Resumen de Sintonización de un controlador de temperatura a través de un autómata programable

Daniel Cera Martínez, Jesús Eduardo Ortiz Sandoval, Óscar Eduardo Gualdrón Guerrero

• español

  La implementación de controladores PID en la industria tiene como principal dificultad la programación de los autómatas encargados de los procesos, lo que usualmente se traduce en controladores on-off sin ningún tipo de sintonización. El objetivo de la investigación fue el establecer el rendimiento de algunas técnicas de sintonización de constantes, en un controlador lógico programable comercial, evaluándolas de forma práctica en un sistema temperado. El sistema está compuesto por un recipiente con agua, un controlador PID en el PLC s7-300, haciendo uso del módulo de control de temperatura Siemens FM 355-2C, una resistencia calefactora AC como actuador (controlada por voltaje DC), y termocupla tipo E como sensor de temperatura. El modelo matemático del sistema, así como las constantes del controlador PID, se obtuvieron a través del módulo PID Tuner de Matlab. Las técnicas de identificación estudiadas fueron: la red neuronal MLP, la red auto-regresiva no lineal con entradas exógenas (NARX) y la red neuro-difusa (ANFIS). Los resultados indican que las técnicas anteriores son adecuadas para sintonizar un controlador PID, siendo aplicables en procesos industriales.

• English

  The implementation of PID controllers in industry has as main difficulty the programming of automatisms in charge of processes, which usually is translated into on-off controllers without any kind of tuning. The goal of this research was to stablish the behaviour of some techniques of constant tuning, in a commercial programable logic controller, evaluating them into a temperature system. The system is composed of a container with water, a PID controller in the PLC s7-300, making use of the temperature control module Siemens FM 355-2C, a resistance heater AC as actuator (controlled by DC voltage), and thermocouple type as a temperature sensor. The mathematical model of the system, as well as the constants of the PID controller, were obtained making use of the Matlab PID Tuner computational tool. The identification techniques studied were: MLP neural network, the non-linear auto-regressive network with exogenous inputs (NARX) and the neuro-diffuse network (ANFIS). The results show that the previous techniques are adequate to tune a PID contoller, being useful in industrial prosecess.