Revista EIA, ISSN 1794-1237 Nmero 8, p. 181-193.

Diciembre 2007 Escuela de Ingeniera de Antioquia, Medelln (Colombia)

CONTROL EN CASCADA POR MTODOS DIFUSOS

Jos DaviD Gra Jales * Daniel Felipe lpez * Joaqun emilio muoz * riGobe rto mal Dona Do**
RESUMEN
E ste a rtlc u lod e sc rib e e l d e sa ro llo de u n co nt ro l en cascada de flu jo yn iv e l p o r m to d o s de lgica d ifu sa ,eva lu a n d o lo s a lg o ritm o s de cont rol M am dan i y Tak agi-Suge noim p le m e ntad os en un sistem ade m o sto p a ra la fa b rica cin de etanol.Los alg oritm os de co nt ro l fu eron pre via m en tesim u la d o s en MATLAB y d e s aro r lla d o s en la p la ta fo rm a de program aci n grficade LabVIEW 7.1 de N a tio n a l In stru m e n ts . PA LA B R A S C LAV E : c on t ro l d ifu so ;co nt ro l en cascada; algoritm ode con t rol M am d ani; algo ritm o de c o n t ro l Takagi-Sugeno.

ABSTRACT
Ths i article describes the development of a flow and level cascad e control by dif fuse methods, ev aluating the M am dam i and Takagi-Su ge no con t rol algorithm s. Th ey w ere im ple m e nte d in the sy ste mfor th e e th a n o l m a n u fa ctu re . T h e a lg o rith m w s ere sim u la ted w it hMATLAB 5.3 and develo pedin th e g raph ical program m ing e nv r i onm e ntof LabV IE W 7 .1, N ation al Instrum e nts. KEY W ORD S: fuzzy cont ro l; cascad e co nt rol; M am dan i a lg o rith m . cont rol alg orith m Takag ; i-S ug en ocon t ro l

In ge n ie ro en Instrum en taciy n C on t rol, Polit cn ico C o lo m b ian oJa im e Isaza C ad av id . josedg1984@gm ail.com ; daniel_lopez_m ontes@ yahoo.es; uaco1781@yahoo.es

** In g e n ie ro E sp ecialista en Au to m a tiz a c i n In d u stria U l, n iv e rsid a d de A n tio q u ia . Pro fe so r, Escu e lade Ing en ierla de A n tio q u iaribemat@yahoo.es . A rtlc u lo recibido13-I V-2007. Aprobado 28-XI-2007 D isc u si n a biertah a staju n iode 2008

Co n t
d if u s o s

ro l

e n Ca s Cada p o r

m to d o s

1. INTRODUCCIN
E n la s ltim a s d cadas, y de modo creciente con e l tie m po,e l de sar rollo de la t c n ic a de co n t ro l automtico se ha caracterizado p or los esfuerzos encaminados a perfeccionar la operacin de los procesos productivos, de modo que exhiban la m ejor calid ad posib le en su com p ortam ie nto. Esto su pon e la necesidad de abo rd a r te ric a y p rctica - m en te sistem ascon m a yo r co m p lejid a d , la cu a l se manifiesta en las descripciones matemticas, criterios de com portam ie nto, asl como en la e la b o ra c i n y ejecucin de acciones conducentes a alca nzar ese com portam ientodeseado, basado en el dise o de cont rolad o res con vencion ales, ad aptativos y evolu- tiv o s, en la in te lig e n c ia a rtific ia e l, ntre o tros. En la actualidad progresa el desarrol lo de algoritm os m s com ple jos para e l con t rol de dichos procesos y el lo requiere tcnicas m s avanzadas e n t re la s c u a le sla m s im portan te es la lgica difu sa. sta se clasificacom o parte de la in te lig e n c ia a r t ifi - cial, ya que es una forma de razonamiento lgico que p erm iteincorporar en la a u to m a tiza c i n esquemas de razon am ien to propios del h om b re, es deci r, un controlador difuso tlpico infiere los consecuentes de un con ju nto de re glas se gn conocim ie nto que el op erad or ten ga del proceso; el razon am iento se pu e d e re a liza r en p a ra le lo y se obtiene com o re su l tad o u na sen cilla sum a lgica. En este trabajo se desarrol la una serie de algo- ritmos de control por tcnicas de lgica difusa, con la c u a l se lo g ra re a liz a r u n e ficie n te co n r to l e n cascada de flu joy n iv e l,to m an d oco m o va riab le p rin cipa l o p rim a ria e l n iv e l y c o m o se c u n d a ria e l flu jo . Inicialmente se identific el sistema por mto- dos no paramtricos, utilizando la curv a d e reaccin de la planta ante una excitacin a la entrada del sistema. De este modo se obtuvo un modelo de p rim e rord e n y o tro de s e g u n d o

ord e n p a ra flu jo ,y para nivelun m o delo de orden uno, ya que este se com portacomo un a planta puram en te capacitiva.

