Base de conocimiento

Análisis de sistemas de control, Física Aplicada, Sistemas Mecánicos

Dinámica de un Sistema Masa-Resorte-Amortiguador

Elementos básicos de un sistema mecánico.

Los elementos básicos de todo sistema mecánico son la masa, el resorte y el amortiguador. El estudio del movimiento en sistemas mecánicos se corresponde con el análisis de sistemas dinámicos. En robótica, por ejemplo, la palabra Forward Dynamic se refiere a lo que le sucede a los actuadores cuando le aplicamos a los mismos ciertas fuerzas y torques.

La masa, el resorte, el amortiguador, son actuadores elementales de un sistema mecánico.

En consecuencia, para controlar el robot es necesario conocer muy bien la naturaleza del movimiento de un sistema masa-resorte-amortiguador.

Además, este sistema elemental se presenta en numerosos campos de aplicación, de allí la importancia de su análisis. De nuevo, en robótica, cuando se habla de Inverse Dynamic, se habla sobre el cómo hacer que el robot se mueva de una manera deseada, cuáles fuerzas y torques debemos aplicar sobre los actuadores para que nuestro robot se mueva de una manera particular.

Atención:

Te recomiendo el libro “Sistema masa-resorte-amortiguador, 73 Ejercicios Resueltos”. Lo he escrito luego de agrupar, ordenar y resolver los ejercicios más frecuentes en los libros que se utilizan en las clases universitarias de Ingeniería de Sistemas de Control, Mecánica, Electrónica, Mecatrónica y Electromecánica, entre otras.

Si necesitas adquirir la destreza de solucionar problemas, ésta es una excelente opción para entrenarte y ser eficaz al presentar exámenes, o tener una base sólida para iniciar estas carreras profesionales. Da un vistazo al Índice al final de este artículo. 

Antes de realizar el Análisis Dinámico de nuestro sistema masa-resorte-amortiguador, debemos obtener su modelo matemático. Éste es el primer paso a ejecutar por toda persona que pretenda conocer a profundidad la dinámica de un sistema, especialmente el comportamiento de sus componentes mecánicos.

Iniciaremos nuestro estudio con el modelo de un sistema masa-resorte.

Esto es conveniente por el motivo siguiente. Todos los sistemas mecánicos presentan una naturaleza en su movimiento que le impulsa a oscilar, como cuando un objeto pende de un hilo en el techo y con la mano lo empujamos. O un zapato sobre una plataforma con resortes. Es bueno saber qué función matemática es la que mejor describe ese movimiento.

Pero resulta que las oscilaciones de nuestro ejemplos no son infinitas. Existe una fuerza de roce que amortigua el movimiento. En el caso del objeto que cuelga de un hilo es el aire, un fluido. Por lo que luego de estudiar el caso de un sistema ideal masa-resorte, sin amortiguación, pasaremos a considerar dicha fuerza de roce y añadir a la función ya encontrada un nuevo factor que describa el decaimiento del movimiento.

 

Sistema Masa-Resorte.

 

Fuente: Física. Robert Resnick

La dinámica de un sistema se representa en primer lugar mediante un modelo matemático compuesto por ecuaciones diferenciales. En el caso de el sistema masa-resorte, dicha ecuación es la siguiente:

Esta ecuación se conoce como Ecuación de Movimiento de un Oscilador Armónico Simple. Veamos de donde se deriva.

Si nuestra intención es obtener una fórmula que describa la fuerza que ejerce un resorte en contra del desplazamiento que lo estira o lo encoge, la mejor manera es visualizando la energía potencial que se inyecta al resorte cuando tratamos de estirarlo o encogerlo. La siguiente gráfica describe cómo se comporta esta energía en función del desplazamiento horizontal:

A medida que la masa m de la figura anterior, sujeta al extremo del resorte como se muestra en la Figura 5, se aleja del punto de relajación del resorte x=0  en sentido positivo o negativo, la energía potencial U(x) se acumula y aumenta en forma parabólica, llegando a un valor superior de energía donde U(x)=E, valor que se corresponde con la máxima elongación o compresión del resorte. La ecuación matemática que en la práctica describe mejor esta forma de curva, incorporando una constante k para la propiedad física del material que aumenta o disminuye la inclinación de dicha curva, es la siguiente:

La fuerza se relaciona con la energía potencial de la siguiente manera:

Por lo tanto:

Tiene sentido ver que F(x) es inversamente proporcional al desplazamiento de la masa m. Porque está claro que si estiramos el resorte, o lo encogemos, esta fuerza se opone a dicha acción, intentando devolver al resorte a su posición relajada o natural. Por ello se le llama fuerza de restitución. La ecuación anterior es conocida en la academia como La Ley de Hooke, o ley de la fuerza para resortes. La siguiente es una gráfica representativa de dicha fuerza, en relación con la energía como se ha venido mencionando, sin intervención de fuerzas de roce (amortiguación), por lo que se le conoce como Oscilador Armónico Simple. Es importante recalcar la relación proporcional entre desplazamiento y fuerza, pero con pendiente negativa, y que, en la práctica, es más compleja, no lineal.

Fuente: Física. Robert Resnick

Para una análisis animado del resorte, corto, sencillo pero contundente, recomiendo observar los videos: Potential Energy of a Spring, Restoring Force of a Spring

AMPLITUDE AND PHASE: SECOND ORDER II (Mathlets)

Sistema MRA

Amplitude-and-Phase-2nd-Order-II

He realizado un resumen de los textos originales consultados para analizar las ecuaciones de los elementos que se consideran en este documento: masa, resorte, amortiguador.

Regresando a la Figura 5:

Acudimos a la Segunda Ley de Newton:

Esta ecuación nos dice que la sumatoria vectorial de todas las fuerzas que actúan sobre el cuerpo de masa m, es igual al producto del valor de dicha masa por su aceleración adquirida debido a dichas fuerzas. Considerando que en nuestro sistema resorte-masa, ∑F=-kx, y recordando que la aceleración es la segunda derivada del desplazamiento, aplicando la Segunda Ley de Newton obtenemos la siguiente ecuación:

Arreglando un poco las cosas, obtenemos la ecuación que queríamos obtener desde un principio:

Esta ecuación representa La Dinámica de un Sistema Masa-Resorte ideal.

A parte de la Figura 5, otra forma común de representar este sistema es mediante la configuración siguiente:

Fuente: Dinámica de Sistemas. Katsuhiro Ogata

En este caso debemos considerar la influencia del peso en la sumatoria de fuerzas que actúan sobre el cuerpo de masa m. El peso P está determinado por la ecuación P=m.g, donde g es el valor de la aceleración del cuerpo en caída libre.

Si se jala la masa hacia abajo y luego se suelta, actúa la fuerza de restitución del resorte, provocando una aceleración ÿ en el cuerpo de masa m. Obtenemos la siguiente relación aplicando Newton:

Si implícitamente consideramos la deflexión estática, es decir, si realizamos las medidas a partir del nivel de equilibrio de la masa colgando del resorte sin moverse, entonces podemos obviar y descartar la influencia del peso P en la ecuación. Si hacemos y=x, obtenemos de nuevo la ecuación:

Sistema Masa-Resorte-Amortiguador

 

Si no existiera ninguna fuerza de roce, el oscilador armónico simple oscila infinitamente. En la realidad, la amplitud de la oscilación disminuye gradualmente, un proceso conocido como amortiguación, descrito gráficamente a continuación:

Fuente: Física. Robert Resnick

El desplazamiento de un movimiento oscilatorio se grafica contra el tiempo, y su amplitud se representa mediante una función sinusoidal amortiguada por un factor exponencial decreciente que en la gráfica se manifiesta como una envolvente. La fuerza de fricción Fv que actúa en el Movimiento Armónico Amortiguado es proporcional a la velocidad en la mayoría de los casos de interés científico. Dicha fuerza tiene la forma      Fv = bV, donde b es una constante positiva que depende de las características del fluido que ocasiona la fricción, entre otras cosas. Esta fricción, también conocida como Fricción Viscosa, se representa mediante un diagrama que consiste en un pistón y un cilindro lleno de aceite:

La manera más popular de representar un sistema masa-resorte-amortiguador es mediante una conexión en serie como la siguiente:

Figura 6

Fuente: Física. Robert Resnick

 

Así como la siguiente:

Fuente: Dinámica de Sistemas. Katsuhiro Ogata

En ambos casos se obtiene el mismo resultado al aplicar nuestro método de análisis. Considerando la Figura 6, podemos observar que es la misma configuración mostrada en a Figura 5, pero agregando el efecto del amortiguador. Aplicando la segunda Ley de Newton a este nuevo sistema, obtenemos la siguiente relación:

Esta ecuación representa La Dinámica de un Sistema Masa-Resorte-Amortiguador.

