SIMULACIÓN DE UN SISTEMA DE CONTROL

ADAPTATIVO CON MODELO DE REFERENCIA PARA EL

PROCESO DE NEUTRALIZACIÓN DE pH EN UN TANQUE
REACTOR DE MEZCLADO CONTINUO

JOSÉ YUSEP DAVILA ARIAS

MICHEL DE ORO GENES

UNIVERSIDAD INDUSTRIAL DE SANTANDER

FACULTAD DE INGENIERIA FISICOMECANICAS
ESCUELA DE INGENIERÍAS ELÉCTRICA, ELECTRÓNICA Y
TELECOMUNICACIONES
BUCARAMANGA
2005
 SIMULACIÓN DE UN SISTEMA DE CONTROL
ADAPTATIVO CON MODELO DE REFERENCIA PARA EL
PROCESO DE NEUTRALIZACIÓN DE pH EN UN TANQUE
REACTOR DE MEZCLADO CONTINUO

JOSÉ YUSEP DAVILA ARIAS

MICHEL DE ORO GENES

Proyecto de grado para optar al título de Ingenieros

Electrónicos

Director
PhD. CARLOS RODRIGO CORREA CELY

UNIVERSIDAD INDUSTRIAL DE SANTANDER

FACULTAD DE INGENIERÍAS FÍSICO MECÁNICAS
ESCUELA DE INGENIERÍAS ELÉCTRICA, ELECTRÓNICA Y
TELECOMUNICACIONES
BUCARAMANGA
2005
Bucaramanga, abril 25 de 2005
 CONTENIDO

Pág.

INTRODUCCION ................................................................................ ……….1

1. OBJETIVOS................................................................................................ 2
1.1. OBJETIVO GENERAL ............................................................................. 2

1.2. OBJETIVOS ESPECIFICOS.................................................................... 2

2. PLANTEAMIENTO DEL PROBLEMA......................................................... 4

3. LOGROS..................................................................................................... 6
4. CONCEPTOS FUNDAMENTALES DE pH ................................................. 8
4.1. ACIDOS Y BASES................................................................................... 8

4.2. NIVEL DE pH ........................................................................................... 9

5. DESCRIPCIÓN DEL PROCESO .............................................................. 11

5.1. TANQUE REACTOR DE MEZCLADO CONTINUO............................... 11

5.2. REACCIONES ÁCIDO FUERTE – BASE FUERTE EN UN CSTR ........ 12

6. CONCEPTOS DE CONTROL ADAPTATIVO ........................................... 15

6.1. DEFINICIÓN .......................................................................................... 16

6.2. PERSPECTIVA HISTÓRICA ................................................................. 16

6.3. ESQUEMAS DE CONTROL ADAPTATIVO........................................... 18

6.3.1. Programación de ganancia ................................................................. 18

6.3.2. Sistemas de control adaptativo con modelo de referencia..................... 19

6.3.3. regulador autosintonizado............................................................................ 21

7. CONTROL ADAPTATIVO CON MODELO DE REFERENCIA. ................ 23

7.1. MECANISMO DE AJUSTE .................................................................... 25

7.1.1. Identificación con modelo de referencia.............................................. 25

7.1.2. Regla MIT o metodo del gradiente...................................................... 29

8. DESCRIPCIÓN DEL SISTEMA DE CONTROL ........................................ 31

8.1. MODELO DE REFERENCIA ................................................................. 33

8.2. CONTROLADOR ................................................................................... 34

8.3. MECANISMO DE AJUSTE .................................................................... 35

8.3.1. Estabilidad del mecanismo de ajuste.................................................. 36

9. ANÁLISIS DEL SISTEMA DE CONTROL................................................. 38

9.1. MODELO DE REFERENCIA ................................................................. 39

9.2. CONTROLADOR ................................................................................... 46

9.3. MECANISMO DE AJUSTE .................................................................... 50

9.4. CSTR ..................................................................................................... 56

10. CONCLUSIONES ................................................................................... 58

11. RECOMENDACIONES ........................................................................... 61
BIBLIOGRAFÍA ............................................................................................. 62
ANEXOS....................................................................................................... 64
 LISTA DE TABLAS

Pág.

Tabla 1. Descripción de las variables involucradas en la ecuación de

balance de materia en un CSTR…………………................................ 33

Tabla 2. Valores de flujo inicial, máximo y final de base para el controlador

ante incrementos del flujo de ácido en el CSTR. ................................... 48

Tabla 3. Valores de flujo mínimo, máximo y final de base para el

controlador ante incrementos de la concentración de ácido en el
CSTR. .................................................................................................... 49

Tabla 4. Valor de los parámetros adaptativos para diferentes valores de

concentración de ácido en el CSTR. ..................................................... 51

Tabla 5 Valor de los parámetros adaptativos para diferentes valores de

flujo de ácido en el CSTR. ..................................................................... 52
 LISTA DE FIGURAS

Pág.

Figura 1. Esquema del proceso a controlar ................................................... 5

Figura 2. Tanque Reactor de Mezclado Continuo........................................ 11

Figura 3. Relación Q - pH ............................................................................ 14

Figura 4. Esquema de control adaptativo con programación de ganancia .. 20

Figura 5. Esquema de Alta Ganancia .......................................................... 20

Figura 6. Regulador Auto - Sintonizado ....................................................... 21

Figura 7. Sistema de control adaptativo con modelo de referencia ............. 24

Figura 8. Salida del modelo de referencia ante una onda cuadrada

de amplitud 1 como señal de referencia ................................................ 40

Figura 9. Nivel de pH en el CSTR y salida del modelo de referencia ante

una onda cuadrada de amplitud 1 y modelo de referencia con
constante de tiempo 1 segundo............................................................. 41

Figura 10. Respuesta del CSTR en lazo abierto........................................... 42

Figura 11. Nivel de pH en el CSTR y salida del modelo de referencia ante

una onda cuadrada de amplitud 1 y modelo de referencia con constante
de tiempo de 0.1 segundos y ganancia adaptativa igual a 10. ............. 43
Figura 12. Nivel de pH en el CSTR y salida del modelo de referencia ante
una onda cuadrada de amplitud 1 y modelo de referencia con constante
de tiempo de 0.1 segundos y ganancia adaptativa igual a 40. .............. 44

Figura 13. Nivel de pH en el CSTR y salida del modelo de referencia ante

una onda cuadrada de amplitud 1 y modelo de referencia con constante
de tiempo igual a 4 segundos. ............................................................... 45

Figura 14. Salida de controlador para la simulación por defecto. ................. 46

Figura 15. Salida del controlador cuando se aumentan las ganancias

adaptativas. ........................................................................................... 47

Figura 16. Respuesta del mecanismo de ajuste ante un cambio brusco en

el flujo de acido en el CSTR. ................................................................. 53

Figura 17. Respuesta del mecanismo de ajuste para θ1 acido utilizando

ganancias adaptativas de 2 y 20. .......................................................... 54

Figura 18. Nivel de pH utilizando ganancias adaptativas de 2 y 20. ............. 55

Figura 19. Nivel de pH en el CSTR ante cambios bruscos en los

parámetros............................................................................................. 57
 LISTA DE ANEXOS

Pág.

ANEXO A. TEOREMA DE BARBALAT......................................................... 64

ANEXO B. TEORÍA DE ESTABILIDAD DE LYAPUNOV .............................. 66

ANEXO C. DESCRIPCIÓN DEL SISTEMA DE CONTROL PROPUESTO

CUANDO SE APLICA A LA NEUTRALIZACIÓN DE UNA SUSTANCIA
BÁSICA.................................................................................................. 72

ANEXO D. DESCRIPCIÓN DEL ALGORITMO UTILIZADO PARA LA

SIMULACIÓN. ....................................................................................... 74

ANEXO E. DESCRIPCIÓN DE LA INTERFAZ GRAFICA IMPLEMENTADA 81

ANEXO F. GUÍA DE LABORATORIO........................................................... 90

 RESUMEN

TITULO

SIMULACIÓN DE UN SISTEMA DE CONTROL ADAPTATIVO CON MODELO DE

REFERENCIA PARA EL PROCESO DE NEUTRALIZACIÓN DE pH EN UN TANQUE
REACTOR DE MEZCLADO CONTINUO∗

AUTORES

MICHEL DE ORO GENES

JOSÉ YUSEP DAVILA ARIAS**

PALABRAS CLAVES

MRAS, regla MIT, pH, teoría de Lyapunov, CSTR.

DESCRIPCIÓN

El proceso de neutralización de pH en un tanque reactor de mezclado continuo

(CSTR), se constituye en la actualidad, a nivel industrial, en una de las aplicaciones
más exigentes, críticas y comunes de los sistemas de control automático. Algunas de
las características que posee esta aplicación son su alta no linealidad y parámetros de
proceso variantes en el tiempo. Es por estas razones que las técnicas de control
utilizadas tradicionalmente no se adecuan a este proceso, y se propone utilizar como
estrategia de control un esquema de control adaptativo con modelo de referencia
(MRAS). Este trabajo tiene por objetivo la implementación una interfaz grafica de
usuario en MATLAB 6.5 que permita apreciar las principales características y forma de
funcionamiento del sistema de control adaptativo con modelo de referencia.

Dentro del presente trabajo, se esboza una visión general sobre el control adaptativo y
sus diversos esquemas, se realiza el desarrollo teórico que permite la correcta
aplicación del esquema de control adaptativo con modelo de referencia al proceso de
neutralización de pH en un CSTR y se explica el algoritmo mediante el cual se
implementa su simulación.

Por medio de simulación se realizó la evaluación del comportamiento de la estrategia

seleccionada para realizar el control del proceso de neutralización de pH en un CSTR
presentándose un buen desempeño al ser sometida a cambios de parámetros y
diversas señales de entrada. Con el fin de dar a conocer a los estudiantes esta
estrategia de control no convencional se desarrollaron guías que permiten a los
usuarios aprender el manejo y utilización de la interfaz grafica implementada como
práctica de laboratorio.

∗
Proyecto de grado
**
Facultad de ingenierías Físico-mecánicas; Escuela de Ingenierías Eléctrica, Electrónica y
Telecomunicaciones; Carlos Rodrigo Correa Cely.
 ABSTRACT

TITLE

SIMULATION OF A MODEL REFERENCE ADAPTATIVE CONTROL SYSTEM FOR

THE Ph NEUTRALIZATION PROCESS IN A CONTINOUS STIRRED TANK
REACTOR∗.

AUTHORS

MICHEL DE ORO GENES

JOSÉ YUSEP DAVILA ARIAS**

KEYWORDS

pH, MRAS, MIT rule, Lyapunov theory, Continuous stirred tank reactor, Graphical User
Interface.

DESCRIPTION

The pH control process in a continuous stirred tank reactor is one of the most typicals,
criticals and demanding applications of the control systems in the industry. Some of its
main features are: Highly non-linear and time-varying process parameters. Due to
these special features, the traditional control techniques are not well suited for this
process and is proposed a model reference adaptative control system (MRAS)
technique. The objective of this work is to implement a graphical user interface in
MATLAB 6.5 that shows the main features and functioning of the control technique
proposed when it is applied in a CSTR pH neutralization process.

Within this work an overview on control adaptative systems and its schemes is given,
the fundamentals that allows the application of a model reference adaptative control
system in the CSTR pH neutralization process are studied, an explained the
implemented algorithm.

The control system is evaluated using the implemented graphical user interface,
showing a good performance when changes in the process parameters and several
input signals are introduced in the system. To let the students to know this non
conventional control technique were developed a laboratory and a user guide that
allow them to use the implemented graphical user interface as a laboratory practice.

