Teoría de control. Ing.

Mariela Castiblanco 1

MODELAMIENTO DE UNA PLANTA DE EXITACIÓN TÉRMICA

Por: Mesa Javier (dwingenieria@hotmail.com)(20161372071), Bernal Andrés (leonardopiano260@gmail.com)(20161372100) y
Cáceres Jhon (caceres92@hotmail.com)(20161372084)
Universidad Distrital Francisco José de caldas
Facultad Tecnológica

Palabras claves: Modelamiento de sistemas, reciclado con un sistema de control ON-OFF y PID” [1],
sistemas de primer orden, lazo abierto, ganancia, describe la planta que se seleccionó para el presente
tiempo muerto, constante de tiempo y estabilidad. trabajo.
Keywords: Systems modeling, first order system,
Se inyecta una señal de tensión directa de 100V (tipo
open loop, gain, delay, time constant and stability
escalón) a una resistencia calefactora. Como equipo de
medida se utilizó el analizador de calidad Fluke 430.
Resumen— Este artículo pretende mostrar el Mediante una termocupla se censa y registran los datos
modelamiento teórico de una planta de excitación térmica de reacción del proceso frente a la excitación, luego, las
mediante tres métodos de análisis gráfico, obteniendo variables de entrada y salida son tensión y temperatura
como resultado tres funciones de transferencia que serán respectivamente.
comparadas respecto a la curva de reacción del proceso
haciendo un análisis de error y concluyendo qué método En el ensayo se hace un análisis de eficiencia energética
modela mejor el sistema. de una resistencia calefactora usada en extrusoras de
plástico reciclado, el objetivo es observar el
comportamiento del metal o sistema frente señales de
Abstract— This article aims to show the theoretical tensión AC y DC, posteriormente se incorpora un sistema
modeling of a plant thermal excitation through three de control PID y por último se adiciona un aislante a la
graphical analysis methods, resulting in three functions resistencia de la figura1:
transfer will be compared respect to the curve of reaction
of the process, doing an error analysis and concluding
what method represent best the system.

CONTENIDO:

1. Descripción sistema a modelar

2. Curva de reacción del proceso
3. Modelamiento método de la tangente (Z. y N.)
4. Modelamiento método de la tangente (Miller)
Figura 1. Resistencia calefactora sin y con aislamiento
5. Modelamiento método de dos puntos (Smith)
térmico respectivamente[1].
6. Análisis de error
7. Conclusiones
El resultado de la investigación determinó que el uso de
aislante térmico reduce el consumo de energía en un
1. Descripción del sistema a modelar 16% y la implementación del control PID reduce el
consumo en un 23% y la amplitud de las oscilaciones en
Se hizo menester seleccionar una planta con las un 60%, brindando confiabilidad al sistema y haciendo
siguientes características: Uso Eficiente de Energía URE [1].
 Señal de salida continua
El modelo ilustrativo del experimento se observa en la
 Que haya sido excitada por una señal de prueba
figura 2. Teniendo una entrada escalón unitario
tipo escalón de manera experimental.
multiplicada por una constante de 100 (simulando la
 Que los datos estén registrados para poderlos señal DC de tensión), el sistema es la “caja negra” y el
graficar y analizar la respuesta. analizador es el elemento registrador de datos de entrada
(analizador in) y de salida (analizador out); la señal de
El artículo de investigación, elaborado por estudiantes de salida se representa por el bloque y(t), estabilizada en
la Universidad Distrital en dirección del ing. Luis Noguera 256 aproximadamente.
denominado “Análisis de eficiencia energética en una
resistencia calefactora de uso en extrusoras de plástico