18 2

Revista EIA

Pa ra disear los controladores que regulan el sistema se utilizaron ecuaciones en diferencias que fueron si- muladas con MATLAB . Los controladores con mejor desem peo fueron seleccionadose im plem entados posterio rm ente en LabVIEW. Para se le ccion ar los m e jo re s cont rolad o res se h ace nfasisde m anera m inuciosaen la s p are ja s de controladores. Esto garantiza que el ciclo interno sea e l q u e re g u le la s p e rtu rb a c io n e ys a sl no trasciende a l ciclo p rim a rio . Este a rtlcu lo est org an iza d o de la siguie nte form a:en la secc i n 2 se plan te an la ide ntificacin del sistema; en la seccin 3, el diseo de controlado- re s; en la se cc i n 4, la sim u la c i n del sis te m a ;en la seccin 5, la im p le m e n ta ci ny fu nc io n am ie n to de lo s a lg o ritm o s la , 6 m u e s trae l a n lis is de resultados y la 7 c on tie n e la s conclusiones.

flu jo .

2. IDENTIFICACIN DEL SISTEMA EN CASCADA DE FLUJO Y NIVEL

Se denomina identificacin a la tcnica de construir un modelo a p a rti r de las variables medidas del proceso: entradas o va riab les de cont ro l, s a lid a so variablescon t rolad as y p osib les p ertu rbacion es. Se deben dejar claros vario s aspectos en cuan- to a la construccin de un modelo. ste se desarrol la siempre a p a r tri de una serie de aproximaciones e hiptesis y, p or lo tanto, es una representacin p arcia l de la rea lid a d , pa ra u na fin a lid a d especlfica y debe ser form u lad o para q ue sea t il a d ich o fin . Pa ra el caso particular de este proyecto, se identific el m od elo din m icodel sistem a en cascadade flu joy nivel,to m a n dod a to s sim u ltn e a m en te de dichas variables,com o se observaen la fig u ra1, donde LT es transmisor de nivel, FT transmisor de flujo, Q1 flujo de entrada, PC com putado r, Q2 flu jode sa lid a ,LIC cont rolad or e indicador de nive l,FIC cont rolad ore indicador de
Escuela de Ingenierade Antioquia

18 3

70

respuesta del sistema ante un escalon

60

50

40
variables en porcentaje

30

20

10

0.5

1 1.5 tiempo en segundos

2.5 x 10
4

Figura 1. Diagrama de instrumentacin del proceso utilizado Figura 2. Respuesta de las plantas continuas ante una entrada escaln (28 % al 38 %)

En este caso se utiliza un mtodo no paramtri- co aplicando anlisis transitorio, usand o como modelo la respuesta del sistema ante una entrada escaln.

En la s c u rva sob ten id a s(fig u ra2 ) c o m o resp uestase e lige n dos puntosre prese ntativ os. Por lo g e n e ra l, e sto sp u nto sso n aq u ello s p a ra lo s cu a lesla respue staalca nza e l 28 ,3 % y e l 6 3 ,2 % de su v a lo rfinal (es la seccin m s lineal de la c u rv a,) 2.1 Identificacin de planta estos puntos se toman del tiempo transcur rido a de primer orden partir del momento de aplicar un escaln y la respuesta de estad o estable del sistem aen lazo La funcinde tra n sfe ren c ia co r respondiente abierto. a esta plantaest d ad a por

G f (s ) =

= Ke us s + 1

ys

(1 )

En d on d e K = ganancia de la planta, =cons- ta n te de tiem po, = re tard o o tie m p o m u e rto , y (t) es la sa lid a d e l siste m ay u ( t ) es la entrada. Para estim ar este m o delo se h ace un an lisis sobre las diferentes curvas que se obtienen. Despus d e a p lica rva rio s ca m b io s e n esca l n d e m agnitudes apro piadas,estos cam b ios prod u cirnun a reaccin en e l sistem a de flu jo y n iv e l, la c u a l se observaen las diferentes curvas .

U na de estas curv a s es la que se re pre se nta en la fig u ra 2, d ond e el n ivel del tanque est representadop o r la lln e a v erd e , e l flu jo p o r la lln e a a zu l y la lln e a ro ja c o n tin u a q u ere pre s e n ta e l escalndel 10 %.

