1 Métodos clásicos de

Modelado de procesos

1.1 Introducción
El término identificación de procesos adoptado en la década de los sesenta en el ámbito de los
especialistas de Ingeniería de Sistemas y Automática, podría ser definido como el conjunto de
estudios, teorías y algoritmos que permiten obtener la estructura y los parámetros de un modelo
matemático (generalmente dinámico) que reproduce, con suficiente exactitud para los fines de
control automático, las variables de salida del proceso o sistema real objeto de estudio ante el
mismo conjunto de variables de entrada.
Los objetivos concretos que se persiguen mediante la identificación de un proceso
determinado, desde nuestro punto de vista, pueden ser de tres tipos, a saber:

1. Estudio preliminar de un proceso tecnológico. Generalmente se utilizan técnicas de

simulación con vistas a diseñar el sistema de control para reducir el número de alternativas
posibles y eventualmente hacer una estimación inicial aproximada de algunos parámetros
del regulador.

2. Ajuste sobre la marcha de los parámetros del regulador sobre la base de una identificación
recursiva de los parámetros del modelo.

3. Uso del modelo como parte del algoritmo de control, generalmente haciendo las veces de
predictor de salidas futuras. Un ejemplo simple de esto es el conocido predictor de Smith
para la compensación del retardo puro existente en muchos lazos de control.

En sistemas cuyos elementos tienen un comportamiento conocido es posible, en función de

las ecuaciones físicas que ligan sus variables, obtener estas relaciones matemáticas, llegando de
este modo a los conocidos como modelos de primeros principios. En la mayoría de los casos
estas ecuaciones no son físicamente deducibles y la identificación exige de un conjunto de
experiencias sobre el sistema que permitan la determinación indirecta de las ecuaciones o lo
que es igual, de su estructura y de sus parámetros. A este tipo de modelos se les podría
clasificar, de forma general, como modelos de "caja negra".
1
 En ocasiones, sistemas que se excitan con las mismas variables de entrada en dos instantes
diferentes, no producen las mismas respuestas. Aparece, pues, la necesidad de considerar la
existencia de sistemas de parámetros variables con el tiempo. Este hecho introduce dos
importantes variante en la identificación como proceso a llevar a cabo:

• Fuera de línea, cuando se tiene la seguridad de que no van a producirse cambios a lo largo del
tiempo en la estructura y parámetros del modelo considerado. También cuando el grado de
aproximación requerido es suficiente si se considera un modelo simple que sea capaz de
reproducir con fidelidad, alguna de las características esenciales del proceso (ganancia,
retardos, constantes de tiempo dominantes, ...).
• En línea, cuando se desea reproducir más fielmente el comportamiento del proceso y por
tanto tienda a la reproducción exacta del mismo, bajo diferentes circunstancias.

La consideración de una u otra posibilidad determina la necesidad de aplicar unas u otras