[1] Revista Tecnura, 2013, vol 17

Teoría de control. Ing. Mariela Castiblanco
Figura 2. Esquema del proceso en lazo abierto
Fuente: Elaboración propia (MATLAB®).
Los datos registrados se muestran en el anexo 1. La tabla
original presenta un total de 734 registros, cada intervalo
de 5 segundos; para efectos prácticos se tomaron 74
datos, es decir, en intervalos de 50 segundos (Ki=50,
100,150, etc.), teniendo en cuenta que la curva de
respuesta de una planta térmica en general es lenta en
comparación con otras respuestas (planta nuclear,
excitación química, comportamiento de cargas en un tubo
de vacío, etc.).
2. Curva de reacción del proceso
Se usó el software libre Graphmatica 2.0®
para el análisis
gráfico, ya que permite importar los datos desde tablas
de manera sencilla y analizar la función de la recta
tangente. Los datos registrados generan la siguiente
gráfica:
Figura 3. Curva de reacción del proceso.
Notamos que el punto de estabilización es
aproximadamente 256°C a un voltaje de entrada de
100VDC. Téngase en cuenta que cada punto del eje del
tiempo se debe multiplicar por 5, es decir que la planta se
estabiliza a los 730 X 5s = 1 Hora.
2
3. Método de la tangente (Nichols y
Ziegler)
Éste método requiere que se trace una curva tangente en
el punto de inflexión, es decir, en el punto de mayor
pendiente. Se intentó mediante comandos en MATLAB®
generar interpolación de puntos por el método de
Lagrange, obteniendo una función; Se hayó el punto de
inflexión de esta curva y se trazó la recta tangente, pero
ésta no es coherente con la curva de reacción del
proceso (ver ). Por o cual se optó por hacer un análisis
gráfico mostrado acontinuación:
Figura 4. Método de la tangente (Ziegler y Nichols).
Siendo el tiempo muerto (tm) la diferencia entre el tiempo
de inicio de la señal escalón (t=0s) y el punto de corte
en el eje del tiempo de la recta tangente. La ganancia
del sistema excitado es la razón entre la entrada
(tensión, 100V), y la salida estabilizada (256°C); y la
diferencia donde la tangente corta el eje del tiempo y el
tiempo donde esta alcanza el valor final de salida yu se
conoce como constante de tiempo (t) según la ecuación
(1):
𝐾𝑝∗𝑒 −𝑡𝑚∗𝑆
𝐺(𝑆) = (1)
𝜏𝑆+1
Luego quedaría de la siguiente manera:
2,56∗𝑒 −77.5∗𝑆
𝐺1(𝑆) = 355.5∗𝑆+1
Al realizar la transformada inversa de Laplace tenemos:
155 155 2𝑡
128𝜇 (𝑡 − ) ∗ 𝑒 171−711
𝑌𝑚1(𝑆) = 2
17775
4. Método de la tangente (Miller)
La ganancia y el tiempo muerto se calculan con el
procedimiento del anterior método. La variación está en
cálculo del τ. Se calcula como el tiempo requerido para
Teoría de control. Ing. Mariela Castiblanco 3

que la respuesta alcance el 63.2% del cambio total, a

partir del tiempo muerto [2].

Figura 6. Método de dos puntos (Smith).

Donde según la figura 6

Figura 5. Método de la tangente (por Miller)
𝜏 = 1.5(𝑡63% − 𝑡28%) (4)
En la figura 5 se observa que el 63.2% del valor donde
se estabiliza la respuesta es de 161 °C 𝑡𝑚 = 𝑡63% − 𝜏 (5)
aproximadamente, y el tiempo es de 104s X 5 = 550s.
Luego la nueva constante de tiempo será: Luego, de (4) y (5)

τ = (104,5 − 15.5) × 5 = 445s. 𝜏 = 1.5(89 × 5 − 37 × 5) = 390𝑠

Entonces, se tiene como función de transferencia 𝑡𝑚 = 89 × 5 − 390 = 55𝑠

2,56∗𝑒 −77.5∗𝑆 Tabla N°1. Comparativo entre los métodos

𝐺2(𝑆) = 445∗𝑆+1 Obteniendo la tercera función de transferencia:

2,56∗𝑒 −55∗𝑆
Al realizar la transformada inversa de Laplace tenemos: 𝐺3(𝑆) = 390∗𝑆+1
152 31 𝑡 11 𝑡
64𝜇 (𝑡 − ) ∗ 𝑒 178−445 32𝜇(𝑡 − 55) ∗ 𝑒 78−711390
𝑌𝑚2(𝑆) = 2
11125
𝑌𝑚3(𝑆) =
4875