Figura 3. Curva de reaccin para sistema de primer orden

C o n Io s d a to so b te n id o s e n Ia fig u ra3 se p Ian- te a n Ia s sig u ie n te ecuaciones: s

S ie n d o K = Gananciade Ia p Ia n ta Wn = Frecuencian a tu ra I = Coeficiente de amortiguamiento = Tiem pom uertode Ia p Ia n ta

,+
,

= t1

(2 )

+ = t
2

(3 )

t1 y t2 = Con stan tes de tiempo

Los vaIo res de y de se Ieen t t d irectam ente

1 2

es de Ias c u rv a s que dan Ias grficas. ResoIviendo sim u Itn eam en te Ias ecu acio nes2) y 3) se estim an Io s v a Io re s de y . E I v a Io r d e Ia g a n a n cia K se obtiene m edianteeI cocienteDy /Dx q u e s e in t erpreta como eI cocien te entre eI cam bio de Ia v a ria b Ie de sa Iid ay e I cambioen Ia v a ria b Iede e ntrada(v aIor de I e scaIn de en- tra d a ).

EI procedimiento para estimar este modeIo m uy simiIar aI anterior de p rim e r orden. En este caso se eIigen tres puntos representativos sobre Ia curva y no dos com o en eI de p rim e rorden de 28,3 % y 63,2 %. Los tres puntos corresponden a aqueI Ios para Ios cuaIes Ia respuesta deI sistema ha aIcanza- do eI 15 %, 45 % y 75 % deI vaIor totaI deI cambio experimentado por eI sistema ante Ia apIicacin deI escaIn, como se indica en Ia figura 4.

K=

y x
(4 )

EI m o d e Io se obtiene reem pIazando Io s v aIo- re s de K , y en Ia e cuacininiciaI. E n e ste c a so p a rtic u Ia r, prom e diando Ios mo- deIos de v aria s cu rva s se obtiene Ia siguiente funcin de transfe re nciapara una pIantade p rim e r orden.

Gf

2.4062e 3.214 s 12.2507s + 1

(5 )

2.2 Identificacin de planta de segundo orden

La funcinde transfe re nciapara una pIanta de se gun doorde n con retardo est dada por

KW e

Qs

Figura 4. Curva de reaccin para sistema de segundo orden n

G p (s ) =

para X < 1 s 2 + 2XW s + n n W

De Ia fig u ra4 se ob tien enIo s sig u ie n tes pa- r m eros. t (6 ) Dy = Cambioen Ia sa Iid ade p Ia n ta. DU= M agnitud deI escaInapIicado. t1= Tiem po requerido para que Ia re sp u e staa I-

Gp

Ke s (t1 + 1)(t 2 s +1)

Qs

para X r 1

(7 )

En donde t1,2

$y X X 2 1 = 8) y K = $x Wn

cance eI15 % de I cam bio totaI. t2 = Tiem po requerido p ara que Ia re sp u e sta a I- cance eI 45 % de I cam bio totaI.

t3 = Tiempo requerido para que Ia respuesta aIcance eI 75 % de I cam bio totaI.

C on Ios v aIo re s e stim ados para Dy, DU , t1, t2, La funcin de transferencia de un t3 se caIcuIan Ios parm eros t de I m ode Io ex p e rim e n tade I Ia p Ia n ta u tiIiz a n d o Ia s s ig u ie n te s sistema puram entecapacitivo o inte gradorpuro se estim acon un pro c ed im ien tosim iIa ra Io s dos ecuaciones: a n te rio res. La en tra d a a l sistem a es el escaln u (t)= U y la t t s a Iid ae s Ia ra m p ay (t)= B t.E n Ia fig u ra5 se muestra x = 2 1 9) (9 ) t 3 t1 Ia re spu esta an te u na en tra daesca In [1 ].

re nte sform as, pero sus propied ad esson univ e rsaIes en c ua n toa I co nt ro I a uto m tico se re fie re.

0.0805 5,547(0,475 x ) 2

(1 0 )

=
f 2 ( ) = 2,6

x 0,356 0,6 para 1

(1 1 )

f 2 ( ) = 0,708(2.811) para <

1

(1 2)

Wn =

f 2 ( ) t 2 t1

(1 3 )
Figura 5. Sistema capacitivo puro

f 3 ( ) = 0.922(1.66)

(1 4 ) De Ia fig u ra5 se deduce: (1 5 ) D En D trada =

(t) (u )

, = t2

f 3 ( ) Wn

es D decir
(u )s

D(u ) s

Los vaIo res de Io s p a r m e ro t s estim a d o s con Ias ecuacion es 10), 13) y 15) se reem pIazan en Ia ecuacin 6) o en Ia ecuacin 7) se g n sea eI vaIor de (coeficientede a m o rtig u a m ie n toy ) a sl se obtieneeI m ode Io ex perim e ntaI de Ia p Ia n ta .

