Tes Is Final

EVALUACI
ON Y DISE
NO DE CONTROLADORES
APLICANDO ESTRATEGIAS BASADAS EN
DESIGUALDADES MATRICIALES LINEALES (LMIs)
Christian Fernendo Ferrer Mendoza
Dairis David Ariza Granadillo
Universidad Popular del Cesar
Facultad Ingeniera.
Valledupar, Colombia
2013
EVALUACI

ON Y DISE
NO DE CONTROLADORES
APLICANDO ESTRATEGIAS BASADAS EN
DESIGUALDADES MATRICIALES LINEALES (LMIs)
Christian Fernendo Ferrer Mendoza
Dairis David Ariza Granadillo
Tesis de grado presentado como requisito parcial para optar al ttulo de:
Ingeniero Electr onico
Director:
Msc Jos e Luis Consuegra Gonz alez
Universidad Popular del Cesar
Facultad Ingenieras y tecnologias.
Valledupar, Colombia
2013
DEDICATORIA
A Dios por estar siempre hay en los momentos m as difciles.
A mis padres por su apoyo incondicional, paciencia y compren-
si on que siempre estuvieron presentes en mi formaci on para
alcanzar mis logros.
A mis hermanos en especial a Yurian que hoy desde el cielo cuida
de m. A mi familia que siempre estuvieron hay apoy andome
incondicionalmente.
Dairis Ariza Granadillo.
A ti padre celestial que me distes todo el conocimiento, la forta-
leza y el amor para alcanzar este tan anhelado logro.
A mi mam a Sally Mendoza Rico por ser la voz de aliento en todo
tiempo y siempre conar en m.
A mi pap a Wilfrido Ferrer Redondo por conar en m y darme
todo su apoyo incondicional.
A mi novia y futura esposa Greys Avila Rojas, por ser esa com-
pa nera que me ayuda a luchar y a encontrar soluci on a todos mis
problemas.
A mis hermanas y abuelos por no perder la fe y darme su apoyo
aun en la distancia.
A mis pastores y amigos por ese apoyo sin igual.
Christian Ferrer Mendoza.
AGRADECIMIENTOS
Las directivas y docentes de la facultad en Ingeniera electr onica de la Universidad Popular del
Cesar.
Por su arduo trabajo, excesivo esfuerzo y brindarnos la oportunidad de hacer parte de este proyec-
to.
Director: MSc. Jos e Luis Consuegra.
ix
RESUMEN
Debido a las limitaciones presentadas en las t ecnicas de control cl asico a sistemas que son dema-
siado complejas de controlar o que simplemente su respuesta no es la m as eciente. Es necesario
explorar nuevas areas como el control moderno que pasa de la complejidad de los controladores los
cuales modican la din amica de los sistemas a un conjunto de ecuaciones diferenciales de primer
orden y a un juego de control proporcional.
Este trabajo se enfocara en el an alisis, resoluci on y dise no de controladores basados en desigual-
dades matriciales lineales LMIs en sistemas de control como m etodo alternativo de las t ecnicas
de control cl asico y a la vez demostrar su validez, conabilidad y robustez frente a perturbaciones
externas.
Palabras clave:Desigualdades Matriciales Lineales, Regiones de Estabilidad, Espacios de Estados
ABSTRACT
Due to the limitations presented in classic control techniques to systems that are too complex
to control or simply your answer is not the most ecient. It is necessary to explore new areas such
as modern control passes from the complexity of the controllers, which modify the dynamics of
the systems to a set of rst order dierential equations and a game-controls.
This paper will focus on the analysis, resolution and controller design based on linear matrix
inequalities LMIs in control systems, as an alternative to classical control techniques and also
demonstrate its validity, reliability and robustness against external disturbances.
Keywords: Linear Matrix Inequalities, Stability Regions, Spaces of Stat
CONTENIDO
Agradecimientos vii
Resumen ix
1. FUNDAMENTOS B
ASICOS SOBRE DESIGUALDADES MATRICIALES LINEALES

(LMIs) 1
1.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Una Breve Historia de las LMIs . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3. Aspectos Fundamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4. Propiedades de las LMIs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2. AN
ALISIS Y DISE
NO DE CONTROLADORES BASADOS EN LMIs 8

2.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2. Representaci on de Sistemas Mediante Espacio de Estados . . . . . . . . . . . . . . 8
2.2.1. Controlabilidad y Observabilidad. . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2. Leyes B asicas de Control por Espacio de Estados . . . . . . . . . . . . . . 11
2.3. An alisis de Estabilidad con LMIs . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3.1. Estabilidad Asint otica de un Sistema Lineal Aut onomo . . . . . . . . . . . 13
2.3.2. Estabilizaci on Simultanea de Sistemas Lineales . . . . . . . . . . . . . . . 14
2.3.3. Estabilizaci on por Retroalimentaci on de la Salida . . . . . . . . . . . . . . 15
2.4. Control Multiobjetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.1. Especicaciones de Desempe no Mediante Regiones de Estabilidad . . . . 17
3. LMI CONTROL TOOLBOX DE MATLAB. 19
3.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. Soluci on de LMIs Mediante Control Toolbox de Matlab . . . . . . . . . . . . . . 21
3.3. Interfaz del lmiedit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4. DISE
NO Y AN
ALISIS DE LAS REGIONES DE DESEMPE
NO EN LMIs MEDIANTE
MATLAB 32
4.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2. An alisis de Desempe no Mediante Regiones de Estabilidad por Retroalimentaci on
de Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
CONTENIDO xi
4.3. Implementaci on de Algoritmos para An alisis de Estabilidad por Retroalimentaci on
de la Salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5. SIMULACI

ON Y AN
ALISIS DE RESULTADOS 50
5.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2. Modelo de la Cuarta Parte del Sistema de Suspensi on de un Autom ovil . . . . . . . 50
5.2.1. Par ametros del Sistema de Suspensi on
1
4
Parte de un Autom ovil . . . . . . 53
5.2.2. Condiciones de Dise no del Controlador Mediante LMIs . . . . . . . . . . 55
5.2.3. Selecci on de la Regiones LMIs . . . . . . . . . . . . . . . . . . . . . . . 55
5.2.4. Dise no de controlador mediante LMIs . . . . . . . . . . . . . . . . . . . 56
5.3. Sistema de Dos Masas y un Resorte . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.3.1. Par ametros de Control para el Sistema Dos Masas y un Resorte . . . . . . 61
5.3.2. Condiciones de Dise no del Controlador Mediante LMIs . . . . . . . . . . 62
5.3.3. Selecci on de La Regi on de dise no mediante LMIs . . . . . . . . . . . . . 63
5.3.4. Dise no de Controlador Mediante LMIs . . . . . . . . . . . . . . . . . . . 63
6. CONCLUSIONES 67
A. ANEXO: SIMULACIONES COMPLEMENTARIAS DE LAS REGIONES DE DISE
NO 69
A.1. Regi on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
A.2. Dise no regi on banda vertical
1
= 3,
2
= 10 . . . . . . . . . . . . . . . . . . 71
A.3. Dise no regi on circular con radio r . . . . . . . . . . . . . . . . . . . . . . . . . . 73
A.4. Dise no regi on c onica con angulo . . . . . . . . . . . . . . . . . . . . . . . . . . 74
A.5. Dise no regi on c onica combinada con la regi on . . . . . . . . . . . . . . . . . . . 76
A.6. Dise no regi on c onica combinada con la regi on banda vertical . . . . . . . . . . . . 80
Bibliografa 83
LISTA DE TABLAS
3-1. Principales Funciones en LMI Control Toolbox [1]. . . . . . . . . . . . . . . . . . 21
3-2. Tipos de Argumentos para A y B [1]. . . . . . . . . . . . . . . . . . . . . . . . . . 26
LISTA DE FIGURAS
1-1. Conjunto Convexo y No Convexo . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2-1. Sistema din amico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2-2. Diagramas de bloques de sistemas de control por espacio de estados. . . . . . . . . 12
2-3. Regiones de estabilidad [2] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3-1. Software LMI Control Toolbox de Matlab [1]. . . . . . . . . . . . . . . . . . . . . 19
3-2. Interfaz lmiedit del Control Toolbox de Matlab. . . . . . . . . . . . . . . . . . . . 30
3-3. Implementaci on de LMIs en el lmiedit. . . . . . . . . . . . . . . . . . . . . . . . 31
4-1. Control por retroalimentaci on de variables de estado. . . . . . . . . . . . . . . . . 33
4-2. Control por retroalimentaci on de variables de salida. . . . . . . . . . . . . . . . . 40
5-1. Cuarta parte del sistema de suspensi on de un autom ovil. [3, 4] . . . . . . . . . . . 51
5-2. Esquema de la cuarta parte del sistema de amortiguaci on de un autom ovil. . . . . . 52
5-3. An alisis de estabilidad en lazo abierto. . . . . . . . . . . . . . . . . . . . . . . . . 54
5-4. Regi on de Dise no LMI por Ubicaci on de Polos. . . . . . . . . . . . . . . . . . . . 56
5-5. Esquema de control por retroalimentaci on de estados. . . . . . . . . . . . . . . . . 56
5-6. Valores propios del sistema en lazo abierto y lazo cerrado . . . . . . . . . . . . . . 57
5-7. Respuesta del sistema de suspensi on a una perturbaci on de 10 cm. . . . . . . . . . 58
5-8. Control por retroalimentaci on de variables de estado con ganancia de precompen-
saci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5-9. Control por retroalimentaci on de variables de estado con ganancia de precompen-
saci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5-10. Sistema de dos masas y un resorte conocido como problema de benchmarks [5]. . 61
5-11. An alisis de estabilidad en lazo abierto. . . . . . . . . . . . . . . . . . . . . . . . . 62
5-12. Combinaci on de regiones c onica y Banda vertical . . . . . . . . . . . . . . . . . . 63
5-13. Representaci on din amica del sistema dos masas un resorte. . . . . . . . . . . . . . 64
5-14. Valores propios del sistema en lazo abierto y lazo cerrado . . . . . . . . . . . . . . 65
5-15. Respuesta del sistema de dos masas un resorte. . . . . . . . . . . . . . . . . . . . 65
A-1. Respuesta del sistema lazo abierto lazo cerrado. . . . . . . . . . . . . . . . . . . . 69
A-2. Respuesta del sistema lazo abierto lazo cerrado alpha = 3,5. . . . . . . . . . . . . 70
A-3. Respuesta del sistema banda vertical . . . . . . . . . . . . . . . . . . . . . . . . . 71
xiv LISTA DE FIGURAS
A-4. Respuesta del sistema lazo cerrado regi on circular . . . . . . . . . . . . . . . . . . 73
A-5. Respuesta del sistema lazo cerrado regi on c onica. . . . . . . . . . . . . . . . . . . 75
A-6. Respuesta del sistema lazo cerrado regi on c onica y . . . . . . . . . . . . . . . . . 77
A-7. Respuesta del sistema lazo cerrado regi on c onica y banda vertical. . . . . . . . . . 80
1. FUNDAMENTOS B
ASICOS SOBRE
DESIGUALDADES MATRICIALES
LINEALES (LMIs)
1.1. Introducci on
El presente captulo tiene como objetivo abordar los conceptos fundamentales de las Desigual-
dades Matriciales Lineales tambi en llamadas LMIs, aplicados al an alisis y dise no de sistemas de
control, como m etodo alternativo de las t ecnicas de control cl asico y a la vez demostrar su validez,
conabilidad y robustez.
1.2. Una Breve Historia de las LMIs
Esta teora se remonta con la publicaci on del segundo m etodo de Lyapunov en 1892. La ecuaci on
diferencial
x(t) = Ax(t) (1-1)
Es estable (todas las trayectorias convergen a cero), si y solo si existe una matriz P = P
T
> 0 tal
que
PA + A
T
P < 0 (1-2)
Esta es la primera LMI para el estudio de la estabilidad de un sistema din amico y se conoce co-
mo desigualdad de Lyapunov. La soluci on es explcita y poda obtenerse escogiendo una matriz
Q = Q
T
> 0 y resolver PA + A
T
P = Q para P, que es denida positiva si el sistema es estable.
El siguiente paso importante fue en la d ecada de 1940 donde Lure, Postnikov y otros, fueron los
primeros en aplicar los m etodos de Lyapunov para resolver problemas pr acticos como la estabi-
lidad de un sistema de control con una no linealidad en el actuador. M as tarde, en la d ecada del
60, varios investigadores, entre ellos Kalman, Popov, Yakubovich, redujeron las soluciones de las
LMIs que aparecan en el problema de Lure a simples criterios gr acos, usando lo que ahora se
llama el Lema Real Positivo (PR).
El PR fue usado extensivamente y se encontr o la relaci on entre este y la Teora de Pasividad,
el criterio de Peque na Ganancia y el control optimo cuadr atico. Los investigadores se dieron
2
1 FUNDAMENTOS B

(LMIs)
cuenta que las LMIs que aparecan en el PR podan ser resueltas tambi en solucionando algunas
Ecuaciones Algebraicas de Riccati (ARE). Por ejemplo, la LMI
_
PA + A
T
P + Q PB + C
T
B
T
P + C R
_
0 (1-3)
puede ser resuelta estudiando las soluciones sim etricas de la ARE
PA + A
T
P (PB + C
T
)R
1
(B
T
P + C) + Q = 0
El siguiente gran paso en esta historia est a relacionado con los problemas de optimizaci on convexa
al aprovechar las caractersticas de las LMIs. La consecuencia m as importante es que se pueden
encontrar soluciones a LMIs que no tienen soluci on analtica. Un ejemplo claro fue la formu-
laci on del problema de Lure (extendido al caso de no linealidades m ultiples) como un problema
de optimizaci on convexa involucrando LMIs. Pyatnitskii y Skorodinskii resolvieron este proble-
ma utilizando el algoritmo del elipsoide. Estos investigadores fueron los primeros en formular la
b usqueda de una funci on de Lyapunov como un problema de optimizaci on convexa.
Para el a no de 1976, algunos autores advirtieron que la existencia de funciones cuadr aticas de Lya-
punov que simult aneamente proporcionan estabilidad a una colecci on de sistemas lineales es un
problema convexo que involucra LMIs. Por otro lado, la idea de una b usqueda computacional de
una funci on Lyapunov es mencionada por primera vez en 1965 en un artculo de Schultz et al. M as
detalles pueden ser consultados en ([6])
1.3. Aspectos Fundamentales
Denici on 1 (Conjuntos Convexos). Un conjunto S en un espacio vectorial X es convexo si
x
a
, x
b
S x
a
+ (1 )x
b
S (0, 1)
El punto x
a
+ (1 )x
b
con (0, 1) es una combinaci on convexa de x
a
y x
b
. En un conjunto
convexo todos los puntos de un segmento de recta que une dos puntos que pertenecen al conjunto.
Ver gura 1-1.
Denici on 2 (Funci on Convexa). Una funci on f : S R es convexa si
S es convexo para todo x
a
, x
b
S, con (0, 1) se mantiene
f (x
a
+ (1 )x
b
) f (x
a
) + (1 ) f (x
b
) (1-4)
1.3 Aspectos Fundamentales 3
Figura 1-1.: Conjunto Convexo y No Convexo
La funci on f se llama estrictamente convexa si la desigualdad (1-4) es estricta para x
a
x
b
y
(0, 1).
La convexitividad es muy util, porque permite expresar m ultiples condiciones que aparecen en el
dise no y an alisis de sistemas de control, como conjuntos convexos denidos con LMI. Se tiene
como referencia para estas deniciones [6, 7, 8] y [9] entre otros.
Denici on 3 (Conjunto Afn ). Un subconjunto S de un espacio vectorial lineal X es afn si
x = x
a
+ (1 )x
b
S
para todo x
a
, x
b
S y R
Un conjunto es afn si una linea a trav es de dos puntos pertenece al conjunto. En otras palabras, un
conjunto afn S contiene la combinaci on lineal de cualesquiera dos puntos de S, con la suma de
los coecientes igual a uno. Esta idea puede ser generalizada para m as de dos puntos. Se verica
tambi en que todo conjunto afn es convexo. Obs ervese que en un conjunto afn la linea que une dos
puntos del conjunto pertenece al conjunto, mientras que en un conjunto convexo s olo el segmento
que une dos puntos del conjunto pertenece a este. El subespacio asociado con S no depende de
la selecci on de x
0
. La dimensi on del conjunto afn se dene como la dimensi on del subespacio
M = S x
0
.
Denici on 4 (Funciones Anes). una funci on f : S T es afn si
f (x
a
+ (1 )x
b
) = f (x
a
) + (1 ) f (x
b
) (1-5)
para todo x
a
, x
b
S y para todo R.
Una funci on f : R
n
R
m
es afn si esta es una suma de una funci on lineal y una constante, por
ejemplo, f (x) = Ax+b, donde A R
mn
y b R
m
. Sea un conjunto S R
n
convexo y una funci on
afn de f : R
n
R
m
. Entonces la imagen de S bajo f es convexa.
f (S) = { f (x) | x S}
4
1 FUNDAMENTOS B

