Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
26/08/2014 1 1 Modelado de procesos Dra. Marta Basualdo 2 Modelos • Representación aproximada de la realidad • Abstracción: Incluimos solo aquellos aspectos y relaciones que son de interés. • Modelos físicos, cualitativos, cuantitativos,… • Usos de los modelos: diseño, entrenamiento, “qué pasa si….”, decisiones,... • ¿Como generarlos, resolverlos, utilizarlos, validarlos? 26/08/2014 2 3 ¿Qué es un modelo matemático? • Conjunto de ecuaciones que relacionan las variables de interés del proceso y representan adecuadamente su comportamiento • Siempre son aproximaciones de la realidad • Distintos modelos para distintos objetivos y tipos de procesos • Compromiso entre facilidad de uso y exactitud 4 Modelos en control El diseño de un sistema de control típicamente requiere un delicado balance entre limitaciones fundamentales y soluciones de compromiso. Para poder lograr este balance, es necesario tener una comprensión cabal del proceso en cuestión. Esta comprensión usualmente se captura en un modelo matemático. Teniendo un modelo, es posible predecir el impacto de distintos diseños posibles sin comprometer al sistema real. En esta sección vamos a discutir brevemente cómo • elegir el nivel adecuado de complejidad de un modelo; • linealizar modelos no lineales; • obtener experimentalmente modelos elementales. 26/08/2014 3 5 Los modelos matemáticos nos brindan los medios de capturar el comportamiento de un sistema sujeto a condiciones iniciales, entradas de control y perturbaciones mediante un conjunto de ecuaciones matemáticas. 6 Complejidad de modelos • Al construir un modelo es importante tener en cuenta que todo proceso real es complejo, por lo que cualquier intento de construir una descripción exacta de la planta es usualmente una meta imposible de alcanzar. • Afortunadamente, la realimentación usualmente nos permite tener éxito aún con modelos muy simples, siempre y cuando éstos capturen las características esenciales del problema. • Es importante destacar que los modelos empleados para control usualmente difieren de los utilizados, por ejemplo, para diseño del proceso. 26/08/2014 4 7 Construcción de modelos Dos enfoques diferenciados para la construcción de modelos: Experimental. Se basa en pensar al sistema como una caja negra. En este enfoque se postula una determinada estructura de modelo, a la que que se varían los parámetros, bien vía prueba y error, o bien vía algún algoritmo, hasta que la el comportamiento dinámico del modelo se ajusta al observado en la planta mediante ensayos. Analítico. Se basa en el uso de leyes físicas (conservación de masa, energía y momento). El modelo se obtiene a partir de las leyes fenomenológicas básicas que determinan las relaciones entre todas las señales del sistema. En la práctica es común combinar ambos enfoques. 