Depósito Campus Casa Central Valparaíso

Permanent URI for this collectionhttps://repositorio.usm.cl/handle/123456789/73009

Browse

Now showing 1 - 7 of 7

Control predictivo de un sistema Ball & Beam
(Universidad Técnica Federico Santa María, 2026-04) Catalán Palma, Vicente Ignacio; Cedeño Nieto, Ángel Leonel; Departamento de Electrónica; Aguero Vásquez, Juan Carlos
Este trabajo presenta el diseño, implementación y validación, en un entorno de simulación, de una estrategia de Control Predictivo basado en Modelo (MPC) aplicada a un sistema Ball & Beam de Quanser. El objetivo principal es desarrollar una arquitectura de control robusta que garantice la estabilidad, precisión en el seguimiento de trayectorias y el cumplimiento estricto de restricciones operativas. Debido a que la planta presenta una estabilidad marginal, se diseñó una etapa de pre-estabilización mediante un Regulador Lineal Cuadrático Discreto (DLQR), permitiendo que el optimizador MPC opere sobre una planta aumentada con una dinámica controlada. La metodología se centra en la gestión de las limitaciones dinámicas del sistema dentro del simulador. Para asegurar un comportamiento suave del modelo, se incorporaron restricciones de Slew Rate en el algoritmo de optimización, mitigando cambios bruscos en el actuador. Asimismo, se implementó un observador de estado extendido de 9 estados para la reconstrucción de variables internas y la estimación de perturbaciones de salida, permitiendo un rechazo efectivo de disturbios. Las simulaciones, realizadas en MATLAB/Simulink utilizando el solver Quadprog con el método Active-Set, validaron la eficacia de la propuesta. Los resultados muestran que el sistema alcanza los objetivos de control bajo diversas condiciones, con tiempos de cómputo en el orden de 10⁻⁴ a 10⁻³ segundos. Se concluye que el controlador propuesto logra un correcto desempeño, cumpliendo con los parámetros de diseño y restricciones físicas para el modelo.
Diseño e implementación de un algoritmo para la estimación de estados en sistemas no lineales: aplicación al estado de carga en baterías de ion-litio
(Universidad Técnica Federico Santa María, 2026-02-23) Castro Quiroz, Trinidad Asunción; Silva Jiménez, César Armando; Cedeño Nieto, Ángel Leonel; Departamento de Electrónica; Aguero Vásquez, Juan Carlos
La estimación precisa del estado de carga (SOC) en baterías de ion–litio es fundamental para la gestión energética y la seguridad en sistemas de alto desempeño. Sin embargo, la no linealidad de la relación entre la tensión en circuito abierto (OCV) y el SOC limita la efectividad de los métodos de filtrado clásicos. Este trabajo aborda dicho desafío mediante el diseño e implementación de un algoritmo de estimación basado en el filtro de suma de gaussianas (GSF), dando lugar a una versión modificada denominada en este trabajo GSF–M. La metodología propuesta utiliza una aproximación lineal por tramos para modelar la no linealidad de la medición. La innovación clave consiste en representar las funciones indicatrices de cada tramo mediante mezclas de gaussianas, lo cual permite derivar expresiones analíticas cerradas durante la etapa de corrección del filtro bayesiano. El desempeño del GSF-M se evalúa sobre un modelo eléctrico equivalente de una batería de ion-litio, utilizando tanto simulaciones como datos experimentales obtenidos mediante un emulador de celdas programable. Los resultados muestran que el GSF-M logra estimaciones más precisas que los métodos basados en Kalman, alcanzando un desempeño comparable al del filtro de partículas con aproximación PWL (PF-PWL), evidenciado por los bajos valores de error cuadrático medio en todos los escenarios. En conjunto, los resultados confirman la validez del enfoque propuesto y su potencial aplicación en sistemas de gestión de baterías de ion–litio.
Diseño e implementación de un controlador MPC bajo restricciones no lineales
(Universidad Técnica Federico Santa María, 2026-09-21) Duque Silva, Marco Javier; Silva Jiménez, César Armando; Departamento de Electrónica; Aguero Vásquez, Juan Carlos
EL control predictivo basado en modelos (MPC) es ampliamente utilizado en electrónica de potencia para regular unidades de Recursos Energéticos Distribuidos (DER) conectadas a microrredes de corriente alterna. En un inversor con filtro LCL, el bucle de nivel cero debe respetar, entre otras, una restricción circular sobre la corriente del filtro y un límite hexagonal sobre la tensión del convertidor. La formulación exacta del círculo admisible conduce a un problema de optimización con restricciones de cono de segundo orden (SOCP/QCQP), mientras que la práctica habitual lo aproxima mediante politopos regulares inscritos resolvibles en programas cuadráticos (QP) lineales. Este documento analiza, de forma offline, el impacto de esa aproximación geométrica sobre la ley de control del MPC de nivel cero (MPC-Z), de forma complementaria, tambien se analiza el mismo impacto en un sistema prototipo (masa–resorte), buscando demostrar que el flujo de analisis es totalmente replicable y concordante para un sistema de mayor cantidad de estados y/o entradas. El experimento central compara la restricción circular exacta en la corriente predicha if,pred (Caso A) frente a politopos inscritos con N ∈ {6,12,24} (Caso B), manteniendo fija la restricción hexagonal sobre la tensión del inversor vs. Se ejecuta un barrido paramétrico en el plano de corrientes (ifd,ifq) y un barrido angular de la orientación del hexágono de tensión, cuantificando la discrepancia |∆u| en la primera acción óptima, la activación de restricciones y el costo computacional del solver SOCP/QCQP frente al solver QP lineal.