(LMIs)
Tambi en, si f : R
k
R
n
es una funci on afn, la imagen inversa de S bajo f es convexa.
f
1
(S) = {x | f (x) S}
Dos ejemplos simples son escalizaci on y traslaci on. Si R, a R
n
y S R
n
es convexo,
entonces los conjuntos S y S + a son convexos,
S = {x | x S} , S + a = {x + a | x S}
Un problema que no tiene soluci on analtica puede tener soluci on computacional, reformul andolo
como un problema de optimizaci on convexa. Una importante raz on para hacer esto es que cuando
una funci on convexa es minimizada sobre un conjunto convexo toda soluci on optima localmente
es global.
Denici on 5 (Mnimo Local y Mnimo Global). Sea una funci on f : S R. x
0
es
Un mnimo local si existe un tal que
f (x
0
) f (x) x S con x x
0

Un mnimo global si f (x
0
) f (x) para todo x S
Teorema 1. Si f : S R es convexa entonces todo mnimo local x
0
es un mnimo global de f . Si
f es estrictamente convexa, entonces el mnimo global x
0
es unico.
Denici on 6 (Desigualdad Matricial Lineal LMI). Seg un [6, 8], una desigualdad matricial
lineal es una expresi on de la forma:
F(P) = F
0
+ P
1
F
1
+ ... + P
m
F
m
> 0 (1-6)
Para el cual:
P = [P
1
P
2
... P
m
] es un vector real de m componentes llamadas variables de decisi on
F
o
, F
1
, ... , F
m
son matrices reales sim etricas es decir, F
i
= F
T
i
R
nn
, i = 0, 1, ..., m para
alg un n Z
+
La desigualdad > 0 en la anterior expresi on signica denici on positiva; esto es U
T
F(P)U >
0 para todo U R
n
y U 0.

Esta condici on equivale a que el valor caracterstico m as
peque no de F(P) es positivo.
En [7], una LMI dene un problema convexo sobre la variable P . La convexidad tiene una impor-
tante consecuencia, debido a que en la mayora de los casos la condici on que dene a F(P) no tiene
soluci on analtica. Si esto ocurre, el problema se puede resolver num ericamente con la garanta de
encontrar una soluci on; si existe alguna. De igual forma, un sistema basado en m ultiples LMIs
puede ser considerado como un conjunto de LMIs simples a resolver, este concepto es soportado
bajos los siguientes documentos [6, 10].
1.3 Aspectos Fundamentales 5
Denici on 7 (LMI). Una Desigualdad Matricial Lineal (LMI) es una desigualdad de la forma
F(P) > 0 (1-7)
F es una funci on an que mapea un espacio vectorial nito dimensional V nito dimensional al
conjunto S =
_
M/ n > 0 tal que M = M
T
_
; M R
nn
Si se toma la desigualdad de Lyapunov
F(P) = PA + A
T
P + Q > 0 (1-8)
Con A, Q R
nn
dadas y P R
nn
es la inc ognita. La variable desconocida, es por ello una
matriz. Este problema dene una LMI si y solamente si Q es sim etrica.
La denici on anterior con el signo > dene una LMI estricta. Una LMI no estricta es una de-
sigualdad matricial lineal, donde el signo > se reemplaza por el signo .
Las desigualdades matriciales F(P) < 0 y F(P) > G(P) con F y G funciones anes, se obtienen
como casos especiales de la denici on de F(P) > 0 y pueden escribirse como una desigualdad
matricial lineal F(P) > 0 y F(P) G(P) > 0 respectivamente. La desigualdad matricial F(P) > 0
dene una condici on convexa sobre P. Esto quiere decir que el conjunto = {P/ F(P) > 0} es
convexo.
Denici on 8 (Sistema de LMIs). Un sistema de desigualdades matriciales lineales es un con-
junto nito de desigualdades matriciales lineales F
1
(P) > 0, F
2
(P) > 0, ... , F
k
(P) > 0
Este sistema puede escribirse como una unica LMI de la forma:
F
1
(P) > 0, F
2
(P) > 0, ... F
k
(P) > 0 F(P) =
_
_
F
1
(P) 0 0
0 F
2
(P) 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 F
k
(P)
_
_
> 0 (1-9)
Esta LMI (1-9) tiene sentido si F(P) es sim etrica para cualquier P. Dado que el conjunto de valores
caractersticos de F(P) es simplemente la uni on de valores caractersticos de F
1
(P), ... , F
k
(P).
Cualquier P que satisface F(P) > 0 tambi en satisface el sistema de LMIs (1-9) y viceversa.
Denici on 9 (Factibilidad). La prueba de si existen o no soluciones P V de la LMI F(P) > 0
Se conoce como un problema de Factibilidad. La LMI se llama Factible si tal P existe de otro
modo la LMI se dice no Factible.
Denici on 10 (Optimizaci on). Sea f : S R. Asumiendo que S = {x / f (x) > 0} el problema
de determinar:
V
opt
= nf
xS
f (x) (1-10)
6
1 FUNDAMENTOS B

(LMIs)
se conoce como un problema de optimizaci on con condici on LMI. Este problema involucra la
determinaci on de V
opt
para un > 0 arbitrario, el calculo de una soluci on optima para x que
satisfaga:
V
opt
f (x) V
opt
+ con x S (1-11)
1.4. Propiedades de las LMIs
Para esta investigaci on se tendr an en cuenta las siguientes propiedades de las LMIs :
Incorporaci on de condiciones anes en las desigualdades matriciales, por ejemplo de la for-
ma:
_
_
F(P) > 0 y AP = b
F(P) > 0 y P = Ay + b para cualquier y
La funci on afn F : R
m
S y las matrices A R
mn
y b R
m
son dados. Este sistema se
puede agrupar en una sola desigualdad matricial lineal;
_
_
F(P) > 0
P
es una funci on afn o subconjunto afn de R
m
es decir = P
o
+
o
= {P
o
+
o
:
o

o
}
con P
o
R
m
y
o
un subespacio lineal de R
m
Complemento de Schur. Esta propiedad permite la conversi on de algunas desigualdades
matriciales no lineales a desigualdades matriciales lineales. Asumiendo que se tiene una
matriz M R
nn
y se particiona de la forma:
M =
_
M
11
M
12
M
21
M
22
_
en el cual M
11
R
rr
es no singular entonces la matriz S
c
= M
22
M
21
M
1
11
M
12
se conoce
como Complemento de Schur de M
11
en M. Si M es sim etrica entonces se cumple:
M > 0
_
M
11
0
0 S
c
_
> 0
_
_
M
11
> 0
S
c
> 0
Esta propiedad se puede extender al caso de funciones matriciales anes.

Sea F : V S una funci on matricial afn la cual se puede particionar como:
F(P) =
_
F
11
(P) F
12
(P)
F
21
(P) F
22
(P)
_
; F
11
(P) es no singular
1.4 Propiedades de las LMIs 7
entonces el complemento de Schur dice que:
F(P) > 0
_
_
F
11
(P) > 0
F
22
(P) F
12
(P) [F
11
(P)]
1
F
21
(P) > 0
(1-12)
El t ermino F
22
(P) F
12
(P) [F
11
(P)]
1
F
21
(P) > 0 es una desigualdad matricial no lineal en
P. Igualmente se puede concluir que desigualdades matriciales como la anterior denen una
condici on convexa en la variable P en el sentido que todo P que satisface esta desigualdad
no lineal dene un conjunto convexo. Esta propiedad se encuentra explicada en detalle en
[8, 11].
Muchos problemas de optimizaci on en control, identicaci on y procesamiento de se nales
pueden reformularse utilizando desigualdades matriciales lineales.
Reducci on De Variables en Matrices. De acuerdo con [6, 12] Dada un matriz sim etrica
G = G
T
, con matrices V, W . Existe P tal que:
G + VPW
T
+ WP
T
V
T
> 0 (1-13)
si y solo si
N
T
V
GN
V
> 0, N
T
W
GN
W
> 0 (1-14)
siendo N
V
y N
W
los complementos ortogonales de V y de W respectivamente. N
V
se obtiene
como una matriz formada por los vectores base del subespacio nulo de la matriz V y N
W
se
obtiene como una matriz formada por los vectores base del subespacio nulo de W.
En [13] se dene que, el espacio nulo de una matriz V R
mn
es tal que VN
V
= 0. Si V
T
o W
T
tienen rango completo entonces la primera o segunda desigualdad de (1-14) desaparece.
En [6] se encuentra la demostraci on y otra equivalencia utilizando el lema de Finsler.
2. AN
ALISIS Y DISE
NO DE
CONTROLADORES BASADOS EN
LMIs
2.1. Introducci on
En este captulo se describen la representaci on de Desigualdades Matriciales Lineales LMIs me-
diante espacios de estados y su aplicaci on a sistemas de control, adem as el an alisis y dise no de
controladores para sistemas con m ultiples especicaciones de dise no y limitaciones. Al igual se
abordar a la teora de controladores robustos multiobjetivo y asignaci on de polos.
Las LMIs se basan en criterios de dise no como son la minimizaci on de las normas cuadr atica e
innita, las cuales realizar an las operaciones de regulaci on de variables controladas y minimizaci on
del error en la entrada con respecto a la salida, adem as de la combinaci on de las normas con las
distintas especicaciones de desempe no mediante regiones de estabilidad, que son fundamentos
de la teora de control cl asica y moderna.
2.2. Representaci on de Sistemas Mediante Espacio de
Estados
Con la representaci on en espacio de estado se tiene la capacidad de conocer y controlar en cierta
medida la din amica interna de un sistema y su respuesta. Este m etodo parte con la selecci on de
las variables de estado, las cuales deben de ser capaces en conjunto de determinar las condiciones
de la din amica del sistema para todo tiempo, teniendo en cuenta que estas variables deben ser
linealmente independientes. Pueden existir varias representaciones en variables de estado para un
sistema en el cual dichas variables de estado podran mostrar la respuesta futura del sistema, te-
niendo como requisito previo saber el estado presente, la se nal de excitaci on y las ecuaciones que
manejan la din amica en el sistema, mostrado en la Figura 2-1.
Debido a la complejidad de los sistemas, es posible encontrar que algunos de ellos poseen un
mayor grado de dicultad por lo que no es posible utilizar el enfoque de las funciones de transfe-
rencias, es aqu donde se aprecian las m ultiples ventajas de la representaci on mediante espacios de
2.2 Representaci on de Sistemas Mediante Espacio de Estados 9
Figura 2-1.: Sistema din amico
estados, dentro de las principales ventajas que brindan se encuentran [14]:
Proporciona informaci on de lo que sucede dentro del sistema.
Aplicabilidad a sistemas lineales y no lineales.
Representaci on de sistemas de m ultiples entradas y m ultiples salidas (MIMO).
La din amica del sistema se representa por ecuaciones diferenciales de primer orden.
Representan sistemas variante o invariantes en el tiempo y las condiciones iniciales pueden
ser diferentes de cero.
Permiten realizar simulaciones con m etodos computacionales m as ecientes.
Algunas de las t ecnicas de control moderno se basan en la representaci on mediante espacio
de estados.
Las ecuaciones del espacio de estados se dene como:
Ecuaci on de estado x
n1
(t) = A
nn
x
n1
(t) + B
np
u
p1
(t)
Ecuaci on de salida y
q1
(t) = C
qn
x
n1
(t) + D
qp
u
p1
(t)
(2-1)
Las cuales se detallan a continuaci on:
x : Vector que contiene cada una de las n variables de estado del sistema.
x : Vector de derivadas de los estados.
u : Vector que contiene cada una de las p entradas al sistema.
y : Vector que contiene cada una de las q salidas al sistema.
A : Matriz caracterstica del sistema nxn.
B : Matriz de entrada nxp.
C : Matriz de salida qxn.
D : Matriz de ganancia o transferencia directa entrada-salida qxp.
10 2 AN
ALISIS Y DISE
NO DE CONTROLADORES BASADOS EN LMIs

2.2.1. Controlabilidad y Observabilidad.
Describen la interacci on (entradas-salidas) y las variables internas del sistema (estados). Se denen
como:
Controlabilidad: Es la posibilidad de encontrar una se nal de control para llevar al sis-
tema de cualquier estado inicial a cualquier estado nal en tiempo nito. No importando
qu e trayectoria se siga, o qu e entrada se utilice.
Un sistema lineal descrito por ecuaciones de estado es controlable si y s olo si la matriz de
controlabilidad tiene rango n.
c
=
_
B AB A
2
B A
3
B A
n1
B
_
(2-2)
La ecuaci on de rango de controlabilidad (2-2) determina que s olo necesita de las matrices
A y B, es decir, s olo depende de la ecuaci on de estado y no de la ecuaci on de salida. Dado
que para determinar la controlabilidad de un sistema como (2-1) no es necesario resolver
la ecuaci on diferencial. Se realiza un an alisis cualitativo de la ecuaci on sin importar que el
sistema sea continuo o discreto [14].
La matriz
c
tiene dimensiones n x nm observando que la controlabilidad no depende de la
matriz C. Por ello se dice que el par (A, B) es controlable, no importando cu al sea la C. Con
el programa MATLAB se puede calcular la matriz de controlabilidad mediante la funci on
ctrb y su sintaxis es:
controlabilidad = ctrb (A, B)
Para determinar el rango de la matriz de controlabilidad se utiliza la funci on rank y su sin-
taxis es:
rango = rank (controlabilidad)
Observabilidad: Es la dual de la controlabilidad y surge en la medici on para el dise no
de sistemas de control. Un sistema se llama observable si es posible reconstruir el vector
de estado inicial x(0), a partir de las se nales de entrada y de salida del sistema, medidas
durante un intervalo nito de tiempo. Un sistema lineal descrito por ecuaciones de estado es
observable si y s olo si la matriz de observabilidad tiene rango n La demostraci on se puede
encontrar en [14, 15]
2.2 Representaci on de Sistemas Mediante Espacio de Estados 11
o
=
_
_
C
CA
CA
2
.
.
.
CA
n1
_
_
La matriz
o
tiene dimensiones m n se puede apreciar que la observabilidad no depende
de la matriz B luego el par (A, B) es observable, sin importar cu al sea B. Con el programa
MATLAB se puede calcular la matriz de observabilidad mediante la funci on obsv y su sin-
taxis es:
observabilidad = obsv (A, C)
Relaci on Entre Controlabilidad y Observabilidad: Mediante las deniciones,
se aprecia una gran similitud. Si la matriz de observabilidad se transpone, se encuentra.
o
T
=
_
_
C
CA
CA
2
.
.
.
CA
n1
_
_
T
o
T
=
_
C
T
A
T
C
T
(A
T
)
2
C
T
(A
T
)
3
C
T
(A
T
)
n1
C
T
_
La cual es la matriz de controlabilidad del sistema:
Ecuaci on de estado x(t) = A
T
x(t) + C
T
u(t)
Ecuaci on de salida y(t) = B
T
x(t) + Du(t)
llamado el dual del sistema original. An alogamente, la matriz de observabilidad de este
sistema, es la transpuesta de la matriz de controlabilidad del sistema original. Como lo de-
mostr o [16] se concluye que si un sistema no es controlable o no observable, debe haber
alguna cancelaci on de polos y ceros. Es decir, que se puede obtener una realizaci on de
dimensi on menor. Un modelo de estado controlable y observable se denomina Realizaci on
mnima.
2.2.2. Leyes B asicas de Control por Espacio de Estados
Mediante espacio de estado se tiene acceso a gran parte de la informaci on dentro del sistema,
logrando monitorear la respuesta del sistema con respecto a las variables de estados o a las variables
de salida.
12 2 AN
ALISIS Y DISE

