Portafolio control 2

Cod. 2018219043

^[1] 

Portafolio control 2

Giovanny Andrés Navarro Jiménez

1. introduccion

 Con el propósito de introducir de manera adecuada el contenido de este portafolio, se procederá a detallar las temáticas y puntos cruciales que se explorarán en su desarrollo. Uno de los aspectos más destacados de este trabajo será la revisión y reflexión sobre lo aprendido durante el semestre 2023-1 en el contexto de la asignatura de Control 2 en Ingeniería Electrónica. Esta adquisición de conocimientos se ha llevado a cabo tanto a través de la dirección y orientación del cuerpo docente como mediante un proceso de auto instrucción.

Un ejemplo concreto de este proceso de aprendizaje es la utilización de recursos educativos como los videos alojados en el canal de Brian Douglas en la plataforma YouTube. Estos videos, conocidos por su enfoque en la explicación de conceptos específicos relacionados con el control, se distinguen por su capacidad para ampliar y enriquecer nuestra comprensión de estos temas. Este enfoque intuitivo y esclarecedor resulta fundamental para el desarrollo de nuestras habilidades y competencias como futuros ingenieros.

Además de la influencia de recursos externos como los mencionados videos, este portafolio abordará conceptos intrínsecos a la asignatura de Control 2, así como aquellos que han sido presentados y desarrollados por el profesor durante el transcurso de las clases. Entre estos conceptos se incluyen la Economía Azul, sistemas discretos y técnicas de discretización, entre otros. Para asegurar una comprensión completa y estructurada de estos temas, se proporcionarán definiciones y explicaciones detalladas en forma de glosario.

En resumen, este portafolio servirá como una plataforma integral para explorar y analizar tanto el aprendizaje dirigido como el autodidacta experimentado a lo largo del semestre 2023-1 en la asignatura de Control 2 de Ingeniería Electrónica. Además, se ofrecerá una visión detallada de conceptos esenciales que abarcan una amplia gama de temas relacionados con la ingeniería y el control, lo que contribuirá a una comprensión profunda y significativa de estos aspectos clave.

1. Clases

1.  Semana 1 y 2

En la primera semana de clases, se sentaron los cimientos para la estructura y dinámica que se seguirían a lo largo del semestre. Se nos proporcionó una visión general de cómo se desarrollarían las actividades y las dinámicas de clase. Además, se nos introdujo a un concepto fundamental: la Economía Azul. En términos sencillos, la Economía Azul es un modelo productivo que considera a la naturaleza no solo como proveedora de recursos, sino también como un modelo de eficiencia en su uso. En 2010, el economista belga Gunter Pauli popularizó esta iniciativa a través de su libro "The Blue Economy". En este libro, Pauli no solo explicó el concepto de Economía Azul, sino que también propuso cerca de 100 opciones diferentes para elaborar productos de manera sostenible. En resumen, la idea central de Pauli es desarrollar procesos productivos que imiten el funcionamiento de la naturaleza, maximizando el uso de recursos, minimizando los residuos y transformando los mismos en materias primas para crear nuevos productos.

En relación con el primer video de Brian Douglas sobre control discreto, la presentación fue la siguiente: Hasta ese momento, en el ámbito de la materia de Control 1 y Sistemas Dinámicos, habíamos enfocado el diseño de sistemas de control en el dominio de frecuencia, específicamente con sistemas continuos. Habíamos trabajado con funciones de transferencia en el dominio 's'. En los videos subsiguientes, exploraríamos estos sistemas en el dominio 'z', es decir, sistemas discretos. Brian Douglas enfatizó su enfoque en abordar los problemas de manera más intuitiva y menos matemática. Propuso plantear problemas con contexto para que pudiéramos comprender mejor esta nueva temática.

El problema de control presentado en este video se centró en el diseño de un sistema de control de retroalimentación alrededor de una planta de primer orden. El objetivo era que este sistema cumpliera con dos requisitos fundamentales: primero, que el error de estado estacionario fuera menor al 2% para una entrada de tipo rampa, y segundo, que el margen de fase fuera mayor a 48°.

