Modelos Matemáticos

Capítulo 2:
Modelos Matemáticos
de Sistemas Dinámicos
• Fundamentos de Física
• Modelos Dinámicos sencillos
• Linealización
• Transformada L’aplace
• Función de Transferencia
• Diagrama de Bloques
• Modelo en Espacio de Estado
• Simulación por computador
• Modelos Dinámicos de Sistemas
•1
Modelos
• Para analizar el comportamiento de sistemas físicos complejos, el
ingeniero hace uso de (simplificados) modelos matemáticos de esos
sistemas.
• Un modelo describe la relación entre las variables del sistema; más
específicamente estamos interesados en el comportamiento de la
relación causa-efecto (input-output).
• Sistemas estáticos ---> ecuaciones algebráicas
• Sistemas dinámicos ---> ecuaciones diferenciales
• Como estos modelos son lineales (se pueden linealizar) se puede
aplicar la transformación de Laplace haciendo más fáciles los
cálculos (ecuaciones diferenciales ‘complejas’ se convierten en
ecuaciones algebráicas ‘simples’)
•2
Fundamentos: Electricidad
Variables: (diferencia de potencial) v (V); corriente i (A)
Potencia (P) Componente Símbolo Ecuación Notas

Energía (E)
v(t)
v2 resistencia i(t) v (t )
P  Ri 
2 i (t ) 
R resistor R () R
1 2 v(t)
E Li
2 inductancia i(t) 1 di (t )
i (t )   v (t ) dt v (t )  L
(Cinética) inductance L (H) L dt
1 2 v(t)
E Cv
2 capacitancia i(t) i (t )  C
dv (t )
(potencial ) condensator C (F) dt
•3
Fundamentos: Mecánica (translación)
Variables: velocidad v (m/s); fuerza f (N)
Potencia (P) Componente Símbolo Ecuación Nota
Energia (E)
(linear) damper v(t)
f 2
amortiguación f(t) f (t )  Bv(t) v(t )  x (t)
P  Bv2 
B (fricción viscosa) B (Ns/m) a(t)  v (t)
E
1 2
Kx
(linear) spring v(t)
2 resorte (rígido/ f(t) f (t )  K  v(t)dt f (t)  Kx(t)
(Potencial
) comprimido) K (N/m)
1 mass v(t) f (t)  Ma(t)
E  Mv2 f(t)
2 masa dv(t )  Mx(t)
f (t )  M
(Cinética) (traslación) M (kg) dt (Newton 2)
•4
Fundamentos: Mecánica (rotacional)
Variables: velocidad angular  (rad/s); Torque T (Nm)
P o t e n c ia ( P ) C om p on en te S ím b o lo E c u a c ió n N o ta
E n e r g ia ( E )
dam per  (t)
T2 a m o rtig u a c ió n T (t) T (t )  B  (t )  ( t )   ( t )
P  B 2

B B (N m s/ra d )
1 to r s io n s p r i n g  (t)
E  K 2
2 t o r s ió n T (t) T ( t )  K   ( t ) dt T (t )  K  (t )
(potencial ) K (N m /ra d )
1 in e r ti a  (t)
E  J 2
T (t)
2 m a s a in e r c i a l d  (t ) T ( t )  J   ( t )
T (t )  J
(cinética) J (k g m 2) dt
•5
Fundamentos: Hidráulica
Variables: altura (presión) h (m); flujo q (m3/s)

Energia (E)
h(t)
q (t )  c  p (t )
P   gRq 2
Resistencia h (t )
q(t) q (t )   c  gh (t )
2
h hidráulica R
 g R (s/m2) (laminair) (turbulent)
R
1 h(t)
E  gAh 2
2 Capacidad q(t) dh (t )
q (t )  A
(potencial ) hidráulica A (m2)
dt
•6
Fundamentos: Térmica
Variables: temperatura (diferencia)  (K); flujo de calor q (W)

Energia (E)
 ( t)
 Resistencia  (t )
P q q(t) q (t ) 
R térmica R
R (K/W)
 (t) C=Mc (c: J/kgK)

E  C Capacidad q(t) d  (t ) c=calor específico
q (t )  C (termodinámica 1)
(potencial ) térmica dt
C (J/K)
•7
Para pensar:
• energía-elementos disipativos (resistencia, amortiguador):
– Ecuaciones algebráicas
– Sin memoria = estático
• energía-elementos almacenadores (bobina, condensador,
resorte, masa, tanque):
– Ecuación diferencial, 1er orden
– Variación de una variable = trabajo de la memoria = dinámica
• analogía eléctrica, mecánica, hidráulica, térmica
– Ecuación diferencial interesante = modelo abstracto genérico!
• simplificación:
– Parámetros concentrados (lumped parameter model)
– Aproximación lineal : principio de superposición (matemático:
y=Kx); [no-lineal: las variables (independientes/dependientes, input/output) se
presentan solas (x2, x), combinadas (xy, x/y), via funciones no-lineales
(log(x), sin(x), ... Piense en y=Kx+c!]
•8
Modelamiento Dinámico de Sistemas Físicos
u(t) y(t)
u(t) y(t)
• Expanda el “sistema en subsistemas más sencillos

• Despiece de los modelos en sus ‘elementos básicos’
• Combine estos modelos, haga uso de las conocidas ‘leyes de conservación’:
– Leyes de Kirchoff (corriente y voltaje)
– Leyes de Newton (fuerza)
– Conservación de la masa (‘volumen’ solo si densidad constante!)
– Conservación de la energía (ley principal de la termodinámica)
– …….
•9
Sistemas Eléctricos Sencillos
di (t ) dv (t )
v(t )  L  Ri (t )  vc (t ); C c  i (t )
dt dt
LCvc (t )  RCv c (t )  vc (t )  v(t )
"2do orden" dif.Ec. (2 buffers)
Con (Ej. vc (0) y v c (0)  i (0) / C )
Input: v Output=vc y la función de entrada  v(t ), t  0  vc (t )
 
Def. x   x1 x2  ; x1  i; x2  vc y  u  u  input  v; y  y  output  vc 
T
u (t )  Lx 1 (t )  Rx1 (t )  x2 (t ); Cx 2  x1 (t ); y (t )  x2 (t )

 x1 (t )   R x1 (t )  1 x2 (t )  1 u (t ); MODELO EN ESPACIO DE ESTADO :
 L L L x (t )  Ax(t )  Bu (t )

 x 2 (t )  1C x1 (t ) 
y (t )  Cx(t )  Du(t )
 R / L  1 / L  1 / L  2 simultaneas "1er - orden" dif.Ec.
A ; B  ; C   0 1 ; D   0  ;
 1/ C 0   0 
   x1 (0)  i(0); x2 (0)  vc (0)
•10
Sistemas Mecánicos Sencillos
Motor:
Acople/engrane Piñón de transmisión
1(t)
eje
J B K
Input: T Output=2
T1 *1  T2 * 2
N1 *1  N 2 * 2
1 T2 N 2
 
 2 T1 N1
•11

 J1 (t )  T (t )  B 1 (t )  22 (t )  1 
K
2B
 2  22 y J
K 
2B
K
 2  2 J2  T   2
2

 
2 B 1 (t )  22 (t )  K 2 (t )
JK  22 (t )  22 (t )  2 2 (t )  T (t )
2 J 2 (t ) 
  2 (t )  0,5 K 2 (t )  T (t )
2B
 
Def. x   x1 x2  ; x1  1 ; x2   2 y  u  u  input  T ; y  y  output   2 
T
Jx 1  T  B( x1  2 x 2 ) y 2 B( x1  2 x 2 )  Kx2
K
Jx 1  0,5Kx2  T y 2 x 2  
x2  x1 y y  x2
2B
 x 1 (t )   0  K 2 J   x1 (t )   1   x1 (t ) 
 x (t )  0,5  K 4 B   x (t )   J  u (t ) y y (t )   0 1  x (t )
 2     2   0   2 
 0  K / 2J  1 / J 
A ; B  ; C   0 1; D   0;
x  Ax  Bu 
0,5  K / 4 B 

 0 

  0  2
 y  Cx  Du
1 
A
0,5  1  ; B  0; C   0 1; D   0;
   
•12

Modelo Alternati vo  A, B, C, D : defina x1   2 ; x2  2 
  K x  2 x  1 (T  0,5 Kx ) y y  x1
1 2 2 1
2B J
 0 1   0 
A  ; B    ; C  1 0; D   0;
 K 4 J  K 4B 1 2 J 
0 1 0
A
 1  1 ; B  0,5; C  1 0; D   0;
   
TAREA 1!!!: suponga que estamos interesados en 1 ( 1 ) asi como salida (digamos  2 )
 Calcule la ecuación diferencial para 1
 Calcule  A, B, C, D para el modelo ' alternativo' (o sea x1   2 ; x2  2 )
 Derive la ecuación diferencial para los valores nominales de J, B, K
con condiciones iniciales  0 (1  0;  1  0) y T(t)  1; t  0
 Dibuje la curva para  ω1 (t ), 0  t  15
 Observe que  ω1 (t ), t    0, ; explica en forma fisica!
•13
Unit Step Response from T(t)
0.7
2(t)
0.6
0.5
0.4
0.3
0.2
0.1
Time (s)
0
0 5 10 15
Unit Step Response from T(t)
1.4
1(t)
1.2
0.8
0.6
0.4
0.2
Time (s)
0
0 5 10 15
•14
Sistemas Hidráulicos Sencillos
dV1 dh
 C1  1  qi  q
qi dt dt
balance de masa! (pero  constante)
C1
C2 dh1 (t )
C1  qi (t )  q(t ) (1)
h1 q qo dt
h2
dh2
C2  q  qo (2)
R1 R2 dt
Input: qi Output=qo h1  h2 h2
q (3) y qo  (4)
R1 R2
 1  h2  h1 
h    qi
1   x   h1 h2  , u  qi , y  qo , x 0  x(0)   h1 (0) h2 (0) :
T T
 C1  R1 
 1  h1  h2 h2   1 1 
 1
h2     RC R1C1   1
 C2  R1 R2  A 1 1  B   C1  C  0 
  1  ( R1  R2 )     R2 
h  0
 qo  2  R1C2 R1 R2C2 
 R2
•15
Ecuación diferencial:
(2) : C2 h2  q  q o (5)
h1  h 2
(5) & (3) : C2 h2 
  q o asi que R1C2 h2  h1  h 2  R1q o (6)
R1
(1)  (2) : C1h1  C2 h 2  qi  qo (7)
qi  qo  C2 h 2 
(6) & (7) : R1C2 h2 
  h2  R1q o (8)
C1
R1C1C2 h2  (C1  C2 )h 2  R1C1q o  qo  qi (9)
(4) & (9) : R1 R2C1C2 qo  R2 (C1  C2 )q o  R1C1q o  qo  qi (10  resultado! !! )
R1C1 R2 C 2 qo (t )  ( R1C1  R2 C1  R2 C 2 )q o (t )  q o (t )  qi (t )

