-1-

TEMA XI.- CONTROL PTIMO DE SISTEMAS DISCRETOS

EN VARIABLES DE ESTADO

odos los conceptos y la formulacin del problema de control ptimo son anlogos al
caso de sistemas continuos en variables de estado.
Todos los objetivos de respuesta temporal (coeficiente de amortiguamiento, elongacin,
tiempo de asentamiento, etc.) se pierden para centrarse en un nico objetivo: la minimizacin
de un ndice de comportamiento J.
El problema que viene a solucionar el control ptimo es el de saber donde han de reubicarse
los autovalores para conseguir unos fines determinados, como puede ser la minimizacin de
una funcin de coste escalar J. Esta funcin de coste, o ndice de comportamiento, suele estar
relacionada con la energa y por lo tanto con el coste econmico del proceso.
Dado un sistema, de ecuaciones:
) k ( ) k (
) k ( ) k ( ) 1 k (
Cx y
Bu Ax x

+ +

y definido un cierto ndice de comportamiento escalar, en el que siempre suelen estar incluidas
la seales de control u(k):
J = J[x(k), y(k), u(k)]

-2-
el control ptimo consiste en obtener el vector de las seales de control u
o
(k), que haga
mnimo el ndice de comportamiento J. A este vector se le denomina trayectoria ptima de
control.
Cuando el ndice de comportamiento es funcin de las variables de estado x(k), se trata de un
problema de regulacin de estado. Cuando es funcin de las variables de salida y(k), se dice
que es una regulacin ptima de salida. En cualquier caso las variables de control u(k) siempre
estarn dentro del ndice de comportamiento.
11.1.- NDICES DE COMPORTAMIENTO
En el caso del regulador ptimo de estado, el ndice se escoge as:

+ +
1 N
0 k
T
1 N
0 k
T T
) k ( ) k (
2
1
) k ( ) k (
2
1
) N ( ) N (
2
1
J Ru u Qx x Hx x
donde N es el instante final de control, que puede ser infinito.
Obsrvese que el producto x
T
(k)x(k) es un escalar de valor
2
n
2
2
2
1
2
x x x ) k ( + + + L x que
representa la energa normalizada de x(k).
El producto x
T
(k)Qx(k) con Q diagonal sera de la forma:
x
T
(k)Qx(k) =
2
n nn
2
2 22
2
1 11
x q x q x q + + + L
y en este caso se dara ms importancia a minimizar unas componentes que otras. El trmino
que sera ms importante minimizar sera el de mayor q
ii
.
El trmino

1 N
0 k
T
) k ( ) k (
2
1
Qx x indica que se intenta minimizar el cuadrado del mdulo
ponderado del vector de estado durante todos los instantes de muestreo desde el instante
inicial 0 hasta el instante N-1.
El trmino ) N ( ) N (
2
1
T
Hx x minimiza el cuadrado del mdulo ponderado del vector de estado
en el instante final N. Dependiendo de los valores de la matriz H, se pueden seleccionar las
variables que se desean que sean mnimas en el instante final. En un problema de regulacin
x(k) tiende a cero por lo que H suele elegirse igual a cero.
El significado del tercer sumatorio es anlogo, pero respecto a las seales de control. La razn
de incluir las variables de control en el ndice de comportamiento se debe a razones
energticas, lo cual es muy importante puesto que minimiza la energa de las seales de entrada
que son las que realizan los actuadores y por lo tanto son las que cuestan dinero. Cuanto ms
se desee limitar la excursin de una cierta variable de control u
j
, mayor se escoger el elemento
r
ii

de la matriz R.
-3-
Normalmente las matrices H, Q y R son matrices diagonales con
ij
= 0 si i j y adems son
matrices definidas positivas. Cuando hay alguna variable que no se desea minimizar entonces se
hace el correspondiente trmino
ii
= 0.
En el caso de sistemas discretos los ndices ms utilizados son:
J k k k k
T T
k
+

