​

TÍTULO Y AUTORES

Conceptos básicos sobre sistemas de primer y segundo orden; Johanna Donayre Cedano, Santiago
Alzate Moncaleano, Tomas Mancera.

RESUMEN

En este laboratorio se abordó el modelamiento y análisis de sistemas dinámicos de primer y segundo

orden a partir de su respuesta transitoria. Se implementaron técnicas experimentales y analíticas para
determinar sus parámetros característicos, obteniendo funciones de transferencia y representaciones
en espacio de estados. Se utilizaron herramientas como LabVIEW y MATLAB para la simulación y
validación de modelos, permitiendo evaluar el impacto de la realimentación sobre la estabilidad del
sistema. Los resultados evidenciaron diferencias en el tiempo de respuesta y estabilidad entre ambos
tipos de sistemas, facilitando su caracterización y comparación.

PALABRAS CLAVE

Sistemas dinámicos, respuesta transitoria, función de transferencia, LabVIEW, MATLAB, circuitos.

1.​ INTRODUCCIÓN

El análisis de sistemas dinámicos es fundamental en el diseño de estrategias de control y optimización

de procesos industriales. En esta práctica, se estudian los sistemas de primer y segundo orden a través
de su respuesta a estímulos, permitiendo caracterizar su comportamiento mediante parámetros como
el tiempo de establecimiento y la estabilidad. Se implementaron simulaciones en LabVIEW y MATLAB
para comparar modelos analíticos y experimentales, evaluando los efectos de la realimentación en la
respuesta del sistema. Esta aproximación permite mejorar la comprensión de sistemas de control y su
aplicación en entornos reales.

2.​ REQUERIMIENTOS

●​ Modelar y analizar sistemas de primer y segundo orden.

●​ Determinar parámetros de respuesta mediante experimentación y análisis matemático.
●​ Simular y validar modelos utilizando LabVIEW y MATLAB.
●​ Evaluar los efectos de la realimentación en la estabilidad del sistema.

1
​

3.​ PROCEDIMIENTO

Se analizó la variación de temperatura en dos tanques a lo largo del tiempo para determinar su
comportamiento térmico y evaluar posibles modelos de transferencia de calor entre ellos, el sistema
propuesto se puede observar en la Figura 1.

Figura 1. Sistema de transferencia térmica propuesto.

1.​ A PARTIR DEL SISTEMA PROPUESTO SE DETERMINÓ

a)​ Diseño del circuito de observación

Se diseñó un circuito RLC en serie para representar un sistema de segundo orden,

observando su comportamiento ante una entrada escalón representando así el
comportamiento del reactor mediante el circuito, para los diseños se optó por una
representación del tiempo diferente, es decir tomar los minutos que aparecen en la
gráfica y tomarlos como segunda para facilitar su simulación.

Para el diseño del circuito RLC se tuvieron en cuenta parámetros obtenidos al analizar la
gráfica:

●​ Tiene un nivel DC de 19V.

●​ Su voltaje se estabiliza en 24V en aproximadamente 66 segundos
●​ La gráfica inicia en el tiempo 0 con un voltaje de 19V, posteriormente crece hasta
que en aproximadamente en 13 segundos toma en valor de 28.8V y de ahí
desciende hasta su estabilización.

Para poder realizar el diseño del circuito primeramente se halla la función de

2
​

transferencia del sistema, al ser un sistema de segundo orden su función será de la

forma:
1
2 2
𝑠 + ς*ω𝑛*𝑠 + ω𝑛

A partir de la fórmula del tiempo de establecimiento despejamos el valor de ς * ω𝑛:

4.6
𝑇𝑠 = ς*ω𝑛

4.6
66 = ς*ω𝑛

ς * ω𝑛 = 0.0696

Se propusieron diferentes valores para ς para poder obtener un ω𝑛, y mediante

simulación se obtuvo que la mejor respuesta fue con:

ς = 0. 5 ω𝑛 = 0. 139

En este caso, se determinó que la ganancia estática debía ser 1 para que la salida alcanza
el valor final deseado de 24 ∘C, considerando una entrada tipo escalón. Para mantener
dicha ganancia y modificar únicamente la dinámica transitoria (principalmente el
sobrepaso observado hasta 28.8 ∘C, se introdujo un cero en el numerador.

