10

IV. MARCO TEORICO

4.1 El Reactor de Tanque Agitado Continuo
El reactor de tanque agitado continuo (CSTR) consta de un tanque con una agitacin
casi perfecta, en el que hay un flujo continuo de mate reaccionante y desde el
cual sale continuamente el material que ha reaccionado (material producido). La
condicin de agitacin no es tan difcil de alcanzar siempre y cuando la fase lquida
no sea demasiada viscosa.
El propsito de lograr una buena agitacin es lograr que en el interior del
tanque se produzca una buena mezcla de los materiales, con el fin de asegurar que
todo el volumen del recipiente se utilice para llevar cabo la reaccin, y que no
existan o queden espacios muertos.
Se puede considerar que la mezcla es buena o casi perf a, si el tiempo de
circulacin de un elemento reactante dentro del tanque es alrededor de una
centsima del tiempo promedio que le toma al mismo elemento para entrar y salir del
reactor.
En el reactor continuamente agitado, ocurre la reaccin exotrmica A B.
Para remover el calor de la reaccin, el reactor es rodeado por una cmara (camisa
de refrigeracin) a travs del cual fluye un lquido refrigerante. Para efectos de
estudio, se han hecho las siguientes suposiciones:
Las prdidas de calor circundantes son despreciables
Las propiedades termodinmicas, densidades, y las capacidades calorficas
de los reactantes y los productos son ambos iguales y onstantes

11

Mezcla (agitacin) perfecta en el reactor, por tanto la concentracin, presin

y temperatura son iguales en cualquier punto del tanque
Temperaturas Uniformes en ambas cmaras (camisa de enf ento y/o
calentamiento)
Volmenes Constantes V, Vc
Por lo general, los reactores continuos de tanque agitado (CSTR) se operan cerca
de en puntos de equilibrio inestables, que corresponden a una produccin ptima
del proceso [1]. Aun cuando el punto de equilibrio sea estable a lazo abierto, este
puede ser muy sensible a cambios de carga (e:g:; cambios en las condiciones de
alimentacin). Debido a que los CSTR son comnmente la parte central de un
proceso qumico completo, el control de la operacin del CSTR ha sido uno de los
problemas ms importantes en la industria qumica.
La regulacin de temperatura es la operacin de contro ms sencilla de los
CSTR. La mayora de controladores de temperatura en la industria qumica son
controladores PI clsicos [1,2]. Existen muchas razones para esto, incluyendo sus
antecedentes de operacin probada, el hecho que se ent de bien el
funcionamiento por parte de los tcnicos, operadores industriales y personal de
mantenimiento. Adems, en muchas aplicaciones, el hecho que un controlador PI
diseado adecuadamente y bien sintonizado logre o exce los objetivos de control.
Un controlador industrial PI tiene muchas ventajas adicionales que lo hacen
prctico para la operacin de un CSTR. Por ejemplo, cuenta con interrupcin
automtica y manual, seguimiento del punto de referencia (set point) y modos
manuales de emergencia.
12
Bsicamente, el controlador PI para regulacin de temperatura se disea en base a
una linealizacin alrededor del punto de equilibrio de operacin. El diseo y anlisis
de controladores PI para la estabilizacin y regulaci de CSTR se origino en el
trabajo de Aris y Amundson [3] en los cincuentas, y ha dado lugar, desde entonces,
a una literatura abundante y numerosas aplicaciones ex tosas. Sin embargo, existen
preguntas tericas importantes que todava estn abier as. Una de ellas, la cual es el
objetivo de esta parte del proyecto, es la posibilidad de optimizar una ley de control
que permita una mejor respuesta tanto en tiempo de establecimiento como en la
exactitud del seguimiento a una consigna (set point); as como la capacidad de
minimizar los efectos de las perturbaciones, evitando ntrol del sistema;
o, lo que es lo mismo, asegurar estabilidad asinttica en lazo cerrado. Es en este
camino, la justificacin del diseo y simulacin de co roladores ptimos y
Adaptivos.
Para remover el calor de la reaccin, el reactor es rodeado por una cmara a travs
del cual fluye un lquido refrigerante. Para efectos de nuestro estudio [4,5] debemos
tener las siguientes consideraciones:
Las prdidas de calor circundantes son despreciables
Las propiedades termodinmicas, densidades, y las capacidades calorficas
de los reactantes y los productos son ambos iguales y onstantes
Mezcla perfecta en el Reactor
Temperaturas Uniformes en ambas Cmaras
Volmenes Constantes V, Vc
4.2 Consideracione s previas para el modelado

13
Teniendo en cuenta todas estas consideraciones definamos las variables y los
parmetros para nuestra planta o proceso.
- Flujo del Producto A: f (t)
- Flujo del Liquido Refrigerante: fc (t)
- Concentracin del Producto Sobrante A: c
A
(t)
- Temperatura en el Reactor: T(t)
- Temperatura del Liquido Refrigerante:T
c
(t)
- Concentracin del producto A en la entrada del Reactor cAi (t)
- Temperatura de Entrada del producto A: T
i
(t)
- Temperatura del Liquido Refrigerante a la Entrada: Tci(t)
Volumen del Reactor V 0.37548342 m
3
Energa de Activacin E 64705147 Joules / Kgmole
Densidad del reactivo A 880.913 Kgmole / m
3
Calor de la Reaccin Hr -27956717 Joules / Kgmole
rea de Transferencia de Calor A 3.344508 m
2
Factor de Frecuencia ko
1.73515x10
13
1/ min.
Constante Universal de los
Gases
R 8314.34
Joules / (Kgmole-
K)
Capacidad Calorfica del
Reactor
c
p
3684.384
Joules / (Kgmole-
C)
Coeficiente de Transferencia de
Calor Total
U 1533153.75
Joules / (hr-m
2
-
C)
Variables independientes (variables de entrada):
Variables dependientes (variables de s alida):
Perturbaciones medibles :
Parme tros del proceso

14
Capacidad Calorfica del
Liquido Refrigerante
c
pc
4186.8
Joules / (Kgmole-
C)
Densidad del Liquido
Refrigerante
c
999.43584 Kgmole / m
3
Volumen del Liquido
Refrigerante en la Cmara
V
c
0.04417452 m
3
c
Ai
14.38771178 Kgmole / m
3
cA 1.285011818 Kgmole / m
3
f 0.037846848 m
3
/ min
fc 0.024839472 m
3
/ min
T 383.3333 K
321.1111 K
Tc 311.1111 K
Tci 300 K

Valores en el punto de operac in

Ti
15
a.
b.
c.
d.
V. MATERIAL Y METODOS
5.1 Modelo Dinmico del CSTR
5.1.1 Ecuaciones diferenciales del CSTR
Figura 5.1:
La metodologa empleada es la siguiente:
Modelar matemticamente el Proceso de Molienda, y efectuar su
simulacin en lazo abierto
Disear y simular la estrategia de Control Optimo Cuadrtico Discreto
Disear y simular la estrategia de Control Adaptivo Autosintonizado
Efectuar las conclusiones en base a los resultados obtenidos y efectuar
algunas recomendaciones para trabajos futuros.
Las ecuaciones diferenciales del proceso mostrado en la figura 5.1, lo obtendremos
a partir de las siguientes consideraciones:
1. Balance de masa del producto reactante A
2. Balance de energa en el reactor
3. Balance de energa en la cmara del liquido refrigerante
Diagrama esquemtico del CSTR
16
) 1 . 5 ( ) ( ) ( ) ( ) ( ) ( ) (
) 2 . 5 ( ) ( . . ) (
) ( /
) 3 . 5 ( ) (
) ( ) ( ) ( ) ( ). ( ) ( ) (
) 4 . 5 ( ) (
) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
Veamos:
donde:
La ecuacin 5.2 es la tasa de reaccin o velocidad de reaccin
Ahora como vemos, necesitamos linealizar las ecuaciones diferenciales obtenidas.
Para ello, debemos linealizar aquellos trminos No Lineales de cada Ecuacin
Diferencial para luego reemplazarlos en la Ecuacin Original.
Definamos las siguientes Variables de Desviacin:

[ ]

[ ]

=

= =
= =
Balance de mas a del pro ducto re actante A
Balance de energa en el reactor
Balance de energa en la cmara del liquido refrigerante
5.1.2 Linealizacin de las ecuaciones diferenciales del CSTR
t c
t
V t c t f t r V t c t f A A A Ai
t c e Ko t r
A
t RT E
A
t T
t
c Vc
t T c t f t T t T UA Hr t Vr t T c t f
v
p c A i p
t T
t
c V
t Tc c t fc t T t T UA t T c t f
c vc c c
pc c c ci pc c c
A A A c t c t C Ai Ai Ai c t c t C
T t T t f t f t F
r
r r
r
r r
17
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
) 5 . 5 ( ) ) ( ( ) ) ( ( ) ( ) (
) 6 . 5 ( ) ) ( ( ) ) ( ( ) ( ) (
) ) ( ( ) ) ( ( ) (
, ,
) ) ( ( ) ) ( ( ) (
2
) 7 . 5 ( ) ) ( ( ) ) ( ( ) (
2
) 8 . 5 ( ) ( . ) ( . ) (
2 1
) 9 . 5 ( 0
) 10 . 5 ( 0
) 11 . 5 ( 0
i T t T t i i c c c f t f t F
c c c T t T t i c ci ci T t T t
i i i A A Ai A Ai c t c f f t f c c f t c t f
A A A A A c t c f f t f c c f t c t f
A A
C T
A
A
C T
A A A c t c r
c
T t T r
T
r t r
A A
A A o A A o A c t c e k T t T c e
RT
Eko
c e k t r
T R
E
T R
E
T R
E
A A o A A A c t c e k T t T c e
RT
Eko
r t r
T R
E
T R
E
t C K t K t r A A
A A Ai c f r V c f
T c f T T UA Hr r V T c f p c A i p
c pc c c c ci pc c T c f T T UA T c c f
= =
= =
+ +
+ +