1
2
0
x Qx u Ru ( ) ( ) ( ) ( )
que correspondera a un ndice de regulacin de estados en tiempo infinito. En este caso se
estara minimizando el cuadrado del mdulo ponderado del vector de estado, por lo que
tendera a cero y al mismo tiempo la energa ponderada del vector de entrada a la planta.
Si fuese en tiempo finito:
J k k k k
T T
k
N
+

1
2
0
x Qx u Ru ( ) ( ) ( ) ( )
Un ndice de comportamiento para control ptimo de salida sera:
J k k k k
T T
k
N
+

1
2
0
y Qy u Ru ( ) ( ) ( ) ( )
y dependiendo de N sera en tiempo finito o infinito.
Un ndice de control ptimo de seguimiento es:
J k k k k
T T
k
N
+

1
2
0
( ) ( ) ( ) ( ) Q u Ru
siendo el error: (k) = x(k) - X
REF
(k). En este caso adems de minimizar la energa de entrada
a la planta se estara minimizando el cuadrado ponderado del vector error, para evitar que los
errores positivos y negativos se anularan entre s.
En general en todos los ndices de comportamiento los coeficientes de las matrices Q y R
inciden directamente sobre los valores de las seales del sistema x(k) y u(k). Por ejemplo, para
un ndice de comportamiento del tipo:
J k k k k
T T
k
+

1
2
0
51
x Qx u Ru ( ) ( ) ( ) ( )
se obtendran diferentes ganancias de control ptimo (G
o
) segn se hiciese R mayor o menor.
As, si G = [g
1
g
2
] para diferentes valores de la matriz R se podra obtener:
-4-

Fig. 11.1.- Ganancias en funcin del coeficiente R del ndice de comportamiento
Como la seal de control es:
u k g x k g x k
o
( ) ( ) ( )
1 1 2 2

cuanto mayores sean g
1
y g
2
mayor ser la seal de control y con ella el coste energtico. Por
lo tanto si la matriz R aumenta, las ganancias disminuyen y tambin disminuye el coste
energtico de control. Pero existe un compromiso ya que con valores grandes de la matriz R
empeora el comportamiento del sistema:

Fig. 11.2.- Comportamiento de una variable de estado en funcin del coeficiente R
Este fenmeno era de esperar ya en la expresin del ndice de comportamiento:
J k k k k
T T
k
N
+

1
2
0
x Qx u Ru ( ) ( ) ( ) ( )
si R >> Q la contribucin del control u(k) es muy grande comparndola con la contribucin
del estado x(k). Dicho de otra forma, disminuye el coste del control pero empeora el
comportamiento del sistema.
Si Q >> R mejora la respuesta del sistema pero aumenta el coste energtico de control. El
vector de estado estar muy controlado, pero las seales de control u(k) pueden ser muy
grandes.
En general cuanto mayores sean los coeficientes, ms se optimiza la variable que corresponda.
-5-
El periodo de muestreo es muy importante en los problemas de control ptimo. En general, el
ndice de comportamiento o coste aumenta cuadrticamente o disminuye segn aumenta o
disminuye el periodo de muestreo, por lo que existe un lmite para el que en la prctica no
merece la pena reducir ms el periodo de muestreo.
11.1.1.- Discretizacin de ndices de comportamiento continuos
Las tcnicas de discretizacin de sistemas ya son conocidas y fueron tratadas en un captulo
anterior.
Para discretizar un ndice de comportamiento continuo se suele aproximar la integral al rea
que se indica en la figura:

Fig. 11.3.- Aproximacin de una integral
As por ejemplo, las integrales del ndice de comportamiento:
[ ] [ ] [ ] [ ]
J t t dt t t dt t t dt t t dt
T
T
T
T
T
+ + + + + + +

1
2
1
2
1
2
1
2
2 2
0
5
2 2
0
2 2
2
2 2
4
5
x u x u x u x u ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) L

se aproximaran, en un intervalo genrico por:
[ ] [ ]
1
2
1
2
2 2
1
2 2
x u x u ( ) ( ) ( ) (
( )
t t dt t kT) T
kT
k T
+ +
+

y suponiendo que el periodo de muestreo est normalizado, resultara:
[ ]
J k k
M
k
+