(a) Control por retroalimentaci on de variables de estado
(b) Control por retroalimentaci on de variables de salida
Figura 2-2.: Diagramas de bloques de sistemas de control por espacio de estados.
Dentro de los sistemas de control por espacio de estados se encuentran las conguraciones mostradas
en la Figura 2-2(a). Es la que utiliza retroalimentaci on de las variables de estado, donde la se nal de
control se puede deducir como u(t) = Kx(t), cuya descripci on matem atica se expresa de la forma.
u(t) = r(t) Kx(t) (2-3)
Para determinar la respuesta del sistema con respecto a las variables de estados Remplazando la
ley de control (2-3) en la ecuaci on de estado (2-1).
x(t) = Ax(t) + Bu(t)
x(t) = Ax(t) + B(r(t) Kx(t))
x(t) = (A BK)x(t) + Br(t)
x(t) = A
lc
x(t) + Br(t)
En el cual A
lc
= A BK es la matriz de estado de lazo cerrado por retroalimetaci on de estado.
Teorema 2. Si el par (A, B) es controlable, entonces es posible asignar los polos (autovalores) de
la matriz (ABK) en cualquier lugar del plano complejo, seleccionando adecuadamente la matriz
K [15].
2.3 An alisis de Estabilidad con LMIs 13
De forma similar aplicando la ley de control para determinar la respuesta del sistema con respecto
a las variables de salida mostrado en la Figura 2-2(b):
u(t) = r(t) Ky(t)
y(t) = Cx(t)
u(t) = r(t) KCx(t)
(2-4)
Remplazando la ley de control (2-4) en la ecuaci on de estado (2-1) se obtiene:
x(t) = Ax(t) + Bu(t)
x(t) = Ax(t) + B(r(t) KCx(t))
x(t) = (A BKC)x(t) + Br(t)
x(t) = A
lc
x(t) + Br(t)
Como la din amica del sistema depende de A
lc
= A BKC, se observa en estas ecuaciones que es
posible cambiar el comportamiento del sistema utilizando estas leyes de control.
2.3. An alisis de Estabilidad con LMIs
Esta secci on es enfocada en la b usqueda de la estabilizaci on de los sistemas de control en t ermi-
nos de LMIs, considerando el tipo m as simple de control desde el punto de sistemas aut onomos,
retroalimentaci on de estados est aticos al igual que sistemas que utilicen retroalimentaci on de sali-
das.
2.3.1. Estabilidad Asint otica de un Sistema Lineal Aut onomo
Considerando el problema para determinar la estabilidad asint otica de un sistema lineal aut onomo
representado por (1-1). En el cual A R
nn
, las propiedades de estabilidad de los puntos de
equilibrio se pueden caracterizar mediante la ubicaci on de los valores propios de A. Para esto se
puede utilizar el m etodo de Lyapunov, considerando la funci on cuadr atica (2-5) como candidata
de la funci on de Lyapunov
V(x) = x
T
Px (2-5)
En donde P es una matriz real sim etrica denida positiva. Por otra parte la derivada de V(x) sobre
las trayectorias del sistema est a dada por
V(x) = x
T
P x + x
T
Px = x
T
(PA + A
T
P)x = x
T
Qx
En que Q es una matriz sim etrica denida por
PA + A
T
P = Q (2-6)
Si Q es denida positiva, se puede concluir el origen es Asint oticamente Estable. En el caso de
sistemas lineales, es posible revertir los pasos del m etodo de Lyapunov. Se comienza eligiendo
14 2 AN
ALISIS Y DISE

Q como una matriz real sim etrica denida positiva y se resuelve la ecuaci on (2-6) para encontrar
P. Si (2-6) tiene una soluci on denida positiva se puede nuevamente concluir que el origen es
Asint oticamente Estable [2].
En resumen se puede decir que el sistema de la ecuaci on (1-1) es asint oticamente estable si y solo
si existe P = P
T
tal que P > 0 y PA + A
T
P < 0. Por ello la estabilidad asint otica del sistema (1-1)
es equivalente al problema de factibilidad de encontrar la matriz P que cumple con la LMI:
_
_
P > 0
PA + A
T
P < 0
(2-7)
2.3.2. Estabilizaci on Simultanea de Sistemas Lineales
La estabilizaci on simultanea de sistemas lineales es otro campo en el que las LMIs tienen gran
aplicaci on. Considerar el sistema lineal invariante en el tiempo (2-1). Surge la pregunta de estabi-
lizaci on simultanea que busca hallar una ley de control que cumpla:
u(t) = Kx(t) (2-8)
Con K R
qn
tal que los valores caractersticos ( A BK) pertenezcan al semiplano complejo
izquierdo. Este problema se resuelve cuando se pueden hallar matrices K y P tal que cumplen:
_
_
P > 0
P(A BK) + (A BK)
T
P < 0
(2-9)
Debido a que tanto P como K son desconocidas esta es una Desigualdad Matricial No lineal (NMI)
en las variables P y K, para poderlas solucionar se debe transformar esta desigualdad matricial no
lineal en una desigualdad matricial lineal -si es posible- para poder solucionarlas. Desarrollando la
ecuaci on (2-9) se tiene:
PA + A
T
P
_
_
PBK
.,,.
B
+K
T
B
T
P
_
_
< 0; P = P
T
> 0 (2-10)
Suponiendo que esta NMI es factible para P y K; entonces se puede denir una nueva variable
matricial
B
= PBK. La desigualdad matricial se transforma ahora en la LMI siguiente
_
_
P > 0
PA + A
T
P
_
B
+
B
T
_
< 0
(2-11)
La cual debe ser factible para P y
B
, con la condici on adicional de:
BK = P
1
B
; (2-12)
2.3 An alisis de Estabilidad con LMIs 15
Para la forma cuadr atica V(x) = x
T
Px, con V(x) > 0 para todos x 0, haciendo Q = P
1
se puede
obtener una equivalencia de la forma W(x) = x
T
Qx entonces W(x) > 0 para todo x 0. Seg un
[11] esto permite escribir la desigualdad (2-9) de la forma:
_
_
Q > 0
(A BK)Q + Q(A BK)
T
< 0
(2-13)
Expandiendo esta NMI (2-13) se tiene:
AQ + QA
T
_
BKQ + QK
T
B
T
_
< 0; Q = Q
T
> 0 (2-14)
Si se dene la variable
Q
= KQ (2-15)
Con lo cual la NMI (2-14) se transforma en la siguiente LMI respecto a las variables matriciales
Q,
Q
, se tiene:
_
_
Q > 0
AQ + QA
T
_
B
Q
+
T
Q
B
T
_
< 0
(2-16)
Si la NMI (2-13) es factible entonces lo es la LMI (2-16) para Q y
Q
. Una vez se ha solucionado
la anterior LMI se procede a obtener K de la ecuaci on:
KQ =
Q
(2-17)
Para que se pueda calcular K, debe satisfacerse la condici on:
K = Q
1
Q
(2-18)
Otra forma de solucionar la NMI (2-13) es aplicando reducci on de variables en matrices [6], [11].
2.3.3. Estabilizaci on por Retroalimentaci on de la Salida
Cuando se utiliza retroalimentaci on de la salida la se nal de control est a dada por:
u(t) = Ky(t) = KCx(t) (2-19)
Con lo cual las NMIs correspondientes quedan:
PA + A
T
P
_
_
PBK
.,,.
B
C + C
T
K
T
B
T
P
_
_
< 0; P = P
T
> 0 (2-20)
Para la NMI (2-20) se dene
B
= PBK como una nueva variable, con lo cual la NMI (2-20) se
transforma en la LMI siguiente:
PA + A
T
P
_
B
C + C
T
B
T
_
< 0; P = P
T
> 0 (2-21)
16 2 AN
ALISIS Y DISE

Si esta LMI es factible para P y
B
se procede a calcular K.
Como:
PBK =
B
BK = P
1
B
(2-22)
Otra forma es deniendo N
C
que es la matriz con los vectores base del subespacio nulo de la
matriz C [2]. Entonces la NMI (2-20) se le aplica las t ecnicas de reducci on de variables en matrices
descrito en la secci on (1.4). Pre-multiplicando la ecuaci on (2-20) por N
T
C
para reducir la expresi on
a:
N
T
C
PA + N
T
C
A
T
P
_
N
T
C
B
C + N
T
C
C
T
B
T
_
< 0; N
T
C
C
T
= 0
Pos-multiplicando la ecuaci on (2-20) por N
C
para reducir la expresi on a:
N
T
C
PAN
C
+ N
T
C
A
T
PN
C

_
N
T
C
B
CN
T
C
_
< 0; CN
C
= 0
Estas ecuaciones son factible si y solamente si la LMI (2-23) es factible para P.
N
T
C
_
PA + A
T
P
_
N
C
> 0 (2-23)
De la LMI (2-23) se obtiene P y se debe reemplazar en la NMI (2-20) para obtener K.
De igual forma en Q:
AQ + QA
T
_
BKCQ + QC
T
K
T
B
T
_
< 0 (2-24)
En cuanto a la NMI (2-24) se dene la variable
C
= KCQ con lo cual la NMI (2-24) se transforma
en la LMI:
AQ + QA
T
_
B
C
+
T
C
B
T
_
< 0 (2-25)
La otra forma de solucionar la NMI (2-24) es obteniendo la matriz N
T
B
de los vectores base del
subespacio nulo de la matriz B
T
. La NMI (2-24) es factible para Q y K si y solamente si la siguiente
LMI es factible para Q
N
T
B
_
AQ + QA
T
_
N
B
> 0 (2-26)
De esta LMI se obtiene Q y se reemplaza en la NMI (2-24) para obtener K
2.4. Control Multiobjetivo
Las LMIs son una herramienta para la formulaci on y el dise no de varios problemas de control. Un
problema multiobjetivo se reere a la sntesis de controladores que mezclan especicaciones en los
dominios del tiempo y frecuencia. Son importantes porque permiten m as exibilidad y precisi on
sobre el comportamiento en lazo cerrado. Ejemplos de ellos son H
2
/H
, asignaci on de polos,
condiciones de saturaci on o regulaci on, como se muestra en [17]. Normalmente, las especica-
ciones deseadas no pueden determinarse con una sola norma. Seg un [18], la minimizaci on de la
norma H
2
es buena para la atenuaci on de efecto de ruidos, pero no es valida, como s lo es la norma
H
, para conseguir robustez .

2.4 Control Multiobjetivo 17
Para [19], la aproximaci on por LMIs consiste en expresiones de cada especicaci on de control u
objetivo como una condici on adicional sobre una funci on cuadr atica de Lyapunov del sistema en
lazo cerrado internamente estable. El problema H
con asignaci on de polos en regiones convexas

es un ejemplo tpico de control multiobjetivo. Su soluci on se basa en una funci on de Lyapunov
com un. En esencia se impone una condici on adicional sobre la derivada de la funci on de Lyapunov.
En ocasiones no es posible lograr que en un mismo sistema se cumplan todas las especicaciones
con un solo controlador debido a los criterios de desempe no requeridos, incertidumbres del modelo
y robustez del sistema en lazo cerrado. Por tal motivo se pueden dise nar diversos controladores para
ciertos grupos de restricciones y/o modelos, para luego desarrollar una l ogica de conmutaci on entre
ellos que permitan la estabilizaci on y control del sistema [2].
2.4.1. Especicaciones de Desempe no Mediante Regiones de
Estabilidad
Una gran variedad de especicaciones de desempe no para sistemas de control pueden ser represen-
tadas mediante el uso de las LMIs. Como es el caso de la ubicaci on de polos en regiones convexas
del semiplano izquierdo del plano complejo, las cuales pueden ser expresadas como condiciones
LMIs sobre la matriz de Lyapunov P. Una regi on enmarcada por una LMI es cualquier regi on R
convexa del plano complejo que puede ser denida como:
R =
_
s C | L + sM + sM
T
< 0
_
(2-27)
Para la cual L = L
T
y M son matrices constantes reales y de las mismas dimensiones. Las regiones
mas utilizadas se describen:
Para la regi on representada por la ecuaci on (2-28), las especicaciones llevan a garantizar amor-
tiguamiento en el sistema, ver Figura 2-3(a).
R = {s C | s + s + 2 < 0, > 0} (2-28)
En la regi on expresada mediante (2-29), se garantiza un factor de amortiguamiento y oscilaci on
para un circulo de centro en (, 0) y radio r. Figura 2-3(b).
R =
_
s C |
_
r s +
s + r
_
< 0
_
(2-29)
Se identica adem as una regi on c onica representada mediante (2-30) en la cual se garantiza un
factor de amortiguamiento para los polos del sistema de por lo menos cos(), ver Figura 2-3(c).
R =
_
s C |
_
(s + s) sin() (s s) cos()
( s s) cos() (s + s) sin()
_
< 0
_
(2-30)
18 2 AN
ALISIS Y DISE

