ESCUELA POLITÉCNICA NACIONAL

SÍNTESIS DE PLANTAS INDUSTRIALES

Integrantes:

 Kevin Puentes
 Luis Quichimbo
 Michael Terán
 Elizabeth Yumiguano

SISTEMAS MIMO

1. Introducción

En un sistema MIMO una o más variables manipuladas pueden afectar las interacciones de las
variables controladas en un bucle específico o en todos los demás bucles de control. Un
esquema de control MIMO es importante en sistemas que tienen múltiples dependencias y
múltiples interacciones entre diferentes variables.

La tecnología MIMO aparece debido a las limitaciones existentes en el ancho de banda, las
cuales eran ocasionadas por las señales interferentes en los cables de gran capacidad de
transmisión. Inicialmente, la limitada capacidad de procesamiento para manejar señales provocó
que MIMO sea demasiado costoso, pero con el pasar de los años estos costos se redujeron
debido al desarrollo de códigos espacio temporales, los cuales buscan transmitir información
por cada antena de una manera apropiada con el objetico de lograr generar ganancia por
diversidad y de esta forma aumentar la calidad de la señal en el receptor [1]

Figura 1. Sistema MIMO 2x2

En la Figura 1 se tiene 2 entradas (u1 y u2) y dos salidas (y1 y y2). Cada una de esas entradas
puede afectar en cierta proporción a cada una de las salidas del sistema.

2. Características

 La interacción está relacionada con el efecto que cada variable manipulada tiene sobre
las diferentes variables controladas [6]
  La existencia de ceros multivariables en el semiplano derecho y la presencia de retardos
de tiempo diferentes para cada par entrada – salida [6]

 Incrementa la eficiencia espectral de un sistema de comunicación inalámbrica por

medio de la utilización del dominio espacial [2]
 Permite capturar la señal de una manera adecuada gracias a la presencia en la recepción
de múltiples antenas, que disminuyen la atenuación causada por las multi trayectorias
[2]
 Es capaz de aprovechar los rebotes de la señal Wi-Fi para aumentar la velocidad
inalámbrica, evitando que los rebotes de señal sean perjudiciales para la conexión [3]

3. Ejemplos

 Routers Wifi. Gracias a los sistemas MIMO, los routers Wi-Fi y puntos de acceso
cambiaron de una antena Wi-Fi de emisión y recepción, a dos o más antenas. Ahora es
algo normal encontrar routers que dispongan desde 2 hasta 4 antenas, con un total de 4
flujos espaciales, y así aumentar hasta 4 veces la velocidad real que se consigue vía Wi-
Fi [3]
 Columna de destilación. Donde una variable manipulada como la relación de reflujo
podría afectar directa o indirectamente el caudal de alimentación, la composición del
producto, y la energía del rehervidor [4]
 Reactor de agua pesada presurizada (PHWR). Siendo la dinámica del reactor
compleja y de naturaleza inestable en circuito abierto. Se debe utilizar un control con
capacidad de rechazar perturbaciones junto con buenas capacidades de seguimiento de
referencia, por lo que se utiliza un control PID propuesto es un simple Integrador y
Derivado No Lineal basado en una superficie deslizante SMC (Control de modo
deslizante). El esquema de control sugerido rechaza de manera eficiente las
incertidumbres paramétricas y perturbaciones de entrada y corrige las inclinaciones de
potencia mientras mantiene el reactor estable y dentro de los límites seguros de
operación.

4. Tipos de Control

 RGA. Es una herramienta analítica que se utiliza para determinar los pares de variables
de entrada-salida óptimos para un sistema MIMO. En otras palabras, el RGA es una
forma normalizada de la matriz de ganancia que describe el impacto de cada variable de
control en la salida, en relación con el impacto de cada variable de control en otras
variables. La interacción del proceso de los sistemas de control de lazo abierto y lazo
cerrado se mide para todos los pares de variables de entrada-salida posibles. Se
determina una proporción de esta 'ganancia' de bucle abierto a esta 'ganancia' de bucle
cerrado y los resultados se muestran en una matriz [4]
 MPC. Es un medio ampliamente utilizado para tratar grandes problemas de control
restringido multivariable en la industria. El objetivo principal de MPC es minimizar un
criterio de rendimiento en el futuro que posiblemente estaría sujeto a restricciones en las
entradas y salidas manipuladas, donde el comportamiento futuro se calcula de acuerdo
con un modelo de la planta. El controlador predictivo del modelo utiliza los modelos y
las mediciones actuales de la planta para calcular movimientos futuros en las variables
independientes que darán como resultado una operación que respeta todas las
 restricciones de las variables independientes y dependientes. Luego, el MPC envía este
conjunto de movimientos de variables independientes a los puntos de ajuste del
controlador regulador correspondiente para que se implementen en el proceso [4]
 Redes Neuronales. Uno de los controladores más precisos y versátiles utilizados para
MIMO es la red neuronal. Las redes neuronales son controladores que imitan
toscamente a la neurona humana. Inicialmente, estas redes fueron diseñadas para
modelar la actividad cerebral neuronal. Sin embargo, a medida que la gente comenzó a
reconocer las ventajas de las redes neuronales, estas redes se aplicaron al diseño de
algoritmos de controladores. Al igual que una neurona humana, las redes neuronales
funcionan para almacenar, analizar e identificar patrones en los datos mediante la
realización de tareas de aprendizaje. La capacidad de estas redes para "aprender" es
paralela a la capacidad de aprendizaje de la neurona humana, lo que convierte a estos
controladores automáticos en el análogo más cercano a un controlador humano [4]
 DMC. Es una técnica de control lineal donde el proceso es representado dinámicamente
por un modelo numérico en forma de respuesta escalón. Este modelo está formado por
un conjunto de valores discretos que corresponden a la salida del sistema ante un
cambio escalón en la entrada. Un modelo de respuesta al escalón unitario es utilizado
para predecir la respuesta futura de las variables dependientes y expresa una serie de
cambios de control para todas las variables independientes, estos son seleccionados para
minimizar el error del proceso sobre el horizonte de tiempo al estado estable. En
sistemas MIMO el control DMC se ajusta a hacerle frente a las no linealidades con
fuertes interacciones variables y mejores en el ajuste de parámetros de control para el
horizonte el factor de supresión con el fin de evitar la fluctuación y disminuir la
frecuencia de ejecución.