Dado que el denominador corresponde a:

2 2
𝑠 + 2⋅0. 0696⋅𝑠 + 0. 139
2 2
ω𝑛 ​ = 0. 139

Escogiendo K=0.36, se obtiene z≈0.0537, lo cual permite aumentar el sobrepaso sin

alterar la ganancia final, mejorando el ajuste a la curva real observada en el sistema
físico. De esta manera, el cero introducido contribuye a una respuesta más rápida y con
mayor sobrepaso, como se evidencia en la curva de temperatura simulada.

Con lo anterior se tendría la siguiente función de transferencia correspondiente el

sistema:
2
0.36𝑠 + 0.139
𝐺𝑠 = 2 2
𝑠 + 2 * 0.0696 + 0.139

3
​

Al simular la función mediante MATLAB se obtuvo la siguiente respuesta que se observa

en la Figura 2.

Figura 2. Respuesta de la función de transferencia del sistema.

Posteriormente, ya con los valores extraídos del análisis de la gráfica, además del cálculo
de parámetros de estabilidad y sobrepaso. Se procede a analizar:

Circuito RLC: Un sistema de segundo orden con un cero tiene esta forma

𝐾(𝑠+𝑧)
𝐺(𝑠) = 𝑠2+2ζω𝑛​𝑠+ω𝑛2​

Donde el denominador define la dinámica principal del sistema, definiendo parámetros

como: Estabilidad, frecuencia natural, amortiguamiento, tiempo de asentamiento, sobre
paso, etc. El numerador (el cero) modifica la forma de la respuesta, pero no afecta
directamente la estabilidad.

En este análisis, el numerador NO será tenido en consideración, por ende el 0 tampoco,

debido a que el objetivo de la práctica está centrado en la estabilidad.

Además, al construir el modelo físico mediante un circuito RLC pasivo, solo es posible
replicar el comportamiento del denominador de la función de transferencia, ya que los

4
​

ceros requieren elementos activos como amplificadores para ser modelados con
precisión.

Con esta aclaración, se parte de la función de transferencia resultante del análisis,

simplificando como se denota a continuación.

​
2
0.36𝑠 + 0.139
𝐺𝑠 = 2 2
𝑠 + 2 * 0.0696 + 0.139

Como se mencionó anteriormente, el numerador se desestimará resultando en una

función de transferencia tal como:

1 1
𝐺𝑠 = 𝑠2+2ζω𝑛​𝑠+ω𝑛2
= 2 2
𝑠 + 2 * 0.0696 + 0.139

Con parámetros tales qué: ​

𝜔𝑛 = 0. 718 𝑟𝑎𝑑/𝑠 𝜁 = 0. 0696

Seleccionamos un valor de inductancia, para esta caso debe ser elevado, por la
condiciones elegidas: Estabilidad, Ts y sobrepaso.

​
𝐿 = 100𝐻

Posteriormente se procede a calcular el capacitor resultante según las características y la

inductancia elegida.

2 1 1
ω𝑛 = 𝐿𝐶
=> 𝐶 = 2 ​
ω𝑛 . 𝐿

1
𝐶 ≈ 51
​ 𝐹 = 19. 4 𝑚𝐹

5
​

Luego, se procede a calcular el componente del circuito RLC faltante.

𝑅 = 2ζω𝑛​𝐿

𝑅 = 2⋅ 0. 0696⋅0. 718 ⋅ 100≈ 15Ω

Con todos los parámetros del circuito calculados, se configura la topología RLC como se
observa en la figura 3.

Figura 3. Representación Circuital del sistema del tanque 1.

La respuesta de este circuito RLC, corresponde a una subamortiguada, de está manera se

puede entender la dinámica del sistema propuesto, como se puede ver en la figura 4. La
respuesta del sistema contiene el nivel DC, visto en la gráfica original correspondiente a
19v, además de mantenerlo por 2 segundos, el sistema oscila hasta estabilizarse en más
o menos 80 segundos.

6
​

Figura 4. Respuesta del circuito representativo del tanque 1

Para entender el comportamiento completo del sistema, sin las restricciones circuitales,
se puede simular con herramientas computacionales como Matlab, como se observa en
la figura 5.