+
+ +

+ +

+

=
[ ] =
[ ] =
Linealizando los trminos de la ecuacin 5.1, utilizando las series de Taylor
alrededor del punto de operacin:
Para ello evaluamos las ecuaciones (5.1), (5.3), (5.4):
De la ecuacin (5.1):
De la ecuacin (5.3):
De la ecuacin (5.4):
Ahora reemplazamos las ecuaciones obtenidas en (5.5), (5.6), y (5.8) en la ecuacin
diferencial (5.1):
Clculo de los puntos de operacin y las ecuac ione s di enciale s del
Reac tor Qumico
r
r r
18
) 12 . 5 ( ) ( )) ( ) ( (
)) ( . ) ( . ( ) ( ) (
2 1
) ) ( ( ) ( ) ( ) ( . ) ( . ) ( ) (
2 1
) 13 . 5 ( ) ( ) ( ) ( . ) ( ) ( ) (
1 2
) 14 . 5 ( ) ) ( ( ) ) ( ( . ) ( ) (
) 15 . 5 ( ) ) ( ( ) ) ( ( . ) ( ) (
)). ( ) ( ( ) ) ( ( ) ) ( (
2 1
) 16 . 5 ( ) ( ) ) ( . ) ( ( ) ( ) (
) ) ( ( )) ( ) ( (
) ( ) ( ) ( . ) ( ) ( ) (
2 1
) 17 . 5 ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) (
1 2
) 18 . 5 ( ) ( ) ( ) ( ) (
t c
t
V t C f t F c c f
t C K t K r V t C f t F c c f
A A A A
A A Ai Ai Ai
A A A A A Ai Ai c t c
t
V t C f t F c t C VK t VK t C f t F c
t C f t F c c VK t C f VK t C
t
V Ai A Ai A A
i T t Ti f f t f i T i T f t Ti t f
T t T f f t f T T f t T t f
r A A p H t C K t K r V i T t Ti f f t f i T i T f c
t T
t
c V t f t F T T f c t T t T UA v p c
T t T
t
c V t f t F T c
t T t T UA t HrC VK Hr t VK t f c t F T c
v p
c A i p i p
t UA t f c t F T i T c
t f c UA Hr VK t C Hr VK t
t
c V
c i p p
p A v
t f t F T T f t T t f ci c c ci ci c ci c

= + +
+ + + +

= +
+ + +

+ + =
+ + =
[ ] + + + +
[ ]

= + +
[ ]

= +
+
+ + +
+ + + =

+ + =
Restando la ecuacin (5.9) de la ecuacin (5.12):
Linealizando los trminos en la ecuacin (5.3):
Usando las variables de desviacin y reemplazando las cuaciones (5.14) y (5.15)
en la ecuacin (5.3):
Restando la ecuacin (5.10) de la ecuacin (5.16):
Linealizando los trminos de la ecuacin (5.4):
r
r r
r r
r r
r r
r r
19
) 19 . 5 ( ) ( ) ( ) ( ) (
) 20 . 5 (
) (
) ( ) (
) ( ) ( ) ( ) (
) 21 . 5 ( ) ( ) (
) ( ) ( ) ( ) ( ) ( . ) (
) ( ) ( ) ( ) ( ) ( ) (
) (
11
) ( ) (
11
) ( ) (
12
) ( ) (
11
) ( ) (
1 2
) (
23
) ( ) (
22
) (
) (
21
)
) (
( ) (
22
) ( ) (
21
) ( ) (
1 2
t f t F T T f t T t f c c c c c c c c
t
t T
c V t f t F T T f c
t T t T UA t f t F T T f c
c
vc c c c c c c c c pc c
c ci c c ci ci c pc c
t f c
t F T T c t f c UA t UA t
t
c V
ci c pc c
c c ci pc c c c pc c vc c c
t C t C
t
A A t T t T
t
t T t T
t
c c
t C
e
V
f
t F
b
V
c c
t
a
K t C
a
V
f
K t C Ai
A Ai
A A
t
a
c V
UA
t
e
c V
f c
t F
b
c V
T T c
t
a
c V
f c UA Hr VK
t C
a
c
Hr K
t
c
v
i
v
p
v
i p
v
p
A
v
+ + =
[ ] [ ]
[ ]

= + +
+ +
+
+ + =

+ + =
+ +
+

+
+ +

=
Reemplazando las ecuaciones (5.18), (5.19) en la ecuacin (5.4):
Restando la ecuacin (5.11) de la ecuacin (5.20), se obtiene:
Ahora realizamos los siguientes cambios de variables:

Ahora estructuraremos nuestro modelo matemtico del proceso en variables de
estado, para ello reemplazamos las variables redefinidas anteriormente, en las
ecuaciones principales (5.13), (5.17), (5.21), y ordenando trminos tenemos:
r r
r
r
r r r
r r
r
r
r
r
r
r
K
K
K
K
& & &
3 2 1 43 42 1
3 2 1
43 42 1
&
43 42 1 43 42 1
K
K
4 4 3 4 4 2 1 4 4 4 4 3 4 4 4 4 2 1 43 42 1
&
20
) (
33
) (
) (
32
) (
) (
33
) ( ) (
32
) ( ) (
0 0
) (
) (
) (
0 1 0 ) (
) (
) (
) (
33 0 0
0 22 0
0 0 11
) (
) (
32 0
0 0
0 11
) (
) (
) (
33 32 0
23 22 21
0 12 11
) (
) (
) (
t
e
c V
f c
t F
b
c V
T T c
t c
a
c V
f p UA
t
a
c V
UA
t
ci
vc c c
c pc c
c
vc c c
c ci pc c
vc c c
c c c
vc c c
c
U
F
F
D
X
t
t
t C
C
Y
t
V
t
t
t C
E
e
e
e
U
t F
t F
B
b
b
X
t
t
t CA
A
a a
a a a
a a
X
t
t
t A C
c
c
A
ci
i
Ai
c
c c
+
+

+ =


[ ] [ ]

43 42 1
K
K
4 4 3 4 4 2 1
4 4 3 4 4 2 1 43 42 1
&
{
{
3 2 1
3 2 1
43 42 1
43 42 1 4 4 3 4 4 2 1
3 2 1
43 42 1 43 42 1 4 4 4 3 4 4 4 2 1 43 42 1
&
&
&
&
r
r
r
r
r
r
r
Sean:
Las variables de estado: C
A
(t), (t), c(t)
Las variables de control: F(t), Fc(t),
Las perturbaciones medibles: C
Ai
(t),
i
(t),
ci
(t)
Para efectos de un estudio simplificado, tendramos que tener en cuenta que las
siguientes variables pueden ser consideradas constante n el Proceso:
Flujo del producto reactante A: f(t)
Concentracin del producto reactante A que ingresa al eactor: c
Ai
(t)
La temperatura con que ingresa el producto reactante A: T
i
(t)
5.1.3 Modelo s implificado del CSTR

21
) (
0
0
0 0
0 0
0 0
) (
0
0
0
0
) (
) (
) (
0
0
) (
) (
) (
33
22
11
32
21
11
33 32
23 22 21
12 11
0
0 0
) (
) (
) (
0 1 0 ) (
) (
) (
33 32
0 0
0 0
) (
) (
) (
33 32 0
23 22 21
0 12 11
) (
) (
) (
) (
) (
0 0
) (
) (
) (
0 1 0 ) (
Por tanto, las variaciones de las variables anteriores sern iguales a cero, con lo
cual el modelo en variables de estado del proceso quedara de la siguiente manera:
Con lo cual podemos ahora, redefinir el vector correspondiente a las variables de
control:
En este modelo reducido, para un reactor a escala de 0.37548342 m
3
,
debemos tener en cuenta que de las dos variables de en a consideradas, solo
una de ellas, el flujo del liquido refrigerante de la ra del reactor (Fc), fue
originalmente definido como una variable de entrada del proceso, y la ra variable
de entrada que aparece en el modelo reducido, la tempe atura del lquido
refrigerante (Tci), el cual definimos al inicio de nuestro anlisis del proceso, como
una perturbacin medible, es considerado como tal, a fin de simplificar nuestro

[ ] [ ]

[ ] [ ]

=
t e
e
e
t F
b
b
b
t
t
t C
a a
a a a
a a
t
t
t C
ci
c
c
A
c
A
c
c
A
F
t
t
t C
t
t
t F
e b t
t
t C
a a
a a a
a a
t
t
t C
ci
c
ci
A
c
A
t
t F
t
t
t C
t
ci
c
c
A
&
&
&
&
&
&
u(t)
22
0.0064 2.8847 -
0.0001 0.0572 -
0 0
;
1.3054 0.3117 - 0
0.0473 0.9516 0
0 0 0.9990
modelo lineal de estados, as como tambin realizar un sistema de control para
dicha variable, por la influencia que ejerce en el com ortamiento del proceso. En una
posible implementacin del sistema de control de temperatura del reactor, en el cual
utilicemos esta ltima variable de entrada, debemos utilizar un tr nsductor que
convierta la seal del sensor de temperatura en una se que regule por ejemplo
una vlvula de apertura y cierre del flujo del lquido refrigerante que ingresa a la
cmara del reactor.
Despus de haber llegado a determinar el modelo matemtico del reactor qumico
exotrmico, de manera analtica, procederemos a ingres r dicho modelo matemtico
al programa Matlab, a fin de poder realizar varios anlisis adicionales, tales como de
controlabilidad, observabilidad, comportamiento natural de la temperatura del reactor
qumico en lazo abierto es decir sin un controlador y u posterior discretizacin del
modelo matemtico. Todos los anlisis anteriores podran realizarse analticamente,
pero resultara sumamente engorroso y tedioso por la c plejidad matemtica
misma del modelo del reactor qumico, por ello a fin de no detenernos slo en la
parte matemtica es que utilizamos como herramienta fu damental para esta tarea,
al Matlab. El Programa correspondiente se encuentra en el apndice A, y tiene como
nombre ModCSTR.m.
Las matrices G y H del proceso discretizado, considera do un perodo de muestreo
de 0.01 segundo, estn dadas por:
5.1.4 Dis cretizacin del modelo matemtico usando Matlab