8 Identificación Técnica que permite obtener el modelo a partir de datos experimentales de entrada-salida del proceso t t YU U Y Proceso Modelo 26/08/2014 5 9 Obtención del Modelo SISTEMA MV1 MV2 VARIABLES MANIPULADAS DV1 VARIABLES DE PERTURBACIÓN CV1 CV2 CV3 VARIABLES (MEDIBLES?) CONTROLADAS VARIVABLES DEPENDIENTES VARIABLES DE SALIDA (DEPENDIENTES) 10 Validación del modelo Proceso u tiempo y tiempo Modelo ym tiempo 26/08/2014 6 11 Procesos continuos y de eventos discretos q h Procesos continuos: Las variables evolucionan continuamente en el tiempo y pueden tomar cualquier valor en un rango dado Procesos de eventos: Las variables solo cambian en instantes discretos y pueden tomar solo un número finito de valores 12 Procesos Continuos / Eventos • Procesos Continuos – Descritos principalmente por DAEs o PDE. – Interés fundamental: la trayectoria de algunas variables • Procesos de eventos discretos – Descritos principalmente por secuencias de actividades. – Interés fundamental: el comportamiento estadístico de algunas variables. 26/08/2014 7 13 Modelos estáticos y dinámicos q h A d h d t q k h q k h Modelo estático: Relaciona las variables en un estado de equilibrio Modelo dinámico: Relaciona las variables a lo largo del tiempo 14 Respuesta dinámica tiempo q h 26/08/2014 8 15 Modelos estáticos y dinámicos • Modelos estáticos – Representan situaciones de equilibrio – Descritos mediante ecuaciones algebraicas – Orientados a diseño • Modelos dinámicos en tiempo continuo – Representan la evolución temporal – Descritos mediante DAE y PDE – Uso mas general: control, entrenamiento,... 16 Modelos para control por computadora (digital) ProcesoComputadora D/A A/D y(kT) u(kT) modelos en tiempo discreto deben relacionar las variables de entrada y salida en los instantes de muestreo kT Ecuaciones en diferencias y((k+1)T)=f(y(kT),u(kT)) y(t) 26/08/2014 9 17 ¿Como obtener modelos? Mediante razonamientos, usando leyes físicas, químicas, etc Mediante experimentación y análisis de datos 18 •En particular, revisaremos algunas propiedades básicas de las representaciones externas (funciones transferencias), representaciones internas (ecuaciones de estado) y los diagramas de bloques, modelos matemáticos muy comúnmente usados en ingeniería de control. •Presentaremos algunas premisas de cómo obtener modelos matemáticos en forma analítica. La derivación de modelos matemáticos de procesos teniendo en cuenta que es una disciplina compleja en sí misma. Modelos y representaciones típicas en control 26/08/2014 10 19 Modelos de conocimiento • Se obtienen mediante razonamientos y la aplicación de principios de conservación de masa, energía, momento, etc. y otras leyes particulares del dominio de aplicación • Tienen validez general • Requieren conocimiento profundo del proceso y de las leyes fisico-químicas 20 Modelos de conocimiento Metodología de modelado: Establecer los límites y objetivos del modelo Establecer las hipótesis básicas Escribir las ecuaciones usando leyes de conservación y del dominio de aplicación Estimar el valor de los parámetros Validar el modelo 26/08/2014 11 21 MODELOS DE CONOCIMIENTO (ANALÍTICOS) 22 Tipos de modelos • Parámetros concentrados • Parámetros distribuidos • No-lineales • Lineales • Tiempo • Frecuencia • …. 26/08/2014 12 23 Ejemplo: nivel en un tanque Conservación de masa Acumulación= flujo entrada q - flujo salida F m masa en el depósito A sección del depósito densidad, k constante q h F hkq td hd A hkF ghpp ppSkSvF hAm Fq td md 01 011 p0 p1 24 Ejemplo: nivel en un tanque Conservación de masa Acumulación= flujo entrada q - flujo salida F m masa en el depósito A sección del depósito densidad, k constante u posición de la válvula q h F Ecuación diferencial no-lineal AhV hukq td hd A hukF hAm Fq td md Ecuación