5. Ventajas

Los sistemas de múltiples entradas y múltiples salidas (MIMO), definidos como sistemas con
múltiples entradas y salidas de control, se utilizan ampliamente en los sistemas industriales.
Muchos sistemas de control industrial comunes se pueden modelar como sistemas MIMO, como
reactores químicos, destiladores, generadores y sistemas de transmisión de automóviles.

Algunas de las ventajas de usar sistemas MIMO son:

 Permiten describir sistemas complejos, mediante la descripción de sistemas con varias

entradas, y varias salidas, lo que permite entender la interacción entre las variables
involucradas en el sistema
 El sistema controlado se describe mediante el llamado sistema de espacio de estado,
cuya La representación del espacio de estados MIMO permite el diseño de sistemas de
control multivariable complejos, como los que se utilizan en el control de vehículos y
vuelos.
 El sistema MIMO permite describir una planta de control como una unidad conformada
por partes como subsistemas de un proceso esto ofrece una mejor vista general del
proceso y del control de las interacciones de la variables manipuladas en toda la planta
de control y no solo en uno de los subprocesos.

6. Desventajas
  El control de un sistema MIMO es más complejo que el control de los sistemas de
entrada única salida única (SISO). En los sistemas MIMO, las salidas se ven afectadas
por cada entrada
 El rendimiento resultante del control es limitado debido a la dificultas de sintonizar las
ganancias del lazo de control debido a la interacción de variables. No puede usarse la
misma estructura que en sistemas SISO.
 Para que los procesos MIMO se controlen con múltiples controladores SISO, se deben
tomar en cuenta interacciones, y sensibilidad . Debido a la interacción entre los
diferentes lazo de control, los controladores diseñados por SISO son difíciles de
estabilizar en el entorno MlMO.
 Para el control de sistemas MIMO usando estructuras similares para SISO se suele tener
que desacoplar el sistema en SISOs, pero deben tomarse en cuenta funciones de
sensibilidad para la estabilidad del sistema, así como contabilidad, observabilidad, y
estabilidad BIBO.

7. Estabilidad

Decimos que un sistema MIMO es estable si todos sus polos están estrictamente dentro de la
región de estabilidad . Sin embargo, como en el caso de SISO, la interconexión de sistemas,
como en el bucle de retroalimentación de la figura, puede generar modos inestables ocultos, es
decir, inestabilidad interna. Esto se debe a la posible cancelación inestable de polos y ceros.

Considerando un sistema lineal invariante en el tiempo

ẋ (t)= A · x (t)+ B ·u (t)

y (t )=C · x(t)+ D· u(t)

Donde:
n×1 m ×1 p ×1 n×n n ×m p ×n p ×m
x (t ) ∈ R , u (t )∈ R , y (t )∈ R , A∈ R , B∈ R ,C∈R , D∈ R
Tal sistema es internamente estable si para todas las condiciones iniciales y todas las señales
acotadas entrantes en cualquier lugar del sistema, todos los estados permanecen acotados para
todo el tiempo futuro.

El sistema invariante en el tiempo lineal MIMO descritoes BIBO estable si y solo si :

−1
C ( sI− A ) + D tiene todos los polos en la mitad izquierda abierta del plano (todos los polos
tienen una parte real estrictamente menor que 0).

La estabilidad interna implica la estabilidad BIBO. No al revés. La estabilidad BIBO con

controlabilidad y observabilidad implica estabilidad interna.