∗
Final Project
**
Physical and Mechanical Engineering Faculty; School of Electrical, Electronics and
Telecommunications Engineering; Carlos Rodrigo Correa Cely.
 INTRODUCCIÓN

En la actualidad, el aumento en la complejidad de los diversos procesos

industriales ha significado un gran reto para los diseñadores de los sistemas de
control. Quizás el aspecto más importante que se ha tenido que enfrentar es el
conocimiento de la planta a controlar, debido a que en algunos casos se tiene solo
una información parcializada del valor de las variables que rigen su
comportamiento, lo que convierte el diseño de este tipo de sistemas de control en
un proceso complejo de mucho análisis y recursividad por parte del diseñador.

Debido a lo anterior, formas de control, tales como PID y compensadores, no son

una opción en aplicaciones con las características enunciadas. Es en este
contexto donde se debe pensar en otras alternativas tales como el control
adaptativo con modelo referencia, que busca mediante una estimación en línea de
los parámetros adecuados del proceso, alcanzar el comportamiento deseado por
el diseñador del sistema de control introducido en forma de un modelo de
referencia.

El proceso a controlar en el presente trabajo de grado es la neutralización de pH

en un tanque reactor de mezclado continuo. Este es un caso especial entre una
clase de sistemas dinámicos no lineales que además de las características
mencionadas anteriormente (parámetros desconocidos y variantes en el tiempo)
posee una fuerte no linealidad, alta sensibilidad, y se constituye en la aplicación
mas típica, común y exigente de los esquemas de control adaptativo, por lo que se
utiliza ampliamente como punto de referencia al evaluar el desempeño de diversas
alternativas de control.
 1. OBJETIVOS

1. 1. OBJETIVO GENERAL

Implementar una interfaz grafica de usuario en MATLAB para simular el proceso

de neutralización de pH en un tanque reactor de mezclado continuo por medio de
control adaptativo con modelo de referencia, que permita apreciar sus
características y forma de funcionamiento.

1. 2. OBJETIVOS ESPECÍFICOS

• Evaluar el comportamiento de la estrategia de control propuesta, cuando se

aplica al proceso de neutralización de pH en un tanque reactor de mezclado
continuo.

• Diseñar una interfaz grafica de usuario en MATLAB que permita el ajuste de

los parámetros del proceso por el usuario y la visualización de la dinámica
del proceso.

2
• Poner a disposición de estudiantes, docentes y demás interesados en la
escuela de ingenierías eléctrica, electrónica y telecomunicaciones una guía
que permita realizar prácticas con la interfaz grafica implementada.

• Elaborar un manual que enseñe al usuario como utilizar la interfaz grafica

implementada.

• Explicar el algoritmo utilizado para la simulación y su respectiva

programación para futuras mejoras y/o modificaciones.

3
 2. PLANTEAMIENTO DEL PROBLEMA

En el transcurso del ejercicio profesional de un ingeniero electrónico en el ramo de

los sistemas de control, es bastante común encontrarse con procesos que
presentan algunas características especiales, tales como:

• No linealidades.
• Parámetros de proceso cambiantes.

Estas son incompatibles con las técnicas de control tradicionales estudiadas en el

transcurso de la carrera, haciendo que se requiera por parte de los estudiantes, un
conocimiento acerca de estrategias alternativas que puedan suplir estas
necesidades. Con este fin se pretende poner a disposición de todos los
interesados una interfaz grafica desarrollada en MATLAB que permita apreciar la
forma como este funciona y las características de una de estas estrategias,
denominada Control adaptativo con modelo de referencia o MRAS1.

El trabajo de grado gira en torno a un proceso de neutralización de pH en un

tanque reactor de mezclado continuo (CSTR2), que cuenta con las características
enunciadas anteriormente.

El esquema del proceso a controlar se muestra en la figura 1:

1
MRAS: Model Referente Adaptative control System
2
CSTR: Continuous stirred tank reactor.

4
Figura 1. Esquema del proceso a controlar.

Fuente: Autores.

La solución a tratar, ya sea un ácido o una base cuyos parámetros de flujo y

concentración son desconocidos y variantes, llega al interior del tanque, donde
mediante la variación del flujo de una solución neutralizante de concentración
constante conocida se busca establecer un valor de pH neutro (pH=7). Finalmente,
la solución es evacuada (solución efluente) siendo requisito mantener en todo
momento constante el volumen dentro del reactor.

El presente trabajo de grado propone la implementación de una interfaz grafica de

usuario desarrollada en MATLAB que permita mostrar las características y
operación del sistema de control adaptativo con modelo de referencia para la
neutralización de pH en un CSTR.

5
 3. LOGROS

La culminación exitosa del presente trabajo de grado pone a disposición de todos

los interesados una interfaz grafica de usuario desarrollada en MATLAB que
permite la experimentación con un sistema de control no tradicional y una de las
aplicaciones mas criticas a nivel industrial de estos.

Los logros del presente trabajo de grado son los siguientes:

• Desarrollar una interfaz grafica que permita simular el sistema de control,

interactuar con sus diferentes componentes, cambiar sus parámetros y
apreciar gráficamente su comportamiento.

• Poner a disposición de los interesados un manual para explicar la forma de

utilizar la interfaz grafica desarrollada.

• Crear una guía de laboratorio que permita desarrollar prácticas con la

interfaz grafica implementada.

• Evaluar el comportamiento del sistema de control propuesto.

6
• Contribuir a la investigación en nuevas técnicas de control del grupo
CEMOS de la escuela de ingenierías eléctrica, electrónica y
telecomunicaciones.

7
 4. CONCEPTOS FUNDAMENTALES DE pH

4. 1. ÁCIDOS Y BASES.

Existen muchas definiciones de ácidos y bases, para el presente trabajo de grado

se definirán de acuerdo a Bronsted-Lowry: Un ácido es una sustancia con
capacidad de donar protones a otras sustancias y una base es una sustancia con
capacidad de aceptar protones de otras sustancias.

Para el estudio de las reacciones químicas no es suficiente decir que tal sustancia
es base o ácido, es necesario también saber que tanta fuerza tiene esta para
interactuar con otras, lo cual se determina a partir del comportamiento de la
sustancia de interés en solución acuosa.

Cuando un ácido o base reacciona con el agua (sustancia neutra), tiene la

capacidad de formar iones (positivos para los ácidos y negativos para las bases),
la cantidad de la sustancia que reacciona con el agua indica que tanta fuerza tiene
la sustancia para interactuar con otras. Se dice que una base y/o un ácido es
fuerte si la totalidad de la sustancia forma iones en solución acuosa.

8
4. 2. NIVEL DE PH

La presencia de iones indica que una sustancia tiene capacidad para reaccionar
con otra, por lo cual una concentración molar (moles/litro) de estos indica que tan
grande es esta capacidad y se expresa mediante la notación pH:

1
pH = log
[ ] H+
(1)

Donde [M ] se refiere a la concentración molar iónica.

De igual manera, para iones negativos, existe la notación pOH:

1
pOH = log
[
OH − ] (2)

A partir del estudio de la ionización del agua, es posible encontrar una relación
[ ] [
entre H + y OH − :]

[H ][OH ] = 10
+ − −14
[M ] (3)

De las tres ecuaciones anteriores se deduce que:

9
• En la escala de pH el nivel máximo es 14 y el mínimo 0.

• [ ] [ ]
Para una sustancia neutra: H + = OH − = 10 −7 [ M ] , por lo que su pH es 7.

• [ ] [ ]
Para sustancias básicas: pH = log 1014 OH − = 14 + log OH − . Por tanto, para

estas sustancias el rango de pH es: 7 < pH < 14 .

• Para sustancias acidas el rango de pH es: 0 < pH < 7 .

10
 5. DESCRIPCIÓN DEL PROCESO

5. 1. TANQUE REACTOR DE MEZCLADO CONTINUO (CSTR).

El tanque reactor de mezclado continuo o CSTR mostrado en la figura 2 es uno de

los dispositivos mas utilizados en la industria química.

Figura 2. Tanque reactor de mezclado continuo.

Fuente: Fogler, H. Scout. “Elementos de ingeniería de las reacciones químicas”. Pág. 10.

Como se aprecia en la figura 2, los reactivos son introducidos al tanque, donde

con la ayuda de un mezclador se realizan las reacciones químicas requeridas para
luego ser evacuados los productos. Las condiciones al interior de un CSTR están

11
muy bien controladas, por lo que se acepta generalmente que en todos los puntos
del tanque las concentraciones y temperatura son las mismas.

5. 2. REACCIONES ÁCIDO FUERTE – BASE FUERTE EN UN CSTR.

En el presente trabajo de grado se trabaja con la reacción entre un acido fuerte y

una base fuerte al interior de un CSTR con mezcla instantánea a temperatura,
volumen (V), y densidad constante de la mezcla.

Como reactivos se tiene:

• Un ácido fuerte con concentración ( Ca ) y flujo ( Fa ).

• Una base fuerte con concentración ( Cb ) y flujo ( Fb ).

Como producto se obtiene una solución que mediante la variación del flujo de la
base fuerte, se ha llevado a un nivel de pH neutro.

Definiendo Q , como la distancia a la electro neutralidad, es decir el estado en que

la concentración de iones negativos y positivos es igual, se tiene:

[ ] [ ]
Q = OH − − H + (4)

12
Y del balance de materia al interior del CSTR3 se obtiene:

= −[Fa + Fb]Q + Ca ⋅ Fa − Cb ⋅ Fb
dQ
V (5)
dt

El nivel de pH es por tanto:

pH = − log(Q) ; Si Q>0 (6)

pH = log(−Q) + 14 ; Si Q<0 (7)
pH = 7 ; Si Q=0 (8)

La gráfica del nivel de pH en función de Q, se muestra a continuación en la figura

3:

3
DHURUBA SANKAR DE; AI-POH LOH; P.R.KRISHNASWAMY. A Nonlinear Adaptative Controller for a pH Neutralization
Proccess.. En : Proceedings of the American control conference. junio de 2000. p. 2250 - 2254

13
Figura 3. Relación Q- pH

Fuente: Autores.

En la gráfica se aprecia la razón que hace del control de pH en un CSTR un

proceso sumamente complicado: una pequeña variación en la diferencia de
concentraciones de los componentes puede llevar a una gran variación del nivel
de pH debido a su alta no linealidad, especialmente en los alrededores de pH = 7.

14
 6. CONCEPTOS DE CONTROL ADAPTATIVO

El buen conocimiento de la planta a controlar y su ambiente es la base de la

mayoría de las técnicas de control actuales. Sin embargo, esto no siempre es
posible, puesto que ciertos parámetros de control en determinadas aplicaciones
son desconocidos y/o variantes en el tiempo; por lo tanto es necesario incorporar a
los esquemas de diseño de sistemas de control técnicas de identificación que
permitan incrementar progresivamente el conocimiento del proceso a controlar, lo
cual hace que este se divida en dos componentes: identificación y regulación. En
la mayoría de los casos la parte de identificación esta separada de la etapa de
regulación, sin embargo, si el modelo de la planta se actualiza constantemente
con nuevos datos y estimados, ambos procesos pueden ser desarrollados
simultáneamente.

El concepto de identificación tal como se enuncia aquí, puede ser muy amplio,
puesto que implica para el sistema la determinación de aspectos como linealidad
del sistema, componentes discretos o continuos del sistema y dimensionalidad. El
presente trabajo de grado se restringe a un sistema con componente de
identificación paramétrico, es decir, un sistema en el que se tiene un conocimiento
completo de la planta pero no del valor de sus parámetros.

Los conceptos aquí presentados son los mínimos requeridos para el completo
entendimiento del sistema desarrollado; se invita al lector a consultar la bibliografía

15
referenciada en el presente documento donde encontrarán los temas aquí tratados
pero en una mayor cobertura y profundidad.

6. 1. DEFINICIÓN

Control adaptativo es una familia de esquemas de control que aplican alguna

técnica de identificación para obtener los parámetros del modelo del proceso y su
ambiente a partir de experimentos de entrada-salida y el uso de este modelo como
controlador.