[pic 1]

[pic 2]

 El proceso comenzó con la verificación de si el sistema ya cumplía con estos requisitos. Si cumplía, se daba por concluido, pero si no, se procedía a evaluar el error de estado estacionario para la entrada de tipo rampa, lo cual se ilustró mediante un diagrama.

trial>> s = tf('s')

s =

  s

  continous-timetransferfunction

  trial>> % now we can build our transfer function from this variable

  trial>> G = 1/ (0.2*s + 1)

  G =

        1

  --------------

     0.2s + 1

 continous-timetransferfunction

 trial>> %we can easily see the step response

 trial>> step(G)

 trial>> ramp(G)

[pic 3]

1.  Semana 3 y 4

En la tercera semana de clases, el profesor nos brindó una fascinante introducción a las herramientas proporcionadas por ChatGPT y cómo estas pueden ser empleadas de manera efectiva en el contexto del control PID (Proporcional-Integral-Derivativo). Durante esta sesión, exploramos cómo estas herramientas de procesamiento de lenguaje natural pueden ser aplicadas en la implementación y mejora de sistemas de control.

El profesor nos mostró cómo ChatGPT puede ser utilizado para analizar y entender los conceptos clave relacionados con el control PID. Discutimos cómo el modelo puede ayudarnos a comprender mejor los aspectos teóricos del control, incluyendo la interpretación de los parámetros P, I y D, así como la sintonización de estos para lograr un rendimiento óptimo en sistemas de control.

Además, exploramos cómo las capacidades de ChatGPT pueden ser aprovechadas para resolver problemas prácticos en el campo del control. Discutimos cómo el modelo puede ayudar en la identificación de sistemas, la simulación de respuestas de sistemas de control y la optimización de los parámetros del controlador PID para adaptarse a diferentes aplicaciones y escenarios.

En resumen, la tercera semana de clases nos proporcionó una valiosa visión de cómo las herramientas de ChatGPT pueden ser una adición poderosa en el análisis y diseño de sistemas de control PID. Esta integración de tecnología avanzada con conceptos de control clásicos promete abrir nuevas posibilidades en la optimización y automatización de sistemas de control en una variedad de aplicaciones industriales y técnicas.

El profesor e ingeniero John Taborda asignó a sus estudiantes la tarea de analizar diversos modelos, dividiéndonos en grupos de 3 y 4 estudiantes. Cada grupo tuvo la responsabilidad de investigar, recopilar información y analizar un sistema específico, que en este caso será el modelo de la posición de un motor. Cada estudiante contribuirá con su propio análisis a su respectivo portafolio.

[pic 4]

En cuanto al contenido audiovisual de esta semana, continuamos con la serie de videos sobre control discreto en el canal de Brian Douglas. Nos adentramos en el proceso de discretización, es decir, la transición desde el dominio continuo al dominio discreto. El enfoque se centra en la transformación de un sistema continuo a su equivalente en el dominio discreto. Surge la pregunta de cómo obtener una función de transferencia que sea discreta y esté representada en el dominio 'Z', en lugar de ser continua en el dominio 'S'.

[pic 5]

El primer paso de este proceso implica tener un sistema continuo lineal e invariante en el tiempo (LTI) y encontrar su respuesta al impulso. Luego, podemos discretizar esta respuesta al impulso muestreándola en intervalos de tiempo definidos por un periodo de muestreo 'T'. En otras palabras, estamos tomando muestras de la respuesta al impulso en el dominio del tiempo cada 'T' segundos, en lugar de mantener toda la información en forma continua. Esto nos proporciona una secuencia discreta de números, denotada como 'G sub K'.

[pic 6]

Posteriormente, aplicamos la transformada 'Z' para convertir nuestra señal discreta en el dominio del tiempo en una señal discreta en el dominio 'Z'. Este proceso da como resultado una función de transferencia discreta que, al igual que su contraparte en el dominio 'S', representa la dinámica de impulso del sistema en el dominio discreto. En este ejemplo, asumimos que el tiempo de muestreo 'T' es igual a 1 segundo. Es importante destacar que este sistema sigue siendo lineal e invariante en el tiempo (LTI), y la multiplicación en el dominio 'Z' se comporta de manera similar a la convolución en el dominio del tiempo. Por lo tanto, al igual que con la función de transferencia en el dominio 'S', podemos aplicar entradas arbitrarias y la respuesta será el producto de ambas.

...