5.2.

1 Continuous Control Systems

In continuous control, the usual objective is to maintain the value of an output
variable at a desired level, similar to the operation of a feedback control system
as defined in the previous chapter (Section 4.1.3). However, most continuous
processes in the practical world consist of many separate feedback loops, all of
which have to be controlled and coordinated to maintain the output variable at
the desired value. Examples of continuous processes are the following:
Control of the output of a chemical reaction that depends on temperature,
pressure, and input flow rates of several reactants. All of these variables and/or
parameters are continuous.
Control of the position of a work part relative to a cutting tool in a contour
milling operation in which complex curved surfaces are generated. The position
of the part is defined by x-, y-, and z- coordinate values. As the part moves,
the .v, v, and z values can be considered as continuous variables and/or
parameters that change over time to machine the part.
There are several ways to achieve the control objective in a continuous process
control system. In the following paragraphs, we survey the most prominent
categories.
Regulatory Control. In regulatory control, the objective is to maintain process
performance at a certain level or within a given tolerance band of that level. This
is appropriate, for example, when the performance attribute is some measure of
product quality, and it is important to keep the quality at the specified level or
within a specified range. In many applications, the performance measure of the
process, sometimes called the index of performance, must be calculated based
on several output variables of the process. Except for this feature, regulatory
control is to the overall process what feedback control is to an individual control
loop in the process, as suggested by Figure 5.2.
The trouble with regulatory control (and also with a simple feedback control
loop) is that compensating action is taken only after a disturbance has affected
the process out-put. An error must be present for any control action to be taken.
The presence of an error means that the output of the process is different from
the desired value. The following control mode, feed forward control, addresses
this issue.

Feed forward Control. The strategy in feed forward control is to anticipate the
effect of disturbances that will upset the process by sensing them and
compensating for them before they can affect the process. As shown in Figure
5.3, the feed forward control elements sense the presence of a disturbance and
take corrective action by adjusting a process parameter that compensates for
any effect the disturbance will have on the process. In the ideal case, the
compensation is completely effective. However, complete compensation is
unlikely because of imperfections in the feedback measurements, actuator
operations, and control algorithms, so feed forward control is usually combined
with feedback control, as shown in our figure. Regulatory and feed forward
controls are more closely associated with the process industries than with
discrete product manufacturing.
Steady-State Optimization. This term refers to a class of optimization techniques in which the process exhibits the following characteristics: (1) there is a
well-defined index of performance, such as product cost, production rate, or
process yield; (2) the relationship between the process variables and the index
of performance is known; and (3) the values of the system parameters that
optimize the index of performance can be determined mathematically. When
these characteristics apply, the control algorithm is designed to make
adjustments in the process parameters to drive the process toward optimal
state. The control system is open loop, as seen in Figure 5.4. Several
mathematical techniques are available for solving steady-state optimal control
problems, including differential calculus, calculus of variations, and various
mathematical programming methods.

Adaptive Control. Steady-state optimal control operates as an open loop

system. II works successfully when there are no disturbances that invalidate the
known relationship between process parameters and process performance.
When such disturbances are present in the application, a self-correcting form of
optimal control can be used, called adaptive control. Adaptive control combines
feedback control and optimal control by measuring the relevant process
variables during operation (as in feedback control) and using a control algorithm
that attempts to optimize some index of performance (as in optimal control).

Adaptive control is distinguished from feedback control and steady state optimal
control by its unique capability to cope with a time-varying environment. It is not
unusual for a system to operate in an environment that changes over time and
for the changes to have a potential effect on system performance. If the internal
parameters or mechanisms of the system are fixed, as in feedback control or
optimal control, the system may perform quite differently in one type of
environment than in another. An adaptive control system is designed to
compensate for its changing environment by monitoring its own performance
and altering some aspect of its control mechanism to achieve optimal or nearoptimal performance. In a production process, the "time-varying environment
consists of the variations in processing variables, raw materials, tooling,
atmospheric conditions, and the like, any of which may affect performance.
The general configuration of an adaptive control system is illustrated in Figure
5.5. To evaluate its performance and respond accordingly, an adaptive control
system performs three functions, as shown in the figure:
1. Identification function. In this function, the current value of the index of
performance of the system is determined, based on measurements
collected from the process. Since the environment changes over time,
system performance also changes. Accordingly, the identification function
must be accomplished more or less continuously over time during
system operation.

2.
Decision function. Once system performance has been determined, the
next function is to decide what changes should be made to improve
performance. The decision function is implemented by means of the adaptive
system's programmed algorithm. Depending on this algorithm, the decision may
be to change one or more input parameters to the process, to alter some of the
internal parameters of the controller, or to make other changes.