6. 2. PERSPECTIVA HISTORICA

La historia del control adaptativo empieza en la década de 1950 con la aparición

de los sistemas de piloto automático para aeronaves, los que debían operar en un
amplio rango de velocidades y direcciones. Al principio se diseñaron estos
sistemas de control automático de vuelo con una ganancia fija, pero se observó
que algunos parámetros importantes para el sistema de control, tales como peso
de la aeronave y velocidad del viento, hacían de la ganancia fija insuficiente para
lograr un funcionamiento adecuado del sistema de control. La solución inmediata a
este problema fue una ganancia variable de acuerdo a una programación definida
basada en medidas auxiliares de la velocidad del viento. Es en este momento
donde se desarrolla el primer esquema de control adaptativo: programación de
ganancia; aparecen a la par de este desarrollo los primeros conceptos de modelo
de referencia cuyo objetivo era construir un controlador auto ajustable con una
función de transferencia en lazo cerrado que siguiera la del modelo de referencia.
Diversos esquemas de auto ajuste de parámetros del controlador fueron

16
propuestos, tales como reglas de sensitividad y método del gradiente,
apreciándose su buen desempeño bajo ciertas condiciones. En 1958 se
desarrolla e implementa el primer esquema de controlador auto sintonizado con
identificación explicita de los parámetros para una planta lineal SISO y se utilizan
estos para actualizar un controlador óptimo.

La década de 1960 fue una época de vital importancia en el desarrollo teórico del
control adaptativo. La teoría de estabilidad de Lyapunov se establece como
herramienta común para probar convergencia, los esquemas de aprendizaje
propuestos mostraron tener raíces en un mismo marco de trabajo unificado
basado en ecuaciones recursivas. Los métodos de identificación de sistema
también experimentaron un gran avance. En 1966 se rediseñaron los esquemas
de control adaptativo con modelo de referencia propuestos en la década de 1950
de tal manera que pudiera probarse la convergencia del controlador en cualquier
esquema.

En la década de 1970, se terminaron con éxito los esfuerzos de varios

investigadores para desarrollar pruebas de estabilidad completas para los diversos
esquemas de control adaptativo. El final de la década marcó la culminación de los
esfuerzos analíticos desarrollados desde 1950, que incluyen enfoques a espacio
de estados y variables discretas.

Para 1980 se empezó una exhaustiva evaluación de los desarrollos analíticos

obtenidos y se encuentra una gran variedad de falencias al momento de llevar al
mundo real estos desarrollos. Estas incluían principalmente las debidas a errores
de modelamiento, y comportamientos a alta frecuencia que no eran tenidos en
cuenta para limitar la complejidad del controlador. En esta etapa se realizan

17
evaluaciones y desarrollos encaminados a determinar y mejorar la robustez de los
esquemas adaptativos.

Los grandes avances de la industria en los 90 y principios de del siglo XXI,

significaron para el control adaptativo nuevos y desafiantes retos debido al
desarrollo de procesos industriales que representaron una gran exigencia para
este, sin embargo, también se ha visto de igual forma favorecido por el aumento
ostensible en la capacidad de procesamiento de los sistemas de computo, aspecto
de vital importancia para estos esquemas de control.

6. 3. ESQUEMAS DE CONTROL ADAPTATIVO

Los diversos esquemas de control adaptativo (exceptuando programación de

ganancia) se agrupan en dos familias de acuerdo a la relación existente entre la
etapa de identificación de parámetros y el regulador, estas son: Directos o
indirectos. Los de la primera familia, conocidos como esquemas de control
adaptativo con modelo de referencia calculan los parámetros del controlador
directamente sin recurrir a los parámetros de la planta. En la segunda familia,
representada por los reguladores auto sintonizados, los parámetros del
controlador se obtienen a partir de los calculados para la planta por medio de una
transformación fija.

6. 3. 1. Programación de ganancia: Es el primer esquema de control adaptativo

que apareció. Su comportamiento es muy intuitivo: Se busca encontrar variables
auxiliares del proceso que tengan una buena correlación con los cambios en la
dinámica del proceso y por medio de estas realizar una programación de la

18
ganancia que tendrá el proceso. Su diagrama de bloques se presenta en la figura
4.

Figura 4. Esquema de control adaptativo con programación de ganancia

Fuente: Autores.

El principal aspecto a tener en cuenta al trabajar con este esquema de control es

encontrar medidas auxiliares que tengan una buena relación con la dinámica del
proceso, ya que de estas dependerá la eficiencia y rapidez de respuesta del
sistema. Se puede apreciar igualmente que el conocimiento de la planta por el
sistema de control no aumenta con el tiempo (aspecto fundamental del control
adaptativo), sino que está predeterminado en el programador de ganancia, por
todo esto es considerado un sistema de control adaptativo rudimentario, hecho
que no le ha restado popularidad.

6. 3. 2. Sistemas de control adaptativo con modelo de referencia: Existen dos

enfoques distintos de este esquema de control adaptativo, ambos desarrollados
principalmente a partir de los sistemas de pilotos automáticos para aeronaves:
Esquema de alta ganancia, y paralelo. En este punto solo se enunciará el primero,
puesto que el esquema paralelo es el objeto de estudio en el presente trabajo de
grado y por tanto se analizará con mayor profundidad en el capítulo seis.

19
 • Esquema de alta ganancia: Un modelo de referencia se utiliza para definir
el comportamiento deseado del sistema de control en lazo cerrado, y el
objetivo de la estrategia de control es alcanzar que en el transcurso del
tiempo la salida de la planta siga al modelo de referencia. La figura 5
muestra el diagrama de bloques del sistema.

Figura 5. Esquema de alta ganancia.

Fuente: Autores

Para un análisis sencillo del funcionamiento del sistema considérese p (s ) la

función de transferencia de una planta LTI y k la ganancia del bloque de alta
ganancia. Entonces la función de transferencia entre la salida de la planta y el
xp k ⋅ p(s)
modelo de referencia es = , por lo que si k se hace lo suficientemente
xm 1 + k ⋅ p(s)
grande entonces xp ≈ xm . El detector de ciclo limite es el encargado de evitar que
el sistema entre en región de inestabilidad mediante la manipulación del valor de
la ganancia.

20
Este esquema de control adaptativo con modelo de referencia esquema de alta
ganancia, es el menos utilizado debido a resultados trágicos en las pruebas con
aeronaves.

6. 3. 3. Reguladores auto sintonizados: Esta técnica utiliza un sistema de control

diseñado para una planta modelo conocida, mediante la cual se establece una
estructura de controlador, así como una relación entre los parámetros de la planta
y del controlador. Los parámetros desconocidos de la planta se obtienen mediante
un algoritmo recursivo de identificación de parámetros. Entonces, los parámetros
del controlador son obtenidos a partir de los hallados para la planta modelo
utilizando las relaciones encontradas, y se usan como si fueran los parámetros
verdaderos de la planta. En la figura 6. Se aprecia el diagrama de bloques de esta
técnica de control.

Figura 6. Regulador auto sintonizado.

Fuente: autores

21
La principal diferencia con las técnicas anteriores está en la separación explicita
entre identificación y control, esto se puede apreciar en la figura 6 al notar que la
salida del identificador no se aplica directamente al controlador sino que pasa por
un bloque de diseño de controlador que se encarga de realizar la estimación de
los parámetros del controlador con base en los parámetros de la planta. Se
denomina auto sintonizado debido a su capacidad para auto ajustar sus
parámetros.

22
 7. CONTROL ADAPTATIVO CON MODELO DE REFERENCIA

La estrategia de control implementada en el presente trabajo de grado es un

control adaptativo con modelo de referencia, esquema paralelo, sin embargo, en lo
que sigue, se enunciará simplemente control adaptativo con modelo de referencia
o MRAS.

Como se ha dicho, todo sistema de control adaptativo tiene dos actividades

fundamentales: Identificación y regulación. Un buen balance en el manejo de estas
determina el éxito o fracaso del sistema de control. Por tanto, se estudiará el
esquema de control basado en estos dos aspectos; mas adelante se apreciará la
ventaja que tiene esta división para la comprensión de la estabilidad y
convergencia de parámetros del sistema de control.

El diagrama de bloques de este esquema de control se muestra a continuación en

la figura 7:

23
Figura 7. Sistema de control adaptativo con modelo de referencia.

Fuente: autores.

Aspectos fundamentales:

• Presencia del modelo de referencia, cuya función es establecer la función

de transferencia en lazo cerrado que se desea tenga la salida de la planta.

• Existencia de dos diferentes tipos de lazo en el sistema, un lazo interior de

ajuste de parámetros y un lazo exterior de regulación consistente en planta
y controlador.

• Una etapa de prealimentación (feedforward) que introduce al sistema la

señal obtenida del modelo de referencia.

24
El objetivo de esta técnica de control es lograr un error mínimo entre el modelo de
referencia y la salida de la planta, para lo que se implementa un mecanismo de
ajuste de parámetros de controlador mediante algún mecanismo de ajuste de
parámetros, tal como la regla MIT. En lo que sigue se enunciará simplemente
como mecanismo de ajuste.

7. 1. MECANISMO DE AJUSTE.

Una vez señalado en que consiste la estrategia de control en sí, se puede enfocar
la atención al segundo componente de un sistema de control adaptativo: el
mecanismo con el que se logra una adaptación adecuada en los parámetros del
proceso, que debe llevar a un mínimo error entre el modelo de referencia y la
salida de la planta. Al diseñar este mecanismo se debe tener en cuenta las
condiciones que garanticen su estabilidad y convergencia a un valor adecuado. La
estabilidad en la variación de los parámetros se presenta en el anexo B dedicado
a la estabilidad de sistemas dinámicos, logrando mediante un acople con la teoría
presentada aquí, alcanzar resultados que se apliquen de manera satisfactoria al
proceso que se desea controlar en este trabajo de grado.

En los numerales 7.1.1 – 7.1.2 se utilizarán los resultados y teoremas de la teoría

de estabilidad de Lyapunov sin ofrecer explicaciones inmediatas, en el anexo B se
ofrecen mayores detalles.

7. 1. 1. Identificación con modelo de referencia: Si bien el proceso a controlar en el

presente trabajo de grado es no lineal, se presentará el desarrollo teórico para un

25
sistema LTI, haciendo a su debido tiempo las modificaciones que permitan
aplicarlo a cualquier tipo de sistema.

Considérese la planta a controlar un sistema LTI con función de transferencia:

X p ( s) kp
P(s) = = (9)
U ( s) s + ap

k p , a p parámetros desconocidos.

El modelo de referencia es un sistema LTI con función de transferencia de primer

orden:

X m (s) km
M (s) = = (10)
R( s) s + am

k m , am > 0

Estableciendo la entrada al modelo de referencia r (t ) como:

r (t ) = θ1 (t )u (t ) + θ 2 (t ) x m (t ) (11)

Donde θ1 (t ) y θ 2 (t ) son parámetros adaptativos. El algoritmo de identificación

busca valores nominales de estos parámetros tal que el sistema en lazo cerrado
siga cualquier modelo de referencia.
Definiendo los siguientes vectores:

26
 ⎡θ (t ) ⎤
θ (t ) = ⎢ 1 ⎥ (12)
⎣θ 2 (t )⎦

⎡θ1∗ ⎤
θ = ⎢ ∗⎥
∗
(13)
⎣⎢θ 2 ⎦⎥

⎡r (t ) ⎤
w(t ) = ⎢ ⎥ (14)
⎣ x m (t )⎦

El vector θ ∗ representa los valores de los parámetros de la planta a controlar.

Y estableciendo el error de identificación como:

e(t ) = x p (t ) − x m (t ) (15)

La estabilidad es indispensable en cualquier algoritmo recursivo de identificación,

por lo que se hace necesario garantizar las condiciones que lleven a esta
(Condiciones de Lyapunov); es en este punto donde se presentan los resultados
de la teoría de Lyapunov sin entrar en mayores detalles.