5. Método de dos puntos (Smith) 5. Modelamiento de la planta a partir de los

datos de prueba
Para identificar la constante de tiempo y el tiempo muerto
se establecen dos ecuaciones con dos incógnitas Luego de haber aplicado los métodos con los resultados
usando la curva de reacción de la figura 3. Los dos puntos de los respectivos, se realiza un análisis de la planta a
se presentan en los tiempos donde la respuesta alcanza través de la herramienta de MATLAB TOOLBOX, donde
el 28.35 y el 63.2% del valor final de respuesta; esto es: con la tabla de datos de la tesis seleccionada se obtiene
un modelo altamente aproximado y que será tomado
𝜏 como el modelo real para calcular el error de los métodos
𝑡28% = 𝑡𝑚 + (2)
3 aplicados.
𝑡63% = 𝑡𝑚 + 𝜏 (3) Lo primero es importar los datos de la planta a MATLAB,
seguido a esto se ingresa el comando;

>>ident; el cual activa la función de TOOLBOX de

MATLAB., este nos permite ingresar los datos que ya
hemos nombrado previamente en los vectores.

Temperatura= [24 24.7 25.8 26.5 . . . .];

Tensión= [110 110 110 . . . . . . . . .];

Teoría de control. Ing. Mariela Castiblanco 4

También podemos hallar una aproximación del tao y el

Kp del sistema, este se ilustra en la figura 10.

Figura 7. Importación de datos toolbox Figura 10. Tao y Kp del sistema

Mediante la herramienta Toolbox realizamos una

comparación con los modelos estudiados, así podremos
decir que método se aproximó mejor o no al
modelamiento de la planta del sistema.

Comparación método de Nichosl y Zigler

Figura 8. Respuesta del sistema

Mediante la herramienta toolbox también podemos

extraer la función de trasferencia del sistema ingresado
en el dominio del tiempo como un sistema de primer
orden.

Figura 11. Curva de planta real y curva de método de

Nichols 79.44% de similitud con planta real.

Figura 9. Función de trasferencia a partir de los datos.

Teoría de control. Ing. Mariela Castiblanco 5

Comparación método de Miller 6. Análisis del error

Para evaluar el desempeño del sistema de control

modelado, se compara la salida de la planta con la
predicha por el modelo, esto es, la comparación teórica
con la probada por simulación.

A esta operación el autor llama integral del error de

predicción absoluto (6) e integral del error de predicción
cuadrático (7). Entre mayor sea el índice, mejor será la

(6)

(7)

Donde el yp(t) es la función de la planta que hemos

modelado a partir de los datos.

−2.24∗1015 ∗𝑡
Figura 12. Curva de planta real y curva de método de 1.76 ∗ 10ˆ19 ∗ 𝑒 1.15∗1017
Miller 91.29% de similitud con planta real. 𝑦𝑝 =
3.60 ∗ 1021
Comparación método de Smith
0.02752∗𝑠+0.004953
𝐺(𝑆) =
𝑠+0.001947

A la hora de comparar varios modelos de una planta en

particular ya no funcionan los índices de desempeño, ya
que no permiten hacer un paralelo respecto a otros
modelos.
El porcentaje de error de predicción (8) permite comparar
determinado modelo respecto a otros.

El código para hallar yp se presenta en el anexo 2, de

igual forma que el proceso para calcular PEPi

(8)

Figura 12. Curva de planta real y curva de método de La comparación de los resultados entre los métodos se
Smith 83.12% de similitud con planta real. presenta en la tabla N°1

planta Nótese que el método con el que mejor se representa la

Teoría de control. Ing. Mariela Castiblanco 6

METODO kp τ tm IEAP IECP PEP

Ziegler y Nichols 2.56 355.5 77.5 0.9052 2.96E-3 389.59
Miller 2.56 445 77.5 0.8323 2.27E-3 3.589
Smith 2.56 390 55 1.0826 3.43E-3 350.14
Optimo 1 2.30 1.59 0.1849 9.02E-3 ---

Tabla 1. Resumen del cálculo de error

7. Conclusiones

 El método de Miller representa un error PEP mínimo

comparado con los otros dos métodos, la selección
del punto t63 representan una buena aproximación a
la de la planta. La fidelidad de los datos está en
función de la buena aproximación de interpolación
que se realizó con las herramientas de Matlab y
Graphmatica, y toolbox.

