PROBLEMÁTICA Proliferación de muchos textos
teóricos difíciles de entender para los estudiantes
y con pocos ejercicios prácticos. Aterrizaje de los
conceptos dados teóricamente por medio de simulaciones.
Utilización de herramientas de software de bastante uso a
nivel académico como son Matlab y Labview.
Aplicación de herramientas especializadas en Matlab como
son Ident, Sisotool, Guide y Simulink.
MAPA CONCEPTUAL DEL LIBRO
CAPITULO 0: INSTRUMENTACIÓN INDUSTRIAL Introducción
a los procesos industriales y su simbología Definiciones
para el análisis de instrumentos, sistemas de
medición y control Símbolos internacionales de
instrumentación Descripción de símbolos
Ejemplo de diagrama P&ID Identificación de los
instrumentos Procesos industriales
CAPITULO 1: CONCEPTOS RELACIONADOS Sistemas de control en tiempo
discreto Sistemas de control en tiempo continuo y en tiempo
discreto Sistemas de control continuo Sistemas de control digital
Señales continuas y discretas Sistemas de
adquisición, conversión y distribución de
datos. Implementación sistema de control digital
utilizando puerto serial Herramientas para adquirir datos por el
puerto serial utilizando matlab Programa para toma y envio de
datos con matlab Ejemplos de programas utilizando labview
Adquisición y distribución de datos por puerto
serial para control de nivel Sistema de adquisición y
distribución de datos para temperatura y nivel
CAPITULO 1: HERRAMIENTAS DE MATLAB UTILIZADAS Otro programa para
generar la señal pseudoaleatoria que se enviará al
puerto serial. Para esto, es necesario tener la herramienta IDENT
de Matlab para generar la señal PRBS: s=serial('COM1');
fopen(s); entrada=idinput(2000,'PRBS',[0 0.25],[10 30])
%Generación señal aleatoria . Se debe tener Ident
de Matlab for i=1:2000 sal=entrada(i,1); f(i,1)=sal; %salida
aleatoria hacia el micro fwrite(s,sal,'char','sync');
%Envío de información al puerto serial fclose(s) %
Se cierra el Puerto para limpiar el buffer de datos. fopen(s)
a=fread(s,s.inputbuffersize,'char'); %Adquisición de
información del Puerto serial c(i,1)=a; %entrada de la
señal del sensor proveniente del micro d(i,1)=i; pause(10)
i=i+1 end fclose(s); subplot(2,1,1) %Grafica la
información obtenida plot(d,f,'-') subplot(2,1,2)
plot(d,c,'o')
CAPITULO 2: HERRAMIENTAS MATEMÁTICAS UTILIZADAS EN LOS
SISTEMAS DE CONTROL DIGITAL La transformada Z Transformada Z para
funciones básicas Función escalón unitario
Función rampa unitaria Función polinomial ak
Función exponencial Función senoidal
Utilización de Matlab para encontrar la transformada Z de
una expresión Transformada z inversa Método de la
división directa Método computacional
Utilización de comandos especiales de Matlab para
encontrar la transformada z inversa de una expresión
Transformada z inversa utilizando ecuaciones en diferencias
Transformada z inversa utilizando fracciones parciales
Método de los residuos o de la integral de
inversión.
CAPITULO 2: HERRAMIENTAS UTILIZADAS DE MATLAB COMANDOS
ESPECIALES: ztrans: Transformada Z – a. n = sym(´n´)
– b. f = n^4 – c. ztrans(f) – d. z*(z^3+11*z^2+11*z+1)/(z-1)^5
Iztrans: Transformada Z inversa – a. z = sym(‘z’) –
b. f = 2*z/(z-2)^2 – c. iztrans(f) Función de
transferencia: filter Graficación: plot
CAPITULO 3: CONCEPTOS DE UN SISTEMA DIGITAL Sistema muestreador
Circuitos para retención de datos Reconstrucción de
señales originales a partir de señales muestreadas
– Teorema del muestreo La función de transferencia pulso –
Lazo abierto – Lazo cerrado Correspondencia entre el plano s y el
plano z
CAPITULO 4: IDENTIFICACIÓN DE SISTEMAS LINEALES Concepto
de sistema Modelo de un sistema Métodos de
identificación Técnicas de identificación
paramétrica Tipos de modelos parametricos Métodos
para el ajuste de parámetros Consideraciones para
identificación Obtención de datos Pretratamiento de
datos Validación del modelo Reducción del
modelo
CAPITULO 4: HERRAMIENTAS UTILIZADAS DE MATLAB System
Identification Toolbox: Ident – Comandos – Interfaz grafica
Identificación de sistemas utilizando IDENT datos=[XT FT]
% Configuración de los datos. Se coloca primera la
variable de salida XT y después la variable de entrada FT.