algebraica u 26/08/2014 13 25 Modelos en variables de estado )t),t(p),t(u,x(g)t(y )t),t(p),t(u),t(x(f dt )t(xd Variables manipuladas Respuestas observables u y x x Estados perturbacionesp 26 Simulación Integrando numéricamente el modelo pueden obtenerse los valores del volumen de líquido en función de los valores de q q h F AhV hA uk q A 1 td hd Integración numérica mediante el método de Euler t)t(h A k)t(u )t(q A 1 )t(h)tt(h 26/08/2014 14 27 Causalidad q h F Causalidad física: causas y efectos q h F hkF Fq td hd A Causalidad computacional: orden de cálculo de las variables q h F El uso del modelo (¿Qué pasa si..? Control, etc.) requiere una determinada causalidad computacional. 28 Hipótesis q h F q h F ci c Fcqc td Vcd i Mezcla perfecta Flujo pistón ) F V t(c) Av Ah t(c) v h t(c)t(c iii 26/08/2014 15 29 Formulación q h F ci c )cc(q td cd V Fcqc)Fq(c td cd V Fcqc td Vd c td cd V V Vc c Fq td Vd Fcqc td )Vc(d ii i i Mezcla perfecta constante Volumen V Concentración ci 30 Computabilidad q1 h1 F1 h2 F2 0q hh0 hh)hhsgn(kF hkF ?hh hhkF FFq dt dh A Fq dt dh A imaxi212111 222212111 212 2 211 1 1 q2 Leyes + restricciones 26/08/2014 16 31 Reactor Químico Isotérmico Reactor FT AT Productos Materia prima Reacción: A A, B A B 32 Modelo Matemático A B F CA CB T CAi , Ti Producto A Balance másico del producto A Balance másico del producto B Hipótesis: •Mezcla perfecta en el reactor •Temperatura T constante •Volumen constante V V d c d t Fc Fc Vke cA Ai A E RT A V d c d t Fc Vke cB B E RT A 26/08/2014 17 33 Conservación de energía T temperatura, V voltaje m masa en el depósito H entalpia, ce calor específico A sección del depósito densidad, R resistencia q Ecuación diferencial no-lineal Rc V )TT(q td Td Ah Ahm TcH si R V HqHq td )mH(d e 2 i e 2 i V R T Hipótesis: T uniforme en el depósito Aislamiento perfecto densidad constante Ti 34 Procesos de parámetros distribuidos x Ti F 26/08/2014 18 35 Proceso de parámetros distribuidos x Ti Ti+1Ti-1 Ts F T depende de la posición y del tiempo Se divide el proceso en celdas de ancho x en las que T pueda considerarse uniforme Balance de energía en un elemento Limite cuando x 0 T(x,t) x 36 Proceso de parámetros distribuidos x Ti Ti+1Ti-1 Ts FT(x,t) e s 2 e is 0x i1i 0x2 i 0x e isi1i 2 i isie1ie ie 2 cr ))t,x(TT(U2 x )t,x(T r F t )t,x(T cr )TT(U2 lim x )TT( lim r F td Td lim cr )TT(U2 x )TT( r F td Td )TT(xUr2TcFTcF td Tcxrd r Balance energético Ecuaciones en derivadas parciales 26/08/2014 19 37 Modelos de conocimiento • Formados por conjuntos de ecuaciones diferenciales y algebraicas frecuentemente no lineales • Útiles para evaluaciones más realistas de diseños, estructuras de control, etc. • Requieren ciertos conocimientos • Difíciles de manipular matemáticamente • Se resuelven mediante simulación 38 Modelos linealizados • Aproximaciones lineales de las ecuaciones no-lineales • Mas fáciles de manipular matemáticamente pero su rango de validez es limitado hkq td hd A hq td hd A 26/08/2014 20 39 Linealización Desarrollo en serie de Taylor sobre un punto de operación u0, y0, z0, …. ...)zz( z f )yy( y f )uu( u f )z,y,u(f)z,y,u(f 0)z,y,u(f 0)z,y,u(f 0 0 0 0 0 0 000 000 zzz yyy uuu 0z z f y y f u u f 000 000 Ecuación lineal en las nuevas variables u, y, z 40 Modelo Linealizado del Tanque q h F Ecuación diferencial lineal 0qh h2 k dt