0% encontró este documento útil (0 votos)
165 vistas11 páginas

Informe Control

Este documento presenta un resumen de tres oraciones del tema "Modelamiento de un sistema eléctrico para encontrar la función de transferencia". El documento incluye el marco teórico sobre modelado de sistemas, sistemas eléctricos, y el procedimiento para la obtención de un modelo matemático. El objetivo es realizar el modelamiento de un sistema eléctrico para obtener su función de transferencia aplicando conceptos de Laplace. Se describen los materiales requeridos y los cálculos e simulaciones necesarias para lograr los objetivos planteados

Cargado por

Bryan Cobo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
165 vistas11 páginas

Informe Control

Este documento presenta un resumen de tres oraciones del tema "Modelamiento de un sistema eléctrico para encontrar la función de transferencia". El documento incluye el marco teórico sobre modelado de sistemas, sistemas eléctricos, y el procedimiento para la obtención de un modelo matemático. El objetivo es realizar el modelamiento de un sistema eléctrico para obtener su función de transferencia aplicando conceptos de Laplace. Se describen los materiales requeridos y los cálculos e simulaciones necesarias para lograr los objetivos planteados

Cargado por

Bryan Cobo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE

DEPARTAMENTO DE CIENCIAS EXACTAS

ASIGNATURA Sistemas de control


TEMA:
UNIDAD Uno
FECHA 24/05/2018

NOMBRE:

 Balseca Cristina.

 Cobo Bryan.

 Navas Gianella.

 Obando Christopher.

CARRERA: 6to MECATRÓNICA

1
Contenido
1. Tema...........................................................................................................................3

2. Objetivo General........................................................................................................3

3. Objetivos Específicos.................................................................................................3

4. Marco Teórico............................................................................................................3

5. Materiales..................................................................................................................3

6. Cálculos......................................................................................................................3

7. Simulaciones..............................................................................................................3

8. Procedimiento...........................................................................................................3

9. Análisis de resultados................................................................................................3

10. Conclusiones..........................................................................................................3

11. Recomendaciones..................................................................................................3

12. Referencias Bibliográficas......................................................................................3

13. Anexos....................................................................................................................3

2
1. Tema.
Modelamiento de un sistema eléctrico para encontrar la función de transferencia.

2. Objetivo General.
Realizar el modelamiento del sistema eléctrico para obtener la función de transferencia, a
través de conocimientos previos como es la utilización de Laplace.

3. Objetivos Específicos.

4. Introducción
El control automático ha jugado un papel vital en el avance de la ciencia y de la
ingeniería. Además de su extrema importancia en vehículos espaciales, sistemas de
piloto automático de aeronaves, sistemas robóticos y otros, el control automático se ha
vuelto parte integral e importante de los procesos industriales y de manufactura
modernos. Resulta esencial en operaciones industriales como el control de presión,
temperatura, humedad y viscosidad, y flujo en las industrias de transformación.
[ CITATION Ins18 \l 3082 ]

Como los avances en la teoría y práctica del control automático brindan medios para
lograr el funcionamiento óptimo de sistemas dinámicos, mejorar productividad,
liberarse de la monotonía de muchas operaciones manuales rutinarias y repetitivas, y
otras ventajas, la mayoría de los ingenieros y científicos deben poseer un buen
conocimiento en ese campo. Quizá la cualidad más característica de la ingeniería de
control sea la oportunidad de controlar máquinas y procesos industriales y económicos
en beneficio de la sociedad. [ CITATION Ins18 \l 3082 ]

5. Marco Teórico.

Modelado de sistemas.