1
2
2 2
0
4
x u ( ) ( )

-6-
11.2.- TRAYECTORIA DE CONTROL PTIMA EN TIEMPO FINITO. REGULA-
DOR PTIMO
La accin de control est limitada en el tiempo, entre el instante inicial k=0 y el final k=N.
La ecuacin dinmica de un sistema discreto es:
x Ax Bu ( ) ( ) ( ) k k k + + 1
y el ndice de comportamiento a minimizar:
J N N k k k k
T T
k
N
T
k
N
+ +

1
2
1
2
1
2
0
1
0
1
x Hx x Qx u Ru ( ) ( ) ( ) ( ) ( ) ( )
es decir, se trata de que x(k) alcance un valor mnimo pero empleando al mismo tiempo una
seal de entrada u(k) mnima. Es decir, que tiendan a cero y por lo tanto es un problema de
regulacin. Para conseguirlo es necesario introducir una secuencia de control ptima u
o
(k),
que deseamos calcular.
Anlogamente al caso continuo, se aplica el principio de optimalidad de Bellman, es decir se va
obteniendo el vector de control ptimo entre dos muestreos consecutivos del sistema. El ndice
de comportamiento entre los muestreos N-1 y N sera:
[ ] [ ]
[ ] [ ] [ ] [
J N N N N N N
N N N N N N N N
N N N N N N N
N N
T T T
T T T
T T T

+ +
+ + + +
+ + +
1
1
2
1
2
1 1
1
2
1 1
1
2
1 1 1 1
1
2
1 1
1
2
1
1
2
1 1
1
2
1 1
1
2
1 1
1
2
,
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) (
( ) ( ) ( ) ( ) ( ) ( ) (
x Hx x Qx u Ru
Ax Bu H Ax Bu x Qx u Ru
Ax HAx Ax HBu Bu HAx Bu
+ +
1
2
1 1
1
2
1 1 x Qx u Ru
T T
N N N N ( ) ( ) ( ) ( )
La condicin necesaria de mnimo es:

J
N
N N

1
1
,
( ) u
0
es decir:

J
u N
J
u N
J
u N
N N
N N
N N
m

1
1
1
2
1
1
0
1
0
1
0
,
,
,
( )
( )
( )
LLLLLL

y como:
-7-

u
u A A
u
Au A
u
u Ru Ru R u ( ) ( ) ( )
T T T T
+
teniendo en cuenta que las matrices R y H son simtricas, se obtiene:

J
N
N N N N
N N
T T T

+ + +
1
1
1
2
1 1 2 1 2 1
,
( )
( ) ( ) ( ) ( )
u
0 B HAx B HAx B HBu Ru
de donde:
Ru B H Ax Bu 0
u R B HB B HAx
o
T
o
o
T T
N N N
N N
( ) ( ) ( )
( ) ( )
+ +
+

1 1 1
1 1
1

Se comprueba fcilmente que se trata de un mnimo ya que:

J
N
N N
T

+ >
1
2
1
,
( ) u
R B HB 0
por ser las matrices R y H definidas positivas.
Llamando H = M(0), puede ponerse:
u R B M B B M Ax G x
o
T T
N N N N ( ) ( ) ( ) ( ) ( ) ( ) +

1 0 0 1 1 1
1

siendo:
G R B M B B M A ( ) ( ) ( ) N
T T
+

1 0 0
1

que puede interpretarse como una realimentacin del estado del sistema con una ganancia
variable en cada instante de muestreo de valor G(N-1):

Fig. 11.4.- Regulacin ptima entre los instantes N-1 y N.
Es muy importante notar que el problema del regulador ptimo se reduce finalmente a un
problema de regulacin normal, con la diferencia de que la matriz G depende del tiempo k, es
decir, es una matriz dinmica que cambia con el tiempo.
-8-
Sustituyendo el valor de u
o
(N-1) puede obtenerse el ndice de comportamiento ptimo entre
los instantes de muestreo N-1 y N:
[ ] [ ] [
[ ] [ ]
J N N N N N N
N N N N N N N N
N N
N N o
T T
T T T
T