hd A 1 q f h2 k h f A h f 0)qq( q f )hh( h f )hh( h f q,h,h 0)q,h,h(f 0hkq td hd A 0 0000 0 0 0 0 0 0 000 Variables desviación h = h - h0 q = q - q0 26/08/2014 21 41 Simulación 4.0 4.2 4.4 4.6 4.8 5.0 0 10 20 30 40 TIME h h_l 5.0 5.1 5.2 5.3 5.4 5.5 0 10 20 30 40 TIME q 4 5 6 7 8 0 10 20 30 40 TIME h h_l 5.0 5.5 6.0 6.5 7.0 0 10 20 30 40 TIME q Respuestas del modelo no –lineal y linealizado para 2 saltos en q 42 Modelo Linealizado del Tanque q h F El valor de los coeficientes depende del punto de linealización k h2 K k h2A qKh dt hd q k h2 h dt hd k h2A 0qh h2 k dt hd A 00 00 0 Variables desviación h = h - h0 q = q - q0 26/08/2014 22 43 Modelos linealizados t t YUU0 U Y0 Y las variables u e y son cambios sobre un punto de operación U0 , Y0 El rango de validez está limitado a un entorno del punto de operación Proceso )t(Y)t(Y)t(y )t(U)t(U)t(u 0 0 44 Modelos en variables de estado h.1h qh dt hd q A 1 h hA2 k dt hd 0 q h Cxy BuAx td xd 26/08/2014 23 45 Modelos en variables de estado DuCxy BuAx td xd x variables de estado: conocido su valor en el instante inicial y los valores de u(t) a lo largo del tiempo, puede determinarse el valor de las salidas a lo largo del tiempo t t tAttA dBuetxetx 0 0 )()()( )(0 )(Solución analítica: 46 Equivalencia Cxy BuAx td xd u y zPCy PBuz)P(PA td zd zP xPxz 1- 1- 1- zCPy uPB zPAP td zd 1- 1- Existen muchas representaciones equivalentes entrada-salida 26/08/2014 24 47 Autovalores Cxy BuAx td xd zCPy uPB zPAP td zd 1- 1- 0IA 0IA 0PIAP 0P)IA(P 0PPPAP 0IPAP 1 1 11 1 Los autovalores son invariantes en representaciones equivalentes 48 PROBLEMA INICIAL (DOMINO TEMPORAL) PROBLEMA TRANSFORMADO (DOMINO COMPLEJO) SOLUCIÓN (EN TÉRMINOS DE LA VARIABLE S) SOLUCIÓN (EN TÉRMINOS DE LA VARIABLE REAL t) Trasnformada de Laplace Anti - trasnformada de Laplace Mnipulación en el domino complejo (más fácil que en el dominio temporal) Transformada de Laplace 26/08/2014 25 49 Transformada de Laplace Laplace de compleja le variabjs dte)t(f)s(F)t(f 0 st L f(t) función temporal f(t) = 0 para t < 0 t f(t) )s(G)s(F )t(g)t(f )t(gf(t) si LL Cambio de variable t s 50 Transformada de Laplace )s(G)s(F )t(g)t(f )t(gf(t) si LL Cambio de variable t s Resolución del problema en el dominio s X(s) Interpretación y expresión de la solución en el dominio t Cambio de variable s t j j st1 dse)s(X)s(X)t(x L 26/08/2014 26 51 Ejemplo s k s e kdtkedte)t(f)s(F)t(f 0 st 0 st 0 st L f(t) función salto f(t) = 0 para t < 0 f(t) = k para t >= 0 t f(t)=k Tablas de transformadas de las funciones mas comunes 52 Tabla de Transformadas 26/08/2014 27 53 Tabla de transformadas 54 Propiedades de la T. Laplace )s(G)s(Fd)t(g)(f )s(sFlim)t(flim )s(Fe)dt(f )0(f dt )0(df s)s(Fs dt )t(fd )0(f)s(sF dt )t(df )s(bG)s(aF)t(bg)t(af dte)t(f)s(F)t(f 0 0st sd 2 2 2 0 st L L LL L L j j st1 dse)s(F)s(F)t(f L Transformada inversa 26/08/2014 28 55 Otra consideración de relevancia práctica es la inclusión del actuador en el proceso de modelado. Los actuadores son, en general, bastante alineales, y usualmente tienen su propia dinámica que, a veces, puede hasta dominar otras características del proceso (como suele pasar con válvulas, actuadores hidráulicos, rectificadores controlados) Asi, de aquí en más, cuando nos refiramos al modelo de la planta, entenderemos que este modelo también incluye los actuadores, cuando sea necesario. 