Es de importancia observar que la ecuación (37) es también una Ecuación Diferencial Ordinaria de orden 2 (Ordinary Differential Equation – ODE) porque sólo involucra las derivadas de una sola variable (en este caso x) hasta la segunda derivadaAdemás, al despejar la ecuación e igualarla a cero, se transforma también en una ODE Lineal Homogénea (Homogeneous Linear ODEla cual posee importantes propiedades que facilitan el cálculo. Más adelante en este mismo documento veremos eso mediante la aplicación de La Transformada de Laplace. 

Transformada de Laplace de un Sistema Masa-Resorte-Amortiguador

Una solución para la ecuación (37) se presenta a continuación:

Fuente: Física. Robert Resnick

La ecuación (38) muestra claramente lo que se había observado con anterioridad. Un ejemplo puede simularse en Matlab mediante el siguiente procedimiento:

Tcontinuo

La forma de la curva del desplazamiento en un sistema masa-resorte-amortiguador está representada por una sinusoide amortiguada por un factor exponencial decreciente. Es importante entender que en el caso anterior no se está aplicando ninguna fuerza al sistema, por lo que el comportamiento de este sistema se puede catalogar como “comportamiento natural” (también llamada respuesta homogénea). Más adelante mostramos el ejemplo de aplicar una fuerza al sistema (un escalón unitario), lo que genera un “comportamiento forzado” que influye el comportamiento final del sistema que será el resultado de sumar ambos comportamientos (natural + forzado). Observación: Cuando se aplica una fuerza al sistema, el lado derecho de la ecuación (37) ya no es igual a cero, y la ecuación deja de ser homogénea.

La solución para la ecuación (37) presentada anteriormente, puede derivarse mediante el método tradicional para resolver ecuaciones diferenciales. Sin embargo, dicho método es poco práctico cuando nos encontramos con sistemas más complicados como el siguiente que en los cuáles además se aplica una fuerza f(t):

Figura 7

Fuente: Control System Engineering. Norman Nise.

Surge entonces la propuesta de un método más práctico para hallar la dinámica de los sistemas y facilitar el posterior análisis de su comportamiento mediante simulación computarizada. La Transformada de Laplace permite alcanzar este objetivo de una manera rápida y rigurosa.

En la ecuación (37) no es fácil despejar x(t), que en ese caso es la función de salida y de interés. Tampoco puede representarse una ecuación diferencial en forma de Diagrama de Bloques que es el lenguaje más utilizado por los ingenieros para modelar sistemas, haciendo de lo complejo un objeto visual más fácil de entender y analizar. Esto conduce al primer objetivo para un método más práctico. El primer paso es separar claramente la función de salida x(t), la función de entrada f(t) y la función del sistema, alcanzando una representación como la siguiente:

r(t)=f(t), c(t)=x(t)

Fuente: Control System Engineering. Norman Nise.

La Transformada de Laplace consiste en cambiar las funciones de interés del dominio del tiempo al dominio de la frecuencia mediante la siguiente ecuación:

Fuente: Control System Engineering. Norman Nise.

La ventaja principal de este cambio radica en que transforma derivadas en sumas y restas, luego, mediante asociaciones, podemos despejar la función de interés aplicando las simples reglas del álgebra. Además, no es necesario aplicar la ecuación (2.1) a todas las funciones f(t) que nos encontremos, cuando se dispone de tablas que de antemano ya nos indican la transformada de funciones que se presentan con gran frecuencia en todos los fenómenos, como las sinusoides (salida del sistema masa, resorte y amortiguador) o la función escalón (entrada que representa un cambio brusco). En el caso de nuestros elementos básicos para un sistema mecánico, es decir: masa, resorte y amortiguador, contamos con la siguiente tabla:

Es decir, aplicamos un diagrama de fuerzas para cada unidad de masa del sistema, sustituimos la expresión de cada fuerza en tiempo por su equivalente en frecuencia (que en la tabla se denomina Impedancia, haciendo analogía entre sistemas mecánicos y sistemas eléctricos) y aplicamos la propiedad de superposición (cada movimiento se estudia por separado y luego se suma el resultado).

La Figura 2.15 muestra la Función de Transferencia para un sistema masa-resorte-amortiguador cuya dinámica se describe mediante una sola ecuación diferencial:

null

null

El sistema de la Figura 7 permite describir un método general bastante práctico para encontrar la función de transferencia de sistemas con varias ecuaciones diferenciales. Primero se aplica el diagrama de fuerzas a cada unidad de masa:

La Transformada de Laplace llama a la función del sistema Función de Transferencia, cuya definición depende de cual es la función de entrada y cual la salida. Por ejemplo, para la Figura 7 nos interesa conocer la Función de Transferencia G(s)=X2(s)/F(s).

Arreglando en forma matricial las ecuaciones del movimiento obtenemos lo siguiente:

Las ecuaciones (2.118a) y (2.118b) muestran un patrón que siempre se cumple y se puede aplicar para cualquier sistema masa-resorte-amortiguador:

La consecuencia inmediata del método anterior es que facilita enormemente obtener las ecuaciones del movimiento para un sistema masa-resorte-amortiguador, al contrario de lo que sucede con las ecuaciones diferenciales. Además, podemos llegar rápidamente a la solución exigida. En el caso de nuestro ejemplo:

donde

que son resultados que se obtienen aplicando las reglas del Algebra Lineal, lo que concede un gran poder computacional al método de Transformada de Laplace.

Ejemplos de aplicación

Ejemplo 1.

Ejercicio B318, Modern_Control_Engineering, Ogata 4t p 149 (162),

null

null

null

Respuesta completa en el siguiente link: Ejemplo 1 – Función Transferencia de Sistema masa-resorte-amortiguador

Ejemplo 2.

  1. Control Systems Engineering, Nise, p 101

Respuesta completa en el siguiente link: Ejemplo 2 – Función Transferencia de sistema masa-resorte-amortiguador

Caso Rotacional

Hasta ahora se ha considerado solamente el caso traslacional. En el caso de que el desplazamiento sea rotacional, la siguiente tabla resume la aplicación de la transformada de Laplace en ese caso:

Para ilustrar su uso consideramos el siguiente ejemplo:

Las siguientes figuras ilustran la manera cómo realizar el diagrama de fuerzas para este caso:

De esta manera, el resultado se obtiene a continuación:

Siendo:

Observamos que de nuevo se cumple que:

Respuesta de un Sistema Masa-Resorte-Amortiguador con Condiciones Iniciales

La técnica discutida hasta ahora, la aplicación de la Transformada de Laplace para obtener la función de transferencia, ha implicado condiciones iniciales iguales a cero en el sistema. Es por ello que muchos problemas inician con el anuncio de “suponga que el sistema parte del reposo”, o, “suponga condiciones iniciales iguales a cero”.

En el caso de que las condiciones iniciales de un sistema Masa-Resorte-Amortiguador no sean cero, la aplicación de la transformada de Laplace tiene una variante que hace poco factible encontrar la función de transferencia del sistema. En cambio, podemos obtener una expresión para la salida X(s) tomando en cuenta dichas condiciones iniciales, para luego evaluar un sistema paralelo cuyo comportamiento sea equivalente al sistema que nos interesa. Veamos.