Figura 5. Respuesta representativa completa del tanque 1.

La gráfica del circuito físico representa un sistema de segundo orden ideal, sin cero en el
numerador, lo que genera una respuesta suave, regular y simétrica. En cambio, el
modelo completo (simulado en MATLAB) incluye un cero que altera la forma inicial de la

7
​

curva, acelerando la subida y aumentando el sobre impulso. Esta diferencia se debe a

que los ceros afectan la forma, pero no la estabilidad general del sistema.

Circuito RC: Para el diseño del circuito RC se tuvieron en cuenta las siguientes
restricciones de diseño, las cuales se obtuvieron al analizar el gráfico:

●​ Tiene un nivel DC de 19V.

●​ Se estabiliza con un voltaje de 24V.
●​ Tiene un tiempo de estabilización aproximadamente en 60 segundos.
●​ La gráfica es inicialmente constante en 19V durante los primero 5 segundos,
después de ello se empieza a “cargar”.

Al momento de realizar el diseño se tuvo en cuenta la fórmula de la carga de un

capacitor:
−𝑡 −𝑡

𝑉(𝑡) = 𝑉𝑓𝑖𝑛𝑎𝑙 * (1 − 𝑒 𝑅𝐶 ) + 𝑉𝑜 * 𝑒 𝑅𝐶

Donde:

●​ 𝑉(𝑡) = voltaje en el capacitor en el tiempo t.

●​ 𝑉𝑜=19V: voltaje inicial del capacitor antes del cambio
●​ 𝑉𝑓𝑖𝑛𝑎𝑙=24V: voltaje final aplicado al circuito
●​ 𝑡: tiempo desde que se inicia el cambio (no el tiempo absoluto, sino relativo al step)
●​ 𝑅𝐶: constante de tiempo del sistema

Se sabe que el capacitor llega a estar completamente cargado en:

𝑡 = 5 * 𝑅𝐶

Del la gráfica se sabe que el tiempo de estabilización es en 60 segundos, y se propone

un capacitor de 1mF, reemplazando estos datos en la ecuación anterior se obtiene:​

𝑡 = 5 * 𝑅𝐶
60𝑠 = 5 * 𝑅(1𝑚𝐹)
𝑅 = 12𝑘Ω

Para poder tener una respuesta del circuito igual que el que se puede observar en la
gráfica al circuito se le añade una fuente de voltaje STEP para poder empezar con el
8
​

retardo de 5 segundos, con ello se obtiene el circuito de la Figura 5, el cual corresponde

a la representación circuital del sistema del tanque 2.

Figura 6. Representación Circuital del sistema del tanque 2

Al realizar la simulación del circuito mediante se obtuvo la respuesta que se puede

observar en la Figura 3.

Figura 7. Respuesta del circuito representativo del tanque 2

La gráfica obtenida concuerda con la presentada en la Figura 1, lo que indica que se ha

realizado una representación adecuada del sistema. La similitud en el comportamiento
de ambas gráficas demuestra que el modelo o simulación desarrollado refleja
correctamente el funcionamiento esperado, validando así tanto el diseño como la
implementación del sistema analizado.

b)​ Análisis de la curva obtenida y de la curva esperada

Se llevó a cabo la simulación del sistema y se compararon los datos obtenidos
con los valores de temperatura registrados en los reactores indicados en el

9
​

laboratorio. Para realizar esta comparación, se calculó el porcentaje de error

correspondiente a cada uno.

En la Tabla 1 se calculó el porcentaje de error correspondiente a la comparación

entre el sistema propuesto y el sistema dado.

Tabla 1. Cálculo de porcentaje de error entre los datos del circuito representativo
y del sistema planteado.