+ + +

1
1
2
1 0 1
1
2
1 0 1 1
1
2
1
1
2
1 1 0 1 1
1
2
1 1
1
2
1 1
1
2
1 1 1
,
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
Ax M Ax Ax M BG x BG
BG x M BG x x Qx G x RG
x M x
con:
M A BG M A BG G RG Q ( ) ( ) ( ) ( ) ( ) ( ) 1 1 0 1 1 1 + + N N N N
T T

donde ya puede apreciarse la forma recursiva de calcular la matriz M(N) conociendo el valor
de M(0).
Aplicando el principio de optimalidad entre N-2 y N, las seales de control optimizaran a:
J N N k k k k
J N N N N
N N
T T T
k N
N
N N o
T T

+ +
+ +

2
2
1
1
1
2
0
1
2
1
2
2 2
1
2
2 2
,
,
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
x M x x Qx u Ru
x Qx u Ru

y sustituyendo el ndice ptimo en el intervalo N-1, N por la expresin:
J N N
N N o
T

1
1
2
1 1 1
,
( ) ( ) ( ) x M x
y como:
x Ax Bu ( ) ( ) ( ) N N N + 1 2 2
resulta:
J N N N N N N N N
N N
T T T

+ + + +
2
1
2
2 2
1
2
2 2
1
2
2 2 1 2 2
,
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) x Qx u Ru Ax Bu M Ax Bu

El mnimo se obtendra de:

J
N
N N

2
2
,
( ) u
0
que conduce a:
u R B M B B M Ax G x
o
T T
N N N N ( ) ( ) ( ) ( ) ( ) ( ) +

2 1 1 2 2 2
1

Sustituyendo esta expresin en el ndice de comportamiento se obtiene:
J N N
N N o
T

2
1
2
2 2 2
,
( ) ( ) ( ) x M x
con:
-9-
M A BG M A BG G RG Q ( ) ( ) ( ) ( ) ( ) ( ) 2 2 1 2 2 2 + + N N N N
T T

Repitiendo este proceso se iran obteniendo las variables de control en los diferentes instantes
de muestreo, que en general resultan ser:
u G x
o
N j N j N j j N ( ) ( ) ( ) , , , 1 2 L
siendo las matrices de ganancia:
G R B M B B M A ( ) ( ) ( ) N j j j
T T
+

1 1
1

y las matrices M(j) se obtienen a partir de M(0) = H segn la ecuacin de Riccati:
M A BG M A BG G RG Q ( ) ( ) ( ) ( ) ( ) ( ) j N j j N j N j N j
T T
+ + 1
Con estas expresiones estamos optimizando el ndice desde el momento inicial hasta el final, es
decir se minimiza J durante el rgimen transitorio y el rgimen permanente.
El ndice ptimo de comportamiento es:
J N j j N j
N j N o
T

,
( ) ( ) ( )
1
2
x M x
El organigrama para implementar el algoritmo sera:

-10-


Supuesto N=5 en el primer ciclo for se calculan las ganancias G y las matrices M en este
orden:
G M
G M
G M
G M
G M
4 1
3 2
2 3
1 4
0 5

es decir, integrando la ecuacin de Riccati de atrs hacia delante, lo que es tpico en estas
ecuaciones.
En el segundo ciclo for se calculan las entradas ptimas en el orden en el que se van a ir
aplicando y, si se considera necesario, el valor del ndice de comportamiento mnimo en cada
periodo de muestreo. El orden sera:
-11-
u
u
u
u
u
( )
( )
( )
( )
( )
,
,
,
,
,
0
1
2
3
4
0 5
1 5
2 5
3 5
4 5
J
J
J
J
J