Consideramos el sistema de la Figura 5-30, con m=1 Kg; b= 3 N-s/m; k=2 N/m:

null

Si las condiciones iniciales no son iguales a cero, debemos obtener primero la ecuación diferencial del este sistema, la cual es:

null

Suponemos que en el tiempo t=0 la masa es jalada hacia abajo (sentido positivo) tal que posee las siguientes condiciones iniciales: x(0)=0.1 m; x´=0.05 m/s. Tomando en cuenta condiciones iniciales diferentes de cero, la transformada de Laplace  para x’ es sX(s) – x(0), y para x” es s^2X(s) – sx(0) – x'(0). Por tanto, la transformada de Laplace del sistema anterior es:

null

Despejando X(s) obtenemos:null

Por tanto, la expresión para la salida considerando las condiciones iniciales diferentes de cero es:null

Si aún queremos evaluar el movimiento del sistema mediante una función de transferencia, podemos aplicar una fuerza externa y observar que pasa. Hacemos uso de una de las entradas más comunes para evaluar sistemas: una entrada escalón unitario. Es muy utilizada porque muchos fenómenos se manifiestan de esta manera, cuando la fuerza aparece súbitamente y luego permanece constante.

La ecuación anterior se puede escribir como sigue:null

Por lo tanto el movimiento de la masa m puede ser evaluada como la respuesta a la entrada escalón unitario del siguiente sistema cuya Función de Transferencia G(s) es:

null

Introduzca en el Command Window de Matlab el siguiente código el cual simula el comportamiento del sistema ante una entrada escalón:

> G=tf([0.1 0.35 0],[1 3 2])

>step(G)

> stepinfo(G)

null

RiseTime: 2.5518

Peak: 0.1042

¿Cómo se puede interpretar este resultado? El sistema originalmente comienza su movimiento en x(0)=0.1 m (offset) y viaja a una velocidad de 0.05 m/s. Según la gráfica, el sistema (la masa m) se desplaza (oscila) levemente hasta 0.1042 m (Peak) al ser “empujada” por una fuerza en forma de escalón unitario en sentido positivo, y en 2.5518 segundos (RiseTime) a regresado a la posición 0,0368 m aprox., que se corresponde con el 63.2%  de su trayecto hasta la posición final que es 0 m, es decir, la masa y el sistema en general regresa desde 0.1 metros a su posición de equilibrio.

Representación en Variables de Estado de un Sistema Masa-Resorte-Amortiguador.

Las variables de estado son la herramienta más poderosa de la Ingeniería de Control Moderna, ya que no está limitada a sistemas lineales como sí o está el método hasta ahora visto, La Transformada de Laplace.

Las variables de estado en el caso del sistema masa-resorte-amortiguador de la Figura 8, nos permitirá reescribir un sistema de segundo orden en un sistema de primer orden. El siguiente material fue obtenido del video: State-Space Representation

                                                                      Figura 8

 

Seleccionando nuevamente el desplazamiento como la coordenada generalizada, la ecuación de movimiento del sistema es la siguiente:

El objetivo es expresar esta ecuación en una forma equivalente que tiene la siguiente forma:

Aquí el vector es un Vector de Estado, y X1, X2, son variables de estado que sustituyen a la original variable generalizada X y, más importante, a sus derivadas. El describir el sistema en forma de matrix, ofrecerá la enorme ventaja de utilizar el poder de las computadoras para procesar información y ejecutar análisis de datos presentados en forma matricial (Matrix Algebra).

Las ecuaciones encerradas en círculos amarillos muestran como la primera forma de escribir es la forma compacta de escribir las ecuaciones para y.

El primer paso es definir las variables de estado:

Este procedimiento nos permite obtener de inmediato la primera ecuación de estado :

…..por tanto

El segundo paso consiste en forzar al coeficiente que acompaña al orden más alto, el coeficiente líder, a ser igual a la unidad. Para ello, en nuestro caso, se divide la ecuación de movimiento original entre m (y en general, entre el valor que ocupe ese lugar):

En el tercer paso se despeja la derivada de mayor orden:

El cuarto paso consiste en sustituir las derivadas de la variable original por sus ya asignadas variables de estado:

Y así hemos encontrado la segunda ecuación de estado:

….

Y así hemos completado el objetivo. La ecuación de movimiento original puede ser expresado como variables de estado en la siguiente forma:

Ejemplo 2 variables de estado:

Supongamos ahora que tenemos el sistema de la Figura 2.15, para el cual ya habíamos encontrado su Función de Transferencia (ver: Ejemplo 2 – Función Transferencia de sistema masa-resorte-amortiguador):

Debemos encontrar para este sistema su representación en variables de estado.

Para ver todo el resultado ver el siguiente link: Ejemplo 1 – Representación en Variables de Estado de un Sistema Masa-Resorte-Amortiguador

SIGUIENTE: Dinámica de una Sistema Electromecánico con Motor DC

Los libros de donde extraje imágenes, ecuaciones e información, son los siguientes:

  1. Robert Resnick, tomo1
  2. Dinamica_de_Sistemas, Katsuhiko Ogata
  3. Control Systems Engineering, Norman Nise
  4. Sistemas de Control Automatico, Benjamin Kuo
  5. Ingenieria de Control Moderna, 3° ED. – Katsuhiko Ogata
Atención:

Te recomiendo el libro “Sistema masa-resorte-amortiguador, 73 Ejercicios Resueltos”. Lo he escrito luego de agrupar, ordenar y resolver los ejercicios más frecuentes en los libros que se utilizan en las clases universitarias de Ingeniería de Sistemas de Control, Mecánica, Electrónica, Mecatrónica y Electromecánica, entre otras.

Si necesitas adquirir la destreza de solucionar problemas, ésta es una excelente opción para entrenarte y ser eficaz al presentar exámenes, o tener una base sólida para iniciar estas carreras profesionales. 

INDICE

  • Capítulo 1———————————————————- 1
    • Sistema Masa-Resorte-Amortiguador (desplazamiento traslacional)
  • Capítulo 2———————————————————- 51
    • Sistema Masa-Resorte-Amortiguador (desplazamiento rotacional)
  • Capítulo 3———————————————————- 76
    • Sistema Mecánico con engranajes
  • Capítulo 4———————————————————- 89
    • Sistema eléctrico, electrónico
  • Capítulo 5———————————————————-114
    • Sistema Electromecánico – Motor DC
  • Capítulo 6——————————————————— 144
    • Sistema del nivel de líquido
  • Capítulo 7——————————————————— 154
    • Linealización de sistemas no lineales
Atención: 

Si lo que Usted necesita es resolver con urgencia un problema: 

Atención:

Si lo que Usted necesita es determinar La Función de Transferencia de un Sistema..Le entregamos la respuesta en dos horas o menos, dependiendo de la complejidad. En digital. Póngase en contacto con nosotros, respuesta inmediata, resolvemos y entregamos la Función de Transferencia de sistemas masa-resorte-amortiguador, eléctricos, electromecánicos, electromotriz, nivel de líquido, térmico, híbridos, rotacional, no lineales, etc.. Opcional, Representación en Variables de Estado. Simulación en Matlab, Opcional, Entrevista por Skype para explicar la solución.

WhatsApp +593981478463, atención inmediata !!

email: dademuchconnection@gmail.com 

Costo del servicio: 10 dólares por problema.

Escrito por Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer – Twitter: @dademuch

Mentoring Académico / Emprendedores / Empresarial

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca. telf – 0998524011

WhatsApp: +593981478463 

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Relacionado:

Ejemplo 1 – Función Transferencia de Sistema masa-resorte-amortiguador

Ejemplo 2 – Función Transferencia de sistema masa-resorte-amortiguador

Dinámica de una Sistema Electromecánico con Motor DC

Ejemplo 1 – Función de Transferencia de Sistema Electromecánico

Ejemplo 1 – Representación en Variables de Estado de un Sistema Masa-Resorte-Amortiguador

Diagrama de Bloques – Ingeniería de Control

Respuesta Transitoria de un Sistema de Control

Simulación de Respuesta Transitoria con Matlab

Estabilidad de un sistema de control

Error en estado estable de un sistema de control

PID – Acciones básicas de sistemas de control

PID – Efecto de las acciones de control Integral y Derivativo

PID – Diseño y configuración del controlador 

Anuncios
Control System Analysis, Electrical Engineer, PID Control

Design via Root Locus – Improving Transient Response via Cascade compensation

In this article, we discuss two ways to improve the transient response of a feedback
control system by using cascade compensation. Typically, the objective is to design a
response that has a desirable percent overshoot and a shorter settling time than the
uncompensated system.

