You are on page 1of 7

Análisis de linealidad tanque cónico

Jairo Vargas Caleño


jairocale@yahoo.com
La salida corresponde al nivel (h) de
agua en el tanque.
Resumen: en este articulo se
presenta el análisis de linealidad de un
tanque cónico; el objetivo consiste en
analizar y verificar la respuesta del
sistema así como realizar la
identificación a través de el algoritmo
de mínimos cuadrados y el Toolbox de
Matlab® IDENT.

Palabras Clave: análisis lineal, no Figura No. 1. Tanque cónico


lineal, estabilidad, linealización,
identificación. Qin es una variable controlable y
cualquier cambio afecta de inmediato
el sistema. Para el análisis se limita el
1. INTRODUCCION flujo de entrada en el intervalo:
El presente artículo muestra el proceso
para el análisis de linealidad de un 0 ≤ Qin ≤ 4*10-4 m3/s.
sistema clásico como lo es un tanque (1.0)
de almacenamiento de líquido con
geometría cónica. El trabajo se dividió El caudal de salida (Qout), es no
en cinco partes principales: 1) controlable y se debe a la presión
Selección y modelamiento matemático hidrostática. Se asume caudal de
de la planta, 2) Prueba de linealidad, 3) salida turbulento:
Linealización del modelo en un punto
de operación, 4) Identificación de un Qout = k out h
modelo del sistema empleando el . (1.1)
toolbox Ident de Matlab y 5)
Conclusiones. Experimentalmente se ha encontrado
m5/ 2
k out = 10 −4
que s
2. MODELO TANQUE CONICO La altura del tanque es de 0.5 m y el
La Figura 1., muestra un tanque para ángulo alfa es de 20°. En la practica el
almacenamiento de agua con nivel de agua puede ser determinado
geometría cónica [1]. La entrada de de forma proporcional con la presión
control es el flujo de entrada (Qin) en la en el fondo del tanque.
tubería superior del tanque.
Para el nivel h el volumen es:

Pág. 1
1
V ( h) = π.r 2 (h). h
3 (1.2) dh Qin k out . h
= −
dt π . tan α .h
2 2
π . tan 2 α .h 2
Si se observa la Figura 1.0., se tiene dh h −2 .Qin h −2 .k out .h1 / 2
que: = −
dt π . tan 2 α π . tan 2 α
co r (h)
tan α = = h −2 .Qin k out .h −3 / 2
ca h dh
= −
dt π . tan 2 α π . tan 2 α
Donde r(h) es el radio del tanque. h
Finalmente se obtiene la siguiente
Solucionando para h: r ( h) = h. tan α relación:

Reemplazando r(h) en 1.2: dh 1 k


h = = f ( h, Qin ) = .h −2 .Qin − out .h −3 / 2
dt B B
1  (1.8)
V (h) =  π . tan 2 α .h 3
3  (1.3)
Donde B = π . tan 2 α
Derivando con respecto al tiempo,

dV (h)  1   dh
=  .π . tan 2 α h 3 . (1.4)
dt  3   dt

El volumen del tanque lo podemos


expresar como:

dV (h) dh
= π . tan 2 α .h 2 . (1.5)
dt dt Figura 2. Modelo de bloques del
sistema

Solucionando para dh/dt:


3. PRUEBAS DE LINEALIDAD
dh 1 El punto de partida en el análisis de un
= (1.6)
dt π . tan 2 α .h 2 sistema de control generalmente es un
modelo matemático como el mostrado
Ahora se tiene: por la ecuación (1.8), donde las
entradas y salidas del sistema se
dh relacionan como un conjunto de
= Qin − Qout = Qin − k out . h (1.7) ecuaciones diferenciales y/o en
dt
diferencia. La mayoría de los modelos
Sustituyendo (1.6) en (1.7): matemáticos son no lineales lo que les
da cierto grado de complejidad, sin
dh 1 embargo, tales fenómenos no lineales
= (Qin − k out . h )
dt π . tan 2 α .h 2
Pág. 2
se pueden reducir y describir mediante
modelos lineales.