Condicione s iniciales  qo (0), q o (0) si dados  h1 (0), h2 (0) :
h2 (0) R h (0)  ( R1  R2 )h2 (0)
qo (0)  y q o (0)  2 1
R2 R1 R22C2
• Dimensiones de control! (RC = dimensión tiempo) 1 0 
• Si estamos interesados en 3 salidas y=[h1 h2 qo]T: y(t)=Cx(t) con C  0 1 
• Bienvenida una solución modesta (vea también pag. 46/47) 0 1 R2 
•16
Sistemas Térmicos Sencillos
To d (cVTw )
Tw  c V  q  qo con C  cV ( capacidad térmica)
dt
T T
qo  w o (Omita el aislamiento en la capacidad térmica)
R
q R
RCTw (t )  Tw (t )  Rq (t )  To (t )
x  x  Tw , x0  x(0)  Tw (0)
water
u   u1 u2    q To  , y  y  Tw
T T
Input(s) y Output: 1 1 1
x  x  u1  u2 y y  x
q RC C RC
Tw
To A    1 RC  B  1 C 1 RC  C  1 D   0
•17
Linealización
lineal  principio de superposición :
si x1  y1  f ( x1 ) y x2  y2  f ( x2 )
entonces x  ax1  bx2  y  f ( x)  ay1  by2
flujo turbulento (Bernouilli) :

q  c p  c gh  C h
Vout f
flujo Fuerza del f x2
resorte
OP-AMP
Desplazamiento
Vin posición Del resorte
Válvula de control x
(saturación)
(grifo) Resorte no-lineal
•18
Ejemplo: Hannibal, el robot paseador
•19
Ecuación Diferencial : J(t )  0.5MgL sin  (t )  T (t )
Modelo en espacio de estado : con x1   y x2   , e ntrada u  T , salida y  
 x 1 (t )  x2 (t )

 MgL 1 y (t )  x1 (t )
 x2 (t )   2 J sin x1 (t )  J u (t )

En general un modelo entrada - salida no - lineal (n - orden, 1 entrada, 1 salida) :

f ( y, y , y,  , y n ; u , u , )  0
En general un modelo en estado no - lineal(para m entradas y p salidas) :
 x 1  f1 ( x1 , x2 ,  , xn ; u1 , u 2 , , u m )  x1   u1   y1 
  
 x    u     y    
 x  f ( x , x , , x ; u , u ,  , u )
 n x  F(x, u)  xn  um  yp 
n 1 2 n 1 2 m
 
 y1  g1 ( x1 , x2 ,  , xn ; u1 , u 2 ,  , u m ) y  G(x, u)  f1 (x, u)   g1 (x, u) 
  
 F     G    
 y  g ( x , x ,, x ; u , u , , u )  f n (x, u)  g p (x, u)
 p p 1 2 n 1 2 m  
•20
Linealización de una función estática:
• función no-lineal y=f(x)
• Nuevas coordenadas {x,y}
• x=x-x* y y=y-y*=f(x)-f(x*)
• así {x*, y* =f(x*)} es el ‘punto de operación’
• Permanecemos en la proximidad del punto
de operación!
• Asi que x es pequeño (términos en x2, …
f (x*)
omitidos)
df
y  y *  f ( x)  f ( x* )  ( x  x* )  
dx *
df
x* y  Kx con K  , asi lineal en x, y
dx *
Repasemos : Expansión en series de Taylor para funciones de 2 variables
f f 2 f ( x  x* ) 2  2 f ( y  y* )2
f ( x, y )  f ( x , y ) 
* *
(x  x ) 
*
(y  y )  2
*
 2 
x * y * x *
2! y *
2!
•21
Linearización de una válvula de inyección de combustible
y 10 Cv(y)
8
6
4
q 2
y
P 0
0 0.2 0.4 0.6 0.8 1
q  c( y ) ΔP  c( y ) gh  Cv ( y ) h con Cv ( y )  11 y  1
punto de operación : y *  0.6 y h*  5, de donde q *  (110.6  1) 5  7.19
q q
q  f ( y , h) entonces q  q( y * , h* )  ( y  y* )  ( h  h* )
y * h *
q q 1
 110.6 ln(11) 5  22.60 y  (110.6  1)  0.72
y * h * 2 5
q  22.60 y  0.72h con q , y , h  desviaciones  7.19, 0.6, 5
Ej. : y  0.7, h  6  q  7.19  22.6(0.7  0.6)  0.72(6  5)  10.17
(realmente : q  (110.7  1) 6  10.67)
•22
Linearización de una ecuación diferencial:
linearize f ( x , x)  0 alrededor del punto de equilibrio
punto de equilibrio (steady - state) : x(t )  constante  x*
dx (t )
asi que  0 o f ( x * , x * )  f (0, x* )  0 (de donde se halla x* )
dt *
f ( x , x)  0 por lo tanto :
f f f f
f ( x * , x* )  ( x  x * )  ( x  x* )  0 o 0  x  ( x  x* )  0
x * x * x * x *
f  f
x x  0 con el uso de variables de desviación x (t )  x(t )-x*
x * x *
f ( y, y , y, , u, u ,)  0 con f ( y * ,0,0, , u * ,0, )  0 :
f f  f  f f   y (t )  y (t )  y *
y y y  u u    0 con 
y * y * y * u * u * u (t )  u (t )  u *
a0 y (t )  a1 y (t )  a2 y (t )    b0u (t )  b1u (t )    ecuación diferencial lineal
•23
Ejemplo: linearización de una resistencia no-lineal
Input : voltaje V (t )  20  v(t )
(con v(t ) pequeñas variaciones)
Output : voltaje vL (t ) sobre la bobina
resistencia no - lineal : ir  2e 0.1vr
linearizar alrededor de v(t )  v*  0
di (t ) i (t ) di (t )
L  10 ln  v(t )  20  V (t ) steady - state : v*  0 y 0
dt 2 dt *
asi 10 ln(0.5i * )  20 de donde i *  14.78
f f 1 f
 L 1  10 0.5  0.68  1
i 0
 i * 0.5i *
v *
i (t )  0.68i (t )  v (t ) (con v  v, ya que v*  0)
v L (t )  0.68v L (t )  v (t )
i  0.68i  v y v  Li  i
L
•24
1 VL (volt) Op t=0: V(t) 2021 volt
0.8
0.6
0.4
nonlinear
0.2 linear
t (s)
0 0 1 2 3 4 5 6 7 8 9 10
TAREA 2:
• Explique fisicamente la curva de VL como se ve en la figura de arriba.
• Derive el modelo de estado para el sistema real (no-lineal) :
 x (t )  f  x(t ), u (t ) u (t )  V (t )  20  v(t )
 con 
 y (t )  g  x(t ), u (t )  y (t )  vL (t )
• Genere la figura de arriba en MatLab® (ref. pag. 49-52)
•25
Linealización de un modelo en espacio de estado:
x  F(x, u)  x1  f1 ( x1 , x2 ,  , xn ; u1 , u2 ,  , um )

y  G(x, u) 
 x  f ( x , x ,  , x ; u , u ,  , u )

Punto de equilibrio u* , x* , y * :   n n 1 2 n 1 2 m
0  F(x * , u* )  y1  g1 ( x1 , x2 ,  , xn ; u1 , u2 ,  , um )
 * 
y  G(x* , u* ) 
 y  g ( x , x ,, x ; u , u ,, u )
Para :  p p 1 2 n 1 2 m
x (t )  Ax(t )  B u (t ) con las ecuaciones de desviación :


y (t )  Cx(t )  D u (t ) x(t )  x(t )  x* , u (t )  u(t )  u* , y (t )  y (t )  y *
 f1 f1   f1 f1   g1 g1   g1 g1 

           
x
 1* x n * u
 1* u m * x
 1* x n * u
 1* u m *
A     B     C     D    
 f n f n   f n f n   g p g p   g p g p 
           
x
 1 * x n * u
 1 * u m * x
 1 * x n * u
 1 * u m *
   
•Maestría en Ingeniería de Control Industrial •Bioprocess Control – Ing. MSc. Luis Alfonso Muñoz
•con énfasis en Modelización y Control de Procesos •26
Biotecnológicos H.
TAREA 3: linearice el brazo de Hannibal’ (ref. pag. 20)
Ecuación diferencial : J(t )  0.5MgL sin  (t )  T (t )
Modelo en espacio de estado : x1   y x2   , entrada u  T , salida y  
 x 1 (t )  x2 (t )

 MgL 1 y (t )  x1 (t )
 x2 (t )   2 J sin x1 (t )  J u (t )

Linearice alrededor de la posición de equilibrio T *  0,  *  0

(nota : otro estado de equilibrio es : T *  0,  *   )
Resultados :
J(t )  0.5MgL (t )  T (t ) (Modelo entrada - salida linearizado)
 0 1  0 
A  B    C  1 0 D   0
 MgL 2 J 0 1 J 
(info: error aceptable de desviación < 10°)
•27
Conclusiones intermedias
• Con las simplificaciones necesarias
– Parámetros concentrados
– linearización
el comportamiento dinámico de sistemas físicos (procesos) puede modelarse por una
ecuación diferencial normal de orden n
• Estas simplificaciones son para la mayoría de‘aplicaciones prácticas’ de buena
aceptación (en técnicas de control)
• La ecuación diferencial de orden n tiene un ‘modelo en espacio de estado’
equivalente; que consiste esencialmente en {n ecuaciones diferenciales de 1er
orden}
• De hecho existen varios modelos en espacio de estado ‘equivalentes’ - según la
elección del vector x(t) – esto describe asi mismo el comportamiento input-output
• Los modelos equivalentes (n ecuaciones diferenciales de 1er orden) pueden también
construirse para sistemas no-lineales (sin mas modelo matricial!)
• Se encuentra que para la descripción del comportamiento entrada-salida de una
ecuación diferencial de orden n, se requiere a veces bastante manipulación
matemática, aún para sistemas sencillos; bienvenido un planteamiento más
estructurado!
•28
Transformada de Laplace
Definición : dada la funciónf (t ) (con f (t )  0 para t  0)
con s    j (variable compleja)
£ f (t )  F ( s )   f (t )e dt
  st
0 dim ( s )  1 tiempo ( frecuencia compleja)
Ejemplo 1 : Dirac impulso (unit impulse) : f (t )   (t )

F ( s )  £ (t )     (t )e  st dt  1
0
Ejemplo 2 : Paso unitario : f (t )  1

  1  st  1
F ( s )  £1   e dt 
 st
e  (para   0  convergiendo)
0 s 0 s
Ejemplo 3 : Exponencial : f (t )  e  at
 1 ( s  a )t
 
