position of the system in a

gravitational or electromagnetic field, or due to the conformation of
the system relative to an equilibrium position (e.g. compression of a
spring)

Internal Energy, U: Is the sum of all molecular, atomic and subatomic

energies of matter. Internal energy cannot by measured directly or
known in absolute terms; we can only quantify change in internal
energy
 Transfer of Energy

Heat (Q):
Is energy which flows across system boundaries because of a
temperature difference between the system and surroundings.

Work:
Is energy transferred as a result of any driving force other than
temperature difference.

Shaft work (Ws) :

Is the work done by a moving part within the system

Flow work (Wf) :

Is the energy required to push water into the system
 Enthalpy

Is the amount of energy in a system capable of doing mechanical

work.
It cannot be measured or known in absolute terms!

It is defined as the combination of two energy terms:

H = U + pV

where, H = enthalpy U = Internal energy

p = pressure V = volume

And the specific enthalpy h= u + pv

u = specific internal energy

p = pressure
v = specific volume
 Units of Energy

 Joule (J) = Nm

 Calorie (cal) = heat required to raise the

temperature of 1g pure water by 1oC at 1 atm pressure.

 Btu = British thermal unit, the amount of energy

required to raise the temperature of 1 lb water by 1oF at 1 atm
pressure.
 General Energy-Balance Equations

Based on the law of conservation of energy

 Energy in   Energy out   Energy 

     
through system   through system   Accumulated 
boundaries  boundaries   within the system
     

Ws Mi = mass in [kg]
Mo = mass out [kg]
Q = heat [J]
Mi System Mo Ws = work [J]
ek = specific kinetic energy [J/kg]
Q ep = specific potential energy [J/kg]
h=u+pv = specific enthalpy [J/kg]

M i  u  ek  ep  pv   M o u  ek  ep  pv   Q  Ws  E
i o
 General Energy-Balance Equations cont.

In general

 M  h  ek  e p    M  h  ek  e p   Q  Ws  E
input output
streams streams

For example in bioprocesses the kinetic and potential energy

can be neglected, then


input
Mh  
output
Mh  Q  Ws  E
streams streams
 General Energy-Balance Equations cont.

For steady-state flow processes E=0


input
Mh  
output
Mh  Q  Ws  0
streams streams

For adiabatic processes (processes in which no heat is

transferred to or from the system) Q=0


input
Mh  
output
Mh  Ws  E
streams streams
 Enthalpy Change in Non-Reactive Processes

Change in temperature:

Sensible heat: heat transferred to raise or lower the

temperature of a material.
Sensible heat change: change in the enthalpy of a system due
to variation in temperature.
Heat capacity, Cp [J gmol-1 oK-1] Heat capacity at constant
pressure

H  MC p T  MC p T2  T1 
M  Mass or moles Cp=constant
h  c p T  c p T2  T1 
 Change of Phase

Latent heat: Heat transfer to or from a system causing change

of phase at constant temperature and pressure.

 Latent heat of evaporation (hv) is the heat required to

vaporize water, for condensation -hv.
 Latent heat of fusion (hf) is the heat required to melt a
solid. For freezing or solidification of liquid to solid (-hf).
 Latent heat of sublimination (hs) is the heat required to
directly vaporize solids

H  M hv
 Due to Reaction

Enzime Activity
+  Reaction in bioprocesses
Cell metabolism

Heat of reaction (Hrn) is the energy released or absorbed during

reaction,

H rn  
products
Mh  
reactants
Mh M=Mass
h=Specific enthalpy
H rn  
products
nh  
reactants
nh n=number of moles

hrn is calculated from the heats of combustion (hc)

of individual compounds
 Heat of Combustion

Is the heat released during reaction of substance with oxigen to

yield certain oxidation products such as CO2 gas, H2O liquid and
N2 gas.

The standard heat of combustion (hoc) is the specific enthalpy

change associated with hc at standard conditions. By convention
this is taken as zero for the products of oxidation.
 Unsteady-State Material and Energy Balances

An unsteady-state or transient process is one which causes system

properties to vary with time.

time

Batch  Inherently Unsteady during start  up

 Continuous 
Semi-batch transient and shut  down
 Unsteady-State Material-Balance Equation

 Mass in   Mass out   Mass   Mass   Mass 

through  through   generated  consumed   accumulated 
         
     
 system   system   within   within   within 
boundaries  boundaries   system   system   system 

Mˆ i Mˆ o RG RC M

System
Mˆ i RG, RC Mˆ o
M

d
M (t )  Mˆ i  Mˆ o  RG  RC
dt
 Unsteady-State Energy-Balance Equation

 Energy in through   Energy out through   Energy accumulated 

   
 system boundaries   system boundaries   within the system 

Wˆs
Mˆ i , Mˆ o  Mass flow rates
System
Mˆ i Mˆ o
Wˆ  Rate of shaft work
s
E
Q̂ Qˆ  Rate of heat removal

d
E (t )   Mh ˆ   Mh ˆ  Qˆ  Wˆ
s
dt input output
streams streams
1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas de Fluidos (Líquidos y
Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
 Fluid Flow

Properties
m
 Density   [kg/m3]
V Po,To

 Equation of State

Liquids 
P  P0    T  T0 
 1
  0 1 
 b 

The bulk modulus (b): the inverse of compressibility

P
b 
V
V0
The thermal expansion coefficient ()
V
V0

T
P0 ,T0
 Equation of State

 Gases   P R= Gas constant

RT
b  nP0
P0 the absolute pressure of the gas

n=1 for an isothermal process

n=k for an adiabatic process (k= ratio of specific heats)
n=0 for an isobaric process
n= for an isovolumetric process
 Viscosity

 Viscosity (): the ability of the fluid to support a shear

stress  between a relative velocity of a fluid and a solid
boundary.

dv
 
dy Newton´s law of viscosity
dv
dy = Shear rate

 = Dynamic viscosity
 Viscosity

• Newtonian fluids   is constant

• Non-Newtonian fluids   is not constant

Slurries, suspensions and dispersions.

