Professional Documents
Culture Documents
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:
dV (h) 1 dh
= .π . tan 2 α h 3 . (1.4)
dt 3 dt
dV (h) dh
= π . tan 2 α .h 2 . (1.5)
dt dt Figura 2. Modelo de bloques del
sistema
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.
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
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.
6. BIBLIOGRAFIA
[1] M. Norgaar O, Ravn, N.K., Poulsen
and L.K Hansen, Neural Networks For
Modelling and Control of dinamic
Systems.
Pág. 7