Se define una función de Lyapunov4 de la siguiente forma:

e2 km T
v(e,θ ) = + (θ − θ ∗T )(θ − θ ∗ ) (16)
2 2

Donde θ T , θ ∗T son los vectores transpuestos correspondientes a (12) y (13)

respectivamente.

4
SASTRY, SHANKAR; BODSON, MARK. ADAPTATIVE CONTROL: Stability, Convergence and robustness. Prentice hall
information and system sciences series, 1989. pag.52

27
Derivando (16) de acuerdo a la teoría de Lyapunov5:

• •
v (e, θ ) = − a m e 2 + k m e(θ T − θ ∗T ) w + k m (θ T − θ ∗T ) θ (17)

Haciendo:
•
θ = −ew (18)

Esta última ecuación se conoce como ley recursiva de actualización de

parámetros, lo cual representa el mecanismo de ajuste.

Reemplazando (18) en (17), se obtiene:

•
v (e, θ ) = − a m e 2 ≤ 0 (19)

Por tanto, se cumplen las condiciones de Lyapunov y el mecanismo de ajuste es

estable. Se recurre al análisis de Lyapunov para que mediante la generación de
una función de energía del sistema (17) que lleve a un sistema estable, encontrar
una ley recursiva de actualización de parámetros adecuada, por lo que lo que la
ecuación 18 también se denomina ley recursiva de actualización de parámetros
basada en el análisis de Lyapunov. Aun queda por ampliar el concepto de
identificación a sistemas no lineales, por lo que se recurre al método del gradiente
o regla MIT.

5
SASTRY, SHANKAR; BODSON, MARK. “ADAPTATIVE CONTROL: Stability, Convergence and robustness”. Prentice hall
information and system sciences series, 1989. pag.52

28
7. 1. 2. Regla MIT o método del gradiente6: Este método se basa en el esquema
de descenso más rápido necesario para minimizar el error ( e ) medio cuadrático
entre la salida del modelo de referencia y la salida de la planta. Por tanto:

• dθ ∂ 1 2 ∂e
θ= = −g ( e ) = − ge (20)
dt ∂θ 2 ∂θ

Donde g es la velocidad de adaptación del proceso, que sirve para establecer

cuan rápido se desea converjan los parámetros del proceso.

El método del gradiente no impone restricciones sobre la linealidad de la planta.

Se puede ver la gran semejanza entre la ley recursiva de actualización de
parámetros dada por el método del gradiente (20) y la obtenida a partir de el
análisis de Lyapunov (18). Unir ambas ecuaciones da la ventaja de tener un
mecanismo de ajuste que puede ser usado para sistemas lineales o no; además
garantiza que la convergencia a los parámetros adaptativos adecuados para
seguir al modelo de referencia se hace de la manera más rápida posible.

Para unir la ley recursiva de actualización de parámetros basada en el análisis de

Lyapunov y la regla MIT, se define la función w de la ecuación 18 de la siguiente
manera:
∂e
w=g (21)
∂θ

6
RODRIGUEZ PECHARROMÁN, RAMÓN. Control adaptativo: Ideas básicas. Universidad Pontificia Comillas de Madrid,
Pág.9, 2002.

29
Además de la estabilidad del mecanismo de ajuste, para garantizar el correcto
funcionamiento del sistema de control es necesario comprobar que los parámetros
adaptativos llevan a un error nulo y que estos son únicos para las mismas
condiciones.

Para demostrar que estos parámetros son únicos, se analiza la ecuación 20,
debido a que el error es continuamente diferenciable, se concluye que la ecuación
diferencial tiene solución y es única, esto constituye otra ventaja, puesto que
garantiza que el valor de los parámetros adaptativos necesarios para el
seguimiento del modelo de referencia son únicos.

Para demostrar que el error entre el modelo de referencia y la salida de la planta

es nulo se recurre al teorema de Barbalat, que se menciona en el anexo C del
presente documento.

30
 8. DESCRIPCIÓN DEL SISTEMA DE CONTROL

En el presente trabajo de grado se utiliza un esquema adaptativo con modelo de

referencia (MRAS) como estrategia de control.

Es necesario para la neutralización de pH tener en cuenta dos consideraciones

para la solución a tratar:

• Si el pH es superior a 7 se debe inyectar ácido al proceso.

• Si el pH es inferior a 7 se debe inyectar base al proceso.

Por esta razón se utilizan dos variables manipuladas:

• Flujo de acido para soluciones con pH inferior a 7.

• Flujo de base para soluciones con pH superior a 7.

Es de importancia anotar que en ningún momento se necesitará la presencia de

ambos tipos de flujo. Para detalles acerca de la implementación del algoritmo
utilizado para la simulación y su programación véase el anexo D.

31
Las descripciones del sistema de control dadas a continuación estarán enfocadas
a la neutralización de un acido; para el caso de la neutralización de una base, las
deducciones de las diferentes ecuaciones se encuentran en el anexo C y se
realizan mediante los mismos procedimientos y con las mismas consideraciones,
solo que para tal caso el flujo que llega al CSTR es una solución básica con
concentración y flujo desconocido y se neutraliza con un flujo acido de
concentración conocida.

Para neutralizar una sustancia acida, se inyecta una sustancia básica de

concentración conocida. Reemplazando para la ecuación de balance de materia
en el CSTR (5), se obtiene:

= −[Fa + u ] ⋅ Q + Ca ⋅ Fa − Cb ⋅ u (t )
dQ
V (22)
dt

Por tanto:

dQ 1
= ( Fa(Ca − Q) − u (t ) ⋅ (Cb + Q)) (23)
dt V

Lo cual constituye la ecuación de la planta a controlar. La explicación de las

variables involucradas en las dos ecuaciones anteriores se ofrece en la tabla 1:

32
Tabla 1. Descripción de las variables involucradas en la ecuación de balance de
materia en un CSTR.

Variable Unidades Descripción

Diferencia en la concentración molar

Q Mol/litro
iónica entre iones básicos y ácidos.

Volumen al interior del tanque

V Litros
(Constante conocida).

Fa Litros/seg Flujo ácido (Constante desconocida).

Fb Litros/seg Flujo básico (Variable manipulada).

Concentración del ácido

Ca Mol/litro
(Constante desconocida).

Concentración de la base
Cb Mol/litro
(Constante conocida).

Fuente: Autores

A continuación se describen cada uno de los componentes del sistema de control,

con sus respectivas ecuaciones.

8. 1. MODELO DE REFERENCIA

Se escoge un sistema LTI de primer orden de la forma:

33
 X m ( s) km
H ( s) = = ; k m , am > 0 (24)
R( s) s + am

Se hace k m = a m con el fin de tener en estado estacionario un valor en la salida

del modelo que corresponda a la entrada de referencia r (t ) .El valor de a m

representa el inverso de la constante de tiempo que se desea tenga el sistema en

lazo cerrado y es escogida por el diseñador.

8. 2. CONTROLADOR

Expresando (24) en el dominio del tiempo:

•
x m (t ) = a m r (t ) − a m x m (t ) (25)

Y reescribiendo (23):

• 1
x p (t ) = ( Fa (C a − x p (t )) − u (t ) ⋅ (Cb + x p (t ))) (26)
V
Q = xp

El mecanismo de ajuste debe calcular valores para las variables Fa y Ca de tal

manera que el sistema de control sea capaz de seguir al modelo de referencia, por
tanto se reemplazan por los parámetros adaptativos θ1 para Fa y θ 2 para Ca en
(26), por lo que:

34
 • 1
x p (t ) = (θ1 (θ 2 − x p (t )) − u (t ) ⋅ (Cb + x p (t ))) (27)
V

• •
En estado estable como x p (t ) = x m (t ) , por tanto, despejando la variable de control:

u (t ) =
[θ (θ
1 2 − x p ) + V (a m x m − a m r ) ] (28)
Cb + x p

8. 3. MECANISMO DE AJUSTE

Si se define el error como:

e = x p (t ) − x m (t ) (29)

Se tiene que:
• • •
e = x p (t ) − x m (t ) (30)

Reemplazando (28) en (27):

•
xp =
[Fa ⋅ (Ca − x p ) − θ 1 ⋅ (θ 2 − x p ) ]− a x p + am r (31)
m
V

De (31), el modelo de referencia (25) y (30), se tiene que:

35
 • •
x p − xm =
[Fa ⋅ (Ca − x p ) − θ1 ⋅ (θ 2 − x p ) ]− a x p + a m r − (−a m x m + a m r ) (32)
m
V

Y:

[Fa(Ca − xp) − θ (θ ]V1 − e

•
1 2 − xp )
e= (33)
km

Por tanto:

∂e − (θ 2 − x p )
= (34)
∂θ1 km ⋅V

∂e − θ1
= (35)
∂θ 2 k m ⋅ V

Reemplazando (34) y (35) en (20), la ley recursiva de actualización de parámetros

para el mecanismo de ajuste queda de la siguiente manera:

dθ1 (θ 2 − x p )
= g ⋅e⋅ (36)
dt km ⋅V

dθ 2 θ
= g ⋅e⋅ 1 (37)
dt km ⋅V

8. 3. 1. Estabilidad del mecanismo de ajuste: De (17), la función de Lyapunov para

el sistema es:

36
 v (e,θ ) =
e2 km
2
+
2
[
( Fa − θ 1 ) 2 + (Ca − θ 2 )
2
] (38)

Y su derivada es igual a (19).

37
 9. ANALISIS DEL SISTEMA DE CONTROL

Los análisis que se presentan a continuación se enfocan sólo para el caso de la

neutralización de un ácido, sin embargo, los resultados obtenidos se pueden
extender al proceso de neutralización de una sustancia básica, puesto que el
sistema se comporta de manera similar para ambos casos.

Con el fin de proporcionar al lector una mejor comprensión de este capítulo, se

analizará cada componente del sistema en forma individual, apreciando sus
principales características de funcionamiento y la manera en que este afecta el
comportamiento del sistema de control en general.

Los parámetros por defecto utilizados para los diferentes análisis fueron tomados
de valores típicos de CSTR reales7 y son los siguientes:

Volumen = 1.75 litros.

Flujo = 0.1 litros/segundo.
Concentración = 0.06 moles/litro.
Tipo de sustancia = acido.

Para el sistema de control:

7
DHURUBA SANKAR DE; AI-POH LOH; P.R.KRISHNASWAMY. A Nonlinear Adaptative Controller for a pH Neutralization
Proccess. En: Proceedings of the American control conference, Pág. 2250 - 2254, junio de 2000.

38
Concentración de la base = 0.06 moles/litro.
Constante de tiempo del modelo de referencia = 1 segundo.
Ganancias del mecanismo de ajuste = 2.
Señal de referencia (pH) = 7 (constante).

9. 1. MODELO DE REFERENCIA

El parámetro que determina su comportamiento es la constante de tiempo, y la

salida del modelo en estado estable es igual a la señal de referencia. La precisión
del sistema de control se determina a partir de su capacidad para seguir al
modelo.

Para ilustrar este punto se aplicara como señal de referencia una onda cuadrada
de valor mínimo 6 y valor máximo de 9. La salida del modelo de referencia y la
entrada de referencia se muestran en la figura 8.

39
Figura 8. Salida del modelo de referencia ante una onda cuadrada de amplitud 1
como señal de referencia.

Fuente: Autores

Se aprecia como la salida del modelo de referencia8 en estado estacionario es

igual a la señal de referencia; de igual forma la manera como influye la constante
de tiempo del modelo en el tiempo que toma al modelo seguir la señal de
referencia.

Ahora se muestra en la figura 9 del nivel de pH en el CSTR, ante la misma entrada

y el mismo modelo de referencia.

