ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

Facultad de Ingeniería en Electricidad y Computación

“DISEÑO Y ANÁLISIS COMPARATIVO DE UN SISTEMA DE

CONTROL DE TEMPERATURA CON LÓGICA DIFUSA VS
CONTROL PROPORCIONAL INTEGRAL DERIVATIVO (PID)
EN UN PROTOTIPO DE UNA TORRE DE ENFRIAMIENTO
EN UNA PLANTA DE PROCESOS”

TRABAJO DE TITULACIÓN

Previo a la obtención del Título de:

MAGISTER EN AUTOMATIZACIÓN Y CONTROL

INDUSTRIAL
Presentado por:

Ing. Jhonny Darwin Ortiz Mata

GUAYAQUIL - ECUADOR
AÑO: 2016
 i

AGRADECIMIENTO

Al director del Trabajo de Titulación y

amigo, Msc. Holger Cevallos por todo

el apoyo, la paciencia, los consejos

siempre tan valiosos y toda la

enseñanza brindada por su parte.

Al profesor y amigo, el Msc. Arístides

Reyes por su enseñanza, los consejos

y guía sobre los detalles del control

automático en torres de enfriamiento.

A la Universidad Estatal de Milagro

por la facilidad brindada para la

construcción de la planta y para el

desarrollo de los experimentos.

 ii

DEDICATORIA

Este trabajo se lo dedico en especial a mi

papá y mi mamá pues gracias a ellos he

llegado hasta donde estoy y sé que con su

apoyo incondicional, consejos y guía

seguiré alcanzando muchos más logros

tanto en lo personal como en lo

profesional. A mi familia por el ánimo, el

apoyo y por estar siempre conmigo, con

su ayuda he logrado concluir con éxito

esta meta. Este trabajo va por todos

ustedes.

Ing. Jhonny Darwin Ortiz Mata

 iii

TRIBUNAL DE SUSTENTACIÓN

Msc. Sara Ríos Orellana

PRESIDENTE

Msc. Holger Cevallos Msc. Arístides Reyes

DIRECTOR MIEMBRO PRINCIPAL

 iv

DECLARACIÓN EXPRESA

“La responsabilidad del contenido de este trabajo de titulación, nos

corresponde exclusivamente; y el patrimonio intelectual de la

misma, a la ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL”

(Reglamento de Graduación de la ESPOL).

Ing. Jhonny Darwin Ortiz Mata

 v

RESUMEN

El presente trabajo trata sobre el diseño y análisis del comportamiento de un

sistema de control clásico PID vs un sistema de control con lógica difusa

aplicado al control de temperatura de una torre de enfriamiento.

El estudio se va a realizar en una planta de procesos de tratamiento térmico

de líquidos. Los controladores PID y Difuso están enfocados en la torre de

enfriamiento, por ello es necesario conocer la teoría de funcionamiento de la

misma, estos principios se basan en balances de masa, energía y como

realizar dimensionamiento de la capacidad calorífica de una torre de

enfriamiento.

En el primer capítulo se plantea el problema de la investigación, de donde nace

la necesidad de llevar a cabo este trabajo. Se plantea la solución del problema

y como se va a llevar a cabo el diseño de controladores de temperatura para

la torre de enfriamiento, mediante el control convencional PID y el control

mediante lógica difusa. También se explica la justificación que hace necesario

que se lleve a cabo este estudio. Por último se plantea el objetivo general y los

objetivos específicos.

En el segundo capítulo se realiza un repaso del estado del arte en las torres

de enfriamiento, entre ello podemos mencionar la historia, los tipos de torres

que existen y los elementos que la componen. Se estudian las ecuaciones de

 vi

balance de masa, energía y fundamentos termodinámicos. Se describe las

distintas formas de operación de los intercambiadores de calor. Se repasa el

estado del arte, del control automático y del modelado de las torres de

enfriamiento. Por último se menciona el desarrollo en la industria de control

difuso.

En el tercer capítulo se describen las condiciones para llevar a cabo el

modelamiento de la torre de enfriamiento, se mencionan las variables del

proceso y se plantea un sistema de ecuaciones diferenciales que permiten

modelar matemáticamente la torre de enfriamiento. Se repasan conceptos

sobre los controladores PID. Se mencionan conceptos del control difuso como

por ejemplo, el uso de reglas y los métodos de defusificación, se explica cómo

se lleva a cabo el procesamiento de un controlador difuso. Se describe el

software que permitirá llevar a cabo la investigación. Se repasan conceptos

del sensado de las variables de interés de la planta de tratamiento térmico.

En el cuarto capítulo se describe la construcción de la planta de procesos. Se

realiza un mapeo de las conexiones que se van a realizar en las tarjetas de

adquisición de datos. Se detallan las variables a controlar y manipular. Se

muestran los proyectos creados para el tratamiento de datos en Labview y

Matlab. Se realiza un análisis del aporte de enfriamiento de los actuadores

mediante pruebas experimentales. Por último se encuentra un punto de

operación en el que el comportamiento de la planta sea lineal.

 vii

En el quinto capítulo se encuentra una función de transferencia mediante

técnicas de identificación, el modelo es hallado mediante estimación

paramétrica. La función de transferencia identificada, permitirá diseñar el

controlador PID convencional. Se diseñan controladores PID con algoritmo

interactivo y no interactivo. Se realiza la representación del sistema en espacio

de estados, para luego diseñar un servomecanismo. Luego se procede a

diseñar el controlador difuso partiendo como base la respuesta obtenida con

el PID. Para el controlador difuso se realizan dos experimentos, cuya diferencia

es el número de reglas entre las variables de entrada y salida, por último se

diseña un banco de pruebas para probar el desempeño de los controladores.

En el sexto capítulo se realizan las pruebas para observar el desempeño de

los controladores PID y difuso. Se muestran los resultados y análisis de las

pruebas. Por último se generalizan los resultados.

 viii

ÍNDICE GENERAL

AGRADECIMIENTO ........................................................................................ I

DEDICATORIA ............................................................................................... II

TRIBUNAL DE SUSTENTACIÓN .................................................................. III

DECLARACIÓN EXPRESA ........................................................................... IV

RESUMEN ...................................................................................................... V

ÍNDICE GENERAL...................................................................................... VIII

ABREVIATURAS ......................................................................................... XIV

SIMBOLOGÍA ............................................................................................. XVII

ÍNDICE DE FIGURAS ................................................................................ XVIII

ÍNDICE DE TABLAS .................................................................................. XXV

INTRODUCCIÓN ...................................................................................... XXVI

CAPÍTULO I .................................................................................................... 1

ANTECEDENTES ........................................................................................... 1

1.1 PLANTEAMIENTO DEL PROBLEMA. .................................................... 1

1.2 SOLUCIÓN PROPUESTA. ..................................................................... 2

1.3 JUSTIFICACIÓN. .................................................................................... 3

1.4 OBJETIVO GENERAL. ........................................................................... 4

1.5 OBJETIVOS ESPECÍFICOS. .................................................................... 4

 ix

CAPÍTULO II ................................................................................................... 5

ESTADO DEL ARTE DE LAS TORRES DE ENFRIAMIENTO ....................... 5

2.1 HISTORIA DE LAS TORRES DE ENFRIAMIENTO. .............................. 6

2.2 TIPOS DE TORRES DE ENFRIAMIENTO. ............................................ 8

2.2.1 TORRES DE CIRCULACIÓN NATURAL. ...................................................8

2.2.2 TORRES DE TIRO MECÁNICO. .................................................................9

2.3 COMPONENTES DE UNA TORRE DE ENFRIAMIENTO. ................... 11

2.4 INFLUENCIAS EXTERNAS SOBRE EL FUNCIONAMIENTO DE LA

TORRE. ........................................................................................................ 14

2.5 BALANCE DE MASA Y ENERGÍA. ....................................................... 15

2.5.1 BALANCES DE MASA. ............................................................................. 16

2.5.2 BALANCE DE ENERGÍA. ......................................................................... 16

2.5.3 FUNDAMENTOS TERMODINÁMICOS. .................................................... 17

2.6 INTERCAMBIADORES DE CALOR DE PLACAS. ............................... 18

2.6.1 CLASIFICACIÓN DE INTERCAMBIADORES SEGÚN LA DISTRIBUCIÓN

DE FLUJO. .......................................................................................................... 19

2.6.2 CLASIFICACIÓN DE INTERCAMBIADORES SEGÚN SU CONTACTO

ENTRE FLUIDOS. ............................................................................................... 21

2.7 ESTADO DEL ARTE DEL CONTROL AUTOMÁTICO. ........................ 22

2.8 ESTADO DEL ARTE EN EL MODELADO DE LAS TORRES DE

ENFRIAMIENTO. .......................................................................................... 23

2.9 DESARROLLO EN LA INDUSTRIA DEL CONTROL CON LÓGICA

DIFUSA. ........................................................................................................ 25
 x

CAPÍTULO III ................................................................................................ 27

MODELADO DE LAS TORRES DE ENFRIAMIENTO .................................. 27

3.1 MODELO MATEMÁTICO DE LA TORRE DE ENFRIAMIENTO. .......... 27

3.1.1 VARIABLES DEL PROCESO.................................................................... 28

3.1.2 SUPOSICIONES PARA EL MODELADO DINÁMICO DE LA TORRE DE

ENFRIAMIENTO. ................................................................................................. 30

3.1.3 SISTEMA DE ECUACIONES DIFERENCIALES. ...................................... 31

3.2 CONCEPTOS DE CONTROL EN TORRES DE ENFRIAMIENTO. ...... 33

3.2.1 CONTROLADORES PID........................................................................... 33

3.2.2 CONTROL CON LÓGICA DIFUSA. .......................................................... 36

3.3 ESTRATEGIA DE CONTROL DIFUSO. ............................................... 40

3.3.1 PROCESAMIENTO DE UN CONTROLADOR DIFUSO. ........................... 40

3.3.2 FORTALEZAS DEL CONTROL DIFUSO. ................................................. 41

3.4 CONCEPTOS DE SENSADO. .............................................................. 43

3.4.1 ELEMENTOS DE MEDICIÓN Y TRANSMISIÓN....................................... 43

3.4.2 SENSADO DE TEMPERATURA. .............................................................. 44

3.4.3 SENSADO DE CAUDAL. .......................................................................... 46

3.4.4 SENSADO DE HUMEDAD. ....................................................................... 47

3.5 ADQUISICIÓN DEDATOS. ................................................................... 48

3.5.1 COMPONENTES DE MEDIDAS PARA UN SISTEMA DAQ. .................... 49

3.5.2 TARJETAS DE ADQUISICIÓN DE DATOS. ............................................. 50

3.7 DIMENSIONAMIENTO DE LA TORRE DE ENFRIAMIENTO............... 52

 xi

CAPITULO IV................................................................................................ 56

BOSQUEJO DE LA SOLUCIÓN DEL PROBLEMA ...................................... 56

4.1 CARACTERÍSTICAS DE LA PLANTA. ................................................. 57

4.2 SISTEMA DE MEDICIÓN Y ADQUISICIÓN DE DATOS. ..................... 63

4.3 VARIABLES A CONTROLAR Y MANIPULAR. ..................................... 66

4.3.1 VÁLVULA REGULADORA DE FLUJO. ..................................................... 67

4.3.2 CONTROL DE VELOCIDAD PWM. .......................................................... 69

4.3.3 MEDICIÓN DE TEMPERATURA. ............................................................. 72

4.3.4 MEDICIÓN DE FLUJO .............................................................................. 74

4.4 TRATAMIENTO DE DATOS EN EL ORDENADOR. ............................ 77

4.4.1 TRATAMIENTO DE DATOS MEDIANTE LABVIEW. ................................ 77

4.4.2 TRATAMIENTO DE DATOS MEDIANTE MATLAB. .................................. 82

4.5 ANÁLISIS DEL APORTE DE ENFRIAMIENTO DE LOS

ACTUADORES. ............................................................................................ 83

4.6 OPERACIÓN LINEAL DE LA PLANTA. ............................................... 86

CAPÍTULO V................................................................................................. 90

DISEÑO DEL SISTEMA DE CONTROL PARA LA TORRE DE

ENFRIAMIENTO DE LA PLANTA DE PROCESOS ..................................... 90

5.1 IDENTIFICACIÓN DEL SISTEMA A PARTIR DE LOS DATOS ENTRADA-

SALIDA. ........................................................................................................ 91

5.1.1 IDENTIFICACIÓN EXPERIMENTAL DE SISTEMA DE PRIMER ORDEN. 92

 xii

5.1.2 IDENTIFICACIÓN DE DATOS ENTRADA-SALIDA USANDO LA

HERRAMIENTA IDENT DE MATLAB. ................................................................. 94

5.1.3 MODELO ARX. ......................................................................................... 99

5.1.4 MODELO ARMAX. .................................................................................. 102

5.1.5 MODELO BOX JENKIN. ......................................................................... 104

5.2 SELECCIÓN DEL MODELO. .............................................................. 108

5.2.1 COMPROBACIÓN DEL MODELO BJ:2,2,3,2,1. .................................... 108

5.2.2 COEFICIENTES DEL MODELO BJ:2,2,3,2,1......................................... 109

5.2.3 FUNCIÓN DE TRANSFERENCIA DEL MODELO BJ:2,2,3,2,1. ............. 110

5.3 DISEÑO E IMPLEMENTACIÓN DEL SISTEMA DE CONTROL CLÁSICO

PID. ............................................................................................................. 110

5.3.1 IMPLEMENTACIÓN DEL CONTROLADOR PID INTERACTIVO. .......... 111

5.3.2 IMPLEMENTACIÓN DEL CONTROLADOR PID NO INTERACTIVO. ..... 117

5.3.3 IMPLEMENTACIÓN DEL CONTROLADOR PID ANTI WINDUP. .......... 121

5.3.4 DISEÑO DE UN SERVOMECANISMO EN ESPACIO DE ESTADOS. .... 126

5.4 DISEÑO E IMPLEMENTACIÓN DEL SISTEMA DE CONTROL CON

LÓGICA DIFUSA. ....................................................................................... 131

5.4.1 DISEÑO DEL CONTROLADOR DIFUSO PARA LA TORRE DE

ENFRIAMIENTO. ............................................................................................... 131

5.4.2 PRIMER CASO DE ESTUDIO. ............................................................... 132

5.4.3 SEGUNDO CASO DE ESTUDIO ............................................................ 136

5.4.4 IMPLEMENTACIÓN DEL CONTROLADOR DIFUSO MEDIANTE SIMULINK.

.......................................................................................................................... 143

5.5 DISEÑO DE PRUEBAS. ..................................................................... 148

 xiii

CAPITULO VI.............................................................................................. 150

ANÁLISIS DE RESULTADOS..................................................................... 150

6.1 PRUEBAS DEL DESEMPEÑO DEL SISTEMA DE CONTROL CLASICO

(PID) VS. CONTROL CON LÓGICA DIFUSA EN LA TORRE DE

ENFRIAMIENTO DE LA PLANTA DE PROCESOS. .................................. 150

6.1.1 CONTROLADOR PID. ............................................................................ 151

6.2.2 CONTROLADOR DIFUSO. ..................................................................... 156

6.2 RESULTADOS Y ANÁLISIS DE LAS PRUEBAS. .............................. 160

6.3 GENERALIZACIÓN DE LOS RESULTADOS. .................................... 162

CONCLUSIONES Y RECOMENDACIONES .............................................. 164

BIBLIOGRAFÍA ........................................................................................... 170

 xiv

ABREVIATURAS

ADC: Convertidor analógico-digital.

AIGND: Tierra de la entrada analógica.

ARMAX: Autoregressive moving average with exogeneous input.

ARX: Autoregressive with exogeneous input.

BJ: Box-Jenkins.

Ci(s): Función de transferencia controlador integral.

Cp(s): Función de transferencia controlador proporcional.

Cpd(s): Función de transferencia controlador proporcional derivativo.

Cpi(s): Función de transferencia controlador proporcional integral.

Cpid(s): Función de transferencia controlador proporcional integral

derivativo.

DAQ: Data acquisition.

e(t): Error entre salida y referencia.

Fem: Fuerza electromotriz.

G(s): Función de transferencia de la planta (Método experimental

sistema de primer orden).

Gbj(s): Función de transferencia de la planta (Box Jenkin).

K: Ganancia.

KB: Constante de Boltzman.

KD: Ganancia derivativa.

KI: Ganancia integral.

 xv

KP: Ganancia proporcional.

MIMO: Multiple input multiple output.

P: Controlador proporcional.

PC: Computador.

PD: Controlador proporcional derivativo.

PI: Controlador proporcional integral.

PID: Controlador proporcional integral derivativo.

Pt100: RTD de platino con 100Ω a 0°C.

PWM: Modulación de ancho de pulso.

RSE: Medida referenciada.

RTD: Resistance Temperature Detector.

s: Variable compleja de Laplace.

SISO: Single input single output.

ss: State Space.

t: Tiempo.

t0: Tiempo de retardo.

Td: Tiempo derivativo.

tf: Transfer function.

Ti: Tiempo integral.

Tp: Periodo promedio de duración.

tp: Ancho de pulso del disparo.

Ts: Tiempo de muestreo.

 xvi

tss: Tiempo de estabilización.

u(t): Entrada a la planta.

V: Voltios.

Vdc: Voltaje de corriente directa.

VI: Virtual Instrument.

y(t): Salida de la planta.

z: Variable discreta z.

ΔT: Variación de temperatura.

ΔVi: Variación de voltajes de entrada.

ΔVo: Variación de voltajes de salida.

μA(x): Función de pertenencia.

τ: Constante de tiempo.

°C: Grado centígrado.

 xvii

SIMBOLOGÍA

Área de sección transversal de la torre ( )

Superficie de transferencia por unidad de volumen ( / )

Calor especifico del aire seco (KJ/Kg °C)

Calor húmedo (KJ/Kg °C)

Calor especifico del agua (KJ/Kg °C)

Calor especifico del vapor de agua (KJ/Kg °C)

Flujo de aire seco (kg/s)

Coeficiente global de transferencia de calor por unidad de

volumen (KJ/ °C s)

Calor latente de vaporización (KJ/Kg)

Entalpia del aire (KJ/Kg)

Entalpia del aire saturado (KJ/Kg)

Flujo de agua (kg/s)

Flujo de calor latente (KJ/s)

Flujo de calor sensible (KJ/s)

Temperatura del agua °C

Temperatura del aire °C

Humedad absoluta del aire (kg agua/kg gas seco)

Humedad absoluta del aire saturado (kg agua/kg gas seco)

Altura de la torre (m)

 xviii

ÍNDICE DE FIGURAS

Figura 2.1: Torre de enfriamiento atmosférica. ............................................... 8

Figura 2.2: Circulación natural de flujo contador. ............................................ 9

Figura 2.3: Torre de enfriamiento tiro inducido. ............................................ 10

Figura 2.4: Torre de enfriamiento tiro forzado. .............................................. 11

Figura 2.5: Esquema de componentes de una torre de tiro mecánico. ......... 12

Figura 2.6: Distribución de flujo en paralelo y curva de equilibrio térmico. ... 19

Figura 2.7: Distribución en contraflujo y curva de equilibrio térmico. ............ 20

Figura 2.8: Distribución en flujo cruzado de un solo paso. ............................ 20

Figura 2.9: Distribución en flujo cruzado de paso múltiple. ........................... 21

Figura 3.1: Nomenclatura para una torre de enfriamiento. ........................... 32

Figura 3.2: Ejemplo de subconjuntos borrosos para el conjunto velocidad. . 38

Figura 3.3: Lazo de control difuso. ................................................................ 40

Figura 3.4: Elementos de medición y transmisión......................................... 44

Figura 3.5: Sensores de temperatura. .......................................................... 45

Figura 3.6: Sensores de caudal KEYENCE. ................................................. 46

Figura 3.7: Partes de un sistema DAQ. ........................................................ 48

Figura 3.8: Componentes de medidas DAQ. ................................................ 49

Figura 3.9: Tarjetas de adquisición de datos NI Compact DAQ. ................... 50

Figura 3.10: Etapas de la planta de procesos. .............................................. 51

Figura 4.1: Planta de tratamiento térmico. .................................................... 57

Figura 4.2: Esquema de la planta de tratamiento térmico. ............................ 61

 xix

Figura 4.3: Panel de fuerza accionamiento de las bombas y centro de carga de

220V. ..................................................................................................... 61

Figura 4.4: Panel de control alimentación de sensores y tarjetas de adquisición

de datos. ................................................................................................ 61

Figura 4.5: Bomba y válvula reguladora de flujo a través de la torre de

enfriamiento. .......................................................................................... 62

Figura 4.6: Intercambiador de calor etapa de enfriamiento, displays de

temperatura y manómetros. ................................................................... 62

Figura 4.7: Torre de enfriamiento, ventilador y tanque de agua a enfriar. .... 62

Figura 4.8: Tarjetas electrónicas de acondicionamiento de señal para las

tarjetas DAQ USB 6009. ........................................................................ 63

Figura 4.9: Tarjeta DAQ USB-6009 de National Instruments. ....................... 64

Figura 4.10: Asignaciones de canales Tarjeta DAQ USB-6009. ................... 65

Figura 4.11: Válvula de control de flujo SIEMENS M2H50FYN. ................... 67

Figura 4.12: Relación entre la apertura de la válvula y el voltaje de control. 68

Figura 4.13: Relación entre el flujo y la apertura de la válvula. ..................... 69

Figura 4.14: Señal PWM con distintos ciclos de trabajo. .............................. 70

Figura 4.15: Tarjeta electrónica RioRand de control de velocidad de motor DC.

............................................................................................................... 71

Figura 4.16: Relación entre el porcentaje del ciclo de trabajo del PWM y el

Voltaje de salida. ................................................................................... 71

Figura 4.17: Sensor de temperatura Pt100. .................................................. 72

 xx

Figura 4.18: Transmisor de temperatura para sensor Pt100. ....................... 73

Figura 4.19: Escala de temperatura en función del voltaje. .......................... 74

Figura 4.20: Sensor de flujo electromagnético KEYENCE FD-M. ................. 75

Figura 4.21: Escala de flujo en función de voltaje. ........................................ 77

Figura 4.22: Proyecto en Labview para la planta de tratamiento térmico. .... 78

Figura 4.23: Interfaz con el usuario para las variables de temperatura del fluido

a enfriar y el agua en la torre de enfriamiento. ...................................... 78

Figura 4.24: Interfaz con el usuario para monitoreo de las variables de flujo y

controlar los accionamiento de los actuadores. ..................................... 79

Figura 4.25: Diagrama de bloques de Enfriamiento_Agua1.vi con DAQ

Assistant. ............................................................................................... 80

Figura 4.26: Diagrama de bloques de Enfriamiento_Agua2.vi con DAQmx.. 81

Figura 4.27: Diagrama de bloques en Simulink de la planta de tratamiento

térmico. .................................................................................................. 83

Figura 4.28: Pruebas del aporte de enfriamiento al sistema de la válvula y el

ventilador. .............................................................................................. 84

Figura 4.29: Temperatura de la glicerina realizada en la prueba 7. .............. 85

Figura 4.30: Prueba realizada con apertura de válvula fija en 30 %. ............ 87

Figura 4.31: Prueba realizada con apertura de válvula multipasos............... 88

Figura 5.1: Sistema dinámico con entrada, salida y perturbaciones. ............ 92

Figura 5.2: Variación de temperatura con ventilación máxima y mínima. ..... 93

Figura 5.3: Datos de entrada-salida para la identificación de la planta. ........ 95

 xxi

Figura 5.4: Ventana principal de la interfaz gráfica “ident”. ........................... 96

Figura 5.5: Procesamiento de señales de salida y entrada. ......................... 97

Figura 5.6: Modelo de salida para un modelo de 2 polos y un cero. ............. 97

Figura 5.7: Análisis residual para un modelo BJ:21111. ............................... 98

Figura 5.8: Construcción del modelo ARX:4,4,1. ........................................ 100

Figura 5.9: Pruebas con algunos modelos ARX. ........................................ 100

Figura 5.10: Construcción del modelo ARMAX:2,2,2,1. .............................. 102

Figura 5.11: Pruebas con algunos modelos ARMAX. ................................. 103

Figura 5.12: Construcción del modelo BJ:2,2,2,2,1. ................................... 105

Figura 5.13: Pruebas con algunos modelos BJ. ......................................... 105

Figura 5.14: Modelo BJ:2,2,3,2,1. ............................................................... 107

Figura 5.15: Análisis residual del modelo BJ:2,2,3,2,1. .............................. 107

Figura 5.16: Respuestas de la planta real e identificada. ........................... 109

Figura 5.17: Diagrama de bloques de un sistema en lazo cerrado. ............ 111

Figura 5.18: Diagrama de bloques del controlador PID interactivo. ............ 112

Figura 5.19: Diagrama de bloques del controlador PID interactivo, y la planta

identificada en lazo cerrado. ................................................................ 113

Figura 5.20: Respuesta del controlador PID interactivo. ............................. 115

Figura 5.21: Respuesta del controlador PID interactivo ante perturbaciones.