Los modelos matemáticos constituyen hoy día un medio de trabajo imprescindible para
el especialista en técnica de control de procesos. Es posible realizar un modelo del
proceso a regular, de su entorno y de sus leyes de control. No existe un único modelo,
sino una serie de modelos. Los modelos más sencillos investigan a priori el
comportamiento, los más complejos reproducen el comportamiento del sistema real
con máxima fidelidad. Luego existe una solución de compromiso entre elegir el modelo
más sencillo, que implica una simplificación excesiva, con el riesgo de fracaso técnico y
el modelo más complejo, que significa una complicación inadecuada, con el riesgo de
fracaso económico. [CITATION Jua18 \l 3082 ]

Modelos matemáticos

3
Para diseñar el modelo de un sistema se debe empezar a partir de una predicción de su
funcionamiento antes que el sistema pueda diseñarse en detalle. La predicción se basa
en una descripción matemática de las características dinámicas del sistema. A esta
descripción matemática se la llama modelo matemático. Normalmente el modelo
matemático se trata de una serie de ecuaciones diferenciales que describen el
comportamiento del sistema (modelo teórico). [ CITATION Art18 \l 3082 ]

Sistemas lineales y no lineales:

Sistema Lineal: En este caso las ecuaciones que describen el modelo son lineales, se les
aplica el principio de superposición (ante dos entradas la salida es la suma de las
respuestas individuales).

Sistema No lineal: No se aplica el principio de superposición. Existe dificultad


matemática, normalmente se los aproxima a modelos matemáticos lineales.

Sistemas dinámicos y estáticos:


Sistema Dinámico: Si su salida en el presente depende de una entrada en el pasado.
Sistema Estático: Su salida en curso depende de la entrada en curso. En este caso la
salida no cambia si la entrada no cambia. En el dinámico la salida cambia con el tiempo
cuando no está en equilibrio. [ CITATION Art18 \l 3082 ]

Sistemas Eléctricos

En los sistemas eléctricos encontramos como variables descriptivas principales a las


tensiones y corrientes. La teoría de circuitos caracteriza los fenómenos asociándolos a
dipolos que vinculan estática o dinámicamente tensiones y corrientes. [ CITATION Ins18
\l 3082 ]

Leyes de Electricidad:

Basado en la ley de Ohm, la teoría de circuitos representa el fenómeno de disipación


de energía mediante un dipolo (resistencia) que establece una relación entre la tensión
y corriente.

4
Otros fenómenos fundamentales de estos sistemas son la acumulación de energía en
forma de campo eléctrico. Este es descripto por la ley de Coulomb, de la cual se
deducen las relaciones que describen el fenómeno de capacitancia. [ CITATION Ins18 \l
3082 ]

Alrededor de una carga en movimiento o corriente hay una región de influencia que se
llama campo magnético. La variación del campo magnético con respecto al tiempo,
induce una fuerza electromotriz en el circuito. Las relaciones entre las variables
asociadas al fenómeno de almacenamiento de energía en el campo magnético pueden
deducirse de las leyes de Faraday y de Ampere. [CITATION Jua18 \l 3082 ]

El fenómeno, que la teoría de circuitos caracteriza mediante la inductancia, pueden


describirse a partir de las siguientes ecuaciones:

5
Por último, encontramos relaciones asociadas a la estructura de los circuitos eléctricos.
Estas no son otras que las leyes de Kirchhoff de tensión y corriente. Recordemos que
éstas establecen respectivamente que la suma de las tensiones en una malla cerrada es
igual a cero y que la suma de las corrientes entrantes a un nudo es también nula.
[ CITATION Jua18 \l 3082 ]

6. Materiales.
Tabla 1: Nómina de materiales

NOMBRE DESCRIPCIÓN GRÁFICO

Fuente Regulada Fuente de varias salidas de


DC corriente continua y voltaje
regulado.

Cables de Cables empleados para conectar


conexión. los canales usados de la fuente con
el circuito y para conectar el
multímetro con los componentes
del circuito.

Multímetro digital Instrumento de medición de


tensión e intensidad de corriente
para cualquier circuito.

6
7. Cálculos.

7
8. Simulaciones.

9. Procedimiento.
Para la elaboración de modelos:

Al aplicar las leyes físicas a un modelo, es posible desarrollar un modelo matemático


que describa al sistema (modelo teórico). A veces es imposible desarrollar un modelo
teórico, entonces se somete al sistema a un conjunto entradas conocidas y se miden
sus salidas, obteniéndose así un modelo experimental.

O sea, se calcula el modelo a partir de las relaciones entrada-salida. Ningún modelo


matemático puede representar al sistema con precisión. Siempre involucra
suposiciones y aproximaciones.