Haciendotra n sfo rm a dde a LapIace para y ( t:)

( y )

SaIid a

y( t ) =

( y ) (t )

.t

es decir y s =

(t )

Pa ra esta p Ia nta de se gundo orde n Ia funcinde transfe re ncia haIIadacon un v aIor = 0, ha sido Ia siguiente:

La funcinde transfe re nciae s, entonces:

G f (s )

0,055141 = 2 s + 0,34275 s + 0,022916

(y) ( ) (t ) G( s ) = y( s ) = s
2

(1 6 )

( =

(y) (u ) (t )

u( s )
Los anteriores modeIos corresponden a Ia va ria b Ie de fIu jo .Pa ra Ia v a ria b Iede n iv e Isu id e n ti -

(u ) s

(y) ficacin cam bia, ya que e sta v ariabIe se Haciendo K = (u ) ( t ) com portacomo una pIanta puram ente capacitiva (eIem ento capacitivo es aqueI en donde se K aIm acenam asa o en erg la). La capacidad puede Se obtiene G ( s ) = s presentarse en d ife-

(1 7 ) (1 8 )

Pa ra nuestra pIanta de niveI Ia funcin de tra n s fe re n ciah a IIa d afue:

0,00173

Gc(s ) =

(1 9 )

EI mejor controI convencionaI para eI sistema de fIu jocaIcuIad o por eI m tod ode g a n a n ciaIlm ite fue un (P ) I y eI mejor controI convencionaI para niveI u n (P ) por este m ism om todo de gananciaIlm ite.

E n e ste c as o p a rtic u Ia r se d ise a ron Io s con- troIado res fIu jo c o n respecto a Ia pIanta id en tificad a de seg un do ord en cuyo vaIor es e I iIu stra d o en 16). La ra z n p o r Ia c u a I se trab a j con esta fun cin de tra n s fe re n c ia e s p o r Ia fIex ib iIid a d que nos da para eI diseo de co n t ro Ia d o res; p a ra n ive I se d ise a ron Io s cont roIado re s respe ctiv os con base en 19).

d ise a ro n c o nt ro Ia d o re s propor- cionaI m s inte graI m s deriv ativo (P ID ),de bido a q u e Ia p a rte d e riv a tiv aIe a p o rta a I c o n r to Ia d o r una m ayor veIocidadde respue sta,cuaIid ad que puede se r p o sitivaen o tro s proc eso s, p ero en este d eb id o a qu e Ia respue sta de fIu jo es m uy rpida Ie aportaba in e s ta b iIid a a d I proceso.

3. DISEO DE CONTROLADORE S
3.1 Diseo de controladores convencionales
Las estrate gias actuaIe s de diseo de co n t ro- Iad o res pu eden cIasificarse en dos gru p os:co n t ro I convencionaI y controI avanzado. EI controI conven- cion aI consiste en eI co n t ro I m a n u a I, proporcion aI(P ), pro p o rc io n a I in te g ra (P I I), pro p o rc io n a I in te g ra Iderivativo (P ID ), d e reIacin, en cascada, enavance o retard o de fa se . E I 90 % de Io s c o n t ro Ia d o re s de procesos industriaIes son actuaImente convenciona- Ie s . Ta n to p a ra Ia u tiIiza c i n de tcnicas de diseo convencionaIes com o para tcnicasavanzadasy en e sp e cia IIa s basadas en m odeIacin, es necesario un m odeIo m atem ticopreciso deI proceso. Este mo- deIo fue caIcuIadopreviam enteen Ia ide ntificacin deI sistema. En Ia reaIizacin de este proyecto se disearon controIadores proporcionaIes (P) y proporcionaI ms in te g ra I (P I), p a ra re a Iiz a r e I conr to I en cascada de fIu jo y n iv e I. N o se