............................................................................................................. 115

Figura 5.22: Salida del controlador PID interactivo. .................................... 116

Figura 5.23: Diagrama de bloques del controlador PID no interactivo. ....... 117
 xxii

Figura 5.24: Diagrama de bloques del controlador PID no interactivo, y la planta

identificada en lazo cerrado. ................................................................ 118

Figura 5.25: Respuesta del controlador PID No interactivo. ....................... 119

Figura 5.26: Respuesta del controlador PID no interactivo ante perturbaciones.

............................................................................................................. 120

Figura 5.27: Salida del controlador PID no interactivo. ............................... 121

Figura 5.28: Diagrama de bloques del controlador PID con anti windup. ... 123

Figura 5.29: Respuesta del controlador PID con anti windup. .................... 124

Figura 5.30: Salida del controlador PID anti windup. .................................. 124

Figura 5.31: Error del controlador PID con anti windup. ............................. 125

Figura 5.32: Respuesta al escalón en lazo cerrado mediante espacio de

estados. ............................................................................................... 127

Figura 5.33: Esfuerzo del controlador con realimentación de estados........ 127

Figura 5.34: Diseño de un servomecanismo mediante espacio de estados.

............................................................................................................. 129

Figura 5.35: Respuesta del servomecanismo. ............................................ 130

Figura 5.36: Reglas del primer caso de estudio. ......................................... 133

Figura 5.37: Reglas de control primer caso de estudio ante combinaciones en

las variables de entrada. ...................................................................... 134

Figura 5.38: Salida del controlador en función de las variables de entrada para

el primer caso de estudio. .................................................................... 134

Figura 5.39: Función de pertenencia del error, segundo caso de estudio. . 138
 xxiii

Figura 5.40: Función de pertenencia de la salida, segundo caso de estudio.

............................................................................................................. 138

Figura 5.41: Reglas del segundo caso de estudio. ..................................... 139

Figura 5.42: Reglas de control segundo caso de estudio ante combinaciones

en las variables de entrada. ................................................................. 140

Figura 5.43: Salida del controlador en función de las variables de entrada para

el segundo caso de estudio. ................................................................ 140

Figura 5.44: Implementación del controlador difuso en Simulink. ............... 144

Figura 5.45: Respuestas del controlador difuso del primer caso de estudio.

............................................................................................................. 146

Figura 5.46: Respuestas del controlador difuso del segundo caso de estudio.

............................................................................................................. 147

Figura 6.1: Implementación mediante simulink del controlador PID en la planta

real. ...................................................................................................... 151

Figura 6.2: Respuesta de la planta con el controlador PID no interactivo... 153

Figura 6.3: Error del controlador PID no interactivo en la planta real.......... 154

Figura 6.4: Error absoluto medio PID. ......................................................... 154

Figura 6.5: Valor medio de la señal de control u Controlador PID .............. 155

Figura 6.6: Rapidez de variación de la señal de control u Controlador PID. 155

Figura 6.7: Implementación mediante simulink del controlador Difuso en la

planta real. ........................................................................................... 156

Figura 6.8: Respuesta de la planta con el controlador Difuso. .................... 157

 xxiv

Figura 6.9: Error del controlador Fuzzy en la planta real ............................ 158

Figura 6.10: Error absoluto medio Fuzzy. ................................................... 158

Figura 6.11: Valor medio de la señal de control u Controlador Fuzzy......... 159

Figura 6.12: Rapidez de variación de la señal de control Controlador Fuzzy.

............................................................................................................. 159
 xxv

ÍNDICE DE TABLAS

Tabla 4.1: Asignación de Entradas/Salidas DAQ 1 USB 6009. .................... 65

Tabla 4.2: Asignación de Entradas/Salidas DAQ 2 USB 6009. .................... 66

Tabla 4.3: Condiciones de operación de la planta. ....................................... 86

Tabla 4.4: Condiciones para operación lineal de la planta. ........................... 89

Tabla 5.1: Resultados con modelos ARX. .................................................. 101

Tabla 5.2: Resultados con modelos ARMAX. ............................................. 104

Tabla 5.3: Resultados con modelos BJ. ...................................................... 106

Tabla 5.4: Valores de parámetros de los controladores PID. ...................... 126

Tabla 5.5: Respuesta de los controladores PID clásicos. ........................... 130

Tabla 5.6: Reglas de control primer caso de estudio. ................................. 132

Tabla 5.7: Reglas de control segundo caso de estudio. ............................. 137

Tabla 5.8: Respuestas del controlador difuso del primer y segundo caso de

estudio. ................................................................................................ 147

Tabla 5.9: Banco de pruebas para el desempeño de los controladores PID y

Fuzzy. .................................................................................................. 149

Tabla 6.1: Resultados de las pruebas de los controladores. ...................... 160

Tabla 6.2: Voltajes de operación de tarjeta de control PWM. ..................... 163

 xxvi

INTRODUCCIÓN

En las últimas décadas se han desarrollado diversas teorías de control, los

controladores proporcional, integral y derivativo (PID) se usan de forma muy

frecuente en las industrias, de hecho actualmente se encuentran

implementados el 98% de controladores de este tipo. Sin embargo existen

otras alternativas que pueden suplir las necesidades del control de procesos

en la industria, una de ellas son las técnicas de inteligencia artificial que

permite utilizar los conocimientos del procesos, formulando algoritmos que

convierten la experiencia del operador en reglas de control.

El diseño y estudio del comportamiento de los controladores PID y Difuso se

llevará a cabo en la torre de enfriamiento de la planta de tratamiento térmico.

Se pretende mantener controlada la temperatura de la glicerina para que esta

pueda ser usada en la elaboración de un producto, de tal forma que se

asemeje al control de procesos de tratamiento térmico de líquidos.

Para el diseño de los controladores, es necesario conocer la dinámica del

sistema, por lo que es necesario representar el sistema ya sea mediante el

modelo matemático o el modelo estimado mediante técnicas de identificación

de sistemas. En vista de se tiene la instrumentación necesaria y porque resulta

más sencillo que resolver un sistema de ecuaciones en función del espacio,

 xxvii

se utilizarán técnicas de identificación paramétrica para estimar un modelo que

represente el proceso.

Con la planta identificada, se procede a diseñar el controlador PID, para que

el sistema trabaje según los requerimientos del proceso. Se utilizan diversos

algoritmos para representar un PID, como son los algoritmos interactivo y no

interactivo, una forma adicional que se plantea es el de un PID con anti windup.

Sin bien es cierto que los parámetros de los controladores se ajustan mediante

simulación, sin embargo es necesario realizar el ajuste final del sistema al

realizar la implementación del controlador en la planta.

Para el diseño del controlador difuso se parte de la respuesta obtenida con el

PID y se pretende que al menos se logre igualar su funcionamiento. Las

variables de entrada al controlador difuso son el error y su derivada, se utiliza

el método de Mamdani para la defusificación, el diseño del controlador difuso

se lo lleva a cabo en el (Fuzzy logic toolbox) de MATLAB. Las funciones de

pertenencia son de tipo triangular y se analizan dos casos, el primero con tres

funciones de pertenencia en la entrada y salida, dando como resultado nueve

reglas de control. En el segundo caso se plantean cinco funciones de

pertenencia a la entrada y siete a la salida, dando como resultado veinticinco

reglas de control.
 xxviii

Las pruebas de desempeño de los controladores PID y Difuso, se realiza

mediante cambios en la referencia de temperatura y perturbaciones en el

sistema. Para evaluar el comportamiento del sistema de control de la torre de

enfriamiento es necesario analizar indicadores de tal forma que

cualitativamente se pueda tener idea de cómo se comporta el sistema de

control.
 CAPÍTULO I

ANTECEDENTES

1.1 PLANTEAMIENTO DEL PROBLEMA.

Para la formación de estudiantes de ingeniería es necesario realizar prácticas

experimentales sobre sistemas físicos reales, con el propósito de adquirir

competencias básicas y profesionales que complementen los conocimientos

teóricos. Una de las necesidades de la zona 5 donde se encuentra la

Universidad Estatal de Milagro son las carreras de ingeniería en alimentos e

industrial, por lo que se necesitan equipar los laboratorios con prototipos de

plantas industriales. En vista de aquello se construyó una planta para el

tratamiento térmico de líquidos, de tal forma que los estudiantes puedan

conocer los diferentes equipos de instrumentación, como adquirir datos de una

planta y como controlar un proceso. Ahora bien se requiere realizar un análisis

 2

del funcionamiento de la planta y como poder llevar a cabo mediante la

instrumentación necesaria, la medición de variables de gran interés en la

mayoría de procesos industriales como son temperatura, flujo y presión.

También se requiere diseñar controladores para las variables de procesos

mencionadas, que sirvan como base para realizar prácticas experimentales y

futuras investigaciones en el campo de control de procesos.

1.2 SOLUCIÓN PROPUESTA.

Para el desarrollo de prácticas experimentales en el campo de control de

procesos de termo fluidos se requiere automatizar la planta instalando

controladores, sensores, actuadores, tarjetas de adquisición de datos, etc.

La planta de procesos de tratamiento térmico tiene dos etapas una de

calentamiento y otra de enfriamiento. El estudio a realizar se basa en la etapa

de enfriamiento, para ello se utilizará un prototipo de una torre de enfriamiento

y un intercambiador de calor de placas.

Una vez que se instalen las herramientas de automatización se diseñará un

sistema de control de temperatura para la torre de enfriamiento. Para el control

de temperatura se tendrán dos actuadores, un ventilador con velocidad

variable y una válvula reguladora de flujo. Se analizará el aporte de

enfriamiento de cada actuador.

 3

El diseño del sistema de control de temperatura se realizará mediante dos

métodos, el primero es un controlador convencional PID y el segundo es un

controlador difuso. Mediante un banco de pruebas se analizará el

comportamiento de cada uno de los controladores, ajustando primero el

controlador PID, luego la información obtenida de dicho controlador servirá

para ajustar el controlador difuso.

1.3 JUSTIFICACIÓN.

Al realizar experimentos en el campo de control de procesos se contribuirá a

la formación de los estudiantes de la Facultad de Ingeniería Industrial de la

UNEMI. Además los docentes y estudiantes podrán realizar trabajos

académicos e investigativos.

Es importante resaltar que para el enfriamiento del fluido caliente se utiliza

agua que es un recurso natural, una vez que ha sido utilizada esta suele ser

desechada, lo que ocasiona la pérdida de materia, energía y daño ambiental.

Por ello la importancia de diseñar sistemas de recuperación de calor y

reutilización del agua a los procesos a una temperatura requerida para

operación. Sumando a esto la reducción del consumo de energía eléctrica al

tener un control de velocidad de ventilación, que trabajará según el proceso lo

requiera.
 4

1.4 OBJETIVO GENERAL.

Diseñar y analizar el comportamiento de un sistema de control clásico PID vs

un sistema de control con lógica difusa aplicado al control de temperatura en

una torre de enfriamiento.

1.5 OBJETIVOS ESPECÍFICOS.

1. Analizar la influencia en la temperatura del agua de la torre de

enfriamiento al variar la velocidad del ventilador y la apertura de la

válvula de circulación de flujo.

2. Modelar el conjunto de la torre de enfriamiento y del intercambiador de

calor de la planta de procesos.

3. Diseñar una interfaz gráfica de usuario para monitorear las variables del

proceso a controlar.

4. Mantener el circuito de enfriamiento de agua principal en

especificaciones de rendimiento a fin de reducir la temperatura de un

fluido. Variando la velocidad del ventilador poder además reducir el

consumo energético.

5. Diseñar un sistema de control con lógica difusa y control convencional

PID, que permita regular la temperatura de un líquido según los

requerimientos del proceso ante perturbaciones.

6. Construir un banco de pruebas que permita realizar un análisis

comparativo entre el controlador PID y el controlador difuso.

 CAPÍTULO II

ESTADO DEL ARTE DE LAS TORRES DE

ENFRIAMIENTO

La instrumentación, diseño y simulación de dispositivos de enfriamiento de

agua ha constituido a lo largo de las operaciones unitarias un marco de

referencia en el estudio, comprensión y aplicación de la fenomenología de los

mecanismos de transferencia de masa, energía y cantidad de movimiento [1].

En la industria cada día se emplean más equipos donde se usa agua como

medio de enfriamiento, por ser esta relativamente barata y con una gran

capacidad de absorber calor. Aun así a ninguna industria le conviene desechar

esa agua que se ha calentado, ni tampoco almacenarla esperando a que se

enfríe, puesto que provocaría almacenar volúmenes enormes de agua.

 6

Las torres de enfriamiento tienen como objetivo enfriar el agua en un proceso,

esto se logra por medios mecánicos para disipar calor del agua proveniente de

condensadores, enfriadores, intercambiadores de calor, etc.

2.1 HISTORIA DE LAS TORRES DE ENFRIAMIENTO.

Las torres de enfriamiento se originaron a partir del siglo 19 con el desarrollo

de condensadores para las máquinas de vapor. Por el siglo 20, estaban en uso

varios métodos de evaporación de reciclaje de agua de refrigeración en áreas

que no tenían un suministro de agua adecuado, tal como lugares urbanos. En

las zonas de tierra disponible, los sistemas tomaron la forma de estanques de

enfriamiento. Las fábricas tomaban agua de un río o lago cercano, lo utilizaba

para enfriar algo y lo regresaban, este método era totalmente impráctico

porque causaba incrementos de temperatura en los cuerpos de agua cercanos

a las fábricas destruyendo el equilibrio ecológico del área.

El siguiente paso fue la invención de lagos artificiales con mecanismos de

aspersión del agua de enfriamiento. Al lanzar el agua hacia arriba, se lograba

enfriarla por medio de evaporación. Este método aumentó considerablemente

la eficiencia del proceso de enfriamiento pero seguía presentado el problema

de utilizar extensiones de tierra relativamente grandes y por lo tanto caras.

La creación de la primera torre de enfriamiento solucionó el costo de tener un

lago artificial. Al elevar el sistema de aspersión de agua, se permitió que el

 7

agua interactuara con aire por un período más largo de tiempo antes de caer

en el depósito de agua fría en el fondo de la torre [2].

Las primeras torres de enfriamiento hiperbólicas fueron construidas en el año

1918 cerca de Heerlen. Sin embargo, estas torres de tiro natural eran muy

poco eficientes y necesitaban ser de un gran tamaño.

Actualmente, para mejorar la eficiencia de las torres se introdujeron dos

nuevos elementos:

1. Ventiladores eléctricos para incrementar el flujo de aire dentro de la

torre.

2. Rellenos interiores para aumentar la superficie expuesta de agua y por

ende, la cantidad de evaporación.

La implementación de estos componentes permitió aumentar y maximizar la

interacción del agua caliente con el aire que entra a la torre. Durante este

contacto extendido del agua con el aire se efectúa el enfriamiento por

evaporación. A más área de agua expuesta, mayor tiempo y mejor eficiencia

de interacción, logrando más enfriamiento del agua [2].

 8

2.2 TIPOS DE TORRES DE ENFRIAMIENTO.

2.2.1 TORRES DE CIRCULACIÓN NATURAL.

Las torres de circulación natural, se caracterizan porque el flujo de aire

a través de la misma se debe a la densidad entre el aire a la entrada y

el aire a la salida, lo cual hace que el aire expulsado por la columna se

dirija al ambiente, creando el efecto de tiro forzado y en consecuencia

eliminando el uso de ventiladores mecánicos [3].

TORRE ATMOSFÉRICA.

Consiste en una cámara rectangular grande con dos paredes de lamas

opuestas. El aire atmosférico entra en la torre a través de las rejillas

impulsadas por su propia velocidad.

Figura 1Figura 2.1: Torre de enfriamiento atmosférica.

 9

TORRE DE ENFRIAMIENTO HIPERBÓLICA.

Hace uso de la diferencia de temperatura entre el aire del ambiente y el

aire caliente al interior de la torre. Cuando el aire caliente se mueve

hacia arriba a través de la torre, el aire fresco se introduce en la torre a

través de una entrada de aire en la parte inferior. Debido a la disposición

de la torre, no se requiere ventilador y casi no hay circulación de aire

caliente que podría afectar al rendimiento.

Fig2. Figura 2.2: Circulación natural de flujo contador.

2.2.2 TORRES DE TIRO MECÁNICO.

Las torres de tiro mecánico proporcionan un control total sobre el caudal

de aire suministrado, en estas torres se puede controlar de forma

precisa la temperatura de agua de salida, debido que el diseño es más

 10

elaborado. Las torres de tiro mecánico pueden variar su diseño y

operación de acuerdo a la ubicación del ventilador [4].

TIRO INDUCIDO.

Las torres de tiro inducido descargan aire caliente directo a la atmósfera.

El aire puede entrar en una o más paredes de la torre, con lo cual se

consigue reducir en gran medida la altura de la entrada de aire [5].

Particularmente, las torres de tiro inducido son de flujo cruzado, por lo

que el aire circula en dirección perpendicular respecto al agua que

desciende, tal como muestra la figura 2.3. El ventilador se encuentra

ubicado en la entrada de aire.

Figura 3 Figura 2.3: Torre de enfriamiento tiro inducido.

 11

TIRO FORZADO.

La torre de tiro forzado manda aire horizontalmente a través del

empaque y hacia arriba contra las gotas de agua que caen. El agua que

entra es removida por eliminadores de corriente en la parte superior.

Estas torres son generalmente de flujo contracorriente [5].

En este tipo de torre, los ventiladores se encuentran instalados en la

parte inferior, impulsando el aire hacia adentro de la torre tal como se

muestra en la figura 2.4.

Figura 4 Figura 2.4: Torre de enfriamiento tiro forzado.

2.3 COMPONENTES DE UNA TORRE DE ENFRIAMIENTO.

A continuación podemos observar un esquema de una torre de tiro mecánico

con sus diferentes partes:

 12

Figura 5 Figura 2.5: Esquema de componentes de una torre de tiro mecánico.

Marco y carcasa: La mayoría de las torres tienen marcos estructurales que

soportan los cerramientos exteriores, motores, ventiladores y otros

componentes. La carcasa puede ser esencialmente el marco con algunos

diseños más pequeños, tales como algunas unidades de fibra de vidrio.

Relleno: El relleno tiene dos funciones principales: primero proporcionar una

superficie de contacto lo mayor posible entre el agua y el aire; y segundo

aumentar el tiempo de intercambio de calor entre el agua y el aire [6].

Separadores de gotas: La finalidad de los separadores es detener las gotas

arrastradas por la corriente del aire a la salida de la torre. Los separadores de

gotas reducen las pérdidas de carga, limitan la formación de neblinas y evita

daños en el entorno de la torre (sobre todo si es agua salada) [6].

 13

Sistema de distribución de agua: Es un sistema de tuberías y conductos

cuya finalidad es repartir uniformemente el agua por encima del relleno.

Existen dos métodos de reparto: por gravedad o por presión [6].

Pulverizadores: Su misión es la de dividir lo más fino posible el tamaño de la

gota compatible con los arrastres de aire, con el objetivo de aumentar la

superficie y repartir homogéneamente el caudal de agua sobre el relleno [6].

Bandeja o balsa: Suelen ser de hormigón y sirven como cimentación de la

torre, así como de depósito de agua fría [6].

Sistema de aporte de agua: La evaporación de agua en la torre provoca una

disminución del volumen de agua de ésta. Por otro lado, la concentración de

sales en el agua se controla con un régimen adecuado de purgas. La

evaporación y las purgas hacen que sea necesario el aporte constante de agua

[6].

Ventilador: Es el encargado de crear el flujo de aire. El equipo completo se

compone de motor, transmisión y aspas. Estos equipos trabajan en

condiciones complicadas ya que están en continuo funcionamiento en un

ambiente de elevada humedad y temperatura, razón por la cual los motores de

la torre deben estar protegidos [6].

Válvulas: Las válvulas se utilizan para controlar y regular el flujo a través de

las líneas de agua que sirven a la torre.

 14

2.4 INFLUENCIAS EXTERNAS SOBRE EL FUNCIONAMIENTO DE LA

TORRE.

Rango del intercambiador de calor.

El rango en el intercambiador está totalmente determinado por la carga de

calor y la tasa de circulación de agua a través del intercambiador y el agua de

refrigeración [7].

Restricción del flujo de Aire.

A una determinada carga de calor, un flujo determinado de agua y una

temperatura de bulbo húmedo particular, la temperatura del agua fría

producida por una torre de enfriamiento es totalmente dependiente de la

cantidad de aire de entrada [7].

Viento.

Dependiendo de su velocidad y dirección, tiende a incrementar el potencial de

la torre de enfriamiento a la recirculación [7].

Interferencia.

Sumideros de calor ubicados cerca de una torre de enfriamiento pueden

“Interferir” con el desempeño térmico de la misma [7].

 15

Carga de calor.

La carga de calor impuesta a una torre de enfriamiento está determinada por

el proceso en que trabaja. El grado de enfriamiento requerido es controlado

por el nivel de temperatura de funcionamiento deseada del proceso.

Temperatura de bulbo húmedo.

Es un factor de control para la mínima temperatura del agua fría a la cual el

agua puede ser enfriada por el método de evaporación. Por lo tanto, la

temperatura de bulbo húmedo del aire que entra en la torre de enfriamiento

determina los niveles de temperatura de funcionamiento en toda la planta,

proceso o sistema.

2.5 BALANCE DE MASA Y ENERGÍA.

Una torre de enfriamiento puede ser considerada como un intercambiador de

calor de contacto directo, en el cual el agua y el aire están en régimen pelicular.

El uso de un coeficiente de transferencia de calor convectivo para la

descripción del proceso de transferencia de energía en este sistema es

complicado, ya que no existe un método estándar para calcular exactamente

la superficie total de contacto entre el agua y el aire. Adicionalmente, resulta

difícil obtener soluciones analíticas rigurosas debido al acoplamiento de

transporte de cantidad de movimiento, energía y masa. Es por eso que,

comúnmente, se hace necesario la realización de un estudio experimental

 16

acompañado de un análisis adimensional para la determinación del coeficiente

de transferencia de masa global del empaque, lo cual permite el diseño de

equipos específicos [8].