Improving Transient Response - Compensation

We have seen before that setting the gain at a particular value on the root locus yields the transient response dictated by the poles at that point on the root locus. Thus, we are limited to those responses that exist along the root locus. (See Sketching Root Locus with Matlab – Control Systems)

Unfortunately, most of the time the overshoot specification for designing control systems exceed the posibilities of the current root locus. What can we do then?

Rather than change the existing system, we augment, or compensate, the system with additional poles and zeros, so that the compensated system has a root locus that goes through the desired pole location for some value of gain. One of the advantages of compensating a system in this way is that additional poles and zeros can be added at the low-power end of the system before the plant. We should evaluate the transient response through simulation after the design is complete to be sure the requirements have been met.

There are two configurations of compensation mostly used in control systems design: cascade compensation and feedback compensation. These methods are modeled in Figure 1 and Figure 2:

Figure 1. Cascade Compensation of a control system.

With cascade compensation, the compensating network, G1(s), is placed at the low-power end of the forward path in cascade with the plant, Figure 1.

Figure 2. Feedback Compensation of a control system.

With feedback compensation, the compensator, H1(s), is placed in the feedback path, Figure 2.

Both methods change the open-loop poles and zeros, thereby creating a new root locus that goes through the desired closed-loop pole location.

Cascade Compensation - PD controller

As we said before, sometimes poles and zeros must be added in the forward path to produce a new open-loop function whose root locus goes through the design point on the s-plane, in order to meet design requirements. One way to speed up the original system that generally works is to add a single zero to the forward path.

This zero can be represented by a compensator whose transfer function is:
This function, the sum of a differentiator and a pure gain, is called an ideal derivative compensation, or PD controller.

 

In construction…

Análisis de sistemas de control, Ingeniería Eléctrica, Lugar geométrico de las raíces

Diseño de la Respuesta Transitoria de un sistema de control vía LGR – Compensación en Cascada

En este artículo, se analizan dos formas de mejorar la respuesta transitoria de un
Sistema de control con realimentación, mediante el uso del Lugar Geométrico de las Raíces (LGR) y de la compensación en cascada. Por lo general el objetivo consiste en diseñar un respuesta que tenga un porcentaje de sobrepaso deseable y un tiempo de establecimiento más corto que el que tiene el sistema antes de la compensación.

Mejorar el desempeño de la Respuesta Transitoria

Hemos visto antes que, al establecer la ganancia en un valor particular en el lugar geométrico de las raíces, se determina una respuesta transitoria específica, dictada por los polos en ese punto del lugar geométrico. Esto quiere decir que al diseñar una respuesta transitoria estamos limitados a aquellas respuestas que existen a lo largo del lugar geométrico de las raíces. (Ver El lugar geométrico de las raíces con Matlab).

Desafortunadamente, la mayor parte del tiempo los requerimientos de diseño y, en especial, las especificaciones de sobrepaso y tiempo de repuesta para el diseño de sistemas de control, excede las posibilidades del LGR actual. ¿Qué podemos hacer entonces?

En lugar de cambiar el sistema existente, aumentamos o compensamos el sistema con polos y ceros adicionales, de modo que el sistema compensado tenga un LGR que pase por la ubicación deseada del polo para obtener algún valor de ganancia. Una de las ventajas de compensar un sistema de esta manera es que se pueden agregar polos y ceros adicionales en el extremo de baja potencia del sistema, justo antes de la planta. Debemos evaluar la respuesta transitoria a través de la simulación una vez que el diseño esté completo para asegurarnos de que se cumplan los requerimientos exigidos.

Principalmente, existen dos configuraciones de compensación utilizadas en el diseño de sistemas de control: compensación en cascada y compensación por retroalimentación. Estos métodos se modelan en la Figura 1 y la Figura 2:

Figura 1. Compensación en cascada de un sistema de control.

Con la compensación en cascada, la red de compensación, G1(s), se coloca en la zona de baja potencia, justo delante y en cascada con la planta G3(s), o delante del controlador original G2(s) de la planta, como se puede ver en la Figura 1.

Figura 2. Compensación en realimentación de un sistema de control.

Con la compensación de realimentación (feedback compensator), el compensador, H1(s), se coloca en la ruta de realimentación, Figura 2.

Ambos métodos cambian los polos y ceros a lazo abierto, creando así un nuevo LGR a lazo cerrado, que atraviesa la ubicación requerida por las especificaciones de diseño.

La primera técnica que presentada será la compensación derivativa ideal. Se agrega un diferenciador puro a la trayectoria directa del sistema de control con retroalimentación.

En construcción…

Análisis de sistemas de control, Lugar geométrico de las raíces

Sketching Root Locus with Matlab – Control Systems

The Root Locus graphically displayed both transient response and stability information. 

The locus can be sketched quickly to get a general idea of the changes in transient response generated by changes in gain. Specific points on the locus also can be found accurately to give quantitative design information.

The root locus typically allows us to choose the proper loop gain to meet a transient response specification. As the gain is varied, we move through different regions of response. Setting the gain at a particular value yields the transient response dictated by the poles at that point on the root locus. Thus, we are limited to those responses that exist along the root locus.

We can use Matlab and its Control System Toolbox to plot The Root Locus of a control system, given its characteristic equation or its forward transfer function.

1) As a first example, consider the system which characteristic equation is as follows:

null

The factored form of this characteristic equation is:

null

That is to say:

null

Where G(s)H(s) is the open-loop forward transfer function for a system represented by its block diagram as follows:

null

The root locus sketching looks as follows:

null

null

As it was said before, we can get the root locus for G(s)H(s) with Matlab using the following simple commands:

>> s=tf(‘s’)

>> sys=(1)/(s*(s+3)*(s^2+2*s+2))

>> rlocus(sys)

We obtain the next chart:

null

When gain K=8.1,  s=0+j1.09. We can see it by clicking on the lower intersection with the imaginary axis. Doing similarly, we can find the value of K at s=0-j1.09.

null

We can also see in the locus of the roots provided by Matlab for this system, the following:

  1. The geometric places are symmetrical with respect to the real axis.
  2. The four points at the root locus where K=0 (the poles, where the geometric places begin) are s=0, -3, -1+j, -1-j. Those where K=∞ (the zeros, where the geometric places finishare s=∞, ∞ , ∞ , and .
  3. The maximum between n and m is 4, thus we say that the root locus has 4 branches, labeled by green colour ( -3), blue (0), celeste ( -1-j) and red ( -1+j).
  4. The number of asymptotes is 4, (n-m=4). Since the number of finite poles exceeds the number of finite zeros, the locus of the roots approaches to s=∞ along the asymptotes.
  5. The angles and centroid of the asymptotes are given below:

null

null

Once we sketch the root locus, we may want to accurately locate points on the root locus as well as find their associated gain. For example, we might want to know the exact coordinates of the root locus as it crosses the radial line representing 20% overshoot. Further, we also may want the value of gain at that point. Let us to illustrate that with the next example:

2) Given a unity feedback system that has the forward transfer function:

a. Sketch the root locus.
b. Find the imaginary-axis crossing.
c. Find the gain, K, at the jv-axis crossing.
d. Find the break-in point.
e. Find the point where the locus crosses the 0.5 damping ratio line.
f. Find the gain at the point where the locus crosses the 0.5 damping ratio line.
g. Find the range of gain, K, for which the system is stable.

a. Sketch the root locus.

>> numg=poly([2 4]);
>> deng=[1 6 25];
>> G=tf(numg,deng)

G

s^2 – 6 s + 8
————–
s^2 + 6 s + 25

>> rlocus(G);

b. Find the imaginary-axis crossing.

We can see in the chart that when the geometric place cross by the imaginary axe, the poles are at:

c. Find the gain, K, at the jv-axis crossing.

According to the previous graph:

The previous graph also tells us that the system is unstable (negative damping) when:

d. Find the break-in point.

e. Find the point where the locus crosses the 0.5 damping ratio line.
>> z=0.5;
>> sgrid(z,0)

f. Find the gain at the point where the locus crosses the 0.5 damping ratio line.