8
En adelante se enunciará modelo de referencia simplemente como modelo.

40
Figura 9. Nivel de pH en el CSTR y salida del modelo de referencia ante una onda
cuadrada de amplitud 1 y modelo de referencia con constante de tiempo 1
segundo.

Fuente: Autores

En la figura 9 se ve un gran número de oscilaciones iniciales, esto se debe a que

en la simulación, el valor inicial para el modelo de referencia es 0 y para el nivel de
pH en el CSTR es 7 y por tanto las oscilaciones representan el esfuerzo del
sistema de control para alcanzar al modelo de referencia. Para el siguiente cambio
(ocurrido en 30 segundos) el sistema ya esta ajustado al modelo y por tanto los
cambios en la señal de referencia no generan oscilaciones.

41
En el diseño del sistema de control es un aspecto fundamental escoger tanto el
modelo de referencia adecuado como los parámetros que se deben manipular en
el sistema de control para el seguimiento de este, los cuales dependen del
comportamiento en lazo abierto de la planta a controlar. Para el proceso a
controlar en el presente trabajo de grado la respuesta en lazo abierto de la planta
ante un escalón de entrada de amplitud 1 se muestra en la figura 10.

Figura 10. Respuesta del CSTR en lazo abierto.

Fuente: Autores

Como se aprecia en la figura el CSTR en lazo abierto tarda en llegar a su estado

estable alrededor de 6 segundos, es decir, tiene una constante de tiempo
aproximada de 1.2 segundos.

42
En gráficas anteriores se observó un buen comportamiento del sistema ante un
modelo de referencia con constante de tiempo de 1 segundo, en la figura 11 se
muestra la respuesta del sistema a un modelo de referencia con una constante de
tiempo diez veces menor, es decir, 0.1 segundos.

Figura 11. Nivel de pH en el CSTR y salida del modelo de referencia ante una
onda cuadrada de amplitud 1 y modelo de referencia con constante de tiempo de
0.1 segundos y ganancia adaptativa igual a 10.

Fuente: Autores

Se aprecia que el sistema tarda un cerca de 25 segundos en seguir al modelo de

referencia, esto se debe al tiempo que toma al mecanismo de ajuste calcular los
valores de los parámetros adaptativos que le permitan seguir al modelo de
referencia, y a que las ganancias adaptativas para esta simulación son bajas.

43
Aumentando el valor de dichas ganancias se mejora en gran medida el
seguimiento al modelo, razón por la que se repite la simulación aumentando en
cuatro veces las ganancias adaptativas, es decir, a un valor de 40, obteniéndose
el resultado mostrado en la figura 12.

Figura 12. Nivel de pH en el CSTR y salida del modelo de referencia ante una
onda cuadrada y modelo de referencia con constante de tiempo de 0.1 segundos
y ganancia adaptativa igual a 40.

Fuente: Autores

Comparado con el resultado anterior se aprecia una notable disminución en el

tiempo de seguimiento9.

9
Tiempo que toma a la planta seguir el modelo de referencia.

44
Para la figura 13 se reestablecen las ganancias adaptativas a su valor por defecto
(2) y se establece la constante de tiempo del modelo de referencia en 4 segundos.

Figura 13. Nivel de pH en el CSTR y salida del modelo de referencia ante una
onda cuadrada de amplitud 1 y modelo de referencia con constante de tiempo
igual a 4 segundos.

Fuente: Autores

Ante constantes de tiempo grandes como esta (comparada con la de la planta en

lazo abierto), el mecanismo de ajuste tiene suficiente tiempo para calcular los
valores adecuados, y un aumento de las ganancias no alterará apreciablemente el
resultado.

45
En resumen: es muy importante conocer el comportamiento de la planta en lazo
abierto para la elección del modelo de referencia y las ganancias adaptativas
adecuadas.

9. 2. CONTROLADOR

Para la simulación por defecto, la salida de control se muestra en la figura 14.

Figura 14. Salida de controlador para la simulación por defecto.

0.14

0.12

0.1
Litros/segundo

0.08

0.06

0.04

0.02

0
0 2 4 6 8 10 12 14 16 18 20
Tiempo(segundos)

Fuente: Autores

Se aprecia en la figura que no existen en el flujo oscilaciones fuertes, lo cual se

constituye en una ventaja al momento de implementar en la práctica este sistema
de control. Sin embargo, al aumentar los valores de las ganancias adaptativas se
empieza a notar la presencia de oscilaciones. Para la cual se repite la simulación
aumentando los valores de las ganancias adaptativas a un valor de treinta.

46
Sin embargo, la salida de control es afectada directamente por la variación en las
ganancias adaptativas, lo cual se refleja en el número de oscilaciones presentes
en esta señal, mas no significativamente en el tiempo de asentamiento. Esto se
muestra en la figura 15.

Figura 15. Salida del controlador cuando se aumentan las ganancias adaptativas.
-3
x 10
7

5
Litros/segundo

0
0 2 4 6 8 10 12 14 16 18 20
tiempo(segundos)

Fuente: Autores

En el siguiente análisis se toman los valores por defecto, se empieza a variar el

flujo de acido en el CSTR de 0.1 a 1 litro/segundo10, registrando en la tabla 2 los
valores de flujo de base inicial, máximo y final (estado estable). Estos datos se

10
El rango de valores establecido se considera suficiente para hacer el análisis del comportamiento del
sistema

47
toman con el fin de mostrar la capacidad del sistema de control para adaptarse a
cambios en el flujo de acido en el CSTR.

Tabla 2. Valores de flujo inicial, máximo y final de base para el controlador ante
incrementos del flujo de ácido en el CSTR.

Flujo Flujo Inicial Flujo Máximo Flujo Final

de ácido de base de base de base
(Litros/segundo) (Litros/segundo) (Litros/segundo) (Litros/segundo)

0,1 0 0,138344 0,1

0,2 0 0,27243 0,2

0,3 0 0,402558 0,3

0,4 0 0,529113 0,4

0,5 0 0,652358 0,5

0,6 0 0,77251 0,6

0,7 0 0,889884 0,7

0,8 0 1,00474 0,8

0,9 0 1,1172 0,9

1 0 1,22747 1

Fuente: Autores

Los valores de flujo ácido y flujo final de base son idénticos, esto se debe a que
los valores de concentración de acido y base son iguales (0.06 moles/litro), por

48
tanto el flujo de base tiene que ser igual al de acido para lograr el objetivo de
mantener con pH neutral la mezcla en el CSTR.

En la siguiente tabla (Tabla 3), todos los parámetros retornan a sus valores por
defecto y se empieza a aumentar la concentración de acido en el CSTR de 0.06 a
1 moles/litro, con el fin de mostrar la capacidad del sistema de control para
adecuarse a concentraciones cambiantes en el CSTR.

Tabla 3. Valores de flujo mínimo, máximo y final de base para el controlador ante
incrementos de la concentración de ácido en el CSTR.

Concentración Flujo Inicial Flujo Máximo Flujo Final

de ácido de base de base de base
(Moles/Litro) (Litros/segundo) (Litros/segundo) (Litros/segundo)
0,06 0 0,138344 0,1

0,08 0 0,184104 0,133333

0,1 0 0,22972 0,166667

0,12 0 0,275175 0,2

0,14 0 0,32047 0,233333

0,16 0 0,365604 0,266667

0,18 0 0,41058 0,3

0,2 0 0,445399 0,333333

0,22 0 0,500131 0,366667

0,24 0 0,544719 0,4

0,26 0 0,589165 0,433333

0,28 0 0,633467 0,466667

0,3 0 0,677628 0,5

Fuente: Autores

49
Se aprecia en la tabla 3 la capacidad que tiene el controlador para ajustarse a
condiciones cambiantes en el proceso, puesto que en todos los casos el nivel de
pH en el CSTR se estabilizó en siete.

Para los dos casos enunciados anteriormente (variación del flujo de acido y de la
concentración del acido), al aumentar la concentración de base en el controlador,
los valores de flujo de esta disminuyen, como es de esperarse en un proceso de
neutralización de una sustancia ácida.

9. 3. MECANISMO DE AJUSTE

Aspectos relacionados con el mecanismo de ajuste ya han sido mencionados en el

análisis dedicado al modelo de referencia, por lo que ahora se enfoca la atención
en la capacidad que tiene el mecanismo para ajustarse a condiciones cambiantes
provenientes de la señal de referencia o del CSTR.

En las tablas 4 y 5 se utilizan las mismas condiciones que para las tablas 3 y 4,
anotándose los valores correspondientes a los parámetros adaptativos del
mecanismo de ajuste (ver ecuaciones (36) y (37)) cuando se ha alcanzado al
modelo de referencia.

50
Tabla 4. Valor de los parámetros adaptativos para diferentes valores de
concentración de ácido en el CSTR.

Concentración Parámetro Parámetro

de ácido adaptativo adaptativo
(Moles/litro) θ1 θ2
0,06 -3,5 -0.00171429

0,08 -3,5 -0.00228571

0,1 -3,5 -0.00285714

0,12 -3,5 -0.00342857

0,14 -3,5 -0.00399999

0,16 -3,50001 -0.00457142

0,18 -3,50001 -0.00514285

0,2 -3,50001 -0.00571427

0,22 -3,50001 -0.00628569

0,24 -3,50001 -0.00685712

0,26 -3,50002 -0.00742854

0,28 -3,50002 -0.00799996

0,3 -3,50002 -0.00857138

Fuente: Autores.

51
Tabla 5. Valor de los parámetros adaptativos para diferentes valores de flujo de
ácido en el CSTR.

Flujo de Parámetro Parámetro

ácido adaptativo adaptativo
(Litros/segundo) θ1 θ2
0,1 -3,5 -0.00171429

0,2 -3,5 -0.00342857

0,3 -3,50001 -0.00514285

0,4 -3,50001 -0.00685712

0,5 -3,50002 -0.00857138

0,6 -3,50003 -0.01028560

0,7 -3,50004 -0.01199990

0,8 -3,50005 -0.01371410

0,9 -3,50006 -0.01542830

1 -3,50007 -0.01714250

Fuente: Autores.

Como se aprecia en la tabla, el rango de valores en el que oscilan los parámetros

adaptativos es muy estrecho, por lo que se han escogido como valores iniciales de
simulación para las variables adaptativas θ1 y θ 2 , -3.5 y 0 respectivamente.

Ahora en la figura 16 se muestra el comportamiento del mecanismo de ajuste

ante un cambio brusco de flujo acido en el CSTR de 100(mililitros/segundo) a
1000(mililitros/segundo).

52
Figura 16. Respuesta del mecanismo de ajuste ante un cambio brusco en el flujo
de acido en el CSTR.

Fuente: Autores

La gráfica muestra que a pesar de cambiar solo uno de los parámetros

desconocidos, el mecanismo de ajuste actúa sobre ambos (el cambio ocurre en 10
segundos).

Para observar la manera como las ganancias adaptativas afectan tanto al

mecanismo de ajuste (figura 17) como el nivel de pH en el CSTR (figura 18), se
repite la simulación utilizando dos valores de ganancia para el parámetro
adaptativo θ1 :

53
Figura 17. Respuesta del mecanismo de ajuste para θ1 acido utilizando ganancias
adaptativas de 2 y 20.

Fuente: Autores

54
Figura 18. Nivel de pH utilizando ganancias adaptativas de 2 y 20.

Fuente: Autores

De las figuras 17 y 18, se puede decir que el aumento en los valores de las
ganancias adaptativas afecta notablemente tanto al mecanismo de ajuste, como a
la señal de salida, lo cual se ve reflejado en el aumento del número de
oscilaciones de dichas señales entre una ganancia y otra, durante un periodo de
tiempo igual (4 segundos aproximadamente), lo cual no es favorable para el
sistema.