2.5.1 BALANCES DE MASA.

Los balances de masa se fundamentan en el principio de conservación

de la masa: la masa no se crea ni se destruye. Lo anterior se basa en

la observación que, para sistemas cerrados y abiertos, la distribución de

los materiales puede cambiar entre un instante inicial y uno final debido

a cambios físicos o químicos, pero la cantidad total medida en unidades

de masa se mantienen antes y después de un proceso.

La ecuación general del balance de masa en procesos físicos viene

dada por:

! "# # ) $ " " ) $ " "

&=( -−( - (2.1)
# $ # $ $" . *+ ", *+ $

2.5.2 BALANCE DE ENERGÍA.

La aplicación práctica de la primera ley de la termodinámica está

orientada a la utilización más eficiente de la energía, a la evaluación de

fuentes energéticas y a contabilizar cuanta de ella se usa en los

procesos de producción. Su enunciado más conocido es que la energía

no se crea ni se destruye, sólo se transforma.

 17

2.5.3 FUNDAMENTOS TERMODINÁMICOS.

En el interior de la torre se produce un contacto íntimo entre el agua que

desciende y aire que asciende. En la caída del agua, se arrastra una

capa finísima de aire que desciende [6].

Concretamente, la transmisión de calor entre el agua y el aire, se realiza

a través de dos fenómenos:

1. Transmisión de calor por convención.

2. Por absorción del calor latente de vaporización del agua.

Se estima que alrededor del 90% del calor evacuado es debido a la

evaporación. A medida que aumenta la superficie de contacto entre

aire-agua mejoran estos dos procesos, para aumentar dicha superficie

de contacto se utilizan los rellenos.

En la transmisión de calor por convección, se produce un flujo de calor

en dirección al aire que rodea el agua, por causa de la diferencia de

temperaturas entre ambos fluidos. Al entrar en contacto el aire con el

agua se forma una fina película de aire húmedo saturado sobre la

lámina de agua que desciende por el relleno. Esto es debido a que la

presión parcial de vapor de agua en la película de aire es superior a la

del aire húmedo que circula por la torre, produciéndose una cesión de

vapor de agua (evaporación). Esta masa de agua evaporada extrae el

 18

calor latente de vaporización del propio líquido. Este calor latente es

cedido al aire, obteniéndose el enfriamiento del agua y el aumento de

la temperatura del aire. La diferencia entre la temperatura del agua a la

salida y la temperatura húmeda del aire se llama acercamiento o

aproximación, ya que representa el límite termodinámico de

enfriamiento al que puede llegar el agua.

2.6 INTERCAMBIADORES DE CALOR DE PLACAS.

Los intercambiadores de calor de placas están compuestos básicamente por

un conjunto de placas estampadas de acero inoxidable, soportadas

paralelamente entre cabezales y separadas entre sí por juntas de goma,

formando una serie de cámaras, estrechas y alternativamente

intercomunicadas por donde circulan a distintas temperaturas los líquidos cuyo

intercambio calórico se desea.

Los intercambiadores pueden realizar un solo proceso (calentamiento o

enfriamiento), o realizar varios procesos dentro de un solo equipo

(calentamiento, recuperación calórica, enfriamiento). En este último caso, el

equipo se encuentra separado en zonas de intercambio, divididas por placas

de conexiones.
 19

2.6.1 CLASIFICACIÓN DE INTERCAMBIADORES SEGÚN LA

DISTRIBUCIÓN DE FLUJO.

Tenemos cuatro tipos de configuraciones de acuerdo a la trayectoria del

flujo [9].

En la distribución de flujo en paralelo, los fluidos caliente y frío entran

por el mismo extremo del intercambiador, fluyen a través de él en la

misma dirección y salen por el otro extremo. La temperatura de los

fluidos, se aproximan la una a la otra, es decir que uno disminuye su

temperatura y el otro la aumenta tratando de alcanzar el equilibrio

térmico entre ellos. Debe quedar claro que el fluido con menor

temperatura nunca alcanza la temperatura del fluido más caliente [10].

Figura 6 Figura 2.6: Distribución de flujo en paralelo y curva de equilibrio térmico.

En la distribución en contracorriente o contraflujo, los fluidos caliente y

frío entran por los extremos opuestos del intercambiador y fluyen en

direcciones opuestas. La temperatura del fluido más frío se aproximará

a la temperatura del fluido de entrada.

 20

Figura 7 Figura 2.7: Distribución en contraflujo y curva de equilibrio térmico.

En la distribución en flujo cruzado de un solo paso, un fluido se desplaza

dentro del intercambiador perpendicularmente a la trayectoria del otro

fluido. Uno de los fluidos pasa a través de tubos mientras que el otro

pasa alrededor de dichos tubos formando un ángulo de 90◦.

Figura 8 Figura 2.8: Distribución en flujo cruzado de un solo paso.

Cuando los fluidos del intercambiador, intercambian calor más de una

vez se denomina intercambiador de múltiple pasos. En la figura 2.9 se

muestra un ejemplo de estos intercambiadores. Comúnmente el

intercambiador de múltiples pasos invierte el sentido del flujo en los

tubos al utilizar dobleces en forma de "U" en los extremos, es decir, el

doblez en forma de "U" permite al fluido ir de regreso e incrementar el

área de transferencia del intercambiador.

 21

9 Figura 2.9: Distribución en flujo cruzado de paso múltiple.

2.6.2 CLASIFICACIÓN DE INTERCAMBIADORES SEGÚN SU

CONTACTO ENTRE FLUIDOS.

Para la clasificación de los intercambiadores tenemos tres categorías

importantes [9]:

1. Regeneradores: Los regeneradores son intercambiadores en

donde un fluido caliente fluye a través del mismo espacio seguido

de uno frío en forma alternada, con tan poca mezcla física como

sea posible entre las dos corrientes.

2. Intercambiadores de tipo abierto: Son dispositivos en los que

las corrientes del fluido de entrada fluyen hacia una cámara

abierta y ocurre una mezcla física completa de las corrientes. Las

corrientes caliente y fría que entran por separado a este

intercambiador salen mezcladas en una sola.

3. Intercambiadores de tipo cerrado o recuperador: Los

intercambiadores de tipo cerrado son aquellos en los cuales

 22

ocurre transferencia de calor entre dos corrientes fluidas que no

se mezclan o que no tienen contacto entre sí.

2.7 ESTADO DEL ARTE DEL CONTROL AUTOMÁTICO.

A largo del tiempo los sistemas de control han ido evolucionando, es por ello

que a continuación se presenta una breve reseña de este cambio y su

importancia en la automatización:

El control manual: Antes de la década de los 40 la mayoría de plantas de

procesos se controlaban manualmente, el operador detectaba una condición

no deseada en una variable de proceso y efectuaba ajustes basados en las

instrucciones del procesos.

El control manual con instrumentos de medición: Se inician alrededor de

los años 40, con dispositivos neumáticos que envían y reciben señales de

presión de aire en el rango de 3 a 15 psi.

El control automático centralizado: Todos los controladores fueron

colocados en un mismo cuarto como resultado de la creciente complejidad de

los lazos de control. Para la década de los 60 la instrumentación electrónica

podía sustituir a la neumática.

El control automático local: En la década de los 70 se produce un vuelco

total hacia el control de tipo electrónico, con señales analógicas de 4 a 20 mA

o 0 a 5V, con esto se eliminó el problema de retraso de transmisión de señales.

 23

El control por computadora: Dio nacimiento al sistema de control distribuido,

basado en microprocesadores programables que tiene la capacidad de

comunicar varios controladores entre sí a través de una red.

El control automático de procesos es una de las disciplinas que se ha

desarrollado a una velocidad vertiginosa, dando las bases a lo que hoy algunos

autores llaman la segunda revolución industrial. El estudio y aplicación del

control automático ha contribuido al reconocimiento universal de sus ventajas

y beneficios asociados al ámbito industrial, que es donde tiene una de sus

mayores aplicaciones debido a la necesidad de controlar un gran número de

variables, sumado esto a la creciente complejidad de los sistemas [11].

2.8 ESTADO DEL ARTE EN EL MODELADO DE LAS TORRES DE

ENFRIAMIENTO.

Muchos trabajos han sido realizados para modelar matemáticamente las torres

de enfriamiento en el siglo pasado Walker [12], propuso una teoría básica de

la operación de la torre de enfriamiento. Merkel [13] desarrolló la primera teoría

práctica que incluye las ecuaciones diferenciales de transferencia de masa y

calor.

Webb en su trabajo “Design of Cooling Towers by the Effectiveness-NTU

Method”, demostró que la eficiencia y las unidades de difusión en una torre,

son consistentes con las usadas en otros intercambiadores de calor. Nimr [14],

presentó un modelo que describe el comportamiento de una torre, para el

 24

diseño del modelo tuvo en cuenta el empaque o relleno en la torre.

Milosavljevic [15], determinó un modelo en ecuaciones diferenciales ordinarias

para describir la transferencia de masa y calor en una torre de enfriamiento

mecánica, utilizó los datos experimentales en un equipo piloto para analizar

mediante simulación, el comportamiento de la torre con diferentes empaques.

Kloppers y Kröger [16], [17], evaluaron el número de Lewis en una torre de

enfriamiento y encontraron que la relación disminuye, cuando el aire entra

relativamente húmedo y caliente en la torre. También plantearon un modelo

matemático en ecuaciones diferenciales ordinarias para determinar la

transferencia de masa y energía en una torre de enfriamiento. Fisenko y Brin

[18], describen la transferencia de masa y calor en una torre, para ello se

acopla un modelo con ecuaciones diferenciales parciales para la temperatura

del aire y del agua. Kranc [19], desarrolló un modelo computacional para

simulación de la torre de enfriamiento, él tomó en consideración la distribución

no uniforme del agua en el empaque, [20].

Zubair [21], investigó las características de rendimiento a través de la torre de

enfriamiento a contracorriente, los resultados mostraron que la mayor tasa de

transferencia de calor es la evaporación, siendo el 62,5% de la tasa total de

transferencia de calor en la parte inferior y alrededor del 90% en la parte

superior de la torre. Dado que la evaporación es, con mucho, el factor más

eficaz en las torres de enfriamiento, la exactitud de las condiciones predichas

 25

depende directamente de ella. Para este propósito, es muy común incluir el

término de evaporación en el modelo de Oesterle [22].

En los últimos años se han desarrollado nuevas herramientas en el modelo de

torres de enfriamiento como la de Xiao [23], quien desarrolló un modelo

matemático en ecuaciones diferenciales ordinarias, él aplicó el concepto de

Red Neuronal Artificial (RNA), proponiéndola como una herramienta de diseño

computacional que ayuda a evaluar la temperatura de agua a la salida. Los

resultados que predecía la RNA fueron comparados con los obtenidos del

modelo matemático y con los datos experimentales. La RNA predijo la

temperatura del agua con un margen de error absoluto de 1.31%, y de 9.42%.

Ming Gao (2008) aplicó una RNA para predecir el funcionamiento de una torre,

la cual mostró un buen comportamiento estadístico, el coeficiente de

correlación estaba en el rango de 0.993 - 0.999, [20].

2.9 DESARROLLO EN LA INDUSTRIA DEL CONTROL CON LÓGICA

DIFUSA.

La teoría difusa y la aplicación de los sistemas difusos surge para el

tratamiento de la incertidumbre del mundo real; los problemas en el mundo

real están caracterizados por tener que procesar información con

incertidumbre, imprecisión, ambigüedad, vaguedad o información incompleta.

La teoría difusa es considerada una nueva tendencia para el tratamiento de la

incertidumbre con mucha aplicabilidad en diferentes campos.

 26

La teoría difusa comenzó en los Estados Unidos de Norte América en 1965

por el profesor Lotfi Asker Zadeh, profesor de Ingeniería Eléctrica y Ciencias

de la Computación de la Universidad de California en Berkeley. En el artículo

publicado por Zadeh se introdujo por primera vez la palabra “`fuzzy” en la

literatura técnica y describe con la teoría matemática de conjuntos clásicos

como se puede trabajar matemáticamente con expresiones imprecisas, tal

como lo hace el ser humano. Pero dicha teoría no es tomada en cuenta y se

introduce en 1972 en Japón [24].

La lógica difusa no se desarrolló en las universidades, sino en el mercado

comercial y saltó por encima de las objeciones científicas occidentales [25]. En

la década de los 70 se realizan un gran número de investigaciones en Japón,

en la década de los 80 se investiga en Europa y se desarrollan las primeras

aplicaciones en Japón y Europa; en esta misma década se conoce la lógica

difusa en la sociedad Japonesa convirtiéndose en una moda.

Finalmente, en la década de los 90 vuelve a los Estados Unidos de Norte

América desarrollándose grandes investigaciones y aplicaciones. Actualmente

en el siglo XXI, prácticamente en todo el mundo se trabaja con la teoría difusa

como una rama más de las ciencias aplicadas [24].

 CAPÍTULO III

MODELADO DE LAS TORRES DE ENFRIAMIENTO

3.1 MODELO MATEMÁTICO DE LA TORRE DE ENFRIAMIENTO.

El modelo es una representación simplificada de un sistema, elaborada para

comprender, predecir y controlar el comportamiento de un sistema.

Los modelos matemáticos son expresiones que describen las relaciones

existentes entre las magnitudes que caracterizan un sistema. Pueden ser

sistemas de ecuaciones, inecuaciones, expresiones lógico matemático, su

resolución puede ser analítica o experimental.

El proceso de modelado analítico se divide en tres grandes etapas:

 28

1. La primera de ellas consiste en la delimitación del modelo en función de

los fenómenos que resultan relevantes de acuerdo al problema que se

quiere resolver. Esta es una etapa que no puede sistematizarse

fácilmente, requiere de intuición y por sobre todo de una vasta

experiencia en relación con el sistema a modelar.

2. Una vez delimitados los fenómenos que se consideraron para la

construcción del modelo, se pasa a la siguiente etapa, en la cual se

realizan las suposiciones bajo las cuales se modela, y por las que se

define el rango de validez que distinguen el modelo real del modelo

ideal.

3. Finalmente en la tercera etapa se describen las ecuaciones asociadas

al fenómeno. En los sistemas físicos, estas relaciones constitutivas

tienen su expresión formal en las leyes fundamentales de la física.

Matemáticamente la utilidad de estas ecuaciones es describir las

relaciones entre las variables de campo cinemática, mecánica, térmica

y permitir la formulación en medios continuos.

3.1.1 VARIABLES DEL PROCESO.

Para modelar matemáticamente una torre de enfriamiento es necesario

considerar los procesos que intervienen en su operación, estos procesos

pueden ser divididos en dos tipos:

Procesos termodinámicos asociados a la transferencia de calor

 29

Procesos fluido-dinámicos.

Los primeros se refieren a la transferencia de calor y de masa que ocurren

dentro de la torre y el segundo se refiere a los caudales de aire y agua. El

proceso de evaporación en una torre de enfriamiento, depende

directamente de las condiciones locales (temperatura, humedad), de la

geometría y el tipo de flujo [4].

Para el establecimiento de un modelo es necesario identificar las variables

del proceso. El sistema a estudiar tiene las siguientes variables:

Variables de interés.

Temperatura de salida del agua a través de la torre de enfriamiento.

Temperatura final del producto (Glicerina).

Variables medibles experimentalmente.

Temperatura del producto a la entrada y salida del intercambiador.

Flujo de circulación del producto.

Flujo de circulación del agua a través de la torre de enfriamiento.

Humedad relativa.

Temperatura de entrada y salida del agua a la torre de enfriamiento.

Variables manipulables.

Flujo de circulación del agua a través de la torre de enfriamiento.

 30

Flujo de circulación del producto.

Flujo de aire ventilación forzada.

3.1.2 SUPOSICIONES PARA EL MODELADO DINÁMICO DE LA TORRE

DE ENFRIAMIENTO.

Para el modelado de la torre de enfriamiento se tomaran en consideración

las siguientes hipótesis:

• La transferencia de masa y calor ocurre de forma unidireccional.

• La temperatura del agua es uniforme a lo largo de la torre.

• La temperatura de la interface entre el agua y el aire se supone igual a

la temperatura del agua y se considera saturada.

• El área es uniforme para cada sección transversal.

• Es válido el uso de la carta psicrométrica.

• El calor que pierde el agua se debe únicamente a la evaporación con el

aire, es decir, no hay transferencia de calor por conducción, por

convección ni por radiación.

• La torre es adiabática, es decir no hay pérdidas de calor al ambiente.

• El agua está más caliente que el aire.

• Los calores específicos del agua y aire seco son constantes a lo largo

de la columna.

• El calor y coeficientes de transferencia de masa son constantes a lo

largo de la columna.
 31

3.1.3 SISTEMA DE ECUACIONES DIFERENCIALES.

Se supone que el aire que entra por el fondo de la torre tiene una humedad

/0 y una temperatura 120 y sale por la parte superior con una humedad /3

y una temperatura 123 .

El agua entra por la parte superior con una temperatura 143 y sale por el

fondo con una temperatura 140 . La velocidad másica del aire es G que es

la masa de aire exenta de vapor. Las velocidades másicas del líquido a la

entrada y a la salida son 543 y 540 respectivamente. Sea #6 la altura de una

pequeña sección de torre situada a una distancia Z del fondo de la torre

[26].

Las ecuaciones del modelo relacionan la transferencia de masa y calor en

estado estable y son derivadas con respecto a la altura. El sistema de

ecuaciones se resuelve con las condiciones de entrada del agua, aire, área

de sección transversal (A), altura (Z) y coeficiente de transferencia de masa

(723 ). Las ecuaciones diferenciales que describen el comportamiento de la

humedad relativa (Ec. 3.1), flujo de calor sensible (Ec. 3.2), flujo de calor

latente (Ec. 3.3), temperatura del aire (Ec. 3.4) y temperatura del agua (Ec.

3.5) dadas en [20] son:

 32

Figura 10 Figura 3.1: Nomenclatura para una torre de enfriamiento.

dY h A
= a (Ys − Y ) (3.1)
dZ C h G

= ha A(TL − TG )
dQs
(3.2)
dZ

dQ L ha h fg A
= (Ys − Y ) (3.3)
dZ Ch

dTG ha h fg A
= (Ys − Y ) (3.4)
dZ Ch

 
Aha (TL − TG ) + a (Ys − Y )h fg 
h
dTG 
= 
Ch
−
(
 h fg + CV TG dY )
(3.5)
dZ GCh Ch dZ

 
Aha (TL − TG ) + a (Ys − Y )h fg 
h
dTL  Ch  GTL dY
=  + (3.6)
dZ CL L L dZ
 33

3.2 CONCEPTOS DE CONTROL EN TORRES DE ENFRIAMIENTO.

El sistema de control de la torre de enfriamiento a ser desarrollado e

implementado tiene el propósito de asegurar que el fluido al que se realiza el

tratamiento térmico (Glicerina), mantenga la temperatura según el proceso lo

requiera, los valores de referencia de temperatura deben estar dentro del

rango de operación lineal de la planta.

El diseño del sistema de control de la torre de enfriamiento se realizará

utilizando dos estrategias de control, una con PID clásico y otra con control

difuso. Por consiguiente se hará una breve introducción teórica de cada uno

de ellos.

3.2.1 CONTROLADORES PID.

Los miembros de la familia de controladores PID, incluyen tres

acciones: proporcional (P), integral (I) y derivativa (D), [27].

P: acción de control proporcional, da una salida del controlador que

es proporcional al error, es decir:

u (t ) = K P • e (t ) (3.7)

Descrita desde su función transferencia queda:

C p (s) = K p (3.8)
 34

Donde 78 es una ganancia proporcional ajustable. Un controlador

proporcional puede controlar cualquier planta estable, pero posee

desempeño limitado y error en régimen permanente (off-set).

I: acción de control integral: da una salida del controlador que es

proporcional al error acumulado, lo que implica que es un modo de

controlar lento.

t
u (t ) = K i ∫ e (τ ) dτ (3.9)
0

K
Ci ( s) = i (3.10)
s

La señal de control +9") tiene un valor diferente de cero cuando la señal

de error 9") es cero. Por lo que se concluye que dada una referencia

constante, o perturbaciones, el error en régimen permanente es cero.

PI: acción de control proporcional-integral, se define mediante:

Kp t
u ( t ) = K p • e (t ) + ∫ e (τ ) d τ (3.11)
Ti 0

Donde Ti se denomina tiempo integral y es quien ajusta la acción

integral. La función de transferencia resulta:

 35

 1 
C pi ( s) = K p 1 +  (3.12)
 Ti s 

Con un control proporcional, es necesario que exista error para tener

una acción de control distinta de cero. Con acción integral, un error

pequeño positivo siempre nos dará una acción de control creciente y si

fuera negativa la señal de control sería decreciente. Este razonamiento

sencillo nos muestra que el error en régimen permanente sería siempre

cero.

PD: acción de control proporcional-derivativa, se define mediante:

de(t )
u(t ) = K p • e(t ) + K pTd (3.13)
dt

Donde 1: es una constante denominada tiempo derivativo. Esta acción

tiene carácter de previsión, lo que hace más rápida la acción de control,

aunque tiene la desventaja importante que amplifica las señales de

ruido y puede provocar saturación en el actuador. La acción de control

derivativa nunca se utiliza por sí sola debido a que sólo es eficaz durante

periodos transitorios. La función de transferencia de un controlador PD

resulta:

C pd (s) = K p + sK pTd (3.14)

 36

PID: acción de control proporcional-integral-derivativa, esta acción

combinada reúne las ventajas de cada una de las tres acciones de

control individuales. La ecuación de un controlador con esta acción

combinada se obtiene mediante:

Kp t de (t )
u ( t ) = K p • e (t ) + ∫ e (τ ) d τ + K pTd (3.15)
Ti 0 dt

Su función transferencia resulta:

 1 
C pid ( s ) = K p + 1 + + T s (3.16)
 Ts d 
 i 

El principal inconveniente de los controladores PID es que normalmente

asume que el proceso presenta un comportamiento lineal. Además

como la complejidad de los procesos aumenta, es más difícil elaborar

un modelo coherente del proceso.

3.2.2 CONTROL CON LÓGICA DIFUSA.

La incorporación de lógica difusa a los sistemas de control, da lugar a

lo que se conoce como sistemas de control con lógica difusa. La lógica

difusa incorpora sentencias del lenguaje común, que se caracterizan por

ser un tanto indefinidas, para interpretar el estado de las variables de

cierto proceso, asignándoles en cada momento un grado de pertenencia

a estos conjuntos difusos. Esta interpretación puede ser fácilmente

 37

relacionada mediante operadores lógicos tradicionales con ciertas

medidas de acción, también de naturaleza no exacta, que son

diseñadas de tal manera que produzcan un cambio deseado en las

variables de interés. En resumen se puede diseñar un controlador, que

interprete en forma intuitiva (y no numéricamente exacta) el estado de

ciertas variables, y en base a ello deduzca en forma lógica una

actuación posible que permita llevar la variable al estado deseado [28].

CONJUNTOS BORROSOS.

Los conjuntos borrosos son una extensión de los clásicos, donde se

añade una función de pertenencia, definida esta como un número real

entre 0 y 1. Así se introduce el concepto de conjunto o subconjunto

borroso y se lo asocia a un determinado valor lingüístico definido por

una palabra o etiqueta lingüística, donde esta es el nombre del conjunto

o subconjunto. Por cada conjunto se define una función de pertenencia

o membresía denominada μA(x), indica el grado en que la variable x

está incluida en el concepto representado por la etiqueta A (0≤μA(x)≤1),

si esta función toma el valor 0 significa que tal valor de x no está incluido

en A y si toma el valor 1 el correspondiente valor de x está

absolutamente incluido en A. En la Figura 3.2 se puede apreciar un

ejemplo donde el conjunto velocidad (con variable x) está subdividido

 38

en 3 subconjuntos {Baja, Meda, Alta}, con sus respectivas funciones de

membresía {μBaja(x) μMedia(x) μAlta(x)}

Figura 11 Figura 3.2: Ejemplo de subconjuntos borrosos para el conjunto

velocidad.