Temperatura Tanque 2
Tiempo (min) Dato medido Dato Simulado %Error
0,0 19,0 19 0
2,0 20,8 22,78 9,519230769
4,0 22,8 24,87 9,078947368
6,0 24,3 26,78 10,20576132
8,0 26,0 28,03 7,807692308
10,0 27,4 28,71 4,781021898
12,0 28,8 28,91 0,3819444444
14,0 28,8 28,73 0,2430555556
16,0 28,1 28,28 0,640569395
18,0 27,9 27,65 0,8960573477
20,0 27,3 26,93 1,355311355
22,0 27,0 26,19 3
24,0 26,8 25,48 4,925373134
26,0 26,2 24,84 5,190839695
28,0 26,0 24,3 6,538461538
30,0 25,9 23,87 7,837837838
32,0 25,8 23,56 8,682170543
34,0 25,7 23,35 9,143968872
36,0 25,6 23,3 8,984375
38,0 25,4 23,2 8,661417323
40,0 25,0 23,22 7,12
42,0 25,0 23,29 6,84
44,0 25,0 23,4 6,4
46,0 24,9 23,51 5,582329317
48,0 24,8 23,67 4,556451613

10
​

11
​

En la Tabla 2 se calculó el porcentaje de error correspondiente a la comparación

entre el sistema propuesto y el sistema dado.

Tabla 2. Cálculo de porcentaje de error entre los datos del circuito representativo
y del sistema planteado.

Temperatura Tanque 2
Tiempo (min) Dato Medido Dato simulado %Error
0,0 19,0 19 0
2,0 19,0 19 0
4,0 19,0 19 0
6,0 19,2 19,39 0,9895833333
8,0 19,4 20,09 3,556701031
10,0 19,8 20,7 4,545454545
12,0 20,1 21,2 5,472636816
14,0 20,3 21,63 6,551724138
16,0 20,7 21,99 6,231884058
18,0 21,0 22,3 6,19047619
20,0 21,7 22,56 3,963133641
22,0 22,0 22,78 3,545454545
24,0 22,1 22,97 3,936651584
26,0 22,2 23,13 4,189189189
28,0 22,4 23,26 3,839285714
30,0 22,5 23,37 3,866666667
32,0 22,6 23,47 3,849557522
34,0 22,8 23,55 3,289473684
36,0 22,9 23,62 3,144104803
38,0 23,1 23,68 2,510822511
40,0 23,2 23,72 2,24137931
42,0 23,2 23,77 2,456896552
44,0 23,4 23,8 1,709401709
46,0 23,5 23,83 1,404255319
48,0 23,7 23,86 0,6751054852
50,0 23,7 23,88 0,7594936709
52,0 23,8 23,9 0,4201680672
54,0 23,9 23,91 0,04184100418

12
​

56,0 23,9 23,92 0,08368200837

58,0 23,9 23,93 0,1255230126
60,0 24,0 23,94 0,25
62,0 24,0 23,95 0,2083333333
64,0 24,0 23,96 0,1666666667
66,0 24,0 23,97 0,125
68,0 24,0 23,97 0,125
70,0 24,0 23,98 0,08333333333
72,0 24,0 23,98 0,08333333333
74,0 24,0 23,99 0,04166666667
76,0 24,0 23,99 0,04166666667
78,0 24,0 23,99 0,04166666667

Los resultados mostrados en las tablas evidencian que los porcentajes de error en la
toma de datos son bajos, con un promedio de 3,8639% y 2.0189% respectivamente. Este
bajo margen de error valida que los circuitos representativos modelan de manera precisa
el comportamiento dinámico de los tanques.

c)​ Función de transferencia de lazo abierto de los sistemas

Para el sistema de segundo orden dado queso partió a partir de la obtención de la función
de transferencia del sistema, entonces se tiene que la función de transferencia de lazo
abierto del tanque 1 es:
2
0.36𝑠 + 0.139
𝐺𝑠 = 2 2
𝑠 + 2 * 0.0696 + 0.139

Para un circuito RC serie con entrada 𝑉1(𝑠), la salida en el capacitor es:

1 1
𝑉𝑜𝑢𝑡(𝑠) = 𝑉1(𝑠) * 𝑠𝐶
* 1
𝑅+ 𝑠𝐶
1
𝑉𝑜𝑢𝑡(𝑠) = 𝑉1(𝑠) * 𝑅𝐶𝑠 + 1
𝑉𝑜𝑢𝑡(2) 1
𝐺(𝑠) = 𝑉1(𝑠)
= 𝑅𝐶𝑠 + 1
Sustituyendo los valores de R= 12kΩ, y C = 1 mF:
𝑉𝑜𝑢𝑡(2) 1
𝐺(𝑠) = 𝑉1(𝑠)
= 12𝑠 + 1

13
​

d)​ Simulación de las funciones de transferencia obtenidas usando el Control

Design and Simulation Module de LabVIEW.
Se obtuvieron los valores representativos de las curvas de respuesta mediante
mediciones experimentales con un osciloscopio y un sistema de adquisición de
datos en LabVIEW como se observa en la Figura 7.