According to the previous graph:

g. Find the range of gain, K, for which the system is stable.

Previously, we have seen that the system is stable when:

Proportional Control

3. Find the gain to meet the damping ξ= 0.5, given the forward transfer function for a control system with unitary feedback:

null

We already know that this control system has the following configuration:

By adding to this original system a controller to manipulate the K gain of its Root Locus until obtaining the desired damping factor, we will be executing a Proportional Control Action. It is customary to add said controller in the region of low power, in series and just before the plant, or just before the direct transfer function, as illustrated in the following figure:

Adding a proportional controller of gain Kp, lThe forward transfer function G(s) is:null

When KP=1, we have the original system.

We will use the following commands of Matlab, rltool:

>> numg=100;
>> deng=[1 16 65 50];
>> G=tf(numg,deng)

G =

100
————————
s^3 + 16 s^2 + 65 s + 50

>> rltool(G)

Doing right click:

Here we get ζ=0.5 when KP=1.46

Comparing the system before and after the compensation:

>> numc=100*1.46;
>> Gc=tf(numc,deng)

Gc =

146
————————
s^3 + 16 s^2 + 65 s + 50

>> sys_before=feedback(G,1);
>> sys_after=feedback(Gc,1);
>> step(sys_before,sys_after)

In blue, the response of the system to a step input before compensation is shown, when KP=1. In red, after compensation, when KP=1.46. The rise time is better (from 0.5626 s to 0.4356 s), but overshot is bigger due to less damping ζ (from 0.626 to 0.502). Steady-state error is also better.

We can see this data using:

>> stepinfo(sys_before)

RiseTime: 0.5626
SettlingTime: 1.7487
Overshoot: 7.5449

>> stepinfo(sys_after)

RiseTime: 0.4356
SettlingTime: 2.0551
Overshoot: 15.0397

>> damp (sys_before)

Damping= 6.26e-01

>> damp (sys_after)

Damping=5.02e-01

Or doing right click on the Root Locus, and then design requirement>new>design requirement type>damping ratio>0.5>ok. 

Conclusion

It is confirmed by these examples that the locus of the roots is a powerful method of analysis and design for the stability and transient response of a control system (Evans, 1948, 1950).

The feedback control systems are difficult to understand from the qualitative point of view, so that this understanding depends largely on mathematics. The root locus is the graphic technique that gives us that qualitative description of the performance of the control system we are designing.

Setting the gain at a particular value on the root locus yields the transient response dictated by the poles at that point on the root locus. Thus, we are limited to those responses that exist along the root locus. That is what the following topic is about:

NEXT: Design via Root Locus – Improving Transient Response via Cascade Compensation

Sources:

  1. Control Systems Engineering, Nise
  2. Sistemas de Control Automatico Benjamin C Kuo
  3. Modern_Control_Engineering, Ogata 4t

Written by: Larry Francis Obando – Technical Specialist – Educational Content Writer.

Mentoring Académico / Empresarial / Emprendedores

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, Caracas.

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca – Telf. 00593998524011

WhatsApp: +593998524011    /    +593981478463

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

 

Automóvil, Mecatrónica

Ejemplo de Mecatrónica – Sistema de control de un motor de combustión interna.

La Mecatrónica representa la fusión entre la electrónica, los sistemas de control y la ingeniería mecánica. En esencia, se trata de sistemas dinámicos inteligentes y conectados, cuya estructura se ilustra en la Figura 1:

Figura 1. Sistema Físico inteligente y conectado.

Como se puede observar en la Figura 1, la Mecatrónica reúne áreas de la tecnología que involucran sensores y sistemas de medición, sistemas de manejo y actuación así como sistemas de microprocesador, junto con el análisis del comportamiento de sistemas y sistemas de control. El flujo de la información a través de estos subsistemas en un sistema mecatrónico se muestra en la Figura 2:

Figura 2. Elementos básicos de un sistema mecatrónico. 

El control de encendido y abastecimiento de combustible del motor de un automóvil es un buen ejemplo de un sistema mecatrónico. En el caso de un motor de combustión interna de cuatro tiempos, cada uno de los cilindros tiene un pistón conectado a un eje de cigüeñal común y cada uno cumple con un proceso secuencial denominado ciclo de cuatro tiempos o ciclo de Otto, mostrado en la Figura 3:

Figura 3. Secuencia del ciclo de cuatro tiempos de un motor de combustión interna.

Cuando el pistón desciende, se abre una válvula y entra al cilindro la mezcla de aire y combustible. Cuando el pistón sube, la válvula se cierra y se comprime la mezcla de aire-combustible. Cuando el pistón está cerca de la parte superior del cilindro, una bujía enciende la mezcla y se produce la expansión de los gases calientes. Esta expansión da lugar a que el pistón baje otra vez y el ciclo se repita. Los pistones de cada cilindro están unidos a un eje de cigüeñal común y sus tiempos de trabajo son distintos, de manera que siempre hay energía para hacer girar el eje del cigüeñal.

La potencia y la velocidad del motor se controlan variando el tiempo de encendido y la mezcla aire-combustible. En los motores modernos este control es ejecutado por un Sistema de Mando, el cual se ilustra en la Figura 4:

Figura 4. Sistema de mando de un motor de combustión interna.

En el tiempo de encendido, el eje del cigüeñal acciona un distribuidor que hace contactos eléctricos para cada bujía, por turno y en una rueda de temporización. Ésta genera pulsos que indican la posición del eje del cigüeñal. Después, el microprocesador ajusta el tiempo en el que los pulsos de alto voltaje se envían al distribuidor para que se produzcan en los momentos ‘correctos’. Para controlar la cantidad de la mezcla de aire-combustible que entra a un cilindro durante los tiempos de admisión, el microprocesador varía el tiempo de la activación con una válvula solenoide para que abra la válvula de admisión con base en las entradas recibidas de la temperatura del motor y la posición de la válvula reguladora. La cantidad de combustible que se debe inyectar a la corriente de aire se determina por la entrada de un sensor que mide el gasto másico del flujo de aire, o bien se calcula a partir de otras mediciones; a continuación, el microprocesador produce una salida que controla una válvula de inyección de combustible.

SIGUIENTE: En construcción…

En el diseño de sistemas mecatrónicos, uno de los pasos incluidos es crear un modelo del sistema. El término modelado se usa para representar el  comportamiento de un sistema real con ecuaciones matemáticas; tales ecuaciones representan la relación entre las entradas y las salidas del sistema. Esta relación permite predecir el comportamiento del sistema cuando es sometido a diferentes entradas. La siguiente es una lista de conocimientos básicos para modelar, analizar y diseñar sistemas mecatrónicos:

Fuente: Mecatrónica Sistemas de Control Electrónico en la Ingeniería Mecánica y Eléctrica, 5ta Edición – W. BOLTON –

Revisión literaria hecha por:

Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer

Twitter: @dademuch

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca. telf – 0998524011

WhatsApp: +593998524011   +593981478463 

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

 

 

Análisis de circuitos eléctricos, Ingeniería Eléctrica

Análisis fasorial de sistemas eléctricos de corriente alterna (CA) – Nodos y Mallas

En este artículo vamos a transformar circuitos eléctricos típicos al dominio fasorial (frecuencia) y vamos a resolver problemas utilizando las técnicas de Kirchhoff  (Análisis de Mallas y Nodos).

Análisis de Mallas (Análisis de Lazo)

Recordando La Ley de Voltaje de Kirchhoff (LVK), la misma establece que la suma algebraica de las elevaciones y caídas de potencial alrededor de un lazo (o trayectoria) cerrado es cero. Un lazo cerrado es cualquier trayectoria continua que sale de un punto en una dirección y regresa al mismo punto desde otra dirección sin abandonar el circuito. En forma simbólica:

De manera alternativa, la LVK establece que el voltaje aplicado de un circuito en serie equivale a la suma de las caídas de voltaje en los elementos en serie.

La LVK es la base del análisis de malla.

  1. Determine la corriente Io en el circuito de la Figura 1.
Figura 1.

Claramente tenemos tres mallas. Aplicamos LVK de la siguiente manera:

Malla 1: se corresponde con aquella asignada con la corriente I1. Aplicando Kirchhoff a la malla 1 obtenemos la siguiente ecuación:

La corriente I1 atraviesa tres impedancias, mientras que I2 e I3 atraviesan solo una impedancia, desde el punto de vista de la malla 1.