Cuando se dice que un sistema es


lineal [2] nos referimos a sistemas que
cumplen simultáneamente las
propiedades de homogeneidad y
superposición.

La homogeneidad quiere decir que


cuando la entrada de un sistema dado
es modificada por un valor, la salida del
sistema varía en la misma proporción.
La propiedad de superposición se
cumple cuando la señal a la salida del
sistema es igual a la suma de las
salidas generadas por diferentes
señales en la entrada.
Figura No. 4. Respuesta del sistema
La grafica superior corresponde a la
La prueba de linealidad se realiza respuesta del sistema ante la entrada
empleando tres señales de entrada U1, U1, la grafica del medio la respuesta
U2 y U3 tal y como se muestra en la ante la entrada U2 y la grafica inferior
Figura No. 3. la respuesta ante la entrada U3. En
este caso Y2 no equivale a 2Y1 lo que
indica que no se cumple con la
propiedad de homogeneidad y
Y3=Y1+Y2 cuando U3= U1+U2 no
corresponde a la suma punto a punto
de las acciones de U1 y U2 por
separado (propiedad de superposición).
De esta forma se puede concluir que el
sistema tiene un comportamiento no
lineal.
Este resultado permite demostrar que
Figura No. 3. Pruebas de linealidad el sistema 2 no corresponde a un
sistema lineal ya que no se satisfacen
Las graficas de la Figura No. 4., las propiedades de homogeneidad y
corresponden a la respuesta del superposición.
sistema ante una entrada paso de una
unidad.
4. LINEALIZACION DEL MODELO
La Linealización [3] del modelo se
realiza alrededor de uno o varios
puntos de operación los cuales se
seleccionan de forma arbitraria o
Pág. 3
corresponden a puntos críticos del La función de transferencia es
sistema. Para ello se utiliza Series de entonces:
Taylor. En este caso, se llevara a cabo
~ ~ ~
en dos puntos para los cuales se quiere s * H ( s ) ≈ −6.7 * 10 −3 * H ( s ) + 60 .07 * Q ( s )
un comportamiento lineal y se realiza
calculando la derivada parcial de la ~ ~ ~
s * H ( s ) + 6.7 * 10 −3 * H ( s ) ≈ +60 .07 * Q ( s )
función con respecto a ∂ h y ∂ Qin:
~ ~
H ( s )( s + 6.7 * 10 −3 ) ≈ +60 .07 * Q ( s )
−3 −5 / 2
∂f − 2h0 .Qin ,0 3 k out .h0
= + ~
H ( s) 60 .07
∂h π . tan 2 α 2 π . tan 2 α ~ ≈
(1.8) Q ( s) s + 6.7 * 10 −3
−2
∂f h0
= Ahora analizando el denominador se
∂Qin π . tan 2 α tiene un polo negativo.
(1.9)
s + 6.7 * 10 −3 = 0
~
 ~ ~
Lo que lleva a: h ≈ ah + bQin (1.10) s = −6.7 * 10 −3

Esto nos indica que el sistema es


~  − 2h0 .Qin, 0 3 k out .h0
−3 −5 / 2
 ~  h0 −2
~ estable en este punto.
h ≈ + h +  Qin
 π . tan α 2 π . tan 2 α π . tan α 
2 2

Punto de operación No. 2.
(1.11)

Donde: ~∆ y ~ ∆ m3
h = h −h 0 Qin = Qin − Qin , 0 (h0 , Qin , 0 ) = (0.4m, 6.3246 * 10 −5 ):
s
(1.12) a = −0.0012 , b = 15 .0175
~

h ≈ −0.0012 * (h −h 0 ) +15 .0175 * (Qin − Qin , 0 )
(1.14)
Punto de operación No. 1.