3.
Modification function. The third function of adaptive control is to
implement the decision. Whereas decision is a logic function, modification is
concerned with physical changes in the system. It involves hardware rather than
software. In modification, the system parameters or process inputs are altered
using available actuators to drive the system toward a more optimal state.
Adaptive control is most applicable at levels 2 and 3 in our automation hierarchy
(Table 5.2). Adaptive control has been the subject of research and development
for several decades; it was originally motivated by problems of high-speed flight
control in the age of jet aircraft. The principles have been applied in other areas
as well, including manufacturing. One notable example is adaptive control
machining, in which changes in process variables such as cutting force, power,
and vibration are used to effect control over process parameters such as cutting
speed and feed rate.
On-Line Search Strategies. On-line search strategies can be used to address
a special class of adaptive control problem in which the decision function cannot
be sufficiently defined; that is, the relationship between the input parameters
and the index of performance is not known, or not known well enough to use
adaptive control as previously described. Therefore, it is not possible to decide
on the changes in the internal parameters of the system to produce the desired
performance improvement. Instead, experiments must be performed on the
process. Small systematic changes are made in the input parameters of the
process to observe the effect of these changes on the output variables. Based
on the results of these experiments, larger changes are made in the input
parameters to drive the process toward improved performance.

5.2.1 Sistemas de Control Continuo

En el control continuo, el objetivo habitual es la de mantener el valor de una
variable de salida a un nivel deseado, similar a la operacin de un sistema de
control de realimentacin como se define en el captulo anterior (Seccin 4.1.3).
Sin embargo, la mayora de los procesos continuos en el mundo prctico
consisten de muchos bucles de realimentacin separada, todos los cuales
tienen que ser controlada y coordinada para mantener la variable de salida en
el valor deseado. Ejemplos de procesos continuos son los siguientes:
Control de la produccin de una reaccin qumica que depende de la
temperatura, la presin y las tasas de flujo de entrada de varios reactivos.
Todas estas variables y / o parmetros son continuas.
Control de la posicin de una pieza de trabajo con relacin a una herramienta
de corte en una operacin de fresado del contorno en el que se generan
superficies curvas complejas. La posicin de la parte se define por x-, y-, y zvalores de coordenadas. Como los movimientos de piezas, el .v, v, y los valores
Z puede ser considerado como variables y / o parmetros continuos que
cambian con el tiempo para mecanizar la pieza.
Hay varias maneras de lograr el objetivo de control en un sistema de control de
proceso continuo. En los prrafos siguientes, examinamos las categoras ms
importantes.
Control reglamentario. En el control reglamentario, el objetivo es mantener el
rendimiento del proceso a un nivel determinado o dentro de una banda de
tolerancia determinado de ese nivel. Esto es apropiado, por ejemplo, cuando el
atributo de rendimiento es alguna medida de la calidad del producto, y es
importante para mantener la calidad en el nivel especificado o dentro de un
rango especificado. En muchas aplicaciones, la medida de la ejecucin del
proceso, a veces llamado el ndice de rendimiento, debe calcularse sobre la
base de varias variables de salida del proceso. Excepto para esta funcin, el
control regulador es el proceso general de lo que el control de realimentacin
es un bucle de control individual en el proceso, como se sugiere en la Figura
5.2.
El problema con el control reglamentario (y tambin con un simple lazo de
control de retroalimentacin) es que la accin de compensacin slo se toma
despus de una perturbacin ha afectado el proceso hacia fuera puesto. Un
error debe estar presente para cualquier accin de control que deban tomarse.
La presencia de un error significa que la salida del proceso es diferente del
valor deseado. El modo de control siguiente, control de alimentacin directa,
aborda esta cuestin.

Control de la alimentacin hacia adelante. La estrategia de control de

avance de alimentacin es de anticipar el efecto de las perturbaciones que
alterar el proceso mediante la deteccin de ellos y compensar antes de que
puedan afectar el proceso. Como se muestra en la Figura 5.3, los elementos de
control de alimentacin directa detectan la presencia de una perturbacin y
tomar medidas correctivas mediante el ajuste de un parmetro de proceso que
compensa cualquier efecto de la perturbacin tendr en el proceso. En el caso
ideal, la compensacin es completamente efectiva. Sin embargo, es poco
probable compensacin completa debido a las imperfecciones en las
mediciones de retroalimentacin, las operaciones de accionamiento, y
algoritmos de control, as que el control de alimentacin hacia adelante
normalmente se combina con control de realimentacin, como se muestra en
nuestra figura. Controles de regulacin y la alimentacin de avance estn ms
estrechamente relacionados con las industrias de proceso que con la
fabricacin de productos discreta.
Optimizacin en estado estable. Este trmino se refiere a una clase de
tcnicas de optimizacin en el que el proceso presenta las siguientes
caractersticas: (1) existe un ndice bien definido de rendimiento, tales como el
costo del producto, tasa de produccin o rendimiento del proceso; (2) la
relacin entre las variables de proceso y el ndice de rendimiento se conoce; y
(3) los valores de los parmetros del sistema que optimizan el ndice de
rendimiento se pueden determinar matemticamente. Cuando se aplican estas
caractersticas, el algoritmo de control est diseado para hacer ajustes en los
parmetros del proceso para conducir el proceso hacia estado ptimo. El
sistema de control es de circuito abierto, como se ve en la Figura 5.4. Varias
tcnicas matemticas estn disponibles para la solucin de problemas de
control ptimo de estado estacionario, incluyendo el clculo diferencial, clculo
de variaciones, y diversos mtodos de programacin matemtica.