Supongamos que las soluciones encontradas despus de resolver la ecuacin de Riccati sean de
la forma de la figura:

en el instante de muestreo inicial k=0 habra que aplicar la matriz de regulacin G(0)=[1,87
3,54], lo mismo que en los instantes de muestreo siguientes hasta k=5. Durante los instantes de
muestreo 6, 7 y 8 la ganancia del regulador G(k) es variable con el tiempo, para valer
finalmente cero en el instante k=9.
Con estos valores se habra minimizado el ndice J en los nueve periodos de muestreo,
incluyndose tanto el rgimen permanente como el rgimen transitorio. La resolucin de la
ecuacin de Riccati se produce del instante final al inicial por lo que para obtener la secuencia
de control ptimo u
o
(k) es necesario procesar todos los instantes de muestreo. Esta carga
computacional, la mayora de las veces, no es asumible, por lo que en la prctica se recurre a
obtener la matriz G que optimiza al ndice en rgimen permanente, perdindose su dependencia
del tiempo. Es lo que se conoce como regulador ptimo en tiempo infinito.
11.3.- REGULADOR PTIMO EN TIEMPO INFINITO (RGIMEN PERMANENTE)
Si el valor de N lo hacemos tender a infinito, el valor de G permanece constante durante todos
los periodos de muestreo. La ecuacin de Riccati converge hacia el valor que G tiene en el
rgimen permanente, en muy pocos periodos de muestreo. Por ello la solucin que se adopta
es la de calcular el valor G en rgimen permanente y dejarla fija desde el principio.
-12-
Al estar en rgimen permanente M(k)=M(k-1)=M(k-2)=
. . .
y la ecuacin de Riccati en
rgimen permanente resulta ser:
[ ] [ ] Q RG G BG A M BG A M + +
T T

en donde ya se han quitado las dependencias del tiempo. Por otra parte:
[ ] MA B MB B R G
T
1
T

+
y hay que tener en cuenta que las matrices [ ] MB B R
T
+ y M son simtricas y por tanto iguales
a sus traspuestas.
Sustituyendo el valor de G en la ecuacin de Riccati:
[ ] [ ] Q MA B MB B R R MB B R MB A MA B MB B R B A M B MB B R MB A A M + + + + + +
T 1 T 1 T T T 1 T T 1 T T T
) ( ) ( ) ( ) (

Q MA B MB B R MB A MA A Q MA B MA B MB B R MB A MA A
Q MA B MB B R R MB B MB B R MB A MA B MB B R MB A MA A
Q MA B MB B R R MB B R MB A MA B MB B R MB B MB B R MB A
MA B MB B R MB A MA B MB B R MB A MA A M
+ + + +
+ + + + + +
+ + + + + + +
+ + +




T 1 T T T T T 1 T T T
T 1 T T 1 T T T 1 T T T
T 1 T 1 T T T 1 T T 1 T T
T 1 T T T 1 T T T
) ( ) 2 ( ) (
) )( ( ) ( ) ( 2
) ( ) ( ) ( ) (
) ( ) (

La ecuacin de Riccati en rgimen permanente resulta ser:
0 Q MA B MB B R MB A MA A M + +
T 1 T T T
) (
La solucin de esta ecuacin, as como el valor de G lo proporciona Matlab con la orden dlqr.
11.4.- CONTROL PTIMO CON SEALES DE REFERENCIA
Exactamente igual que se realiz el control por medio de reubicacin de polos puede
efectuarse el control ptimo.

La matriz G es igual a la encontrada en el caso del regulador ptimo, con la diferencia que
ahora la entrada al controlador es ) k ( y por lo tanto el ndice que se est minimizando es:
[ ]

+
0 k
T T
) k ( ) k ( ) k ( ) k (
2
1
J Ru u Q
-13-
que es justamente el que interesa en los problemas de seguimiento.
Respecto al error en rgimen permanente puede anularse, muchas veces, con la matriz Ge que
al igual que en el caso de reubicacin de autovalores se obtiene de:
[ ] 0 X A A BG BG A I
REF e
+

) k ( ) ( ) (
REF
1

La resolucin de esta ecuacin es posible con Matlab. Para ello:
[ ] [ ]
[ ] [ ]
) k ( /
) k ( ) ( ) ( \ ) ( ) k (
) k ( ) ( ) ( ) k ( ) (
REF
REF
1 1
REF
REF
1
REF
1
X M G
X A A BG A I B BG A I M X G
X A A BG A I X BG BG A I
e
REF e
REF e