La expresi on (2-31) dene una banda vertical , ver Figura 2-3(d).
R =
_
s C |
_
(s + s) 2
1
0
0 (s + s) + 2
2
_
< 0
_
(2-31)
(a) Regi on (b) Regi on Circular
(c) Regi on C onica (d) Banda Vertical
Figura 2-3.: Regiones de estabilidad [2]
Las LMI son una herramienta mediante la cual se pueden analizar y simplicar el proceso de
dise no. Adem as aplicando propiedades como el complemento de Schur y reducci on de variables
se pueden plantear problemas de estabilidad y deducci on de controladores en un mismo proceso,
resolviendo las posibles desigualdades matriciales no lineales resultantes para este tipo de an alisis.
Por otra parte frecuentemente las caractersticas nominales de desempe no para sistemas de control
las cuales se eval uan en t erminos de los tiempos de establecimiento, tiempo de crecimiento, m axi-
mo sobrepico, comportamientos sobre o subamortiguados, etc. Est an ntimamente relacionadas
con la ubicaci on de los polos del sistema de lazo cerrado en una regi on convexa particular, estas
regiones convexas pueden ser expresadas como LMIs con la relaci on (P, PA, A
T
P) (1, s, s) co-
mo se cita en [6, 8].
3. LMI CONTROL TOOLBOX DE MATLAB.
3.1. Introducci on
En los ultimos a nos, los programas que ofrecen dar soluci on a las LMIs han surgido como he-
rramientas de alto nivel para resolver problemas de optimizaci on convexos basados en muchos
an alisis y aplicaciones de dise no, tales como control, identicaci on y dise no estructural. Uno de
ellos es el LMI Control Toolbox del Software Matlab.
El LMI Control Toolbox de Matlab es un programa de prop osito general totalmente integrado
para poder especicar y resolver problemas bajo el entorno de LMIs, ofreciendo herramien-
tas innovadoras para el an alisis de desigualdades lineales LMIs y un ambiente amistoso para el
usuario, con la posibilidad de desarrollar sus propias herramientas personalizadas as como aplica-
ciones basadas en LMIs. Cabe se nalar que el Toolbox de Matlab usa una estructura representativa
por medio de expresiones LMI que proporcionan una ayuda eciente minimizando requisitos de
memoria.
Figura 3-1.: Software LMI Control Toolbox de Matlab [1].
El LMI Control Toolbox, fue dise nado como una compuerta progresiva, f acil y r apida para el
crecimiento de las t ecnicas LMIs. Esta herramienta esta dirigida a usuarios interesados en aplicar
t ecnicas LMI en el dise no de control puesto este le presta una gran variedad de herramientas de alto
nivel para el an alisis y dise no de sistemas de lazo cerrado multivariables. algunas de las caractersti-
cas mas signicativas esta el LMI editor que agiliza el desarrollo de las LMIs, sin dejar a un lado
20 3 LMI CONTROL TOOLBOX DE MATLAB.
a usuarios con mayor experiencia cuenta con el LMI lab que proporciona un ambiente completo,
exible y completamente programable para desarrollar herramientas personalizadas basadas en
LMIs. La herramienta LMI Toolbox es ecaz para resolver problemas de LMIs que generalmente
tienen que ver con:
Factibilidad del problema.
Minimizaci on lineal del objeto bajo expresiones de tipo LMI.
Minimizaci on de valores propios generalizados.
Ingenieros de control han encontrado en las LMIs herramientas matem aticas convenientes para
expresar y combinar una variedad de especicaciones de dise no, tales como, introducci on de in-
certidumbres, rechazo a perturbaciones, an alisis de robustez y ubicaci on de polos. El LMI Control
Toolbox incluye adicionalmente herramientas para el an alisis y dise no de sistemas de control uti-
lizando t ecnicas de LMI tales como:
Estructura de datos compacta para una f acil manipulaci on de modelos mediante estado de
espacio.
Especicaci on y manipulaci on de sistemas din amicos con incertidumbre (sistemas lineales
invariantes en el tiempo, sistemas polit opicos, par ametros dependientes).
An alisis de robustez, en la que se incluyen diversas medidas de estabilidad robusta, basadas
principalmente en el an alisis de la teora de Lyapunov y en los criterios de Popov.
Dise no multiobjetivo de estados de retroalimentaci on.
Sntesis de salidas retroalimentadas y ubicaci on de polos.
Dise no de sistemas de control en lazo cerrado, entre otros.
Las herramientas y funciones que ofrece el Control Toolbox de Matlab para planteamiento y re-
soluci on de LMIs son muchas, de estas se trata de especicar solo aquellas que nos servir an a
lo largo del dise no de controladores aclarando que existen dos maneras de generar la descripci on
interna de un sistema LMI representado por:
Una secuencia de lmivar/lmiterm comandos que construyen la secuencia apoyados en otros
comandos que se presentan en la tabla 3-1.
Mediante lmiedit es el editor de LMI en donde las LMIs pueden ser especicadas directa-
mente como expresiones simb olicas pero en este caso no se utilizara este herramienta. Para
mayor informaci on ver [1, 20].
3.2 Soluci on de LMIs Mediante Control Toolbox de Matlab 21
3.2. Soluci on de LMIs Mediante Control Toolbox de Matlab
EL LMI Control Toolbox de Matlab implementa los m etodos del punto interior, algoritmos consi-
derados cl asicos en teora de optimizaci on convexa. Estos algoritmos tienen tiempo de resoluci on
polin omico, de orden MN
3
log(V/), siendo M el n umero de las del sistema LMI, N el n umero de
variables de decisi on, V factor de escala de los datos y la precisi on [1]. El LMI control Toolbox
implementa un algoritmo que no necesita un valor inicial (es decir una soluci on del sistema LMI)
dentro de esta herramienta se pueden encontrar funciones como las que aparecen en la tabla 3-1,
las cuales son las m as utilizadas con su respectiva descripci on.
newlmi Vincula e identica una nueva etiqueta para las LMIs
setlmis Inicializa la descripci on del sistema LMI
lmivar Dene una nueva variable de una matriz
lmiterm Especica los t erminos del contenido de una LMI
getlmis Brinda la descripci on interna de un sistema LMI
feasp Calcula la factibilidad de un sistema LMIs
dec2mat Arma una matriz con los valores de la variable de decisi on
lmiedit Interfaz gr aca para crear LMIs
Tabla 3-1.: Principales Funciones en LMI Control Toolbox [1].
newlmi
A nade etiqueta de informaci on de LMI, su sintaxis es:
fetiqueta=newlmi
newlmi a nade una nueva etiqueta para el sistema de LMI donde se escribe y devuelve
una etiqueta de identicaci on para la nueva LMI. Este identicador se puede utilizar en
lmiterm, showlmi, dellmi comandos para hacer referencia a la declaraci on de la LMI. newlmi
s olo sirve para facilitar el desarrollo del c odigo y facilitar su lectura. Los identicadores
pueden tener nombres mnemot ecnicos para ayudar a mantener un seguimiento de los diver-
sos LMI. Su valor no es m as que la clasicaci on de cada una de las LMI en el sistema (en
el orden de la declaraci on). Que es muy util cuando algunos LMI se elimina del sistema. En
tales casos, los identicadores son los medios m as seguros de referirse a la LMI restantes.
setlmi([ ])
Esta funci on inicializa la descripci on del sistema de LMIs. Cuando se crea un nuevo sistema
se escribe:
setlmis([ ])
Cuando se quiere a nadir a un sistema existente se escribe:
setlmis(sist1)
En donde sist1 es la representaci on interna del sistema. Siendo esta la primera linea de
comando antes de utilizar lmivar, lmiterm y otros.
lmivar
La funci on lmivar declara matrices variables dentro de un sistema LMI las cuales son
creadas una a la vez, esta funci on debe llevar un argumento compuesto por el tipo de matriz
y la estructura que la conforma, adicionalmente lmivar retorna datos adicionales para los
cuales:
- X identica el numero de la variable creada en lmivar
- n identica el numero total de variables de decisi on.
- sX matriz que muestra la dependencia de la entrada X en las variables de decisi on
X
1
, X
2
, ... , X
n
La sintaxis para la funci on:
X = lmivar (tipo, estructura)
[X, n, sX] = lmivar (tipo, estructura)
(3-1)
El tipo y estructura de matriz se dene de la siguiente manera:
Tipo1: Si la matriz es sim etrica con una estructura de bloque diagonal. Cada bloque
diagonal en tanto sea completo (matriz sim etrica arbitraria), escalar (un m ultiplo de la
matriz identidad) o cero de forma id entica. La matriz X denida en (3-1) tiene dimen-
siones cuadradas de m m, la estructura es descrita como:
estructura = [r , 1] ; Matriz cuadrada de dimensiones m m
estructura = [r , 0] ; Matriz identidad de dimensiones m m
estructura = [r , 1] ; Matriz 0 de dimensiones m m
En el cual r es el tama no de la matriz sim etrica mm. En el siguiente ejemplo se puede
apreciar la forma de utilizar el comando:
Para declarar y generar una matriz cuadrada de dimensiones (33) se implementa
de la forma:
setlmis([]); % Se inicializa el ambiente en lmi
[X,n,sX] = lmivar(1,[3,1])% Variable tipo 1
% como resultado
X = 1
n = 6
| 1 2 4 |
sX = | 2 3 5 |
| 4 5 6 |
Para declarar y generar una matriz identidad se utiliza la estructura [r, 0]:
% Se obtine
X = 1
n = 1
| 1 0 0 |
sX = | 0 1 0 |
| 0 0 1 |
Tipo 2: Si la matriz X denida en (3-1) tiene dimensiones m m, la estructura es
descrita como:
estructura = [i , j] ; Matriz con dimensiones m n
Para declarar y generar una matriz rectangular de dimensiones (4 3) se imple-
menta de la forma:
% Como resultado:
X = 1
n = 12
|1 2 3 |
sX = |4 5 6 |
|7 8 9 |
|10 11 12 |
Tipo 3: Si la matriz no corresponde a los casos anteriores y es necesario construir la
matriz con condiciones especiales con una estructura sosticada de variables se puede
denir con una variable tipo 3. Para especicar una variable X de tipo 3 se debe iden-
ticar cuantas entradas libres independientes est an involucrados en X, las cuales cons-
tituyen el conjunto de variables de decisi on asociadas con X. Si el problema implica n
variables de decisi on se etiquetan las nuevas variables libres como X
n+1
, ..., X
n+p
la es-
tructura de X se dene en termino de las anteriores variables [1]. Cada entrada de X es
especicada como cero (0) x
n
donde x
n
es la n- esima variable de decisi on. Mientras
la estructura es una matriz de igual dimensi on que X talque:
estructura[i, j] = 0 = Si la posici on X(i , j) = 0
estructura[i, j] = n = Si la posici on X(i , j) = x
n
estructura[i, j] = n = Si la posici on X(i , j) = x
n
Una estructura tipo 3 permite especicar las matrices variables con estructuras bas-
tantes complejas , considere una matriz X variable con estructura
X =
X
1
0
0 X
2
En el cual X
1
y X
2
son matrices rectangulares de 2x3 y 3x2 respectivamente.
setlmis ([ ]) % Se inicializa el ambiente lmi.
[X1 , n , SX1]=lmivar(2, [2, 3])% Variable tipo 2 de 2x3
[X2 , n , SX2]=lmivar(2, [3, 2])% Variable tipo 2 de 3x2
Las salidas de S X
1
y S X
2
tienen el contenido de las variables de decisi on:
S X
1
=
_
1 2 3
4 5 6
_
S X
2
=
_
_
7 8
9 10
11 12
_
_
Por ejemplo, sX
2
(1 , 1) = 7 signica que la entrada (1 , 1) de X
2
es la variable de
decisi on s eptima. Aplicando tipo 3 para especicar la variable X de la matriz y denir
su estructura en t erminos de X
1
y X
2
.
[X, n, SX] = lmivar (3, [SX1, zeros(2); zeros(3), SX2])
La variable S X resultante tiene la estructura establecida de la forma:
S X =
1 2 3 0 0
4 5 6 0 0
0 0 0 7 8
0 0 0 9 10
0 0 0 11 12
De esta forma se puede declarar el tipo de variable de la LMI y determinando cual es
la forma correcta para realizar posibles combinaciones de Variables matriciales. Adi-
cionalmente con la variable Tipo 3 se puede denir la matriz de variables de decisi on
X de la forma:
setlmis ([ ])% Se inicializa el ambiente lmi.
% Variable tipo 3 con terminos independientes
[X , n , SX]=lmivar(3,[0 0 0;1 0 0;0 2 0;0 0 3])
% Los terminos que contiene la matriz son:
X1 =
5
n =
3
SX =
0 0 0
1 0 0
0 2 0
0 0 3
lmiterm
Esta funci on permite especicar el contenido de una LMI y su sintaxis es:
lmiterm (termID, A, B, flag)
lmiterm especica los termino contenido por una LMI t ermino a t ermino. Aclarando que
lmiterm se reere a las condiciones elementales adicionales involucradas en la expresi on de
bloque de la matriz S IS TEM de la LMI. Antes de utilizar el comando lmiterm, la LMI debe
ser inicializada con setlmis y las variables de la matriz se debe declarar con lmivar. Cada
comando lmiterm a nade un termino adicional para la matriz S IS TEM en la LMI donde se
inuencian:
Factores externos.
T erminos constantes (matrices jas).
T erminos variables AXB o AX
T
B donde X es una variable de la matriz, en A y B se dan
los coecientes de las matrices denominadas terminos.
Cuando se describe una LMI con varios bloques, se debe especicar s olo los t erminos en
los bloques sobre o debajo de la diagonal (o equivalentemente, los t erminos en los bloques
en o por encima de la diagonal). Por ejemplo, especicar los bloques (1,1), (2,1) y (2,2) en
dos bloques de LMI.
En la sintaxis de limterm, termID es un vector de cuatro entradas de n umeros enteros que
especica la ubicaci on del termino y la variable de la matriz en cuesti on.
termID(1) =
_
+p
p
En el cual p es positivo para los t erminos en el lado izquierdo de la LMI p- esima y p es
negativo para los t erminos en el lado derecho de la p- esima LMI. El ndice p descifra el
orden de la LMI si es primera 1, si es segunda 2, etc. Por convenci on, el lado izquierdo
siempre se reere a la parte m as peque na de la LMI. El ndice p es relativa al orden de la
declaraci on y corresponde con el identicador guardado devuelto por newlmi.
termID(2 : 3) =
_
[0 , 0] por factores externos o constantes
[i , j] para los t erminos en la posici on (i , j)
termID(4) =
_
_
0 por factores externos o constantes
x para la variable de t erminos AXB
x para la variable de t erminos AX
T
B
En donde x es el identicador de la variable X de la matriz devuelta por lmivar, los argumen-
tos A y B contienen los datos num ericos y se establecen de acuerdo a la tabla 3.2.
Tipo de termino A B
Factor externo N Matriz de valor N Omitir
Termino constante C Matriz de valor C Omitir
Termino variable AXB o AX
T
B Matriz de valor A (1 si A ausente) Matriz de valor B(1 si B ausente)
Tabla 3-2.: Tipos de Argumentos para A y B [1].
El argumento adicional (ag) es opcional y s olo se reere a las expresiones conjugada de la
forma:
(AXB) + (AXB)
T
= AXB + B
T
X
T
A
T
En los bloques diagonales se establece flag = s el cual permite especicar expresiones
de este tipo con el comando lmiterm. Por ejemplo.
lmiterm ([1 1 1 X], A, 1)
lmiterm ([1 1 1 -X], 1, A)
La expresi on AX + X
T
A
T
en el bloque de la anterior LMI Puede ser expresada en una forma
compacta de la forma:
lmiterm ([1 1 1 X], A, 1, s)
Adem as de ser conveniente, este comando tambi en se convierte en una representaci on mas
eciente de las LMIs y fundamental a la hora de implementarlas.
getlmis
Este es un comando muy sencillo pero de gran utilidad, se utiliza despu es de completar la
correcta descripci on de un determinado sistema de LMIs con los comandos setlmi, lmivar,
lmiterm, guardando en la variable lmisys un vector columna con los valores para comprobar
que el sistema es cuadr aticamente estable, su sintaxis es:
lmisys = getlmis
feasp
Comando para calcular la factibilidad de LMIs. Se conoce como factibilidad el proceso
para encontrar un x R
n
(o matrices equivalentes X
1
, ..., X
k
) que satisfaga un sistema LMI:
A(x) < B(x), su sintaxis es de la forma:
[Tmin, xfeas] = feasp (lmisys, options, target)
La funci on f easp calcula una soluci on (si la hay) del sistema LMI en la variable x f eas des-
crita por lmisys. La salida x f eas es un valor factible del vector de las variables de decisi on
para que todas las LMIs sean resueltas.
Por ejemplo dado el sistema:
R
T
L(x)R M
T
R(x)M
x f eas es calculado mediante la resoluci on auxiliar del problema convexo y se logra mini-
mizando t que esta sujeta a:
R
T
L(x)R M
T
R(x)M tI
El mnimo global de este problema es el valor escalar t
min
devuelto como argumento de salida
por primera vez de f easp. las restricciones de la LMI son viables si t
min
0 y estrictamente
factible si t
min
< 0. Si el problema es factible, pero no es estrictamente factible, t
min
es posi-
tivo y muy peque no, si t
min
es negativo el sistema es factible. Entonces algunos an alisis pos-
teriores pueden ser necesarios para decidir si x f eas esta lo sucientemente cerca posible a 0.
El argumento opcional target establece un valor destino para t
min
. El c odigo de optimizaci on
termina tan pronto un valor de t se encuentra por debajo o alcanza a target. El valor prede-
terminado es target = 0.
Hay que tener en cuenta que x f eas es una soluci on en t erminos de las variables de decisi on
y no en t erminos de las variables de la matriz del problema. Se puede utilizar dec2mat para
derivar los valores factibles de las variables de la matriz x f eas.
Par ametros de Control options
Las opciones de argumento opcional permite el acceso a ciertos par ametros de control para el
algoritmo de optimizaci on. Este vector de cinco entrada se organiza de la siguiente manera:
Opci on (1) no se utiliza.
Opci on (2) establece el n umero m aximo de iteraciones permitidas a realizar por el
procedimiento de optimizaci on (100 por defecto).
Opci on (3) restablece el radio de viabilidad. Conguraci on de las opciones (3) a un
valor de R > 0 limita a un m as el vector de decisi on x = (x1, ... , x
n
) dentro de los
lmites
N
i=1
x
i
2
< R
2
(3-2)
En otras palabras, la norma euclidiana de x f eas no debe exceder R. El radio de via-
bilidad es un medio simple para controlar la magnitud de las soluciones. Tras la termi-
naci on, f easp muestra la saturaci on f-radio, es decir, la norma de la soluci on como un
porcentaje del radio R de viabilidad. Siendo este por defecto R = 109.
Opci on (4) ayuda a acelerar la terminaci on. Cuando se establece en un valor entero
J > 0, el c odigo se termina si t no disminuy o en m as de un uno por ciento en t erminos
relativos durante los ultimos J iteraciones. El valor por defecto es 10. Este par ametro
trabaja por fuera del r egimen en funci on de la precisi on. Si se establece en un valor bajo
(< 10), el c odigo termina r apidamente, pero sin garanta de exactitud. Por el contrario,
se produce un alto valor de convergencia natural a expensas de un n umero posiblemente
grande de iteraciones.
Opci on (5) se especica 1 si se desea apagar el trazo de ejecuci on del procedimiento
de optimizaci on, se utiliza 0 (por defecto) para el restablecimiento de la opci on 5 y
este inicie nuevamente. Ajustando los par ametros de las opciones a cero opciones =
0 correspondera a establecer los par ametros de control a su valor determinado por
defecto. En que el algoritmo de soluci on que trabaja el comando f easp se basan en la
viabilidad Nesterov y m etodos proyectivos Nemirovski [21, 22].
dec2mat
La funci on dec2mat se utiliza para armar una matriz Qs con los valores correspondientes
al vector de variables de decisi on, siendo estas las entradas de las matrices independientes
creadas con lmivar Q
1
, Q
2
, ..., Q
k
guardadas en Q como se muestra en la secci on 3.2. La
sintaxis para esta funci on es:
Qs = dec2mat (term1, term2, term3)
Deniendo los t erminos como:
term1 en esta variable se carga el vector (lmisys) generado por el comando getlmis 3.2.
term2 en esta variable se cargan los valores factibles del vector de las variables de
decisi on (x f eas) analizadas en el comando f easp.
term3 en esta variable se cargan los valores correspondientes al vector de variables
de decisi on, siendo estas las entradas de las matrices independientes creadas con el
comando lmivar.
3.3 Interfaz del lmiedit 29
Como ejemplo de los comandos descritos en esta secci on se implementa la LMI mostrada en
la ecuaci on (2-16) para un sistema por retroalimentaci on de estados, el cual se dene como:
_
_
Q > 0
AQ + QA
T
_
B
Q
+
T
Q
B
T
_
< 0
Aplicada a un actuador mec anico (Motor de CC), que provee directamente movimiento rota-
cional y adecuadamente acondicionado movimiento traslacional, para el cual se describe el
sistema de estados en [14] asumiendo una matriz A de dimensiones cuadradas (2 2) y B
matriz rectangular de dimensiones (1 2). La implementaci on de este sistema en Matlab
mediante LMIs se realiza de la forma:
Q=lmivar(1,[2 1]); % variable tipo 1 matriz cuadrada 2x2
Gamma_Q=lmivar(2,[1 2]); % variable tipo 2 matriz B 1x2
% Se especifica el contenido de la LMI
lmiterm([1 1 1 Q],A,1,s); % LMI A
*
Q+Q
*
A <0
lmiterm([1 1 1 Gamma_Q],B,-1,s);% LMI -(B
*
Gamma_Q+Gamma_Q
*
B)<0
lmiterm([-2 1 1 Q],1,1); % LMI Q >0
lmisys = getlmis;
[tmin,xfeas] = feasp(lmisys) % calcula la factivilidad
Qs=dec2mat(lmisys,xfeas,Q); % Solucion de Q
G_Qs=dec2mat(lmisys,xfeas,Gamma_Q);% Solucion de Gamma_Q
De esta forma se hace la implementaci on en Matlab de la LMI planteada en el ejemplo
anterior. Para un sistema con diferentes dimensiones en las matrices de estados el c odigo
solo hay que ajustar la declaraci on de las variables y sus respectivas dimensiones con el
comando lmivar.
3.3. Interfaz del lmiedit
La funci on lmiedit es una interfaz gr aca para ayudar al usuario a implementar un sistema de
LMIs. Al escribir lmiedit se llama a una ventana con dos areas de edici on de texto y varios
botones de funciones los cuales son de gran ayuda al momento de incursionar en los sistemas de
LMIs para los cuales se deben seguir los siguientes pasos:
1. Asignar un nombre al sistema en la parte superior de la ventana como se referencia en la
gura 3-2(a). Para este caso es UPC01, en la casilla variable name se declara cada variable
de la matriz de Lyapunov que se desea resolver.
2. Luego en la casilla Tipe(S, R, G) se especica el matriz seg un su tipo siendo S asignada
para una matriz sim etrica con una estructura de bloque diagonal, R asignada para una matriz
rectangular con estructura de [m n] y G para otros tipos de estructuras o combinaci on de
las anteriores.
3. Para el siguiente paso se asignan las dimensiones de la soluci on de la matriz de estado en la
casilla structure como se muestra en la gura 3-2(a).
4. Se procede a especicar la estructura de cada LMI como una expresi on de Matlab en la parte
inferior de la ventana.
5. Seleccionando la opci on view commands en la casilla superior e inferior con las cuales se
generan los c odigos que permiten resolver las LMIs. Entregando como resultado las lineas
de c odigo que implementan la LMI en Matlab como se puede ver en la gura 3-2(b).
(a) Planteamiento de la LMI (b) LMI como una cadena de matlab
Figura 3-2.: Interfaz lmiedit del Control Toolbox de Matlab.
Mediante el editor de LMIs se puede obtener la descripci on simb olica del sistema para implemen-
tarlo en Matlab expresada en t erminos de lmivar/lmiterm dejando claro que el lmiedit no resuelve
las LMIs, simplemente es una ayuda al momento de hacer la declaraci on e implementaci on de las
mismas siendo una ayuda ecaz para iniciar en el ambiente de LMIs. Estas tareas son realizadas
a trav es de los siguientes botones:
View commands: Visualizar la secuencia de comandos lmivar/lmiterm necesarios para es-
pecicar las LMIs dadas. gura 3-2(b).
Save: Guarda la descripci on de LMI como una cadena de Matlab.
Load: Carga una descripci on de LMI guardada como una cadena de Matlab previamente.
3.3 Interfaz del lmiedit 31
Read: Lee una serie de comandos lmivar/lmiterm desde un archivo.
Write: Escribe los comandos lmivar/lmiterm en un archivo.
Create: Genera la descripci on interna usada por el toolbox LMI. Esta representaci on es
acumulada en una variable nombrada despu es del sistema LMI.
De igual forma se implementa la LMI mostrada en la ecuaci on (2-16) que describe la LMI para
control por retroalimentaci on de estados, como se realizo en el ejemplo de la secci on 3.2. La
implementaci on en el lmiedit del ejemplo se muestra en la gura 3-3(a) y el c odigo generado
mediante el lmiedit se aprecia en la gura 3-3(b) recordando la LMI a implementar.
_
_
Q > 0
AQ + QA
T
_
B
Q
+
T
Q
B
T
_
< 0
(a) Planteamiento de las matrices y LMIs (b) LMIs como cadena de c odigo
Figura 3-3.: Implementaci on de LMIs en el lmiedit.
La LMI se plantea en el editor siguiendo las indicaciones planteadas en la secci on 3.3.
Resumiendo, los sistemas de LMIs se pueden expresar como matrices simbolicas mediante la
interfaz lmiedit del editor de LMI donde las LMIs pueden ser especicadas directamente, o por
una secuencia de comandos. La especicaci on de un sistema de LMI implica dos pasos:
1. Declara las dimensiones y la estructura de cada matriz variable con lmivar.
2. Describir el contenido de los t erminos de cada LMI con el comando lmiterm.
En los sistemas de LMIs no hay limitaci on en el n umero de LMIs que se puede especicarse o
en el n umero de bloques y t erminos declarados.
4. DISE
NO Y AN
ALISIS DE LAS
REGIONES DE DESEMPE
NO EN LMIs
MEDIANTE MATLAB
4.1. Introducci on
Este captulo busca establecer como objetivo de dise no la ubicaci on de polos en sistemas de lazo
cerrado los cuales estar an delimitados dentro una regi on LMI para cualquier subconjunto convexo
R del plano complejo que puede ser caracterizado por una LMI en s y s mostrada en las especi-
caciones de desempe no mediante regiones de estabilidad para el cual la din amica de los sistemas
pueden analizarse mediante la retroalimentaci on por estados y la retroalimentaci on de la salida,
desarrollada en el segundo capitulo. Para este capitulo se especicar a c omo se implementa cada
regi on y su desarrollo basado en criterios de el LMI Control Toolbox de Matlab.
4.2. An alisis de Desempe no Mediante Regiones de
Estabilidad por Retroalimentaci on de Estados
Mediante este concepto se realiza el an alisis y sntesis para el dise no de controladores por retroali-
mentaci on de estados mostrada en la gura 4-1. Colocando en practica las Regiones de desempe no
mas utilizadas y su respectiva implementaci on descritas a continuaci on:
Regi on por Retroalimentaci on de Estados
Esta regi on garantiza que el sistema presente un tiempo de respuesta m aximo determinado
por , que se utiliza para encontrar una matriz de ganancia retroalimentada que especi-
car a la ubicaci on de los polos en lazo cerrado dentro de la regi on . La desigualdad que
describe la regi on es:
PA + A
T
P + 2P < 0
De esta forma la matriz de estado A debe ser remplazada por la matriz de estado en lazo
cerrado A
lc
= A BK que describe al sistema de control por retroalimentaci on de variables
de estado expresada en la siguiente ecuaci on:
_
_
P > 0
P(A BK) + (A BK)
T
P + 2P < 0
(4-1)
4.2 An alisis de Desempe no Mediante Regiones de Estabilidad por Retroalimentaci on de
Estados 33
Figura 4-1.: Control por retroalimentaci on de variables de estado.
Seg un la NMI (4-1) se tiene:
P(A BK) + (A BK)
T
P + 2P < 0 (4-2)
Expandiendo la anterior ecuaci on se tiene:
PA + A
T
P
_
_
PBK
.,,.
B
+K
T
B
T
P
_
_
+ 2P < 0 (4-3)
Si la NMI es factible para P y K; entonces se puede denir una nueva variable matricial
B
= PBK. La desigualdad matricial se transforma ahora en la LMI siguiente:
PA + A
T
P
_
B
+
B
T
_
+ 2P < 0 (4-4)
Este sistema puede ser representado por la matriz Qestableciendo la forma cuadr atica V(x) =
x
T
Px, con V(x) > 0 para todos x 0, haciendo Q = P
1
se puede obtener una equivalencia
de la forma W(x) = x
T
Qx entonces W(x) > 0 para todo x 0. Seg un [11] esto permite
escribir la desigualdad (4-1) de la forma:
_
_
Q > 0
(A BK)Q + Q(A BK)
T
+ 2Q < 0
(4-5)
Expandiendo la NMI (4-5) se tiene:
AQ + QA
T
_
BKQ + QK
T
B
T
_
+ 2Q < 0 (4-6)
Si se dene la variable
Q
= KQ
34
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
Con lo cual la NMI (4-6) se transforma en la siguiente LMI:
AQ + QA
T
_
B
Q
+
T
Q
B
T
_
+ 2Q < 0 (4-7)
Si la NMI (4-5) es factible entonces lo es la LMI (4-7) para Q y
Q
. Una vez se ha solu-
cionado la anterior LMI el controlador de retroalimentaci on de estado que sit ua los polos de
lazo cerrado en la regi on se calculan como:
K = Q
1
Q
(4-8)
Aplicando el dise no de ubicaci on de polos en la regi on para el ejemplo citado en la secci on
3.2 con un desplazamiento se implementa la ecuaci on (4-7) en Matlab de la siguiente
forma:
Q=lmivar(1,[2 1]); % variable tipo 1 matriz 2x2
Gamma_Q=lmivar(2,[1 2]); % variable tipo 2 matriz 1x2
% se describen las LMIs termino a termino de la ecuacion (4-7)
lmiterm([1 1 1 Q],A,1,s); % A
*
Q+Q
*
A <0
lmiterm([1 1 1 Gamma_Q],B,-1,s);% -(B
*
Gamma_Q+Gamma_Q
*
B)<0
lmiterm([1 1 1 Q],2
*
alfa0,1); % 2
*
alfa
*
Q < 0
lmiterm([-2 1 1 Q],1,1); % Q >0
lmisys = getlmis; % Se comprueba la correcta
% descripcion del sistema
[tmin,xfeas] = feasp(lmisys) % solucion de las LMI
Qs=dec2mat(lmisys,xfeas,Q); % se arma la matriz Qs
Gammas=dec2mat(lmisys,xfeas,Gamma_Q);
K=Gammas
*
inv(Qs) % Ecuacion (4-8)
% Resuelve la matriz K
De esta forma se realiza la implementaci on en Matlab del sistema LMI que describe el dise no
por desplazamiento de polos en la regi on .
Regi on C onica con