REGLAS DIFUSAS.

Para realizar razonamiento difuso se utilizan proposiciones

condicionales difusas denominadas reglas difusas, de la forma:

SI x es A ENTONCES y es B

Donde el antecedente A es un conjunto difuso definido en X y el

consecuente es un conjunto difuso B definido en Y. Además x y y son

las variables lingüísticas. A y B son valores lingüísticos determinados

por los conjuntos difusos en los universos de discursos de x y y,

respectivamente.

La evaluación de una proposición condicional difusa se hace utilizando

una relación denominada implicación difusa. Algunos tipos de

implicaciones son:
 39

Implicación de Zadeh: ;<= 9>, @) = max[minG;H 9> ), +I 9@)J , 1 − ;H 9>)]

Implicación de Mandani: ;<M 9>, @) = minG;H 9>), +I 9@)J

Las proposiciones condicionales difusas determinan las reglas de

inferencia de la lógica difusa. Los métodos del razonamiento difuso se

clasifican en métodos directos y métodos indirectos, los más populares

son los directos.

Método directo de Mandani.

Utiliza reglas de inferencia de la forma:

SI x es A y y es B ENTONCES z es C

Las variables > y @ son llamadas variables de las premisas y la variable

z es llamada variable de la consecuencia.

Método directo de Takagy Sugeno (Modelamiento difuso).

Utiliza reglas de inferencia de la forma:

SI N es A y O es B ENTONCES z=ax+by+c

La variable z de la consecuencia es una función lineal y. Los parámetros

de la consecuencia son a, b y c.
 40

3.3 ESTRATEGIA DE CONTROL DIFUSO.

El control difuso se expresa como un control de palabras que interpretan un

sentido común, en lugar de números o ecuaciones. Se trata de determinar, de

manera lógica que se debe hacer para lograr los objetivos de control a partir

de una base de conocimiento y experiencia proporcionada por un operador

humano.

El diseño de un regulador difuso contiene la selección de variables de entrada/

salida, el establecimiento de funciones de pertenencia y la disposición de la

base de reglas. La precisión del sistema depende del número de funciones y

cómo se aplican muchas reglas.

En vista de que las variables de los procesos no se miden en sentido común,

sino en números, se hace necesario realizar un procesamiento previo antes de

introducir el estado de la variable al controlador [29].

3.3.1 PROCESAMIENTO DE UN CONTROLADOR DIFUSO.

Figura 12 Figura 3.3: Lazo de control difuso.

 41

En un regulador difuso se ejecutan tres pasos de procesamiento:

fusificación, inferencia y defusificación.

• Fusificación.- Los valores de entrada exactos se transforman en

conceptos lingüísticos difusos. Esto sucede con ayuda de

modelos matemáticos, las funciones de pertenencia.

• Inferencia.- Aquí se enlazarán cantidades difusas y se

compararán con los diferentes reguladores. El resultado de la

inferencia es una cantidad difusa de salida, una cantidad difusa

para la variable de ajuste.

• Defusificación.- La cantidad difusa de salida se vuelve a

transformar en un valor de salida exacto.

3.3.2 FORTALEZAS DEL CONTROL DIFUSO.

Los sistemas de control convencional PID son expresadas por medio de

ecuaciones matemáticas, en cambio los sistemas basados en lógica

difusa pueden controlar más adecuadamente procesos que estén

gobernados por reglas intuitivas que difícilmente pueden expresarse por

medio de modelos matemáticos complejos, debido a que el controlador

no necesita explícitamente el modelo del proceso a controlar.

Los sistemas de control difuso proveen una eficiente y efectiva

metodología para desarrollar en forma experimental un controlador no

 42

lineal, sin usar matemática avanzada. Hacer un controlador difuso

requiere de una descripción lingüística de la ley de control, tal

descripción es capturada por los conjuntos difusos, los operadores

difusos, y las reglas difusas.

Se cuenta con la manipulación de varias variables del controlador, como

son los conjuntos difusos, factores de escalamiento, etc., junto con

simulaciones y el método de prueba y error. Se puede desarrollar un

controlador no lineal con buenas prestaciones, esta es una ventaja

importante desde el punto de vista industrial.

3.3.3 SOFTWARE A UTILIZAR.

Labview: (Abreviación de Laboratory Virtual Instrumentation

Engineering Workbench) es una plataforma de desarrollo de software

propiedad de National Instruments basada en un lenguaje de

programación gráfico, conocido como Lenguaje G. Aunque pretende ser

de propósito general, la plataforma Labview es utilizada principalmente

para adquisición de datos, control de instrumentación y automatización,

tanto a nivel académico y de investigación como industrial.

Existen módulos para un sinnúmero de aplicaciones, tales como Control

Industrial (Control Design and Simulation Module, Datalogging and

Supervisory Control Module), Robótica y Procesamiento de Imágenes

 43

(Robotics Module, Vision Development Module), Electrónica (FPGA

Module, Embedded System Design) y otros.

Matlab: (Abreviatura de MATrix LABoratory), el cual es un software que

ofrece un entorno de desarrollo integrado con un lenguaje de

programación propio. Entre sus prestaciones básicas se hallan la

manipulación de matrices, representación de datos y funciones,

implementación de algoritmos, adquisición de datos, gráficas en tiempo

real, creación de interfaces gráficas, programación mediante bloques en

simulink, así como la comunicación con dispositivos hardware e incluso

con otros programas.

3.4 CONCEPTOS DE SENSADO.

En todos los procesos industriales es absolutamente necesario controlar y

mantener constantes algunas magnitudes tales como caudal, nivel,

temperatura, presión, etc. Los instrumentos de medición y control permiten

mantener dichas variables ya sea en un valor fijo o un valor que varíe con el

tiempo de acuerdo con una relación predeterminada.

3.4.1 ELEMENTOS DE MEDICIÓN Y TRANSMISIÓN.

Son los dispositivos que se encargan de transformar la variable de

ingeniería (temperatura, por ejemplo) en una señal mecánica, eléctrica,

 44

etc. que puede ser usada por otros instrumentos (indicadores,

controladores, registradores, etc.). Estos dispositivos tienen dos partes:

• Elemento primario: es el que capta la variable a medir y produce

cambios en propiedades físicas que luego puede transformarse

en una señal.

• Elemento secundario: capta la señal elaborada por el elemento

primario y la transforma en una salida (indicación por ejemplo) o

genera una señal estandarizada que puede ser captada por otro

instrumento en forma local o remota.

Figura 13 Figura 3.4: Elementos de medición y transmisión.

3.4.2 SENSADO DE TEMPERATURA.

En la actualidad hay muchas formas de medir la temperatura con todo

tipo de sensores de diversas naturalezas. La ingeniería de control de

procesos ha inventado, perfeccionado e innovado a la hora de disponer

de sensores que les ayuden a controlar los cambios de temperatura en

procesos industriales. A continuación se presentan los diferentes tipos

de sensores de temperatura.
 45

Figura 14 Figura 3.5: Sensores de temperatura.

Termocupla: La f.e.m. inducida en dos alambres de distintos metales o

aleaciones depende en forma directa de la diferencia de temperaturas

entre los dos extremos soldados (juntas).

Termoresistencias: Se infiere la temperatura a partir de la variación en

la resistencia eléctrica de un metal, generalmente platino, cobre o

níquel.

Termistores: Similar al anterior, pero de un semiconductor. La

resistencia tiene relación inversa con la temperatura.

Sistemas de dilatación: Son elementos que aprovechan la capacidad

de los fluidos (líquidos y gases) de dilatarse con la temperatura.

Generalmente se asocian a transmisores neumáticos.

Bimetálicos: Consisten en dos piezas de aleaciones de distinto

coeficiente de dilatación térmica que producen cambios de forma por

efecto de la temperatura.
 46

Pirómetros ópticos, de radiación total y de relación: Sistema que

mide la temperatura basándose en la radiación que emite la superficie

cuya temperatura es sensada. El elemento sensible no está en contacto

con el cuerpo sobre el que se practica la medición.

3.4.3 SENSADO DE CAUDAL.

Esta es una variable muy importante ya que su conocimiento es

indispensable en los balances de materia y energía. Algunos de los

elementos primarios más empleados son los siguientes:

Figura 15 Figura 3.6: Sensores de caudal KEYENCE.

Placa Orificio: Consiste en dos elementos básicos, una placa orificio y

un transmisor de presión diferencial. La placa orificio es una placa

delgada con un orificio perforado que actúa como restricción en la

corriente de flujo.

Caudalímetro Magnético: Su funcionamiento se basa en la Ley de

Faraday de inducción magnética. Los caudalímetros magnéticos

generan un campo perpendicular a la corriente de flujo y miden la

 47

tensión producida por el fluido que pasa a través del instrumento. La

tensión producida es proporcional a la velocidad media del fluido.

Caudalímetro a turbina: Mide caudal de líquidos claros mediante la

detección de la rotación de un alabe de turbina colocada en la corriente

de flujo. El fluido que circula sobre los álabes del rotor lo hace girar y la

velocidad rotacional es proporcional al caudal volumétrico.

Medidor de engranajes: Consiste de dos ruedas maquinadas y una

cavidad de medición. El paso del fluido a través del medidor hace girar

las ruedas ovaladas; cada rotación de las ruedas corresponde al paso

de una cantidad conocida de fluido a través del medidor.

3.4.4 SENSADO DE HUMEDAD.

La humedad es un fenómeno natural, que se presenta a nivel molecular

y se encuentra básicamente relacionada con la cantidad de moléculas

de agua presentes en una determinada sustancia, la cual puede estar

en estado sólido o gaseoso.

Las mediciones de humedad relativa pueden ser hechas por sensores

basados en: psicometría, deformación, resistivos, capacitivos y algunos

otros tipos para aplicaciones más específicas.

 48

3.5 ADQUISICIÓN DE DATOS.

La adquisición de datos (DAQ) es el proceso de medir con una PC un

fenómeno eléctrico o físico como voltaje, corriente, temperatura, presión o

sonido. Un sistema DAQ consiste de sensores, hardware de medidas DAQ y

una PC con software programable. Comparados con los sistemas de medidas

tradicionales, los sistemas DAQ basados en PC aprovechan la potencia del

procesamiento, la productividad, la visualización y las habilidades de

conectividad de las PCs estándares en la industria proporcionando una

solución de medidas más potente, flexible y rentable.

16 Figura 3.7: Partes de un sistema DAQ.

El hardware DAQ actúa como la interfaz entre una PC y las señales del mundo

exterior. Funciona principalmente como un dispositivo que digitaliza señales

analógicas entrantes para que una PC pueda interpretarlas. Los tres

componentes claves de un dispositivo DAQ usado para medir una señal son:

el circuito de acondicionamiento de señales, convertidor analógico-digital

(ADC) y un bus de PC.

 49

3.5.1 COMPONENTES DE MEDIDAS PARA UN SISTEMA DAQ.

Figura 17 Figura 3.8: Componentes de medidas DAQ.

Acondicionamiento de Señales.

Las señales de los sensores o del mundo exterior pueden ser ruidosas

o demasiado peligrosas para medirse directamente. El circuito de

acondicionamiento de señales manipula una señal de tal forma que es

apropiado para la entrada a un ADC. Este circuito puede incluir

amplificación, atenuación, filtrado y aislamiento.

Convertidor Analógico Digital (ADC).

Las señales analógicas de los sensores deben ser convertidas en

digitales antes de ser manipuladas por el equipo digital como una PC.

Un ADC es un chip que proporciona una representación digital de una

señal analógica en un instante de tiempo.

 50

Bus de la PC.

Los dispositivos DAQ se conectan a una PC a través de una ranura o

puerto. El bus de la PC sirve como la interfaz de comunicación entre el

dispositivo DAQ y la PC para pasar instrucciones y datos medidos.

3.5.2 TARJETAS DE ADQUISICIÓN DE DATOS.

El último paso en un sistema de adquisición de datos son las tarjetas de

adquisición de datos, estás tarjetas se encargan de:

Las conversiones de señales desde analógica a digital.

La comunicación con el ordenador.

Figura 18 Figura 3.9: Tarjetas de adquisición de datos NI Compact DAQ.

Como características más relevantes de una tarjeta de adquisición de

datos están:

• Número de canales analógicos: Nos indica la cantidad de

magnitudes distintas que podemos adquirir con la misma tarjeta.

 51

• Velocidad de muestreo: La velocidad de muestreo debe ser

siempre mayor que el doble de la frecuencia de la señal que

queremos muestrear.

• Resolución: Viene dada por el número de bits del ADC que se

utilizan para representar cada muestra.

• Rango de entrada: Indica los márgenes entre los que debe estar

la señal de entrada para que pueda ser convertida.

3.6 BREVE DESCRIPCIÓN DE LA PLANTA.

La planta de procesos en la cual se realizará el diseño y estudio de

controladores de temperatura consta de las siguientes etapas.

F19 Figura 3.10: Etapas de la planta de procesos.

La primera etapa tiene un tanque con agua que es calentada con gas por

medio de dos electroválvulas, una es la llama piloto y la otra es la llama de

trabajo accionada por un controlador de temperatura. El fluido caliente

 52

recircula por el circuito mediante las bombas 1 y 2 que son configuradas en

serie o paralelo según la apertura de 3 válvulas.

El producto con temperatura controlada (Glicerina) se encuentra en el tanque

2 y es recirculado por la bomba 3. Como se muestra en la figura 3.10, el

intercambiador de calor 1 sirve para calentar el producto y el intercambiador 2

sirve para enfriar el producto.

Para la etapa de enfriamiento el fluido frio (Etilenglicol) es recirculado por la

bomba 4, el flujo se regula con la válvula de control y es enfriado por un

prototipo de una torre de enfriamiento de tiro inducido.

3.7 DIMENSIONAMIENTO DE LA TORRE DE ENFRIAMIENTO.

Las características de la torre de torre de enfriamiento de la planta de procesos

son las siguientes:

• Marco de la torre: 2m de alto x 0.3m de ancho.

• Tanque de depósito de agua fría: 0.3 m de alto x 0.7 m de ancho x 0.7m

de largo.

• El flujo de agua a través de la torre de enfriamiento es P = 32 lit/min.

• Temperatura de entrada y salida del agua; 1 " U = 60° y 1$ U=

50°

• La densidad del agua a 60 °C es Z[ = 983.2 \]/

• La densidad del aire a 25 °C es Z3 = 1.2 \]/

 53

`a
• El calor específico del agua a 60°C es !8[ = 4.183
bc `

• Temperatura de entrada y salida del aire; 1 " = 27° y 1$ =

35°
`a
• El calor específico del aire a 25°C es !83 = 1.01
bc `

El flujo másico de agua en la torre de enfriamiento se calcula con la siguiente

ecuación:

•
qw = ρw * v (3.17)

Que al evaluar se obtiene:

kg m3 1 h
q w = 983 .2 3
* 1 . 92 * (3.18)
m h 3600 s

kg
qw = 0.524 (3.19)
s

Cuando el agua es enfriada en estos rangos cede una cantidad de calor dada

por la siguiente expresión:

Qw = Cpw * q * T −T 
(3.20)
w  sal _ w ent _ w 

Sustituyendo los datos conocidos tendremos:

 54

KJ kg
Qw = 4.183 * 0.524 * (50 − 60)K (3.21)
kgK s

KJ
Qw = 21.918 (3.22)
s

Este resultado es la cantidad de calor que cede el agua para disminuir la

temperatura desde 60°C hasta 50°C.

En una transferencia ideal el aire debe absorber esta cantidad de calor.

Cuando el aire se emplea para absorber una cantidad de calor se emplea la

ecuación de transferencia de calor que se usó para el agua, pero considerando

el calor específico del aire según la temperatura y la diferencia de temperatura

del aire de entrada y el aire de salida, entonces se obtiene:

Qa = Cpa * q * T −T 
(3.23)
a  sal _ a ent _ a 

Como es de interés el flujo de aire requerido para absorber la cantidad de calor

que cede el agua se despeja la ecuación de la siguiente forma:

Q
q = a
(3.24)
*  T 
a
C −T
pa  sal _ a ent _ a 

Sustituyendo los valores de las variables de la ecuación se tiene el flujo másico

de aire a través de la torre de enfriamiento:

 55

KJ
21.918 kg
q = s = 2.712
a (3.25)
* (35 − 27 )K
KJ s
1.01
kgK

Cabe recalcar que el flujo másico del aire depende de la temperatura de

entrada del aire, que es función de la temperatura ambiente. Por lo tanto si

hubiera cambios de estación que provoque diferentes valores de temperatura

ambiente se puede calcular la potencia de ventilación que requiere la torre de

enfriamiento. Mientras menor sea la temperatura ambiente, menor será el

consumo de potencia.

Conociendo la densidad del aire y con la ecuación 3.25 se puede obtener el

flujo de aire que debe circular a través de la torre de enfriamiento para disminuir

la temperatura del agua de 60°C a 50°C, con las condiciones de temperatura

del aire previamente establecidas.

kg
2.712
• qa s m3
v vent = = = 2.26 (3.26)
ρa kg
1. 2 3 s
m
 CAPITULO IV

BOSQUEJO DE LA SOLUCIÓN DEL PROBLEMA

En la planta de procesos de tratamiento térmico se pretende mantener

controlada la temperatura de un fluido que será Glicerina. Este estudio desde

el punto de vista práctico se asemeja a los procesos productivos como por

ejemplo la pasteurización, donde se requiere que el producto una vez que ha

pasado la etapa de calentamiento, se enfríe hasta una temperatura que el

proceso requiera, por ello la necesidad de implementar un sistema de control

que permita lograr dicho requerimiento. El control de la temperatura es la parte

principal del proceso de pasteurización ya que de ello depende la calidad final

del producto y el ahorro económico evitando el desperdicio.

 57

La planta de procesos de tratamiento térmico en la etapa de enfriamiento tiene

un intercambiador de calor y un prototipo de una torre de enfriamiento. Los

actuadores de la torre de enfriamiento que permitirán controlar la temperatura

son la válvula reguladora de flujo y el ventilador. Se realizará un análisis

mediante experimentos del aporte de enfriamiento de cada actuador y el

comportamiento de las variables del proceso. Luego de esto se encontrará un

punto de operación donde el sistema sea lineal, para poder diseñar el sistema

de control PID. El controlador PID será diseñado con la ayuda de una función

de transferencia que será encontrada mediante técnicas de identificación de

sistemas. Una vez ajustado el PID se procederá a diseñar el sistema de control

con lógica difusa donde se requiere un amplio conocimiento del sistema.

Finalmente se realizará un estudio comparativo de ambos controladores.

4.1 CARACTERÍSTICAS DE LA PLANTA.

20 Figura 4.1: Planta de tratamiento térmico.

 58

La planta de tratamiento térmico consta de:

• 7 Sensores de temperatura RTD, Pt100 y transmisores en el rango de

entrada (-50 a 150 °C) y salida (4-20mA).

• 4 Sensores de presión y transmisores en el rango de entrada de (0-

10bar) y salida (4-20mA).

• 2 Intercambiadores de calor de placas, uno para la etapa de

calentamiento y otro para la etapa de enfriamiento, figura 4.6.

• 3 Tanques con recubrimiento térmico, el primero para el fluido caliente,

el segundo para el fluido con temperatura controlada y el tercero

contiene el agua que circula por la torre de enfriamiento.

• 3 Sensores de flujo Keyence FM-D, en el rango de medición de 0-200

lit/min y con salida analógica de (4-20mA) para cada uno de los fluidos.

• 1 Válvula reguladora de flujo que circula a través de la torre de

enfriamiento con apertura de (0-100%) y flujo correspondiente de (0-82

lit/min), dependiendo del voltaje de control (0-10V) y 1 transformador de

110/24Vac que alimenta la tarjeta de fuerza de la válvula.

• 1 Sensor de humedad relativa HM1500LF ubicado en la cercanía de la

parte superior de la torre de enfriamiento con señal analógica de (0-5V)

y rango de medición de 0-100% de humedad relativa.

• Bombas 1 y 2, permiten circulan el fluido caliente y son accionadas

mediante variadores de frecuencia VFD-L y Altivar respectivamente,

figura 4.3. Los variadores son comandados por una misma señal de
 59

controlador (0-10V) que regula la frecuencia entre (0-60Hz). Los datos

de placa las bombas Weq son: Potencia->0.55kw, Voltaje->220 3Φ,

Velocidad->3450 rpm, Corriente->2.7 Amp.

• Bomba 3, permite circular el fluido con temperatura controlada y es

accionada mediante un variador IG5A con una señal de control de (0-

10V) que permite regular la frecuencia de (0-60Hz). Los datos de placa

del motor ABB son: Potencia->3.6kw, Voltaje->220 3Φ , Velocidad-

>3420 rpm, Corriente->6 Amp.

• Bomba 4, figura 4.5, permite circular el fluido a través de la torre de

enfriamiento y es accionada en modo manual o automático on/off. Los

datos de placa de la bomba marca Rong Long son: Potencia->0.75kw,

Voltaje->110 1Φ, Velocidad->3450 rpm, [Link]->105 lit/min.

• Ventilador de la torre de enfriamiento de 12Vdc, 6.6 Amp y velocidad

nominal de 2250 rpm, 1730 CFM, el ventilador trabaja con control de

velocidad PWM, mediante una tarjeta electrónica.

• 2 Tarjetas DAQ USB 6009 de National Intruments.

• Tarjeta electrónica 1, para aislar las señales de entrada analógicas y

convertir de (4-20mA) a (0.964 – 4.82V), figura 4.8.

• Tarjeta electrónica 2, para proteger las salidas analógicas de la DAQ

con seguidores de voltaje y amplificadores de (0-5V) a (0-10V), figura

4.8.
 60

• Tarjeta electrónica 3 para acondicionar las señales digitales debido a

que las DAQ tienen un voltaje de salida máximo de 5Vdc y los relés y

contactores se accionan con 24Vdc, figura 4.8.

• Elementos de protección contra sobrecorrientes como breakers,

fusibles, contactores, guardamotores, figura 4.3.

• 3 Paneles eléctricos, uno es para fuerza, figura 4.3 y los otros dos son

de los elementos de control e instrumentación figura 4.4.

• 3 Válvulas neumáticas y 3 válvulas electro-neumáticas para configurar

el paso del fluido caliente en serie o paralelo.

• 1 Controlador de relés programado Logo de Siemens.

• 1 Válvula de gas para la llama piloto y 1 válvula gas para la llama de

trabajo cuyo accionamiento es controlada por un relé programado de

acuerdo al set point de temperatura del fluido caliente que se desea.

• Selectores, pulsadores y paro de emergencia.

• 7 Displays de temperatura y 4 manómetros.

• 1 Fuente de voltaje con tres salidas 5V, 12V y 24V para la parte de

instrumentación, figura 4.4.

• 1 Fuente de voltaje de 12V para el ventilador de la torre de enfriamiento.

• 1 Fuente de voltaje de 24V para el Logo, relés de manual/automático y

válvulas, figura 4.3.

 61

Figura 21 Figura 4.2: Esquema de la planta de tratamiento térmico.

Figur22 Figura 4.3: Panel de fuerza accionamiento de las bombas y centro de carga de 220V.

Figur23 Figura 4.4: Panel de control alimentación de sensores y tarjetas de adquisición de

datos.
 62

Figu24 Figura 4.5: Bomba y válvula reguladora de flujo a través de la torre de enfriamiento.