= H G
23
Las matrices C y D del modelo discretizado son las mis as que las del modelo
continuo.
La grfica mostrada en la figura 5.2, explica el comportamiento de la Temperatura
del Reactor como respuesta a una estimulacin de una variacin de en la
temperatura de entrada del liquido refrigerante (Tci), tambin de una variacin
de 1 m
3
/min., tanto en tiempo continuo como en tiempo discreto (ver programa
ModCSTR.m).
Respuesta de la temperatura del reactor ante
seales de entrada escaln al proceso
5.1.5 Simulacin del modelo mate mtico us ando Matlab
1K
Figura 5.2:
24
0
min 30
5 %
) 22 . 5 ( ) ( ) ( ) ( ) (
2
1
0
5.2 Requerimientos de Dis eo del Controlador de Temperatura
5.3 Dis eo de la estrategia de Control Optimo Dis creto para el CSTR
J
u Q
x
R
u, Q
x,
Los requerimientos del diseo del controlador de temperatura del producto, son:
La Temperatura del reactor debe ser precisa, es decir, un error en
estado estacionario nulo, .
El tiempo de establecimiento debe ser .
Con respecto al sobre nivel porcentual, es recomendabl que sea
mnimo, pues lo contrario significara un rango mayor de variacin de la
temperatura del producto,
El diseo del Controlador ptimo requiere la minimizac n de una funcin de costo
, que permita obtener una ley de Control ptima u(k) actuante sobre el proceso a
fin de lograr que la salida controlada siga perfectame te a una referencia, en nuestro
caso a la temperatura de referencia (set point).
La funcin de costo en estado estacionario est dada por:
Donde es una matriz simtrica definida positiva que pondera la seal de control
(k), mientras que la matriz es una matriz simtrica definida positiva o semi-
definida positiva que pondera al vector de estado (k).
Para nuestro caso la dimensin de la matriz es igual a la dimensin de la
matriz de control el cual es igual 2, y la dimensin de la matriz es igual a la
dimensin de la matriz de estado el cual es igual a 3.

[ ]

=
+ =
s s
e
s
t
S P
k
T T
k u R k u k x Q k x J
R
25
) ( ) ( ) (
2
) ( ) ( ) ( ) ( ) (
2 2 2 3 3 1 1
) 23 . 5 ( ) ( ) ( ) (
2
) 24 . 5 ( ) ( ) ( ) ( ) ( ) ( ) 1 (
2
) 25 . 5 (
1
) ( ); ( ) ( ) (
2
1
En el presente trabajo, utilizaremos en nuestro diseo un sistema de control
ptimo estacionario, empleando una ley de control ptima cuadrtica que emplea
seales del proceso medidas directamente. La configura n usada para ste diseo
son el controlador ptimo proporcional. El procedimiento de diseo empleado es
para sistemas multivariables, especficamente los sistemas M.I.S.O, por ello nuestro
estudio estar enfocado solamente a estas especificaciones dadas para al proceso.
El tipo de controlador ptimo que se usar en este tra jo es el Controlador ptimo
Proporcional Discreto, en donde la salida controlada sigue a una seal de referencia
dada: , donde es la funcin escaln y la magnitud del escaln.
En nuestro caso que es un sistema M.I.S.O. de dos variables de control, entonces,
nuestro procedimiento de diseo se realizar como de dos sistemas univariables,
que luego aplicaremos la superposicin de esos dos sis emas, avalados en la
linealidad del modelo del sistema para un punto de operacin dado.
La ley de control de seguimiento, sea considerando u
1
= Fc u
2
= Tci, considerando
como la variable a ser controlada, toma la forma:
Reemplazando la seal de control en la ecuacin de estado del proceso:
Aplicando la transformada a la salida del sistema en lazo cerrado, la funcin de
transferencia pulso resulta en:
Aplicando la propiedad del valor final a y(z) obtenemos:
k R k r k
x
k x k k r k k x k x k k x k k u
n n
i
k r k k kx k ui
k r Hk k x HK G k Hu k Gx k x
i
z
z
z z R Hk HK G zI C z y
m m
m m
=
=
+ =
+ =
+ = + = +

= + =

R
K
K
u
i
(k)
26
) 26 . 5 ( ) ( ) (
1
) (
2
1
1
1 ) (
2
1
) 27 . 5 ( 1 ) (
2
1
R Hk HK G I C z y
z
z
lm k y lm
z k
Hk HK G I C
Hk HK G I gC

+ =

=
= +

= +

La condicin para que sea y =R es que , lo cual no siempre se
cumple. Por lo cual se hace necesario afectar la seal de referencia por una
ganancia g de modo que:
De tal modo que el error estacionario sea nulo; es decir, la salida sigue
perfectamente a la temperatura de referencia. Una segu da alternativa hubiese
consistido en usar un Controlador ptimo proporcional gra; lo cual complicara
un poco el diseo, ya que el orden del modelo se incre ntara en 1. Una tercera
alternativa es considerar el esquema de un regulador con ganancia de bucle fuera
de bucle. En el presente trabajo se considera el prime esquema, es decir el
correspondiente al sistema de Control ptimo Proporcional que se muestra en la
figura 5.3. Se debe recordar que el mencionado esquema debe aplicarse plantas
que tienen integrador; requisito que no cumple el modelo de nuestro proceso; sin
embargo el artificio matemtico indicado usando el factor de correccin mediante
software, permite resolver ese inconveniente.
Esquema del Sistema de Control ptimo
Proporcional Discreto
Figura 5.3:
27
10 ;
1 0 0
0 100 0
0 0 1
0.4215 - 2.3523 - 20.2784 -
1 . 0 ;
1 0 0
0 100 0
0 0 1
68.0742 104.9727 - 903.0773 -
5.3.1 Dis eo del Control Optimo Proporc ional Dis creto de l CSTR utilizando
como variable de contro l a la variacin del flujo del lquido refrigerante
(Fc)
5.3.2 Dis eo del Control Optimo Proporc ional Dis creto de l CSTR utilizando
como variable de contro l a la variacin de la te mperatura del lquido
refrigerante (Tci)
El programa CtrlOptCSTR_Fc.m, mostrado en el apndice B, considera los valores
de temperatura en el punto de operacin considerados en la seccin 4.2, as como
las siguientes matrices de ponderacin deseadas:
Con lo cual nos permite obtener la matriz ganancia del controlador ptimo discreto,
dado por:
Los resultados se muestran en la seccin 6.1
El programa CtrlOptCSTR_Tci.m, mostrado en el apndice C, considera los valores
de temperatura en el punto de operacin considerados en la seccin 4.2, as como
las siguientes matrices de ponderacin:
Con lo cual nos permite obtener la matriz ganancia del controlador ptimo discreto,
dado por:
( ) =

=
( ) =
( ) =

=
( ) =
R Q
K
R Q
K
28
ESTIMADOR DE
ESTADOR
ESTIMACIN DE
U
CONTROLADOR CON
AUTOSINTONIZACIN
ESTIMADOR DE
PARMETROS
MODELO
LINEAL
PROCESO NO
LINEAL
Y

U
DISTURBIOS
Los resultados se muestran en la seccin 6.2
Los sistemas de control adaptivo ajustan su comportamiento a las cambiantes
propiedades del proceso controlado y de las seales que interactan sobre el
proceso. Por el contrario, los sistemas de control fijos se car rizan por la
presencia de una ley de control invariable en el tiempo.
El estudio sobre los controladores adaptivos se ha dirigido a dos grupos
principales: los controladores adaptivos con un modelo de referencia y controladores
con autosintonizacin. Para el estudio del reactor qumico, se utilizar el sistema de
control adaptivo con autosintonizacin como el mostrado en la figura 5.4.
Este sistema combina en su diseo un mtodo de estimacin de parmetros
(el de los mnimos cuadrados recursivos mejorados), una tcnica de estimacin de
estados (el filtro de Kalman), una representacin lineal del modelo del proceso, y
Esquema del sistema de Control Adaptivo
Autosintonizado
5.4 Dis eo de la estrategia de Control Adaptivo Autos intonizado
Figura 5.4:
x
U
u
Y
q
29

) 5.28 ( ) ), , ( ), ( , (
) 5.29 ( ) , ( ) (
) , ( ) ( ) ( ) (
una ley de control (el controlador proporcional integral ptimo c rtico con
realimentacin de estados). El objetivo del control es determinar una fuerza de
control capaz de minimizar la diferencia entre la sali del proceso y la seal de
referencia.
El sistema de control con autosintonizacin mostrado en la figura 5.4 trabaja
de la siguiente manera: luego de cada tiempo de muestreo, el vector estimado de
parmetros se actualiza empleando los datos proporcionados por la entrada del
proceso y por la salida Y del mismo. Luego, los elementos de se usan para
recuperar el modelo lineal del proceso, lo cual permite estimar el vector de estado
del modelo del proceso (empleando un filtro de Kalman) y el valor de equilibrio .
Tales resultados se usan luego para computar la ley de control residual y
para actualizar la ley de control actual a partir de la relacin:
Partimos del siguiente proceso dinmico continuo:
Donde (de orden n) y (de orden uno) es el vector de estado y la ley de control,
respectivamente. La funcin No Lineal puede tambin contener disturbios en
los estados. En consecuencia, es posible obtener el modelo lineal siguiente:
Donde A es la matriz de estado de dimensin nxn, B es a matriz de control de
dimensin nx1, (en nuestro caso tendremos dos matrices B1 y B2 y los trabajaremos
q
q
U
u
U
5.4.1 Modelado de Procesos No Line ales
X U(t)
f(.) v(.)
x U
t t X v t U X f X
t X w X C C t Y
t X v t U B B t X A A t X
u U U
=
[ ] [ ]
[ ] + + =
+ + + + =
+ =
30
) 5.30 ( ) ( ) ( ); ( ) ( ) 1 (
) 5.31 ( ) ( ) ( ) ( ) (
1 1
) 5.32 ( ) (
1 ) (
1
1
1
1
1
1
,
) 5.33 ( ) ( ) ( ); ( ) ( ) 1 (
) 5.34 ( ) ( ) ( ) ( ) (
1 1
) 5.35 ( ) ( ) 1 (
1 1
de manera independiente), C es la matriz de salida de dimensin 1xn, y A, B y C
son las correspondientes incertidumbres acotadas con dimensiones apropiadas.
Adems, v(X,t) es un vector no lineal de disturbios de orden uno actuando en la
salida, e Y(t) es la salida del proceso de orden uno. El proceso nominal no
perturbado (o proceso con certidumbre) se obtiene fija do en cero todas las
incertidumbres y todos los disturbios en la ecuacin (5.28). Muestreando dicho
modelo, podemos obtener la siguiente representacin:
Donde k es el tiempo discreto y las matrices G, H poseen las mismas dimensiones
que las matrices A y B, respectivamente. La correspondiente ecuacin polinomial
toma la forma:
donde z es el operador de desplazamiento, con:
Empleando ahora las relaciones residuales: y en
las ecuaciones (5.30) y (5.31) obtenemos:
donde la constante C se determina de:
En esta parte se presentarn los procedimientos para estimar (o identificar) en l a
los parmetros y los estados del modelo del proceso, por ello usaremos el mtodo

