Comparación de un control fuzzy PID vs un control adaptivo con modelo de referencia (MRAC) para un motor DC simulado en el softwar Matlab

1. UNIVERSIDAD TECNOLOGICA DEL PERÚ
Control Fuzzy PID Vs Control
Adaptativo
Willy Bujaico Pacheco
Código: 1111567
20/11/15

2. 1Título
20/11/2015
Introducción
El sector manufacturero en áreas como;
tecnología, alimenticio, fármaco, energía, etc.
Experimentaron un impulso tecnológico con la
creación de las computadoras y los diferentes
chips integrados.
Este evento hizo posible masificar la producción
de diferentes productos, esto a su vez trajo
consigo una nueva necesidad, que exigía
sistemas de control que garantizaran la el
correcto funcionamiento de la producción.
Es así que, se desarrollaron teorías de control
como: Control P (proporcional), PI
(proporcional integrativo), PID que es uno de los
más usados en la industria.
No obstante para ciertos procesos en los que dichos controladores no respondían de la forma
esperada, producto de ello se empezó a desarrollar los llamados controladores Difusos, que
fueron acondicionados a los anteriores controladores, de igual modo se desarrollaron
combinaciones entre estos controladores que dieron lugar a los modelos de control; adaptativos,
pre alimentación, desacoplado, entre otros.

3. 2Título
20/11/2015
Contenido
Introducción ...................................................................1
Contenido.......................................................................2
Control Adaptativo .........................................................3
Control Adaptivo con Modelo de referencia (MRAC) .....4
Control Fuzzy..................................................................5
Control Fuzzy PID............................................................6
Modelado de un Motor DC.............................................7
Modelado de un Motor DC usando Simulink..................8
Control Adaptativo usando Simulink..............................9
Control Fuzzy PID usando Simulink...............................10
Diseño del Fuzzy PID.....................................................11
Resultados Obtenidos ..................................................16
Resultados y conclusiones............................................18

4. 3Título
20/11/2015
Control Adaptativo
Es un sistema que en forma continua y automática, mide las características dinámicas de la planta,
las compara con las características dinámicas deseadas, y usa la diferencia para variar los
parámetros ajustables del sistema o para generar una señal actuante, de modo que se mantenga
el desempeño optimo, independientemente de las modificaciones ambientales.
Porque sin adaptación la mayor parte de los sistemas de control no trabajarían adecuadamente,
porque a pesar de las variaciones en las características del proceso, el control adaptativo tiende
a mantener un funcionamiento aceptable tan bueno como sea posible.

5. 4Título
20/11/2015
Control Adaptivo con Modelo de referencia (MRAC)
El control adaptativo con modelo de Referencia (MRAC) consiste en usar un modelo (un patrón)
que produzca una salida deseada ante determinada entrada y al cual debe seguir el proceso (el
proceso debe comportarse igual al modelo de referencia). El modelo no necesariamente debe ser
realizado en forma material, puede ser solo un modelo matemático simulado en una
computadora.
El Control con Modelo de Referencia es utilizado para obtener desempeños aceptables en
aquellas situaciones difíciles de control que incluyen casos de parámetros variables en el tiempo.

6. 5Título
20/11/2015
Control Fuzzy
El control lógico difuso por su parte surgió en los 60 (del trabajo de Lofti A. Zadeh), como una
herramienta para el control de procesos industriales complejos, radicando su importancia en que
permite responder a valores intermedios, de variables, pasando de las dos opciones tradicionales
de “frío/caliente”, “alto/bajo”, a opciones como “Tibio” y “Medio” por ejemplo, haciendo que los
sistemas se acerquen a la forma de trabajar del cerebro humano.

7. 6Título
20/11/2015
Control Fuzzy PID
El diseño de controladores PID basados en lógica difusa, es motivado por la habilidad de estos de
capturar estrategias cualitativas de control y ofrecer un comportamiento de control altamente
flexible. Con esta forma de control, podremos lograr que los sistemas puedan ajustarse a
condiciones cambiantes en ocasiones imposibles de predecir, lógico, dentro de ciertos rangos.

8. 7Título
20/11/2015
Modelado de un Motor DC
En el presente documento se va a comparar los resultados obtenidos al controlar un motor DC
usando control adaptativo y un controlador fuzzy.
Parámetros del motor DC
Se utilizaron los siguientes valores para el modelo del motor DC
 Momento de inercia del rotor J = 0.05 kg.m2/s2
 Coeficiente de amortiguamiento del sistema mecánico b = 0.5 Nms
 Fuerza constante electromotriz K = 0.01 Nm/Amp
 Resistencia R = 5 ohm
 Inductancia L = 3 H
 input V: Tensión Fuente
 output Θ’: velocidad de motor

9. 8Título
20/11/2015
Modelado de un Motor DC usando Simulink
Parámetros ingresados en Matlab

10. 9Título
20/11/2015
Control Adaptativo usando Simulink
Se utilizó el Control Adaptativo con Modelo de referencia (MRAC)
Diseño del Controlador Ajustable

11. 10Título
20/11/2015
Control Fuzzy PID usando Simulink

12. 11Título
20/11/2015
Diseño del Fuzzy PID

13. 12Título
20/11/2015

14. 13Título
20/11/2015

15. 14Título
20/11/2015

16. 15Título
20/11/2015

17. 16Título
20/11/2015
Resultados Obtenidos
Control Fuzzy PID
Imagen 1

18. 17Título
20/11/2015
Control Adaptativo
Salida del Error

19. 18Título
20/11/2015
Resultados y conclusiones
 Una ventaja del controlador Fuzzy PID es que no requiere conocer el modelo de la
planta a controlar aunque el control PID también puede llegar a ser diseñado sin
conocer este modelo, y en este caso, ambos pueden ser usados con ajustes
experimentales.
 Un controlador difuso presenta una salida más suave y sin transitorios bruscos.
 El controlador adaptativo imita la salida del modelo de referencia, tal y como se
aprecia en las imágenes del simulink la curva del error va disminuyendo hasta
hacerse casi cero.
 La elección del modelo de control a utilizar dependerá del proceso que se desee
controlar.