teorías y algoritmos de identificación, que serán tratados en lo sucesivo en este libro.
Es muy importante considerar que la identificación de procesos debe asumir la condición
de linealidad en los parámetros (constantes o variables con el tiempo) de los modelos que se
deduzcan. En primer lugar, para evitar las graves dificultades asociadas a la teoría del control
de procesos no lineales y en segundo lugar, porque la aproximación lineal resulta plausible en
muchos casos. No obstante, algunos tipos de no linealidades simples y frecuentes en Ja
práctica, tales como saturación, zonas muertas, histéresis, juego mecánico y otras se tienen en
cuenta, sobre todo, en los estudios de simulación.
Independientemente del objetivo de la identificación o del enfoque y métodos utilizados,
es necesario tener siempre en cuenta que puede existir una distancia considerable entre un
modelo matemático, por sofisticado que éste sea, y el proceso real. A menudo se ha caído en el
error de exagerar la verosimilitud del modelo identificado y se han construido, sobre la base de
éste, teorías y métodos de control muy elaboradas y elegantes desde el punto de vista
matemático, que después han fallado lastimosamente en la práctica.
La experiencia y el sentido común recomiendan hacer un uso cauteloso del modelo
resultante de una identificación y tener siempre presente que la realidad puede ser mucho más
compleja que cualquier modelo.
En el presente capítulo vamos a hacer una rápida revisión de algunos métodos clásicos de
identificación de procesos que han sido utilizados con éxito en la práctica y que aún hoy siguen
siendo útiles en muchos casos, sobre todo por su simplicidad. El contenido del capítulo está
organizado de la forma siguiente: en el Epígrafe 1.2 se discuten los principales métodos o
enfoques utilizados en la identificación de procesos. En el Epígrafe 1.3 se revisan las técnicas
experimentales de identificación basadas en la respuesta a la señal escalón, que hasta nuestros
días sigue siendo la solución más utilizada en la práctica industrial. También en esta sección se
encuentran equivalencias útiles entre los modelos continuos y discretos de primer y segundo
orden, y se introducen los modelos convolutivos. En el Epígrafe 1.4 se realiza una introducción
al uso de las señales aleatorias para la identificación, no sin antes hacer un breve repaso a
algunos conceptos clásicos de la dinámica estadística como son las funciones de
autocorrelación y correlación cruzada. En esta sección también se presentan las llamadas
señales binarias pseudo-aleatorias y el uso de la transformada rápida de Fourier para la
identificación de la función de transferencia de un sistema. A lo largo del capítulo se discuten
varios ejemplos ilustrativos.

1.2 Métodos de identificación

De una forma más precisa que la expresada en el punto anterior para definir el concepto de
Identificación de Procesos y teniendo en cuenta los objetivos que se persiguen, así como los
recursos e información disponibles, se pueden abordar distintos enfoques o métodos de
identificación:

1- Identificación analítica o de primeros principios. Consiste en desarrollar un modelo basado

en las relaciones físico-químicas del proceso a identificar, planteando ecuaciones cinemáticas,
dinámicas, de balance de masa, de energía, de cinética química, etc. Este enfoque conduce
generalmente a modelos complejos y no lineales que deben ser sometidos a un proceso de
simplificación y linealización. El inconveniente principal de este enfoque consiste en que se
requiere un conocimiento muy especializado sobre la tecnología del proceso, no siempre
disponible.

2. Identificación experimental mediante señales especiales. Este enfoque, que algunos autores
denominan como identificación clásica, resulta generalmente el más directo y el que permite
obtener el modelo de un proceso a más corto plazo. Las señales utilizadas con más frecuencia
son los escalones y las llamadas secuencias binarias pseudoaleatorias. También se han hecho
intentos con rampas, sinusoides e impulsos. La restricción más importante de esta solución es
la necesidad de introducir señales de prueba que perturban de manera indeseable al proceso, y
que a menudo tropiezan con la resistencia de los operadores de planta. \3na limitación muy
importante de estos métodos es que, como resultado del proceso de identificación, se obtienen
exclusivamente modelos determinísticos, sin considerar los posibles modelos de perturbación,
lo que redunda en un grado de aproximación, en ocasiones excesivo, no apropiado para el
desarrollo de estrategias de control sofisticadas.

3. Identificación paramétrica. El método más común de identificación paramétrica está basado

en los denominados métodos de minimización del error de predicción, derivados de la
tradicional teoría de mínimos cuadrados. La adaptación de esta teoría a la Identificación de
Procesos se basa en aceptar como cierto de que el proceso puede ser representado por un
modelo de estructura fija, generalmente una ecuación lineal en diferencias, lo que implica que
dicho modelo tiene naturaleza discreta. La aplicación de este algoritmo puede hacerse fuera de
línea o no recursiva, mediante el uso de toda la información disponible de entrada y salida del
proceso para determinar un modelo invariante en el tiempo. También puede hacerse de forma
recursiva, de manera que partiendo de una estimación inicial, generalmente arbitraria, de los
parámetros del modelo se va actualizando y mejorando con cada nueva información de entrada
y salida obtenida, lo que permite obtener una estimación de parámetros variables con el tiempo.
Resulta obvio que la Identificación recursiva está especialmente concebida para usarse dentro
de lo que se ha venido en llamar en la bibliografía especializada Bucle de control adaptativo.
identificación de la función de transferencia de un sistema. A lo largo del capítulo se discuten
varios ejemplos ilustrativos.