Por ésta razón, y teniendo en cuenta lo que ocurre con dichas ganancias en el
modelo de referencia, se llega a la conclusión que para un buen diseño, se debe
tener un factor de compromiso entre la rapidez de respuesta al modelo y el
número de oscilaciones, para establecer el valor de las ganancias adaptativas.

55
Con respecto a su relación con los demás componentes del sistema de control
solo resta decir que al cambiar la constante de tiempo del modelo de referencia,
los valores de los parámetros adaptativos no cambian.

9. 4. CSTR

En apartes anteriores se evidencio que la planta sigue al modelo de referencia.

Para mostrar como afectan los cambios en los parámetros al sistema, se aplica un
cambio repentino en el flujo acido de 100 a 1000 ml/seg y en la concentración de
acido de .06 a .1 moles/litro. El nivel de pH se mantiene constante en 7. Los
resultados de la simulación para el nivel de pH en el CSTR se muestran en la
figura 20.

56
Figura 19. Nivel de pH en el CSTR ante cambios bruscos en los parámetros.

11

10

8
Nivel de pH

5
Punto en que se aplican
los cambios
4

2
0 10 20 30 40 50 60
tiempo(segundos)

Fuente: Autores

En la grafica se aprecia la característica más importante del sistema de control

adaptativo con modelo de referencia: Ante un cambio considerable y/o repentino
en cualesquiera de los parámetros del proceso (además de ser desconocidos), el
sistema de control tiene la capacidad de ajustarse automáticamente a estas
nuevas condiciones y seguir controlando el proceso.

57
 10. CONCLUSIONES

• Por medio de simulación se realizó la evaluación del comportamiento de la

estrategia seleccionada para realizar el control del proceso de neutralización
de pH en un CSTR, la cual presentó un buen desempeño al ser sometida a
cambios de parámetros y diversas señales de entrada.

• El aplicar los sistemas de control a procesos novedosos para los estudiantes

de la escuela de ingenierías eléctrica, electrónica y telecomunicaciones, como
la neutralización de pH, permite expandir el campo de acción y la visión
personal de los estudiantes acerca de la importancia de los sistemas de
control.

• Se brinda a los estudiantes la oportunidad de conocer alternativas de control

distintas que puedan aplicarse a sistemas no LTI y que podrían ser de gran
ayuda al momento de desempeñarse profesionalmente.

• Se implementó una interfaz grafica para el control del proceso, con el fin de dar
a conocer de manera didáctica todas las características que tiene tanto el
proceso de neutralización de pH, como la estrategia utilizada en este trabajo de
grado para realizar dicho control. Esta interfaz permite al usuario además de

58
• ajustar los parámetros del proceso a sus requerimientos, visualizar el
comportamiento de las diferentes variables, lo que se constituye en
herramienta fundamental para hacer una valoración personal de la estrategia
de control.

• Con el objetivo de brindar las mejores herramientas al usuario para el manejo

del software y su aprendizaje en general, se desarrolló una guía de laboratorio
dirigida a estudiantes de la asignatura sistemas de control, y un manual de
usuario para todas aquellas personas interesadas en la materia, dejando
abierta la posibilidad de realizar cambios y mejoras al proceso en aras de
contribuir con el desarrollo de esta aplicación y de la investigación en general.

• El programa de aplicación fue desarrollado en MATLAB 6.5, haciendo uso de

una toolbox denominada GUI (Graphical User Interface), que permite una
interacción con el usuario de manera gráfica y didáctica, además de brindar
todas las herramientas de las que dispone MATLAB.

• El control adaptativo como una familia de esquemas de control que aplican

alguna técnica de identificación para obtener los parámetros del modelo del
proceso, representa una alternativa muy viable en el control de procesos,
especialmente en aplicaciones donde ciertos parámetros son desconocidos y/o
variantes en el tiempo y procesos no lineales.

• El estudiar nuevas estrategias y algoritmos de control, diferentes a los

convencionales y muy estandarizados como PD, PI, PID y Compensadores,
lleva a un continuo enriquecer del conocimiento y ofrece la oportunidad de abrir
nuevos campos de exploración en esta área de la ingeniería tan amplia y llena
de alternativas como lo es el control de procesos.

59
• Además de la interfaz gráfica implementada y del presente documento, este
trabajo de grado proporciona por medio de la bibliografía, documentación
acerca de control adaptativo para ser utilizado en el desarrollo de futuras
nuevas aplicaciones y para la ampliación de conocimientos en esta área.

• Un aspecto fundamental y que vale la pena resaltar de todo este proyecto de

grado, es el trabajo en equipo, pues es la base para la consecución de
cualquier objetivo, ya que además de permitir ese intercambio de
conocimientos que lleva al perfeccionamiento de una idea, enriquece al
profesional como persona y como miembro de una sociedad interactuante,
fortaleciendo valores fundamentales del ser humano como la tolerancia, el
respeto y la responsabilidad.

60
 11. RECOMENDACIONES

• Continuar el trabajo comenzado por esta tesis y profundizar más en el estudio de

alternativas y algoritmos de control diferentes a los clásicos, ya que existen
áreas que tienen un campo de investigación muy amplio y cada día ofrecen
nuevas alternativas y aplicaciones; de igual manera los procesos en la industria
son cada vez más complejos y requieren de un mayor estudio y análisis.

• Analizar las posibilidades de implementar un hardware de control del proceso

que permita hacer un análisis más real y objetivo de la estrategia de control,
comparando resultados y llegando a nuevas conclusiones.

• Haciendo uso de las diversas herramientas y/o toolbox que ofrece MATLAB tales
como Realidad Virtual y Simulink, introducir mejoras y rutinas que optimicen la
interfaz gráfica implementada y la hagan más versátil y didáctica.

• Realizar un estudio comparativo de las diversas estrategias de control

existentes, para establecer semejanzas y diferencias, fortalezas y debilidades,
con el fin de poseer criterios de selección que permitan tener una certeza de cual
es la más adecuada para determinado tipo de procesos.

61
 BIBLIOGRAFIA

• DHURUBA SANKAR DE; AI-POH LOH; P.R.KRISHNASWAMY. “A

Nonlinear Adaptative Controller for a pH Neutralization Proccess.”.
Proceedings of the American control conference, Pág. 2250 - 2254, junio de
2000.

• RODRIGUEZ PECHARROMÁN, RAMÓN. “Control adaptativo: Ideas

básicas”. Universidad Pontificia Comillas de Madrid, Pág. 2 – 10, 2002.

• SASTRY, SHANKAR; BODSON, MARK. “ADAPTATIVE CONTROL:

Stability, Convergence and robustness”. Prentice hall information and
system sciences series, 1989.

• ZANINI, ANIBAL. “Introducción al control adaptativo: Fundamentos de su

teoría y practica”. 1989.

• THE MATHWORKS, INC. “Creating Graphical User Interfaces with

MATLAB”. Sexta edición.

• A.L. NORTHCLIFFE, LOVE J. “A variable transformation approach to in-line

pH control”. UKACC conference on control ’98. pag. 931. 1998.

62
• P.RESENDE y E.ZARATE-GALVEZ. “Control of a pH process using
variable structure regulador and Smith predictor”.IECON’91. pag.2102.
1991.

63
 ANEXO A. TEOREMA DE BARBALAT1

t
Si f (t ) es una función continua uniforme tal que lim ∫ f (τ )dτ existe y es finito,
t →∞
0

entonces f (t ) → 0 Cuando t → ∞ .

Para el caso particular del mecanismo de ajuste (ecuación 20), puesto que
•
v (e,θ ) = −a m e 2 ≤ 0 , entonces:
∞ • ∞

∫ v (e, θ ) dt =
0
− a m ∫ e 2 dt ≤ ∞
0
(A.1)

Esto debido a que el sistema es estable y por tanto la derivada de la función de

Lyapunov esta acotada.

Haciendo f (τ ) = − a m e 2 (τ ) , entonces:

t ∞
lim ∫ f (τ )dτ = − a m ∫ e 2 dt ≤ ∞ (A .2)
t →∞
0 0

Por tanto e 2 (t ) → 0 cuando t → ∞ .

1
SASTRY, SHANKAR; BODSON, MARK. “ADAPTATIVE CONTROL: Stability, Convergence and robustness”. Prentice hall
information and system sciences series, 1989. pag. 19

64
La conclusión obtenida a partir del teorema de Barbalat es muy importante puesto

que garantiza que con el transcurso del tiempo, la planta seguirá al modelo de

referencia con un error tendiendo a cero.

65
 ANEXO B. TEORÍA DE ESTABILIDAD DE LYAPUNOV1

En sistemas de control adaptativo con modelo de referencia se presentan dos

tipos de estabilidad:

• Estabilidad del mecanismo de ajuste (Estabilidad de punto de

equilibrio): Está relacionada con el mecanismo de ajuste. Debido a que el
sistema debe estar realizando una actualización continúa de los parámetros
adaptativos que le permitan seguir al modelo de referencia, se debe
garantizar que estos alcancen un punto de equilibrio al transcurrir el tiempo.
Esta estabilidad se comprueba por medio de la teoría de Lyapunov.

• Estabilidad del modelo de referencia (estabilidad entrada-salida): El

modelo de referencia es un sistema LTI, es por tanto necesario que la
función de transferencia del modelo de referencia cumpla con las
condiciones que garantizan la estabilidad de un sistema LTI.

En cualesquiera de los dos tipos de estabilidad que no se cumplan, llevará a un

comportamiento errático de todo el sistema. En este capitulo solo se tratará acerca
de la estabilidad de punto de equilibrio, puesto que el otro tipo de estabilidad ya es
bastante conocido a partir de los cursos de ecuaciones diferenciales y solo es
necesario recordar que se debe garantizar las raíces de la ecuación característica

1
SASTRY, SHANKAR; BODSON, MARK. “ADAPTATIVE CONTROL: Stability, Convergence and robustness”. Prentice hall
information and system sciences series, 1989.pags. 25-27.

66
del modelo de referencia se encuentren en el semiplano izquierdo del plano
complejo.

En este punto surge la pregunta: ¿Por qué utilizar el análisis de Lyapunov para
demostrar la estabilidad del mecanismo de ajuste? La respuesta viene dada por el
hecho que los parámetros adaptativos del mecanismo de ajuste están cambiando
de valor mientras no se logre que la planta siga al modelo de referencia. Por tanto,
el mecanismo de ajuste constituye un sistema variante en el tiempo para el que no
son validas las consideraciones de estabilidad de los sistemas LTI.

B. 1. DEFINICIONES GENERALES

Todos los sistemas dinámicos considerados están caracterizados por ecuaciones

diferenciales de la forma:

•
θ = f (t , θ ) (B.1)

θ (t 0 ) = θ 0

θ ∈ Rn ,t ≥ 0 .

Definiendo Bh como una bola cerrada de radio h centrada en 0 en R n , dentro de la

cual se encuentran las soluciones θ (t ) de la ecuación B.1.

67
B.1.1. Estabilidad en el sentido de Lyapunov: θ = 0 es un punto de equilibrio
estable si la trayectoria θ (t ) se mantienen cerca de 0 cuando la condición inicial θ 0

es cercana a 0.

Formalmente:

θ = 0 es llamado punto de equilibrio estable de (B.1), si, para todo t 0 ≥ 0 y ε > 0 ,

existe δ (t 0 , ε ) tal que:

θ 0 < δ (t 0 , ε ) ⇒ θ (t ) < ε ;Para toda t ≥ t 0 (B.2)

Donde θ (t ) es la solución de (B.1) empezando desde θ 0 en t 0 .

B. 2. TEORÍA DE ESTABILIDAD DE LYAPUNOV

Una vez definida la estabilidad de punto de equilibrio en un sistema dinámico, se

puede pensar cómo determinarla basándose en la teoría de estabilidad de
Lyapunov.