De acuerdo con Kirchhoff, la caída de voltaje a través de las impedancias que atraviesa la corriente I1 se consideran de signo contrario a aquellas caídas de voltaje que atraviesan otras corriente en sentido contrario. Fíjese por ejemplo que en la impedancia –j2 la corriente I1 va hacia abajo, mientras que la corriente I2 va hacia arriba. Es por ello que la caída de voltaje determinada por el producto –j2* I1 tiene signo positivo en la ecuación (1) mientras que la caída de voltaje determinada por el producto –j2* I2 tiene signo negativo en la ecuación (1). Fíjese que si cambiamos los signos de la ecuación (1), la ecuación es igualmente válida:

Malla 2: se corresponde con aquella asignada con la corriente I2. El mismo criterio que para la malla 1 obtenemos la siguiente ecuación:

Malla 3: se corresponde con aquella asignada con la corriente I3. En este caso, la corriente I3 tiene un valor constante, lo que reduce el número de incógnitas que tenemos en el sistema. Es decir, si:

Entonces, sustituyendo en la ecuaciones (1) y (2), obtenemos que:

Simplificando:

Expresado en términos matriciales:

En vista de que nuestro problema consiste en determinar el valor para Io, y que según el diagrama de la Figura 1:

Resolvemos la ecuación (3). Primero hallamos el determinante de la matriz principal:

Luego resolvemos la ecuación (3) para I2:  

De esta manera:

Por tanto:

Análisis de Nodos 

La Ley de Corriente de Kirchhoff (LCK), establece que la suma algebraica de las corrientes que entran y salen de un área, sistema o unión, es cero.

De manera alternativa, la LCK establece que la suma de las corrientes que entran a un área, sistema o unión, debe ser igual a la suma de las corrientes que salen de dicha área, sistema o unión. En forma simbólica:

La LCK es la base del análisis de nodos.

2. Hallar Ix en el circuito de la Figura 2.

Figura 2.

 

Como primer paso debemos transformar los valores al dominio de la frecuencia:

Luego de la transformación, la Figura 3 muestra el circuito equivalente y los nodos que serán considerados para el análisis nodal:

Figura 3.

 

Nodo 1: se corresponde con aquel asignado con el voltaje V1. Aplicando la LCK al nodo 1 obtenemos la siguiente ecuación:

Es decir, las corrientes que entran a un nodo tienen el signo contrario al de las corrientes que salen.

Simplificando la ecuación anterior:

Nodo 2: se corresponde con aquel asignado con el voltaje V2. Aplicando la LCK al nodo 2 obtenemos la siguiente ecuación:

Sabemos además en el nodo 1 que:

                               

Sustituyendo esta última relación en la ecuación (5) obtenemos:

Simplificando, obtenemos que:

Con las ecuaciones (4) y (6) obtenemos la representación matricial del sistema:

Ya que el problema consiste en hallar Ix, podemos resolver la ecuación (7) para V1 como sigue:

Luego resolvemos la ecuación (7) para V1:

De esta manera:

Por tanto:

Fuentes:

  1. Introduccion-al-analisis-de-circuitos-robert-l-boylestad,
  2. Análisis de Redes – Van Valkenburg,
  3. Fundamentos_de_circuitos_electricos_5ta

 

Escrito por Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer – Twitter: @dademuch

Mentoring Académico / Emprendedores / Empresarial

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca. telf – 0998524011

WhatsApp: +593998524011      +593981478463

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Sin categoría

El amplificador proporcional

El amplificador proporcional.

Un buen ejemplo de un amplificador proporcional es un Amplificador Operacional con realimentación negativa resistiva pura y configuración de inversor tal como se muestra en la Figura 2.7a.

Los Amplificadores Operacionales, con frecuencia llamados Op Amps, son ampliamente utilizados para amplificar señales en circuitos que funcionan como sensores. La Función de Transferencia del Amplificador Operacional se muestra en la Figura 2.7b con el nombre de G2:

Otra configuración de esta clase se muestra en la Tabla 3-1 con su función de transferencia:

Table 3-1

Escrito por: Larry Francis Obando – Technical Specialist – Educational Content Writer.

Mentoring Académico / Emprendedores / Empresarial.

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, Caracas.

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca – Telf. 00593998524011

WhatsApp: +593998524011    /    +593981478463

Twitter: @dademuch

FACEBOOK: DademuchConnection

Análisis de sistemas de control, Diagramas de bloques, Función de Transferencia, Ingeniería Eléctrica, Sistema Electromecánico

Función de transferencia del Motor DC y su carga

Hallar la función de transferencia del sistema formado por un Motor DC y su carga, como se muestra en la Figura 1:

Figura 1. Motor DC con su carga.

 

Dinámica del sistema

Considerando que:

La dinámica de este sistema es la siguiente:

Transformada de Laplace

Al aplicar la transformada de Laplace a este sistema de ecuaciones obtenemos:

Función de transferencia

La función de transferencia directa del motor Gm(s), donde:

la obtenemos mediante el siguiente procedimiento. Sustituimos la ecuación (6) en (9) y luego despejamos Ia(s):

Luego, sustituimos este resultado y la ecuación (8) en la ecuación (7):

Es decir:

 

De donde obtenemos Gm(s), la función de transferencia directa del motor:

Utilizando las ecuaciones (10) y (11), podemos representar el sistema de la Figura 1 mediante el siguiente diagrama de bloques:

Para ilustrar el caso de un lazo cerrado, presentamos ahora el siguiente ejemplo, donde el motor DC y su carga se incorporan a un sistema de control de posición.

Hallar la función de transferencia del sistema de seguimiento de la la Figura 2:

Figura 2. Sistema de control de posición.

Este caso ha sido analizado al detalle en el siguiente link: Servomotores – Sistema de control de posición

Considerando que:

Al aplicar la transformada de Laplace:

Con estas últimas y las ecuaciones del sistema motor-carga, podemos asegurar que la función de transferencia θL(s)/ θr(s) del sistema de seguimiento de la Figura 2, y su diagrama de bloques, son:

Figura 3. Diagrama de bloques del sistema de control de posición de la Figura 2.

SIGUIENTE:

Fuentes:

  1. Control Systems Engineering, Nise
  2. Sistemas de Control Automatico Benjamin C Kuo
  3. Modern_Control_Engineering, Ogata 4t

Escrito por: Larry Francis Obando – Technical Specialist – Educational Content Writer.

Mentoring Académico / Empresarial / Emprendedores

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, Caracas.

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca – Telf. 00593998524011

WhatsApp: +593998524011    /    +593981478463

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

 

 

Análisis de sistemas de control, Diagramas de bloques, Función de Transferencia, Respuesta en el tiempo, Sistema Electromecánico

Sistema de control de posición con realimentación de velocidad (taquimétrica).

Considere un sistema de control de posición como el de la Figura 1:

Figura 1. Sistema de Control de posición. 

Anteriormente vimos que el diagrama de bloques del sistema de la Figura 1 es el siguiente:

Figura 2. Diagrama de bloques del sistema de control de posición de la Figura 1.

Ver deducción en el siguiente link: Servomotores – Sistema de control de posición

La derivada del desplazamiento angular de salida del motor m(s)/dt, se realimenta negativamente a la entrada del sistema para mejorar el desempeño. En este caso se utiliza un tacómetro en lugar de diferenciar físicamente θm(s).

El sistema de seguimiento de la Figura 1 con realimentación tacométrica tendrá entonces el siguiente diagrama de bloques:

Figura 3. Diagrama de bloques del Sistema de seguimiento con realimentación de velocidad.

Dónde kt es la constante de ganancia del tacómetro. Reduciendo la realimentación negativa interna obtenemos el diagrama de la Figura 4:

Figura 4. 

De esta manera obtenemos la Función de Transferencia Directa Gm(s) del sistema de control de posición con realimentación de velocidad:

Figura 5.

Comparación de la respuesta transitoria del sistema antes y después de la realimentación de velocidad.