1.2 Métodos de identificación

De una forma más precisa que la expresada en el punto anterior para definir el concepto de
Identificación de Procesos y teniendo en cuenta los objetivos que se persiguen, así como los
recursos e información disponibles, se pueden abordar distintos enfoques o métodos de
identificación:

1. Identificación analítica o de primeros principios. Consiste en desarrollar un modelo basado

en las relaciones físico-químicas del proceso a identificar, planteando ecuaciones cinemáticas,
dinámicas, de balance de masa, de energía, de cinética química, etc. Este enfoque conduce
generalmente a modelos complejos y no lineales que deben ser sometidos a un proceso de
simplificación y linealización. El inconveniente principal de este enfoque consiste en que se
requiere un conocimiento muy especializado sobre la tecnología del proceso, no siempre
disponible.

2. Identificación experimental mediante señales especiales. Este enfoque, que algunos autores
denominan como identificación clásica, resulta generalmente el más directo y el que permite
obtener el modelo de un proceso a más corto plazo. Las señales utilizadas con más frecuencia
son los escalones y las llamadas secuencias binarias pseudoaleatorias. También se han hecho
intentos con rampas, sinusoides e impulsos. La restricción más importante de esta solución es
la necesidad de introducir señales de prueba que perturban de manera indeseable al proceso, y
que a menudo tropiezan con la resistencia de los operadores de planta. Una limitación muy
importante de estos métodos es que, como resultado del proceso de identificación, se obtienen
exclusivamente modelos determinísticos, sin considerar los posibles modelos de perturbación,
lo que redunda en un grado de aproximación, en ocasiones excesivo, no apropiado para el
desarrollo de estrategias de control sofisticadas.

3. Identificación paramétrica. El método más común de identificación paramétrica está basado

en los denominados métodos de minimización del error de predicción, derivados de la
tradicional teoría de mínimos cuadrados. La adaptación de esta teoría a la Identificación de
Procesos se basa en aceptar como cierto de que el proceso puede ser representado por un
modelo de estructura fija, generalmente una ecuación lineal en diferencias, lo que implica que
dicho modelo tiene naturaleza discreta. La aplicación de este algoritmo puede hacerse fuera de
línea o no recursiva, mediante el uso de toda la información disponible de entrada y salida del
proceso para determinar un modelo invariante en el tiempo. También puede hacerse de forma
recursiva, de manera que partiendo de una estimación inicial, generalmente arbitraria, de los
parámetros del modelo se va actualizando y mejorando con cada nueva información de entrada
y salida obtenida, lo que permite obtener una estimación de parámetros variables con el tiempo.
Resulta obvio que la Identificación recursiva está especialmente concebida para usarse dentro
de lo que se ha venido en llamar en la bibliografía especializada Bucle de control adaptativo.
 A diferencia de los métodos de Identificación clásica, los de Identificación paramétrica
permiten caracterizar de forma más ajustada a los modelos, ya que incorporan en su estructura
modelos de perturbación lo que los hacen ideales para el empleo de estrategias de control
sofisticadas. En el presente texto vamos a referirnos especialmente a los métodos 2 y 3, dada su
generalidad e independencia del tipo de proceso que se pretenda identificar.

