Control de un puente gra

Anlisis y diseo

ESTUDIANTE:
CATEDRATICO:
CURSO:
CICLO:

TESEN ATENCIA WALTER JUNIOR

ING. PEREZ AUPA
DISEO DE MAQUINAS AUTOMATICAS
2014-2

PRIMERA PARTE
Control Horizontal de un puente gra
El modelo de la figura siguiente representa un puente gra formado por un carro conectado a
la masa suspendida a travs de un cable, el carro se mueve por la accin de un motor situado
al extremo izquierdo del sistema.

La funcin de transferencia en el dominio de S es la siguiente:

Donde:
B= coeficiente de rozamiento del aire generalmente 0.01
= la masa del carrito 0.25Kg
= la posicin del carrito en metros
=fuerza del motor en Newton
=masa del peso 0.125kg
=gravedad 10
=ngulo rad

=coeficiente de rozamiento acero contra acero 0.15

Reemplazando los valores tenemos (estos valores son estimados y aproximados)

Con la variable de salida

y nuestra entrada la fuerza del motor

Siendo el coeficiente de rozamiento del aire muy pequeo se podra considerar despreciable
La frmula tendra la siguiente forma
[
Por razones practicas se analiza la primera formula (1)

Matlab
Se introduce la funcin de transferencia a Matlab
>> sisC=zpk([],[0 -0.04],1)
Zero/pole/gain:
1
---------s (s+0.04)
Ahora se lleva el sistema a variables de
estado.
>> sisCss=ss(sisC)
a=
x1

x2

x1

x2

0 -0.04

b=
u1
x1 0
x2 1

c=

u1
x1 x2

y1 0

y1 1 0
d=

Continuous-time model.

Estabilidad
Se ve la estabilidad del sistema con Nyquist
>> nyquist (sisC)

Nyquist Diagram
0.8
4 dB

2 dB 0 dB -2 dB
-4 dB

6 dB
0.6

-6 dB

0.4
10 dB

-10 dB

0.2

Imaginary Axis

20 dB

-20 dB

-0.2

-0.4

-0.6

-0.8
-7

-6

-5

-4

-3

-2

-1

Real Axis

Nyquist nos dice que el sistema en tiempo continuo es estable porque sus curvas que no
encierran el punto -1, pero las curvas estn muy cerca de este.
Otra forma de ver la estabilidad del sistema es usando los eigen valores de la matriz a en
variables de estado.
Los eigen valores de la matriz en variables de estado nos dan las races del sistema ya que la
dinmica del sistema est en la matriz a.

Si las races del sistema se encuentran en el plano derecho, el sistema es inestable.

>> eig(sisCss.a)
ans =
0
-0.0400
Los polos del sistema se encuentran en el origen y en -0.04, muy cerca del semiplano derecho,
son crticamente estables.
Otra forma de ver la estabilidad del sistema es usando la orden rlocus, esta nos da el lugar de
las races para distintos valores de realimentacin.
El sistema realimentado representado con rlocus es el siguiente:

>> rlocus(sisC)

Root Locus
0.015

0.01

Imaginary Axis

0.005

-0.005

-0.01

-0.015
-0.045

-0.04

-0.035

-0.03

-0.025

-0.02

-0.015

-0.01

-0.005

0.005

Real Axis

Como se ven los dos polos en -0,04 y 0 tienen distintos polos para distintos valores de
ganancia, lo que tambin nos da una idea del comportamiento del sistema a distintas
ganancias.

Ahora se usara la orden lyap de Matlab, esto resuelve la ecuacin de Lyapunov

, si esta ecuacin se puede resolver el sistema es asintticamente estable

Para la orden de Lyapunov en Matlab se necesita una matriz del mismo grado que la
matriz a del sistema en variables de estado, esta puede ser una matriz identidad.
>> I=[1 1;1 1];
>> lyap(sisCss.a,I)
??? Solution does not exist or is not unique.
La orden de lyapunov nos dice que no encontr una solucin para nuestro sistema, lo que
quiere decir que el sistema no es asintticamente estable.

Controlabilidad
Utilizando la orden ctrb y Rank de Matlab se puede ver si el sistema es controlable.

Con la orden ctrb se obtiene la matiz de controlabilidad, si esta tiene un rango igual al grado de
la matiz esto quiere decir que es controlable
>> Mtctrb=ctrb(sisCss)

>> rank(Mtctrb)

Mtctrb =

ans =

0 1.0000

1.0000 -0.0400

Como se ve primero obtuvimos la matriz de controlabilidad del sistema y despus su rango, lo

cual nos dice que el sistema es controlable.

Observabilidad
Utilizando la orden obsv de Matlab y RanK podemos ver si el sistema es observable.
Con la orden obsv se obtiene la matriz de observabilidad del sistema, si esta tiene un rango
igual al grado de la matriz, nuestro sistema es observable.
>> Mtobsv=obsv(sisCss)

>> rank(Mtobsv)

Mtobsv =

ans =

Con se ve obtuvimos la matriz de observabilidad del sistema y despus el rango de esta. El

rango de la matriz de observabilidad es igual al grado de la matriz, lo que nos dice que el
sistema es observable.

Respuesta al escaln
Ahora tenemos nuestro sistema al cual le daremos una realimentacin y graficaremos la
respuesta al escaln, esto se har para ver si su respuesta es transitoria.
La sintaxis es:
Feedback(sys1,sys2)
Si se quiere una ganancia constante de realimentacin se tiene que igualar sys2=1 con esto
tenemos

la forma de un sistema realimentado.

>> sisCFeedB = feedback(sisCss,1)

a=

c=
x1

x2

x1 x2

x1

y1 1 0

x2

-1 -0.04
d=

b=

u1
u1

y1 0

x1 0
x2 1

Ahora veremos la respuesta al escaln

Continuous-time model.

Step Response
2

1.8

1.6

1.4

Amplitude

1.2

0.8

0.6

0.4

0.2

50

100

150

200

250

300

Time (sec)

Esta es la respuesta a una ganancia de realimentacin igual a uno.

Esta es la respuesta esperada de un sistema de Puente gra, con una carga que oscila en
presencia de perturbaciones.
El modelo con realimentacin presenta la siguiente funcin de transferencia, por lo que la
realimentacin ayuda a la estabilidad del sistema, esta realimentacin simplemente es
proporcional.
En funcin de transferencia
>> sisCFeedB2=feedback(sisC,1)

Las races del sistema realimenta son:

Zero/pole/gain:

>> pole (sisCFeedB2)

ans =

------------------

-0.0200 + 0.9998i

(s^2 + 0.04s + 1)

-0.0200 - 0.9998i

PULSOS
PLANTA=G

SEGUNDA PARTE
Control vertical de un puente gra
En esta parte el anlisis es ms sencillo ,debido a que se tendra que controlar el desfase entre
los dos motores para lo cual se usara un encoder en cada motor y si lo queremos hacer ms
preciso usaremos un encoder en la externa.

El control se resolvera con un una realimentacin que nos proporcionara el desfase entre los
dos motores.
Ganancia de
acuerdo al
desfase entre
los motores.

PULSOS
GP=k

PLANTA=g