= + = +

=


+ + =
+ + + =
= = =
= + = +
+ =

+ + + + + =
k CX k Y k HU k GX k X
z u z B z y z A
d
d
d
d
z b z b z B
z a z a z A
X X x Y Y y U U u
k Cx k y k Hu k Gx k x
C k U z B k Y z A
U b b Y a a C
n n
K K
K K
K K
5.4.2 Procedimientos de Es timacin
31
) 5.36 ( ) (

) ( ) (
) 5.37 ( 1 ) ( ) 1 ( ) ( ) 1 ( ) (

) 5.38 ( ) ( ) ( ) ( ) ( ) (

1 1
) 5.39 ( ) 1 ( ) 1 (
) 0 (

de los Mnimos Cuadrados Recursivo Mejorado, con el cual obtendremos nuestro

controlador autosintonizado.
Para estimar los parmetros del modelo del proceso usa emos las seales actuales
U(k) e Y(k) en lugar de sus desviaciones u(k) e y(k). ra ello, la descripcin en el
espacio de estado dada por la ecuacin (5.34) tiene que ser reordenada para tomar
la forma siguiente:
donde es el vector de informacin (o de medicin) el cual ontiene los valores
presentes y pasados de la entrada U y de la salida Y como sigue:
y el vector de contiene los parmetros a ser estimados, a saber:
Podemos ver que en la ecuacin (5.36), el orden del vector de informacin y el orden
del vector de parmetros es igual (2n+1), es decir. Dichos vectores han
incrementado su orden en uno. La ecuacin (5.34) con z=1 (propiedad del valor
final) representa la condicin de estado estable, es decir:
El algoritmo bsico de los mnimos cuadrados recursivos mejorados puede
implementarse en la forma siguiente:
1) Obtener el vector de parmetros inicial usando los valores de los
parmetros del modelo del proceso, ecuacin (5.32)
Es timac in de parmetros
k k k Y
T
n k U k U n k Y k Y k T
T
n n
C k b k b k a k a k
C U B Y A
q y
y
q
q
q
=
[ ] =
[ ] =
+ =
y
K L
K K
& & &
32
0
) ( ; ) ( , 1 ( ) (
) ( ) ( ) (
) ( ) ( ) ( ) (
1
) (
) ( ) 1 ( ) ( 1 ) (
) 1 (
) ( ) 1 ( 4
) ( ) (
2
1
1 ) (
2
2
) 1 (

) ( ) ( / ) ( ) (
) ( ) 1 ( ) ( ) 1 ( ) (
) ( / ) 1 ( ) ( ) ( ) ( ) (

) 1 (

1
2) Obtener el valor inicial del parmetro C(0) empleando la ecuacin (5.35),
considerando e igual a la seal de referencia.
3) La matriz de covarianza inicial P puede tener la forma P= I, donde I es
la matriz identidad y >>1.
4) Tomar nuevas mediciones de y de en el proceso, para obtener
una nueva ecuacin de la forma dada en la ecuacin (5.36).
5) Computar:
6) Determinar la matriz N(k) aplicando factorizacin de C lesky en:
7) Determinar la matriz diagonal de escalamiento con elementos s
jj
. Tal
matriz minimiza el nmero condicional del producto siempre que
s
jj
= 1 / n
jj
, donde cada n
jj
se obtiene tomando el valor absoluto de la
suma de los elementos de la fila de .
8) Computar:
=

= =
=
=
[ ]

=
+ =

=
=
[ ] + + + =
+ + = +

U Y
k k max k
n
k P
T
k N k N
k S k P k S k P
S
n
k S
nS
k
nS
k
S
P k
T
nS
k r
k
S
P tr
k
nS
k
S
P
k r k r k
k k
T
n
k k Y k
n
e
k k
nS
k
S
P k
T
nS
k j
k j k
n
e k
nS
k
S
P k S k k
Y(k) U(k)
S (k)
S (k)N(k)
j N(k)
y r y y r
y y
y y
y
l
q y r
l y y
y q q
33
1
) ( ) 1 ( ) ( ) 1 ( ) 1 ( ) ( ) 1 (
) ( / ) ( ) 1 ( ) 1 ( ) 1 (
) (
) (
) (
) (
/ 1
) 5.40 ( ) ( ) ( ) (
) ( ) ( ) ( ) 1 (
) (

) (

) (

) (

) (

+ + + + = +
[ ] + + = +

=
<
>
=
=
= =
+ =
+ + = +
k k
T
nS
k
S
P k
T
nS
k
nS
k
S
P k
nS
H
k k
S
P k
T
nS
k
nS
H I k
S
P
S
P eig min
S
P eig max
abs tt
new
N tt
S
P tt
tt k
new
N
T
new
N
new
N
S
P
jj
new
n
k
new
N
new
S
jj
new
n
jj new
s
new
S
S
P
new
S
S
new
P
S
new
P P
k w k Cx k y
k v k Hu k Gx k x
k
k G k H
k C k x
l y y y
l y
t
t
q
9) Implementar el criterio para parar la estimacin y para encontrar la nueva
matriz de escalamiento como sigue: sabiendo que es el
nmero condicionante de , s (cota inferior), para la estimacin;
en otro caso, si (cota superior), determinar (a partir de la
relacin ),calcular los elementos (valor absoluto
de la suma de los elementos de las filas de ), determinar la
matriz diagonal con elementos ,y calcular la
matriz . Finalmente, actualizar: .
De la ecuacin (5.33) podemos obtener el siguiente modelo perturbado del p oceso:
El procedimiento de estimacin descrito en la subseccin anterior nos proporciona
un vector de parmetros estimado del proceso Usando los elementos de dicho
vector de parmetros, podemos reconstruir las matrices estimadas , ,
y . El vector de estado estimado puede ser obtenido empleando un filtro de
Kalman, con ecuacin de observacin:
Es timac in de es tados
34
) 5.41 ( ) ( ) (

) ( ) ( ) ( ) (
) 5.42 ( ) ( ) (

) ( ) (

) 1 (
) 5.43 (
1
) (

) ( ) ( ) (

) ( ) (
) 5.44 ( ) (

) ( ) (

) ( ) (

) (

) ( ) (

) 1 (
) (
) 5.45 (
0
) (
2
) ( ) (
) ( ) ( ) 1 (
) 5.46 (
1
) (
[ ] + =
+ = +
[ ]

+ =
+ = +
=

+ =
+ = +

+ =
k x k C k y k Ko k x k x
k u k H k x k G k x
Ro k
T
C k Po k C k
T
C k Po k Ko
k G k Po k C k Ko k
T
G k G k Po k
T
G Qo k Po
x
K
k x
x
K u
k
R k u k Qx k
T
x I
k Hu k Gx k x
x
K
SG
T
H SH
T
H R
x
K
y la ecuacin de actualizacin de estados:
En la ecuacin (5.41), la matriz de ganancia Ko(k) se calcula de:
Donde Po(k) es la matriz definida positiva, solucin nica de la siguiente ecuacin
matricial discreta asociada de Ricatti:
Donde Qo y Ro son matrices de covarianza definidas positivas correspondiente a los
disturbios v y w, respectivamente.
Es bastante conocido que el controlador proporcional mo cuadrtico es una
matriz de ganancia que nos permite formular la siguiente ley de control
.Dicha matriz es el resultado de la minimizacin de la funcin de costo:
sujeto a la ecuacin de restriccin:
Donde la matriz Q = Q
T
es semidefinida positiva y la matriz R es definida positiva.
Como vimos anteriormente de manera detallada la seleccin de estas matrices. La
ganancia se obtiene de:
5.4.3 La ley de control
35
) 5.47 ( 0
0
) ( ) 1 (
1
0
) (
1
0
) ( ) ( ) (
) 5.48 ( ) ( ) ( ) ( ) ( ) 1 (
) 5.49 ( ) ( ) (
) ( ) ( ) 1 (
0 ;
0
1
0
) ( ;
) (
) (
) (
) 5.50 (
0
) (
2
) ( ) ( ) (
) 5.51 (
1
Donde S e la nica matriz definida positiva solucin de la siguiente ecuacin
matricial discreta asociada de Ricatti:
Para mejorar el rendimiento del controlador proporcional, es posible adicionar accin
integral a dicho controlador proporcional, es posible dicionar una accin integral a
dicho controlador. Definiendo la variable z(k) como la integral (sumatoria) del error:
entonces:
de modo que la representacin en el espacio de estado l sistema aumentado toma
la forma siguiente:
Donde el superndice a significa aumentado. El vector x
a
y las matrices A
a
, B
a,
y C
a
poseen la forma:
Por consiguiente, el problema es determinar la matriz ganancia K
a
como
resultado de la minimizacin de la siguiente funcin de costo:
Donde la matriz Q
a
=[Q
a
]
T
es semidefinida positiva. La ganancia K
a
se obtiene de:
x
K H S
T
G G S
T
G Q
k
i
k y k z
k
i
k y
k
i
k Y k Y k z
k Cx k z k y k z k z
k
a
x
a
C k y
k u
a
H k
a
x
a
G k
a
x
C
a
C
H
a
H
C
G
k
a
G
k z
k x
k
a
x
k
R k u k
a
x
a
Q k
T a
x
a
I
a
G
a
P
T
a
H
a
H
a
P
T a
H R
a
K
+ =
[ ] [ ] [ ]