3.2 Diseo de controladores difusos

EI controIador Igico difuso se b asa en eI modeIo Iinglstico de Ia estrategia deI operador hum ano,es deci r, tiene Ia capacidad para operar con conceptos propios deI razonamiento cuaIitativo, fundado sobre un soporte m atem tico que perm ite extra er c on cIu sio n esa p a rtirde un conju ntode ob- se rv a c io n e s y re g Ia s c u a Iita tiv a s. La esencia de ta ImodeIo es un programa basad o en regIas, por Io que c Ia sific ae n t re Io s IIa m a d o s siste m a s ex p e rto s[2 ]. U n cont roIadordifusose compone de c u a t ro eIe m e n to s: eI fu sificadr, o Ia b a se de conocim iento, Ia to m a de decisiones(m ecanism o de in fe re n c ia ) y d efu sific a d r. o Fu s ific a d.o La prim e ratare a de I co n t roIado r Igico difuso(FLC ) es tra d uc ir e I va Io r m ed id o en trm in o s de v a Io re s Iin g ls tic o s E.I proceso consiste en Ia m ed ic i n d e Ia s v a ria b Ie sd e e n tra d a a I con t ro- Iador re aIizan doun m ape o a escaIa que transform a eI rango de vaIores de Ias variabIes de entrada en Ios correspondie nte s vaIo re s Iin g ls tic o s en e I unive rso d is c u rs o[3 ]. En Ia fu s ific a c i n de Ia s e n tra d a s se hace Ia Ie c tu rade Ia s s e a Ie s de n iv e I y fIu jo ,Ia s c u a Ie s se codificande taI form aque que de n en t rm in o s de Ios con ju ntosdifusos,co m o se m ue straen Ia fig u ra 6. A sl , en esta etapa se determina su correspondiente grado de pertenencia. La creacin d eI aIgoritm o se basa exc Iu s iv a- mente en descripciones Iinglsticas de Ios operadores acerca de su actuacin en Ia d ire cc i n d e I proceso [4 ]. Se pue de concIuir e ntonce s que e I fusificad o es Ia transformacin de Ia informacin determi- nista en via d a d eI pro ce so a I co n t ro Ia d o r d ifu soen

Ia I g ic a d ifu s a .E sta stare a s se resueIvenu tiIiz a n d o Ias op eracion esI gicas de disyuncin, conjuncin e impIicacin, de taI forma que Ia evaIuacin de una regIa vendr dada p or un ante c edente y un c o n s e c u e n te . Los siste m as difusostipo M am da ni tie ne nIa s ig u ie n te e stru c tu ra : Si in fo rm a c i n cu a Iita tiv que a tom a como re ferencia c o n ju n to s d ifu s o s y v a ria b Ie s d ifu s a s.

Figura 6. Fusificacion de entradas

x1

a1
Donde:

x2 a2

1 b1

3.2.1 B ase d e conocim ie nto

x1 a1

x2 a2

e s e l a n te c e d e n te

La base de conocimiento consiste en una base de datos y otra de regIas. La base de datos proporciona Ias definiciones necesarias para Ias regIas de controI y Ia manipuIacin de Ios datos difusos. EI nmero mximo de regIas viene dado p or eI productode n m e ros de particion es de tod as Ia s v a ria b Ie s Iin g ls tic ade s e ntradaaI FC L. Para hab Ia r de una base de re g Ia s,es preciso eIegir cuIes va ria b Ie s se to m arancom o en trad ay cu Ies como sa Iid ad e I FCL.

1
b1

e s e l c o n se c u e n te

E I a n te c e d e n te y co n se c u e n te s on a m b o s d ifu sos; se co n stru yen con va riab Ie s d ifu sa s y fu ncio nes de pertenencia. Donde x,x, m
1 2 1

son variabIes difusas.

a,a, b
1 2 1

son funciones de pertenencia.

E n Ia fig u ra7 se puede observarcm o se de- fin e Ia v aria b Iee n tra d a n iv e I; de Ia m ism a m anera se d e fin e n Ia s d e m s e n tra d a s y Ia s s a Iid a s .

Los sistemas difusos tipo Takagi-Sugeno tienen Ia sig u ie n te e stru c tu ra : S i x1 a 1

3.2.2 Tom a d e d e cisione s

La tom a de decisioneses Ia m d u Ia d e I

x2 a2
tro Ia d or

y = f (x1 , x2 )

con-

d ifu s o (m ecanism o de

in fe ren c ia ).T ien e Ia capacidad de sim u Ia rIa to m a de decisioneshum a - nas basada en conceptos y acciones de controI y

Donde

x1 a1

x2 a2

e s e l a n te c e d e n te

e m pIe andoim pIicacion es y re gIasde infere ncia de

y = f (x1 , x2 ) e s e l c on se c u e n te
EI ante c edente se construye con variabIes d ifu sa sy fu n c io n e s de pe rte ne nciaiguaI que en e I M am dani, pero eI consecuentees u na funcin de Ia s v a ria b Ie s d ifu sa s . Pa ra evaIuar un sistema Takagi-Sugeno se sig u enIo s sig u ie nte pasos: s

Figura 7. Definicin de variables

1. Se caIcuIan Ios grados de pertenencia de Ias v a ria b Ie s d ifu s a s en eI p un toseIeccionado.

2. Se caIcuIan Ios grados de cumpIimiento de acuerdo con Ias regIas da da s y us an d o eI operador m lnim o deI M am dani o eI o perador prod uctode Larsen. 3. Se c a Ic u IaIa fu n c i nde acuerdo con e I conse- cuente. 4. Se c a Ic u IaIa fu n ci nde saIidad ada por:

E n Io s p u n to se y e e I e rro r es p o s itiv oy Ia de-

riva dad eI e rro r 1 es ta p o sitivap , a ra Io que 2 m b in se ge ne rarun a saIida positiva.