 Observando los resultados obtenidos con estos tres

métodos vemos que es recomendable utilizar
cualquiera de los métodos de dos puntos ya que el
error PEP es significativamente bajo respecto a los
métodos de recta tangente. Por otra parte se sugiere
utilizar para modelos de primer orden el método de
Miller el cual fue el más acertado con respecto a los
demás métodos.

 Para hallar el punto de inflexión en la curva de

respuesta, se debe tener cuidado a la hora de
interpolar el registro, ya que los métodos que se
utilicen deben ser fieles especialmente en el
transiente. Se recomienda hacer análisis gráfico en
el punto de inflexión y hallar la curva tangente en este
punto.

Bibliografía

1. Cubides Fredy y Martínez Jeimy, (2013). “Análisis de

eficiencia energética en una resistencia calefactora de
uso en extrusoras de plástico reciclado con un sistema
de control ON-OFF y PID”. Revista Tecnura, vol. 17.

2. Alfaro, V.M. – “Apuntes del curso IE-432,

Laboratorio de Control Automático”, Escuela de
Ingeniería Eléctrica, Universidad de Costa Rica, San
José, Costa Rica, 1 998.

3. Apuntes de la clase Teoría de control. Ing. Mariela

Castiblanco.
Teoría de control. Ing. Mariela Castiblanco 7

ANEXO 1

Tabla N°2. Datos experimentales de la curva de reacción del proceso

Lectura Promedio °C …Continuación tabla 1

1 24 Lectura Promedio °C
10 31,8 370 246,8
20 43,5 380 245,2
30 56,4 390 248,3
40 76,3 400 249
50 94,5 410 249,7
60 110,9 420 249,6
70 121,8 430 250,1
80 133,2 440 248,7
90 145,3 450 250,1
100 156,8 460 250,2
110 167 470 248,7
120 176,6 480 250,6
130 181,9 490 249,5
140 189,5 500 249,2
150 195,7 510 253,1
160 202,2 520 250,4
170 207 530 250,6
180 211,8 540 251,1
190 217,3 550 251,5
200 220,9 560 250,5
210 224 570 250,3
220 228,1 580 251,3
230 230,4 590 253,5
240 233,9 600 253,2
250 236,9 610 254,3
260 238,2 620 253
270 240,7 630 255,2
280 241,2 640 254
290 241,6 650 253,2
300 242,5 660 251,7
310 244,2 670 252,5
320 244,3 680 252,8
330 245,8 690 257,2
340 246 700 256,5
350 245,4 710 257,5
360 245,1 720 258
730 257,6
Teoría de control. Ing. Mariela Castiblanco 8

ANEXO 2
CÓDIGO EN MATLAB PARA OBTENCIÓN DE yp(t) E ÍNDICES DE ERROR Y PEP

%_________________________________________

clear
clc
syms s %DECLARAMOS LA VARIABLE s COMO SIMBOLICA
h= (2.64*exp(-140*s))/(384*s+1); %INGRESAMOS LA FUNCION DE TRANFERENCIA PRACTICA Yp
H = ilaplace(h); %CALCULAMOS LA TRANSFORMADA INVERSA

gp1 = (2.56*exp(-77.5*s))/(445*s+1); %INGRESAMOS LA FUNCION DE TRANSFERENCIA TEORICA POR MEDIO DEL METODO NICHOLS
Ym1
yp1 = ilaplace(gp1); %CALCULAMOS LA TRANSFORMADA INVERSA
pretty(yp1)
ieap=abs(H-yp1); %SACAMOS EL VALOR ABSOLUTO PARA HAYAR EL ERROR
IEAP=int(ieap,0,3600) %CALCULAMOS LA INTEGRAN DEFINIDA