Deben tener el mismo tamaño. tam=length(FT) % Cantidad de
datos de la variable de entrada FT. datos_ident=[XT(1:60)
FT(1:60)] % Cantidad de datos tomados para la validación
del sistema. Para este caso, se toman los siguientes 60 datos
tanto de entrada como de salida. datos_val=[XT(61:tam)
FT(61:tam)] % Cantidad de datos tomados para la
identificación del sistema. Para este caso, se toman los
primeros 61 datos tanto de entrada como de salida.
idplot(datos_ident) % Visualizar los datos tomados para
identificación.
Identificación de sistemas utilizando IDENT
datos_ident=dtrend(datos_ident) % % Remueve las tendencias
lineales de los datos de identificación, manteniendo la
información de la dinámica del sistema, pero no su
comportamiento estático. datos_val=dtrend(datos_val) %
Remueve las tendencias lineales de los datos de
validación, manteniendo la información de la
dinámica del sistema, pero no su comportamiento
estático. idplot(datos_ident) % Visualiza los datos de
identificación sin tendencia lineal. idplot(datos_val) %
Visualiza los datos de validación sin tendencia lineal.
th=arx(datos_ident,[2 7 6]) % Aplicación del modelo
posible. Para este caso es ARX. Puede ser ARMAX, OE y BJ. Se debe
tener presente los parámetros que maneja cada uno.
Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + e(t) A(q) = 1 –
0.3144 q^-1 – 0.3001 q^-2 B(q) = 0.1531 q^-6 + 0.07232 q^-7 +
0.02384 q^-8 + 0.05164 q^-9 + 0.1027 q^-10 – 0.008651 q^-11 –
0.03379 q^-12 Estimated using ARX from data set datos_ident Loss
function 2.16316 and FPE 2.92663 Sampling interval: 1
Identificación de sistemas utilizando IDENT
th=sett(th,300) % Representación del modelo en
términos de q-1, con el tiempo de muestreo del sistema.
present(th) % Presenta el modelo obtenido en q-1.
[numd1,dend1]=th2tf(th) % Transforma los polinomios en format q-1
en expresiones numerador y denominador. Presenta cada coeficiente
de los polinomios obtenidos. roots(dend1) % Se encuentran las
raíces del polinomio denominador para ubicación de
los polos. compare(datos_val,th) % Compara los datos de
validación con el modelo obtenido. En la gráfica
obtenida se muestra una comparación entre las salidas de
los modelos simulados y la salida medida cuando son aplicados los
datos de validación. sysd=tf(numd1,dend1,300) Transfer
function: 0.1531 z^6 + 0.07232 z^5 + 0.02384 z^4 + 0.05164 z^3 +
0.1027 z^2 – 0.008651 z – 0.03379
——————————————————————————————————————-
z^12 – 0.3144 z^11 – 0.3001 z^10 Sampling time: 300
Identificación de sistemas utilizando el GUI de
Ident
Identificación de sistemas con el GUI de Ident
CAPITULO 5: CONCEPTOS DE ESTABILIDAD EN UN SISTEMA DE CONTROL EN
TIEMPO DISCRETO Criterio de estabilidad de Jury
Transformación bilineal y criterio de estabilidad de
Routh-Hurwitz Método del lugar geométrico de las
raíces Utilización de la herramienta SISOTOOL de
Matlab para obtener el lugar geométrico de las
raíces de un sistema de control discreto.
CAPITULO 5: HERRAMIENTAS DE MATLAB UTILIZADAS Simulink Sisotool:
rltool
CAPITULO 5: HERRAMIENTAS DE MATLAB UTILIZADAS
CAPITULO 5: HERRAMIENTAS DE MATLAB UTILIZADAS
CAPITULO 6: RESPUESTA DE LOS SISTEMAS EN TIEMPO DISCRETO
Respuesta estacionaria de los sistemas Análisis de error
en estado permanente Error a escalón unitario o
señal de posición Error a rampa unitaria o
señal de velocidad Error a entrada parabólica o
señal de aceleración Robustez de un sistema
discreto
CAPITULO 6: HERRAMIENTAS UTILIZADAS DE MATLAB SIMULINK
CAPITULO 7: DISEÑO DE COMPENSADORES DISCRETOS
Diseño de compensadores discretos a partir de
especificaciones temporales Diseño de controladores
discretos Acción proporcional Acción derivativa
Acción integral Control PI discreto Control PD discreto
Control PID discreto Implementación de un controlador PID
discreto con LabVIEW Implementación de un controlador PID
discreto utilizando la herramienta GUIDE de Matlab
DIA MATLAB 2008. BOGOTÁ CAPITULO 7: HERRAMIENTAS
UTILIZADAS DE MATLAB GUIDE: Interfaz gráfica de Usuario
Simulink Sisotool
CAPITULO 7: HERRAMIENTAS UTILIZADAS DE MATLAB