56 Tiene sentido hablar de linealización de sistemas reales? • Aunque casi todo sistema real tiene características no lineales, muchos sistemas pueden describirse razonablemente por modelos lineales al menos dentro de ciertos rangos de operación. • Como normalmente un sistema de control opera en las cercanías de un equilibrio, se hace una linealización alrededor de este equilibrio. El resultado es un modelo lineal, mucho más simple, pero adecuado para el diseño de control. • Para un mismo sistema no lineal, la linealización alrededor de distintos puntos de equilibrio dará, en general, distintos modelos linealizados. 26/08/2014 29 57 Sistemas lineales, estacionarios, en tiempo continuo Los sistemas que vamos a considerar están descriptos por modelos lineales, estacionarios, en tiempo continuo. Éstos pueden siempre representarse poruna ecuación diferencial ordinaria de la forma 58 Transformada de Laplace 26/08/2014 30 59 Funciones transferencia 60 Transformando de ecuaciones de estado a función de transferencia Cxy BuAx td xd Tomando transformadas de Laplace, con condiciones iniciales nulas: )t(gBAsICG(s) )s(U)s(G)s(Y )s(BUAsIC(s) Y)s(BUAsI)s(X )s(CX)s(Y )s(BU)s(XAsI )s(BU)s(AX)s(sX 1 11 L 26/08/2014 31 61 Función de Transferencia G(s) es una función racional en la variable s BAsICG(s) 1 01 1n 1n n n 01 1m 1m m m1 asa...sasa bsb...sbsb BAsICG(s) Solo contiene operaciones racionales +-*/ )s(D )s(N asa...sasa bsb...sbsb G(s) 01 1n 1n n n 01 1m 1m m m 62 Representaciones matemáticas de modelos linealizados )s(D )s(N asa...sasa bsb...sbsb G(s) 01 1n 1n n n 01 1m 1m m m Cxy BuAx td xd t 0 d)t(u)(g)t(y Variables de estado Respuesta impulsional Función de transferencia 26/08/2014 32 63 Algunas definiciones pertinentes a funciones transferencia: 64 Polos y ceros )s(D )s(N asa...sasa bsb...sbsb G(s) 01 1n 1n n n 01 1m 1m m m Ceros de G(s) = raíces de N(s) = 0 Polos de G(s) = raíces de D(s) = 0 0.382- ,618.2sen polos 01s3s 3sen cero 03-s )382.0s)(618.2s( 3s 1s3s 3s G(s) 2 2 26/08/2014 33 65 ¿Por qué son importantes los polos (y los ceros)? • Como se verá mas adelante, el tipo de respuesta temporal a una determinada entrada depende de las posiciones de los polos (y ceros) del sistema. • Igualmente la estabilidad está ligada a las posiciones de los polos 66 Polos y Autovalores )s(D )s(N BAsICG(s) 1 BAsIdet AsIadj CBAsICG(s) 1 0AsIdet Autovalores de A = polos de G(s) (salvo cancelaciones polo/cero) Polos: raices de D(s) = 0 Autovalores: raices de 26/08/2014 34 67 Realizabilidad Física q h 1s K )s(G Sistema físico continuo Existe Dada una función de transferencia G(s) ¿Puede existir un sistema físico cuya función de transferencia sea G(s)? 68 Realizabilidad Para que G(s) sea fisicamente realizable: m n )s(D )s(N asa...sasa bsb...sbsb G(s) 01 1n 1n n n 01 1m 1m m m En caso contrario: )s(U 2s 1 dt )t(du )t(y )s(U 2s 1 s)s(U 2s 1s2s )s(Y 2 1-L Para una entrada en salto en u(t) tendría que dar una y(t) infinita 26/08/2014 35 69 FUNCIONES DE TRANSFERENCIA (SISO y MISO) 70 Modelo en FT de Primer Orden del Tanque. q h F k h2 K k h2A qKh dt hd 00 Tomando Transformadas de Laplace: 1s K G(s) G(s)Q(s)H(s) )s(Q 1s K )s(H )s(KQ1s)s(H )s(KQ)s(H)s(sH qKh dt hd LL 1s K Q(s) H(s) 26/08/2014 36 71 FUNCIONES DE TRANSFERENCIA (MIMO) 72 Matriz de Transferencia En un proceso con varias entradas y salidas (MIMO) G(s) es una matriz de funciones de transferencia BAsICG(s) 1 )s(U )s(U )s(G)s(G )s(G)s(G )s(G)s(G )s(Y )s(Y )s(Y 2 1 3231 2221 1211 3 2 1 u1 u2 y1 y2 y3 26/08/2014 37 73 Ejemplo de resolución mediante la transformada de Laplace tiomindosiomindotiomindo ...... 