Implementación de control predictivo en Hardware para aplicación en planta de biogás
(Universidad Técnica Federico Santa María, 2026-08) Rojas Castillo, Sebastián Rodrigo; Silva Jiménez, César Armando; Departamento de Electrónica; Aguero Vásquez, Juan Carlos
Esta memoria se centra en la implementación en hardware de una arquitectura de Control Predictivo No Lineal (NMPC) con estimación de estados mediante un Filtro de Kalman Extendido (EKF), orientada a seguir una referencia de producción de metano en un proceso de digestión anaeróbica (DA). La planta de digestión anaeróbica se implementa usando el modelo ADM1, que se emplea como planta virtual junto al modelo reducido AM2 como predictor, ambos modelos ampliamente usados en la literatura. El EKF estima una perturbación que compensa el sesgo entre ambos modelos, otorgando acción integral libre de offset. La planta se simula en MATLAB/Simulink y el controlador se ejecuta en Python sobre una Raspberry Pi, comunicados mediante un servidor Modbus TCP.
Implementación de control predictivo en plantas PV utilizando MILP
(Universidad Técnica Federico Santa María, 2024-08) Cruz Carreño, Diego Alejandro; Cedeño Nieto, Ángel Leonel; Carvajal Barrera, Gonzalo Andrés; Departamento de Electrónica; Aguero Vásquez, Juan Carlos
Este proyecto contempla el uso de control predictivo (MPC) aplicado a plantas fotovoltaicas(PV) y a su sistema de almacenamiento de energía en baterías (BESS), utilizando como algoritmo de optimización un modelo de programación lineal entera y mixta (MILP), donde el objetivo es maximizar el rédito económico de la planta fotovoltaica. Temas como el modelado de plantas fotovoltaicas con sistema de bancos de batería son tratados en éste documento con el objetivo de aplicar un esquema de control predictivo utilizando programación lineal entera y mixta, esto con la ayuda del solver "Cplex''. Para poder utilizar Cplex se utilizara el entorno de programación "MATLab'', el cual permite utilizar su solver para MILP como complemento. Además MATLab nos permite generar gráficos donde se pueden ver los resultados sencillamente.
Integración de machine learning para la interpretación y explicación de los sistemas de control en DCS
(Universidad Técnica Federico Santa María, 2026-03) Lazo Larraín, Daniel Sebastian; Rivero, Iván; Departamento de Electrónica; Aguero Vásquez, Juan Carlos
La creciente complejidad de los sistemas de control distribuido (DCS) en la industria minera moderna ha generado una brecha significativa entre la lógica de control realmente implementada en los controladores y la documentación técnica disponible para su comprensión y mantenimiento. Esta problemática impacta directamente en los tiempos de diagnóstico, la seguridad operacional y los costos asociados a detenciones no programadas, especialmente en operaciones de gran escala como la Compañía Minera Doña Inés de Collahuasi (CMDIC). El presente trabajo de titulación propone el diseño e implementación de un asistente virtual inteligente, denominado Agente DCS, orientado a la interpretación y explicación de la lógica de control en sistemas DCS, utilizando modelos de lenguaje grandes (LLMs) ejecutados de forma local y técnicas avanzadas de extracción de información estructurada. La solución se enfoca específicamente en archivos de exportación FHX de la plataforma Emerson DeltaV, los cuales son transformados desde su representación textual jerárquica hacia un modelo basado en grafos que permite capturar explícitamente las relaciones lógicas entre bloques funcionales, señales y enclavamientos. Sobre esta base estructurada, se implementa una arquitectura de recuperación de información y generación aumentada (RAG), que permite realizar consultas en lenguaje natural y generar explicaciones técnicas coherentes, actualizadas y contextualizadas, sin requerir acceso directo a las estaciones de ingeniería ni a infraestructuras externas de cómputo. El sistema ha sido diseñado para(...).
Optimización de producción de hidrógeno verde a través de control MPC
(Universidad Técnica Federico Santa María, 2024-08) Fernández Vilches, Gustavo Javier; Cedeño Nieto, Ángel Leonel; Silva Jiménez, César Armando; Departamento de Electrónica; Aguero Vásquez, Juan Carlos
Este trabajo propone un esquema de control basado en modelos que utiliza programación lineal para una planta de hidrógeno verde con almacenamiento en baterías. El objetivo de control es maximizar la producción de hidrógeno ajustando la carga o descarga de un banco de baterías. El algoritmo de control se alimenta con información sobre la producción solar y el estado de las baterías durante una semana para determinar la cantidad óptima de energía a almacenar en las baterías con el fin de maximizar la producción horaria de $H_2$. Las simulaciones se realizan con diferentes valores de horizonte de predicción y utilizando diferentes algoritmos de resolución. Los resultados indican que el uso de un horizonte de predicción más largo favorece la robustez del banco de baterías ante posibles escenarios no programados y la elección de un algoritmo de resolución está sujeta a varios factores, incluido el uso de la memoria de la computadora y el estrés de carga y descarga de la batería.