Angulo por Retroalimentaci on de Estados
En esta regi on se garantiza un factor de amortiguamiento del sistema de por lo menos cos(),
debido a la restricci on de la parte imaginaria de los polos del sistema. La regi on convexa de
la secci on 2.4.1 en la ecuaci on (2-30) describe la regi on c onica que puede expresarse como:
_
(PA + A
T
P) sin() (PA A
T
P) cos()
(A
T
P PA) cos() (PA + A
T
P) sin()
_
< 0
De esta forma la matriz de estado A debe ser remplazada por la matriz de estado en lazo
cerrado A
lc
= A BK que describe al sistema de Control por retroalimentaci on de variables
Estados 35
de estado expresada en la siguiente ecuaci on:
_
(P(A BK) + (A BK)
T
P) sin() (P(A BK) (A BK)
T
P) cos()
((A BK)
T
P P(A BK)) cos() (P(A BK) + (A BK)
T
P) sin()
_
< 0 (4-9)
Expandiendo la NMI (4-9), considerando que esta NMI es factible para P y K, se puede
denir una nueva variable matricial
B
= PBK. La desigualdad matricial se transforma
ahora en la LMI siguiente:
_
_
(PA + A
T
P) sin() (
T
B
+
B
) sin() (PA A
T
P) cos() (
B

T
B
) cos()
(A
T
P PA) cos() (
T
B

B
) cos() (PA + A
T
P) sin() (
T
B
+
B
) sin()
_
_
< 0
De forma similar se plantea la LMI que describe la regi on c onica respecto a la matriz de
estados Q = P
1
remplazada en la ecuaci on (4-9), expandiendo se escribe de la siguiente
forma:
_
_
(AQ + QA
T
) sin() (QK
T
B
T
+ BKQ) sin() (AQ QA
T
) cos() (BKQ QK
T
B
T
) cos()
(QA
T
AQ) cos() (QK
T
B
T
BKQ) cos() (AQ + QA
T
) sin() (QK
T
B
T
+ BKQ) sin()
_
_
< 0
(4-10)
Deniendo una variable matricial
Q
= KQ y remplazarla en la ecuaci on (4-10) esta expre-
si on se ajusta a la NMI para convertirla en la LMI (4-11) mostrada a continuaci on:
_
_
(AQ + QA
T
) sin() (
T
Q
B
T
+ B
Q
) sin() (AQ QA
T
) cos() (B
Q