Fermentation processes involve material which exhibit non-Newtonian

behavior, such as starches, extracellular polysaccharides, and culture
broths containing cell suspensions or pellets.
Viscosity
 Reynolds Number

The Reynolds number is a parameter used to

characterize fluid flow

Pipes Stirred Vessels

Re Rei

Turbulent flow
4000 Depend on geometry
Transient region Impeller and tank
2100 10
Laminar flow Laminar flow
 Reynolds Number cont.

D = pipe diameter
Dv  = fluid density
A Re 
 v = average linear velocity
 = fluid density

N i Di 
2
Rei = impeller Reynolds number
Rei  Ni = stirred speed
 Di = impeller diameter
 = fluid viscosity
 Hydraulic Resistance

F  k p Non-linear!

Assuming turbulent flow

Where k is a constant which depends on the type of valve, pipe or orifice.

Linearizing around the operation points

1 1 dF
Fˆ  pˆ where, 
R R d p p

2 p 2w
R R
k k2
 Hydraulic Resistance in Series

R  Ra  Rb k a kb
k
p  p a  pb k a  kb
2 2
 Hydraulic Pumps

p̂   K F

Where K = pump constant

1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas de Fluidos (Líquidos y
Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
 Mechanism of Heat Transfer

 Conduction: Is the ability of solid or continuous media to conduct heat.

Qi A Qo

 Convection: Is the process of heat transfer between a surface of a solid

material and a fluid that is exposed to the solid surface.

Free convection: The fluid does not have

an external driven force.

Fluid Forced convection: The fluid does

Solid have an external driven force
Matter Q
 Mechanism of Heat Transfer cont.

Radiation: The energy is high enough to transfer heat without

the presence of a surrounding medium, such as a fluid or a solid.

T Qh
 Conduction

ˆ dT
Q  kA Rate of heat transfer (W)
dy
dT
qˆ  k Heat flux (W/m2)
dy
k
= Thermal conductivity
A= Surface perpendicular to heat flow
T = Temperature

T1 wall
A
Qi Qo
y T2

B
Thermal Conductivity
 General Equipment for Heat Transfer
Double-pipe heat exchanger
 General Equipment for Heat Transfer cont.

Shell and tube heat exchanger

 Steady-State Conduction

The heat is constant on the wall

T  T 
Qˆ  2 1
Rw
B
Rw 
kA i
thermal resistance
s
t T T1  T2  T3
Qˆ  
h Rw R1  R2  R3
T1
T  T e T  T
T T2 1 2 3

T3
s B1 B B
R1  , R2  2 , R3  3
k1 A k2 A k3 A
aB1 2 B B 3

m
e
a
 Heat Transfer Between Fluids

Convection and Conduction

Qˆ  hAT

B
B B

h = Individual heat transfer coefficient

1 T
Rh  ,Q 
hA Rh
 Overall Heat-Transfer Coefficient

Qˆ  UATh  Tc  It is easier because we do not

need the temperature on the walls!

U = Overall heat-transfer coefficient

1
RT 
UA Total resistance to heat flow

1 1 B 1
  
UA hh A kA hc A
 Calculation of Heat-Transfer Coefficient

k fb N u
h
D

Nu = Nusselt number, ratio of rates of convective and conductive heat

transfer.
Pr = Prandtl number, ratio of momentum and heat transfer.
Cp = Average heat capacity.
kfb = Thermal conductivity.
b = Viscosity of the bulk fluid.
Flow in Tubes without Phase Change

N u  0.023 Re 0.8 Pr 0.4

10 4  Re  1.2 105
If
0.7  Pr  120
L
 60
D
Dv C p b
Re  , Pr 
b k fb

Pr = Prandtl number, ratio of momentum and heat transfer.

L = pipe length
Stirred liquids (Stirred Vessels)

0.14
 ub 
N u  0.87 Re i
0.62
Pr
0.33
 
 uw 

N i Di 
2
Re i 
b

uw = viscosity of the wall

1) Introducción
2) Modelación de Sistemas Mecánicos
3) Modelación de Sistemas Eléctricos
4) Balance de Masa y Energía
5) Modelación de Sistemas de Fluidos (Líquidos y
Gases)
6) Modelación de Sistemas Térmicos
7) Simulación Digital
 Matlab - Simulink
Numerical Methods for Solving Differential
Equations – Digital Simulation

yk+1
yk

tk tk+1 t
 Euler’s Method

dy (t )
 f ( y, t ), x(t0 )  x0
dt

f  y, t dt
yk 1 tk 1
 yk
dy  
tk

Take Ts=tk+1-tk small  dy (t )

 constant
dt
tk 1
yk 1  yk  f ( xk , tk )  dt  f k Ts
tk

Truncation error O (Ts2)

 Adams’ Method

Ts
xk 1  xk   3 f k  f k 1 
2
Euler´s method
This method is not self-starting

Truncation error O(Ts3)

 4th Order Runge-Kutta Method

Ts
yk 1  yk   A  2B  2C  D 
6
A  f  yk , t k 
 T T  It uses five information
B  f  yk  s A, tk  s 
 2 2 values and is Self-starting
 T T 
C  f  yk  s B , t k  s 
 2 2
D  f  xk  Ts C , tk  Ts 

Truncation error O (Ts5)