Figu25 Figura 4.6: Intercambiador de calor etapa de enfriamiento, displays de temperatura y

manómetros.

Fig26 Figura 4.7: Torre de enfriamiento, ventilador y tanque de agua a enfriar.

 63

F27 Figura 4.8: Tarjetas electrónicas de acondicionamiento de señal para las tarjetas DAQ
USB 6009.

Cabe resaltar que la planta de tratamiento térmico de líquidos puede trabajar

en modo manual, para ello se cambia la referencia de velocidad de los

variadores de frecuencia y se accionan mediante los selectores del panel de

control. La válvula reguladora de flujo se la deja en manual abriéndola

completamente, la bomba 4 y el ventilador de la torre de enfriamiento se

accionan con sus respectivos selectores en modo manual.

4.2 SISTEMA DE MEDICIÓN Y ADQUISICIÓN DE DATOS.

La tarjeta DAQ-USB 6009 brinda funcionalidad para aplicaciones como

registro de datos simple, medidas portátiles y experimentos académicos de

laboratorio. Las ventajas que tiene la tarjeta son: que es accesible para uso de

estudiantes y para aplicaciones de medida más sofisticadas.

 64

28 Figura 4.9: Tarjeta DAQ USB-6009 de National Instruments.

Las características de la tarjeta USB-6009 son:

8 Entradas analógicas en conexión simple (RSE, 14 bits, 48 kS/s) con

un rango de medición de ±10V.

12 Entradas/salidas digitales programables.

Protección de sobrecarga de hasta ±35V.

2 Salidas analógicas (12 bits 150kS/s) en el rango de 0 a +5V.

Compatible con Labview y Matlab.

Máxima corriente de salida de 5 mA.

USB 2.0 a máxima velocidad de 12Mb/s.

La asignación de entradas y salidas, tanto analógicas como digitales es como

se indica a continuación:
 65

Figura 29 Figura 4.10: Asignaciones de canales Tarjeta DAQ USB-6009.

Las conexiones físicas a las tarjetas DAQ se han asignado de la siguiente

manera:

DAQ 1 USB-6009
Entradas Analógicas (Conexión modo referencial RSE)
Canal Variable sensada
AI0 Temperatura T1, Intercambiador 1
AI1 Temperatura T2, Intercambiador 1
AI2 Temperatura T3, Intercambiador 1
AI3 Temperatura T4, Intercambiador 1
AI4 Temperatura T5, Intercambiador 2
AI5 Temperatura T6, Intercambiador 2
AI6 Temperatura T7, Intercambiador 2
AI7 Presión P1, Intercambiador 1
Salidas Analógicas
Canal Actuador
AO0 Frecuencia variador VFD-L y Altivar 11
AO1 Frecuencia variador IG5A

1 Tabla 4.1: Asignación de Entradas/Salidas DAQ 1 USB 6009.

 66

DAQ 2 USB-6009
Entradas Analógicas (Conexión modo referencial RSE)
Canal Variable sensada
AI0 Presión P2, Intercambiador 1
AI1 Presión P3, Intercambiador 1
AI2 Presión P4, Intercambiador 1
AI3 Presión P5, Intercambiador 2
AI4 Presión P6, Intercambiador 2
AI5 Flujo F3, Fluido con temperatura controlada
AI6 Flujo F1, Fluido caliente
AI7 Flujo F2, Fluido frio
Salidas Analógicas
Canal Actuador
AO0 Válvula reguladora de la torre de enfriamiento
AO1 Control PWM del ventilador
Salidas Digitales
Canal Actuador
P0,0 Accionamiento on/off Bomba 4

2 Tabla 4.2: Asignación de Entradas/Salidas DAQ 2 USB 6009.

4.3 VARIABLES A CONTROLAR Y MANIPULAR.

Con el propósito de mantener controlada la temperatura del producto a realizar

el tratamiento térmico que es la Glicerina, se manipularán los siguientes

actuadores de la torre de enfriamiento: Una válvula reguladora de flujo y la

velocidad del ventilador que extrae el calor por convección del agua caliente.
 67

4.3.1 VÁLVULA REGULADORA DE FLUJO.

Para el control del flujo del agua que circula en la torre de enfriamiento

se utiliza una válvula moduladora con actuador magnético modelo

SIEMENS M2H50FYN. El actuador está equipado con conexión

electrónica para el control de posicionamiento.

El corto tiempo de posicionamiento <1seg, la alta resolución y rango la

hacen ideal para el control proporcional.

Figura 30 Figura 4.11: Válvula de control de flujo SIEMENS M2H50FYN.

El actuador de la válvula es de membrana con retención de muelle y se

energiza con 24vac, para obtener este voltaje se utiliza un

transformador de 110/24Vac con corriente nominal de 3 Amp. El control

de posicionamiento se lo realiza por medio de una señal analógica de 0

a 10 V, como se muestra en la figura 4.12 la relación entre el voltaje de

control y la apertura de la válvula es lineal.

 68

31 Figura 4.12: Relación entre la apertura de la válvula y el voltaje de control.

Para determinar la relación entre la apertura de la válvula y el flujo, se

tomaron datos en la planta de los cuales obtuvimos que:

• Con apertura de 0% el flujo es de 0 lit/min.

• Con apertura de 100% el flujo es de 89 lit/min.

• Para una apertura entre 10% y 40% la pendiente de cambio de

flujo es mayor que la pendiente cuando la apertura está entre

40% y 70%.

• Con apertura entre 70% y 100% la variación de flujo es pequeña,

se podría considerar como constante.

 69

Relacion Flujo vs. Apertura

90

80

70

60

Flujo de Agua [lit/min]

50

40

30

20

10

0
0 10 20 30 40 50 60 70 80 90 100
Apertura de válvula [%]

Figura 32 Figura 4.13: Relación entre el flujo y la apertura de la válvula.

4.3.2 CONTROL DE VELOCIDAD PWM.

Otra de las variables a manipular en la torre de enfriamiento es la

cantidad de calor por convección que se extrae del agua caliente, para

ello se utiliza un control de velocidad PWM en el ventilador ubicado en

la parte superior de la torre.

En el control PWM (Pulse Width Modulation) los parámetros

fundamentales son la frecuencia y el ciclo de trabajo k, el mismo que

indica el tiempo en el que una onda cuadrada o rectangular tiene un

valor alto respecto al periodo.

 70

Figura 33 Figura 4.14: Señal PWM con distintos ciclos de trabajo.

La señal PWM es enviada al ventilador a través de una tarjeta

electrónica que trabajará como un variador de corriente directa, el

porcentaje del ciclo de trabajo del PWM es regulado por un voltaje de

control de (1.25-2.75V) enviado desde la salida analógica de la tarjeta

de adquisición de datos DAQ USB 6009.

Las características más importantes de la tarjeta electrónica de control

PWM son:

Voltaje de trabajo: 12VDC

Potencia Máxima: 300W

Máxima corriente: 30Amp

Ciclo de trabajo PWM: 0%-100%

Frecuencia PWM: 15kHz

Voltaje de control: 1.25-2.75 V

 71

Figura 34 Figura 4.15: Tarjeta electrónica RioRand de control de velocidad de motor DC.

Tomando datos entre el voltaje de control que envía el porcentaje de

ciclo de trabajo y el voltaje de salida al ventilador, se obtuvo el siguiente

gráfico con una respuesta lineal entre ambos.

Tarjeta de Control PWM

12

10

8
Voltaje de salida [V]

0
0 10 20 30 40 50 60 70 80 90 100
% Señal PWM

Figura 35 Figura 4.16: Relación entre el porcentaje del ciclo de trabajo del PWM y el Voltaje de
salida.
 72

4.3.3 MEDICIÓN DE TEMPERATURA.

En la planta de tratamiento térmico de líquidos se utilizan sensores de

temperatura Pt100, que consiste en un alambre de platino que a 0 °C

tienen 100 ohms y que al aumentar la temperatura aumenta su

resistencia eléctrica.

Figura 36 Figura 4.17: Sensor de temperatura Pt100.

El incremento de la resistencia no es lineal pero si creciente y

característico del platino de tal forma que mediante tablas y

transmisores es posible encontrar la temperatura exacta a la que

corresponde. Actualmente tenemos una variedad de transmisores que

convierten la variación de resistencia en señales eléctricas, para este

proyecto se ha seleccionado un transmisor universal con las siguientes

características:

Rango de medición: -50°C a 150°C.

Alimentación: 24Vdc.

Señal de salida: 4-20mA.

 73

Figura 37 Figura 4.18: Transmisor de temperatura para sensor Pt100.

En vista de que la tarjeta DAQ USB 6009 no lee entradas de corriente

se convierte la señal en términos de voltaje (4mA-20mA) equivale a

(0.964V-4.82V) respectivamente, utilizando una tarjeta electrónica que

convierte de corriente a voltaje. Con la señal de entrada en términos de

voltaje entre los valores indicados podemos hallar las escalas para la

conversión de voltaje a temperatura.

La ecuación para escalar la temperatura viene dada por:

T − Tmin
T = max * Vin + c (4.1)
Vmax − Vmin

Que para el rango de medición de este transmisor sería:

T=
(150 − (− 50)) *V + c
(4.2)
(4.82 − 0.964) in

La constante c, se encuentra evaluando la ecuación en uno de los

puntos máximo o mínimo. Finalmente la ecuación queda de la siguiente

manera:
 74

T = 51 . 867 * Vin − 100 (4.3)

Con la ecuación 4.3 ya podemos escalar la temperatura en función del

voltaje de entrada proporcionado por el transmisor.

Sensor de temperatura
150
Pendiente Temp vs Voltaje

100
Temperatura °C

50

-50
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Voltaje [V]

38 Figura 4.19: Escala de temperatura en función del voltaje.

4.3.4 MEDICIÓN DE FLUJO

Los caudales de los tres tanques con sus respectivas bombas se los

mide utilizando sensores de flujo electromagnético KEYENCE FD-M

 75

Figura 39 Figura 4.20: Sensor de flujo electromagnético KEYENCE FD-M.

Las características más importantes de este sensor son:

Alimentación: 24Vdc.

Salidas digitales de alarma caudal máximo y mínimo.

Rango de medición: 0-200 lit/min.

Salida Analógica: 4-20mA.

Tiempo de respuesta: 0-0.5-1-5-10-30-60 segundos.

Selección de rango de caudal máximo y mínimo para la salida

analógica.

Cambio de dirección de flujo por teclado.

En vista de que el sensor de flujo tiene una salida de corriente se debe

pasar a voltaje antes de ingresar a la DAQ USB 6009, para ello se utiliza

la tarjeta electrónica que convierte de corriente a voltaje, (4mA-20mA)

equivale a (0.964V-4.82V).
 76

Con la señal de entrada en términos de voltaje entre los valores

indicados podemos hallar las escalas para la conversión de voltaje a

flujo, recordando los valores referenciados como máximo y mínimo.

La ecuación para escalar el flujo viene dada por:

Fmax − Fmin
F = * Vin + c (4.4)
V max − V min

Para el rango de flujo configurado por teclado al sensor la ecuación

queda de la siguiente forma:

F=
(100 − 0) * Vin + c (4.5)
(4.82 − 0.964)

La constante c, se encuentra evaluando la ecuación en uno de los

puntos máximo o mínimo. Finalmente la ecuación para escalar el flujo

queda de la siguiente manera:

F = 25 . 934 * V in − 25 (4.6)

Ahora se realizará la escala del flujo en función del voltaje de la salida

analógica del sensor.

 77

Sensor de Flujo F3
100
Pendiente Flujo vs Voltaje
90

80

70

60
Flujo [lit/min]
50

40

30

20

10

0
1 1.5 2 2.5 3 3.5 4 4.5 5
Voltaje [V]

40 Figura 4.21: Escala de flujo en función de voltaje.

4.4 TRATAMIENTO DE DATOS EN EL ORDENADOR.

4.4.1 TRATAMIENTO DE DATOS MEDIANTE LABVIEW.

Para realizar la adquisición de datos con la tarjeta DAQ-6009 se crea

un proyecto en Labview que contiene los VIs para la planta de

tratamiento térmico. Con los factores de escala presentados en la

sección 4.3 se proceden a crear sub-VIs para escalar las señales

eléctricas procedentes de los sensores de la planta y presentarlos en

una interfaz de usuario junto con controladores para accionamiento de

los actuadores del sistema.

 78

Fi 41 Figura 4.22: Proyecto en Labview para la planta de tratamiento térmico.

El panel frontal con la interfaz de usuario para el control y monitoreo de

las variables del proceso se muestra a continuación.

42 Figura 4.23: Interfaz con el usuario para las variables de temperatura del fluido a enfriar y
el agua en la torre de enfriamiento.
 79

Fa 43 Figura 4.24: Interfaz con el usuario para monitoreo de las variables de flujo y
controlar los accionamiento de los actuadores.

El panel frontal consta de:

• Un tablero de control con 2 pantallas.

• La primera contiene 4 waveform chart para las temperaturas del

sistema.

• La segunda pantalla contiene 2 waveform chart para los flujos 2

y 3 del sistema. Dos controladores de tipo slide para selección

del porcentaje de apertura de la válvula y el porcentaje de dutty

cycle del ventilador. Un controlador tipo bool para el

accionamiento de la bomba de la torre de enfriamiento y un

controlador dial para seleccionar la frecuencia de circulación de

flujo del producto.

El programa gráfico desarrollado se encuentra en el diagrama de

bloques de Enfriamiento_Agua1.vi. Ver gráfico 4.25.

 80

44 Figura 4.25: Diagrama de bloques de Enfriamiento_Agua1.vi con DAQ Assistant.

El programa consta de:

Un lazo Time Loop que permite fijar un tiempo de muestreo de 1

segundo.

Seis DAQ Assistant que permiten obtener los datos de entradas

analógicas provenientes de los sensores de temperatura y flujo.

Seis bloques Amplitud and Level Measurement para obtener el

valor promedio de las entradas analógicas.

Tres DAQ Assistant para las salidas analógicas correspondientes

a la frecuencia de la bomba3, %Apertura de la válvula y % Dutty

Cycle del ventilador.

 81

Un DAQ Assistant tipo bool para la bomba de la torre de

enfriamiento.

Un bloque Write to Measurement File para el registro de los datos

en excel.

Cuatro Sub-VIs creados para escalar los datos de entrada

provenientes de los sensores.

Ahora se construye un VI que utiliza el bloque DAQmx para la

adquisición de datos, este bloque se caracteriza por ser no recursivo y

por tomar solo un dato cada vez que se llama la función, a diferencia

del DAQ Assistant que toma un buffer de datos y está iterando de forma

continua.

F45 Figura 4.26: Diagrama de bloques de Enfriamiento_Agua2.vi con DAQmx.

En vista de que el bloque DAQmx proporciona un dato cada vez que se

llama la función, se debe crear una secuencia automática que permita

 82

tomar el dato, cerrar el canal y llamar a la función nuevamente, esto se

consigue utilizando una estructura case y varios clusters que permiten

ir actualizando las variables de entrada, salida y las variables locales

que permiten cambiar el estado del case. Este programa utiliza tres

Case, en el primero se adquieren los datos, en el segundo se grafican

los datos y en el tercero se guardan los datos.

4.4.2 TRATAMIENTO DE DATOS MEDIANTE MATLAB.

La identificación de la planta y el diseño de los controladores se

realizará en simulink de Matlab, por esta razón se crea un diagrama de

bloques realizar la adquisición de datos usando la Tarjeta USB-6009. A

fin de reducir el espacio físico de los bloques en el diagrama se crean

bloques de funciones para escalar las variables, filtrar las señales de

entrada y guardar los datos en el workspace. El tiempo de muestreo que

se selecciona es de 0.25 segundos para la medición de las variables y

de 1 segundo para la implementación del controlador. En los

parámetros de configuración del modelo de simulink se selecciona

Fixed-step y ode4 (Runge Kutta).

 83

46 Figura 4.27: Diagrama de bloques en Simulink de la planta de tratamiento térmico.

4.5 ANÁLISIS DEL APORTE DE ENFRIAMIENTO DE LOS ACTUADORES.

Mediante pruebas experimentales se realiza un estudio comparativo del aporte

de enfriamiento de la válvula y el ventilador al sistema. Este análisis nos

permitirá conocer si los dos actuadores aportan de igual forma al enfriamiento,

entonces serán variables manipuladas dando un sistema TISO. Caso contrario

si hay uno que tenga la mayor influencia en el enfriamiento del producto, se

establecerá uno como variable manipulada y el otro actuador de menor

influencia será considerado como perturbación controlada dando un sistema

SISO.
 84

Se realizaron 7 pruebas, en las pruebas 1 a 3 se fija una apertura de válvula

del 50% y se varía la velocidad del ventilador. En las pruebas 4 a 6 se fija el

PWM del control de velocidad del ventilador en 50% y se varía la apertura de

la válvula. En la prueba 7 se establece una apertura de la válvula del 30% y

PWM del ventilador en 100%. Las condiciones iniciales para todas las pruebas

son iguales. A continuación se muestra una tabla con los datos obtenidos en

las pruebas.

47 Figura 4.28: Pruebas del aporte de enfriamiento al sistema de la válvula y el ventilador.

Los mejores resultados fueron obtenidos en las pruebas 2,3 y 7. La

característica de estas pruebas es la alta velocidad del ventilador. La

temperatura de la glicerina se enfría de 60 a 40 °C en un tiempo de

estabilización menor que las otras pruebas.

 85

En pruebas 4,5 y 6 donde el flujo de ventilación está al 50 % y se varía la

apertura de la válvula, se observa que mientras menor es el flujo, más se enfría

la Glicerina. El tiempo de estabilización para estas pruebas es mayor que

cuando se mantiene fija la apertura de la válvula y se varía la velocidad del

ventilador.

En la prueba 1 se tiene el mayor tiempo de estabilización del sistema al tener

la válvula al 50% de apertura y el 60% de velocidad del ventilador.

En la figura 4.29 se muestra la gráfica de Temperatura vs. Tiempo del producto

a enfriar, esta fue obtenida en la prueba 7 con los valores de consigna que se

muestran en la tabla 4.3.

Figura 48 Figura 4.29: Temperatura de la glicerina realizada en la prueba 7.

En vista de esto se concluye que de los dos actuadores el que más aporta al

enfriamiento es el flujo de ventilación a través de la torre de enfriamiento, por

 86

lo que se será considerada como variable manipulada en el sistema y la válvula

se considerará como perturbación controlada estableciendo un valor fijo que

está en el rango de 10 a 30% de apertura. Recordando que mientras mayor

sea el tiempo de contacto entre el agua y el aire en la torre de enfriamiento,

mayor será el intercambio de calor y permitirá enfriar el producto en un menor

tiempo. Ahora se analizará en qué valor de apertura de la válvula el sistema

tiene un comportamiento lineal.

4.6 OPERACIÓN LINEAL DE LA PLANTA.

Para encontrar el rango de temperatura de operación donde el sistema es

lineal se realizan pruebas con variación de velocidad del ventilador y la

apertura de la válvula entre 10 y 30%, para ello se establecen los siguientes

valores como condición para la operación de la planta:

Fluido BOMBA 1 Frecuencia=40Hz

Caliente
Fluido BOMBA 3 Frecuencia=40Hz
Glicerina
Fluido BOMBA 4 ON
Etilenglicol
Controlador de Temperatura 75 °C
fluido caliente
Temperatura inicial de la 60 °C
Glicerina
Velocidad del ventilador 0-100 % PWM
Apertura de la válvula 0-30%

Tabla 3 Tabla 4.3: Condiciones de operación de la planta.

 87

Las pruebas se las realiza bajo las condiciones descritas en la tabla 4.3. En la

primera prueba se varía la velocidad del ventilador y se deja fija la apertura de

la válvula en 30% que equivale a 53.5 lit/min.

49 Figura 4.30: Prueba realizada con apertura de válvula fija en 30 %.

En la figura 4.30 podemos observar que para un 30% de apertura de la válvula

el sistema tiene un comportamiento no lineal, los rangos de temperatura de la

glicerina son variables. Por esta razón no se escoge esta apertura como punto

de operación.

En la siguiente prueba se varía la apertura de la válvula mediante pasos, cuyos

valores se muestran en la figura 4.31 y se observa el comportamiento de la

temperatura del producto.

 88

Temperatura [°C]

50 Figura 4.31: Prueba realizada con apertura de válvula multipasos.

De acuerdo a la figura 4.31 podemos observar lo siguiente:

Con apertura de 10% el flujo de agua a través de la torre de enfriamiento

es de 8 lit/min. El producto se calienta hasta 60 °C pero aun cuando se

pone a funcionar el ventilador al 100% la temperatura no disminuye.

Con apertura entre 50% y 70% la tasa de enfriamiento es la misma

pero cuando se apaga el ventilador, la temperatura del producto no llega

hasta los 60 °C.

Con apertura de válvula de 20% el producto sin acción del ventilador se

calienta hasta 60 °C y cuando se acciona el ventilador la temperatura

del producto llega hasta 50 °C. Por lo que se establece el valor de

 89

apertura de 20% como punto de operación para que el sistema sea

lineal.

En resumen se estable el rango de operación lineal de la planta en el rango de

valores entre 50 y 60 °C. Como resultado se obtuvo un sistema SISO, donde

la entrada es la velocidad del ventilador y la salida es la temperatura de la

glicerina. Las condiciones para que exista linealidad se describen en la

siguiente tabla:

Fluido BOMBA Frecuencia=30Hz

Caliente 1o2
Fluido BOMBA Frecuencia=40Hz
Glicerina 3
Fluido BOMBA ON
Etilenglicol 4
Controlador de 70 °C
Temperatura fluido
caliente
Temperatura máxima de 60 °C
la Glicerina
Temperatura mínima de 50 °C
la Glicerina
Velocidad del ventilador 0-100 % PWM
Apertura de la válvula 20%

Tabl4 Tabla 4.4: Condiciones para operación lineal de la planta.

 CAPÍTULO V

DISEÑO DEL SISTEMA DE CONTROL PARA LA TORRE

DE ENFRIAMIENTO DE LA PLANTA DE PROCESOS

Para el diseño de un controlador continuo mediante técnicas clásicas o

variables de estado se requiere de un modelo que caracterice el

comportamiento dinámico de la planta a controlar. El modelo de la planta

permite realizar el ajuste de los parámetros del controlador a fin de obtener

una respuesta que satisfaga las condiciones de diseño y a su vez se puede

validar el controlador mediante simulación.

Por el estudio teórico realizado en la planta de tratamiento térmico donde

intervienen procesos de balance de masa, energía y cantidad de movimiento,

resulta complicado solucionar las ecuaciones descritas para el modelo

matemático de la torre de enfriamiento, debido a que son ecuaciones en

 91

función del espacio. Por esta razón y como se tiene la planta para realizar

experimentos se recurre a la técnica de identificación de sistemas.

5.1 IDENTIFICACIÓN DEL SISTEMA A PARTIR DE LOS DATOS

ENTRADA-SALIDA.

La identificación de sistemas consiste en construir modelos de sistemas

dinámicos basándose en los datos de entrada-salida. El modelo obtenido se

conoce como Modelo de Caja Negra o Modelo Entrada-Salida.

Existen diversos métodos de identificación que pueden clasificarse en:

Métodos no paramétricos.- Algunos de estos métodos son: Análisis

de la respuesta transitoria, análisis de la respuesta de frecuencia,

análisis de correlación y análisis espectral.

Métodos paramétricos.- Requieren la elección de una posible

estructura de modelo, de un criterio de ajuste de parámetros y por último

la estimación de parámetros.