T
Q
B
T
) cos()
(QA
T
AQ) cos() (
T
Q
B
T
B
Q
) cos() (AQ + QA
T
) sin() (
T
Q
B
T
+ B
Q
) sin()
_
_
< 0
(4-11)
Aplicando el dise no de ubicaci on de polos en la regi on c onica para el ejemplo citado en
la secci on 3.2 con un angulo de apertura se implementa la LMI descripta en la ecuaci on
(4-11) en Matlab.
Gamma_Q=lmivar(2,[1 2]); % variable tipo 2 matriz rectangular 1x2
%-----------------------------------------------------------------
% PRIMER TERMINO
%
% ( A
*
Q + Q
*
A )
*
sin(tetha) -( B
*
Gamma_Q + Gamma_Q
*
B)
*
sin(tetha)
%
lmiterm([1 1 1 Q],A
*
sin(tetha),1,s); % (A
*
Q+Q
*
A)
*
sin(tetha) < 0
% -(B
*
Gamma_Q+Gamma_Q
*
B)
*
sin(tetha) < 0
lmiterm([1 1 1 Gamma_Q],B
*
sin(tetha),-1,s);
36
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
%-----------------------------------------------------------------
% SEGUNDO TERMINO
%
% ( A
*
Q - Q
*
A )
*
cos(tetha) -( B
*
Gamma_Q - Gamma_Q
*
B)
*
sin(tetha)
%
lmiterm([1 1 2 Q],A
*
cos(tetha),1); % (Q
*
A)
*
cos(tetha) < 0
lmiterm([1 1 2 Q],-1,A
*
cos(tetha)); % - Q
*
A
*
cos(tetha) < 0
*
cos(tetha),-1); %- B
*
Gamma_Q
*
cos(tetha)<0
lmiterm([1 1 2 -Gamma_Q],1,B
*
cos(tetha));%+Gamma_Q
*
B
*
cos(tetha)<0
%-----------------------------------------------------------------
% TERCER TERMINO
% Recordando que cuando se describe una LMI con varios bloques
%solo se especifican los terminos en los bloques en o por encima
% de la diagonal. (1,1) ; (1,2) ; (2,2)
%-----------------------------------------------------------------
% CUARTO TERMINO
%
% ( A
*
Q + Q
*
A )
*
sin(tetha) -( B
*
Gamma_Q + Gamma_Q
*
B)
*
sin(tetha)
%
% (A
*
Q+Q
*
A)
*
sin(tetha) < 0
lmiterm([1 2 2 Q],A
*
sin(tetha),1,s);
% -(B
*
Gamma_Q+Gamma_Q
*
B)
*
sin(tetha) < 0
*
sin(tetha),-1,s);
lmiterm([-2 1 1 Q],1,1); % Q > 0
[tmin,xfeas] = feasp(lmisys) % Se calcula la solucion de las LMIs
Qs=dec2mat(lmisys,xfeas,Q); % se arma la matriz Qs de solucion
Gammas=dec2mat(lmisys,xfeas,Gamma_Q);% se arma la matriz Gammas
K=Gammas
*
inv(Qs) % Resuelve la matriz K
De esta forma se realiza la implementaci on en Matlab del sistema LMI que describe el dise no
por desplazamiento de polos dentro de la regi on c onica .
Regi on Banda Vertical Delimitada por [
1
,
2
] por Retroalimentaci on
de Estados
Para la regi on representada por la ecuaci on (2-31), las especicaciones llevan a garantizar
amortiguamiento en el sistema y una ubicaci on de polos dentro delimitada por [
1
,
2
],
la LMI que describe la regi on banda vertical en funci on de la matriz de estados P la cual es
Estados 37
representada en la siguiente LMI:
_
(PA + A
T
P) + 2
1
P 0
0 PA + A
T
P 2
2
P
_
< 0 (4-12)
Remplazando la matriz caracterstica A por su correspondiente en lazo cerrado A
lc
= ABK
en la ecuaci on (4-12), como se muestra en la ecuaci on (4-13).
_
_
PBK + K
T
B
T
P (PA + A
T
P) + 2
1
P 0
0 PA + A
T
P (PBK + K
T
B
T
P) 2
2
P
_
_
< 0 (4-13)
La ecuaci on (4-13) se puede resolver haciendo una variable matricial
B
= PBK como se
describe en la ecuaci on (4-14):
_
B
+
B
T
(PA + A
T
P) + 2
1
P 0
0 PA + A
T
P (
B
+
B
T
) 2
2
P
_
< 0 (4-14)
Estas LMIs se pueden resolver mediante la t ecnica de espacio nulo.
De forma semejante se plantea la LMI que describe la regi on banda vertical respecto a la
matriz de estados Q = P
1
remplazada en la ecuaci on (4-13), representada en la siguiente
ecuaci on:
_
_
BKQ + QK
T
B
T
(AQ + QA
T
) + 2
1
Q 0
0 AQ + QA
T
(BKQ + QK
T
B
T
) 2
2
Q
_
_
< 0 (4-15)
La soluci on de esta NMI se logra deniendo una variable matricial
Q
= KQ y remplazada
en la ecuaci on (4-15), se obtiene la ecuaci on (4-16).
_
B
Q
+
Q
T
B
T
(AQ + QA
T
) + 2
1
Q 0
0 AQ + QA
T
(B
Q
+
Q
T
B
T
) 2
2
Q
_
< 0
(4-16)
Resolviendo la LMI (4-16) se encuentra la variable matricial
Q
, si la LMI (4-16) es factible
para Q y
Q
de la cual es posible obtener la matriz de retroalimentaci on de estados K de la
forma:
K =
Q
Q
1
(4-17)
Aplicando el dise no de ubicaci on de polos en la regi on banda vertical para el ejemplo citado
en la secci on 3.2, previamente denida una regi on que limita los polos en [
1
,
2
]. El
c odigo de implementaci on de la LMI (4-16) en Matlab es de la siguiente forma:
38
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
% Se define la LMI de la ecuacion 4-16 termino a termino
%----------------------------------------------------------------
% PRIMER TERMINO
% B
*
Gamma_Q+Gamma_Q
*
B-(A
*
Q+Q
*
A)+2
*
alfa1
*
Gamma_Q < 0
lmiterm([1 1 1 Gamma_Q],B,1,s); % B
*
Gamma+Gamma
*
B < 0
lmiterm([1 1 1 Q],A,-1,s); % -(A
*
Q+Q
*
A) < 0
lmiterm([1 1 1 Q],2
*
alfa1,1); % -2
*
alfa1
*
Gamma_Q < 0
%----------------------------------------------------------------
% SEGUNDO TERMINO
% A
*
Q+Q
*
A-(B
*
Gamma_Q+Gamma_Q
*
B)-2
*
alfa1
*
Gamma_Q < 0
lmiterm([1 2 2 Q],A,1,s); % A
*
Q+Q
*
A < 0
lmiterm([1 2 2 Gamma_Q],B,-1,s); % -(B
*
Gamma+Gamma
*
B)<0
lmiterm([1 2 2 Q],2
*
alfa2,-1); % -2
*
alfa2
*
Q < 0
lmiterm([-2 1 1 Q],1,1); % Q > 0
[tmin,xfeas] = feasp(lmisys) % solucion del sistema LMI
Qs=dec2mat(lmisys,xfeas,Q); % se arma la matriz Qs
K=Gammas
*
inv(Qs)
De esta manera se encuentra la matriz de control K que cumple las condiciones de dise no
especicadas por la regi on banda vertical.
Regi on Circular por Retroalimentaci on de Estados
En la regi on circular expresada mediante la ecuaci on (2-29), se garantiza un factor de amor-
tiguamiento y oscilaci on para un circulo de centro en () y radio r. Para plantear la soluci on
se debe encontrar la matriz K de control que cumpla las condiciones de dise no. Las LMIs
que describen la regi on circular respecto a la matriz de estado P para un sistema por retro-
alimentaci on de estados se aprecia en la ecuaci on (4-18):
_
rP PA PBK + P
A
T
P K
T
B
T
P + 2P rP
_
< 0 (4-18)
La ecuaci on (4-18) se puede resolver haciendo una variable matricial
B
= PBK
_
rP PA
B
+ P
A
T
P
B
T
+ 2P rP
_
< 0 (4-19)
Estados 39
De forma semejante se plantea la LMI que describe la regi on circular respecto a la matriz de
estados Q = P
1
remplazada en la ecuaci on (4-18), de la cual es posible plantear la relaci on
respecto a la variable matricial Q.
_
rQ AQ BKQ + Q
QA
T
QK
T
B
T
+ 2Q rQ
_
< 0 (4-20)
Q
= KQ remplazando en la ecuaci on (4-20), con el n
de llevar la NMI (4-20) y convertirla en la LMI (4-21), como se muestra a continuaci on
_
rQ AQ B
Q
+ Q
QA
T

Q
T
B
T
+ 2Q rQ
_
< 0 (4-21)
Resolviendo la LMI (4-16) se obtienen la variable matricial
Q
de la cual es posible obtener
la matriz de retroalimentaci on K cumpliendo la condici on que la LMI (4-21) debe ser factible
para Q y
Q
y sera posible obtener la matriz K como se describe en la ecuaci on (4-22) :
K =
Q
Q
1
(4-22)
Aplicando el dise no de ubicaci on de polos en la regi on circular para el ejemplo descrito en
la secci on 3.2 con una regi on que limita los polos en ( , r) se implementa la LMI (4-21)
en Matlab de la siguiente forma:
%-----------------------------------------------------------------
% PRIMER TERMINO
lmiterm([1 1 1 Q],-r,1); % -r
*
Q < 0
%-----------------------------------------------------------------
% SEGUNDO TERMINO
lmiterm([1 1 2 Q],A,1); % A
*
Q < 0
lmiterm([1 1 2 Gamma_Q],-B,1);% -B
*
Gamma_Q < 0
lmiterm([1 1 2 Q],alfa0,1); % alfa0
*
Q < 0
%-----------------------------------------------------------------
% CUARTO TERMINO
lmiterm([1 2 2 Q],-r,1); % -r
*
Q < 0
lmiterm([-2 1 1 Q],1,1); % Q > 0
40
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
K=Gammas
*
4.3. Implementaci on de Algoritmos para An alisis de
Estabilidad por Retroalimentaci on de la Salida
Mediante este concepto se realiza el an alisis y sntesis para el dise no de controladores por retro-
alimentaci on de la salida mostrada en la gura 4-2. De forma similar como se implementaron
en la secci on 4.2 se plantean las LMI respecto a las regiones de dise no por ubicaci on de polos
la se nal de control esta dada por u(t) = KCx(t) obteniendo la matriz de estado en lazo cerrado
A
lc
= A BKC representada en las regiones de desempe no:
Figura 4-2.: Control por retroalimentaci on de variables de salida.
Regi on por Retroalimentaci on de la Salida
La LMI que representa la regi on se describe en la ecuaci on (2-28) la cual se puede expresar
como una relaci on (P, PA, A
T
P) descrita de la forma:
PA + A
T
P + 2P < 0
Donde la matriz de estados A se remplaza por su correspondiente expresi on en lazo cerrado
por retroalimentaci on de la salida A
lc
= A BKC expresada de la forma:
P(A BKC) + (A BKC)
T
P + 2P < 0 (4-23)
Expandiendo la LMI de la ecuaci on (4-23) se tiene la NMI (4-24):
4.3 Implementaci on de Algoritmos para An alisis de Estabilidad por Retroalimentaci on de la
Salida 41
PA + A
T
P
_
_
PBK
.,,.
B
C + C
T
K
T
B
T
P
_
_
+ 2P < 0 (4-24)
Considerando que la NMI (4-24) es factible para P y K; entonces se puede denir una nueva
variable matricial
B
= PBK. La NMI se transforma ahora en la LMI (4-25):
PA + A
T
P
_
B
C + C
T
B
T
_
+ 2P < 0 (4-25)
Una forma de solucionar la LMI (4-25) es deniendo N
C
que es la matriz con los vectores
base del subespacio nulo de la matriz C [2]. Entonces la NMI (4-24) es factible si y sola-
mente si la LMI (4-26) es factible para P.
N
T
C
_
PA + A
T
P
_
N
C
> 0 (4-26)
De esta LMI se obtiene P y se debe reemplazar en la NMI (4-24) para resolver esta nueva
LMI en funci on de K.
Otra forma de soluci on es deniendo Q = P
1
se puede obtener una equivalencia en W(x) =
x
T
Qx entonces W(x) > 0 para todo x 0. Seg un [11] esto permite escribir la desigualdad
de la regi on (4-24) por retroalimentaci on de las salidas como:
AQ + QA
T
_
BKCQ + QC
T
K
T
B
T
_
+ 2Q < 0 (4-27)
En cuanto la NMI (4-27) se dene una variable matricial
C
= KCQ con la cual la NMI
(4-27) se transforma en la LMI:
AQ + QA
T
_
B
C
+
T
C
B
T
_
+ 2Q < 0 (4-28)
Se puede resolver si la LMI (4-28) es factible para Q y
C
, con la condici on que la matriz
de salida C seauna matriz cuadrada y es posible calcular K de la siguiente forma:
C
= KCQ = K =
C
(QC)
1
(4-29)
La otra forma de solucionar la NMI (4-27) es obteniendo la matriz N
T
B
de los vectores base
del subespacio nulo de la matriz B
T
. La NMI (4-27) es factible para Q y K si y solamente si
la siguiente LMI es factible para Q
N
T
B
_
AQ + QA
T
_
N
B
> 0, Q = Q
T
> 0 (4-30)
De esta LMI se obtiene Q y se reemplaza en la NMI (4-27) para obtener K.
Aplicando el dise no de ubicaci on de polos en la regi on () para el ejemplo citado en la sec-
ci on 3.2 con un desplazamiento previamente especicado, se implementa la LMI descrita
en la ecuaci on (4-28) en Matlab.
42
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
setlmis([]); % Se inicializa el ambiente
nullTB=null(B) % nulo de BT
% y se resuelve mediante espacio nulo ecuacion (4-30)
% N_B( A
*
Q + Q
*
A+2
*
alfa0
*
Q)N_B > 0
lmiterm([1 1 1 Q],nullTB,A
*
nullTB,s);
lmiterm([1 1 1 Q],2
*
alfa0
*
nullTB,nullTB);
lmiterm([-2 1 1 Q],1,1);
lmiQ = getlmis;
[tmin,Qfac] = feasp(lmiQ) % Se calcula la solucion de las LMIs
Q=dec2mat(lmiQ,Qfac,Q);
% Se obtiene Q y se remplaza en la ecuacion (4-27) :
% A
*
Q + Q
*
A - (Q
*
C
*
K
*
B+B
*
K
*
C
*
Q)+2
*
alfa0
*
Q < 0
% reduciendo la LMI a: T1=A
*
Q + Q
*
A + 2
*
alfa0
*
Q
%------------------------------------------------------------------
% SE RESUELVE LA LMI de la ecucion (4-27) con los valores de la
% variable matricial Q obtenidos:
setlmis([]);
k=lmivar(2,[1 2]);
T1=A
*
Q+Q
*
A+2
*
alfa0
*
Q;
lmiterm([1 1 1 0],T1);
lmiterm([1 1 1 k],-B,C
*
Q,s); % T1 - (Q
*
C
*
K
*
B + B
*
K
*
C
*
Q) < 0
lmik=getlmis;
[tmin,Kfac] = feasp(lmik)
K=dec2mat(lmik,Kfac,k); % Solucion de la matriz de retroalimentacion
Regi on C onica con

Angulo por Retroalimentaci on de la Salida
En esta regi on se garantiza un factor de amortiguamiento del sistema de por lo menos cos(),
debido a la restricci on de la parte imaginaria de los polos del sistema, convirti endola en
una de las regiones mas utilizadas en el dise no de controladores basados en desigualdades
matriciales lineales. La regi on convexa de la ecuaci on (2-30) describe la regi on c onica, la
Salida 43
desigualdad que describe esta regi on se puede expresar como:
_
(PA + A
T
P) sin() (PA A
T
P) cos()
(A
T
P PA) cos() (PA + A
T
P) sin()
_
< 0 (4-31)
De la ecuaci on (4-31) la matriz de estado A debe ser remplazada por la matriz de estado en
lazo cerrado A
lc
= A BKC que describe al sistema de Control por retroalimentaci on de
variables de salida expresada en la siguiente ecuaci on:
_
_
(P(A BKC) + (A BKC)
T
P) sin() (P(A BKC) (A BKC)
T
P) cos()
((A BKC)
T
P P(A BKC)) cos() (P(A BKC) + (A BKC)
T
P) sin()
_
_
< 0 (4-32)
Expandiendo la NMI (4-32), considerando que esta NMI es factible para P y K, se puede
denir una nueva variable matricial
B
= PBK. La desigualdad matricial se transforma ahora
en la LMI siguiente:
_
11

12
21

22
_
< 0
11
= (PA + A
T
P) sin() (
B
C + C
T
T
B
) sin()
12
= (PA A
T
P) cos() (
B
C C
T
T
B
) cos()
21
= (A
T
P PA) cos() (C
T
T
B

B
C) cos()
22
= (PA + A
T
P) sin() (
B
C + C
T
T
B
) sin()
(4-33)
De manera similar la regi on LMI (4-33) se puede expresar en funci on de la matriz Q = P
1
,
para luego expandirse en funci on de la variable matricial Q:
_
11