En el caso de un control realimentando la salida que se ajustase al esquema de la figura:


Fig. 11.5.- Control ptimo de salida con set -point
G
1
(k) sera la solucin de ganancia de control ptimo sin seal de referencia y:
[ ]
G C I A BG B
2 1
1
1
( ) ( ) k k +

'

Es evidente que esta solucin es vlida solamente para cuando G
2
es cuadrada. La matriz G
2

minimiza el error en rgimen permanente y G
1
minimiza y(k).
11.5.- ASPECTOS PRCTICOS DE IMPLEMENTACIN
La implementacin del control ptimo suele ser off-line porque la resolucin de n(n+1)/2
ecuaciones no lineales, no suele ser sencilla. La resolucin, al no tener problemas de tiempo
porque se resuelve off-line, puede hacerse analticamente por mtodos numricos.
La segunda alternativa consistira en integrar paso a paso la ecuacin de Riccati, pero esta
solucin no es realista y para sistemas invariantes debe rechazarse.
-14-
La solucin ms apropiada puede consistir en aplicar una ganancia de control constante, que
corresponda a la solucin en rgimen permanente de la ecuacin de Riccati. Esta alternativa es
la de implementacin ms simple y est tanto ms justificada cuanto ms cortos sean los
transitorios de los elementos de la solucin de Riccati.
11.6.- EJERCICIOS
11.1.- Dado el sistema continuo de ecuaciones:
& ( ) , ( ) ( ) ( )
& ( ) , ( ) , ( )
x t x t x t u t
x t x t u t
1 1 2
2 2
0 2
0 5 0 5
+ +
+

se desea minimizar el ndice de comportamiento:
[ ]
J x t x t u t dt + +

1
2
1
2
2
2 2
0
5
( ) ( ) ( )
mediante algoritmos de control discreto. Hallar la secuencia de control ptima.

Solucin
Como va a utilizarse un computador digital es necesario discretizar el sistema y el ndice de
comportamiento.
La discretizacin del sistema se realiza mediante aproximaciones numricas, de modo que:
& ( )
( ) ( )
x t
x t T x t
T

+

y suponiendo que se muestrea con un periodo normalizado de T = 1s, resulta:
x k x k x k x k u k
x k x k x k u k
1 1 1 2
2 2 2
1 0 2
1 0 5 0 5
( ) ( ) , ( ) ( ) ( )
( ) ( ) , ( ) , ( )
+ + +
+ +

o bien:
x k x k x k u k
x k x k u k
1 1 2
2 2
1 0 8
1 0 5 0 5
( ) , ( ) ( ) ( )
( ) , ( ) , ( )
+ + +
+ +

que escritas en forma matricial sera:
x x ( )
,
,
( )
,
( ) k k u k +

1
]
1
+

1
]
1
1
0 8 1
0 0 5
1
0 5

Para discretizar el ndice utilizamos la aproximacin:
[ ]
x t x t u t dt x k x k u k
k
k
1
2
2
2 2
1
1
2
2
2 2
( ) ( ) ( ) ( ) ( ) ( ) + + + +
+

ya que T = 1s, y por lo tanto:
-15-
[ ] [ ] [ ]
[ ] [ ]
J x t x t u t dt x t x t u t dt x t x t u t dt
x t x t u t dt x k x k u k
k
+ + + + + + + + +

'

+ + +

;

+ +

1
2
1
2
1
2
1
2
2
2 2
0
5
1
2
2
2 2
0
1
1
2
2
2 2
1
2
1
2
2
2 2
4
5
1
2
2
2 2
0
4
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
L
Las matrices a las que se ha de aplicar el control ptimo discreto son:
A B
H Q

1
]
1

1
]
1

1
]
1

1
]
1

0 8 1
0 0 5
1
0 5
1
0 0
0 0
1 0
0 1
5
,
, ,
R
N

Para j=1:
u
o
(4) = -G(4)x(4)
[ ] [ ] [ ]
[ ] [ ] [ ]
M
G
M
( )
( ) ,
,
,
,
,
( )
( )
,
, ,
,
, ,
0 0
4 1 1 0 5
0 0
0 0
1
0 5
1 0 5
0 0
0 0
0 8 1
0 0 5
0 0
4 0
1
0 8 1
0 0 5
1
0 5
0 0
0 0
0 0
0 8 1
0 0 5
1
0 5
0 0
0
0
1 0 0
1 0
0
1