=
= +

=
=

=
=
= = +
=
+ = +
[ ] =

+ =
[ ] { }[ ]

+ =
36
) 5.52 (
) 5.53 ( ) ( ) (
En la ecuacin (5.51), P
a
es la nica matriz definida positiva solucin de la uiente
ecuacin matricial discreta asociada de Ricatti:
Por consiguiente, la ley de control del controlador ptimo cuadrtico proporcional
integral viene a ser:
y los parmetros de ponderacin de rendimiento son R y Q
a
Los resultados se muestran en la seccin 6.3 y 6.4, y los programas
correspondientes en los apndices D y E.
[ ] [ ] + =
=
a
K
a
H
a
P
T
a
G
a
G
a
P
T
a
G
a
Q
a
P
k
a
x
a
K k u
37
VI RESULTADOS
6.1 Res ultados de l Sis tema de Control Optimo Proporcional controlado por
el flujo del lquido refrigerante (Fc)
Figura 6.1:
Mediante el programa en Matlab, denominado , nos permite
obtener la respuesta mostrada en la figura 6.1.
En la primera grfica de dicha figura se puede ver la temperatura del CSTR en lazo
abierto, que presenta una respuesta inestable; sin embargo, en la segunda grfica
se muestra la respuesta en lazo cerrado, y la tercera fica nos muestra la seal de
control generada (flujo del lquido refrigerante) por el controlador ptimo.
Temperatura del reactor controlado por el flujo del
lquido refrigerante utilizando un controlador ptimo cuadrtico.
CtrlOptCS TR_Fc.m
38
6.2 Res ultados de l Sis tema de Control Optimo Proporcional controlado por
la temperatura del lquido refrige rante (Tci)
Figura 6.2:
Mediante el programa en Matlab, denominado , nos permite
obtener la respuesta mostrada en la figura 6.2.
En la primera grfica de la figura 6.2 se puede ver qu la temperatura del CSTR en
lazo abierto, presenta una respuesta inestable; sin em go, en la segunda grfica
se muestra la respuesta en lazo cerrado, la cual es controlada, y la tercera grfica
nos muestra la seal de control generada (temperatura lquido refrigerante) por el
controlador ptimo.
Temperatura del reactor controlado por la
temperatura del lquido refrigerante utilizando un controlador
ptimo cuadrtico
CtrlOptCS TR_Tci.m
39
6.3 Res ultados de l Sis tema de Control Adaptivo Autos intonizado controlado
por el flujo del lquido re frigerante (Fc)
Figura 6.3:
Mediante el programa en Matlab, denominado , nos permite
obtener la respuesta mostrada en la figura 6.3.
En la primera de la parte superior de dicha figura, nos muestra dos curvas, la curva
de trazo continuo nos muestra a la seal de referencia del sistema (T=383.33 K), la
otra curva superpuesta de trazo discontinuo nos muestr el comportamiento de la
temperatura del reactor habiendo utilizado el controla adaptivo autosintonizado.
En la segunda grfica se muestra la variacin que sufre la variable de control, (el
flujo del lquido refrigerante) utilizando el controla adaptivo autosintonizado, a fin
de poder controlar la temperatura del reactor.
Temperatura del reactor controlado por el flujo
del lquido refrigerante utilizando un controlador adaptivo
autosintonizado
CtrlAdapCS TR_Fc.m
40
6.4 Res ultados del Sistema de Control Adaptivo Autos intonizado controlado
por la temperatura de l lquido refrigerante (Tci)
Figura 6.4:
Ejecutando el programa , se obtiene los resultados mostrados
en la figura 6.4.
En la figura 6.4 podemos apreciar dos grficas, la primera de la parte s perior nos
muestra al igual que el caso anterior dos curvas super uestas, una es la referencia y
la otra es la respuesta (temperatura) del reactor qumico cuando se utiliza el
controlador adaptivo autosintonizado. En la segunda grfica se muestra la variacin
que sufre la variable de control (la temperatura del lquido refrigerante), cuando se
Temperatura del reactor controlado por la
temperatura del lquido refrigerante utilizando un controlador
adaptivo autosintonizado
CtrlAdapCS TR_Tci.m
41
utiliza el controlador adaptivo autosintonizado, a fin de poder controlar la
temperatura del reactor.
42
VII. DISCUSION
7.1 Comparac in de res ultados
Tabla 7.1:
Es trategia t
s
(min) Sobrepico (%) Se al de Control en el
trans itorio
Control ptimo
Proporcional
Control Adaptivo
Autos intonizado
La aplicac in de es trategias de control ptimo y Adap o permitirn
c ontrolar la te mpe ratura del reactor a niveles de referenc ia des eados , con
En la tabla 7.1 se presenta un resumen de los resultados aplicando as dos
estrategias de control tratados.
Resumen de resultados de las dos tcnicas de control automtico
0.08 0.52 Flujo del Lq. Refrigerante
(m
3
/min) = 300
0.42 0.00 Temp. del Lq.
Refrigerante (K) = 8750
0.42 150 Flujo del Lq. Refrigerante
(m
3
/min) = 1000
0.25 125 Temp. del Lq.
Refrigerante (K) = 0.8 X
10
5
De los resultados mostrados en la seccin VI y presentados en la Tabla 7.1,
se puede observar que la tcnica de Control ptimo es el adecuado para esta
aplicacin, sea utilizando el flujo del lquido refrigerante o la temperatura del lquido
refrigerante; ya que se cumple con los requerimientos funcionamiento, con un
sobrepico nulo en el caso de usar temperatura de lqui refrigerante, y un tiempo de
establecimiento de aproximadamente 0.42 minutos, cumplindose con lo previsto.
En tal sentido, se ha cumplido con la hiptesis planteada en el trabajo, el cual paso a
anotar:
43
min 30
0
s obrepicos mode rados (PO = 5%), tiempo de establecimiento , y
e rror e stac ionario nulo .
7.2 Conclus iones y recomendac iones