Figura 8. Simulación de los sistemas en con LabVIEW

Finalmente, se validaron los resultados mediante simulaciones en el módulo

Control Design and Simulation de LabVIEW, comparando la respuesta
experimental con la analítica. En la Figura 8 se pueden evidenciar las respuestas
de los sistemas en el LabVIEW.

14
​

Figura 9. Simulaciones de los sistemas en LabVIEW

Al comparar la representación obtenida en la Figura 8 con las respuestas

observadas en la Figura 6 y la Figura 4, se puede evidenciar una clara
concordancia entre ellas. Esta coherencia sugiere que el análisis realizado es
correcto, ya que el comportamiento del sistema representado en la Figura 8
coincide con el que se esperaba a partir de la función de transferencia teórica.
Por lo tanto, se puede concluir que el circuito diseñado es correspondiente a la
función de transferencia planteada y que la simulación fue realizada
adecuadamente, mostrando un comportamiento que se expresa tal como se
había anticipado.

2.​ RETROALIMENTACIÓN DE LOS SISTEMAS

En este punto se procederá a realimentar las funciones de transferencia obtenidas previamente,

es decir, se construirán sistemas en lazo cerrado a partir de las funciones de transferencia en
lazo abierto determinadas en el numeral anterior.

Para el sistema de segundo orden se obtuvo:

𝐺𝑠
𝐺𝑟𝑒1 = 1+𝐺𝑠

2
0.36𝑠+0.139
2 2
𝑠 + 2*0.0696𝑠 + 0.139
𝐺𝑟𝑒1 = 0.36𝑠 + 0.139
2
1+ 2 2
𝑠 + 2*0.0696𝑠 + 0.139

2
0.36𝑠+0.139
2 2
𝑠 + 2*0.0696𝑠 + 0.139
𝐺𝑟𝑒1 = 2 2
(𝑠 + 2*0.0696𝑠 + 0.139 )(0.36𝑠 + 0.139 )
2

2 2
𝑠 + 2*0.0696𝑠 + 0.139

0.36𝑠 + 0.01932
𝐺𝑟𝑒1 = 2
𝑠 + 0.4992𝑠 + 0.03864
15
​

Para el sistema de primer orden se obtuvo:

1
12𝑠 + 1
𝐺𝑟𝑒2 = 1
1 + 12𝑠 + 1

1
12𝑠 + 1
𝐺𝑟𝑒2 = 12𝑠 + 1 + 1
12𝑠 + 1

1
𝐺𝑟𝑒2 = 12𝑠 + 2

Una vez implementados estos sistemas realimentados, se simulará su comportamiento en el

entorno LabVIEW, utilizando una entrada tipo escalón unitario, en la Figura 9 se puede observar
la realimentación hecha en simulink y en la Figura 10 la respuesta obtenida comparada con la
del sistema sin realimentar.

Figura 10. Simulación de sistema realimentado en LabVIEW.

16
​

Figura 11. Comparación de los sistemas mediante LabVIEW

A continuación se analizan las respuestas ante una entrada escalón para los sistemas de Tanque
1 y Tanque 2, tanto en lazo abierto como realimentados a lazo cerrado.

Al aplicar realimentación, se observa una mejora considerable en ambos sistemas. En el caso del
Tanque 1 realimentado, el sobreimpulso se reduce drásticamente y las oscilaciones se atenúan,
lo que mejora significativamente la estabilidad del sistema. El valor final se estabiliza en torno a
21.5, con una transición más suave que evidencia una adecuada acción de control.

En cuanto al Tanque 2 realimentado, aunque ya presentaba un comportamiento estable sin

realimentación, se logra una respuesta más rápida y precisa. La amplitud final es similar, pero el
tiempo de establecimiento disminuye, mostrando una mejora en el rendimiento dinámico del
sistema.