8
Procedimientos para la obtención del modelo:

1. Dibujar un diagrama esquemático del sistema y definir las variables.


2. Utilizando leyes físicas, escribir ecuaciones para cada componente,
combinándolas de acuerdo con el diagrama del sistema y obtener el modelo.
3. Para verificar la validez del modelo, la predicción del funcionamiento obtenida
al resolver las ecuaciones del modelo, se compara con los resultados
experimentales (la validez del modelo se verificar mediante un experimento).
4. Si el experimento se aleja de la predicción se debe modificar el modelo y se
repite el proceso.

10. Análisis de resultados.

9
11. Conclusiones.

12. Recomendaciones.

13. Referencias Bibliográficas.

10
Ernesto, A. (15 de 05 de 2018). Sistemas de control. Obtenido de
[Link]
de-transferencia/
Mejía, L. (15 de 05 de 2018). Automática. Obtenido de
[Link]
Politecnico, I. (15 de 05 de 2018). Instituto Politecnico . Obtenido de
[Link]
15%20TECNOLOG%C3%8DA%20DE%20CONTROL%20-%20Introduccion%20al
%20modelado%20de%20sistemas%[Link]?sequence=2

14. Anexos

11

Common questions

Con tecnología de IA

Mathematical models aid the design of control systems by providing a prediction of their behavior before detailed system design. These models, often consisting of differential equations, describe dynamic system characteristics and allow engineers to mimic and predict system operation, facilitating optimal design choices. They require balancing complexity with practicality to avoid technical or economic failures .

The primary difference between dynamic and static systems is their dependency on time. In dynamic systems, current outputs are influenced by past inputs and state changes over time, which can result in system behavior changes without new inputs. In contrast, static systems have outputs that directly correlate with current inputs, and outputs remain constant if inputs do not change .

The principle of superposition applies to linear systems by allowing the combination of individual responses to separate inputs to predict overall system behavior. This principle is significant because it simplifies analysis and design, enabling the decomposition of complex problems into manageable components, thus facilitating more efficient and accurate control system modeling .

Choosing overly simplistic models can lead to technical failures due to inadequate system representation, while overly complex models may pose economic risks due to increased resource demands and operational inefficiencies. Striking a balance between simplicity for feasibility and complexity for fidelity is crucial in model design to mitigate these risks .

Engineers verify the validity of a mathematical model by comparing the model's predicted outputs against experimental data obtained from the system. If significant discrepancies occur, the model is adjusted until its predictions align closely with observed experimental results, thus ensuring its practical applicability and accuracy in system design and control .

Modern control systems benefit society by enabling the efficient and optimal operation of machines and industrial processes, thus increasing productivity and reliability. They also alleviate human workers from repetitive and monotonous tasks, thus enhancing quality of life and contributing to technological and economic advancements .

The laws of Ohm, Coulomb, Faraday, and Ampere provide foundational principles for modeling electrical systems. Ohm's law relates voltage, current, and resistance, while Coulomb's law describes electric field interactions for capacitance. Faraday's law of electromagnetic induction and Ampere's circuital law enable the modeling of inductive and magnetic properties, essential for accurate representations of energy storage and transfer in circuits .

Automatic control plays a vital role in modern industrial processes by optimizing the functioning of dynamic systems and improving productivity. It is essential in controlling various operations like pressure, temperature, humidity, viscosity, and flow in manufacturing industries, thereby liberating workers from monotonous, routine tasks and providing societal benefits .

The choice between linear and non-linear models depends on the nature of the system equations and the need for precision versus simplicity. Linear models, which allow superposition principles, are typically preferred for simplicity but may not accurately capture system behaviors with significant non-linear characteristics. Non-linear models provide more accurate representations at the cost of mathematical complexity, often approximated by linear models for feasibility .

Mathematical models cannot perfectly represent real-life systems because they involve assumptions and approximations that simplify complex real-world interactions. While they can simulate system behavior under certain conditions, factors like environmental changes, unforeseen interactions, and measurement errors prevent exact representation. Models are designed for practicality rather than complete accuracy to inform design and control decisions .

También podría gustarte