=
s
t
ss
e
Podemos entonces concluir que s es posible usar estrategias de control
ptimas para obtener rendimientos satisfactorios en el control de la temperatura del
producto.
Finalmente podemos sugerir que para trabajos futuros s utilicen otros
algoritmos alternativos como Control No Lineal por Linealizacin Total, Control
Robusto; as como estrategias que no necesitan del modelo del proceso; sino se
basan en la experiencia del experto, esto es, usar est gias de Control Fuzzy y
Control Neuronal.
44
VIII. REFERENCIAS
[1] Dochain, D., Babary, J.P., & Tali-Maamar, N. Modelling and adaptive control of
nonlinear distributed parameter bioreactors va orthog nal collocation.
Automatica, 55, 873-883. (1992).
[2] Ng, Ch.-On, & Mei, Ch.C. (1996). Aggregate diffusion model applied to soil
vapor extraction in unidirectional and radial rows. Water Resources Research,
32, 1289-1297.
[3] Clement, T.P., Hooker, B.S., & Skeen, R.S. Numerical modeling of biologically
reactive transport near nutrient injection well. Journal of Environmental
Engineering, September. (1996).
[4] Andersen & Wenzel. Introduction to Chemical Engineeri g. McGraw-Hill, 1994.
[5] Smith Carlos A. y Corripio Armando B. Principles and ractice of Automatic
Process Control. Segunda Edicin. Ediciones John Wiley & Sans, Inc 1997.
[6] Eronini-Umez-Eronini. Dinmica y Sistemas de Control. Morgan State
University, Thomson Learning, Mxico. Edicin 2001.
[7] Ogata, Katsuhiko. . Segunda edicin,
Prentice Hall Hispanoamericana, S.A. Mxico, Nueva York , 1996.
[8] Rojas Moreno, Arturo.
. Universidad Nacional de Ingeniera. Publicacin Independiente, 2001.
S is temas de Control en Tiempo Dis creto
Control Avanz ado-Dis eo y Aplicaciones en Tie mpo
Real
45
[9] Aguado Behar, Alberto. , Pearson
Educacin, S. A., Madrid 2003.
[10] Rolf Isermann. , Volume 1, Springer Verlag, segunda
edicin, Germany, 1989
[11] Math Works, Inc. Matlab Reference Guide. Prentice Hall, Englewood Cliffs,
New Jersey, primera edicin. 1996.
Identificacin y Control Adaptativo
Digital Control S ys tems
46
APENDICE A
Programa en Matlab de la Respues ta del Modelo del Proces o en Lazo abierto
% Programa ModCSTR.m
% MODELO MATEMATICO DEL REACTOR QUIMICO EXOTERMICO
clear all
% PARAMETROS DEL PROCESO
V=0.37548342; E=64705147; ko=1.73515*(10^13); R=8319.1716;
d=880.913; dc=999.43584; Cp=3684.384; Cpc=4186.8; Hr =-27956717;
U=1533153.75; A=3.344508; Vc=0.04417452;
% VALORES EN EL PUNTO DE OPERACION
T=383.3333; Ti=321.1111; Tc=311.1111; Tci=300;
CAi=14.38771178; f=0.037846848; fc=0.024839472;
CA=1.285011818;
% CONSTANTES ASUMIDAS PARA SIMPLIFICAR EXPRESIONES
K1=E*ko*CA/(R*T^2)*exp(-E/(R*T));
K2=ko*exp(-E/(R*T)); m=(Hr*K2)/(d*Cp); n=(U*A)/(V*Cp*d);
p=(Hr*K1)/(Cp*d); q= f/V; s=(U*A)/(Vc*dc*Cpc); t=(fc/Vc);
a11=-f/V-K2; a12=-K1;
a21=-m; a22= -(n+p+q); a23= n;
a32=-s; a33= s-t;
b11=(CAi-CA)/V;
b21=(Ti-T)/V; b32=(Tci-Tc)/Vc;
e33= fc/Vc;
% DEFINIENDO LAS MATRICES DE ESTADO DEL SISTEMA
A=[ a11 a12 0
a21 a22 a23
0 a32 a33];
B = [ 0 0
0 0
b32 e33];
Cc = [0 1 0]; Dc = [0 0];
% VERIFICACIN DE LA CONTROLABILIDAD Y OBSERVABILIDAD
M = [B A*B A^2*B]; N = [Cc' A'*Cc' (A')^2*Cc'];
% rank(M)=rank(N)=n=3 => c.c y c.o.
% DISCRETIZACIN DEL MODELO MATEMATICO
Ts = 0.01; % PERIODO DE MUESTREO SELECCIONADO
[G,H,C,D] = c2dm(A,B,Cc,Dc,Ts,'zoh'); % CONVERSION A DISCRETO
eigG= eig(G); % CALCULO DE LOS EIGENVALORES
% eigG = 0.9999
% 0.9998
% 1.2572
% EL SISTEMA ES INESTABLE, DADO QUE UN EIGENVALOR ESTA
% FUERA DEL CIRCULO UNITARIO
%G = %H =
% 0.9990 -0.0000 -0.0000 0.0000 -0.0000
% 0.0000 0.9516 0.0473 -0.0572 0.0001
% -0.0000 -0.3117 1.3054 -2.8847 0.0064
%RESPUESTAS AL ESCALON UNITARIO
[Y,X,t]= step(A,B,Cc,Dc);
[YY,XX]= dstep(G,H,C,D);
tt=linspace(0,size(YY,1)*Ts,size(YY,1));
subplot(221);
plot(t,Y(:,1),'k'); grid
title('Modelo Continuo')
xlabel('Tiempo en Minutos ')
ylabel('T(t) para Fc=1, Tci=0')
subplot(223)
plot(t,Y(:,2),'k'); grid
47
xlabel('Tiempo en Minutos ')
ylabel('T(t) para Fc=0, Tci=1')
subplot(222)
plot(tt,YY(:,1),'k--'); grid
title('Modelo Discreto (Ts=0.01 min)')
xlabel('Tiempo en Minutos ')
ylabel('T(k) para Fc=1, Tci=0')
subplot(224)
plot(tt,YY(:,2),'k--'); grid
xlabel('Tiempo en Minutos ')
ylabel('T(k) para Fc=0, Tci=1')
48
APENDICE B
Programa en Matlab del Sistema de Control ptimo Proporcional controlado
por el flujo de l lquido refrigerante (Fc) (Autora propia)
% Programa CtrlOptCSTR_Fc
% CONTROL DE TEMPERATURA DEL REACTOR QUIMICO EXOTERMICO
% EN FUNCION DEL FLUJO DE ENTRADA DEL REFRIGERANTE ( Fc )
% ********** UTILIZANDO UN CONTROLADOR PTIMO **********
clear all
% PARAMETROS DEL PROCESO
V=0.37548342; E=64705147; ko=1.73515*(10^13); R=8319.1716;
d=880.913; dc=999.43584; Cp=3684.384; Cpc=4186.8; Hr =-27956717;
U=1533153.75; A=3.344508; Vc=0.04417452;
% VALORES EN EL PTO DE OPERACION
T=383.3333; Ti=321.1111; Tc=311.1111; Tci=300;
CAi=14.38771178; f=0.037846848; fc=0.024839472;
CA=1.285011818;
% CONSTANTES ASUMIDAS PARA SIMPLIFICAR EXPRESIONES
K1=E*ko*CA/(R*T^2)*exp(-E/(R*T));
K2=ko*exp(-E/(R*T)); m=(Hr*K2)/(d*Cp); n=(U*A)/(V*Cp*d);
p=(Hr*K1)/(Cp*d); q= f/V; s=(U*A)/(Vc*dc*Cpc); t=(fc/Vc);
a11= -f/V-K2; a12= -K1;
a21= -m; a22= -(n+p+q); a23= n;
a32= -s; a33= s-t;
b11= (CAi-CA)/V;
b21= (Ti-T)/V; b32= (Tci-Tc)/Vc;
e33= fc/Vc;
% MODELO LINEAL DEL REACTOR QUIMICO EXOTERMICO
A=[a11 a12 0
a21 a22 a23
0 a32 a33];
% UTILIZANDO EL CONTROL DE LA VARIACION DE FLUJO DEL
% REFRIGERANTE_Fc
B = [0; 0; b32];
Cc = [0 1 0]; Dc = [0];
% VERIFICACION DE CONTROLABILIDAD Y OBSERVABILIDAD
M = [B A*B (A^2)*B]; N = [Cc' A'*Cc' (A')^2*Cc'];
% rank(M)=rank(N)=n=3 => c.c y c.o.
[Temp_Rpta, xr]=step(A, B,Cc,Dc); % RESPUESTA AL ESCALON
Ts = 0.01; % PERIODO DE MUESTREO SELECCIONADO
%Ts = 1;
[G,H,C,D] = c2dm(A,B,Cc,Dc,Ts,'zoh'); %CONVERSION A DISCRETO
% DISEO DEL CONTROLADOR OPTIMO_Fc
Q = [1 0 0;0 100 0; 0 0 1]; % MATRICES DE PONDERACION
R = [10];
[K,P,E] = dlqr(G,H,Q,R); k2 = K(2); % GANANCIA OPTIMA K
g = 1/(C*inv(eye(3)-G+H*K)*H*k2); % CORRECCION DE r(k)
49
x = [0;0;0]; N = 200; % CONDICION INICIAL
for k=1:N
r=383.3333*g;
Fc(k) = -K*x + k2*r;
x = G*x + H*Fc(k);
Temp(k) = x(2);
end
% GRAFICOS
t1 = linspace(0,Ts*N,size(Temp_Rpta,1));
subplot(3,1,1)
plot(t1,Temp_Rpta,'k'); ylabel('Temp_Rpta (K) Open'); grid;
title('Temperatura del Reactor aplicando el Controlador Optimo u1= Fc')

t = linspace(0,Ts*N,N);
subplot(3,1,2)
plot(t,Temp,'k'); ylabel('T(K) (K) Closed'); grid;
subplot(3,1,3)
plot(t,Fc,'k'); ylabel('Fc (m^3/min)'); grid;
xlabel('Tiempo (min) Ts= 0.01')
print -deps -f CtrlOptReactor_fc

% CALCULO RECURSIVO DE LA MATRIZ Pr Y CALCULO DE Kr
T = 15; Pr = zeros(3,3);
for i=1:T
Pr = Q + G'*Pr*G - G'*Pr*H*inv(R+H'*Pr*H)*H'*Pr*G;
end
Kr = inv(R + H'*P*H)*H'*P*G; % SE CUMPLE QUE K=Kr Y P=Pr
50
APENDICE C
Programa en Matlab del Sistema de Control ptimo Proporcional controlado
por la te mperatura del lquido refrigerante (Tci) (Au ora propia)
% Programa CtrlOptCSTR_Tci
% CONTROL DE TEMPERATURA DEL REACTOR QUIMICO EXOTERMICO
% EN FUNCION DE LA TEMPERATURA DE ENTRADA DEL LIQUIDO
% REFRIGERANTE (Tci)
clear all
% PARAMETROS DEL PROCESO
V=0.37548342; E=64705147; ko=1.73515*(10^13); R=8319.1716;
d=880.913; dc=999.43584; Cp=3684.384; Cpc=4186.8; Hr =-27956717;
U=1533153.75; A=3.344508; Vc=0.04417452;
% VALORES EN EL PTO DE OPERACION
T=383.3333; Ti=321.1111; Tc=311.1111; Tci=300;
CAi=14.38771178; f=0.037846848; fc=0.024839472;
CA=1.285011818;
% CONSTANTES ASUMIDAS PARA SIMPLIFICAR EXPRESIONES
K1=E*ko*CA/(R*T^2)*exp(-E/(R*T));
K2=ko*exp(-E/(R*T)); m=(Hr*K2)/(d*Cp); n=(U*A)/(V*Cp*d);
p=(Hr*K1)/(Cp*d); q= f/V; s=(U*A)/(Vc*dc*Cpc); t=(fc/Vc);

a11=-f/V-K2; a12=-K1;
a21=-m; a22= -(n+p+q); a23= n;
a32=-s; a33= s-t;
b11=(CAi-CA)/V;
b21=(Ti-T)/V; b32=(Tci-Tc)/Vc;
e33= fc/Vc;
% MODELO LINEAL DEL REACTOR QUIMICO EXOTERMICO
A=[a11 a12 0
a21 a22 a23
0 a32 a33];
% UTILIZANDO EL CONTROL DE LA VARIACION DE
% TEMPERATURA DE ENTRADA DEL REFRIGERANTE (Tci)
B = [0; 0; e33];
Cc = [0 1 0] ; Dc = [0];
% VERIFICACIN DE LA CONTROLABILIDAD Y OBSERVABILIDAD
M = [B A*B (A^2)*B]; N = [Cc' A'*Cc' (A')^2*Cc'];
% rank(M)=rank(N)=n=3 => c.c y c.o.