Control Adaptativo. Control ptimo estado estacionario funciona como un

sistema de lazo abierto. II funciona con xito cuando no hay perturbaciones que
invalidan la conocida relacin entre los parmetros de proceso y el rendimiento
del proceso. Cuando tales alteraciones estn presentes en la aplicacin, una
forma de auto-correccin de control ptimo se puede utilizar, llamado control
adaptativo. El control adaptativo combina control de realimentacin y control
ptimo mediante la medicin de las variables de proceso pertinentes durante el
funcionamiento (como en el control de realimentacin) y usando un algoritmo
de control que intenta optimizar algn ndice de rendimiento (como en un
control ptimo).
El control adaptativo se distingue de control de realimentacin y control ptimo
estado estacionario por su capacidad nica para hacer frente a un entorno
variable en el tiempo. No es raro que un sistema funcione en un entorno que

cambia con el tiempo y para que los cambios tengan un efecto potencial sobre
el rendimiento del sistema. Si se fijan los parmetros internos o mecanismos
del sistema, como en control de realimentacin o de control ptimo, el sistema
puede realizar de manera muy diferente en un tipo de medio ambiente que en
otro. Un sistema de control adaptativo est diseado para compensar su
entorno cambiante de seguimiento de su propio rendimiento y la alteracin de
algn aspecto de su mecanismo de control para lograr un rendimiento ptimo o
casi ptimo. En un proceso de produccin, el "ambiente variable en el tiempo"
se compone de las variaciones en las variables de proceso, materias primas,
herramientas, condiciones atmosfricas, y similares, cualquiera de los cuales
pueden afectar el rendimiento.
La configuracin general de un sistema de control adaptativo se ilustra en la
Figura 5.5. Para evaluar su rendimiento y responder en consecuencia, un
sistema de control adaptativo realiza tres funciones, como se muestra en la
figura:
1. Funcin de identificacin. En esta funcin, el valor actual del ndice de
rendimiento del sistema se determina, basndose en mediciones
recogidos del proceso. Desde el medio ambiente cambia con el tiempo,
el rendimiento del sistema tambin cambia. En consecuencia, la funcin
de identificacin debe llevarse a cabo ms o menos continuamente con
el tiempo durante el funcionamiento del sistema.

2. Funcin de decisin. Una vez que el rendimiento del sistema se ha

determinado, la siguiente funcin es decidir qu cambios deben hacerse
para mejorar el rendimiento. La funcin de decisin se implementa por
medio de los sistemas adaptativos algoritmo programadas. En funcin
de este algoritmo, la decisin puede ser para cambiar uno o ms
parmetros de entrada en el proceso, para modificar algunos de los
parmetros internos del controlador, o para hacer otros cambios.

3. Funcin de modificacin. La tercera funcin de control adaptativo es

poner en prctica la decisin. Mientras que la decisin es una funcin
lgica, la modificacin tiene que ver con los cambios fsicos en el
sistema. Se trata de hardware en lugar de software. En la modificacin,
los parmetros del sistema o entradas del proceso se alteran usando los
actuadores disponibles para conducir el sistema hacia un estado ms
ptimo.
Control adaptativo es ms aplicable en los niveles 2 y 3 en nuestra jerarqua de
automatizacin (Tabla 5.2). Control adaptativo ha sido objeto de investigacin y
desarrollo durante varias dcadas; fue motivada originalmente por problemas
de control de vuelo de alta velocidad en la era de los aviones a reaccin. Los
principios se han aplicado en otras reas, incluyendo la fabricacin. Un ejemplo
notable es el mecanizado de control adaptativo, en que los cambios en las
variables de proceso, tales como la fuerza de corte, el poder, y la vibracin se
utilizan para llevar a cabo el control de los parmetros del proceso, tales como
velocidad de corte y la velocidad de avance.
Estrategias de bsqueda en lnea. Estrategias de bsqueda en lnea se
pueden utilizar para hacer frente a una clase especial de problema de control
adaptativo en el que la funcin de decisin no puede ser suficientemente
definido; es decir, la relacin entre los parmetros de entrada y el ndice de
rendimiento no se conoce o no se conoce suficientemente bien como para
utilizar el control adaptativo como se describi anteriormente. Por lo tanto, no
es posible decidir sobre los cambios en los parmetros internos del sistema
para producir la mejora del rendimiento deseado. En su lugar, los experimentos
deben realizarse en el proceso. Cambios sistemticos pequeos se hacen en
los parmetros de entrada del proceso para observar el efecto de estos
cambios en las variables de salida. Basndose en los resultados de estos
experimentos, los cambios ms grandes se hacen en los parmetros de
entrada para conducir el proceso hacia la mejora de rendimiento.