F ( s)  £ e  at

0
 at  st
e e dt 
sa
e

0

1
sa
(para    a )
(a mag también es compleja, y   Re(a ); útil en sin/cos)
•29
Propiedades (theorema' s) :
1. Linearidad : £ af1 (t )  bf 2 (t )  aF1 ( s )  bF2 ( s )
2. Desplazamiento (frecuencia) : £ e  at f (t )  F ( s  a )
3. Desplazamiento (tiempo) : £ f (t   )  e s F ( s ) (  0)
 df (t )  
4. Diferenciación (1) : £   sF ( s )  f (0 )
 dt 
 d 2 f (t )  2  
Diferenciación (2) : £ 2   s F ( s )  sf (0 )  f (0 )
 dt 
 t  1
5. Integración : £   f ( )d   F ( s )
0  s
6. Valor final : f ()  lim sF ( s ) (1)
s 0
7. Valor inicial : f (0  )  lim sF ( s ) ( 2)

s 
1 s
8. Escalamiento : £ f (at )  F 
a a
Para los matemáticos: Solamente válido bajo las siguientes condiciones:
(1)
: El denominador de F(s) tiene todas las raíces estrictamente en el semiplano izquierdo y/o máximo una raíz en el
origen (en el plano de Laplace)
(2)
: f(t) no contiene ningún (t) (Dirac impulso en el origen)
Para lo demás: Prueba las propiedades arriba mencionadas (muy sencillo!!!!)
•30
Tabla :
1. Impulso unitario  (t ) 1
1
2. Paso unitario 1
s
1
3. Rampa unitaria t
s2
n!
tn
s n 1
1
4. Exponencial e  at
sa

5. Seno con frecuencia (pulsación)  sin  t
s2   2
s
6. Coseno con frecuencia (pulsación)  cos  t
s2   2

7. Exponencial - seno modulado e  at sin  t
( s  a) 2   2
sa
8. Exponencial - coseno modulado e  at cos  t
(s  a) 2   2
•31
TAREA 4!!!
1) Pruebe las relaciones de la tabla
2) Demuestre también las siguientes relaciones importantes:
 e -at  e bt  1
1) £   
 b  a  ( s  a )( s  b)
 
2) £ 
 1   2
e t
  


sin  1   t   2
2 2
 s  2s  
2
 
3) £ 1  e t /  
1
s 1   s 
2
4) £1  cos  t 

s s2   2 
3) Dibuje estas funciones (dibuje a mano primero y verifique luego con MatLab )
Pruebe todas estas relaciones via £-propiedades (= poco cálculo)
no via £-definición (= mucho cálculo!)
•32
Transformada de Laplace inversa (repaso)
1   j
f (t )  £  F ( s ) 
1 st
  j F ( s)e ds
2 j
En la práctica: expanda en fracciones parciales, use las propiedades básicas de la tabla!
1
Ejemplo 1 : F ( s ) 
( s  3) 2
1 1  3t
F ( s )  2  f (t )  t (tab3) F ( s )   f (t )  te (propiedad 2)
s ( s  3) 2
2
( s  1)( s  2)
a b
F (s)     a  2, b  2  f (t )  2e t  2e  2t
s 1 s  2
•33
2
( s  1)( s  2) 2
a b c
F (s)      a  2, c  2
s  1 s  2 ( s  2) 2
2( s  2) 2  b( s  1)( s  2)  2( s  1) t 2t  2t
F (s)   b   2  f (t )  2 ( e  e  te )
( s  1)( s  2) 2
3 3
Ejemplo 4 : F ( s)  
s ( s 2  2 s  5) s ( s  1  j 2)( s  1  j 2)
a b c
F (s)      a  0.60, b  0.15(2  j ), c  0.15(2  j )
s s 1 j2 s 1 j2
 
f (t )  0.60  0.15 (2  j )e (1 j 2 )t  (2  j )e (1 j 2 )t  0.60  0.15e t (4 cos 2t  2 sin 2t )

f (t )  0.60 1  e t (cos 2t  0.5 sin 2t ) 
e j  e  j e j  e  j 
sin   cos  
2j 2
e j  cos   j sin  e  j  cos   j sin 
•34
3
Ejemplo 5 : F ( s )  (solución alterna para raíces complejas)
s ( s 2  2s  5)
a bs  c 1 s2 
F ( s)   2   a  0.6, b  0.6, c  1.2  F ( s )  0.6   2 
s s  2s  5  s s  2s  5 
A( s  a )  B
    
£ e ( A cos t  B sin  t )  A * £ e cos t  B * £ e sin  t 
 at  at  at

( s  a) 2   2
 1 1* ( s  1)  0.5 * 2 
F ( s )  0. 6      A  1, B  0.5, a  1,   2
s ( s  1)  2
2 2


f (t )  0.60 1  e t (cos 2t  0.5 sin 2t )
3
Valor final : lim sF(s)  lim  0.6 (propiedad 6)
s 0 s 0 s 2  2 s  5
3
Valor inicial : lim sF(s)  lim 2  0 (propiedad 7)
s  s  s  2 s  5
10 5 2t 40 3t 10 3t

TAREA 5 : F ( s )   f (t )   5e  e  te
s( s  2)(s  3) 2 9 9 3
•35
sin(   )  sin  cos   sin  cos cos(   )  cos  cos   sin  sin 
sin(   )  sin  cos   sin  cos cos(   )  cos cos   sin  sin 
b
a sin  t  b cos  t  A sin( t   )  A sin  (t   ) con A  a 2  b 2 y tan  
a
a
a sin  t  b cos  t  A cos( t   )  A cos  (t   ) con A  a 2  b 2 y tan  
b
2
  2 f   pulsación (rad/s); f  frecuencia (1/s  Hz); T  periodo (s)
T

  corrimient o de fase (rad);    corrimient o de tiempo (s); A  amplitud

NOTA: { en radianes (rad)}={ en grados (°)}*/180
0.8
f (t )  0.601  e (cos 2t  0.5 sin 2t )
t
0.6
 0.601  1.12e t sin(2t  63.43)
 0.601  1.12e t sin 2(t  0.55)
0.4
 0.601  1.12e t cos(2t  26.57) 0.2
 0.601  1.12e t cos 2(t  0.23) 0

0 1 2 3 4 5
t
6
•36
Solución de ecuaciones diferenciales lineales con £
sistema masa  resorte :  M,K,B
My (t )  By (t )  Ky (t )  u (t ) con  u (t )  0, y0  2, y 0  0
 
M s 2Y ( s)  sy0  y 0  B sY ( s)  y0   KY ( s )  U ( s ) (propiedad 4)
 algebráico!!! (polinomio en s; fácil de manipular! )
My0 s  My 0  By0 U (s)
Y (s)  
Ms 2  Bs  K Ms 2  Bs  K
Observe las dos partes de la solución!
• Respuesta libre (free response): como consecuencia de las C.I.
• Respuesta forzada (forced response): Consecuencia de la entrada externa
( Ms  B ) y0
Aqui : Y ( s )  (respuesta libre)
Ms  Bs  K
2
valor final  f ()  0 valor inicial  f (0)  2
•37
T=[0:0.01:6]; Y=[];
1) Tome  M  1,B  3,K  2 for i=1:601,
t=T(i);
2s  6 s3 y1=4*exp(-t)-2*exp(-2*t);
Y ( s)  2 2 y2=2.27*exp(-1.5*t)*sin(2.78*t+61.7*pi/180);
s  3s  2 ( s  2)( s  1) Y=[Y; y1 y2];
end;
 y (t )  4e t  2e  2t plot(T,Y);
2) Tome  M  1,B  3,K  10 TAREA 6:

• Derive estos resultados
2s  6 s3
Y ( s)  2 2 • Corra el programa
s  3s  10 ( s  1.5  j 2.78)( s  1.5  j 2.78)
 y (t )  2.27 e 1.5t sin( 2.78 t  61.7)
2
1.5
1)
1
0.5 2)
-0.5 t
0 1 2 3 4 5 6
•38
La Función de Transferencia (Transfer Function)
• La respuesta de un sistema lineal consiste en la suma de:
– la respuesta libre, consecuencia de las consecuencias iniciales (estado inicial)
– la respuesta forzada, consecuencia de la entrada externa (input)
• La respuesta libre de sistemas físicos prácticos-utilizables tiene un caracter
temporal; esta respuesta siempre va hacia un valor final cero:(1)
– ref. El ejemplo previo masa-resorte-amortiguador
– Pruebe esto en forma general con el teorema del valor final!!!
• El caracter permanente de la respuesta (por eso es de importancia práctica)
depende de la entrada del sistema; la curva de la salida como consecuencia de
variaciones en la entrada al sistema puede igualmente estudiarse bajo el
supuesto que todas las condiciones iniciales son cero.
• Si no estamos interesados explicitamente en la respuesta libre (temporal),
podemos estudiar de una manera estructurada y sencilla el comportamiento
dinámico de sistemas mas complejos (analizar) y mejorar (compensar)
utilizando la función de transferencia (FT).
(1): ‘
Cero’ impica que se trabaja con variables de desviación (lo que es la práctica corriente)
•39
Sistema general de n - orden :
d n y (t ) d n 1 y (t )dy (t ) d m u (t )
an n
 a n 1 n 1
   a1  a0 y (t )  bm m
   b0 u (t )
dt dt dt dt
(m  n, casi siempre m  n; también casi siempre a0  1 o a n  1)
£  transformada con todas las C.I. cero :

a n s nY ( s )  an 1s n 1Y ( s )    a1sY ( s )  a0Y ( s ) 
bm s mU ( s )  bm 1s m 1U ( s )    b1sU ( s )  b0U ( s )
Y ( s ) bm s m  bm 1s m 1    b1s  b0 B( s )
 n n 1
  A( s )Y ( s )  B( s )U ( s )
U ( s ) a n s  a n 1s    a1s  a0 A( s )
Nueva interpreta ción del operador de £, s : operador - diferencial
d dn 1 t

n
s , s  n, 
dt dt s
 diferenciales! pura manipulación algebráica!
•40
Función de transferencia del Proceso P :
bm s m  bm 1s m 1    b1s  b0
P( s)   Y ( s )  P ( s )U ( s )
an s n  an 1s n 1    a1s  a0
Para un proceso con tiempo muerto puro (dead time, time - delay) :
(bm s m  bm 1s m 1    b1s  b0 )e  s
P( s)  ( es el tiempo muerto)
an s n  an 1s n 1    a1s  a0
Aproximación de un tiempo muerto a una función de transferencia racional :
1
1) Serie - cascada de n 1er - orden : e  s 

(1  s ) n
n

1 s
2) 1er - orden Padé : e  s  2 (también existen aproximaciones a orden n)