En construcción…

Breve reseña sobre El Tacómetro.

Al igual que los potenciómetros, los tacómetros son dispositivos electromecánicos que convierten energía mecánica en energía eléctrica. Trabaja esencialmente como un generador de voltaje, con la salida de voltaje proporcional a la magnitud de la velocidad angular del eje de entrada. La Figura 4-33 refleja el uso común de un tacómetro en un sistema de control de velocidad:

La dinámica del tacómetro se puede representar como:

null

Donde et(t) es el voltaje de salida, θ(t) es el desplazamiento del motor en radianes, ω(t) es la velocidad del rotor en rad/s, y Kt es la constante del tacómetro. Luego, términos del desplazamiento del motor:

null

Análisis de sistemas de control, Respuesta en el tiempo, Sistema Electromecánico

Respuesta transitoria de un sistema de control de posición – Servomotores – Simulación en Matlab

Para el estudio de la respuesta transitoria de un sistema de control, lo más conveniente es contar con la representación prototipo. Es decir, si tenemos el modelo matemático de un sistema, debemos representar dicho sistema mediante un diagrama de bloques donde esté claramente expresada la función de transferencia directa G(s) y una realimentación negativa unitaria como se ilustra en la Figura 1:

Figura 1. Sistema de control con realimentación unitaria

Ya sabemos que la función de transferencia a lazo cerrado C(s)/R(s)  del sistema de control de la Figura 1 se determina mediante la siguiente fórmula:

Denominamos a C(s)/R(s) “modelo prototipo” (o configuración prototipo), cuando tiene la siguiente forma:

 

Dónde: null

Otra forma de verlo es:

Para el análisis de la respuesta transitoria es conveniente escribir:

Donde  σ es denominado atenuación; el factor actual de amortiguamiento B y el factor de amortiguamiento crítico Bc que es igual a dos veces la raíz cuadrada de JK:

Para más teoría sobre respuesta transitoria ver: Respuesta Transitoria de un Sistema de Control

Respuesta transitoria de un sistema de control de posición

Aplicaremos esta teoría al modelo para el sistema de control de posición deducido anteriormente, cuyo esquema se ilustra en la Figura 2:

Figura 2. Sistema de Control de posición. 

Para el sistema de la Figura 2 hemos desarrollado el siguiente diagrama de bloques:

Figura 3. Diagrama de bloques de un sistema de control de posición.

Como podemos ver en la Figura 3, la función de transferencia directa G(s)  que utilizaremos para determinar el modelo prototipo y a partir de allí analizar la respuesta transitoria, es:

Dónde:

Mientras que:

Dónde:

Estas funciones han sido deducidas en el siguiente link: Servomotores – Sistema de control de posición

Antes de determinar la ecuación prototipo (representación prototipo) para el sistema de seguimiento de la Figura 2, equivalente a la ecuación (1), considere los siguientes valores para los parámetros de la función G(s):

Tabla 1. 

Sustituimos estos valores en la ecuación (2), despejamos convenientemente y obtenemos la función de transferencia directa G(s) evaluada en el punto de operación de interés en el cual funciona el sistema de seguimiento de la Figura 2:

 

Con este resultado actualizamos el diagrama de bloques de la Figura 3:

Figura 4. Diagrama de bloques del sistema de seguimiento funcionando en el punto de operación determinado por la Tabla 1.

El diagrama de bloques de la Figura 4 ya nos permite utilizar Matlab para evaluar la respuesta transitoria del sistema a una entrada escalón unitario. Sin embargo, podemos calcular dicha respuesta de forma analítica utilizando las ecuaciones (3) y (4), y el modelo prototipo de la ecuación (1):

La ecuación (5) es el equivalente de la ecuación (1) para el sistema de seguimiento de la Figura 2. Entonces, podemos asegurar que la frecuencia natural ωn y el factor de amortiguamiento relativo ζ de dicho sistema son:

Este resultado para el valor del factor de amortiguamiento relativo ζ indica que estamos en presencia de un sistema subamortiguado.

En base a los resultados obtenidos para la frecuencia natural ωn y el factor de amortiguamiento relativo ζ del sistema de control de la Figura 2, podemos evaluar los parámetros de la respuesta transitoria del sistema para una entrada escalón unitario

Para ver la teoría relacionada ver: Respuesta Transitoria de un Sistema de Control. De acuerdo con este documento, se presentan ahora los parámetros de importancia en la respuesta transitoria de un sistema a una entrada escalón unitario, y de inmediato se evalúa cada parámetro para el sistema de interés:

  • Sobrepaso máximo (Mp)

  • Tiempo de asentamiento (Ts)

null

  • Tiempo de retardo (Td)

null

Simulación en Matlab

Podemos corroborar estos resultados mediante la simulación en Matlab. Para obtener la respuesta transitoria al escalón unitario del sistema de la Figura 2, ejecutamos los siguientes comandos:

>> numg=5.5;

>> deng=conv([1 0],[0.13 1]);

>> G=tf(numg,deng)

>> sys=feedback(G,1)

>> step(sys)

Figura 5. Respuesta al escalón unitario del sistema de seguimiento.

La gráfica de la Figura 5 nos una respuesta deseable. Es deseable que la respuesta transitoria de un sistema de control dado sea lo suficientemente rápida y lo suficientemente amortiguada. Esto se logra mediante un factor de amortiguamiento ζ entre 0.4 y 0.8. Pequeños valores de ζ (ζ<0.4) producen excesivo levantamiento máximo en la respuesta transitoria, mientras que un sistema con alto ζ (ζ>0.8) responde de manera muy lenta. En este ejemplo, resulta aceptable el valor de ζ=0.59. Veremos además que el levantamiento máximo y el tiempo de levantamiento entran en conflicto. Es decir, no es posible disminuir el tiempo de levantamiento y el levantamiento máximo al mismo tiempo.

La respuesta además es bastante rápida (0.22 segundos), y apenas con 10% de sobrepaso. Por último, a medida que pasa el tiempo, la respuesta tiende a uno como valor final, lo que anticipa un error en estado estacionario igual a cero. Esto indica que la salida sigue a la señal de referencia, es decir, la carga estará ubicada en el punto que desea el operador del sistema al indicar él  mismo, mediante el potenciómetro de entrada, dicho valor de referencia.

La información sobre los parámetros de importancia los podemos obtener mediante el siguiente comando:

>> stepinfo(sys)

SettlingTime: 0.9111

Overshoot: 9.9906

En  la Figura 6 podemos observar en la gráfica la ubicación de los valores anteriores:

Figura 6. Valores de los parámetros de respuesta transitoria.

Se puede ver que los resultados de la simulación son bastante parecidos a los obtenidos analíticamente. Utilizando la función damp(), podremos encontrar los valores del coeficiente de amortiguamiento ζ , la constante de tiempo τ y el de la frecuencia natural ωn:

>> damp(sys)

Pole                                       Damping           Frequency Time             Constant
(rad/seconds)                    (seconds)
-3.85e+00 + 5.25e+00i         5.91e-01                 6.50e+00                        2.60e-01
-3.85e+00  – 5.25e+00i         5.91e-01                 6.50e+00                        2.60e-01

Por su parte, se puede ver que los resultados de la simulación para la frecuencia natural ωn y el factor de amortiguamiento relativo ζ del sistema, son exactamente iguales a los obtenidos analíticamente.

Relacionado:

Fuentes:

  1. Control Systems Engineering, Nise
  2. Sistemas de Control Automatico Benjamin C Kuo
  3. Modern_Control_Engineering, Ogata 4t

Escrito por: Larry Francis Obando – Technical Specialist – Educational Content Writer.

Mentoring Académico / Empresarial / Emprendedores

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, Caracas.

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca – Telf. 00593998524011

WhatsApp: +593998524011    /    +593981478463

Atención Inmediata !!

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Atención:

Si lo que Usted necesita es resolver con urgencia un problema de “Sistema Masa-Resorte-Amortiguador” (encontrar la salida X(t), gráficas en Matlab del sistema de 2do Orden y parámetros relevantes, etc.), o un problema de “Sistema de Control Electromecánico” que involucra motores, engranajes, amplificadores diferenciales, etc…para entregar a su profesor en dos o tres días, o con mayor urgencia…o simplemente necesita un asesor para resolver el problema y estudiar para el próximo examen…envíeme el problema…Yo le resolveré problemas de Sistemas de Control, le entrego la respuesta en digital … simulación en Matlab opcional.