Esto demuestra que la implementación de la realimentación fue efectiva. Esta permitió reducir
el sobreimpulso, mejorar la estabilidad y optimizar el tiempo de respuesta. Además, la
concordancia entre las respuestas simuladas y el comportamiento esperado de las funciones de
transferencia confirma la validez del modelo y la correcta ejecución de la simulación en
LabVIEW.

17
​

3.​ CAMBIOS ESPERADOS ENTRE LAS REPRESENTACIONES CON Y SIN REALIMENTACIÓN

Al comparar las representaciones de los sistemas con y sin realimentación, se esperan cambios
en parámetros dinámicos clave como el tiempo de establecimiento, el sobreimpulso, la
constante de tiempo y la ganancia del sistema. En los sistemas realimentados, estos parámetros
tienden a ajustarse para obtener una respuesta más rápida y estable.

En el caso del Tanque 1, la realimentación reduce significativamente el sobreimpulso y elimina

las oscilaciones, lo cual mejora la estabilidad. En el Tanque 2, la respuesta ya era estable, pero la
realimentación reduce el tiempo de establecimiento sin comprometer la estabilidad.

En general, la realimentación aumenta la estabilidad del sistema, ya que introduce una

corrección continua que permite minimizar el error entre la señal deseada y la real. Esto se
traduce en sistemas más robustos, con mayor precisión y comportamiento predecible frente a
perturbaciones.

4.​ CÁLCULO DE LA FRECUENCIA MÁXIMA Y SELECCIÓN DEL TIEMPO DE MUESTREO

Antes de implementar sistemas en LabVIEW, es importante determinar la frecuencia máxima de

cada uno para definir un tiempo de muestreo adecuado. Según el teorema de Nyquist, la
frecuencia de muestreo debe ser al menos el doble de la frecuencia máxima para evitar errores.
Por eso, se recomienda un tiempo de muestreo entre 5 y 10 veces menor que el periodo de la
señal más rápida. En este proceso, se usará LabVIEW para calcular la frecuencia máxima y, con
base en ella, establecer el tiempo de muestreo óptimo para cada sistema.

En la Figura 11 se puede observar la operación realizada para hallar la frecuencia de muestreo a

partir de la herramientas de LabVIEW.

18
​

Figura 12. Operación para determinar la frecuencia de muestreo de los sistemas

En la imagen se puede observar cómo se realizó la operación para obtener la frecuencia de

muestreo para cada uno de los sistemas y sus respectivas realimentaciones.

En la Figura 12 se muestran los resultados de estos procedimientos, es decir, la frecuencia

muestreo de cada uno de los sistemas.

19
​

Figura 13. Tiempos de muestreo de los sistemas simulados en LabVIEW

En los resultados obtenidos se observa que los sistemas de los tanques 1 y 1 realimentado
presentan un Tmax de aproximadamente 4,52 segundos, mientras que los tanques 2 y 2
realimentado tienen tiempos mucho menores, alrededor de 0,053 segundos. Esto indica que los
tanques 2 responden mucho más rápido y, por tanto, requieren frecuencias de muestreo más
altas para capturar adecuadamente sus dinámicas. Los sistemas con tiempos más cortos exigen
un muestreo más rápido, la elección del tiempo de muestreo debe adaptarse a la velocidad de
respuesta de cada sistema, asegurando que los datos se adquieran con suficiente resolución
temporal para representar fielmente su comportamiento dinámico.

5.​ OBTENCION Y ANALISIS DE FUNCIONES DE TRANSFERENCIAS DISCRETAS EN LABVIEW

Se desarrolló la conversión de funciones de transferencia continuas a su forma discreta

mediante un código de MATLAB, el cual tiene utilizando el tiempo de muestreo previamente
determinado para cada sistema. A continuación la Figura 13 se evidencia el funcionamiento del
código mediante su diagrama de flujo.

20
​

Figura 14. Diagrama de flujo del código para calcular la función de transferencia discreta de los
sistemas.

Al ingresar las funciones de transferencia continuas se obtuvieron las funciones de transferencia

discretas que se evidencian en la Figura 14.

Figura 15. Funciones de transferencia discreta.

Una vez obtenidas las funciones discretas, se procede a simular y graficar sus respuestas ante
una entrada escalón en el entorno de LabVIEW. En la Figura 15 y 16 se puede observar la
simulación realizada y en la Figura 17 y 18 las gráficas obtenidas.