El sistema para la torre de enfriamiento de la planta de tratamiento térmico

está constituido de la siguiente forma:

 92

F 51 Figura 5.1: Sistema dinámico con entrada, salida y perturbaciones.

5.1.1 IDENTIFICACIÓN EXPERIMENTAL DE SISTEMA DE PRIMER

ORDEN.

Este método consiste en aplicar sobre el sistema los valores máximos

y mínimos de velocidad de ventilación y observar la respuesta de la

temperatura del agua en la torre de enfriamiento, los datos a considerar

en la respuesta del sistema son los siguientes:

La ganancia del sistema 97) es la relación entre la variación de

los voltajes de salida 9ef ) y la variación de los voltajes de

entrada (ΔVi).

El tiempo de estabilización 9"$$) es el intervalo de tiempo en el

que la respuesta del sistema consigue un valor único, o llamado

valor final.
 93

La constante de tiempo 9g) es el intervalo de tiempo en el que la

respuesta del sistema consigue un valor que corresponde al 63%

de su valor final.

El tiempo de retardo 9"h ) o tiempo muerto es el intervalo de

tiempo en el que sistema se tarda en responder debido a cierto

disturbio.

Respuesta del sistema

100
TempGlic[°C]
90 %PWMVent

80
Temperatura [°C]

70

60

50

40

30

20

10

0
0 500 1000 1500 2000 2500 3000 3500
Tiempo [seg]
Figura 52 Figura 5.2: Variación de temperatura con ventilación máxima y mínima.

En base al grafico observamos que la respuesta del sistema es de

primer orden y podemos calcular los siguientes valores:

e@ = 11.33

e+ = 100

7 = 0.1133
 94

"h = 40 $

g = 617 $

La función de transferencia del sistema, obtenida mediante el gráfico de

la respuesta del sistema de primer orden, da como resultado:

− 0.1133 −40s
G(s) = e (5.1)
697s + 1

5.1.2 IDENTIFICACIÓN DE DATOS ENTRADA-SALIDA USANDO LA

HERRAMIENTA IDENT DE MATLAB.

Para el proceso de identificación es muy importante diseñar una señal

de entrada que permita obtener información sobre la dinámica total del

sistema.

La señal de entrada que se diseña para excitar la planta consta de dos

partes, la primera consiste en una sucesión de tres pulsos rectangulares

con diferente ancho de pulso de forma que tenga un contenido rico de

frecuencias y la segunda parte de la señal es multipaso con incrementos

y decrementos de la señal de entrada de tal forma que permita capturar

toda la dinámica de la planta.

 95

Figura 53 Figura 5.3: Datos de entrada-salida para la identificación de la planta.

En la figura 5.3 se puede observar cómo se comportan las variables del

sistema ante cambios en la referencia de velocidad del ventilador. Las

temperaturas del Etilenglicol que circula a través de la torre de

enfriamiento y la Glicerina son bastante similares, de hecho se podría

considerar que son iguales, por lo que existe una alta eficiencia en la

transferencia térmica del intercambiador 2. Otro aspecto importante de

la planta es que el flujo de la glicerina varía con respecto a la

temperatura y que el flujo del Etilenglicol se mantiene constante.

Los datos de entrada corresponden a la velocidad del ventilador y los

de salida a la temperatura de la Glicerina. Estos datos son ingresados

 96

en la interfaz “ident” de Matlab para ser procesados, se selecciona

tiempo de muestreo de 0.25 segundos, se remueven las medias y

tendencias, una parte de los datos se utiliza para calcular el modelo y

otra parte para validar.

Figura 54 Figura 5.4: Ventana principal de la interfaz gráfica “ident”.

En esta interfaz se pueden importar datos, ya sea en el dominio del

tiempo o la frecuencia. Se puede estimar mediante modelos

paramétricos como ARX, ARMAX, OE, BJ o FIR. Además permite

identificar mediante espacio de estados o modelo de función de

transferencia.

A continuación se muestran las señales de entrada y salida una vez que

han sido removidas las medias y tendencias, así como la selección de

los datos para la estimación del modelo.

 97

Input and output signals

0.2

-0.2

-0.4

-0.6
0 0.5 1 1.5 2 2.5 3 3.5
104

0.5

-0.5

-1
0 0.5 1 1.5 2 2.5 3 3.5
Time 104

Figura 55 Figura 5.5: Procesamiento de señales de salida y entrada.

Para la elección del mejor método de parametrización de la planta se

tomaran en cuenta los siguientes criterios:

• Modelo de Salida: Una vez que se ha obtenido el modelo

experimental, se compara si el modelo obtenido es

suficientemente representativo con el modelo real de la planta.

Para ello se puede comparar el porcentaje de similitud entre los

datos del modelo real y estimado.

56 Figura 5.6: Modelo de salida para un modelo de 2 polos y un cero.

 98

• Análisis residual: También se lo denomina error de predicción

y es la diferencia entre el valor observado y el valor estimado. La

autocorrelación de la salida nos permite conocer si los errores

son independientes. La correlación cruzada permite medir la

intensidad y la dirección entre la salida y la entrada.

• Intervalos de confianza: Los modelos de estimación presentan

un grado de incertidumbre, que en los gráficos aparece marcada

por líneas segmentadas, la región entre estos intervalos es la

verdadera respuesta del sistema con 99% de confianza, mientras

que la región restante da una respuesta incierta, razón por la cual

se tomará el modelo cuya respuesta esté dentro de estos

intervalos.

Autocorrelation of residuals for output y1

0.2

-0.2

-0.4

-0.6
-20 -15 -10 -5 0 5 10 15 20

10 -4 Cross corr for input u1 and output y1 resids

2

-2

-4
-20 -15 -10 -5 0 5 10 15 20
Samples

57 Figura 5.7: Análisis residual para un modelo BJ:21111.

 99

• Parsimonia: Implica no hacer uso de una gran cantidad de

parámetros en forma innecesaria, porque se incrementa el orden

del modelo y el diseño del controlador requerirá del uso de

mayores recursos.

• Flexibilidad: Consiste en emplear un modelo que ofrezca una

gran capacidad de descripción de posibles sistemas.

• Modelo no viable: Nos indica que no se puede hallar una función

de transferencia esto se produce cuando los coeficientes del

numerador son mayores a los del denominador, lo cual indicaría

que matemáticamente se pueden obtener valores futuros.

5.1.3 MODELO ARX.

Estructura ARX.- En este modelo “AR” hace referencia a la parte auto

regresiva i9* ). @9") y “X” a la entrada extra j9* ). +9") también conocida

como variable exógena. Debido a que el término de ruido blanco 9")

entra como un error directo en la ecuación en diferencias, el modelo es

también conocido como modelo o estructura de ecuación de error.

A ( z ) y ( t ) = B ( z )u (t − nk ) + r (t ) (5.2)

Dentro de la interfaz gráfica “ident” aparece la siguiente ventana donde

podemos elegir los valores de na, nb y nk para el modelo ARX.

 100

Figura 58 Figura 5.8: Construcción del modelo ARX:4,4,1.

Ahora se ajustan distintas combinaciones de los coeficientes del modelo

ARX para obtener la mejor respuesta.

Figura 59 Figura 5.9: Pruebas con algunos modelos ARX.

Con los datos para estimar encontramos el modelo y con los datos de

validación procedemos a comparar la respuesta obtenida con la

 101

respuesta real, es importante considerar la parsimonia. Los resultados

de la prueba con el modelo ARX se muestran a continuación.

Tabla 5 Tabla 5.1: Resultados con modelos ARX.

Porcentaje
Nivel de Función de
Modelo de
Confianza transferencia
similitud
ARX:3,2,1 40.40% Incertidumbre 3 polos, 2 ceros
ARX:2,2,1 40.38% Incertidumbre 3 polos, 2 ceros
ARX:4,4,1 40.26% Incertidumbre 4 polos, 3 ceros
ARX:2,2,1 40.00% Incertidumbre 3 polos, 2 ceros
ARX:4,1,1 39.98% Incertidumbre 4 polos, 3 ceros
1 polo, ningún
ARX:1,1,1 39.92% Incertidumbre
cero
ARX:4,3,4 39.67% Incertidumbre 4 polos, 3 ceros
ARX:3,1,2 39.63% Incertidumbre 3 polos, 2 ceros
ARX:2,1,2 39.60% Incertidumbre 3 polos, 2 ceros
ARX:4,1,2 39.59% Incertidumbre 4 polos, 3 ceros
ARX:3,3,2 39.49% Incertidumbre 3 polos, 2 ceros
ARX:3,4,4 39.14% Incertidumbre 4 polos, 4 ceros
ARX:4,4,4 39.13% Incertidumbre 4 polos, 3 ceros

Mediante las pruebas realizadas con el modelo paramétrico ARX

obtenemos porcentajes de similitud con los datos reales que están entre

30 y 40 %. A medida que se incrementa el valor de los coeficientes del

modelo, se incrementa el número de polos y ceros. La autocorrelación

y la correlación cruzada de estos modelos están fuera de los intervalos

de confianza. Este modelo resulta no viable porque en todas las

funciones de transferencia obtenidas, existe un polo en el semiplano

derecho.
 102

5.1.4 MODELO ARMAX.

Estructura ARMAX.- La principal desventaja del modelo reside en la

escasez o falta de libertad en la descripción del término de perturbación.

Sin embargo es posible incorporar mayor flexibilidad al modelado si es

que agregamos un término como media en movimiento del ruido blanco.

A ( z ) y ( t ) = B ( z )u (t − nk ) + C ( z ) r (t ) (5.3)

Para elegir la estructura de este tipo de modelos se debe determinar el

orden de cada uno de los polinomios anteriores, es decir na, nb, nc, nd,

nf y el retardo entre la entrada y la salida nk. Una vez elegidos estos

valores se determina el vector de coeficientes k que hacen que el

modelo se ajuste a los datos de entrada – salida del sistema real.

En la siguiente ventana se ingresan los parámetros del modelo:

60 Figura 5.10: Construcción del modelo ARMAX:2,2,2,1.

 103

En la interfaz se ingresan el orden de na que representa el polinomio

Ay, nb que es orden del polinomio Bu, nc corresponde al polinomio Ce

y nk que representa el retardo en la entrada y salida.

Ingresando diferentes valores para na, nb, nc y nk, se obtuvieron

diferentes parametrizaciones con el modelo ARMAX.

Figura 61 Figura 5.11: Pruebas con algunos modelos ARMAX.

El modelo obtenido se compara con los datos reales de la planta

utilizados para validar el modelo. Para la selección del modelo que mejor

describa las características de la planta se toma en cuenta el análisis

residual y la parsimonia. Los resultados obtenidos se muestran a

continuación en la siguiente tabla.

 104

Tabla 6 Tabla. 5.2: Resultados con modelos ARMAX.

Porcentaje
Nivel de Función de
Modelo de
confianza transferencia
similitud
ARMAX:1,2,1,0 56.55% Incertidumbre 1 polo, 1 cero
ARMAX:1,1,1,0 53.43% Incertidumbre 1 polo, 1 cero
ARMAX:4,1,1,1 53.01% Incertidumbre 5 polos, 4 ceros
ARMAX:2,1,1,0 52.97% Incertidumbre 2 polos, 2 ceros
ARMAX:2,1,1,1 52.94% Incertidumbre 2 polos, 1 cero
ARMAX:2,2,1,0 52.81% Incertidumbre 2 polos, 2 ceros
ARMAX:3,2,1,0 52.68% Incertidumbre 3 polos, 3 ceros
ARMAX:1,2,2,1 41.48% Incertidumbre 2 polos, 2 ceros
ARMAX:2,2,0,1 41.39% Incertidumbre 1 polo, 1 cero
ARMAX:1,1,2,0 41.10% Incertidumbre 2 polos, 1 cero
ARMAX:2,2,0,0 41.10% Incertidumbre 1 polo, 1 cero
ARMAX:3,2,2,0 41.04% Incertidumbre 3 polos, 3 ceros
ARMAX:1,1,2,1 41.02% Incertidumbre 1 polo, 1 cero
ARMAX:2,2,2,0 40.66% Incertidumbre 2 polos, 2 ceros
ARMAX:3,3,2,0 38.21% Incertidumbre 3 polos, 3 ceros
ARMAX:2,2,2,1 20.55% Incertidumbre 2 polos, 1 cero

El mayor porcentaje de similitud que se obtuvo con este modelo fue de

56.55%. La auto-correlación y la correlación cruzada están fuera de los

intervalos de confianza. Todos los modelos obtenidos mediante la

estimación ARMAX son inestables, esto es porque tienen un polo

ubicado en el semiplano derecho.

5.1.5 MODELO BOX JENKIN.

Los modelos BJ están descritos por la siguiente ecuación:

B( z) C( z)
y(t) = u(t − nk) + r(t )
F( z) D( z) (5.4)
 105

En la siguiente ventana ingresamos los parámetros para el modelo BJ.

62 Figura 5.12: Construcción del modelo BJ:2,2,2,2,1.

El orden del polinomio B corresponde a nb, nc es el orden del polinomio

C, nd es el orden del polinomio D, nf es el orden del polinomio F y nk es

el retardo en la entrada. Se eligieron diferentes valores para el orden de

los polinomios nb, nc, nd, nf y nk, se obtuvieron los siguientes modelos.

Figura 63 Figura 5.13: Pruebas con algunos modelos BJ.

 106

De manera similar que en las pruebas anteriores se comparan los datos

reales de la planta con los datos obtenidos del modelo estimado. La

selección se hace mediante el análisis residual y la parsimonia.

El modelo Box Jenkin extrae mucha información de la serie de tiempo,

mediante este modelo se obtienen muy buenas aproximaciones como se

muestra en la siguiente tabla.

7 Tabla 5.3: Resultados con modelos BJ.

Porcentaje
Nivel de Función de
Modelo de
Confianza transferencia
similitud
BJ:3,2,3,3,1 82.14% Incertidumbre 3 polos, 2 ceros
BJ:2,2,3,1,1 81.97% Incertidumbre 2 polos, 2 ceros
BJ:4,4,3,3,1 81.89% Incertidumbre 4 polos, 4 ceros
BJ:2,2,3,2,1 81.71% 99% de confianza 2 polos, 1 cero
BJ:3,4,3,3,1 95.02% Incertidumbre 3 polos, 3 ceros
BJ:2,1,2,2,2 76.15% 99% de confianza 2 polos, 1 ceros
BJ:2,1,2,1,0 75.70% 99% de confianza 1 polo, 1 cero
BJ:2,1,2,1,1 75.70% 99% de confianza 2 polos, 2 ceros
BJ:2,1,2,2,0 75.45% Incertidumbre 2 polos, 2 ceros
BJ:4,4,4,4,1 72.91% 99% de confianza 5 polos, 4 ceros
BJ:2,2,2,2,1 65.85% Incertidumbre 2 polos, 1 cero
BJ:2,1,1,1,1 62.25% 99% de confianza 2 polos, 2 ceros
BJ:2,2,3,3,1 62.04% Incertidumbre 3 polos, 2 ceros
BJ:1,1,1,1,1 61.30% Incertidumbre 1 polo, ningún cero
BJ:4,4,2,2,1 51.34% Incertidumbre 4 polos, 4 ceros
BJ:1,1,2,2,1 48.30% Incertidumbre 2 polos, 1 cero

Considerando las pruebas realizadas con el modelo Box Jenkin, se

selecciona el modelo BJ:2,2,3,2,1. Los criterios por los cuales se

seleccionó dicho modelo son:

 107

El análisis residual al estar dentro de los intervalos de confianza, la

parsimonia al contener dos ceros y un polo, por último se tomó en

cuenta el porcentaje de similitud que fue de 81.71%.

Figura 64 Figura 5.14: Modelo BJ:2,2,3,2,1.

Figura 65 Figura 5.15: Análisis residual del modelo BJ:2,2,3,2,1.

 108

5.2 SELECCIÓN DEL MODELO.

De acuerdo con las pruebas realizadas en la identificación paramétrica,

aplicando los diferentes métodos de modelamiento se obtienen los siguientes

resultados.

• ARX: Modelo no viable.

• ARMAX: Modelo no viable.

• BJ: Modelo aceptable.

Como se observaron en las pruebas únicamente el modelo BJ ofrece

resultados aceptables. Los modelos ARX y ARMAX nos dan funciones de

transferencia con polos positivos, lo cual da como resultado un sistema

inestable.

De los resultados obtenidos con el modelo BJ, se selecciona el BJ:2,2,3,2,1

porque ser el de mejor porcentaje de similitud al de la planta real, por estar

dentro de los intervalos de confianza y por ser la función de transferencia con

el menor número de polos y ceros.

5.2.1 COMPROBACIÓN DEL MODELO BJ:2,2,3,2,1.

Se procederá a comprobar si esta función de tiene la misma dinámica

que la planta real, para ello se realiza la siguiente prueba:

 109

Validación del modelo BJ22321

70
TempGlic
65 ModeloGbj(s)
ModeloG(s)

60
Temperatura [°C]
55

50

45

40

35

30
4000 4500 5000 5500 6000 6500 7000 7500 8000 8500 9000
Tiempo [seg]
66 Figura 5.16: Respuestas de la planta real e identificada.

La respuesta de la planta real y del modelo BJ son muy aproximadas,

lo cual nos brinda la confianza de decidir que el modelo BJ:2,2,3,2,1 es

una muy buena aproximación del sistema en ganancia y dinámica.

5.2.2 COEFICIENTES DEL MODELO BJ:2,2,3,2,1.

Recordando la ecuación del modelo Box Jenkin (5.4) obtenemos los

siguientes polinomios:

B( z) = 1.626e- 06 z −1 − 3.03e- 05 z −2 (5.5)

C( z) = 1+1.8e- 06 z−1 + z−2 (5.6)

D(z) = 1− z −1 + 0.7504z −2 − 0.7501z −3 (5.7)

 110

F ( z) = 1−1.392z −1 + 0.3921z −2 (5.8)

5.2.3 FUNCIÓN DE TRANSFERENCIA DEL MODELO BJ:2,2,3,2,1.

Los polinomios obtenidos están en tiempo discreto, para pasar de

tiempo discreto a continuo se utiliza el comando “d2c” de Matlab y luego

el comando “tf” de Matlab para convertir los polinomios a función de

transferencia. La función de transferencia queda de la siguiente forma:

0 .00011191 (s − 6 .313 )
Gbj ( s ) = (5.9)
(s + 3.744 )(s + 0 .0006712 )

Esta función de transferencia servirá para poder diseñar el controlador

clásico PID, dicho controlador se diseñará a continuación bajo

diferentes métodos y mediante simulación se ajustaran los parámetros

del controlador.

5.3 DISEÑO E IMPLEMENTACIÓN DEL SISTEMA DE CONTROL CLÁSICO

PID.

El controlador PID (Proporcional, Integral y Derivativo) es un controlador

realimentado que tiene como propósito hacer que el error en estado

estacionario, entre la señal de referencia y la salida de la planta, sea cero de

forma asintótica en el tiempo.

 111

Para sintonizar el PID se deben ajustar los parámetros que son: la ganancia,

tiempo integral y tiempo derivativo. Los valores de los parámetros del PID se

ajustan para que la respuesta del sistema en lazo cerrado tenga unas

características determinadas.

67 Figura 5.17: Diagrama de bloques de un sistema en lazo cerrado.

En un controlador PID el término proporcional contribuye a la reducción del

error en estado estacionario. La acción integral tiene un efecto cualitativo sobre

el error en estado estacionario y garantiza la anulación de este cuando la

referencia es de tipo escalón. La acción derivativa permite una cierta

predicción del futuro error y por tanto juega un papel anticipativo.

Los algoritmos del controlador PID que se usan con mayor frecuencia en la

industria pertenecen a tres grupos (no interactivos, interactivos y paralelos).

Para el diseño de los controladores PID, se utilizará la función de transferencia

obtenida mediante técnicas de identificación.

5.3.1 IMPLEMENTACIÓN DEL CONTROLADOR PID INTERACTIVO.

En el algoritmo de control PID interactivo, cualquier modificación de las

constantes de tiempo 1l o 1: afecta a las tres acciones (proporcional,

 112

integral y derivativa). La función de transferencia de un controlador PID

interactivo tiene la siguiente forma.


U (S ) = K p 1 +
 TS
1 
( )
1 + T S E (S )
d
(5.10)
 i 

Para el ajuste de los parámetros 78 , 1l y 1: del controlador PID existen

muchos métodos de sintonización como son: Ziegler y Nichols, Cohen

y Coon, Integral del error (ITAE), Método del relé, etc.

Para el diseño del controlador PID se utilizará la herramienta Simulink,

el ajuste de los parámetros del controlador se realizará observando la

respuesta obtenida en lazo cerrado, al aplicar dicho controlador a la

función de transferencia de la planta estimada Gbj(s) (5.9).

A continuación se muestra el diagrama de bloques del algoritmo del

controlador PID interactivo.

Fig68 Figura 5.18: Diagrama de bloques del controlador PID interactivo.

 113

El esquema de control en lazo cerrado del controlador PID interactivo y

la función de transferencia de la planta identificada queda de la siguiente

forma.

69 Figura 5.19: Diagrama de bloques del controlador PID interactivo, y la planta

identificada en lazo cerrado.

Las pruebas realizadas previamente sirven como base para establecer

los valores de trabajo en los que se desea que el sistema opere. Los

parámetros del controlador se ajustarán hasta que se cumplan las

siguientes especificaciones con la planta estimada:

El tiempo de estabilización debe ser menor de 1200 segundos

Sobre nivel porcentual menor o igual al 10%.

Para probar el desempeño del controlador se utiliza una señal multipaso

con cambios en la referencia de temperatura cada 2000 segundos.

Al ajustar los parámetros del controlador se observa el efecto que

produce cada una de las ganancias:

 114

• Acción Proporcional: Mientras menor es la constante

proporcional, mayor es el tiempo de estabilización. Con valores

de Kp entre 20 y 30, se obtuvo menor tiempo de estabilización.

• Acción Integral: A medida de que Ti disminuye, el tiempo de

estabilización y el sobre nivel porcentual son mayores. A medida

que se aumenta Ti el tiempo de estabilización disminuye, el valor

hasta el cual se puede incrementar es 1500, después de ese

valor empieza a haber error de estado estacionario.

• Acción derivativa: La constante derivativa Td, si toma valores

mayores a cero, provoca picos elevados en la señal de control

que va al actuador, esto sucede cuando existe cambios en la

referencia.

Los valores de los parámetros del controlador PID interactivo que dan

la respuesta que se muestra en la figura 5.20 son:

7m = 25 1 = 900 1# = 0
 115

Respuesta con Control PID Interactivo

61

60

59

58

57

56

55

54

53

52
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo [seg]
Figura 70 Figura 5.20: Respuesta del controlador PID interactivo.

Con el controlador PID interactivo se puede observar que el tiempo de

estabilización es de 942 segundos, el error de estado estacionario es

cero. El tiempo de respuesta del controlador PID interactivo cuando

existen perturbaciones es de 900 segundos, la respuesta del

controlador ante perturbaciones se observa en la figura 5.21.

Temperatura [°C]

Fi 71 Figura 5.21: Respuesta del controlador PID interactivo ante perturbaciones.

 116

Es importante analizar la señal de salida del controlador cuando se

requiere implementar, ya que esta señal servirá para el control del drive

del motor de corriente continua y debe estar dentro del rango de

operación para evitar que el actuador se sature.

Voltaje [V]

Figura 72 Figura 5.22: Salida del controlador PID interactivo.

El rango de voltaje del control para el PWM es de 1.25 a 2.75 V. En la

figura 5.22 se observa que la señal de salida del PID está entre 0.8 y

2.75 V, cuando la referencia cambia de menos a más temperatura, la

señal de control que va a la tarjeta PWM se sale del valor de rango

mínimo, esto puede provocar limitaciones en el actuador, al no alcanzar

los puntos de consigna deseados.