% CONVERSION DEL ESTADO CONTINUO AL DISCRETO
[Temp_Rpta,xr] = step(A,B,Cc,Dc); % RESPUESTA AL ESCALON
Ts = 0.01; % PERIODO DE MUESTREO SELECCIONADO
%Ts = 1;
[G,H,C,D] = c2dm(A,B,Cc,Dc,Ts,'zoh'); % CONVERSION A DISCRETO
% DISEO DEL CONTROLADOR OPTIMO
Q = [1 0 0;0 100 0; 0 0 1]; R = [0.1]; % MATRICES DE PONDERACION
[K,P,E] = dlqr(G,H,Q,R); k2 = K(2); % GANANCIA OPTIMA K
g = 1/(C*inv(eye(3)-G+H*K)*H*k2); % CORRECCION DE r(k)
51
x = [0;0;0]; Nm = 200; % CONDICION INICIAL

for k=1:Nm
r=383.3333*g;
%r=383.3333;
Tci(k) = -K*x + k2*r;
x = G*x + H*Tci(k);
Temp(k) = x(2);
end
% GRAFICOS
r = linspace(0,Ts*Nm,size(Temp_Rpta,1));
subplot(3,1,1)
plot(r,Temp_Rpta,'k'); ylabel('Temp_Rpta (K ) Open'); grid;
title('Simulacin del Controlador Optimo aplicado al Reactor u2= Tci')
t = linspace(0,Ts*Nm,Nm);
subplot(3,1,2)
plot(t,Temp,'k'); ylabel('Temp (K ) Closed'); grid;

subplot(3,1,3)
plot(t,Tci,'k'); ylabel('Tci (K )'); grid;
xlabel('Tiempo (min)')
print -deps -f CtrlOptReactor_Tci
% CALCULO RECURSIVO DE LA MATRIZ Pr Y CALCULO DE Kr
T = 15; Pr = zeros(3,3);
for i=1:T
Pr = Q + G'*Pr*G - G'*Pr*H*inv(R+H'*Pr*H)*H'*Pr*G;
end
Kr = inv(R + H'*P*H)*H'*P*G; % SE CUMPLE QUE K=Kr Y P=Pr
52
APENDICE D
Programa en Matlab del Sis tema de Control Adaptivo Autos intonizado
c ontrolado por e l flujo del lquido refrigerante (Fc) (Autora propia)
% Programa CtrlAdapCSTR_Fc.m
% CONTROL DE TEMPERATURA DEL REACTOR QUIMICO EXOTERMICO
% ***** EL METODO DE CONTROL ADAPTIVO AUTOSINTONIZADO *****
% UTILIZANDO EL CONTROL DEL FLUJO DEL REFRIGERANTE (Fc)
clear all
% PARAMETROS GENERALES
nn = 3; % nn: ORDEN DEL PROCESO;
r=1; % r: NUMERO DE SALIDAS
NN = 7; % ORDEN DEL VECTOR ESTIMADO DE PARAMETROS
% PARAMETROS DEL PROCESO
V=0.37548342; E=64705147; ko=1.73515*(10^13); R=8319.1716;
d=880.913; dc=999.43584; Cp=3684.384; Cpc=4186.8; Hr =-27956717;
U=1533153.75; A=3.344508; Vc=0.04417452;
% VALORES EN EL PTO DE OPERACION
T=383.3333; Ti=321.1111; Tc=311.1111; Tci=300;
CAi=14.38771178; f=0.037846848; fc=0.024839472;
CA=1.285011818;
% CONSTANTES ASUMIDAS PARA SIMPLIFICAR EXPRESIONES
K1=E*ko*CA/(R*T^2)*exp(-E/(R*T));
K2=ko*exp(-E/(R*T)); m=(Hr*K2)/(d*Cp); n=(U*A)/(V*Cp*d);
p=(Hr*K1)/(Cp*d); q= f/V; s=(U*A)/(Vc*dc*Cpc); t=(fc/Vc);

a11=-f/V-K2; a12=-K1;
a21=-m; a22= -(n+p+q); a23= n;
a32=-s; a33= s-t;
b11=(CAi-CA)/V;
b21=(Ti-T)/V; b32=(Tci-Tc)/Vc;
e33= fc/Vc;
% MODELO LINEAL DEL PROCESO EN TIEMPO CONTINUO
A=[ a11 a12 0
a21 a22 a23
0 a32 a33];
B1 = [0; 0; b32];
Cc = [0 1 0]; Dc = [0];
% MODELO LINEAL DISCRETO
Ts = 0.01; % PERIODO DE MUESTREO
[G1,H1,C,D] = c2dm(A,B1,Cc,Dc,Ts,'zoh');% CONVERSION A DISCRETO
[num1,den1] = ss2tf(G1,H1,C,D);

a1 = den1(2); a2 = den1(3); a3=den1(4);
b1 = num1(2); b2 = num1(3); b3=num1(4);

% PARAMETROS PARA OPTIMIZAR GANANCIA DEL FILTRO DE KALMAN
Xi = 0.001; Sigma = 10;
% PARAMETROS DE OPTIMIZACION DEL CONTROLADOR Ke
R = 0.1*eye(r,r); Qa = 0.001*eye(r+nn,r+nn);
53
% Gcc,Hcc, Ccc, Dcc: REPRESENTACION CANONICA CONTROLABLE
acc11 =0; acc12 =1; acc13 =0; acc21 =0; acc22 =0 ;
acc23 =1; acc31 = -a3; acc32 = -a2; acc33 =-a3;
bcc11 = 0; bcc21 = 0; bcc31 = 1;
ccc11 =b3; ccc12 = b2; ccc13 = b1;
Gcc = [acc11 acc12 acc13;acc21 acc22 acc23;acc31 acc32 acc33];
Hcc = [bcc11;bcc21;bcc31];
Ccc = [ccc11 ccc12 ccc13]; Dcc = [0];
% CONDICIONES INICIALES
Ref = 383.3333; % MAGNITUD DE LA SEAL DE
% REFERENCIA: Yo = Ref
Ce = (1 + a1 + a2 + a3)*Ref; % Uo = 0 (ARBITRARIO)
thi = [-a1 -a2 -a3 b1 b2 b3 Ce]';
alfa=1000; Pi = alfa*eye(NN); % MATRIZ P INICIAL
lamb=0.98; lamb0 = 0.99; % FACTOR DE MEMORIA
Y(1) = 0; Y(2) = 0; Y(3) = 0; y(1)=0; y(2)=0; y(3)=0;
U(1 )= 0; U(2) = 0; U(3) = 0; u(1)=0; u(2)=0; u(3)=0;
xmenos = zeros(nn,1); % VECTOR DE OBSERVACION INICIAL
z=0; % ACCION INTEGRAL INICIAL
% ********************* BUCLE DE CONTROL ********************
MM = 100;
for t = 1:MM
% SEAL DE REFERENCIA
Yo(t+3)= 383.3333;
% MODELO LINEAL DEL PROCESO
Y(t+3) = [Y(t+2) Y(t+1) Y(t) U(t+2) U(t+1) U(t)]*...
[-a1 -a2 -a3 b1 b2 b3]';
y(t+3) = Y(t+3) - Yo(t+3); % SALIDA RESIDUAL (DESVIACION)
% ESTIMACION DE PARAMETROS (METODO MCRM)
psi = [Y(t+2) Y(t+1) Y(t) U(t+2) U(t+1) U(t) 1]';
rho = max(1,norm(psi));
psin = psi/rho;
Nn = chol(Pi'); % Nn'*Nn = Pi => Nn*N' = Pi'
S = inv(diag(Nn*ones(NN,1),0));
Ps = S*Pi*S;
psins= inv(S)*psin;
rt = 1 + psins'*Ps*psins;
lamb = 1 - (rt-sqrt(rt^2-4*norm(Ps*psins)^2/trace(Ps)))/2;
e = Y(t+3)/rho - psin'*thi;
j = psins'*Ps*psins + lamb;
th = thi + e*inv(S)*Ps*psins/j;
Hns = Ps*psins/j;
Ps = (Ps - Hns*psins'*Ps)/lamb;
tt = abs(max(eig(Ps))/min(eig(Ps)) );
cmax = 100; cmin = 15;
if tt <= cmin,
Pi = Ps; thi = th;
elseif tt >= cmax,
Nnew = chol(Ps'); % Nnew*Nnew' = Ps'
Snew = inv(diag(Nnew*ones(NN,1),0));
Psnew = Snew*Ps*Snew;
Pi = Psnew; thi = th;
end
% RECUPERACION DE LA ECUACION CANONICA CONTROLABLE
ae1 = -th(1); ae2 = -th(2); ae3 = -th(3);
54
be1 = th(4); be2 = th(5); be3 = th(6); Ce = th(7);
ae11 = 0; ae12 =1; ae13 = 0; ae21 = 0; ae22 = 0;
ae23 = 1; ae31 =-ae3; ae32 = -ae2; ae33 = -ae1;
GE = [ae11 ae12 ae13;ae21 ae22 ae23;ae31 ae32 ae33];
be11 = 0; be21 = 0; be31 = 1; HE = [be11;be21;be31];
ce11 =be3; ce12 = be2; ce13 = be1;
CE = [ce11 ce12 ce13]; DE = [0];