2s 1 1s2s 5.0s L)s(YL)t(y 2s 1 1s2s 5.0s )s(Y 2s 1 )s(U)s(U 1s2s 5.0s )s(Y )s(U5.0s1s2s)s(Y)s(U5.0)s(sU)s(Y)s(sY2)s(Ys u5.0 td ud Ly td yd 2 td yd L 0 tpara e)t(u;0 td )0(yd ;0)0(yu5.0 td ud y td yd 2 td yd 2 11 22 22 2 2 t2 2 2 74 Descomposición en fracciones simples ttt2 2 1 222 2 2 22 2 1 2 11 te5.1e5.2e5.2 1s 5.1 1s 5.2 2s 5.2 L)t(y 5.2bb25.5c2b2a5.00s a5.22s c5.11s )2s(1s )2s(c )2s()1s( )2s)(1s(b )2s(1s 1sa 2s 1 1s 5.0s 1s c 1s b 2s a 2s 1 1s 5.0s 2s 1 1s 5.0s L 2s 1 1s2s 5.0s L)s(YL)t(y 26/08/2014 38 26/08/2014 39 78 Estabilidad de funciones transferencia • Estabilidad entrada-salida. 2 Decimos que un sistema es estable entrada-salida, o BIBO estable, si toda entrada acotadaproduce una salida acotada. • Teorema. [Estabilidad entrada-salida] Un sistema lineal, estacionario y de tiempo continuo es estable entrada-salida si todos los polos de su función transferencia tienen parte real negativa. 26/08/2014 40 79 Entradas Normalizadas u y t u t u t u t u impulso salto rampa t=0 t=0 t=0 t=0 seno 80 Sistemas de primer orden 26/08/2014 41 81 Ganancia t u y u y )0(G )s(sU )s(sY limK u y K 0s equilibrio en )1s)......(1s)(1s( )1s)......(1s(K )s(G n21 m1 tiempode constante K. gananciay 1 - ceros , 1 - polos formato 82 Sistemas capacitivos puros 26/08/2014 42 83 Sistemas de segundo orden 84 Función de transferencia de sistemas con retardo En general, vamos a considerar funciones transferencia racionales y propias, que corresponden a sistemas lineales, estacionarios y de dimensión finita (orden finito). Una excepción de gran importancia en la práctica es el caso de sistemas con retardo entre entrada y salida. Estrictamente, estos sistemas tienen dimensión infinita. Sin embargo, su representación mediante función transferencia es aún tratable, aunque deja de ser racional. La función transferencia de un retardo de T segundos es de la forma 26/08/2014 43 85 Ejemplo: Sistema intercambiador de calor. Un ejemplo simple de un sistema con retardo es el intercambiador de calor de la figura. Notar que K;T y t dependen de la velocidad del ventilador, que puede ser variable. Aunque muy simple, este tipo de modelo es muy común en aplicaciones de control de procesos. 86 Aproximación de Pade 12 ds s 2 d 1 12 ds 2 ds 1 e 2 2 ds G(s) con un retardo d no es racional. Si se necesita, puede aproximarse el retardo por una expansión en serie: )1s)......(1s)(1s( )1s)......(1s(Ke )s(G n21 m1 ds s 2 d 1 s 2 d 1 e ds Aproximación de Pade de primer orden Aprox. de 2º orden: resppade 26/08/2014 44 87 SISTEMAS CON RESPUESTA INVERSA (NO MÍNIMA FASE) 88 Bloques en serie G1(s) G2(s) U(s) Y(s)X(s) Y(s) = G2(s)X(s) = G2(s)G1(s)U(s) = G(s)U(s) G (s) Y(s)U(s) G(s) = G2(s)G1(s) 26/08/2014 45 89 Diagramas de bloques • Capturan la esencia del sistema en un formalismo gráfico abstracto de simple manipulación. Representan el flujo y procesamiento de las señales dentro del sistema. 