 117

5.3.2 IMPLEMENTACIÓN DEL CONTROLADOR PID NO

INTERACTIVO.

En el algoritmo de control PID no interactivo las acciones de control

integral y derivativa son independientes, aunque exista un parámetro

del controlador, la ganancia proporcional K, que afecte a las tres

acciones (proporcional, integral y derivativa). La función de

transferencia de un controlador PID no interactivo tiene la siguiente

forma:

 1 
U ( S ) = K p 1 + + T S E (S ) (5.11)
 TS d 
 i 

Los parámetros de interés para el controlador PID no interactivo son las

constantes 78 , 1l y 1: , para ajustar dichos parámetros se utiliza la

función de transferencia de la planta y se construye el controlador

basado en la función de trasferencia 5.11.

Figura 73 Figura 5.23: Diagrama de bloques del controlador PID no interactivo.

 118

El esquema de diagrama de bloques del controlador PID no interactivo

y la función de transferencia de la planta identificada queda de la

siguiente forma.

Figura 74 Figura 5.24: Diagrama de bloques del controlador PID no interactivo, y la planta
identificada en lazo cerrado.

Las especificaciones de diseño para el controlador no interactivo son

iguales que en el caso del PID interactivo. La señal de referencia para

probar el controlador no interactivo es la misma que se utilizó para el

PID interactivo.

Los parámetros del controlador PID no interactivo son ajustados

mediante simulación en Simulink, hasta alcanzar el criterio de sintonía.

Los valores de los parámetros del controlador con los que se obtuvo la

respuesta de la figura 5.25 son:

7m = 30 1 = 900 1# = 0
 119

Temperatura [°C]

75 Figura 5.25: Respuesta del controlador PID No interactivo.

Con el controlador PI interactivo observamos que el error en estado

estacionario es cero, el tiempo de estabilización es de 776 segundos y

sobre nivel porcentual menor al 2%. El error en estado estacionario es

cero.

Al ajustar los parámetros del controlador se observa lo siguiente:

• Acción Proporcional: Con valores pequeños, existe error en

estado estacionario y mayor tiempo de estabilización, a medida

que se aumenta la constante proporcional disminuye el error en

estado estacionario.

• Acción Integral: A medida de que Ti disminuye, aumenta el

sobre nivel porcentual y el tiempo de estabilización. Si se

 120

requiere bajo sobre nivel porcentual se requiere ir aumentando

Ti.

• Acción derivativa: El valor de Td si se aumenta o disminuye, no

afecta la respuesta del sistema en lazo cerrado, pero se observa

que se ve afectada la señal de salida del controlador, alcanzando

valores muy elevados de sobre-picos. Por esta razón se deja en

cero esta constante para que la salida de controlador no se

sature.

La respuesta del controlador PID no interactivo ante perturbaciones es

de 770 segundos.

Figura 76 Figura 5.26: Respuesta del controlador PID no interactivo ante perturbaciones.

El voltaje de salida del controlador se muestra en la figura 5.27, el rango

de voltaje está entre 0.6 y 2.75 V. Físicamente el ventilador no puede

 121

girar a mayor velocidad que la nominal. La tarjeta de control del PWM

con 2.75V, da como resultado un dutty cycle de 100%.

Voltaje [V]

Figura 77 Figura 5.27: Salida del controlador PID no interactivo.

En los controladores PID interactivo y no interactivo, se pudo observar

que existe saturación en el voltaje mínimo que va a la tarjeta de control

PWM, el inconveniente se presentaría cuando se desea incrementar la

temperatura. Este efecto de saturación en la salida del controlador se

conoce como Windup del integrador y se lo analizará a continuación

como una opción en caso de que se requiera al momento de

implementar el controlador.

5.3.3 IMPLEMENTACIÓN DEL CONTROLADOR PID ANTI WINDUP.

Todos los actuadores tienen limitaciones, el motor tiene limitada su

velocidad. Para un sistema de control con amplio rango de condiciones

de operación puede suceder que la variable de control alcance los

 122

límites del actuador. Cuando esto sucede, el lazo realimentado

permanece en su límite independiente de la salida. Si se utiliza un

controlador con acción integral, el error seguirá siendo integrado,

incrementando su valor hasta hacerse más grande o hacer “windup”.

Una forma de evitar el windup del integrador es introducir limitadores en

los cambios de referencia tal que la salida del controlador nunca sature

el actuador. Otra forma de evitar el windup es inhibiendo la integración

cuando se satura la salida. Este método es equivalente al de recalculo

que trabaja de la siguiente forma:

Cuando se satura la salida, se recalcula la integral y su nuevo valor

proporciona una salida en el límite de saturación. El integrados no se

reinicializa instantáneamente pero si dinámicamente.

A continuación se muestra el diagrama de bloques del controlador PID

con anti windup basado en la técnica de recalculo.

 123

Fi78 Figura 5.28: Diagrama de bloques del controlador PID con anti windup.

El sistema tiene una realimentación extra, generado por la medición de

la salida real del actuador y una señal de error ( o ), que es la diferencia

entre las salidas de controlador (P) y del actuador (+). La señal de o

es realimentada a la entrada del integrador a través de la ganancia 1/1l .

Cuando no hay saturación el error o es cero y no tiene ningún efecto

sobre la saturación normal, cuando hay saturación o es diferente de

cero.

Los parámetros de sintonización del controlador PID anti windup son los

siguientes:

7 = 75; 1 = 900; 1# = 10
 124

Figura 79 Figura 5.29: Respuesta del controlador PID con anti windup.

El desempeño del controlador PID con anti windup presenta dinámicas

diferentes cuando se desea aumentar y disminuir la temperatura, el

tiempo de estabilización al cambio en la referencia es de 850 segundos

cuando la temperatura disminuye y cuando la temperatura aumenta el

tiempo de estabilización es de 910 segundos. El sobre nivel porcentual

es menor de 2%.
Voltaje [V]

80Figura 5.30: Salida del controlador PID anti windup.

 125

La señal de salida del controlador se muestra en la figura 5.30. Esta vez

se observa que los valores de la señal del controlador están dentro del

rango de acción del actuador. La señal de control presenta la forma de

modulación de ancho de pulso. Otro dato interesante es que la salida

del controlador es 1.25V, que representa 0% del PWM cuando se desea

incrementar la temperatura del sistema. A continuación se muestra la

gráfica del error del controlador PID anti windup.

Fig81 Figura 5.31: Error del controlador PID con anti windup.

De los tres tipos de controladores hallados hasta el momento se

obtuvieron los parámetros de mejor ajuste para cada caso,

considerando el tiempo de estabilización sobre nivel porcentual y error

de estado estacionario. El rango de valores que pueden tomar las

constantes proporcionales, integrales y derivativas para cada

controlador, se indican en la tabla 5.4.

 126

Tipo de Controlador Kp Ti Td
PID Interactivo 10-40 900-2800 0-20
PID No Interactivo 10-40 600-1500 0-100
PID Anti Windup 50-100 600-1200 0-20

8 Tabla 5.4: Valores de parámetros de los controladores PID.

Estos valores servirán como referencia cuando se implemente el

controlador PID en la planta de tratamiento térmico. De acuerdo a los

resultados obtenidos mediante simulación , el controlador que se

implementará será el PID no interactivo, en caso de que se sature la

salida y esto provoque error en la acción de control, se procederá a

utilizar el controlador PID anti wind up.

5.3.4 DISEÑO DE UN SERVOMECANISMO EN ESPACIO DE

ESTADOS.

El controlador diseñado mediante espacio de estados servirá para

comprobar la respuesta obtenida con los controladores PID interactivo,

no interactivo y anti windup. No se implementará porque desde el punto

de vista práctico no se utiliza en las industrias.

De la respuesta en laso cerrado se observa lo siguiente: El tiempo de

estabilización es de 2500 segundos, continúa la presencia de error en

estado estacionario, la forma del gráfico 5.32 es de un sistema de

segundo orden.
 127

Respuesta al escalón en lazo cerrado

0.3

0.25

0.2

0.15

0.1

0.05

0
0 500 1000 1500 2000 2500 3000 3500 4000
Tiempo [Seg]
Figura 82 Figura 5.32: Respuesta al escalón en lazo cerrado mediante espacio de estados.

Que el error de estado estacionario no sea cero provoca que el esfuerzo

del controlador en estado estacionario tampoco sea cero, como se

muestra en la figura 5.33.

Esfuerzo del controlador como servo mecanismo

0

-0.2

-0.4

-0.6
Voltaje [V]

-0.8

-1

-1.2

-1.4

-1.6

-1.8

-2
0 500 1000 1500 2000 2500 3000 3500 4000
Tiempo [Seg]
Figura 83 Figura 5.33: Esfuerzo del controlador con realimentación de estados.

El esfuerzo del controlador en estado estacionario es cero cuando el

error en estado estacionario es cero también, por lo que nos

encontramos ante un sistema cuya planta no tiene integrador.

 128

El diseño para el control por servomecanismo incluye la inserción de un

polo en el origen para garantizar que el error en estado estacionario sea

cero. Además se debe obtener una constante de integración 7l

paralelamente a la matriz de ganancias K. Para ello se requiere la

inserción de un polo que este 10 veces más alejado en el semiplano

izquierdo a los polos dominantes de segundo orden, esto es para no

afectar la respuesta del sistema de segundo orden. Al insertar el polo

adicional se amplía el tamaño de las matrices A y B. El código en Matlab

se muestra a continuación:

%Diseño del controlador servomecanismo planta sin integrador

Tsc1=500; % Tiempo de estabilización

zita=0.90; % Sobrenivel porcentual

Wn=4/(zita*Tsc1); % Frecuencia

pa=[-(zita*Wn)+(sqrt(1-zita^2)*Wn)*sqrt(-1) -(zita*Wn)-(sqrt(1-

zita^2)*Wn)*sqrt(-1)]; %polos dominantes

pb=[-10]; % Polo aumentado para el Ki del integrador

p=[pa pb]; % Nuevos polos del sistema

Ahat=[A zeros(2,1); -C zeros(1,1)]; % Matriz A aumentada de lazo

cerrado

Bhat=[B;-D]; % Matriz B aumentada de lazo cerrado

k=place(Ahat,Bhat,p); %Matriz K de realimentación de estados

k1=k(:,(1:2)); %Matriz de realimentación

 129

ki=k(:,3); % Ganancia del Integrador

La implementación de este controlador resulta sencillo, ya que mediante

la función de transferencia de la planta se puede llevar a espacio de

estados y colocar en bloques el esquema de control mediante las

matrices de estados A, B, C y D. Luego se seleccionan los polos de

acuerdo a la respuesta que se desea y se calcula la matriz de

realimentación K, aumentando un polo para la ganancia del integrador

ya que esta planta no tiene integrador.

Figura 84 Figura 5.34: Diseño de un servomecanismo mediante espacio de estados.

 130

Temperatura [°C]

Figura 85 Figura 5.35: Respuesta del servomecanismo.

El integrador puro en el modelo de espacio de estados, provoca que el

error en estado estacionario sea cero ante pasos en la referencia. El

tiempo de estabilización es de 850 segundos y sobre nivel porcentual

de cero.

Se puede resumir el desempeño de los controladores mediante

simulación en la siguiente tabla.

Tipo de Tiempo de Sobre nivel Error de

Controlador estabilización Porcentual estado
estacionario
PID Interactivo 942 s 0.943 0
PID No Interactivo 776 s 0 0
PID Anti Windup 910 s 0.245 0
Servomecanismo 850 s 0 0

Tabla 9 Tabla 5.5: Respuesta de los controladores PID clásicos.

 131

5.4 DISEÑO E IMPLEMENTACIÓN DEL SISTEMA DE CONTROL CON

LÓGICA DIFUSA.

Para el diseño del sistema de control con lógica difusa, se tomará como base

la respuesta obtenida con los controladores PID convencionales, se pretende

al menos igualar su respuesta. Para la implementación del controlador difuso,

se utilizará la función de transferencia de la planta identificada.

5.4.1 DISEÑO DEL CONTROLADOR DIFUSO PARA LA TORRE DE

ENFRIAMIENTO.

Para controlar el sistema, resulta conveniente utilizar como variable de

entrada al controlador, el error 9 ) y la derivada del error 9e ). Luego

cada una debe ser fusificada definiendo una cantidad de funciones de

pertenencia para los diferentes estados lingüísticos. El procedimiento

para definir las funciones de pertenencia es el siguiente:

• Se elige el número de funciones, de tal forma que estén

representados todos los estados que la variable tome.

• Cierto grado de cruzamiento entre las funciones para no tener

estados pobremente definidos.

• Se parte con funciones simétricas, es decir números impares.

 132

5.4.2 PRIMER CASO DE ESTUDIO.

REGLAS DE CONTROL.

Para definir las reglas de base del controlador fuzzy, se considera la

siguiente notación:

• Variables lingüísticas de entrada.- Se asignaron tres valores:

negativo, cero y positivo.

• Variable lingüística de salida.- Se asignaron tres valores:

negativo, cero y positivo.

E
Δe
Negativo cero positivo
10
negativo Negativo negativo Cero
cero Negativo cero positivo
positivo Cero positivo positivo

11 Tabla 5.6: Reglas de control primer caso de estudio.

FUNCIONES DE PERTENENCIA.

El rango de la función de pertenencia del error está entre [-10,10].

El rango de la función de pertenencia de la derivada del error está

entre [-10,10].

El rango de la función de la salida u está entre [-100,100].

La forma de las funciones de pertenencia son de tipo triangular.

 133

Una vez definidas las funciones de pertenencia de las variables de

entrada y salida se puede ingresar el conjunto de reglas definidas en la

tabla 5.6, para el primer caso de estudio se generan nueve reglas.

Figura 86 Figura 5.36: Reglas del primer caso de estudio.

MECANISMO DE INFERENCIA.

El método empleado para el mecanismo de inferencia es por factores

de confianza. Dependiendo de las variables de entrada se obtiene un

factor de confianza por cada regla para la variable de salida. Se empleó

el operador lógico and como mínimo entre estos factores.

A continuación se muestra el estado de las reglas de control ante

combinaciones en las variables de entrada.

 134

Figura 87 Figura 5.37: Reglas de control primer caso de estudio ante combinaciones en las
variables de entrada.

Para la defusificación se empleó el método de Mamdani. Una vez que

se ha creado el controlador se puede observar la superficie que

representa la salida del controlador en función del error y la derivada del

error.

Figura 88 Figura 5.38: Salida del controlador en función de las variables de entrada para el
primer caso de estudio.
 135

Se genera un archivo en Matlab con la extensión .fis para luego ser

implementado mediante diagrama de bloques en simulink. El código en

Matlab que se obtiene para el controlador del primer caso de estudio es

el siguiente:

[System]
Name='prueba_p1'
Type='mamdani'
Version=2.0
NumInputs=2
NumOutputs=1
NumRules=9
AndMethod='min'
OrMethod='max'
ImpMethod='min'
AggMethod='max'
DefuzzMethod='centroid'

[Input1]
Name='error'
Range=[-10 10]
NumMFs=3
MF1='negativo':'trimf',[-18 -10 0]
MF2='cero':'trimf',[-6 0 6]
MF3='positivo':'trimf',[0 10 19.58]

[Input2]
Name='derivada'
Range=[-10 10]
 136

NumMFs=3
MF1='negativo':'trimf',[-18 -10 0]
MF2='cero':'trimf',[-6 0 6]
MF3='positivo':'trimf',[0 10 18]

[Output1]
Name='ut'
Range=[-100 100]
NumMFs=3
MF1='negativo':'trimf',[-180 -100 0]
MF2='cero':'trimf',[-75 0 75]
MF3='positivo':'trimf',[0 100 180]

[Rules]
1 1, 1 (1) : 1
1 2, 1 (1) : 1
1 3, 2 (1) : 1
2 1, 1 (1) : 1
2 2, 2 (1) : 1
2 3, 3 (1) : 1
3 1, 3 (1) : 1
3 2, 3 (1) : 1
3 3, 3 (1) : 1

5.4.3 SEGUNDO CASO DE ESTUDIO

REGLAS DE CONTROL.

Las reglas de control fuzzy para el segundo caso de estudio quedan

definidas de la siguiente forma:

 137

Variables lingüísticas de entrada.- Se asignaron cinco valores:

negativo grande (ng), negativo pequeño (np), cero (z), positivo

pequeño (pp) y positivo grande (pg).

Variable lingüística de salida.- Se asignaron siete valores:

negativo grande (ng), negativo mediano (nm), negativo pequeño

(np), cero (z), positivo pequeño (pp), positivo mediano (pm) y

positivo grande (pg).

En base a los valores de las variables de entrada y salida se construye

una matriz de 5x5, que contiene 25 reglas de control.

Δe E
ng Np Z pp Pg
ng ng Ng Nm np z
np ng Nm Np z Pp
z nm Np z pp Pm
pp np z pp pm Pg
pg z Pp pm pg Pg

Tabla 12 Tabla 5.7: Reglas de control segundo caso de estudio.

FUNCIONES DE PERTENENCIA.

El rango de la función de pertenencia del error está entre [-10,10].

• El rango de la función de pertenencia de la derivada del error está

entre [-10,10].

• El rango de la función de la salida u está entre [-100,100].

 138

• La forma de las funciones de pertenencia son de tipo triangulares

en los rangos intermedios y trapezoidales en los extremos.

Figu89 Figura 5.39: Función de pertenencia del error, segundo caso de estudio.

Fi 90 Figura 5.40: Función de pertenencia de la salida, segundo caso de estudio.

 139

En la ventana Rule Editor se ingresan las reglas que en total son

veinticinco.

Figu91 Figura 5.41: Reglas del segundo caso de estudio.

MECANISMO DE INFERENCIA.

El mecanismo de inferencia es el mismo que en el caso anterior, es

decir por factores de confianza. Dependiendo de las variables de

entrada se obtiene un factor de confianza por cada regla para la variable

de salida.

A continuación se muestra el estado de las reglas de control ante

combinaciones en las variables de entrada.

 140

Figura 92 Figura 5.42: Reglas de control segundo caso de estudio ante combinaciones en las
variables de entrada.

Se puede observar la superficie que representa la salida del controlador

en función del error y la derivada del error.

Figura 93 Figura 5.43: Salida del controlador en función de las variables de entrada para el
segundo caso de estudio.
 141

El código en Matlab obtenido mediante el archivo FIS, para el segundo

caso de estudio, es el siguiente:

[System]
Name='prueba_p2'
Type='mamdani'
Version=2.0
NumInputs=2
NumOutputs=1
NumRules=25
AndMethod='min'
OrMethod='max'
ImpMethod='min'
AggMethod='max'
DefuzzMethod='centroid'

[Input1]
Name='error'
Range=[-10 10]
NumMFs=5
MF1='z':'trimf',[-4 0 4]
MF2='pg':'trapmf',[4 8 10 18]
MF3='ng':'trapmf',[-18 -10 -8 -4]
MF4='np':'trimf',[-8 -4 0]
MF5='pp':'trimf',[0 4 8]

[Input2]
Name='derivada'
Range=[-10 10]
 142

NumMFs=5
MF1='ng':'trapmf',[-18 -10 -8 -4]
MF2='z':'trimf',[-4 0 4]
MF3='pg':'trapmf',[4 8 10 18]
MF4='np':'trimf',[-8 -4 0]
MF5='pp':'trimf',[0 4 8]

[Output1]
Name='ut'
Range=[-100 100]
NumMFs=7
MF1='ng':'trapmf',[-180 -100 -75 -50]
MF2='z':'trimf',[-25 0 25]
MF3='pg':'trapmf',[50 75.1 100 180]
MF4='nm':'trimf',[-75 -50 -25]
MF5='np':'trimf',[-50 -25 0]
MF6='pp':'trimf',[0 25 50]
MF7='pm':'trimf',[25 50 75.1]

[Rules]
3 1, 1 (1) : 1
3 4, 1 (1) : 1
3 2, 4 (1) : 1
3 5, 5 (1) : 1
3 3, 2 (1) : 1
4 1, 1 (1) : 1
4 4, 4 (1) : 1
4 2, 5 (1) : 1
4 5, 2 (1) : 1
4 3, 6 (1) : 1
 143

1 1, 4 (1) : 1
1 4, 5 (1) : 1
1 2, 2 (1) : 1
1 5, 6 (1) : 1
1 3, 7 (1) : 1
5 1, 5 (1) : 1
5 4, 2 (1) : 1
5 2, 6 (1) : 1
5 5, 7 (1) : 1
5 3, 3 (1) : 1
2 1, 2 (1) : 1
2 4, 6 (1) : 1
2 2, 7 (1) : 1
2 5, 3 (1) : 1
2 3, 3 (1) : 1

5.4.4 IMPLEMENTACIÓN DEL CONTROLADOR DIFUSO MEDIANTE

SIMULINK.

Al momento de implementar el controlador difuso es importante tener

en consideración el efecto sumatorio del error que produce la acción

integral, por ello se lo incorporará a la salida del controlador difuso. A la

entrada del bloque Fuzzy, irá un controlador PD con ganancias que

permitan ponderar el grado de pertenencia de los conjuntos difusos.

Esto permite mejorar el desempeño del controlador. La salida del

integrador es la señal de control del ventilador, por lo que debe ser

 144

escalada entre los valores que opera la planta, para este caso es entre

1.25 y 2.75 V.

94 Figura 5.44: Implementación del controlador difuso en Simulink.

A continuación se hará el análisis del efecto en la respuesta ante

variaciones en los parámetros Kp, Kd y Ki de la figura 5.44.

Parámetro Kp: Puede tomar valores entre (0.25 y 0.025).

Partiendo de un valor intermedio en el rango indicado, a medida

que aumenta, la respuesta se hace oscilatoria. Cuando se acerca

al valor mínimo del rango, la respuesta se hace más lenta, es

decir aumenta el tiempo de estabilización.

Parámetro Kd: Puede tomar valores entre (10 y 30). Partiendo

de la mitad del rango se observa que a medida que se incrementa

Kd, aumenta el tiempo de estabilización, A medida que Kd

disminuye, aumenta el sobre nivel porcentual y disminuye el

tiempo de estabilización.
 145

Parámetro Ki: Puede tomar valores entre (0.2 y 1). Partiendo de

la mitad del rango, se observa que cuando Ki aumenta,

disminuyen el sobre nivel porcentual y el tiempo de

estabilización. A medida que Ki disminuye, aumentan el sobre

nivel porcentual y el tiempo de estabilización.

Los parámetros de sintonización que dieron una respuesta similar a las

obtenidas mediante los controladores PID convencionales, se detallan

a continuación:

78 = 0.08 7: = 20 7l = 0.5

Con estos valores, se obtiene la respuesta del sistema para los dos

casos de controladores fuzzy calculados previamente.

a) Respuesta del primer caso, con tres valores para las variables de

entrada, tres valores para la variable de salida y nueve reglas.

 146

Figura 95 Figura 5.45: Respuestas del controlador difuso del primer caso de estudio.

b) Respuesta del segundo caso, con cinco valores para las

variables de entrada, siete valores para la variable de salida y

veinticinco reglas.
 147

96 Figura 5.46: Respuestas del controlador difuso del segundo caso de estudio.

Del análisis de los dos casos de estudio podemos observar que la respuesta

del sistema depende del número de funciones de pertenencia y el número de

reglas, por ello que el segundo caso al contener más funciones de pertenencia

y reglas, presenta menor tiempo de estabilización y sobre nivel porcentual que

el primer caso. La siguiente tabla muestra el desempeño de los controladores.