1 s
2
•41
Polos y Ceros – Respuesta impulso y Respuesta paso
bm s m  bm1s m 1    b1s  b0 B( s ) ( s  z1 )( s  z 2 )  ( s  zm )
H ( s)  n n 1
 K
s  an 1s    a1s  a0 A( s ) ( s  p1 )( s  p2 )  ( s  pn )
1) polos (poles): raices del denominador {p1, p2,…, pn} (Ec. Característica. A(s)=0)
2) ceros (zeros): raices del numerador {z1, z2,…, zm}
3) Polos y ceros son reales o pares complejos conjugados
4) El orden del sistema (TF) = número de polos = grado del denominador (n)
1) Y ( s )  H ( s )U ( s ) ; tome u (t )   (t ) (impulso unitario)
U ( s )  £ (t )  1  Y ( s)  H ( s )  y (t )  h(t )  respuesta impulso
t t
2) convolución : Y ( s)  H ( s)U ( s)  y (t )   h( )u (t   )d   h(t   )u ( )d
0 0
t
3) tome u (t )  1 (paso unitario)  y (t )   h( ) d  respuesta paso
0
1) La F.T. es la transformada £ de la respuesta impulso
2) La respuesta del sistema ante cualquier entrada sigue la respuesta impulso
3) La respuesta paso es la integral de la respuesta impulso (superficie debajo. …)
3) La respuesta impulso es la derivada de la respuesta paso
•42
Ejemplo: Sistema Mecánico sencillo
(Ref: Tarea pag. 13, (parcial) solución)
Input : u (t )  T (t )  T( s ) Output : y (t )   1(t )  1 ( s )

 Js1 ( s )  T( s )  B 1 ( s )  2s 2 ( s )  ( Js  B)1  2 Bs 2  T

2 B 1 ( s )  2s 2 ( s )  K 2 ( s )  2 B1  (4 Bs  K ) 2
Elimine  2 y suponga  J  1, B  1, K  4 :
(4 BJs 2  KJs  BK )1  (4 Bs  K )T  ( s 2  s  1)1  ( s  1)T
Función de transferen cia (y ecuación diferencia l resultante ) :

1 ( s ) s 1
 2   1(t )   1(t )   1(t )  T (t )  T (t )
T( s ) s  s  1
•43
j
p1  0.87
1 ( s ) s 1
 2
T( s ) s  s  1 z1
 polos : s  0.5  j 0.87;   0 
 ceros : s  1
p2 
s 1
(Unitaria-)Respuesta impulso : T( s )  1  1 ( s ) 
s2  s 1
Inversa de £ :  1(t )  h(t )  e 0.5t  cos(0.87t )  0.58 sin(0.87t )
1 s 1
(Unitario-)Respuesta paso : T( s )   1 ( s ) 
s s ( s 2  s  1)
Inversa de £ :  1(t )  g (t )  1  e 0.5t  cos(0.87t )  0.58 sin(0.87t )
(Ref. pag. 14 para la figura de la respuesta paso; dibuje la misma curva para la respuesta impulso)
•44
Diagrama de Bloques
U(s) Y(s) U Y U B(s) Y
P(s )
A( s )
Observe que: P(s) es independiente de las variables! de entrada-salida

Contiene solamente los parametros del sistema, es asi una característica del sistema.
Leyes de Diagramas de Bloques
U Z Y U Y
G(s) H(s)  G(s)H(s)
U E Y
G(s) U Y
+ - G(s)

1  G(s)H(s)
Z
H(s)
•45
Algebra de bloques
(Ref: ‘Sistema Hidráulico sencillo; pag. 15/16)
Qi 1 H1 1 Q 1 H2 1 Qo
+ - C1s + - R1 + - C2 s R2
Q H2 Qo
Qi 1 H1 1 Q 1 H2 1 Qo
+ - C1s + - R1 + - C2 s R2
Q H2 Qo
R2
Qi 1 H1 1 Q 1 Qo
+ - C1s + - R1 1  R2C2 s
Q H2
R2
• El sistema original (parte superior) en diagrama de bloques es directamente programable
en cualquier paquete de simulación WYSIWYG (como SimuLink ®)
TAREA 7: • Simule la curva para {Qo,H1,H2} ante un paso en Qi
(De valores lógicos para {R1,C1,R2,C2} y condiciones iniciales {h1(0),h2(0)})
•46
Qi 1 H1 1 Q 1 Qo
+ - C1s + -
H2
R1 1  R2C2 s
Q
R2
1 R2C2 s
Qi 1 H1 1 Qo
+ - C1s R1  R2  R1R2C2 s
Q
1 R2C2 s
Qi 1 Qo
R1C1R2C2 s 2  ( R1C1  R2C1  R2C2 ) s  1
•47
El Modelo en Espacio de Estado (State Space Model)
x (t )  F[x(t ), u(t )]  x1  f1 ( x1 , x2 ,  , xn ; u1 , u 2 , , um )


y (t )  G[x(t ), u(t )]  x  f ( x , x , , x ; u , u , , u )
x: vector de estados (state vector)
 n n 1 2 n 1 2 m
u: vector de entradas (escalar para 1 input)  y1  g1 ( x1 , x2 , , xn ; u1 , u2 ,  , um )


y: vector de salidas (escalar para 1 output) 
x0=x(0): estado inicial (initial state)  y  g ( x , x ,, x ; u , u ,, u )
 p p 1 2 n 1 2 m
• la dimensión del vector de estado = orden del sistema físico (n)
• un modelo en espacio de estado puede describirse como un sistema lineal y no-lineal
• un modelo en espacio de estado NO puede describirse como un sistema estacionario
(parámetros variables)
• un modelo en espacio de estado puede describirse como un sistema multivariable (MIMO y SISO
• el valor inicial (initial state) no tiene que ser necesariamente cero
• un modelo en espacio de estado no es único
• un modelo en espacio de estado no tiene necesariamente un significado físico
• el vector x(t*) explica toda la información alrededor del ‘estado’ interno del sistema en el
instante t*, o sea que arrancando de x(t*) se puede encontrar {x(t), t> t*}
•48
Simulación en computadora de sistemas dinámicos
x(t  t )  x(t )
x (t )  F[x (t ), u(t )] Recuerde que : x (t )  lim
t 0 t

y (t )  G[x(t ), u(t )] Aproximado por : x (t )  x(t  T )  x(t )
T
• Desde luego T (el paso de integración) debe ser ‘pequeño’ (concepto relativo!)
• El método de integración deEuler; también hay métodos sofisticados, como Runge-Kutta.
x(t  T )  x(t )  T * F[x (t ), u(t )] Programe esto con el cuidado necesario!
 (puede haber inestabilidad por mala escogencia de T)
y (t )  G[x (t ), u(t )]
Use preferiblemente software de simulación como:
(ODE23, ODE45 en MatLab , SimuLink , …)
® ®
Relación - recursiva : comience para t  0 con x(0)  x 0 (valor inicial)

x(T )  x(0)  T * F[x (0), u(0)] y (0)  G[x (0), u(0)]
x(2T )  x(T )  T * F[x (T ), u(T )] y (T )  G[x (T ), u(T )]
x(3T )  
Dado el vector de estado x0 y la(s) entrada(s) al sistema {u(t); t=0,T,2T,...}
Calcule en computador la(s) salida(s) {y(t); t=0,T,2T,...}
Para cualquier señal de entrada u(t) y también para sistemas no-lineales!
•49
Tarea 8: simulación de la pata delantera izquierda de
Hannibal (ref. pag. 27)
Examine el programa de abajo, juegue con los parámetros como se indica!
 x 1 (t )  x2 (t )

Modelo en espacio de estado no - lineal :  MgL 1 y (t )  x1 (t )
x
 2 (t )   sin x1 ( t )  u (t )
2J J
Modelo en espacio de estado linearizado :
 0 1  0 
A  B    C  1 0 D   0
 MgL 2 J 0 1 J 
1
T=0.01 y Umax=3 (1rad=57.3°)
0.8
L=0.5m; g=9.81m/s2; M=3kg; J=0.2kgm2
0.6 u(t)=Umax para 0=<t<2.1 y u(t)=0 para 2.1=<t=<5
Desvio (rad)
0.4 NNo-lineal
0.2
0 Linearizado
-0.2
0 1 2 3 4 5
Tiempo (s)
•50
0.1
T=0.01 y Umax=0.3 (0.1rad=5.73°)
0.08
0.06
Desvio (rad)
0.04
0.02
-0.02
0 1 2 3 4 5
Tiempo (s)
0.1
T=0.1 y Umax=0.3 (0.1rad=5.73°)
0.08
Resultados equivocados!!!
0.06
(T is muy grande)
Desvio (rad)
0.04
0.02
-0.02
0 1 2 3 4 5
Tiempo (s)
•51
% Simulación del brazo de Hannibal
% code muy legible, no para máxima eficiencia!
% Robin De Keyser – octubre 2000
% paso de integración T
% varíe T entre 0.1 y 0.001 para ver una simulación ms precisa!
T=0.01;
% testinput (par del motor): u=Umax para 0=<t<Tmax; u=0 para t>=Tmax
% varíe Umax entre 0.3 y 3 para una linearización mejor!
Umax=0.3; Tmax=2.1;
TimeVector=[0:T:5]; %tiempo de simulación total =5s

L=0.5; g=9.81; M=3; J=0.2; %características del brazo de Hannibal
Y1=[]; Y2=[]; %vectores para los resultados
% simulación de un sistema real no-lineal (para todos los Umax)

x1=0; x2=0; %condiciones iniciales =0
for i=1:length(TimeVector),
Time=TimeVector(i);
if Time<Tmax, u=Umax; else u=0; end;
y=x1; Y1(i)=y; %almacenador y
x1=x1+T*x2;
x2=x2+T*((-0.5*M*g*L/J)*sin(x1)+(1/J)*u);
end;
% simulación del sistema linealizado (solo válido para pequeños Umax)

x1=0; x2=0; %condiciones iniciales =0
A=[0 1; -0.5*M*g*L/J 0]; B=[0; 1/J]; C=[1 0]; %matrices del sistema
for i=1:length(TimeVector),
Time=TimeVector(i);
if Time<Tmax, u=Umax; else u=0; end;
y=C(1)*x1+C(2)*x2; Y2(i)=y; %almacenador y
x1=x1+T*(A(1,1)*x1+A(1,2)*x2+B(1)*u);
x2=x2+T*(A(2,1)*x1+A(2,2)*x2+B(2)*u);
end;
% resultados
figure; plot(TimeVector,[Y1' Y2']);
•52
Modelo en Espacio de Estado Lineal
x (t )  Ax(t )  Bu(t )  x1   u1   y1 
 
x    u     y    
y (t )  Cx(t )  Du(t )  x n  u m  yp 
 
Paraun sistema dinámico de orden n con 1 entrada y 1 salida :
 a11 a12  a1n   b1  uu
a a21  a21  b  yy
A  21
B   2
       C   c1 c 2  cn 
   
an1 an 2  ann  bn  Dd
Del Modelo en Espacio de Estado a la Función de Transferencia:

sX( s )  AX( s )  BU ( s ) ( sI  A) X( s )  BU ( s )
 