En eI puntoe3 e I e rro r es negativoy Ia derivada d e I e rro r es p o sitiva ,p a ra Io q u e se g en e ra r una sa Iid acero. E n Io s p u nto se4 y e5 e I e rro r es n e g a tiv oy Ia deriva d ad eI e rro r es ta m b inn eg a tiva p , a ra Io que se gen eraru na saIidanegativa.

u=
i =1

i
i

D onde: n en eI n m e ro de regIas
i

i =1

En eI puntoe6 e I e rro r es c ero y Ia d e riv a d adeI e rro r es ne gativa,para Io que se generar una sa Iid acero.

EI sistema Takagi-Sugeno se usa principaIm enteen:

Aproxim acin de funciones M od eIam ien to d ifu so Cont ro Ia do res d ifu so s

En eI p u nto e7 e I e rro r es positivoy Ia derivada d e I e rro r es cero , p ara Io que se generar una sa Iid ap o sitiv a .

Es im portanteconoce r Ias etapas de activ a - cin y de sactivacin de Ia s s e a Ie s p a ra Ia to m a de decisiones. Supondremos en Io que sigue que Ia base de re gIas es de tip o c I s ico , y Ia s re g Ia ss e re aIizaran con base en Ia fig u ra8. Si< estado deI <accin de co n t roI> proceso>entonces

De esta m anera se c o n stru y e Ia ta b Ia FAM (fuzzy asociative m em o r y) para tres particiones, como se puede observar en Ia ta b Ia 1, qu e d escribeIa re- Ia c i n e n t re Ia s v aria b Ie s de e n tra d a y Ia s va ria b Ies de sa Iid a .
Tabla 1. FAM (fuzzy asociative memory) de tres particiones

e\e
Negativo Cero Positivo

Negativo Negativo Negativo Cero

Cero Negativo Cero Positivo

Positivo Cero Positivo Positivo

e4 e3 10 e5 e6 e7 2 e1

8 variable

e2

en Ia s que tod o s Io s co n ju n to s d ifu so s deI antecedente resuIten s er no nuIos para eI estado dado [4]. tiv a c i n de v a ria s re g Ia s y se activarn soIam ente aq u eIIa s
0 0 2 4 6 8 10 tiempo 12 14 16 18 20

Defusificad o
proceso acciones de c o n t ro I d e te rm in ista a s p a rtir de sa Iid a s d ifu sa s re su Ita n te s de Ia com posicin de regIas.

Figura 8. Posible activacin de reglas

Co n t
d if u s o s

ro l

e n Ca s Cada p o r

m to d o s

L a accin sobre eI proceso exige Ias regIas (entradas y saIidas difusas), para Iuego que eI cont roIadorbrindea su saIidaun a m agnitu d usarse en e I S im u Iin k como un bIoque de c on t ro I dada, no difusa,por e je m pIo, una te nsino una (fig u ra 11). presin neumtica d ad a , p or Io que es necesario reaIizar una defu sificacin, que reaIiza un mapeo a escaIa que convierteeI rang o de va Io res de Ia s va ria b Ies de saIida aI correspondiente universo discurso, y defu sifica tambin Ia accin de controI difusa inferida en una accin de controI concreta, como se muestra en Ia fig u ra9. En Ia prctica, para adoptarciertaacci n de controI, hay que tener m uy en cuenta Ia posicin deI eIemento finaI de controI. sta necesariamente tiene que infIuir en eI aIgoritmo, considerndoIa como p a rtede estadodeI proceso.

Figura 11. Diagrama de simulacin utilizando Simulink y el editor de FIS de los controladores difusos

E n Ia fig u ra 12 puede observarse eI com po r- tam iento deI eIem ento fin a I de c on t ro I (E FC ) repre- sentad ocon Ia cu rva de coIor verd e, e I niv e I con Ia cu rv a ro ja , e I fIu jo c o n Ia c u rv a de coIor verde-azuIy, finaImente, eI setpoint se estabIeci en uno de co Io r azu I.
Figura 9. Definicin de salida defusificado

4. SIMULACIN DEL SISTEMA USANDO MATLAB

La sim uIacin de Io s co n r to Ia d o re s conve ncionaIes se hizo en MAT LAB u sand o eI tooIb ox de S im u Iin kc , o m o se puede observaren Ia fig u ra 10. La sim uIacin de Io s c o n r to Ia d o re s d ifu so s se hizo en MATLAB usando eI sistema de inferencia difusoIIam adoFIS ED ITO R, donde se configu ran

Puede observarse en Ia fig u ra 1 3 e I com po r- tamiento deI EFC, representado con Ia curva de co Io r ro jo , e I nive I con Ia c u rv a v erd e -a z u I,e I fIu jo
simulacion control en cascada por sugeno