21
​

Figura 16. Implementación de la función de transferencia del sistema de segundo orden discreta
en LabVIEW

Figura 17. Implementación de la función de transferencia del sistema de primer orden discreta
en LabVIEW

22
​

Figura 18. Gráfica de la función de transferencia discreta el sistema de segundo orden

Figura 19. Gráfica de la función de transferencia discreta el sistema de segundo orden

Las gráficas muestran que al discretizar los sistemas, la respuesta pierde suavidad y se vuelve
escalonada, especialmente en el Tanque 1, donde las oscilaciones del sistema de segundo orden
se ven afectadas por el muestreo. En el Tanque 2, la diferencia entre la respuesta continua y la
discreta es menor debido a su dinámica más lenta. Esto evidencia que mientras más rápida sea
la dinámica del sistema, mayor debe ser la frecuencia de muestreo para mantener una buena
representación.

6.​ IDENTIFICACIÓN DE SISTEMAS DINÁMICOS MEDIANTE LA HERRAMIENTA System

Identification Toolbox en MATLAB

Con el archivo de datos de la práctica, y con herramientas computacionales como Matlab que
contiene Toolbox especializados como System Identification Toolbox, de esta manera se
pueden analizar sistema de manera mucho más eficiente, ahorrando tiempo valioso, que se
puede emplear en el control del sistema

23
​

Para este caso, se implementa un sistema descrito por el diagrama de flujo de la figura 20.

24
​

7.​ j

8.​ d

9.​ Conclusiones

●​ El uso de módulos adicionales en MATLAB y LabVIEW ha facilitado bastante el análisis

y la simulación de sistemas de primer y segundo orden. Con herramientas como el
System Identification Toolbox de MATLAB y el módulo Control Design and Simulation
en LabVIEW se pueden hacer simulaciones más completas y también ver el
comportamiento de los sistemas de forma más clara. Eso ayuda cuando uno quiere
diseñar un controlador o entender mejor qué está pasando con el sistema.

●​ Los valores representativos que se obtienen, junto con los cálculos analíticos y las
funciones de transferencia, permiten simular cómo responde el sistema cuando se le
aplica una entrada específica. También sirve para ir ajustando el controlador hasta
que dé el resultado que uno quiere. La parte de realimentación y la discretización de
esas funciones es clave porque ahí es donde se ve si el sistema es estable o no, y
también permite calcular bien el tiempo de muestreo, que es necesario para que el
control funcione bien cuando se hace en digital.

●​ Las gráficas que se obtienen permiten ver bien cómo reaccionan los sistemas tanto en
lazo abierto como en lazo cerrado, sobre todo cuando se usa una entrada tipo escalón.
La realimentación afecta varias cosas como la ganancia y la fase. Luego, cuando se
convierte el sistema a su versión discreta, uno ve cómo el tiempo de muestreo puede
cambiar bastante la forma en que responde. Y eso es importante cuando uno quiere
pasar a implementarlo con controladores digitales y que el sistema funcione como se
espera.

4.​ RESULTADOS

En esta sección se hará una reflexión sobre la práctica que implica usar la estrategia conocida como
“revisión después de la acción”, para lo cual debe responder los siguientes interrogantes en su equipo
de trabajo:

Objetivo:
25
​

¿Cuál era el resultado esperado?

Resultado:

¿Cuál fue el resultado real?

Acciones:

¿Qué acciones específicas contribuyeron a cumplir con los resultados esperados?

¿Qué acciones específicas detraen de alcanzar los resultados esperados?

Objetivo:

¿Cuál es el resultado esperado futuro?

Estrategia:

¿Qué acciones incrementarán la probabilidad de cumplir con los resultados esperados futuros?

5.​ REFERENCIAS (si aplica)

​ Debe usarse formato APA o IEEE.

6.​ ANEXOS

Artículos:

​ Ljung, L., Ozdemir, A. A., & Singh, R. (2018). Online Features in the MATLAB® System
Identification ToolboxTM. 51(15), 700–705. [Link]

​ Peters, D. L. (2016). Design of a higher order attachment for the Quanser Qube. Proceedings of
the American Control Conference, 2016-July, 6634–6639.
[Link]

26