El método de Lyapunov permite determinar la naturaleza de un punto de equilibrio

•
de un sistema de la forma θ (t ) = f (t , θ ) sin integrar explícitamente la ecuación
diferencial. El método es una generalización de la idea que si alguna “Medida de la

68
energía” de un sistema esta decreciendo, entonces el sistema estable tiende a su
equilibrio. Por tanto es necesario definir en que consiste una función “Medida de la
energía” para un sistema dinámico (Función de energía).

B. 2. 1. Funciones de energía: A continuación se presentan algunas definiciones

necesarias para determinar que es una función de energía:

• Funciones clase K: una función pertenece a la clase K si es continua,

incremental, y α (0) = 0 .

• Funciones definidas positivas: Una función continua v(t, θ ) : R+ × R n → R+

se denomina definida positiva (p.d.f) si, para alguna α ∈ K :

v(t ,0) = 0 y v (t , θ ) ≥ α (θ ) (B.3)

Para todo θ ∈ R n , t ≥ 0 y α ( p) → ∞ , si, p → ∞

Las funciones p.d.f son funciones del tipo Función de energía. Esto sin
embargo no implica que la función de energía este acotada. Por esto se
hace la siguiente definición:

• Función decreciente: La función v(t , θ ) se denomina decreciente, si existe

una función β ∈ K , tal que:

69
 v (t , θ ) ≤ β ( θ ) Para toda θ ∈ Bh , t ≥ 0 (B.4)

La que es la ultima de de las condiciones que debe cumplir toda función de

energía.

B.2.2. Teorema de estabilidad de Lyapunov: si una función v(t , θ ) es p.d.f y

dv(t , θ ) / dt ≤ 0 , donde esta derivada es tomada a lo largo de las trayectorias que
•
toma θ (t ) , esto es:

dv(t ,θ ) ∂v(t , θ ) ∂v(t ,θ )

= + f (t , θ ) (B.5)
dt ∂t ∂θ

Entonces se puede concluir la estabilidad del punto de equilibrio.

En el presente trabajo de grado se presenta el caso en que la función de

Lyapunov es p.d . f y − dv(t , x) / dt ≥ 0 . Por tanto para demostrar la estabilidad del
mecanismo de ajuste (18), solo es necesario demostrar que la función de
Lyapunov de la que se derivo esta(16), es del tipo función de energía. La
condición restante − dv(t , x) / dt ≥ 0 ya fue comprobada por medio de (19).

Si la función de Lyapunov es de la forma de (16), entonces, para el caso en que se

cuenta con dos variables adaptativas en el proceso ( θ 1 , θ 2 ), se obtiene:

v(e,θ ) =
e2 km
2
+
2
∗
[ ∗
(θ1 − θ1 ) 2 + (θ 2 − θ 2 ) 2 ] (B.6)

70
Por tanto:

v(e, θ ) ≥ 0 (B.7)

Por lo que la función de Lyapunov para el mecanismo de ajuste (16) es p.d . f ,

quedando completa la demostración de estabilidad para el mecanismo de ajuste.

Un aspecto importante es que los parámetros adaptativos ( θ ) no deben ser

relacionados con los reales de la planta, simplemente se requiere que los primeros
sean los necesarios para lograr el seguimiento planta - modelo de referencia.

71
 ANEXO C. DESCRIPCIÓN DEL SISTEMA DE CONTROL PROPUESTO
CUANDO SE APLICA A LA NEUTRALIZACIÓN DE UNA SUSTANCIA BÁSICA.

La ecuación 5 se redefine de la siguiente manera1:

•
Q=
1
[Fb(−Cb − Q) + u a (Ca − Q)] (C.1)
V

Donde u a es el flujo de acido (variable manipulada). La ecuación C.1 representa al

CSTR.

Para el controlador:

V (−kQ + r ) + φ1 (φ 2 + Q)
ua = (C.2)
Ca − Q

Donde φ1 y φ 2 son los parámetros adaptativos y la ley recursiva de ajuste de

parámetros es la siguiente:

1
Ver numeral 4.4, para una descripción de las variables involucradas.

72
 • (−φ 2 − Q)
φ1 = − g ⋅ e ⋅ (C.3)
km ⋅V

• (−φ1 )
φ2 = − g ⋅ e ⋅ (C.4)
km ⋅V

Donde e Es el error entre la salida de la planta y el mecanismo de ajuste, k m el

inverso de la constante de tiempo del modelo de referencia y g la ganancia

adaptativa.

La función de Lyapunov y su derivada se dan a continuación.

v(e, φ ) =
e2 km
2
+
2
[
( Fb − φ1 ) 2 + (Cb − φ 2 ) 2 ] (C.5)

•
v(e, φ ) = −k m ⋅ e 2 (C.6)

73
 ANEXO D. DESCRIPCIÓN DEL ALGORITMO UTILIZADO PARA LA
SIMULACIÓN.

La simulación del sistema de control adaptativo es realizada por una función de

MATLAB llamada mras, el cual utiliza la regla trapezoidal con tamaño
dependiendo del tiempo de simulación y 1000 iteraciones para aproximar las
ecuaciones diferenciales del sistema. La variable de salida de la función depende
del valor de un identificador. Los parámetros de entrada para la función se
muestran en la tabla D.1:

Tabla D.1 Parámetros de simulación.

Parámetro Etiqueta Unidades

Señal de referencia r pH
Flujo de la sustancia a neutralizar F1 Litros/segundo
Concentración de la sustancia a neutralizar C1 Moles/litro

Volumen V Litros

Valor inicial para el parámetro adaptativo θ1 o φ1 1 T1 Adimensional

Valor inicial para el parámetro adaptativo θ 2 o φ 2 T2 Adimensional

Ganancia adaptativa para θ1 o φ1 G1 Adimensional

Ganancia adaptativa para θ 2 o φ2 G2 Adimensional

Constante de tiempo del modelo de referencia km Segundos

Tiempo de simulación ts segundos

Sustancia a neutralizar Tipo Adimensional
Identificador Iden Adimensional

Fuente: autores

1
Ver anexo C.

74
Las diferentes salidas de la función de acuerdo al valor del parámetro identificador
se muestran en la tabla D.2:

Tabla D.2. Salida de la función mras de acuerdo al valor del identificador.

Identificador Salida de la función mras Etiqueta

1 Q (diferencia de concentración molar iónica) xp
2 Modelo de referencia xm
3 Parámetro adaptativo θ 1 o φ1 A1
4 Parámetro adaptativo θ 2 o φ 2 A2
5 Salida del controlador u
6 Función de Lyapunov v
7 Derivada de la función de Lyapunov vp
9 Valor mínimo de la salida del controlador min
10 Valor máximo de la salida del controlador max

Fuente: Autores

Como se puede apreciar, la salida del sistema de control no esta en función de pH

sino Q , por tanto, es necesario realizar la transformación a pH, la cual es hecha a
través de la función phxp .

Las variables necesarias para ejecutar la simulación se almacenan en un archivo

binario ( gmras.m ). Cada uno de los componentes del sistema de control para
ejecutar la simulación efectúa los siguientes pasos:

75
 1. Cuando el usuario da la orden de ejecutar la simulación, el programa lee los
parámetros correspondientes y los guarda en el archivo binario.

2. Abre el archivo binario, lee los parámetros para la simulación agrega el

identificador de acuerdo a la salida deseada y ejecuta la simulación.

Por tanto, el archivo binario es común a todas las interfaces graficas (ventana
principal y componentes del sistema de control), permitiendo de esta manera que
los cambios aplicados a uno de los componentes se apliquen al resto.

Existen dos funciones de MATLAB adicionales, las cuales facilitan la presentación

en forma grafica de los resultados, estas son:

• Función modelo: Sus argumentos de entrada son la señal de referencia y la

constante de tiempo del modelo de referencia. Permite obtener de manera
rápida la salida del modelo de referencia sin necesidad de ejecutar la
simulación completa.

• Función tiempo: Su único argumento de entrada es la constante de tiempo

del modelo de referencia y permite establecer la escala temporal para las
diferentes graficas. Las razones por las que se ha separado de la función
mras son las mismas explicadas para la función anterior.

76
D.1 FUNCIÓN MRAS

function[resp] = mras(r,F1,C1,C2,V,T1,T2,G1,G2,km,ts,iden,tipo)

xp(1) = 0 ; %Condición inicial para la planta(pH=7)

xm(1) = 0 ; %Condición inicial para el modelo de referencia(pH=7)
vp(1) = 0 ; %Condición inicial para la derivada de la función de Lyapunov
v(1) = 0 ; %Condición inicial de la función de Lyapunov
A1(1) = T1 ; %Condición inicial para el mecanismo adaptativo
A2(1) = T2 ; %Condición inicial para el mecanismo adaptativo
u(1) =0 ; %Condición inicial para la salida del controlador
max = u(1) ; %Valor máximo de la salida de control
min = u(1) ; %Valor mínimo de la salida de control
dt = ts/length(r) ; %Tamaño de paso
km = 1/km ;
if tipo==1
for k = 1:length(r)-1,
if r(k)>14
r(k)=14;
end
if r(k)==7
r(k) =0;
xm(k+1)=0;
else
r( k ) = 10^(-r(k))-10^(-14)/(10^(-r(k))) ;
xm(k+1) = (-km*xm(k)+km*r(k))*dt + xm(k) ;%Modelo de referencia
end

%CSTR
xp(k+1) = dt/V*(F1(k)*(C1(k)-xp(k))-u(k)*(C2+xp(k)))+xp(k) ;%Planta

%error de salida%
e = (xp(k+1)- xm(k+1)) ;%Error

%Mecanismo adaptativo
A1(k+1) = G1*e*(A2(k)-xp(k+1))/(km*V)*dt + A1(k) ;%Adaptación de F1
A2(k+1) = G2*e*A1(k)/(km*V)*dt + A2(k) ;%Adaptación de C1

%Controlador
u(k+1) = (A1(k+1)*(A2(k+1)-xp(k+1))+V*(+km*xp(k+1)-km*r(k))) ;
u(k+1) = u(k+1)/(C2+xp(k+1)) ;

if u(k+1)<min
min = u(k+1); %Nivel mínimo de la salida de control
end
if u(k+1)>max
max = u(k+1); %Nivel máximo de la salida de control

77
end

%Estabilidad
v(k+1) = ((e^2)+(F1(k)-A1(k+1))^2+(C1(k)-A2(k+1))^2)/2 ; %Función de Lyapunov
vp(k+1) = -e*e ; %Derivada
end
r(k+1) = 10^(-r(k+1))-10^(-14)/10^(-r(k+1)) ;

else
for k = 1:length(r)-1,
if r(k)>14
r(k)=14;
end
if r(k)==7
r(k) =0;
xm(k+1)=0;
else
r( k ) = 10^(-r(k))-10^(-14)/(10^(-r(k))) ;
xm(k+1) = (-km*xm(k)+km*r(k))*dt + xm(k) ;%Modelo de referencia
end

%CSTR
xp(k+1) = dt/V*(F1(k)*(-C1(k)-xp(k))+u(k)*(C2-xp(k)))+xp(k) ;%Planta
%error de salida
e = (xp(k+1)- xm(k+1)) ;%Error

%Mecanismo adaptativo
A1(k+1) = G1*e*(-A2(k)-xp(k+1))/(km*V)*dt + A1(k) ; %Adaptación de F1
A2(k+1) = -G2*e*A1(k)/(km*V)*dt + A2(k) ; %Adaptación de C1

%Controlador
u(k+1) = (A1(k+1)*(A2(k+1)+xp(k+1))+V*(-km*xp(k+1)+km*r(k))) ;
u(k+1) = u(k+1)/(C2-xp(k+1)) ;

if u(k+1)<min
min = u(k+1); %Nivel mínimo de la salida de control
end
if u(k+1)>max
max = u(k+1); %Nivel máximo de la salida de control
end