% CALCULO DE LA GANANCIA F DEL ESTIMADOR DE KALMAN
F = dlqe(GE,HE,CE,Sigma,Xi);
xmas = xmenos + F*(y(t+3) - CE*xmenos);
z = z -CE*xmas;
% CALCULO DE LA GANANCIA Ka DEL CONTROLADOR
Ga = [GE zeros(nn,r);-CE eye(r,r)];
Ha = [HE;zeros(r,r)];
Ca = [CE zeros(r,r)];
Ka = dlqr(Ga,Ha,Qa,R);
% CALCULO DE LA LEY DE CONTROL RESIDUAL
u(t+3) = - Ka*[xmas;z];
% ACTUALIZANDO ESTADOS
xmenos = GE*xmas + HE*u(t+3);
AE = 1 + ae1 + ae2 + ae3; BE = be1 + be2 + be3;
Uin = inv(BE)*(AE*Yo(t+3) - Ce);
% CALCULO DE LA SE~NAL DE CONTROL U(t)
U(t+3) = u(t+3) + Uin;
% LIMITANDO LA SEAL U(t)
if (U(t+3) > 1000)
U(t+3) = 1000;
elseif(U(t+3) <-1000)
U(t+3) = -1000;
end
end
% ********************** FIN DEL BUCLE **********************
% GRAFICOS
ejex = linspace(0,MM*Ts,MM);
subplot(2,1,1)
plot(ejex,Yo(3:MM+2),'-',ejex,Y(3:MM+2)); grid
xlabel('Ts= 0.01 min')
ylabel(' T Reactor (K)')
title(' Temperatura del Reactor aplicando el Controlador Adaptivo u1=
Fc');
subplot(2,1,2)
plot(ejex,U(3:MM+2)); grid
xlabel('Tiempo en min')
ylabel('Fc ( m^3/min )')
print -deps -f CtrlAdapReactor_Fc
55
APENDICE E
Programa en Matlab del Sistema de Control Adaptivo Aut ntonizado
c ontrolado por la temperatura del lquido refrigerante (Tci) (Autora propia
% Programa CtrlAdapCSTR_Tci.m
% CONTROL DE TEMPERATURA DEL REACTOR QUIMICO EXOTERMICO
% ***** METODO DE CONTROL ADAPTIVO *****
% UTILIZANDO EL CONTROL DE TEMPERATURA DE ENTRADA DEL
% REFRIGERANTE (Tci)
clear all
% PARAMETROS GENERALES
nn = 3; % nn: ORDEN DEL PROCESO;
r=1; % r: NUMERO DE SALIDAS
NN = 7; % ORDEN DEL VECTOR ESTIMADO DE PARAMETROS
% PARAMETROS DEL PROCESO
V=0.37548342; E=64705147; ko=1.73515*(10^13); R=8319.1716;
d=880.913; dc=999.43584; Cp=3684.384; Cpc=4186.8; Hr =-27956717;
U=1533153.75; A=3.344508; Vc=0.04417452;

% VALORES EN EL PTO DE OPERACION
T=383.3333; Ti=321.1111; Tc=311.1111; Tci=300;
CAi=14.38771178; f=0.037846848; fc=0.024839472;
CA=1.285011818;
% CONSTANTES ASUMIDAS PARA SIMPLIFICAR EXPRESIONES
K1=E*ko*CA/(R*T^2)*exp(-E/(R*T));
K2=ko*exp(-E/(R*T)); m=(Hr*K2)/(d*Cp); n=(U*A)/(V*Cp*d);
p=(Hr*K1)/(Cp*d); q= f/V; s=(U*A)/(Vc*dc*Cpc); t=(fc/Vc);

a11=-f/V-K2; a12=-K1;
a21=-m; a22= -(n+p+q); a23= n;
a32=-s; a33= s-t;
b11=(CAi-CA)/V;
b21=(Ti-T)/V; b32=(Tci-Tc)/Vc;
e33= fc/Vc;
% MODELO LINEAL DEL PROCESO EN TIEMPO CONTINUO
A=[ a11 a12 0
a21 a22 a23
0 a32 a33];
% MODELO LINEAL DEL REACTOR QUIMICO EXOTERMICO
B2 = [0; 0; e33];
Cc = [0 1 0]; Dc = [0];
% MODELO LINEAL DISCRETO
Ts = 0.01; % PERIODO DE MUESTREO
[G2,H2,C,D] = c2dm(A,B2,Cc,Dc,Ts,'zoh');% CONVERSION A DISCRETO
[num2,den2] = ss2tf(G2,H2,C,D);
a1 = den2(2); a2 = den2(3); a3=den2(4);
b1 = num2(2); b2 = num2(3); b3=num2(4);

56
% PARAMETROS PARA OPTIMIZAR GANANCIA DEL FILTRO DE KALMAN
Xi = 0.001; Sigma = 10;
% PARAMETROS DE OPTIMIZACION DEL CONTROLADOR Ke
R = 0.1*eye(r,r); Qa = 0.001*eye(r+nn,r+nn);
% Gcc,Hcc, Ccc, Dcc: REPRESENTACION CANONICA CONTROLABLE
acc11 =0; acc12 =1; acc13 =0; acc21 =0; acc22 =0 ;
acc23 =1; acc31 = -a3; acc32 = -a2; acc33 =-a3;
bcc11 = 0; bcc21 = 0; bcc31 = 1;
ccc11 =b3; ccc12 = b2; ccc13 = b1;
Gcc = [acc11 acc12 acc13;acc21 acc22 acc23;acc31 acc32 acc33];
Hcc = [bcc11;bcc21;bcc31];
Ccc = [ccc11 ccc12 ccc13]; Dcc = [0];
% CONDICIONES INICIALES
Ref = 383.3333; % MAGNITUD DE LA SEAL DE REFERENCIA: Yo = Ref
Ce = (1 + a1 + a2 + a3)*Ref; % Uo = 0 (ARBITRARIO)
thi = [-a1 -a2 -a3 b1 b2 b3 Ce]';
alfa=1000; Pi = alfa*eye(NN); % MATRIZ P INICIAL
lamb=0.98; lamb0 = 0.99; % FACTOR DE MEMORIA
Y2(1) = 0; Y2(2) = 0; Y2(3) = 0; y2(1)=0; y2(2)=0; y2(3)=0;
U2(1)= 0; U2(2) = 0; U2(3) = 0; u2(1)=0; u2(2)=0; u2(3)=0;
xmenos = zeros(nn,1); % VECTOR DE OBSERVACION INICIAL
z=0; % ACCION INTEGRAL INICIAL

% **************** BUCLE DE CONTROL *****************
MM = 100;
for t = 1:MM
% SEAL DE REFERENCIA
Y2o(t+3)= 383.3333;
% MODELO LINEAL DEL PROCESO
Y2(t+3) = [Y2(t+2) Y2(t+1) Y2(t) U2(t+2) U2(t+1) U2(t)]*...
[-a1 -a2 -a3 b1 b2 b3]';
y2(t+3) = Y2(t+3) - Y2o(t+3); % SALIDA RESIDUAL (DESVIACION)
% ESTIMACION DE PARAMETROS (METODO MCRM)
psi = [Y2(t+2) Y2(t+1) Y2(t) U2(t+2) U2(t+1) U2(t) 1]';
rho = max(1,norm(psi));
psin = psi/rho;
Nn = chol(Pi'); % Nn'*Nn = Pi => Nn*N' = Pi'
S = inv(diag(Nn*ones(NN,1),0));
Ps = S*Pi*S;
psins= inv(S)*psin;
rt = 1 + psins'*Ps*psins;
lamb = 1 - (rt-sqrt(rt^2-4*norm(Ps*psins)^2/trace(Ps)))/2;
e = Y2(t+3)/rho - psin'*thi;
j = psins'*Ps*psins + lamb;
th = thi + e*inv(S)*Ps*psins/j;
Hns = Ps*psins/j;
Ps = (Ps - Hns*psins'*Ps)/lamb;
tt = abs(max(eig(Ps))/min(eig(Ps)) );
cmax = 100; cmin = 15;
if tt <= cmin,
Pi = Ps; thi = th;
elseif tt >= cmax,
Nnew = chol(Ps'); % Nnew*Nnew' = Ps'
Snew = inv(diag(Nnew*ones(NN,1),0));
Psnew = Snew*Ps*Snew;
Pi = Psnew; thi = th;
57
end
% RECUPERACION DE LA ECUACION CANONICA CONTROLABLE
ae1 = -th(1); ae2 = -th(2); ae3 = -th(3);
be1 = th(4); be2 = th(5); be3 = th(6); Ce = th(7);
ae11 = 0; ae12 =1; ae13 = 0; ae21 = 0; ae22 = 0;
ae23 = 1; ae31 =-ae3; ae32 = -ae2; ae33 = -ae1;
GE = [ae11 ae12 ae13;ae21 ae22 ae23;ae31 ae32 ae33];
be11 = 0; be21 = 0; be31 = 1; HE = [be11;be21;be31];
ce11 =be3; ce12 = be2; ce13 = be1;
CE = [ce11 ce12 ce13]; DE = [0];
% CALCULO DE LA GANANCIA F DEL ESTIMADOR DE KALMAN
F = dlqe(GE,HE,CE,Sigma,Xi);
xmas = xmenos + F*(y2(t+3) - CE*xmenos);
z = z -CE*xmas;
% CALCULO DE LA GANANCIA Ka DEL CONTROLADOR
Ga = [GE zeros(nn,r);-CE eye(r,r)];
Ha = [HE;zeros(r,r)];
Ca = [CE zeros(r,r)];
Ka = dlqr(Ga,Ha,Qa,R);
% CALCULO DE LA LEY DE CONTROL RESIDUAL
u2(t+3) = - Ka*[xmas;z];
% ACTUALIZANDO ESTADOS
xmenos = GE*xmas + HE*u2(t+3);
AE = 1 + ae1 + ae2 + ae3; BE = be1 + be2 + be3;
Uin = inv(BE)*(AE*Y2o(t+3) - Ce);
% CALCULO DE LA SE~NAL DE CONTROL U(t)
U2(t+3) = u2(t+3) + Uin;
% LIMITANDO LA SEAL U(t)
if(U2(t+3) > 1000)
U2(t+3) = 1000;
elseif(U2(t+3) <-1000)
U2(t+3) = -1000;
end
end
% ********************** FIN DEL BUCLE **********************
% GRAFICOS
ejex = linspace(0,MM*Ts,MM);
subplot(2,1,1)
plot(ejex,Y2o(3:MM+2),'-',ejex,Y2(3:MM+2)); grid
xlabel('Ts= 0.01 min')
ylabel(' T Reactor (K)')
title(' Temperatura del Reactor aplicando el Controlador Adaptivo u2=
Tci');

subplot(2,1,2)
plot(ejex,U2(3:MM+2)); grid
xlabel('Tiempo en min')
ylabel('Tci Reactor (K)')
print -deps -f CtrlAdapReactor_Tci.m