1.2

0.8 salida% 0.6

0.4

0.2

-0.2

200

400

600

800 1000 1200 1400 1600 1800 2000 tiempo en segundos

Figura 10. Diagrama de bloques en Simulink de los controladores convencionales

Figura 12. Respuesta simulacin del controlador difuso por el mtodo de Takagi-Sugeno

con Ia curvade c o Io r v erd e y fin a Im e n te eI se tp o in t se estabIeci en u no co n Ia Iln eade co Io r azu I.

respuesta en cascada control convencional 2.5

C om p arand oIa g rficade sim uIacin de I s istem a de con t roI difuso con respecto a Ia g r fic a deI sistema de controI convencionaI, podem os observar que eI tiem pode re spue sta disminuye.

1.5

5. IMPLEMENTACIN Y FUNCIONAMIENTO DE LOS ALGORITMOS

E I d is e o e im pIe m e ntaci n d eI softw a re de cont ro I se hizo en Ia p Ia ta fo rm a de program acin g r fic aLab V IE W, Ia cu a I es idnea para apIicaci ones que in v o Iure c n a d q u isic i n ,c o nt ro I, a n Iisisy presentacin de datos.
0 500 1000 1500 2000 tiempo en segundos 2500 3000 3500 400

variables en porcentaje

0.5

-0.5

-1

Figura 13. Respuesta de simulacin controladores convencionales

Uno de Io s fa cto res qu e IIev a Ia u tiIiz a c i n de esta pIataforma de programacin, fue su simiIitud c o n e I S im u Iin k de MAT L A B (fig u ra 14).

Figura 14. Diseo e implementacin del algoritmo en labvIew

Las fig u ra s 15, 16 y 17 m u e s tra n Ia in te rfa zde I u suario con eI proceso que se est ejecutando, mostrando eI comportamiento de Ias variabIes aI a p Iic a rIe Io s s d ife re n te stip o sde co nt ro I.

E n Ia fig u ra 1 6 ob se rva rem o s Ia respu e sta de u n con t ro Ia d o rd ifu sotip o Mamdani.

Figura 16. Panel frontal del algoritmo Mamdani

Como se puede observar en Ia figura 16, m ejora eI tiem po de estab Iecim iento de Ia va ria b Ie n iv e I que se ve representada p o r Ia Iln e a En Ia interfaz grfica de usuario, se ro ja . En Ia ta b Ia 3 se h a r Ia re Ia ci n de cada codificaron p o r c o Io re s Ia s d ife re n te s v a ria b Ie s Iln ea con s u re spe ctiv a variabIe. p a ra fa c iIita rIa in te rp reta c i n d e I u su a rio . E n Ia tab Ia 2 se indicar cada coIor a qu variabIe Tabla 3. Codificacin de colores para figuras 16 y 17 co r responde.
Figura 15. Panel frontal del algoritmo convencional
COLOR vARIABLe Punto de control nIve L Medicin de nIve L Salida del controlador de nIve L Punto de control de FLUJO Medicin de FLUJO Salida del controlador de FLUJO

Tabla 2. Codificacin de colores figura 15

COLOR Azul Rojo Blanco Verde Amarillo vARIABLe Punto de control nIve L Medicin de nIve L Salida del controlador de nIve L Salida de controlador de FLUJO Medicin de FLUJO

Verde (primer recuadro) Rojo Amarillo Blanco Azul Verde (segundo recuadro)

controI, que para nuest ro caso es n iv e I. La caracte rlstica m s im p ortante de Ia fig u ra 14 es que, ante cuaIquier perturbacin en eI sistema, eI co nro t Ia d o r in tern o (fIu jo )entrega una respuestainmediata para evitar que dichas perturbaciones infIuyan en eI objetivo principaI de

Co n t
d if u s o s

ro l

e n Ca s Cada p o r

m to d o s

E n Ia fig u ra 1 7 se v e Ia re spue stade Ia p Ian taimpIementando un aIgoritmo difuso tipo Takagi- Sugeno. E n Iafig u ra 17 se observa que su tiem po de e sta b Iec im ien to veIo y cid a d de respue staes mucho mejor, en comparacin con Ias otras dos grficas, en Ia s c u a Ie s se a p Iica ron d ife ren tes te o rla sde co n t ro I

(Ia re Ia c i nde Ia s va ria b Ies co n su respectivocoIo r son Ia m ism asqu e se m encionan en Ia ta b Ia3 ).

Ia s con d icion es de operacin.