12
21

22
_
< 0
11
= (AQ + QA
T
) sin() (BKCQ + QC
T
K
T
B
T
) sin()
12
= (AQ QA
T
) cos() (QC
T
K
T
B
T
BKCQ) cos()
21
= (QA
T
AQ) cos() (BKCQ QC
T
K
T
B
T
) cos()
22
= (AQ + QA
T
) sin() (BKCQ + QC
T
K
T
B
T
) sin()
(4-34)
C
= KCQ y remplazarla en la ecuaci on (4-34) esta ex-
presi on se ajusta a la NMI para convertirla en la LMI (4-35) mostrada a continuaci on:
_
11

12
21

22
_
< 0
11
= (AQ + QA
T
) sin() (
T
C
B
T
+ B
C
) sin()
12
= (AQ QA
T
) cos() (B
C

T
C
B
T
) cos()
21
= (QA
T
AQ) cos() (
T
C
B
T
B
C
) cos()
22
= (AQ + QA
T
) sin() (
T
C
B
T
+ B
C
) sin()
(4-35)
44
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
La otra forma de solucionar la LMI (4-35) es por espacio nulo explicados en la secci on 2.3.3
obteniendo la matriz N
T
B
de los vectores base del subespacio nulo de la matriz B.
N
T
B
_
AQ + QA
T
_
sin()N
B
> 0
N
T
B
_
AQ QA
T
_
cos()N
B
> 0
N
T
B
_
QA
T
AQ
_
cos()N
B
> 0
N
T
B
_
AQ + QA
T
_
sin()N
B
> 0
(4-36)
Aplicando el dise no de ubicaci on de polos en la regi on c onica () para el ejemplo citado en la
secci on 3.2 con un angulo de apertura que reducir a los sobrepicos del sistema, se resuelve
la LMI descrita en la ecuaci on (4-35) por medio del espacio nulo mostrado en la ecuaci on
(4-36) en Matlab.
% con el fin de encontrar la variable matricial
%-----------------------------------------------------------------
% N_B ( A
*
Q + Q
*
A)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
% N_B ( A
*
Q - Q
*
A)
*
cos(theta)N_B > 0
lmiterm([1 2 1 Q],nullTB
*
A,cos(theta)
*
nullTB);
lmiterm([1 2 1 Q],-nullTB,A
*
cos(theta)
*
nullTB);
% N_B ( Q
*
A - A
*
Q)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
lmiterm([-2 1 1 Q],1,1); % Q > 0
lmiQ = getlmis;
[tmin,Qfac] = feasp(lmiQ); % Se calcula la solucion de las LMIs
Q=dec2mat(lmiQ,Qfac,Q); % se arma la matriz Q
%-----------------------------------------------------------------
% se implementa Q en la LMI DE LA REGI
ON CONICA
%
% [ ( s + s" )
*
sin(tetha) ( s - s" )
*
cos(tetha) ]
% [ ]
% [ ( s" - s )
*
sin(tetha) ( s + s" )
*
sin(tetha) ]
%
K=lmivar(2,[1 2]); % variable tipo 2 matriz 1x2
T1=A
*
Q+Q
*
A;
Salida 45
T2=A
*
Q-Q
*
A;
%-----------------------------------------------------------------
% -( B
*
K
*
C
*
Q + Q
*
C
*
KB)
*
sin(theta) < 0
lmiterm([2 1 1 0],T1
*
sin(theta));
lmiterm([2 1 1 K],-B,C
*
Q
*
sin(theta),s);
% -( Q
*
C
*
KB - B
*
K
*
C
*
Q )
*
cos(theta) < 0
*
cos(theta));
lmiterm([2 2 1 K],B,C
*
Q
*
cos(theta));
lmiterm([2 2 1 -K],Q
*
C,-B
*
cos(theta));
% -( B
*
K
*
C
*
Q + Q
*
C
*
KB)
*
sin(theta) < 0
*
sin(theta));
*
Q
*
sin(theta),s);
lmik=getlmis;
K=dec2mat(lmik,Kfac,K);
De esta forma se encuentran los valores de la matriz de retroalimentaci on de salida K
Regi on Banda Vertical Delimitada en [
1
,
2
] por Retroalimentaci on
de la Salida
Para la regi on representada por la ecuaci on (2-31), las especicaciones llevan a garantizar
amortiguamiento en el sistema y una ubicaci on de polos limitados en [
1
,
2
] denidas
en la regi on. La LMI que describe la regi on banda vertical en funci on de la matriz de estados
P la cual es representada en la siguiente LMI:
_
(PA + A
T
P) + 2
1
P 0
0 PA + A
T
P 2
2
P
_
< 0 (4-37)
Remplazando la matriz caracterstica A por A
lc
= A BKC en la ecuaci on (4-37) y luego se
expande como se muestra en la ecuaci on (4-38).
_
_
PBKC + C
T
K
T
B
T
P (PA + A
T
P) + 2
1
P 0
0 PA + A
T
P (PBKC + C
T
K
T
B
T
P) 2
2
P
_
_
< 0
(4-38)
La NMI se puede resolver haciendo una variable matricial
B
= PBK y remplazarla en la
ecuaci on (4-38) obteniendo la LMI siguiente:
_
B
C + C
T
B
T
(PA + A
T
P) + 2
1
P 0
0 PA + A
T
P (
B
C + C
T
B
T
) 2
2
P
_
< 0
(4-39)
46
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
De forma semejante se plantea la LMI que describe la regi on banda vertical respecto a la
matriz de estados Q = P
1
remplazada en la ecuaci on (4-38), para la cual expandiendo sus
t erminos se representa de la forma:
_
_
BKCQ + QC
T
K
T
B
T
(AQ + QA
T
) + 2
1
Q 0
0 AQ + QA
T
(BKCQ + QC
T
K
T
B
T
) 2
2
Q
_
_
< 0
(4-40)
C
= KCQ como se observa en la ecuaci on (4-16) se
convierte la NMI (4-40) en la LMI (4-41).
_
B
Q
+
Q
T
B
T
(AQ + QA
T
) + 2
1
Q 0
0 AQ + QA
T
(B
Q
+
Q
T
B
T
) 2
2
Q
_
< 0
(4-41)
Si la LMI (4-41) es factible para Q y
C
se procede a calcular K con la condicional que la
matriz C sea de dimensiones cuadrada y se obtiene:
C
= KCQ = K =
C
(QC)
1
(4-42)
La otra forma de solucionar la LMI (4-41) es mediante la representaci on de el espacio nulo
explicados en la secci on 2.3.3. Aplicando el dise no de ubicaci on de la regi on banda vertical
para el ejemplo citado en la secci on 3.2 con una regi on que limita los polos en [
1
,
2
]
previamente denida, se implementa la LMI (4-41) en Matlab de la siguiente forma:
nullTB=null(B); % nulo de BT
%-----------------------------------------------------------------
% PRIMER TERMINO ECUACI
ON (4-41)
% N_B -( Q
*
A + A
*
Q - 2
*
alfa1
*
Q)N_B > 0
lmiterm([1 1 1 Q],nullTB,-A
*
nullTB,s);
lmiterm([1 1 1 Q],nullTB,2
*
alfa1
*
nullTB);
%-----------------------------------------------------------------
% CUARTO TERMINO ECUACI
ON (4-41)
% N_B ( Q
*
A + A
*
Q - 2
*
alfa2
*
Q)N_B > 0
*
nullTB,s);
lmiterm([1 1 1 Q],nullTB,-2
*
alfa2
*
nullTB);
lmiterm([-2 1 1 Q],1,1); % Q > 0
lmiQ = getlmis;
[tminx,Qfac] = feasp(lmiQ); % Se calcula la solucion de las LMIs
Salida 47
%-----------------------------------------------------------------
ON BANDA VERTICAL
%
% | -( s + s" ) + 2
*
Aalfa1 0 |
% | | < 0
% | 0 ( s + s" ) - 2
*
Aalfa2 |
T1=2
*
alfa1
*
Q-(A
*
Q+Q
*
A);
T2=A
*
Q+Q
*
A-2
*
alfa2
*
Q;
%lmiterm([-2 1 1 Q],1,1);
%-----------------------------------------------------------------
% PRIMER TERMINO ECUACI
ON (4-40)
lmiterm([2 1 1 0],T1);
lmiterm([2 1 1 K],B,C
*
Q,s); % B
*
K
*
C
*
Q+Q
*
C
*
K
*
B < 0
%-----------------------------------------------------------------
% El segundo y tercer termino son iguales a cero (0)
%-----------------------------------------------------------------
% CUARTO TERMINO ECUACI
ON (4-40)
lmiterm([2 2 2 0],T2);
*
Q,s); %-(B
*
K
*
C
*
Q+Q
*
C
*
K
*
B)< 0
lmik=getlmis;
Mediante este c odigo se implementa la regi on banda vertical la cual es una buena opci on al
momento de dise nar para obtener una respuesta bastante r apida pero con sobrepicos en el
sistema.
Regi on Circular (, r) por Retroalimentaci on de la Salida
La NMI que representa la regi on circular por retroalimentaci on de la salida respecto a la
matriz de estados P se expresa de la forma:
_
rP PA PBKC + P
A
T
P C
T
K
T
B
T
P + P rP
_
< 0 (4-43)
Suponiendo que la NMI (4-43) es factible para P y K; entonces se puede denir una nueva
variable matricial
B
= PBK. La NMI se transforma ahora en la LMI siguiente:
48
4 DISE
NO Y AN
NO EN LMIs MEDIANTE
MATLAB
_
rP PA
B
C + P
A
T
P C
T
B
T
+ P rP
_
< 0 (4-44)
La LMI (4-43) puede ser expresada en funci on de la matriz Q = P
1
, la cual describe la
regi on circular respecto a la matriz de estado Q descrita como:
_
rQ AQ BKCQ + Q
QA
T
QC
T
K
T
B
T
+ Q rQ
_
< 0 (4-45)
Considerando la NMI (4-45) es factible para Q y K se dene una nueva variable matricial
C
= KCQ para obtener la ecuaci on (4-46). En cuanto a la NMI se transforma ahora en la
LMI siguiente:
_
rQ AQ B
C
+ Q
QA
T

C
B
T
+ Q rQ
_
< 0 (4-46)
La LMI (4-46) debe ser factible para Q y
C
como condici on la matriz C debe ser cuadrada
para calcula K en la ecuaci on (4-47):
C
= KCQ = K =
C
(QC)
1
(4-47)
Aplicando el dise no de ubicaci on de polos en la regi on circular, para el ejemplo citado en
la secci on 3.2 con las matrices previamente denidas, se dene un desplazamiento y un
radio de circunferencia r, por lo cual se implementa la LMI descrita en la ecuaci on (4-35)
en Matlab.
setlmis([]); % Se inicializa el ambiente LMI
Gamma_C=lmivar(2,[1 2]); % variable tipo 2 matriz rectangular 1x2
%-----------------------------------------------------------------
% PRIMER TERMINO
lmiterm([1 1 1 Q],r,-1); % -r
*
Q < 0
%-----------------------------------------------------------------
% SEGUNDO TERMINO
lmiterm([1 1 2 Q],A,1); % A
*
Q < 0
lmiterm([1 1 2 Gamma_C],B,-1);% -B
*
Gamma_C < 0
*
Q < 0
%-----------------------------------------------------------------
% CUARTO TERMINO
lmiterm([1 2 2 Q],r,-1); % -r
*
Q < 0
lmiterm([-2 1 1 Q],1,1); % Q > 0
Salida 49
Gammas=dec2mat(lmisys,xfeas,Gamma_C);% se arma la matriz Gammas
% se verifica que sea positiva definida siendo sus valores > 0
k=Gammas
*
inv(Qs
*
C) % Resuelve la matriz K si es cuadrada
% ECUACI
ON (4-47)
En este captulo se abord o el desarrollo de las principales regiones de dise no de controladores por
lugar geom etrico de las races para desigualdades matriciales lineales LMIs, realizando el an ali-
sis pertinente a cada regi on por retroalimentaci on de las variables de estados y las variables de
salidas. Desarrollando las secuencias de c odigos que implementan cada una de estas regiones, no
obstante cabe aclarar que es posible hacer combinaciones de estas regiones lo que llevara a opti-
mizar la respuesta del controlador a las necesidades de dise no requeridas. Sin importar el n umero
de regiones que se deseen combinar siempre y cuando se maneje el concepto claro del resulta-
do esperado para cada regi on, siendo estas una herramienta ecaz en el dise no de controladores
robustos basados en LMIs.
5. SIMULACI

ON Y AN
ALISIS DE
RESULTADOS
5.1. Introducci on
En este captulo se identica los modelos a trabajar como son sus entradas, salidas, perturbaciones
entre otras condiciones que hacen parte del sistema por el cual se le realiza todo el desarrollo
matem atico hasta obtener la representaci on mediante espacio de estado. Los sistemas a trabajar
son la cuarta parte del sistema de suspensi on de un autom ovil y el sistema dos masas y un
resorte.
Como el objetivo principal de esta investigaci on es Dise nar y Evaluar respuesta de controladores
utilizando estrategias basadas en desigualdades matriciales lineales LMIs, se plantean para este
n controladores que consideren cada uno de los factores de dise no de los modelos planteados. Las
estrategias de control aplicada consiste en ubicaci on regional de polos en lazo cerrado consideran-
do las regiones de dise no expuestas en el capitulo 4
5.2. Modelo de la Cuarta Parte del Sistema de Suspensi on
de un Autom ovil
La funci on principal del sistema de suspensi on, en un vehculo, es absorber las reacciones pro-
ducidas en las ruedas al pasar sobre las irregularidades del terreno evitando que se transmitan a
la carrocera, asegurando de esta forma la comodidad del conductor, los pasajeros del vehculo y
el contacto de las ruedas con el suelo para obtener una estabilidad y direccionalidad que permitan
tener un alto grado de seguridad en los desplazamientos realizados [3]. Los sistemas de suspensi on
se clasican en Suspensi on Activa y Suspensi on Pasiva descrita como:
Suspensi on Pasiva
Consisten en un sistema de muelle amortiguador que trata de absorber las alteraciones del
terreno. Est a compuesto por elementos exibles, como: muelle de ballestas o helicoidal, ba-
rra de torsi on, estabilizador, muelle de goma, gas o aire y un elemento de amortiguaci on.
[23].
5.2 Modelo de la Cuarta Parte del Sistema de Suspensi on de un Autom ovil 51
La suspensi on pasiva no entrega resultados sucientemente satisfactorios, debido a que un
nivel de confort considerable, desde el punto de vista de los tripulantes requiere una amor-
tiguaci on blanda, lo cual sera una gran desventaja, desde el punto de vista de la seguridad,
pues ocasiona un excesivo balanceo en las curvas y adem as conlleva al cabeceo durante el
frenado. Por lo contrario una suspensi on de mayor rigidez, controlara de mejor manera el
movimiento en curvas y los efectos del frenado, en el cual resultara desfavorable para la
sensaci on de confort de los pasajeros.
La caracterstica principal de estos sistemas es que, una vez que est an instalados en el vehcu-
lo, los par ametros de la suspensi on no se pueden controlar desde fuera [24, 25]. Todos los
muelles y amortiguadores tradicionales se consideran suspensiones pasivas, en la Figura 5-
1(a) se muestra el esquema de una suspensi on pasiva.
(a) Suspensi on Pasiva. (b) Suspensi on Activa.
Figura 5-1.: Cuarta parte del sistema de suspensi on de un autom ovil. [3, 4]
Suspensi on Activa
Una suspensi on de tipo activo es capaz de almacenar, disipar e introducir energa en el sis-
tema, de forma que se ajusta continuamente a las condiciones cambiantes de los terrenos. Estos
sistemas disponen de un ordenador que indican a un dispositivo ubicado en cada rueda exac-
tamente cu ando, de qu e modo, a cuanta distancia y a qu e velocidad debe moverse. Los
movimientos de la rueda ya no est an sujetos a interacciones aleatorias entre la carretera y
los distintos elementos que forman el sistema de suspensi on, muelles, amortiguador y barras
antivuelco [26, 27]. El ordenador que toma estas decisiones utiliza una red de sensores para
medir, por ejemplo, la velocidad del vehculo, las aceleraciones longitudinales y laterales,
las fuerzas y aceleraciones que act uan sobre cada rueda, en la gura 5-1(b) se muestra un
esquema simplicado del funcionamiento de una suspensi on activa.
Representaci on del Modelo
El problema de control a resolver resulta interesante debido a que un vehculo representa
un sistema de oscilaci on complejo, pues necesita m as de una coordenada para describir su
52 5 SIMULACI
ON Y AN
ALISIS DE RESULTADOS
movimiento, a esta cantidad de coordenadas independientes para describir un movimiento
se denomina grados de libertad.
Teniendo en cuenta que el sistema de suspensi on completa de un vehculo consta de al menos
cuatro grados de libertad y de la interacci on rotacional de los ejes, se ha optado por reducir el
an alisis del sistema a solo la cuarta parte del sistema, es decir a una unidad de amortiguaci on,
tal esquema se representa en Figura 5-2. En el cual m
1
representa la cuarta parte de la masa
suspendida del vehculo, constituida por 1/4 del cuerpo del vehculo, e integrada por todos
los elementos cuyo peso es soportado por el bastidor o chasis, m
2
representa la cuarta parte de
la masa no suspendida, est a constituida por la masa que conforma una llanta y los accesorios
adyacentes a la misma, entre las dos masas se encuentra un resorte con una constante de
rigidez k
1
que representa el coeciente de deformaci on de los espirales, k
2
es el coeciente
de deformaci on que resulta de la interacci on del aire con el caucho de la rueda y b es el
coeciente de fricci on del amortiguador; las entradas del sistema de amortiguaci on activa
son dos, u
1
que representa las irregularidades del camino y u
2
que corresponde a la fuerza
que ejercera el controlador a dise nar, el cual estara ubicado entre la masa suspendida y el
eje de la llanta, la variable a controlar es x
1
, la posici on de la masa suspendida (salida del
sistema).
Figura 5-2.: Esquema de la cuarta parte del sistema de amortiguaci on de un autom ovil.
Se asumen que todas las condiciones iniciales son nulas, aplicando la segunda ley de Newton
se obtinen las ecuaciones din amicas respecto a la masa m
1
:
m
1
x
1
= k
1
(x
2
x
1
) + b( x
2
x
1
) + u
2
Aplicando la misma ley a la masa m
2
m
2
x
2
= k
1
(x
1
x
2
) + b( x
1
x
2
) + k
2
(u
1
x
2
)
En el cual las ecuaciones de estado deben cumplir las condiciones planteadas en la secci on
2.2. Utilizando las ecuaciones (2-1) que denen el espacio de estado. Sea x
1
y x
3
la posici on
y velocidad de m
1
; x
2
y x
4
la posici on y velocidad de m
2
, por lo cual:
x
3
= x
1
x
4
= x
2
Considerando u
2
= 0 dado que el sistema a analizar es un sistema de amortiguaci on pasiva.
m
1
x
3
= k
1
x
1
+ k
1
x
2
bx
3
+ bx
4
m
2
x
4
= k
1
x
1
(k
1
+ k
2
)x
2
+ bx
3
bx
4
+ k
2
u
1
El modelo en espacio de estado del sistema se aprecia en la ecuaci on (5-1):
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
0 0 1 0
0 0 0 1
k
1
m
1
k
1
m
1