1
]
1

1
]
1

'

1
]
1

1
]
1

1
]
1
+

1
]
1

'

1
]
1

1
]
1
+

1
]
1

'

1
]
1
+

u
o
T
[ ]
[ ]
1
1 0
0 1
1
2
4 4
1 0
0 1
4
4
1
2
4 4
4 5 1 2
1
2
1
2
2
4

1
]
1

1
]
1

1
]
1

1
]
1
+ J x x
x
x
x x
o ,
( ) ( )
( )
( )
( ) ( )

Para j=2:
u
o
(3) = -G(3)x(3)
[ ] [ ]
[ ]
M
G
M
( )
( ) ,
,
,
,
,
,
,
,
,
( )
,
, ( ) , ( )
( )
,
, ,
,
,
,
,
1
1 0
0 1
3 1 1 0 5
1 0
0 1
1
0 5
1 0 5
1 0
0 1
0 8 1
0 0 5
0 8
2 25
1 25
2 25
3
1
2 25
0 8 3 1 25 3
2
0 8 1
0 0 5
1
0 5
0 8
2 25
1 25
2 25
1
1 2

1
]
1
+

1
]
1

1
]
1

'

1
]
1

1
]
1

1
]
1
+

1
]
1
+

1
]
1

1
]
1

'

u x x
o
[ ]
;

1
]
1

1
]
1
+

1
]
1

1
]
1

'

1
]
1
1
1
1

1
]
1
T
o
J x x
x
x
1 0
0 1
0 8 1
0 0 5
1
0 5
0 8
2 25
1 25
2 25
0 8
2 25
125
2 25
1
0 8
2 25
1
2
3 3 2
3
3
3 5 1 2
1
2
,
, ,
,
,
,
,
,
,
,
,
,
,
( ) ( ) ( )
( )
( )
,
M

-16-
Mediante este proceso, que se realiza rpidamente en el ordenador digital, se va obteniendo la
secuencia de control hasta llegar a u
o
(0).
11.2.- Sea el sistema:
x k
x k
x k
x k
u k
1
2
1
2
1
1
0 6277 0 3597
0 0899 0 8526
0 025
0 115
( )
( )
, ,
, ,
( )
( )
,
,
( )
+
+

1
]
1

1
]
1

1
]
1
+

1
]
1

en el que se define el ndice de tiempo finito:
J k k Ru k
T
k
+

1
2
2
0
9
x Qx ( ) ( ) ( )
con:
Q

1
]
1

50 0
0 10
1 R
Encontrar la matriz de ganancia G(k) de realimentacin que hace el control ptimo.

Solucin
El proceso de clculo es anlogo al del ejercicio anterior y la solucin, que se presenta
grficamente, es:

Puede apreciarse, como ocurre en la mayora de los sistemas con matriz A estable, que la
solucin estable de la ecuacin de Riccati se alcanza en muy pocos periodos de muestreo. La
solucin en rgimen permanente es:
G
e
= [1,87 3,54]
En este sistema los valores: q
11
= 50 q
22
= 10 y R = 1 pueden interpretarse como que:
a) Se busca un control cinco veces ms fuerte de la variable x
1
(k), en relacin con x
2
(k).
-17-
b) No se impone un coste energtico de control elevado. Es decir, no se est limitando
demasiado el coste energtico.
La evolucin temporal de las variables de estado, partiendo de las condiciones iniciales
x( ) 0
2
1

1
]
1
, se muestra en la figura siguiente:

No hay que deducir que x
2
(k) est ms controlada que x
1
(k), sino que por las condiciones
iniciales y por la matriz A, la evolucin natural de x
2
(k) hacia cero es ms rpida que la de
x
1
(k). Si los parmetros de la matriz Q fuesen q
11
= q
22
= 10, la evolucin hacia cero de x
1
(k)
empeorara.