Función de transferencia
h 0 = 0.2m y
~ ~
Qin = kout * h0 = 0.0001 * 0.2 = 4.4721e - 005 H (s) 15 .0175
~ ≈
Q(s) ( s + 0.0012 )
m3
(h0 , Qin , 0 ) = (0.2m, 4.47 * 10 −5 ):
s De igual manera el sistema linealizado
en este punto tiene un polo negativo
a = −6.7 * 10 −3 , b = 60 .07 por lo tanto es estable.
~

h ≈ −6.7 * 10 −3 * ( h −h 0 ) + 60 .07 * (Qin − Qin , 0 )
~
 ~ ~ 5. IDENTIFICACION DEL SISTEMA
h ≈ −6.7 * 10 −3 * h + 60 .07 * Qin (1.13)
La identificación [2][3][4] del sistema
se realiza alrededor del segundo punto

Pág. 4
de operación (ho=0.4 m) empleando
el toolbox ‘Ident’ de Matlab.

Figura No. 5. Identificación del sistema


alrededor de
ho= 4 m

Figura No. 6. Respuesta del sistema


alrededor de en: ho= 4 m y Qino=
6.3246e-5 m3/s.

Figura No. 8. Resultados obtenidos


para un sistema de primer orden

La función estimada para el sistema es entonces:


~
H (s) 6129 .15
~ ≈
Q(s) 3422 .93 s +1

Ahora, realizando el mismo


Figura No. 7. Toolbox Ident de Matlab procedimiento se estima una función
de transferencia con dos polos

Pág. 5
Realizando ahora identificación
empleando el algoritmo de Mínimos
cuadrados y un regresor de primer
orden, se obtiene
~
H ( z) 1.965
~ ≈
Q( z) z − 0.9997
0.4

0.35

0.3

0.25

0.2
Figura No. 9. Resultados obtenidos
para un sistema con dos polos 0.15

0.1
~
H (s) 5890 .1721
~ ≈ 0.05
Q (s) (1 + 0.029184 * s )(1 + 4094 .3758 * s )
0
0 1 2 3 4 5 6 7 8
4

Como se obtuvo un porcentaje de x10

aproximación del 55.36%, se identifica Figura No. 11. Respuesta del sistema
ahora una función con un polo y un estimado con mínimos cuadrados
cero.

5. CONCLUSIONES
Se logro obtener el modelo analítico
(ecuación diferencial) y el modelo en
diagramas de bloques que describen el
comportamiento dinámico del sistema
propuesto. Para ello se genero una
colección de datos provenientes de
pruebas experimentales simuladas
empleando el diagrama de bloques, se
determinaron los parámetros para
varias funciones con ayuda de la caja
Figura No. 10. Resultados obtenidos de herramienta ‘Ident’ de Matlab y
para un sistema con un polo y un cero. empleando el algoritmo de mínimos
cuadrados.
~
H (s) 6169 * (1 + 8351 .4 * s )
~ ≈ Sin embargo, se encontraron varias
Q(s) (1 +15622 * s )
inconvenientes en los procesos de
simulación entre los que el más
importante consistió en el número de
Pág. 6
cifras significativas que se empleaban
en los valores registrados,
especialmente, de la variable de
entrada. Este factor influyo
drásticamente al momento de usar un
regresor de segundo orden, puesto que
el rango de la variable de generaba
inconsistencias al momento de calcular
las diferentes matrices.

El proceso de identificación alrededor


del punto de operación mostro un
comportamiento aceptable y se pudo
verificar que el sistema mantiene un
comportamiento lineal en los puntos
próximos a es te valor.

6. BIBLIOGRAFIA
[1] M. Norgaar O, Ravn, N.K., Poulsen
and L.K Hansen, Neural Networks For
Modelling and Control of dinamic
Systems.

[2] Apuntes clase de Sistemas lineales


y no lineales, Universidad Distrital,
Profesor Ing. Andrés Escobar, Ing. Jairo
Soriano, 2010.

[3] OGATA, Katsuhiko, Ingenieria de


control moderna, Editorial Pearson,
México, 1998.

[4] Ayuda Matlab V7.1.0.246 (R14)


Service Pck 3.

Pág. 7

You might also like