Figura 17. Panel frontal del algoritmo Takagi-Sugeno

6. ANLISIS DE RESULTADOS
Los re su Ita d o s exp e rim en ta Ie s m o stra d o s en Ia s fig u ra s1 5 , 1 6 y 1 7 d e m u e stra n q u e Ia t c n ic a de d e s aro IIo es v Iida, y a que eI cont roIador de fIu jo asum e tod as Ias perturbacioneante s s de que estasin te rfie ra en n eI proceso de n iv e I. De esta m anera se de m ue stra Ia e stabiIida d que brin da im p Ie m e ntar u n co nt ro I en cascada. Aunque una tcnica de cont roI nos asegu re una estabiIid ade n e I siste m a, tam bise n d eb e te ne ren cuenta eI tipo de respuesta en eI instante de aIcan- zar aIg n cam b io en eI pu n to de cont roI. D ebido a esto, en todos Ios casos eI concepto de controI difuso represen ta u n a he rra m ien ta v Iid a pa ra em u Ia rIo s m ecanism os de razonam iento u tiIiz a d o s p o r e I cere- bro hum ano, debido a qu e estastcn icasperm iten eI desarroI Io de sistemas de controI compIejos a p a rt ird e Ia d e sc rip c i n Iin g lstic adeI conocim ientode un op erad or experto , sin n ecesidad de em pIear m o d e Io s m a tem tico s y con buenas caracterlsticas de robuste z frente a cam bios de

7. CONCLUSIONES
AI apIicar eI controIador difuso en tiempo reaI, se com parsu re spue sta con Ia e ntre gada por e I s is- tem a convencionaI, observando que Ias seaIes de co n t ro I co r re sp on d ien tes a cad a cont ro Iad ordifusopresentan un mlnimo de e rror en eI objetivo deI c on r to I y Io g ra n Ia e sta b iIid a d d e I e Ie m en to fin a I de cont roI. Por tanto, de esta form a se concIuyeque Ios sistem a s d ifu so s eIim in a n eI efe ctotim b re sin perder veIocidad de respuesta. Las ventajas ms importantes de Ios controIa- dores difusos que se pudieron comprobar por medio de Ia re a Iiza c i n de este trabajo,es que perm ite n incorporar en Ia autom atizacin e sque m as de razo- n a m ie n to c u a Iita tiv o s , tlp ic a m e n te humanos. O tra ven ta jaco n firm a da d e Io s con t roIado res difusos radica en que son m eno s sensibIes a cambios en Ios parmetros o perturbaciones en compara- cin con Ios con t roIes con vencion aIes, ya que Io s con t roIes d ifu sosh an d em o strad oser m s robu stosq u e Io s tra d ic io n a Iec so n r to Ie s P, P I y PID. Adems, Ios controIes difusos tienen Ia ventaja de que sus parm eros t pu ed en actuaIizarse de m an era sen ciIIas i Io s p u n to s de operacinde Ia p Ia n tac a m b ia n .En m ucho s casos , incIuso un operador no especiaIizado en controI puede mantener Ia base de regIas deI c o n t ro I, dado que no es d iflc iI de entender dicha b a s e , p orq u e Ia s re g Ia s u tiIiz a nv a ria b Ie s Iin g ls tic en as vez de va ria b Ies numricas. L a estabiIidad deI sistema se asegura aI utiIizar controIadores en cascada . Esto hace que Ia s p e rtu rb a c io n e s en eI Ia zo in te rn o o secundario sean cor reg id as p or eI segu nd o cont ro Iad o r, antes de que puedan afectar Ia variabIe p rim a ria ; cuaI- q uie r v ariacin en Ia g an a n cia e st tica de Ia p a rte secundaria deI proceso se co m p ensa por su propio Ia z o y Ia s c o n sta n te s de tie m p o asociad as aI proceso secundario son reducidasdrsticam en te por e I Iazo secundario.

REFERENCIAS
[1 ] G A R C AJA IM E S , Lu is E d u a rd o . C o n r toI D ig ita I, Cap itu Io 5 Id e n tifica cide n siste m a s, 2003 [ 2 ] PAS SINO, Kevin. Fu z zy ControI. Ad dison-WesIey Longm an,1998. [3] WA N G , L i-X in . A c o u rs ein fu z z ys y s te m s a n d co n t ro I. Pre n ticeH a II,1997.

[4 ] [5]

JAMSHIDI, Mohamad ; VA D IIE , Nader y R O SS , Timoth y J. Fu zzy Io g ic a n d c o n r to I. Pre n tic eH a II.1993. L PE Z M O NTES , DanieI FeIipe; GRA JALES OSPINA, Jos David y MUOZ OCAMPO, Joaquln EmiIio. Trabajo de grado (Ingeniero en Instrumentacin y ControI). ControI en cascad a de fIujo y niveI apIicando mtodos difusos, PoIitcnico CoIombiano Jaime Isaza Cadavid,M edeIIln, 2006.