Y( s)  CX( s )  DU( s ) Y( s )  C( sI  A) 1 BU ( s )  DU( s )
  
Y( s)  C( sI  A) 1 B  D U( s)  TF  matrix : C( sI  A) 1 B  D 
(para un sistema SISO esta es una matriz 1x1, por lo tanto la F.T)
(asi los cálculos usando la TF: condiciones iniciales = 0!)
•53
Ejemplo: sistema mecánico sencillo (pag. 12)
 0  2 1  s 0   0  2  s 2 
A  ; B  0 ; C   0 1; D   0 ; sI  A   
0 s  0,5  1  0,5 s  1
0,5  1         
 s  1  2  s  1  2 1
 0,5  0 1
1  s  1
 0,5
 s  0 0.5
( sI  A)  ; C( sI  A) B  D   2  TF
s ( s  1)  1 s( s  1)  1 s  s 1
Θ2 ( s) 1
DV : 22 (t )  22 (t )  2 2 (t )  T (t )  (2s 2  2s  2)Θ2 ( s)  T ( s)  
T ( s) 2s 2  2s  2
De FT a Espacio de Estado:
bm s m  bm 1s m1    b1s  b0  0 1 0  0 
 0 0 1 0 
s n  an 1s n 1    a1s  a0  
A 0 0 0  0 
B   0 0  0 1
T  
      
C   b0 b1 b2  bn 1   a0  a1  a2   an 1 
(esta es solo una de las diferentes formas posibles - phase variables/companion format)
•54
Ejemplo: sistema eléctrico sencillo (pag. 10)
Vc ( s ) 1
LCvc (t )  RCv c (t )  vc (t )  v(t )  
V ( s ) LCs 2  RCs  1
1
B(s) LC b0
 2  2  an ( a2 ) normalizado a 1!
A( s ) s  R s 1 s  a1s  a0
L LC
 0 1  0 
A
 1 LC  R L  ; B  1; C  1 LC 0
   
Diferencia con el Modelo encontrado antes (pag. 10) :
 R / L  1 / L 1 / L 
A  ; B    ; C   0 1
 1/ C 0   0 
Sin embargo el Modelo entrada-salida (TF) en ambos casos es el mismo:

1
1
C( sI  A) B  LC (lo que corresponde con la FT-modelo original!)
s 
2 R s 1
L LC
•55
Circuito OP-AMP electrónico (PID-regulador; ref. Cap.4)
 d  vi (t )  v1 (t ) vi (t )  v1 (t )
C1   i (t )
dt R1
i(t) 
v1 (t )  vo (t )  R2i (t )  vC2 (t ) (no DV! )
i(t) 
 dvC2 (t )
C2 dt  i (t )

v1 (t )  0 (OP - AMP propiedad! )
 Vi ( s) 1  R1C1s Vo ( s) R2 1
C sV
 1 i ( s )   I ( s )  Vi  I  V (s)   (1  )(1  R1C1s)
 R1 R1  i R1 R2C2 s
 
 V ( s )  R I ( s )  I ( s )  V  1  R2C2 s I Vo ( s)  56.6(1  1  0.0218s)
 o 2
C2 s
o
C2 s  Vi ( s ) 2.038s
Vo ( s ) 1  1 t dvi (t ) 
 K p (1   Td s ) of vo (t )  K p vi (t )  0 vi ( )d  Td   PID
Vi ( s ) Ti s  Ti dt 
(observe: {R1C1, R2C2, Ti, Td} tienen dimensiones en tiempo!)
•56
Jet Engine Test Bank (Accelerometer)
M s x(t )  F (t )

M  y (t )  x(t )  by (t )  ky (t )  My  by  ky   Mx   Ma
1) y es la desviación desde la pocisión de equilibrio del resorte en reposo!
2) como y es constante entonces a=(-k/M)y con a la aceleración del motor (x’’)
3) La aceleración del motor es una medida de la fuerza del motor (F=Msa)
4) Esencialmente tenemos un acelerómetro construido! (via medición de desplazamiento)
•57
Comportamiento Dinámico:
Como la aceleración a cambia de un determinado valor (constante) a otro (constante),
asi también y cambia de un determinado valor (constante) a otro (constante), pero esto no
ocurre de inmediato via un fenómeno de transición
(esto forma parte del comportamiento dinámico del sistema/el acelerómetro).
Para un acelerómetro serioesta respuesta debe ser de corta duración!
Tome b / M  3 y k / M  2, luego (output y y input u  a  x) :

Y ( s) 1
 2  y (t )  0.5 A  Ae t  0.5 Ae  2t
U ( s ) s  3s  2
TAREA 9:
(para un paso con amplitud A de la aceleración) •Haga un mejor
0 acelerómetro con
y (m) Aceleración 5 m/s2 para t<=10s y 3 m/ s2 para t>10s
-0.5 b/M=12 y k/M=32
-1 •Deduzca el Modelo en
-1.5 Espacio de Estado
-2 •Simule la respuesta y
-2.5
Tiempo (s) concluya
0 2 4 6 8 10 12 14 16 18 20
•58
Actuador Hidráulico (servosistema)
• potencia-amplificador:
pequeño desplazamiento x, pequeña fuerza
Q
 gran desplazamiento y, gran fuerza
Q
A
• suministro de aceite constante (sobre)presión Ps
y
m, b, k
• líquido no compresible (aproximación!)
Qi  Qo  Q  Ay (debido a incompresibilidad)


Qi  f  x, Pi )  Qo  f  x, Po ) (igualmente f debido a la simetria en la construcción)
Pi  Ps  Pi  Po  Po  0, asi (con p  Pi  Po  diferencia de presión sobre el pistón/émbolo) :

 Ay  Q  f  x,0.5( Ps  p) , y también (con F  Ap  fuerza resultante) :
my  Ap  by  ky (Newton)

Linearise la función f (punto de equilibrio : y * , p *  (k A) y * , Q*  x*  0) :
f f
Ay (t )  Q(t )  K x x(t )  K p p(t ) con K x y Kp   (ambos positivos! )
x * p *
(desde ahora las variables {x, y, p, Q} naturalmente son variables de desviación!)
•59
Resultado  modelo linearizad o : Ay  K x x  K p p y my  by  ky  Ap
Modelo en Espacio de Estado:
variables en espacio de estado :  x1  y  posición; x2  y  velocidad
entradas al sistema (input) : u  x  abertura de control
salidas del sistema (outputs) :  y1  y  posición; y2  F  fuerza
 0 1   0  1 0   0 
A   k bK p  A  B   AK x  C    A  D   AK x 
2 2
   0
 m mK p   mK 
 p  K p   K 
 p 
FT del Modelo:  
Y( s )  C( sI  A) 1 B  D U( s )
 1 0  s 1 
1
 0   0 
  A2   k bK p  A   AK x    AK x   U( s)
Y ( s )   0
2
 s 
 K p   m mK p 
 mK   K  
 p  p 

AK x AK x
(ms 2  bs  k )
Y ( s) Kp F ( s) Kp
 
X (s) A2 X (s) A2
ms  (b 
2
)s  k ms  (b 
2
)s  k
Kp Kp
Biotecnológicos H.
TAREA 10:
m2 m5 Ns N
K x  0.1 ( ); K p  1011 ( ); A  0.0004 (m 2 ); m  2000 (kg ); b  1000 ( ); k  105 ( );
s Ns m m
1) Plantee las 2 FT con los valores de arriba
•Piense en el significado fisico de estos valores (por ej. Que tan grande es A? m?)
2) Verifique con profundidad las dimensiones en ambas FT
•recuerde: s=frecuencia compleja=1/segundo (ref. También interprete s  d../dt)
3) Suponga que el vástago de regulación se abre 1 mm (step input: x=0  x=0.001m)
•Calcule el valor inicial y(0+) y el valor final y() para la posición y (Rta.: 0 cm y 4 cm)
•Calcule el valor inicial F(0+) y el final F() para la fuerza F (Rta.: 4000 N y 4000 N)
(Aplique las propiedades de la transformada de £)
•Interprete estos resultados fisicamente (tip: en reposo unicamente el resorte hace fuerza)
4) Simule este experimento con MatLab ® (tome T=0.001 s)
5) Verifique los resultados de 3) via 4)
6) Cual es la diferencia de presión otra vez en reposo? (Rta.: p()=107 Pa  100 bar=100 kgf/cm2)
50 5000
y (mm) x: 0  1 mm F (N) x: 0  1 mm
40 4000
30 3000
20 2000
10 1000
Tiempo (s) Tiempo (s)
0 0
0 0.5 1 1.5 0 0.5 1 1.5
Biotecnológicos H.
ASC: Active Suspension Control
Active Suspension Control of All-Terrain Vehicle
y1
m1
k1 F b1
y2
m2
z k2 b2
(1) m1 y1   k1 ( y1  y2 )  b1 ( y 1  y 2 )  Ap

(2) m2 y2  k1 ( y1  y2 )  b1 ( y 1  y 2 )  Ap  k 2 ( y2  z )  b2 ( y 2  z )
(3) A( y  y )  K x  K p (actuador hidráulico)
 1 2 x p
•Sistema con 2 entradas (z y x) y 3 salidas (y1, y2 y p)

•z=entrada de perturbación (disturbance input): curva del pavimento
•x=entrada de control (control input): abertura de control del actuador hidráulico
•Estamos interesados en la salida y1 (especificamente d2y1/dt2)
•Para suspensión pasiva (clásica): tome Ap=0 en (1)(2) y obvie (3)
Biotecnológicos H.
£  transforma da con C.I. cero (variables de desviación ) :
(m1s 2  b1s  k1 )Y1 ( s )  (b1s  k1 )Y2 ( s )  AP( s )  0

 (b1s  k1 )Y1 ( s )  (m2 s  b1s  b2 s  k1  k 2 )Y2 ( s )  AP( s)  (b2 s  k 2 ) Z ( s)
2
 AsY ( s)  AsY ( s )  K P( s )  K X ( s )
 1 2 p x
Z
•elimine Y2 y P
Z-Y2
•Obtenga asi Y1 como función de Z y X b2 s  k 2 +
-
•Esto es pura álgebra
•Diagrama de bloques con base en la ecuación dif. original (1)(2)(3)
- 1 Y2
•Observe el acoplamiento interno en el sistema!