No es suficiente que la función de transferencia de entrada-salida del sistema sea estable. De

hecho, las funciones de transferencia internas, relacionadas con las funciones de sensibilidad,
también deben ser estables para evitar cancelaciones de polos/ceros, que podrían ocultar
inestabilidades

Considerando un sistema MIMO:

 Figura 2. Estructura estándar de sistema de control MIMO

Con las funciones de transferencia de entrada LI y salida LO

LO ( s )=P ( s ) ·C ( s )

LI ( s ) =C(s)· P(s)

Las funciones de sensibilidad condensan la información esencial sobre el desempeño del

sistema, incluyendo seguimiento de referencias, efecto de las perturbaciones en cualquier punto
y dinámica la acción de control, todo ello tanto desde el punto de vista estático y dinámico.

La función de sensibilidad de salida (n → y):

−1
SO (s)=( I + LO (s))

La función de sensibilidad de salida complementaria(r → y):

−1
T O ( s )=( I + LO ( s ) ) LO (s).

La función de sensibilidad de entrada(d → v):

−1
S I (s )=(I + L I (s ))

La función de sensibilidad de entrada complementaria (d → -u): :

−1
T I ( s )=( I + L I ( s )) L I (s).

8. Problemas y soluciones

Los sistemas MIMO puede ser útil en varias aplicaciones técnicas donde la complejidad
computacional es un problema. Mantener el número de multiplicaciones y adiciones al mínimo
es uno de los mayores desafíos en el procesamiento de señales en tiempo real. Consideremos
ahora algunos problemas típicos donde la factorización de matrices y análisis en el espacio de
señal vectorial puede reducir significativamente el número de cálculos aritméticos [7].

Se tiene que considerar que para un sistema MIMO existe una diversidad de lo que son las
señales transmitidas, la diversidad en la que se presenta pueden ser:

 Tiempo
  Frecuencia
 Espacio
 Usuarios

Cuando se tiene MIMO el cual presenta un comportamiento variable en el tiempo con

características de transferencia en las que pueden cambiar dinámicamente de un conjunto de
variables en el sistema. En donde se tiene que puede causarse sistemas en los que existe en
algunas de las variables con ruido que afecten a todo en general, también un máximo número de
entradas y salidas, además al tener muchas entradas o salidas los sistemas son muy complejos
[7]. La forma en la que se soluciona se tiene que se puede optar por una estimación de matrices,
la cual se da realizando los siguientes pasos [7]:

1) Encontrar una base matemática la cual sea ortonormal con las señales de entradas
conocidas, los procedimientos que se realiza para este punto son Gram-Schmid.
2) Al tener un cierto número de vectores se necesitan proyectar ortogonalmente en un eje,
en el cual se consigue un espacio vectorial que con una cierta dimensión. Los cálculos
de los coeficientes para este punto se los realiza por medio de la transformada de
Fourier.
3) Considerando la dimensión del vector encontrado se tiene que se lo expresa en la misma
dimensión que se tena la matriz de salida por medio de proyecciones ortogonales. De
igual manera se los realiza por medio de la transformada de Fourier.
4) Por último, se tiene que calcular un pseudoinverso de la matriz anterior y con esto
encontrar una estimación óptima de la matriz del sistema.

9. Conclusiones

 Las aplicaciones en las que más se aprovecha los sistemas MIMO son todas aquellas
que se relacionan con las telecomunicaciones. Principalmente por el incremento de
emisores y receptores de señales, lo cual incrementa la velocidad de transmisión.
 La característica más representativa de los sistemas MIMO tiene que ver con que una o
más variables manipuladas pueden afectar las interacciones de las variables controladas
en un bucle específico o en todos los demás bucles de control.
 Cuando se trabaja con sistema de múltiples entradas y múltiples salidas se hacen uso de
controladores deslizantes debido a su gran complejidad elevada y de naturaleza
inestable.

10. Bibliografía

[1] «Slide Share,» [En línea]. Available: [Link]

[Último acceso: 06 2022].

[2] «Universidad del Cauca,» [En línea]. Available:

chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/[Link]
xmlui/bitstream/handle/123456789/2004/AN%C3%81LISIS%20COMPARATIVO%20ENTRE
%20UN%20SISTEMA%20SISO%20Y%20UN%20SISTEMA%[Link]?sequence=1.

[3] «Redes Zone,» [En línea]. Available:

[Link] [Último
acceso: 06 2022].
[4] «LibreTexts,» [En línea]. Available:
[Link]
%3A_Chemical_Process_Dynamics_and_Controls_(Woolf)/
12%3A_Multiple_Input_Multiple_Output_(MIMO)_Control/
12.02%3A_MIMO_control_using_RGA. [Último acceso: 06 2022].

[5] C. P. Fahad Wallam, «Output feedback Cross-Coupled Nonlinear PID based MIMO
control scheme for Pressurized Heavy Water Reactor,» 2019.

[6] A. R. F. R. Óscar Camacho, Control de Procesos, Quito: Escuela Politécnica Nacional,

2020.

[7]H. Bessai, "MIMO Channel Problems and Solutions", MIMO Signals and Systems, pp. 161-
185, 2005. Available: 10.1007/0-387-27457-x_5 [Accessed 10 June 2022].