iecp=(H-yp1)^2; %ELEVAMOS AL CUADRADO PARA HAYAR EL ERROR

IECP=int(iecp,0,3600) %CALCULAMOS LA INTEGRAN DEFINIDA

IEAPo= 0.1849;
PEP = ((IEAP-IEAPo)/IEAPo)*100

%_________________________________________

clear
clc
syms s %DECLARAMOS LA VARIABLE s COMO SIMBOLICA
h= (2.64*exp(-140*s))/(384*s+1); %INGRESAMOS LA FUNCION DE TRANFERENCIA PRACTICA Yp
H = ilaplace(h); %CALCULAMOS LA TRANSFORMADA INVERSA

gp1 = (2.56*exp(-77.5*s))/(355.5*s+1); %INGRESAMOS LA FUNCION DE TRANSFERENCIA TEORICA POR MEDIO DEL METODO NICHOLS
Ym1
yp1 = ilaplace(gp1); %CALCULAMOS LA TRANSFORMADA INVERSA
ieap=abs(H-yp1); %SACAMOS EL VALOR ABSOLUTO PARA HAYAR EL ERROR
IEAP=int(ieap,0,3600) %CALCULAMOS LA INTEGRAN DEFINIDA

iecp=(H-yp1)^2; %ELEVAMOS AL CUADRADO PARA HAYAR EL ERROR

IECP=int(iecp,0,3600) %CALCULAMOS LA INTEGRAN DEFINIDA

IEAPo= 0.1849;
PEP = ((IEAP-IEAPo)/IEAPo)*100

%__________________________________________

clear
clc
syms s %DECLARAMOS LA VARIABLE s COMO SIMBOLICA
h= (2.64*exp(-140*s))/(384*s+1); %INGRESAMOS LA FUNCION DE TRANFERENCIA PRACTICA Yp
H = ilaplace(h); %CALCULAMOS LA TRANSFORMADA INVERSA

gp1 = (2.56*exp(-55*s))/(390*s+1); %INGRESAMOS LA FUNCION DE TRANSFERENCIA TEORICA POR MEDIO DEL METODO NICHOLS Ym1
yp1 = ilaplace(gp1); %CALCULAMOS LA TRANSFORMADA INVERSA
pretty(yp1)
ieap=abs(H-yp1); %SACAMOS EL VALOR ABSOLUTO PARA HAYAR EL ERROR
IEAP=int(ieap,0,3600) %CALCULAMOS LA INTEGRAN DEFINIDA

iecp=(H-yp1)^2; %ELEVAMOS AL CUADRADO PARA HAYAR EL ERROR

IECP=int(iecp,0,3600) %CALCULAMOS LA INTEGRAN DEFINIDA

IEAPo= 0.1849;
PEP = ((IEAP-IEAPo)/IEAPo)*100
Teoría de control. Ing. Mariela Castiblanco 9

%_______________________________
Clear %% IMPORTACION DE DATOS DE LA PLANTA
clc

x = xlsread('DATOS.xlsx',1);
y = xlsread('DATOS.xlsx',2);
format shortEng
fprintf('El polinomio caracteristico de los puntos es: \n ')
p=polyfit(x',y',3)
xp=0:100:4000;
yp=polyval(p,xp);
plot(x,y,'ro')
hold on
plot(xp,yp,'b','linewidth',3)
p1=polyder(p)
p2=polyder(p1)
p3=polyder(p2)

%_______________________________________________

%% TOOLBOX

syms s

s=tf('s')

Nichols= (2.56*exp(-77.5*s))/(355.5*s+1)

syms s

s=tf('s')

Miller= (2.56*exp(-77.5*s))/(445*s+1)

syms s

s=tf('s')

Smith= (2.56*exp(-55*s))/(390*s+1)

%planta

syms s

s=tf('s')

plant= ((0.02752*s+0.004953)/(s+0.001947))

ident;