Error de Número
Tiempo de Sobre nivel
Tipo de Controlador estado de
estabilización Porcentual
estacionario reglas
FUZZY PRIMER CASO 1545 s 0.76 0 9
FUZZY SEGUNDO
830 s 0.57 0 25
CASO

13Tabla 5.8: Respuestas del controlador difuso del primer y segundo caso de estudio.
 148

5.5 DISEÑO DE PRUEBAS.

Para evaluar el desempeño de los controladores PID y Difuso previamente

sintonizados, se tomarán en cuenta los siguientes índices que permiten

cuantitativamente tener una idea del comportamiento del sistema de control

[30].

• Error Máximo.- Uno de los criterios de desempeño es el porcentaje de

error máximo (PEM) o también llamado sobre nivel porcentual, la

ecuación está dada por:

100 y (max) − r (t )
PEM = (5.12)
r (t )

• Tiempo de Establecimiento.- Es el tiempo (tss) requerido por el

sistema para que el error entre en una banda del ±2% del valor

deseado.

• Integral del error absoluto.- Brinda el área bajo la curva del error y

está definido por:

tf
1
emedio =
t f − ti ∫ y (t ) − r (t )
ti
(5.13)

• Valor medio de la señal de control.- Está definido por la siguiente

expresión:

tf
1
t f − ti ∫ti
umedio = [Link] (5.14)
 149

• Derivada de la señal de control.- Representa la rapidez con la que

cambia la señal con respecto al tiempo, está definido por:

' tf
1
u= ∫
t f − ti ti
| du |
dt (5.15)

Se considerará como el desempeño o comportamiento dinámico requerido del

lazo de control, al que sea óptimo respecto a la funcionalidad de costo que

penaliza la integral del error definida como e_medio. Esta función debe

evaluarse tanto para cambios en el valor deseado, como en perturbaciones al

sistema de control.

Tomando en consideración los índices mencionados previamente, se

establece la siguiente tabla para realizar el análisis del desempeño de los

controladores PID y Difuso.

Referencia
Tss (seg) PEM (%) e_medio u_medio du/dt
(°C)
PID FUZZY PID FUZZY PID FUZZY PID FUZZY PID FUZZY
56 (ΔT=0)
58 (ΔT=2)
57 (ΔT=-1)
55 (ΔT=-2)
56 (ΔT=1)
55 (Pert.)
56 (Pert.)

14 Tabla 5.9: Banco de pruebas para el desempeño de los controladores PID y Fuzzy.
 CAPITULO VI

ANÁLISIS DE RESULTADOS

6.1 PRUEBAS DEL DESEMPEÑO DEL SISTEMA DE CONTROL CLASICO

(PID) VS. CONTROL CON LÓGICA DIFUSA EN LA TORRE DE

ENFRIAMIENTO DE LA PLANTA DE PROCESOS.

Con los valores de referencia de temperatura de la tabla 5.9 se procederá a

probar el desempeño de los controladores y se cuantificará los resultados

obtenidos con los índices de desempeño establecidos en la sección 5.5.

Para las pruebas del control de temperatura en el rango de 55 a 60 °C, se

trabaja en el rango de operación lineal de la planta, para ello se debe

establecer como condición los valores descritos en la tabla 4.4.

 151

Al sistema se lo puede perturbar de diferentes formas, por ejemplo variar el

flujo del producto o del agua que circula a través de la torre de enfriamiento,

pero la perturbación más significativa se da cuando se ingresa agua fresca a

la torre de enfriamiento, esto es para completar el nivel en el tanque de agua

enfriada producto de las perdidas por evaporación.

6.1.1 CONTROLADOR PID.

La implementación del controlador PID en la planta real se realiza en simulink

mediante el siguiente diagrama de bloques.

Fi97 Figura 6.1: Implementación mediante simulink del controlador PID en la planta real.

Se establece un bloque para seleccionar entre el controlador PID no interactivo

y el controlador PID con anti windup. La salida del PID dará como resultado

una señal entre 0-100%, luego será escalada a voltaje. El voltaje que viene del
 152

controlador PID ingresa al variador de corriente directa para el control de la

velocidad del ventilador. La velocidad promedio de ventilación será de acuerdo

a la temperatura que se establezca como referencia.

Para la implementación del controlador se establece como tiempo de muestreo

un segundo. Se toma como punto de partida los parámetros del controlador

hallados mediante la planta simulada, estos valores se ajustan hasta tener una

respuesta aceptable, según los criterios de diseño.

Los valores de los parámetros a los que se ajustó el controlador PID no

interactivo son:

7 = 10; 1 = 2800; 1# = 100

La prueba realizada con el controlador PID arrojó los siguientes resultados:

 153

Ajuste de Kp y Ti

Perturbaciones
Temperatura [°C]

F98 Figura 6.2: Respuesta de la planta con el controlador PID no interactivo.

Los resultados obtenidos con los índices mencionados en la sección 5.5 con

el controlador PID se muestran en los gráficos a continuación:

 154

99 Figura 6.3: Error del controlador PID no interactivo en la planta real.

100 Figura 6.4: Error absoluto medio PID.

 155

101 Figura 6.5: Valor medio de la señal de control u Controlador PID

102 Figura 6.6: Rapidez de variación de la señal de control u Controlador PID.

 156

6.2.2 CONTROLADOR DIFUSO.

La implementación del controlador difuso se realiza utilizando simulink,

mediante el siguiente diagrama de bloques:

Fi103 Figura 6.7: Implementación mediante simulink del controlador Difuso en la planta
real.

En el diagrama de bloque se observa que existe un bloque de procesamiento

previo para el controlador difuso, en este bloque se colocan ganancias para el

error y la derivada del error, que fueron ajustadas con la planta simulada. En

la parte de procesamiento se coloca el bloque integral junto con su respectiva

ganancia. La señal procesada del controlador difuso va al bloque donde se

escala a valores de voltaje para el control del drive del ventilador.

 157

Para probar el desempeño del controlador difuso se utiliza la misma señal de

referencia que se utilizó para el controlador PID. La respuesta que se obtuvo

al implementar el controlador difuso, se muestra en la figura 6.8.

Perturbaciones

104 Figura 6.8: Respuesta de la planta con el controlador Difuso.

Para probar el desempeño del controlador difuso y luego compararlo con el

PID, se utilizan los índices descritos en la sección 5.5. Se analizará el error,

valor absoluto del error medio, valor medio de la señal de control y la derivada

de la señal de control.
 158

Error Controlador Fuzzy

2

1.5

0.5

-0.5

-1

-1.5

-2
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo [seg]
105 Figura 6.9: Error del controlador Fuzzy en la planta real

106 Figura 6.10: Error absoluto medio Fuzzy.

 159

107 Figura 6.11: Valor medio de la señal de control u Controlador Fuzzy.

Derivada de la señal de control FUZZY

0.07

0.06

0.05
|du/dt| medio

0.04

0.03

0.02

0.01

0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo [s]
108 Figura 6.12: Rapidez de variación de la señal de control Controlador Fuzzy.
 160

6.2 RESULTADOS Y ANÁLISIS DE LAS PRUEBAS.

Una vez realizadas las pruebas para los controladores PID y Fuzzy, se

proceden a cuantificar los índices de desempeño con el propósito de realizar

el análisis comparativo de ambos controladores. Los resultados de los índices

de desempeño obtenidos de la implementación de los controladores se

muestran en la tabla 6.1.

Referencia
Tss (seg) PEM (%) e_medio u_medio du/dt
(°C)
PID FUZZY PID FUZZY PID FUZZY PID FUZZY PID FUZZY
56 (ΔT=0) 635 735 0,341 0,589 0,087 0,125 1,959 1,912 0,199 0,012
58 (ΔT=2) 875 1121 0,448 0,637 0,256 0,386 1,701 1,71 0,689 0,013
57 (ΔT=-1) 644 445 0,421 0,614 0,098 0,234 1,818 1,894 0,994 0,014
55 (ΔT=-2) 704 990 0,273 0,764 0,134 0,404 1,917 1,916 0,842 0,013
56 (ΔT=1) 732 840 0,572 0,535 0,115 0,273 1,699 1,697 0,553 0,013
55 (Pert.) 399 379 0,254 0,578 0,021 0,032 1,917 1,919 0,206 0,013
56 (Pert.) 697 378 0,785 0,821 0,044 0,228 1,701 1,712 0,182 0,013

15 Tabla 6.1: Resultados de las pruebas de los controladores.

El análisis de cada uno de los índices de desempeño es el siguiente:

• Tiempo de estabilización (Tss): Cuando hay cambios en la referencia

de temperatura el controlador PID presenta menor tiempo de

estabilización que el controlador difuso, la diferencia entre el tiempo de

estabilización del controlador PID y difuso es menor a 250 segundos.

Sin embargo cuando hay una perturbación en el sistema el tiempo de

estabilización es muy similar para ambos controladores.

 161

• Porcentaje de error máximo (PEM): Comparando ambos

controladores, se observa que el error máximo es mayor para el

controlador difuso, esto es debido a que la señal que sale del

controlador difuso varía entre -100 y 100, en este rango el controlador

difuso hace un barrido dependiendo del error, por ello se obtuvo una

respuesta oscilatoria de la temperatura de la glicerina alrededor del

valor fijado en la referencia (figura 6.8). En cambio la señal del

controlador PID varía entre 0 y 100%, se observa la respuesta con

menor porcentaje de sobre pico en la figura 6.2.

• Error medio: En el caso del promedio del error se observan valores

similares para ambos controladores, siendo un poco mayor el del

controlador difuso.

• Valor medio de la señal de control: Se observa que en cada una de

las referencias de temperatura y en las perturbaciones, el valor

promedio de la señal de control es igual para ambos controladores.

• Rapidez de cambio de la señal de control: La rapidez de cambio de

la señal de control PID es mucho mayor que la del controlador difuso,

ante cambios en la referencia la señal de control del PID cambia muy

rápido producto de la acción integral para hacer que el error en estado

estacionario sea cero. Mientras mayor es el error más rápido cambia la

señal de control del PID, en cambio en el controlador difuso se observa

que el cambio en la señal de control es el mismo en todas las

 162

referencias y perturbaciones establecidas en el banco de pruebas. Por

ello la diferencia en el tiempo de estabilización del controlador PID y

difuso.

6.3 GENERALIZACIÓN DE LOS RESULTADOS.

Los resultados muestran que los controladores PID y Difuso controlan la

temperatura de la Glicerina y la del agua que circula en la torre de enfriamiento

en el rango de 55 a 60 °C.

La selección de con que controlador se va a trabajar dependerá de la precisión

con la que se desea que el sistema opere. Como se pudo observar el rango

de oscilación alrededor de la referencia de temperatura y el tiempo de

estabilización es mayor con el controlador difuso que con el PID. El valor

promedio el error es similar para ambos controladores.

Si se desea que el sistema responda rápido ante cambios de referencia el PID

es muy útil, dependiendo de la diferencia del error varia la rapidez de cambio

de la señal de control. El controlador difuso presenta la misma rapidez de

cambio ante variaciones en la referencia dentro del rango de control del

sistema.

Es importante cuantificar la potencia promedio del ventilador de la torre de

enfriamiento con los controladores, con el propósito de determinar si se

disminuye el consumo energético.

 163

El voltaje promedio de trabajo de la señal de control para ambos controladores

es de 1.82 V, con la tabla 6.3 podemos observar que el voltaje que se aplica

al ventilador con esta señal de control es en promedio 4 V, es decir la tercera

parte del voltaje nominal.

PWM V_CONTROL V_OUT

0 1,25 0
20 1,55 2
40 1,85 4
60 2,15 6
80 2,45 8,5
100 2,75 10,8

16 Tabla 6.2: Voltajes de operación de tarjeta de control PWM.

La potencia promedio de trabajo del ventilador con los controladores es la

novena parte de la potencia nominal de 80 [w]. Para el control de temperatura

entre 55 y 60 °C se necesita en promedio una potencia de 8.88 [w]. Con esto

se observa que al implementar el control de temperatura en el sistema se tiene

ahorro energético.
 164

CONCLUSIONES Y RECOMENDACIONES

CONCLUSIONES:

1. Mediante pruebas de funcionamiento se observó que la planta de

tratamiento térmico de líquidos presenta un comportamiento estable, es

decir existen valores máximos y mínimos a los cuales llega la

temperatura del producto. Partiendo de que el sistema es estable, se

realizaron los estudios posteriores de los controladores PID y Difuso.

2. La interfaz gráfica en Labview permitió monitorear las variables de la

planta, escalar las señales provenientes de los diversos sensores de la

planta así como escalar las salidas a los actuadores. La interfaz permitió

almacenar los datos para posterior procesamiento y análisis.

3. Para analizar el aporte de enfriamiento entre la válvula y el ventilador

se realizaron siete pruebas experimentales, dando como resultado que

el ventilador aporta más extracción de calor del agua caliente que la

válvula reguladora de flujo. Por esta razón se dejó fija la válvula con una
 165

apertura del 20 %, para que el sistema opere de forma lineal y controlar

únicamente la velocidad del ventilador.

4. En vista de que resultó complicado modelar el sistema mediante

ecuaciones diferenciales, se optó por identificar la planta y se obtuvo un

modelo que describe la dinámica del sistema mediante la estimación

paramétrica Box Jenkin (BJ22321). Las razones por la que se escogió

este modelo fue por la parsimonia, por estar dentro de los intervalos de

confianza y por tener el mejor porcentaje de similitud con el modelo real.

Este modelo se utilizó para el diseño de los controladores PID y Difuso.

5. Se diseñaron diversos controladores PID basados en los algoritmos

Interactivo, No Interactivo y Anti windup. De todos ellos el que se

escogió para implementarlo en la planta mediante Simulink fue el

controlador PID No Interactivo. La selección se realizó basándose en el

tiempo de respuesta del sistema ante cambios en la referencia y

perturbaciones,

6. Se diseñaron dos controladores difusos, uno basado en nueve reglas

con tres funciones de membresía para las entradas y salidas, para el

segundo controlador se utilizaron veinticinco reglas con cinco funciones

de membresía en la entrada y siete a la salida. El controlador difuso que

fue implementado en la planta fue el que tenía veinticinco reglas de

control, la razón fue por el tiempo de estabilización que era menor que

el primer caso de estudio.

 166

7. El banco de pruebas que se diseño sirvió para probar el desempeño de

los controladores PID y Difuso ante cambios en la referencia y

perturbaciones. Los índices de desempeño establecidos permitieron

cuantificar la respuesta de los controladores implementados en la planta

real.

8. Los resultados obtenidos de la implementación de ambos controladores

muestran que se puede controlar la temperatura de la Glicerina y del

agua a través de la torre de enfriamiento en el rango de 55 a 60 °C, este

es el rango de operación lineal de la planta que fue determinado

mediante pruebas experimentales.

9. Los indicadores muestran que el controlador PID presenta mejor

desempeño que el controlador Difuso ante cambios en la referencia y

perturbaciones, esto es debido a que la rapidez de cambio de la señal

de control del PID es mayor que el controlador Difuso. Sin embargo los

índices de los valores promedios del error y la señal de control del

ventilador, son muy similares.

10. Los resultados obtenidos mediante el banco de pruebas, muestran que

el voltaje promedio que se aplica al ventilador con los controladores PID

y Difuso es de 4V, es decir que hubo un ahorro energético de la novena

parte de la potencia nominal.

 167

RECOMENDACIONES:

1. Para realizar este trabajo se escogió un rango de operación donde el

sistema sea lineal, para ello se fijaron ciertas condiciones. Si se desea

realizar otros experimentos se puede escoger diferentes rangos de

operación donde el sistema puede ser lineal o no lineal, de ello

dependerá el algoritmo que se utilice para controlar el sistema.

2. Algo que se observó al realizar los experimentos, fue que la cantidad de

agua que se evapora producto de la extracción de calor es considerable

para la dimensión del tanque de depósito de agua de la torre de

enfriamiento, por lo que a futuro podría instalarse un sistema de aporte

de agua con control de nivel.

3. Al realizar las pruebas del controlador es importante fijar como

referencia los valores establecidos para que la planta opere en el rango

lineal establecido en este trabajo, fuera de este rango puede que los

controladores no funcionen de forma correcta.

4. Se escogió como aporte de calor al sistema una llama que funciona a

gas, la potencia de la llama dependerá del nivel de gas en el tanque,

por ello es importante observar la temperatura del agua caliente. Si no

hay buen aporte de calor el sistema tardaría mucho en responder

cuando se fija como referencia una temperatura mayor a la que se esté

trabajando, esto podría provocar no linealidad.

 168

5. Con el controlador PID evitar dar cambios en la referencia de

temperatura con pasos mayores a cuatro grados Celsius, ya que se

satura la señal de control y no se puede alcanzar la referencia en el

tiempo que se desea que el sistema se estabilice, si se desean cambios

mayores a cuatro grados se deben dar pasos progresivos de dos grados

hasta alcanzar la referencia que debe estar dentro del rango de

linealidad de la planta.

6. Con el controlador difuso al hacer cambios en la referencia no se satura

la señal de control, pero la respuesta será mucho más lenta comparada

con la que se obtendría con el PID.

7. Para probar el desempeño de los controladores se escogió como

perturbación ingresar agua fresca al tanque de almacenamiento de

agua de la torre de enfriamiento, pero se pueden escoger otras

perturbaciones como variar el flujo del producto o el flujo del agua a

través de la torre de enfriamiento, otra perturbación podría ser la

temperatura ambiente.

8. Se puede diseñar una interfaz gráfica de usuario GUI en Matlab para la

implementación de los controladores, ya que la interfaz gráfica de

usuario que se realizó en Labview solo permite monitorear las variables

provenientes de los sensores y manipular los actuadores.

9. La implementación de los controladores PID y Difuso también se puede

realizar mediante microcontroladores. Utilizando filtros electrónicos, se

 169

puede mejorar la lectura de las señales provenientes de los sensores.

Con los microcontroladores ya no se tendría que tener conectado el

computador para poder ejercer alguna acción de control, lo que si

sucede cuando se implementa un controlador con Simulink.

10. Para aumentar el tiempo de contacto entre el agua y el aire, se podría

colocar el relleno que va al interior de las torres de enfriamiento

industriales.

11. Para diseñar un controlador PID se debe utilizar la función de

transferencia de la planta, mientras que para diseñar un controlador

difuso se debe tener cierto grado de experiencia del proceso, de esa

forma resulta más sencillo establecer las reglas de control.

 170

BIBLIOGRAFÍA

[1] A. FOUST, PRINCIPLES OF UNIT OPERATIONS, Second Edi. 1980.

[2] F. Carías, “ANÁLISIS TERMODINÁMICO Y PROPUESTA DE MEJORA

DE EFICIENCIA DE TORRE DE ENFRIAMIENTO, EN EL ÁREA DE

COGENERACIÓN, INGENIO TULULÁ,” Universidad de San Carlos de

Guatemala , 2010.

[3] R. Perry and D. Green, Chemical Engineers Handbook. McGraw-Hill,

1994.

[4] J. Ortiz, Herdy Briceño, “Automatización de una torre de enfriamiento,”

Universidad simón bolívar decanato de estudios profesionales

coordinación de ingeniería de materiales, 2012.

[5] J. Maldonado, “DISEÑO Y FUNCIONMIENTO DE LAS TORRES DE

ENFRIAMIENTO EN PLANTAS DE PROCESO,” UNIVERSIDAD

MICHOACANA DE SAN NICOLÁS DE HIDALGO , 2006.

[6] L. Martinez and F. Calzada, “DISEÑO DE UN SISTEMA INDUSTRIAL

DE ENFRIAMIENTO CON AGUA DE REFRIGERACIÓN PARA UN

COMPLEJO INDUSTRIAL EN LIMA, PERÚ,” ESCUELA TÉCNICA

SUPERIOR DE INGENIERIA (ICAI) , 2012.

[7] C. Salas, “Torres de enfriamiento de agua,” UNIVERSIDAD DE LOS

 171

ANDES VENEZUELA, 2012.

[8] J. Restrepo, “DISEÑO OPERACIONAL DE UNA TORRE DE

ENFRIAMIENTO ADIABÁTICA DE AGUA DE TIRO MECÁNICO

INDUCIDO CONTRACORRIENTE A ESCALA DE LABORATORIO,”

UNIVERSIDAD INDUSTRIAL DE SANTANDER, 2011.

[9] Gonzales Núñez, “Estudio Comparativo de los Intercambiadores de

Calor de Coraza-tubos y los de Placas Planas,” UNIVERSIDAD

NACIONAL MAYOR DE SAN MARCOS, 2007.

[10] A. Jaramillo, “INTERCAMBIADORES DE CALOR,” p. 33, 2007.

[11] P. Abarca, “Sistemas de Control Automático,” El ABC LA Autom., pp. 1–

2, 2012.

[12] W. Walker, Principles of Chemical Enginnering. McGraw-Hill, 1923.

[13] F. Merkel, Verdunstungskuhlung. Berlin: VDI Forschungsarbeiten, 1925.

[14] Al-Nimr, “Modeling the dynamic thermal behavior of cooling towers

containing packing materials. heat transfer engineering,” 1999.

[15] Milosavljevic, “A comprehensive approach to cooling tower design.

Applied Thermal Engineering,” pp. 899–915, 2001.

[16] C. Kloppers and G. Krö Ger, “A critical investigation into the heat and

mass transfer analysis of counterflow wet-cooling towers,” 2004.

 172

[17] C. Kloppers and G. Kröger, “The Lewis factor and its influence on the

performance prediction of wet-cooling towers,” Int. J. Therm. Sci., vol. 44,

pp. 879–884, 2005.

[18] P. Fisenko and A. Brin, “Simulation of a cross - flow cooling tower

performance,” 2007.

[19] C. Kranc, “Optimal spray patterns for counterflow cooling towers with

structured packing,” Appl. Math. Model., 2007.

[20] D. Alean, A. Gutiérrez, F. Chejne, and J. Bastidas, “Simulación de una

Torre de Enfriamiento Mecánica Comparada con Curvas

Experimentales,” Inf. Tecnológica, 2009.

[21] Khan, M. Yaqub, and M. Zubair, “Performance characteristics of counter

flow wet cooling towers,” 2003.

[22] F. Osterle, “On the analysis of counter-flow cooling towers,” Int. J. Heat

Mass Transf. 34, pp. 1316–1318, 1991.

[23] L. Xiao, “Dynamic Modeling of Mechanical Draft Counter-Flow Wet

Cooling Tow,” University of Wisconsin-Milwaukee, 2010.

[24] P. Tremante and E. Brea, “Una visión de la teoría difusa y los sistemas

difusos enfocados al control difuso,” vol. IV, pp. 121–136, 2014.

[25] B. Kosko, Neural Networks and Fuzzy Systems: A Dynamical Systems

 173

Approach to Machine Intelligence. Englewood Cliffs: Prentice- Hall,

1992.

[26] E. Guillama, “DISEÑO DE ESTRATEGIAS DE CONTROL DE UNA

TORRE DE ENFRIAMIENTO PARA DISMINUIR EL CONSUMO

ENERGETICO,” Instituto Superior Politécnico José Antonio Echevarría,

2010.

[27] V. Mazzone, “Controladores PID,” 2012.

[28] S. Kouro and R. Musalem, “Control mediante lógica difusa,” Técnicas

Mod. Autom., pp. 1–7, 2002.

[29] E. Kassir, “SISTEMAS DE CONTROL DIFUSO,” 2002.

[30] V. Alfaro, “CONTROLADORES PID QUE OPERAN COMO

REGULADORES,” vol. 12, no. 2, pp. 21–36, 2002.