1.3 Identificación experimental utilizando la respuesta a

la señal escalón
La señal más simple que puede utilizarse para la identificación es, sin duda, la función escalón.
Esta señal se aproxima, por ejemplo, mediante la apertura o cierre súbitos de una válvula, un
cambio rápido de voltaje o corriente que alimenta a algún tipo de actuador eléctrico, etc. Un
escalón ideal es una señal cuyo tiempo de crecimiento inicial es cero. Resulta obvio que tal
señal no puede ser realizada físicamente, pues sería necesaria una energía infinita, sin embargo,
si el tiempo de crecimiento inicial es varias veces más pequeño que la constante de tiempo más
pequeña del sistema, el error que se introduce en la identificación puede considerarse
despreciable.
La función escalón es la señal que más se ha aplicado en la práctica convencional del
control automático y con ella se obtienen modelos sencillos suficientemente exactos, sobre
todo en los casos de procesos monovariables simples y poco perturbados.

1.3.1 Análisis de la respuesta a la señal escalón

La respuesta de un proceso tecnológico a la señal escalón puede aproximarse, en muchos casos,
mediante uno de los tres siguientes modelos simplificados:

• Modelo de primer orden con retardo:

(1.1)
• Modelo de segundo orden aperiódico con retardo:

(1.2)
• Modelo de segundo orden subamortiguado con retardo:

(1.3)
donde ^ es el coeficiente de amortiguamiento y CO n la frecuencia natural del sistema.
La elección de los modelos anteriores depende de la forma de la respuesta transitoria y del
grado de precisión que se desea en el ajuste. Los modelos correspondientes a la Ecuación (1.1)
pueden utilizarse generalmente en procesos simples o en otros más complejos si no se requiere
mucha exactitud. Los modelos del tipo de la Ecuación (1.2) pueden usarse prácticamente en
cualquier caso salvo en procesos cuya respuesta es francamente oscilatoria. Los modelos del
tipo de la Ecuación (1.3) están destinados al caso de procesos oscilatorios y también para
algunos procesos sobreamortiguados, en los que se logra un mejor ajuste que con un modelo
del tipo de la Ecuación (1.2).
A continuación vamos a considerar algunos métodos gráficos que se han utilizado
tradicionalmente para la estimación de los parámetros de los modelos simples definidos en
(1.1), (1.2) y (1.3).

1.3.2 Estimación de los parámetros del modelo de primer orden

con retardo
Si la respuesta a la señal escalón de amplitud U tiene la forma

Figura 1.1. Respuesta al escalón de sistema de primer orden, que corresponde

a la de un sistema de primer orden, la expresión que describe a la respuesta es:

Para tenemos

que:

Es decir, localizando el punto donde la respuesta alcanza el 63.2 % de su valor final, se

obtiene inmediatamente el valor de la constante de tiempo T,. La ganancia K se determina
como:

donde: Yest es igual al valor estacionario de la respuesta.

 Otra posibilidad de estimar la constante de tiempo T 1 parte de trazar la tangente a la
curva-respuesta en t = 0. En efecto:

La ecuación de la tangente será entonces:

Y para Yest= KU, se deduce:

T1 = test - ᶱ (1.10)

donde test es el tiempo para el cual la tangente intersecta al valor estacionario de la salida.

Es muy frecuente este caso cuando la respuesta tiene la forma general mostrada en la
Figura 1.2:

Figura 1.2. Respuesta al escalón de sistema de segundo orden o superior.

es decir, se trata de aproximar la respuesta de un sistema de orden superior (segundo o más)

mediante un modelo de primer orden. Esta aproximación se usa frecuentemente para diversos
propósitos (ajustes preliminares de los parámetros de un PID, compensación feed-forward,
predictor de Smith, etc.). Los parámetros del modelo pueden calcularse en este caso usando la
construcción gráfica mostrada en la Figura 1.2 utilizando el siguiente procedimiento:

• Se toman dos puntos de la curva que corresponden al 63.2% y al 28.4% del valor estacionario
final y se determinan t0. 286 y t0.632

• Se plantean las ecuaciones:

t 0.284 =6 +T l/3 (1.11)
t0.632 =9 + T1 (1.12)

• Se calculan los parámetros ᶱyT .

1