+
m2 s 2
+ A AP + 1 Y1 -
X Kx - -
m1s 2
+
Kp
Diagrama de Bloques ASC:
b1s  k1 Y1-Y2
As
Biotecnológicos H.
Valores numéricos : A  0.0004 (m 2 ) sección del pistón
K x  0.1 (m 2 / s ) amplificación de la e.v. K p  1011 (m 5 / Ns ) coeficiente de presión de la electroválvula
m1  2500 (kg ) masa del carro m2  320 (kg ) masa del bastidor/soporte
b1  350 ( Ns / m) constantede amortiguación
del sistema de suspensión b2  15020 ( Ns / m) constantede amortiguación de
los neumáticos
k1  80000 ( N / m) constantedel resorte k 2  500000 ( N / m) constantede resorte del neumático
Modelo en FT:
307s2  11720s  50000
Z(s) H z ( s)  4
s  104.6s 3  2151s 2  11720s  50000 +
Y1(s)
1600s2  75100s  2500000 +
X(s) H x ( s)  4
s  104.6s 3  2151s 2  11720s  50000
TAREA 11: obtenga la FT de la suspensión pasiva
6.571s2  1721s  50000 Y1(s)

Z(s) H (s)  4
s  48.17 s 3  1851s 2  1721s  50000
Biotecnológicos H.
Modelo en Espacio de Estado:
(1) m1 y1  k1 ( y1  y2 )  b1 ( y 1  y 2 )  Ap

(2) m2 y2  k1 ( y1  y2 )  b1 ( y 1  y 2 )  Ap  k 2 ( y2  z )  b2 ( y 2  z )
(3) A( y  y )  K x  K p
 1 2 x p
Defina las siguientes variables de estado :

x1  y1  y2 ; x2  y 1  y 2 ; x3  y2  z; x4  y 2  z ;
de ello se deduce : x 1  x2 ; x 3  x4 ;
1 1
x 2  y1  y2    k1 x1  b1 x2  Ap    k1 x1  b1 x2  Ap  k2 x3  b2 x4 
m1 m2
1
x 4  y2  z   k1 x1  b1 x2  Ap  k2 x3  b2 x4   z
m2
A
aqui Ap   K x x  Ax2 
Kp
las entradas son U   z x  y como salidas tomamos Y   y1 .
T
esto conduce al siguiente sistema matricial  A, B, C, D :

Biotecnológicos H.
 0 1 0 0  0 0 
 m1  m2 A m1  m2
2
k2 b2   AK x m1  m2 

 1 k  (b1  )  0
m1m2 K p m1m2 m2 m2  K p m1m2 
A B 
 0 0 0 1  0 0 
 k1 A2 1 k b   1 AK x 
 (b1  )  2  2 
m2 K p m2 m2 m2   m2 K p 
 
 k A2 1   AK x 
C   1  (b1  ) 0 0  D  0 
 m1 K p m1   m1 K p 
Numérico: C(sI-A)-1B+D con MatLab®:

» ASC=ss(Amat,Bmat,Cmat,Dmat); tf(ASC)
 0 1 0 0 
- 282 - 57.6 1562.5 46.9  Transfer function from input 1 to output:
A  307 s^2 + 1.172e004 s + 5e004
 0 0 0 1  ---------------------------------------------------------------------
  s^4 + 104.6 s^3 + 2151 s^2 + 1.172e004 s + 5e004
 250 51.1 - 1562.5 - 46.9
T Transfer function from input 2 to output:
0 0    32  1600 s^4 + 7.51e004 s^3 + 2.5e006 s^2 + 2.09e-007 s - 1.776e-008
 0 14100   6.54 T
 0  ------------------------------------------------------------------------------------------
B  C  D
1600 s^4 + 104.6 s^3 + 2151 s^2 + 1.172e004 s + 5e004
0 0   0   
   
 1  12500  0  » [num,den]=ss2tf(Amat,Bmat,Cmat,Dmat,1) %alternativo
» [num,den]=ss2tf(Amat,Bmat,Cmat,Dmat,2) %alternativo
Biotecnológicos H.
• los sistemas físicos tienen generalmente un acoplamiento interno (que hace su comportamiento dinámico
complejo)
• en este curso entenderemos el comportamiento de los sistemas acoplados (análisis)
• probaremos también acoplamientos (externos) (diseño)
• de esta manera podremos mejorar el comportamiento dinámico!
Arreglo: control de suspensión activa (ASC) y pasiva (PSC)

PSC: Z’’ H(s) Y1’’ 1500
y1’’(t) Respuesta paso unitaria x --> y1'’
1000 (lazo abierto)
ASC: Z’’ Hz(s)
500
X +
0 + K Hx(s) s2 Y1’’ 0
- +
Tiempo (s)
Ha(s) -500
0 0.5 1 1.5
1
• Ha(s): FT del acelerómetro H a ( s) 
s 2  12s  32
• K: amplificación, por ej. del OP-AMP H z (s)
H c ( s) 
• Hc(s): FT Z’’  Y1’’ para ASC 1  Ks 2 H a ( s ) H x ( s )
Biotecnológicos H.
Test: “sleeping policeman” (impulso en z’’=paso en z’=inclinación de z)
6 y1’’(t)
Respuesta impulso unitario z'' --> y1'' para PSC y ASC (K=0.5)
4
-2
-4
Tiempo (s)
-60 1 2 3 4 5 6 7 8 9 10
6 y ’’(t)
1 Respuesta impulso unitario z'' --> y1'' para PSC y ASC (K=5.0)
4
-2
-4
Tiempo (s)
-60 1 2 3 4 5 6 7 8 9 10
TAREA 12: Reproduzca estas figuras en MatLab® o en Simulink®

Biotecnológicos H.
Gestión de reservorios de agua subterranea
• en regiones secas existen un número de reservorios de agua subterranea

• en forma natural el agua circula por el suelo a través de terrenos arenosos
– del uno al otro ‘tanque’ y vice-versa: {q2, q3}
– y también hacia el oceano: {q1} (lo que debe detenerse en regiones secas)
• {qi1, qi2, qi3}: aporte natural desde las fuentes {qo2, qo3}: consumo para irrigación)
• {q21}:política de conservación de agua: mantener el nivel del reservorio 1 alrededor (dado) del valor H1
(bombear de 1 a 2 o de 2 a 1)
• {G1,G2,G3,G21} son constantes
• un modelo equivalente describe la toma de medicamentos por el cuerpo humano
(reservorios de sangre, orina, …)
TAREA 13: derive el Modelo en Espacio de Estado
Biotecnológicos H.
Diseño de un micrófono
entrada : presión del aire (como sonido) p (t )
Vs salida : voltaje sobre la resistenci a VR (t )
fuerza f(t)  Ap(t )
capacidad del condensador :
L A
C(t) 
x0  x(t )
fuerza de atracción entre los platos :
q 2 (t )
FC (t ) 
2 A
q : carga eléctrica del condensador
 : constante dieléctrica del aire
• Derive el Modelo en Espacio de Estado A: superficie del plato del condensador
• Escoja un conjunto de valores para {m, b, k,  A, R, L, Vs, x0}
• Linearice
• Determine la FT de p a VR  TAREA 14!!!
• Simule la respuesta a una entrada sinusoidal (pruebe con diferentes frecuencias)
• Ha hecho un micrófono HIFI? (=cuales frecuencias pasan?)
Biotecnológicos H.
MagLev Tren
• MAGnetic LEVitation  “Levitación Magnética”

• 500 km/h, 400 pasajeros (en los vagones!)
• Luz (abertura) z=1 cm
• La bobina energizada repele con una fuerza FL
• equivalente: cojinete magnético (>40000 tpm)
i2
z Fuerza de levante : FL  k 2
z
Biotecnológicos H.
i (t ) 2
Fuerza de equilibrio : mz(t )  FL (t )  mg  k 2
 mg
z (t )
Valores de diseño : z *  0.01 (m) m  10000 (kg) k  0.001 (Nm 2 /A 2 )
Corriente de equilibrio : i *  z * mg / k  99.05 (A)
linearización alrededor del punto de equilibrio :
2ki* 2ki*2 2 2
mz(t )  *2 i (t )  *3 z (t )  * mgk i (t )  * mg z (t )
z z z z
con  z , i y variables de desviación z * , i *  
£  transformada :
2 gk
I(s) 0.1981 Z(s)
z* m 
2 2 s 2  1962
s  *g
z
Biotecnológicos H.
TAREA 15:
• Pruebe que una interrupcion de corriente de breve duracion (10ms) resulta en un tren que no
flota hacia adelante, sino que queda desnivelado con frecuencia vibrante de 7 Hz como se ve
abajo a la izquierda.
• tip: Aproxime la interrupcion a un impulso unitario negativo en la corriente (-99A*0.01s-1)
• Sera que el tren vibra mas lentamente a medida que lleva mas pasajeros? (m mas grande)
1
0.8 z (cm)
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8 t (s)
-1
z
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
• una construccion alternativa como arriba a la derecha (confirma que la bobina atrae)
• suponga la FT (la formula para la fuerza de levante FL sigue igual)
• calcule (y dibuje) otra vez el efecto sobre z(t) de una interrupcion de corriente igual
• cual es el resultado para un tren flotante inseguro?
Biotecnológicos H.
• En la práctica en ambos casos el sistema puede no trabajar! •TAREA 16
• De igual forma que con el ASC (pag. 67) probemos un feedback externo:
d • Demostrar, via inverse £, que esto resulta
+ +i z en el comportamiento abajo descrito
0 K H(s)
- + para una interrupción de corriente d(t)=-(t)
• para que valor de K cambia abruptamente
el comportamiento de la construcción 2? (K=9904)
1 1
MatLab® Construcción 1, Construcción 2,
0.5 K=5000 0.5 K=5000
H=tf(0.1981,[1 0 1962]);
0 0
K=5000; CLTF=feedback(H,K);
T=[0:0.001:1]; -0.5 -0.5
z=-impulse(CLTF,T);
figure; plot(T,z); -1 -1
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
1 1
Construcción 1, Construcción 2,
CONCLUSION: 0.5 K=15000 0.5 K=15000
No somos lo suficientemente 0 0
listos! -0.5 -0.5
-1 -1
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Biotecnológicos H.
Motor eléctrico DC (servo eléctrico)
Armature
Stator
winding
Ra
Rotor windings
N
Brush
La
Shaf t ia
Rf ia Brush
 S
Commutator
Vf Lf  , Bearings
Inertia  J
Inertia
Friction  b
 load
i f (t)
Field Angle
Lo ad 
(b)
(a)
• stator - field - (o magneto permanente)