%Estabilidad
v(k+1) = ((e^2)+(F1(k)-A1(k+1))^2+(C1(k)-A2(k+1))^2)/2 ;%Función de Lyapunov
vp(k+1) = -e*e ;%Derivada de la función de Lyapunov
end
end

if iden == 1
resp = xp;
end
if iden == 2
resp = xm;
end
if iden == 3

78
resp = A1;
end
if iden == 4
resp = A2;
end
if iden == 5
resp = u;
end
if iden == 6
resp = v;
end
if iden == 7
resp = vp;
end
if iden == 9
resp = min;
end
if iden == 10
resp = max;
end

D.2. FUNCIÓN MODELO.

function[xm] = modelo(r,km,ts)

xm(1)=0; %Valor inicial del modelo de referencia

%Parametros de simulación
km =1/km ;
dt = ts/length(r) ;%Tiempo de simulación
h = length(r)-1 ;

for k = 1:h,
if r(k)==7
r(k) = 0;
xm(k+1) = 0;
else
r( k ) = 10^(-r(k))-10^(-14)/(10^(-r(k))) ;
xm(k+1) = (-km*xm(k)+km*r(k))*dt + xm(k);
end

79
end
if r(h+1)==7
r(k+1)=0;
else
r(h+1) = 10^(-r(k+1))-10^(-14)/(10^(-r(k+1))) ;
end

D.3. FUNCIÓN TIEMPO.

function[t] = tiempo(km,ts);
dt = ts/1000 ;
t(1) = 0 ;
for k = 1:1000,
t(k+1)=k*dt;
end

D.4. FUNCIÓN PHXP

function [out]= phxp(in)

for i=1:length(in),
if in(i)>9E-8
ph(i)=-log10(in(i));
elseif in(i)<-9E-8
ph(i)=(log10(-in(i))+14);
else
ph(i)=7;
end
end
out=ph;

80
 ANEXO E. DESCRIPCIÓN DE LA INTERFAZ GRAFICA IMPLEMENTADA

Para acceder a la interfaz se digita GUI_MRAS en el prompt de MATLAB 6.5,

apareciendo la ventana mostrada en la figura E.1:

Figura E.1. Ventana principal de la interfaz grafica.

Fuente: Autores.

La ventana principal consta de los siguientes elementos:

81
 • Entrada: Permite escoger y ver la grafica del tipo de señal de
referencia (Simulación por defecto, pH neutro, escalón, onda
cuadrada). También se puede escoger el tiempo durante el que se
desea realizar la simulación. El botón actualizar/simular aplica los
cambios e inicia la simulación.

• Salida: Muestra indicadores del nivel de pH en el CSTR y el

porcentaje de error final entre este y la señal de referencia. En la parte
inferior se muestra la grafica del nivel de pH en el CSTR (azul) y el
modelo de referencia (rojo).

• Diagrama de bloques del sistema de control.

• Componentes: El presionar alguno de los botones abre una ventana

que permite apreciar en detalle el comportamiento del componente
respectivo del sistema de control, modificar sus parámetros y apreciar
sus graficas. Cada componente es una interfaz grafica diferente, por lo
que al regresar a la ventana principal luego de hacer cambios en
cualquiera de los componentes, se debe presionar el botón
aplicar/simular para hacer efectivos los cambios.

E. 1. VENTANA PRINCIPAL

La apariencia de la ventana principal ya se ha mostrado en la figura E.1 y

como se ha dicho, permite escoger varias señales de referencia, estas son:

82
 • Simulación defecto: Valores estándar de simulación tomados de
CSTR reales.

• pH neutro: Muy similar a la simulación por defecto pero permite hacer

variaciones en los diferentes componentes del sistema de control y
aplicarlos a la ventana principal.

• Escalón: Señal con valor máximo ocho y mínimo seis. Permite

apreciar los cambios experimentados por la salida del modelo de
referencia si se cambia la constante de tiempo de este.

• Onda cuadrada: Crea una señal de referencia de esta forma con valor
máximo de 10(básico) y mínimo de 6(acido).

E.2. MODELO DE REFERENCIA

Al presionar el botón correspondiente al modelo de referencia en la ventana

principal se despliega una interfaz cuya apariencia se muestra en la figura
E.2 .

83
Figura E. 2. Interfaz grafica para el modelo de referencia.

Fuente: Autores

En la parte superior se presenta una corta descripción de la función y

características del modelo de referencia, en la parte inferior se muestra la
gráfica de la respuesta del modelo a la entrada de referencia. La constante
de tiempo del modelo de referencia puede ser cambiada con el cuadro de
texto en la parte inferior de la ventana introduciendo el valor deseado y
presionando enter; en caso de que el valor digitado sea invalido, aparece un
cuadro de advertencia y detiene la simulación.

84
E.3. CONTROLADOR

Al presionar el botón correspondiente al controlador en la ventana principal,

se despliega la interfaz grafica mostrada a continuación en la figura E.3.

Figura E.3.Interfaz grafica para el controlador.

Fuente: Autores

85
Permite apreciar y cambiar la concentración del neutralizante, y ver la grafica
de su flujo (Salida del controlador), Por tanto, el usuario puede cambiar la
concentración y ver en la grafica los cambios que se producen en la salida de
control. En la parte inferior presenta los valores mínimo, máximo y final de la
salida, los cuales son útiles para detectar la presencia de flujos de valor
demasiado alto.
Para ejecutar la simulación, se introduce la concentración de la base en el
cuadro de texto y se presiona enter; el botón cerrar regresa a la ventana
principal.

E.4. MECANISMO DE AJUSTE

La forma de acceder a este componente es similar a los anteriores y su

interfaz se muestra en la figura E.4.

86
Figura E.4. Interfaz grafica para el mecanismo de ajuste.

Fuente: Autores

En esta interfaz se muestran las graficas correspondientes a las variables

adaptativas del proceso (Variable adaptativa 1= θ 1 ; Variable adaptativa 2= θ 2 );
permite variar las ganancias y muestra el valor de los parámetros ajustados.

Para ejecutar se introducen los valores deseados en los cuadros de texto

correspondiente y se presiona el botón aplicar. Para regresar a la ventana
principal se presiona cerrar.

87
E.5. CSTR

La interfaz grafica de este componente del sistema de control se muestra en

la figura E.6.

Figura E.6. Interfaz grafica para el CSTR.

Fuente: Autores

88
Muestra las graficas del flujo y concentración de la solución a tratar en el
CSTR, los cuales son desconocidos para el resto del sistema de control.
También permite cambiar el volumen del CSTR.

Para iniciar la simulación se introducen los valores deseados y se presiona el

botón aplicar.

89
 ANEXO F. GUÍA DE LABORATORIO:

1. INTRODUCCIÓN • Comprender las razones por las

cuales este proceso no es compatible
El proceso de neutralización de pH en un con las técnicas de control
tanque reactor de mezclado continuo tradicionales.
(CSTR), es una de las aplicaciones más • Conocer los diferentes componentes
exigentes, críticas y comunes de los del sistema de control adaptativo con
sistemas de control automático. Algunas modelo de referencia y su función.
de las características que posee esta
aplicación son:
4. MARCO TEORICO
• Es altamente no lineal.
• Los parámetros del proceso son 4.1. Reacciones ácido-base en un
variantes en el tiempo. Tanque Reactor de Mezclado Continuo
(CSTR).
Por estas razones las estrategias de
control utilizadas tradicionalmente no se Cuando una solución ácida reacciona con
adecuan a este proceso. La presente una solución básica se produce una
práctica busca mediante la utilización de sustancia cuya característica de acidez,
un software didáctico de simulación, expresada en nivel de pH, dependerá del
presentar una estrategia de control flujo y concentración de cada una de los
diferente a las estudiadas en clase y reactivos.
acorde a estas características: Control
Adaptativo con Modelo de Referencia Un tanque reactor de mezclado continuo
(MRAS). (figura 1), es un dispositivo al que llega
una solución influente con parámetros de
concentración y flujo desconocidos para
2. REQUISITOS mediante la variación del flujo de una
solución neutralizante de concentración
El estudiante deberá conocer los conocida, establecer un nivel de pH
conceptos básicos acerca de la notación neutro al interior del tanque. La solución
pH, reacciones ácido-base, así como neutralizada es evacuada como solución
también de los diferentes componentes efluente, manteniendo un volumen
del sistema de control adaptativo con constante dentro del mismo.
modelo de referencia.

3. OBJETIVOS

Familiarizar al estudiante con una técnica

de control no convencional cuya
utilización puede ser de importancia
durante su ejercicio profesional.

Al finalizar la práctica el estudiante deberá

estar en capacidad de: Figura 1. Tanque reactor de mezclado
continuo.
• Comprender el funcionamiento del
proceso de control de pH en un
tanque reactor de mezclado continuo.

90
4.2. Esquema de control adaptativo ¿Que relación aprecia entre este nivel y el
con modelo de referencia. modelo de referencia?

Cuando la planta a controlar presenta 3. Presione el botón correspondiente al

parámetros desconocidos y/o variantes en modelo de referencia y cambie el valor de
el tiempo, es necesario incluir en el la constante de tiempo a 2 segundos.
sistema de control mecanismos que Cierre la ventana del modelo de
permitan la estimación de estos referencia, regrese a la ventana principal y
parámetros. presione el botón simular/actualizar.
Comente los cambios experimentados por
Un modelo de referencia es un sistema la grafica del nivel de pH en el CSTR.
LTI de primer orden cuya función es 4. Escoja como tipo de entrada pH neutro.
establecer el comportamiento en lazo Presione simular/actualizar, luego diríjase
cerrado del sistema. al mecanismo de ajuste, anote los valores
finales de las variables adaptativas.
El esquema de control adaptativo (figura Aumente las ganancias adaptativas a 10,
2) utiliza un mecanismo de ajuste para el presione aplicar. ¿Qué cambios
cálculo de los parámetros adaptativos del experimenta el mecanismo de ajuste?
proceso que permitan, en lazo cerrado, ¿Cambia el valor final de las variables
que la salida de la planta siga al modelo adaptativas?, con base en esto deduzca
de referencia. la función de las ganancias adaptativas
dentro del mecanismo de ajuste. Regrese
a la ventana principal, actualícese la
simulación y comente los cambios en el
nivel de pH en el CSTR. Regrese las
ganancias adaptativas a 2.

5. Diríjase al controlador y anote los

valores de flujo mínimo, máximo y final de
la salida de control. Ahora cambie el valor
Figura 2. Diagrama de bloques del esquema de la concentración de la base a 0.9
de control. moles/litro y anote los mismos valores.
¿Explique los cambios experimentados?
Para el control de pH en un CSTR, la Regrese el valor de concentración de
entrada es el nivel de pH deseado en la base a 0.06 moles/litro.
solución efluente. El mecanismo de ajuste
realiza la estimación de las variables 6. Para la misma entrada del numeral
adaptativas (flujo y concentración de la anterior, diríjase al CSTR y cambie el
base) necesarios para que la planta siga valor de flujo de ácido a 0.5 litros/segundo
al modelo de referencia. El controlador y concentración de ácido a 0.1 mol/litro
toma la señal proveniente del mecanismo (esto simula los cambios repentinos que
de ajuste y determina el flujo de solución ocurren en un CSTR real). Regrese a la
neutralizante a ser inyectada en el CSTR. ventana principal y actualice la simulación
¿Qué cambios ocurren en el nivel de pH
en el CSTR? ¿Que diferencia encuentra
5. PROCEDIMIENTO entre el comportamiento de un sistema de
control adaptativo y los estudiados en
1. Desde el prompt de MATLAB digite clase? Diríjase al mecanismo de ajuste y
GUI_MRAS y presione enter. Se mostrará al controlador, comente los cambios
la ventana principal de la interfaz grafica. experimentados.

2. Escoja como tipo de entrada escalón.

¿Qué relación nota entre la gráfica de
nivel de pH en el CSTR y la entrada?

91