11.3.- Con este ejercicio se trata de ilustrar una serie de conceptos: versin muestreada de un
sistema continuo, reubicacin de autovalores sin presencia y con ella de seal de referencia,
control ptimo y observacin. Se ha escogido un sencillo sistema trmico, representado en la
siguiente figura:

El objetivo es controlar, a travs del calentador u(t), las temperaturas T
1
y T
2
de los
respectivos recintos.
-18-

Solucin
Tras una serie de consideraciones fsicas, y tomando como variables de estado x
1
= T
1
x
2
= T
2

y u(t) la seal de control las ecuaciones del sistema son:
&
& , , , ,
x x x
x x x u T
amb
1 1 2
2 1 2
2 2
0 5 0 75 0 5 0 25
+
+ +

Considerando constante la temperatura ambiente (al menos durante el tiempo de actuacin del
controlador a disear), se puede eliminar el correspondiente trmino compensndolo con un
trmino antisimtrico de valor -0,25T
amb
.
El primer paso para poder trabajar con un computador digital es discretizar el sistema:


Tomando como periodo de muestreo T = 0,25s las ecuaciones del sistema muestreado seran:
x A x B
y Cx
( ) ( ) ( )
( ) ( )
k k u k
k k
M M
+ +

1

donde la matriz C depender de las variables que se midan, en el caso de medir las dos varibles
de estado:
C

1
]
1
1 0
0 1

Aplicando lo explicado en el captulo de discretizacin de sistemas:
x k
x k
x k
x k
u k
1
2
1
2
1
1
0 6277 0 3597
0 0899 0 8526
0 025
0 115
( )
( )
, ,
, ,
( )
( )
,
,
( )
+
+

1
]
1

1
]
1

1
]
1
+

1
]
1

Reubicacin de autovalores con seal de referencia
Supongamos que se desea llevar la temperatura T
1
que corresponde a la variable de estado x
1

a un cierto valor nominal de referencia, T. En tal caso:
-19-
C 1 0
As mismo se desea que los autovalores estn situados en :
1,2
= 0,5 t j0,2 por lo tanto la
matriz G
1
(k) de realimentacin, puede obtenerse imponiendo la condicin anterior a la matriz
del sistema regulado en lazo cerrado, A
R
:
[ ]
A A BG
R
g g

1
]
1

1
]
1 1 11 12
0 6277 0 3597
0 0899 0 8526
0 025
0 115
, ,
, ,
,
,

El sistema es totalmente controlable y para los citados autovalores se obtiene: g
11
= 2,24 y
g
12
= 3,67.
La matriz G
2
de la seal de referencia sera:
G C I A BG B
2 1
1
1
+


( )
en donde la matriz C de la ganancia G
2
se refiere, exclusivamente, a las variables de estado
sobre las que se pretende que sigan la seal de referencia, es decir C 1 0 .
Operando se obtendra G
2
= 6,4. Es importante notar que estos resultados corresponden a un
diagrama de control como el de la figura:

y que la seal de control valdra:
u k x k x k x
REF
( ) , ( ) , ( ) , + 2 24 3 67 6 4
1 2 1

Control ptimo con seal de referencia
Se pretende minimizar el ndice de comportamiento:
J k k Ru k
T
k
+

1
2
2
0
9
x Qx ( ) ( ) ( )
con:
Q

1
]
1

50 0
0 10
1 R
-20-
La solucin se haba obtenido en el problema anterior. La solucin de la ecuacin de Riccati en
rgimen permanente del sistema era:
G
e
= [1,87 3,54]
Los autovalores en lazo cerrado, son los que corresponden a la matriz:
A A BG
c e

que estn situados en
1,2
= 0,51 t j 0,15, es decir, prximos a los que prefijamos
anteriormente.
En cuanto a la ganancia ptima de la seal de referencia, siguiendo con la hiptesis de
controlar nicamente la variable x
1
, sera:
G C I A BG B
2
1
1
+


( )
e

que para los valores numricos de este ejercicio resulta G
2
= 5,92.