 

Análisis de sistemas de control, Estabilidad

Ejercicio de Estabilidad de un sistema de control – 3 casos – simulación en Matlab.

1er. caso: Sistema inestable-  Determinar estabilidad y error en estado estable del sistema de control cuya función de transferencia directa G(s) para una realimentación unitaria, es:

Analizar la estabilidad del sistema implica determinar la función de transferencia a lazo cerrado Gc(s) y luego evaluar según el siguiente criterio:

  • Los sistemas de lazo cerrado son estables si su función de transferencia tiene sólo polos ubicados a la izquierda del plano complejo. 

Por tanto, como primer paso, debemos hallar Gc(s).

1.1 Función de transferencia a lazo cerrado

La realimentación unitaria tiene la siguiente configuración:

Figura 1.

 

Luego, la función de transferencia a lazo cerrado Gc(s) se determina mediante la siguiente fórmula:

Es decir:

Corroboramos esto mediante el siguiente código en Matlab:

>>numg=1; %representa el numerador de la función de transferencia directa> >>deng=conv([1 0],[2 3 2 3 2]); ]); %representa el denominador de la función de                                                                        %transferencia directa, factorizado

>>G=tf(numg,deng); % construye la función de transferencia directa> >>Gc=feedback(G,1) % construye la función de transferencia a lazo cerrado con                                    %realimentación unitaria

Gc =

      1

  —————————————

  2 s^5 + 3 s^4 + 2 s^3 + 3 s^2 + 2 s + 1

1.2 Hallar los polos de la función de transferencia a lazo cerrado

Ahora que tenemos la función de transferencia a lazo cerrado G(c), podemos determinar sus polos. Si todos sus polos están en el lado izquierdo del plano complejo, entonces el sistema es estable. Podemos utilizar Matlab para hallar dichos polos mediante el siguiente comando que es continuación del anterior:

>> polosGc=pole(Gc)

polosGc =

-1.3307 + 0.0000i
0.3284 + 0.8899i
0.3284 – 0.8899i
-0.4131 + 0.4969i
-0.4131 – 0.4969i

Si graficamos este resultado vemos que la función de transferencia a lazo cerrado G(c) tiene dos polos en el lado derecho y tres polos en el lado izquierdo del semiplano complejo.

>> pzplot(Gc)

Figura 2. Ubicación de polos de la función de transferencia Gc.

Con respecto a este resultado, aplicamos un nuevo criterio:

  • Los sistemas de lazo cerrado son inestables si su función de transferencia posee al menos un polo ubicado en el lado derecho del plano complejo o al menos un polo de multiplicidad mayor a 1 en el eje imaginario

Según este criterio, el sistema de la Figura 1 es inestable. Cabe recordar que los polos de las función de transferencia ubicados en el lado derecho del plano complejo producen exponenciales crecientes puras o sinusoides que crecen exponencialmente.

Este hecho lo podemos visualizar al aplicar una entrada escalón unitario al sistema y observar la respuesta, mediante:

>> step(Gc)

Figura 3. Respuesta del sistema a una entrada escalón unitario.

También podemos evaluar la estabilidad del sistema directamente con el siguiente comando en Matlab:

>> isstable(Gc)

ans =     0

Si la respuesta es “1” el sistema es estable. Si la respuesta es “0”, como en este caso, el sistema es inestable.

1.3 Hallar el error en estado estable.

En este caso podemos prever que el error en estado estable será infinito, porque el sistema es inestable. Para mayor información sobre el error en estado estable ver:

2do. caso: Sistema estable – Considere ahora determinar la estabilidad del sistema y el error en estado estacionario para G2(s), función de transferencia del proceso en lazo abierto, para una realimentación unitaria:

Repetimos los pasos 1.1, 1.2 y 1.3 anteriores:

2.1 Función de transferencia a lazo cerrado

Determinamos la función de transferencia y corroboramos mediante Matlab:

Figura 4.

>>numg=3;
>> deng=conv([1 0],[1 3 2]);
>> G=tf(numg,deng);

>> Gc=feedback(G,1)

Gc=

3
———————
s^3 + 3 s^2 + 2 s + 3

Continuous-time transfer function.

2.2 Hallar los polos de la función de transferencia a lazo cerrado

>> polesGc=pole(Gc)

polesGc =

-2.6717 + 0.0000i
-0.1642 + 1.0469i
-0.1642 – 1.0469i

>> pzplot(Gc)

Figura 5. 

Recordamos el criterio de estabilidad presentado anteriormente:

  • Los sistemas de lazo cerrado son estables si su función de transferencia tiene sólo polos ubicados a la izquierda del plano complejo. 

En la Figura 5 podemos observar que los tres polos del sistema están ubicados en el lado izquierdo del plano complejo. Por tanto, el sistema de la Figura 4 es estable. Podemos corroborar esta conclusión observando la respuesta del sistema a una entrada escalón unitario en la Figura 6 y notar como a medida que pasa el tiempo, la entrada sigue a la salida, es decir, tiende a adoptar el valor de la señal de referencia y el sistema se estabiliza:

>> step(Gc)

Figura 6. 
2.3 Hallar el error en estado estable.

Para hallar el error en estado estable e(∞) para una entrada escalón unitario, hallaremos la constante de error de posición Kp y luego aplicaremos la siguiente fórmula:

Por tanto, primero hallamos Kp mediante la siguiente ecuación, y luego sustituimos en la anterior:

Obsrvación: en la ecuación anterior considere G(s)=G2(s). Entonces:

Por tanto:

Podemos concluir que el error en estado estable es cero, tal como puede anticiparse observando la Figura 6. Es decir, la entrada vale “uno”, y cuando ha pasado un tiempo considerable, la salida también vale “uno”.

3er. caso: Sistema críticamente inestable – Por último consideramos el caso de G3(s), función de transferencia del proceso en lazo abierto, para una realimentación unitaria:

3.1 Función de transferencia a lazo cerrado

Debemos hallar la función de transferencia G(c) del sistema a lazo cerrado, el cual tendría la siguiente configuración para una realimentación unitaria:

Figura 7. 

 

Podemos corroborar este resultado con Matlab mediante el siguiente código:

>> numg=3;

>> deng=conv([1 0],[1 3 1]);

>> G=tf(numg,deng);

>> Gc=feedback(G,1)

Gc =

3

——————-

s^3 + 3 s^2 + s + 3

3.2 Hallar los polos de la función de transferencia a lazo cerrado

Ahora que tenemos la función de transferencia G(c) a lazo cerrado, podemos determinar sus polos:

>> polosGc=pole(Gc)

polosGc =

-3.0000 + 0.0000i

0.0000 + 1.0000i

0.0000 – 1.0000i

Si graficamos este resultado vemos que la función de transferencia G(c) a lazo cerrado tiene dos polos en el eje imaginario y un polo en el lado izquierdo del semiplano complejo.

>> pzplot(Gc)

Figura 8. Polos de la función de transferencia a lazo cerrado. 

Con respecto a este resultado, aplicamos el siguiente criterio:

  • Los sistemas de lazo cerrado son críticamente o marginalmente inestables si su función de transferencia posee sólo polos de multiplicidad igual a uno en el eje imaginario y polos en el lado izquierdo del plano complejo.

Podemos concluir entonces que el sistema es críticamente inestable. Algunos autores prefieren decir críticamente estable, que es decir lo mismo. Para observar esta respuesta aplicamos una entrada escalón unitario al sistema:

>> step(Gc)

Figura 9. Respuesta al escalón unitario de un sistema críticamente estable.
2.3 Hallar el error en estado estable.

El sistema no converge a un resultado final. Al contrario, oscila alrededor del valor de referencia de manera indefinida.

Fuente: Control Systems Engineering, Nise

Escrito por Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer – Twitter: @dademuch

Mentoring Académico / Emprendedores / Empresarial

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca. telf – 0998524011

WhatsApp: +593998524011    /     +593981478463

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com