90 Álgebra de bloques 26/08/2014 46 91 Álgebra de bloques 92 Álgebra de bloques 26/08/2014 47 93 Representación en diagrama de bloques de las Ecuaciones de Estado 26/08/2014 48 26/08/2014 49 26/08/2014 50 Ejemplo de Modelo Matricial Industrial 26/08/2014 51 101 Respuesta en frecuencia • Respuesta en frecuencia • Diagramas de Bode • Diagramas de Nyquist 102 Respuesta en régimen permanente La respuesta en régimen permanente de un sistema es la señal yrp(t) a la que tiende la respuesta y(t) del sistema una vez extinguidos los transitorios — es decir, para valores suficientemente grandes de t, El concepto de respuesta en régimen permanente sólo tiene sentido si el sistema es estable (BIBO). Típicamente, la respuesta en régimen permanente se estudia para entradas de tipo escalón o sinusoidal. 26/08/2014 52 103 Respuesta en frecuencia La respuesta en régimen permanente de un sistema a señales sinusoidales en unrango de frecuencias es lo que se conoce como la respuesta en frecuencia del sistema. El interés de tratar entradas sinusoidales está en que la respuesta del sistema a estas señales contiene información sobre la respuesta a señales más generales. De hecho, toda señal periódica puede descomponerse en una serie de senos y cosenos, por el Teorema de Fourier. Conociendo la respuesta del sistema a las componentes sinusoidales de la señal de entrada, puede reconstruirse por Fourier la señal de salida. 104 26/08/2014 53 105 Teorema. (Respuesta en RP a entradas sinusoidales) Consideremos una función transferencia estable G(s) de orden n (o sea, con n polos, todos ellos con parte real negativa). Entonces, la respuesta en régimen permanente a una entrada 106 Diagramas de Bode • El eje de abscisas es logarítmico en w, es decir, lineal en log(w), donde el logaritmo es de base 10. Así se consigue una representación compacta sobre un rango amplio de frecuencias. La unidad del eje es la década, es decir, la distancia entre w y 10w para cualquier valor de w. • La magnitud de la respuesta en frecuencia se mide en decibeles [dB], es decir, unidades de 20log /G( jw)/. • La fase se mide en escala lineal en radianes o grados. 26/08/2014 54 107 Gráfico aproximado de los diagramas de Bode Los programas como MATLAB poseen comandos especiales para calcular y graficar diagramas de Bode. Sin embargo, existen reglas muy simples que permiten esbozar estos diagramas prácticamente sin hacer cálculos. Reemplazando s= jw 108 • Una ganancia simple K tiene magnitud y fase constantes. El diagrama de magnitud es una línea horizontal en 20log /K/ dB y la fase es una línea horizontal en 0 rad (si K > 0). • El factor sk tiene un diagrama de magnitud que es una línea recta con pendiente igual a 20k dB/década, y fase constante igual a kπ/2. Así vemos de (4) y (5) que el diagrama de Bode de cualquier función transferencia puede obtenerse sumando y restando magnitudes (en dB) y fases de factores simples. 26/08/2014 55 109 Diagrama de Bode exacto (línea gruesa) y aproximado (línea fina). 110 Diagrama de Nyquist • Una herramienta clásica y durable para determinar la estabilidad de un lazo de realimentación es el criterio de estabilidad de Nyquist. En el criterio de Nyquist, la estabilidad del sistema a lazo cerrado se determina a partir de la respuesta en frecuencia del sistema a lazo abierto, G0(s)K(s), que se grafica en un diagrama polar y da información del lazo cerrado 26/08/2014 56 111 112 Tipos de modelos
Compartir