• rotor - armature -
Biotecnológicos H.
Control de campo
Corriente del rotor ia (t ) constante
Flujo por la abertura de aire :  (t )  K f i f (t )
Par del motor : Tm (t )  K(t )ia  K t i f (t )
( K t es el par constante del control de campo; Nm/A)
di f (t )
circuito de campo : V f (t )  R f i f (t )  L f
dt
par de equilibrio : Tm (t )  Jθ(t )  bθ (t )  Td (t )
£ - transformada da el modelo en FT :
(inputs : V f  control y Td  perturbación; output : θ )
Kt 1
θ ( s)  V f (s)  Td ( s )
s ( Js  b)( L f s  R f ) s ( Js  b)
Biotecnológicos H.
Disturbance
Td (s)
Field Load Speed
If (s) Tm (s)  TL (s)  (s) Position
1 1 1
Vf (s) Kt  (s)
R f  Lf s  Js  b s
Output
K t bR f
TF u ( V f )  y ( θ ) :
s (1   m s )(1   e s ) TAREA 17:
con  m  J ( mecánica; dimensión tiempo! ) Compare (en MatLab®)
b
La respuesta paso de
Lf
y e  ( eléctrica;dimensión tiempo! ) 1/[(1+0.001s)(1+0.1s)]
Rf
y 1/(1+0.1s)
normal  e   m (típico :  e  1 ms;  m  100 ms )
Kt rad
Td K ( )
Kd bR f Vs
1 rad
Kd  ( )
Vf - 1  1  b Nms
K + 1 s s 
J
(s)
b
Biotecnológicos H.
Control por rotor
corriente de campo i f (t ) constante (o magneto), asi  constante
par del motor : Tm (t )  K ia (t )  K t ia (t )
( K t es el par constante de control por rotor; Nm/A)
dia (t )
circuito del rotor : Va (t )  Ra ia (t )  La  Vb (t )
dt
con una FEM Vb (t )  K b ω(t )  K b θ (t )
note que K b  K t pues en punto de equilibrio Tm ω  Va ia (  Vbia )
(potencia mecánica de salida  potencia eléctrica de entrada)
par de equilibrio : T (t )  Jθ(t )  bθ (t )  T (t )
m d
£ - transformada da un modelo de FT :
K tVa ( s )  ( La s  Ra )Td ( s )
θ (s) 
s ( Js  b)( La s  Ra )  K b K t 
Biotecnológicos H.
Disturbance
Td (s)
Armature Load Speed
 Ia (s) Tm (s)  TL (s)  (s) Position
1 1 1
Va (s) Kt  (s)
R a  La s  Js  b s
 Output
Vb (s)
Kb
(mire el acoplamiento interno:

TAREA 18:
autocontrolado via FEM)
Determine un modelo en espacio
L J
si  e ( a )   m ( ) (en otras palabras La pequeño) :de estado para el motor de rotor
Ra b y calcule la FT
Td Kt rad
Kd K ( )
bRa  K b K t Vs
Ra rad
Va - 1  1  Kd  ( )
K bRa  K b K t Nms
+ 1 s s Ra J
 (s)
bRa  K b K t
Biotecnológicos H.
Hard Disk (CD, DVD)
lees-/schrijfkop
arm
spoor a
disk
spoor b
actuator (motor)
motor
• giros: 6000 giros/minuto
arm • distancia cabeza-disco : < 100 nm
veer • precisión de posición: < 1 m
• track  track: < 10 ms
kop
Biotecnológicos H.
Typical Parameters for Disk Drive Control de campo
Parameter Symbol Typical Value 5.105
G ( s) 
Mass of arm+head m 2 g s (105 s  2.10  4 )(103 s  1)
Inertia of arm+head J 5
100 g(cm)2 5000 0.25
Friction b 20 (mN)(cm)s G ( s)  
s ( s  20)( s  1000) s (1  0.05s )(1  0.001s )
Amplifier Ka 10-1000
Field resistance R 1  0.25
(mN)(cm)/A
G ( s) 
Motor constant Kt 5 s (1  0.05s )
Field inductance L 1 mH
Control device Input Actuator and read arm
Desired  Error voltage Actual
head Amplifier dc motor and arm head
position position

Sensor
Read head and index track on disk
Amplifier Motor and arm G(s)

 E (s) V(s) Kt
R(s) Ka G(s) = Y (s)
s(Js+b) (Ls+R )

Sensor
H(s) = 1
Biotecnológicos H.
Respuesta para un paso unitario r(t)
2
1.5
y Ka=10
1
0.5
tijd (s)
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
2
1.5
y Ka=100
1
0.5
tijd (s)
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
2
1.5
y Ka=1000
1
0.5
tijd (s)
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
CONCLUSION: mucho por aprender para lograr las especificaciones!

Biotecnológicos H.
Antena satelital de comunicaciones (brazo de robot)
Biotecnológicos H.
Control de rotor
(desprecie la autoinductancia
La )
Biotecnológicos H.
V θi (t ) V
input (y output) potenciómetro (niegue la dinámica) : vi (t )   θi (t )
n 2 2π nπ
preamplifi cador (niegue dinámica y saturación) : v p (t )  Kve (t )  K  vi (t )  vo (t )
K1
amplificación final (respuesta exponencial a entrada paso) : Ea ( s )  V p ( s)
sa
2 2
 N1   N1 
antena( J L , DL reducir a eje del motor) : J m  J a  J L   
 ; Dm  Da  DL  
 N2   N2 
θ (s) Kt Km N
motor : m   y transmisión : θo (t )  1 θm (t )
Ea ( s ) s ( J m Ra s  Dm Ra  K b K t ) s ( s  am ) N2
Biotecnológicos H.
i + K pot K1 K m K g o
K
Parámetro Valor - s ( s  a )( s  am )
K pot K1 K m K g 6.63
H ( s)  
s ( s  a )( s  am ) s ( s  100)( s  1.71)
0.0388

s (1  0.010s )(1  0.585s)
1.2
o Paso unitario de i con K=20
1
0.8
0.6
0.4
• Excelente para la antena 0.2

t (s)
• no satisface para robot 0
0 1.4 2.8 4.2 5.6 7
Biotecnológicos H.
TAREA 19 (re-discover the past) !!!
suponga que el eje de la antena no es infinitamente rígido:
• Divida JL=1 (kg m2) como J1=0.2 y J2=0.8

• Divida DL=1 (Nms) como D1=0.4 y D2=0.6
• dibuje de nuevo la respuesta para la misma entrada paso i=1 y la misma
amplificación K=20 y con diferentes valores para la rigidez del eje k
• busque un valor aceptable para k
Biotecnológicos H.
CSTR (Continuous Stirred Tank Reactor)
Biotecnológicos H.
q,
ci,
Ti
q,
, c, c,
V T T
k
1er orden, reacción química irreversible : A  B
velocidad de reacción (por unidad de volumen) :

r  kc (mol/m 3s); (c  c A ) k : coeficient e de velocidad de reacción k0  1010 (min 1 )
k : factor de frecuencia 
 0  E R  8330 (K)
r  f (T , c ) : k  k 0e  E / RT (Arrhenius)  ej. : 
 E : energia de activación T  50C  323 (K)
(2do orden : 2A  B da r  kc 2 )  R : constante de los gases  k  0.063 (min 1 )

Biotecnológicos H.
balancedemasa : input 1  ci (t ); input 2  q(t );
output  c(t ); T  constante (reactor isotérmico);
d (  Vc )
  qci   qc   Vr (   masa molecular; kg/mol)
dt
dc(t )
V  q(t )ci (t )  q(t )c(t )  Vkc(t ) ( k  constante!)
dt
 
linearizar alrededor del punto ci* , q *  c*  (ci*q * ) (q*  Vk )
• amplificación estática ci  c: K1=q*/(q*+Vk)

q c c
*
i
*
• amplificación estática q  c: K2=(ci*-c*)/(q*+Vk)
Vs  (q*  Vk ) + c • constante de tiempo  = /(1+k ) con  =V/q*
+ •  : constante de tiempo de mezcla (tiempo de
ci q* permanencia promedio)
Vs  (q*  Vk ) • para k=0 (no hay reacción; solo mezcla):
interpretación fisica de los valores para {c*, K1,
K2 ,  }
Biotecnológicos H.
Balance de calor : input 1  Ti (t ); input 2  Tc (t ); input 3  q(t );
output  T (t ); c  constante ( k  0 : no hay reacción; intercambi ador
de calor del reactor);
dT (t )
Vc p   q(t )c pTi (t )   q(t )c pT (t )  hATc (t )  T (t )
dt
(   masa especifica; kg/m3 y c p  calor específico; J/kgK)
( h  coeficiente de transferencia de calor por convección/conducción; W/m2 K y A  superficie de intercambio de calor; m 2 )
 q *
c T *
 hAT *
linearizac ion alrededor del punto Ti* , Tc* , q*    T* 

p i
 q*c p  hA
c
q
 c p (Ti*  T * )
Tc +
+ 1 T
hA
+ Vc p s  (  q*c p  hA)
Ti
 q *c p
• suponga que Ti*=Tc*: interprete el valor de T*y de la amplificación estática K(qT)

• suponga que hA=0 (no hay intercambio de calor): interprete el valor de 
( = !) y de la amplificación estática K(TiT)
Biotecnológicos H.
Reactor Realistico (no-isotérmico con reacción química)
q
CSTR c
ci • {q, ci, Ti}: (DV: Disturbance Variable)
Ti cp V
• Tc: (MV: Manipulated Variable)
k0 E/R T
Tc • c y/o T: (CV: Controlled Variable)
hA (-H)
dc(t )
V  q(t )ci (t )  q (t )c(t )  Vk0e  E / RT (t ) c(t )
dt
dT (t )
Vc p   q (t )c pTi (t )   q(t )c pT (t )  hATc (t )  T (t )  (H )Vk0 e  E / RT (t ) c(t )
dt
(-H) = calor de reacción (J/mol): >0 para reacción exotérmica (enfriamiento via Tc)
<0 para reacción endotérmica (calentamiento via Tc=Th)
•Modelo en Espacio de Estado x’=F(x,u): 2do orden

(vector de estado xT=[ c T ]; vector de entrada uT=[ q ci Ti Tc ])
• (inverosimil) no-lineal; al linearizar: 8 (acopladas!) posibles FT
Biotecnológicos H.
Ejemplo: efecto de Tc (FTs Tc  c y Tc  T)
Parámetros numéricos para el reactor:
 cp=1000 kcal/m3K; V=1 m3; k0=1010 min-1; E/R=8330 K; hA=5342 kcal/minK; (-H)=130 kcal/mol
Punto de operación (Investiga que este es el punto de equilibrio):

q*=1 m3/min; ci*=2000 mol/m3; Ti*=50 °C; Tc*=92 °C; c*=264 mol/m3; T*=121 °C(=394 K);
 q*  E / RT * Ec *
 E / RT * 
   k0e  k0e   7.5779  93.1848
V RT *2
A *    
 H ) k e  E / RT *
(  q*
 
hA

( H )
k0e  E / RT * Ec   0 . 8551 5 . 7720 
  c p 0 V V c p cp RT *2 
 ci*  c* q* 
 0 0  1736 1 0
V V 0  1 0
B *  C D0
 i T
T *
q *
hA    71 0 1 5.3420  
0 1 
0
 V V V c p 
C (s)  497.8 T ( s) 5.342s  40.48

 
Tc ( s ) s 2  1.806s  35.95 Tc ( s ) s 2  1.806s  35.95
• Tome x la concentración del producto B, luego: Vx’=-qx+Vkc
TAREA 20 (re-discover the past):• Deduzca el modelo, linealice y estudie el efecto de ci  x
Biotecnológicos H.
Prueba paso a la temperatura del refrigerante (compare LINEAL  NO-LINEAL)
123
Tc: 92 °C  93 °C
Tc: 92 °C  93 °C
260 Concentración c
122.5 Temperatura T (°C)
(mol/m3)
255
122
250
121.5
245
min min
121
0 1 2 3 4 5 0 1 2 3 4 5
131
260
Tc: 92 °C  97 °C Tc: 92 °C  97 °C
129 Temperatura T (°C)
240 Concentración c (mol/m3)
220 127
200 125
180
123
160 min min

121
0 1 2 3 4 5 0 1 2 3 4 5
Biotecnológicos H.
2000
Concentración c in mol/m3
1800
Temperatura T in K
Simulación del reactor no-lineal
function Xdot=CSTR(Tm,X);
1600 rcp=1000; V=1; k0=10^10; EdR=8330; hA=5342;
mdH=130;
1400 q=1; ci=2000; Ti=50+273; Tc=92+273;
1200
c c=X(1); T=X(2); if c<0, c=0; end;
k=k0*exp(-EdR/T);
1000
cdot=(q*(ci-c)-V*k*c)/V;
800 Tdot=(rcp*q*(Ti-T)+hA*(Tc-T)+mdH*V*k*c)/(rcp*V);
Xdot=[cdot; Tdot];
600 [Tm,Y]=ode23('CSTR',[0 5],[2000; 50+273]); plot(Tm,Y);
T
400
200 c
min
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
• Fase 1: poco a poco caliente el contenido del reactor (inicialmente en 50 °C) hasta Tc (92 °C)
con mas reacción a medida que la temperatura aumenta
• Fase 2: hay reacción intensa con aumento inmediato de temperatura de 200 °
• Fase 3 (mientras estabiliza): estabilización hasta la situación de equilibrio
• TAREA 21: Investiga y explica fisicamente que pasa cuando Tc=50 °C en vez de 92 °C
Biotecnológicos H.
q ci Ti Tc
1736s  3404 s  5.772  93.18  497.8
c s 2  1.806s  35.95 s 2  1.806s  35.95 s 2  1.806s  35.95 s 2  1.806s  35.95
 71s  946.5 0.8551 s  7.578 5.342s  40.48
T 2
s  1.806s  35.95 s 2  1.806s  35.95 s 2  1.806s  35.95 s 2  1.806s  35.95
200 0.1 0 0
100 -1 -5
0
0 -2 -10
-100 -0.1 -3 -15
-200 -4 -20
-0.2
-300 -5 -25
-400 -0.3 -6 -30

0 2 4 0 2 4 0 2 4 0 2 4
Respuestas PASO
60 0.04 0.4 3
2.5
40 0.03 0.3
2
20 0.02 0.2 1.5
1
0 0.01 0.1
0.5
-20 0 0 0
0 2 4 0 2 4 0 2 4 0 2 4
TAREA 22: Explique las reacciones! (positivo/negativo efecto final?!? Respuestas iniciales inversas?!?
Biotecnológicos H.
Conclusiones I
• ‘modeling is as much an art as a science’
• El comportamiento dinámico input-output de un sistema físico puede
representarse por un modelo ‘witchcraft’ : la función de transferencia
• Este es un modelo ‘mágico’ en capacidad de describir sistemas tanto
eléctricos, mecánicos, hidráulicos, térmicos, electro-mecánicos, electro-
hidráulicos, hidro-mecánicos, … mediante la misma forma abstracta-
matemática
• En lo que concierne al control y manipulación (control en forma general) del
comportamiento dinámico de sistemas físicos de todo esto – importante para el
ingeniero -, en adelante estudiaremos esencialmente la función de
transferencia!
• Otro modelo ‘witchcraft’ es el modelo en espacio de estado; que tiene una
gran ventaja: esta también en capacidad de describir sistemas no-lineales;
también tiene una ‘desventaja’: los métodos de diseño y análisis basados en el
modelo de función de transferencia pueden interpretarse bien en forma física,
los basados en modelo en espacio de estado son abstracto-matemáticos.
H.
Biotecnológicos
Conclusiones II
• Un modelo de función de transferencia es esencialmente un modelo input-
output, un modelo causa-efecto; que describe la relación entre entradas al
proceso (manipulables/medibles) y salidas del proceso (medibles/calculables);
todas las variables en el tiempo tienen significado físico (‘señales’)
• Un modelo en espacio de estado describe también variables ‘internas’ (via el
vector de estados); que no siempre tienen un significado físico, o que tienen un
significado físico pero en la práctica no son medibles/calculables y por eso tienen
poca importancia práctica
• En este ‘curso básico’ de control – dirigido a conceptos de uso práctico más que
a conceptos fundamentalmente teóricos – se tratarán luego solamente sistemas
lineales (linealizados); la ventaja del modelo en espacio de estado es que no
resiste desventajas; por eso en adelante se trabaja solamente con funciones de
transferencia (los modelos en espacio de estado aparecen en cursos mas
especializados respecto a teoria de sistemas lineales y no-lineales)
• El modelo en espacio de estado es la base para la simulación de los sistemas
dinámicos
H.
Biotecnológicos
Modeling is an art (and a science)
La Maja
(Francisco de GOYA; España 1746-1828)
Maja Vestida Maja Desnuda
Modeling is an art Modeling is a science

the artist must bring a significant level of because the principles can be learned
creativity to the task: to make a set of and the results can be evaluated,
simplifying assumptions that nevertheless both quantitatively and qualitatively;
result in a realistic model (= one that is to become a well-skilled modeler,
useful for the specified objective) much exercising is required
Biotecnológicos H.
Bibliografía
• Nise. Control Systems Engineering (3rd edition).
John Wiley & Sons, Inc. (2000), p. 37-173 & 250-264
• Dorf and Bishop. Modern Control Systems (8th edition).

Addison-Wesley-Longman, Inc. (1998), p. 32-125
• Dutton, Thompson and Barraclough. The Art of Control Engineering.

Addison-Wesley-Longman, Ltd. (1997), p. 30-115
• Marlin. Process Control.

McGraw-Hill, Inc. (1995), p. 47-147
• Seborg, Edgar and Mellichamp. Process Dynamics and Control.

John Wiley & Sons, Inc. (1989), p. 16-99
Biotecnológicos H.

Modelos Matemáticos

Cargado por

Copyright:

Formatos disponibles

Modelos Matemáticos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelos Matemáticos

Cargado por

Copyright:

Formatos disponibles

Capítulo 2:

Potencia (P) Componente Símbolo Ecuación Notas

Potencia (P) Componente Símbolo Ecuación Nota

Potencia (P) Componente Símbolo Ecuación Nota

 (t) C=Mc (c: J/kgK)

• Expanda el “sistema en subsistemas más sencillos

u (t )  Lx 1 (t )  Rx1 (t )  x2 (t ); Cx 2  x1 (t ); y (t )  x2 (t )

R1C1 R2 C 2 qo (t )  ( R1C1  R2 C1  R2 C 2 )q o (t )  q o (t )  qi (t )

flujo turbulento (Bernouilli) :

En general un modelo entrada - salida no - lineal (n - orden, 1 entrada, 1 salida) :

x (t )  Ax(t )  B u (t ) con las ecuaciones de desviación :

 f1 f1   f1 f1   g1 g1   g1 g1 

Linearice alrededor de la posición de equilibrio T *  0,  *  0

Ejemplo 2 : Paso unitario : f (t )  1

(a mag también es compleja, y   Re(a ); útil en sin/cos)

7. Valor inicial : f (0  )  lim sF ( s ) ( 2)

10 5 2t 40 3t 10 3t

 0.601  1.12e t cos(2t  26.57) 0.2

 0.601  1.12e t cos 2(t  0.23) 0

valor final  f ()  0 valor inicial  f (0)  2

2) Tome  M  1,B  3,K  10 TAREA 6:

£  transformada con todas las C.I. cero :

Aproximación de un tiempo muerto a una función de transferencia racional :

Input : u (t )  T (t )  T( s ) Output : y (t )   1(t )  1 ( s )

Función de transferen cia (y ecuación diferencia l resultante ) :

Observe que: P(s) es independiente de las variables! de entrada-salida

Leyes de Diagramas de Bloques

u: vector de entradas (escalar para 1 input)  y1  g1 ( x1 , x2 , , xn ; u1 , u2 ,  , um )

 (puede haber inestabilidad por mala escogencia de T)

Relación - recursiva : comience para t  0 con x(0)  x 0 (valor inicial)

TimeVector=[0:T:5]; %tiempo de simulación total =5s

% simulación de un sistema real no-lineal (para todos los Umax)

% simulación del sistema linealizado (solo válido para pequeños Umax)

Del Modelo en Espacio de Estado a la Función de Transferencia:

Sin embargo el Modelo entrada-salida (TF) en ambos casos es el mismo:

Tome b / M  3 y k / M  2, luego (output y y input u  a  x) :

Qi  Qo  Q  Ay (debido a incompresibilidad)

•Sistema con 2 entradas (z y x) y 3 salidas (y1, y2 y p)

•Observe el acoplamiento interno en el sistema!

6.571s2  1721s  50000 Y1(s)

Defina las siguientes variables de estado :

esto conduce al siguiente sistema matricial  A, B, C, D :

Numérico: C(sI-A)-1B+D con MatLab®:

Arreglo: control de suspensión activa (ASC) y pasiva (PSC)

TAREA 12: Reproduzca estas figuras en MatLab® o en Simulink®

• en regiones secas existen un número de reservorios de agua subterranea

• MAGnetic LEVitation  “Levitación Magnética”

• stator - field - (o magneto permanente)

(mire el acoplamiento interno:

Amplifier Motor and arm G(s)

CONCLUSION: mucho por aprender para lograr las especificaciones!

• Excelente para la antena 0.2

• Divida JL=1 (kg m2) como J1=0.2 y J2=0.8

velocidad de reacción (por unidad de volumen) :

• amplificación estática ci  c: K1=q*/(q*+Vk)

linearizac ion alrededor del punto Ti* , Tc* , q*    T* 

• suponga que Ti*=Tc*: interprete el valor de T*y de la amplificación estática K(qT)

•Modelo en Espacio de Estado x’=F(x,u): 2do orden

Punto de operación (Investiga que este es el punto de equilibrio):

C (s)  497.8 T ( s) 5.342s  40.48

• amplificación estática ci  c: K1=q/(q+Vk)

• suponga que Ti=Tc: interprete el valor de T*y de la amplificación estática K(qT)