b
m
1
b
m
1
k
1
m
2

(k
1
+k
2
)
m
2
b
m
2

b
m
2
_
_
_
_
x
1
x
2
x
3
x
4
_
_
+
_
_
0
0
0
k
2
m
2
_
_
u
1
(5-1)
Y =
_
1 0 0 0
_
_
_
x
1
x
2
x
3
x
4
_
_
La se nal de control es ejercida por un actuador de tipo hidr aulico cuya entrada es la se nal
el ectrica proveniente del controlador electr onico y el valor de ella dependera de las carac-
tersticas din amicas del dispositivo, es decir de la relaci on electricidad-fuerza entregada por
el fabricante, por tal motivo a la hora de dise nar el lazo de control se considera para una
posible implementaci on trabajar con valores normalizados.
5.2.1. Par ametros del Sistema de Suspensi on
1
4
Parte de un Autom ovil
Un buen sistema de suspensi on debera tener un satisfactorio agarre al camino, que provea confort
a un cuando transita sobre deformaciones y baches en el camino. Cuando el autom ovil est a experi-
mentando cualquier perturbaci on en el camino,la carrocera del autom ovil no debe sufrir grandes
oscilaciones y las mismas deben disiparse r apidamente. Como la distancia x
1
u
1
es muy difcil de
medir y la deformaci on del neum atico x
2
u
1
se desprecia, se utiliza la distancia x
1
x
2
en lugar
de x
1
u
1
como la salida en el sistema, teniendo en cuenta que esta es una estimaci on [28].
Teniendo en cuenta el trabajo realizado al modelo de suspensi on de un autom ovil en [29, 28], se
toman valores nominales para el sistema de suspensi on:
54 5 SIMULACI
ON Y AN
k
1
= 12000
N
m
k
2
= 5000
N
m
m
1
= 250 Kg
m
2
= 35 Kg
b = 4000
N
m
(5-2)
Remplazando los valores (5-2) en la ecuaci on (5-1) la cual representa al modelo de sistema de
suspensi on de un cuarto del autom ovil se obtine:
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
0 0 1 0
0 0 0 1
48 48 16 16
343 486 114 114
_
_
_
_
x
1
x
2
x
3
x
4
_
_
+
_
_
0
0
0
143
_
_
u
1
(5-3)
Y =
_
1 0 0 0
_
_
_
x
1
x
2
x
3
x
4
_
_
Estableciendo los par ametros del sistema de suspensi on (5-3), se realiza el respectivo an alisis de
estabilidad observando su comportamiento en lazo abierto Figura (5-3(a)), obteniendo los valores
propios del sistema de suspensi on Figura (5-3(b)), ante una perturbaci on del camino (u
1
= 0,1m)
la cual es simulada por una entrada escal on. Este escal on puede representar al sistema saliendo de
un bache de 10 cm.
(a) Respuesta al Paso. (b) Polos del Sistema.
Figura 5-3.: An alisis de estabilidad en lazo abierto.
5.2.2. Condiciones de Dise no del Controlador Mediante LMIs
Al momento del dise no de controladores basado en Desigualdades Matriciales Lineales (LMIs),
se es necesario analizar el comportamiento del sistema en sus distintos lazos de control realizado
en la secci on 5.2.1, para establecer las especicaciones de dise no con las cuales se logr e aumentar
el confort de los pasajero controlando las oscilaciones, golpes bruscos y garantizar que el sistema
retome r apidamente a su posici on original. La respuesta del sistema en lazo abierto con una pertur-
baci on escal on de 0,1 m como se muestra en la gura (5-3(a)), en la cual se aprecia que el sistema
de suspensi on se comporta como un sistema sub-amortiguado, en el cual el autom ovil al sobrepasar
un bache de 10 cm oscilar a por un tiempo aproximado de 15 segundos factor por el cual la esta-
bilidad del autom ovil en curvas y resaltos coloca en riesgo la vida de los tripulantes. Teniendo en
cuenta estos factores y el comportamiento del sistema se desea dise nar un controlador que cumpla
con las siguientes condiciones:
Sobre pico m aximo no mayor al 5 %
Tiempo de establecimiento del sistema menor de 2 seg
Error en estado estacionario menor del 20 %
Con estas condiciones se espera que el autom ovil al pasar por un bache de 10 cm, el sistema de sus-
pensi on oscile en un rango de 5 mm y regres e a una marcha suave dentro de 2 segundos. Una vez
denidos los par ametros y los requerimientos de desempe no del sistema, se dise na el controlador
aplicando las t ecnicas de control por LMIs en retroalimentaci on de estados como se demostr o en
la secci on 4.2.
5.2.3. Selecci on de la Regiones LMIs
En el desarrollo del capitulo 4 secci on se consideran las regiones por ubicaci on de polos mas uti-
lizadas en el dise no de controladores por LMIs, Para el caso puntual del controlador para el sistema
de suspensi on de un cuarto de autom ovil se establecen los siguientes criterios para seleccionar la
regi on que mejor se acomode al dise no:
Estabilidad robusta del sistema ante posibles perturbaciones .
Amortiguaci on robusta en lazo cerrado, con un tiempo de respuesta mnimo.
Por la exigencia del dise no y la necesidad de robustes del sistema, la regi on que mejor se acopla
a las necesidades de dise no es la regi on C onica con centro en el origen y angulo interno menor a
/2 radianes. Con esta regi on las oscilaciones se reducen pero el tiempo de respuesta del sistema
no mejora. Para esto es necesario realizar la combinaci on de la regi on c onica y la regi on la cual
mejora el tiempo de respuesta del sistema.
La representaci on gr aca de la regi on LMI seleccionada para la ubicaci on de polos para el sistema
de suspensi on de un cuarto de autom ovil se observa en la gura (5-4).
56 5 SIMULACI
ON Y AN
Figura 5-4.: Regi on de Dise no LMI por Ubicaci on de Polos.
5.2.4. Dise no de controlador mediante LMIs
En primer lugar, se desea dise nar un controlador por retroalimentaci on de estados, partiendo de la
hip otesis que todos los estados del sistema se pueden medir. Para el dise no del controlador se im-
plementa la combinaci on de (regi on C onica y regi on ) cumpliendo las especicaciones de dise no
de la secci on (5.2.2) se dene el desplazamiento = 2 y un angulo de apertura de = /4, con los
cuales se obtiene un controlador por retroalimentaci on de estados K que cumple las condiciones y
especicaciones de dise no.
Vector de retroalimentaci on:
K = [2,5854 2,4464 0,9760 0,4654] (5-4)
El diagrama de bloque que describe el comportamiento din amico del sistema de control retroali-
mentado, donde K1, K2, K3, K4 contiene los valores y la posici on del vector de retroalimentaci on
de estados (5-4).
Figura 5-5.: Esquema de control por retroalimentaci on de estados.
Con los valores de la matriz K se completa todas las variables del espacio de estado que representa
el sistema de suspensi on de un cuarto de autom ovil, en el cual la matriz de estado en lazo cerrado
por retroalimentaci on de estados A
lc
= A BK de la cual depende directamente la din amica
del sistema. Remplazando K en la matriz de estados A
lc
y convirtiendo el modelo del sistema
din amico a la forma del modelo en espacio de estados, para lograr observar la respuesta del sistema
controlado y la ubicaci on de los polos dentro de la regi on de dise no, como se puede apreciar en la
gura 5-6(a) la ubicaci on de los polos del sistema en lazo abierto y la nueva ubicaci on dentro de
la regi on de dise no en lazo cerrado gura 5-6(b)
(a) Polos en Lazo abierto.
(b) Polos en Lazo Cerrado.
Figura 5-6.: Valores propios del sistema en lazo abierto y lazo cerrado .
58 5 SIMULACI
ON Y AN
En la gura 5-7 se presenta la respuesta del sistema de suspensi on ante una deformaci on de 0,1 m
que corresponde a 10 cm en la variaci on del terreno. La cual es contrarrestada por el controlador
en un tiempo de establecimiento de 1,59 segundos, con un error de posici on de 12 % y con un
sobrepico m aximo del sistema del 9 %. El cual demuestra la robustes del sistema cumpliendo con
las condiciones de dise no especicadas en la secci on 5.2.2 de un tiempo de respuesta menor de
2 segundos, error de posici on < 20 % y un sobrepico maximo menor del 5 %.
Figura 5-7.: Respuesta del sistema de suspensi on a una perturbaci on de 10 cm.
El control del sistema de suspensi on cumple a cabalidad con las condiciones de dise no, pero es
posible optimizar a un mas el sistema reduciendo el error de estado estacionario sin afectar el
orden del sistema y esto es posible implementando una ganancias de Precompensador N, la cual
es determinada a partir de los par ametros nominales. en la gura (5-8) se muestra el esquema de
control del sistema retroalimetado por variables de estados y ajuste de pre-compensador.
Figura 5-8.: Control por retroalimentaci on de variables de estado con ganancia de precompen-
saci on.
La formula para calcular la ganancia de precompensaci on N es:
N =
1
C(A BK)
1
B
Implementar el precompensador no altera el comportamiento del sistema ni su respuesta, sim-
plemente llevara el sistema a seguir una referencia. Teniendo claro que los valores no deben de
sobrepasar magnitudes inalcanzables en una posible implementaci on.
La respuesta del sistema de suspensi on de un cuarto de autom ovil por retroalimentaci on de estados
y precompensador es la mostrada en la gura (5-9). Con el valor calculado del precompensador
N = 1,14.
60 5 SIMULACI
ON Y AN
Figura 5-9.: Control por retroalimentaci on de variables de estado con ganancia de precompen-
saci on.
El controlador obtenido cumple con las condiciones de dise no estipuladas, se puede apreciar en
la gura 5-9, el sistema elimina el error de estado estacionario manteniendo el tiempo de estable-
cimiento sin aumentar el sobrepico.
5.3. Sistema de Dos Masas y un Resorte
Este sistema ha sido analizado por m ultiples autores dada la aparente sencillez de la obtenci on
de la ley de control que exhibe, lo que ha llevado a la postulaci on de diversas consideraciones
de dise no, al compendio de ellas en la literatura relacionada se le conoce como los benchmarks
problems [5] [30], la cual es una t ecnica utilizada para medir el rendimiento de un sistema o mode-
lo. El reto de lograr la estabilidad y caractersticas de desempe no contenidas en los benchmarks
problems ha sido objeto de estudio y de an alisis basados en las t ecnicas de control robusto H
2
y
H
, por eso los nes que persiguen estos problemas son meramente te oricos y did acticos y en esta
investigaci on se abordaran a partir de sistemas matriciales lineales LMIs.
Descripci on del Sistema
El problema que se plantea a continuaci on consiste en una adaptaci on de los benchmark
problems propuestos en [30]. El sistema din amico en cuesti on est a formado por dos masas
unidas entre s por un resorte sobre una supercie idealmente lisa como se muestra en la
Figura 5-10, en donde u es la se nal de entrada del sistema, w
1
y w
2
son las perturbaciones y
las salidas son las posiciones de las masas x
1
y x
2
.
5.3 Sistema de Dos Masas y un Resorte 61
Figura 5-10.: Sistema de dos masas y un resorte conocido como problema de benchmarks [5].
Representaci on del Modelo
Sea x
1
y x
3
1
, x
2
y x
4
2
, por lo cual:
x
3
= x
1
x
4
= x
2
Aplicando la segunda ley para el movimiento de Newton a cada una de las dos masas, se
obtiene:
m
1
x
3
= kx
1
+ kx
2
+ u + w
1
m
2
x
4
= kx
1
kx
2
+ w
2
Teniendo en cuenta que la entrada a considerar en el an alisis es u y la salida x
2
el modelo en
espacio de estados del sistema es:
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
0 0 1 0
0 0 0 1
k
m
1
k
m
1
0 0
k
m
2

k
m
2
0 0
_
_
_
_
x
1
x
2
x
3
x
4
_
_
+
_
_
0
0
1
m
1
0
_
_
u (5-5)
Y =
_
0 1 0 0
_
_
_
x
1
x
2
x
3
x
4
_
_
5.3.1. Par ametros de Control para el Sistema Dos Masas y un Resorte
De acuerdo a [31, 30], Se establece los par ametros m
1
, m
2
, k con cotas de incertidumbre dadas
por:
k = [0,9 1,1]
N
m
m
1
= [1,0 1,7] Kg
m
2
= [1,0 1,4] Kg
(5-6)
62 5 SIMULACI
ON Y AN
Para el an alisis del sistema se tomaran los valores nominales del sistema k = 1,25
N
m
, m
1
= m
2
=
1 Kg, los cuales son remplazados en el modelo por espacio de estado de la ecuaci on (5-5) que se
utilizaran en el an alisis y dise no del controlador descrito en la ecuaci on (5-7).
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
0 0 1 0
0 0 0 1
1,25 1,25 0 0
1,25 1,25 0 0
_
_
_
_
x
1
x
2
x
3
x
4
_
_
+
_
_
0
0
1
0
_
_
u (5-7)
Y =
_
0 1 0 0
_
_
_
x
1
x
2
x
3
x
4
_
_
Con la obtenci on del modelo matem atico del sistema se realiza el an alisis de estabilidad en lazo
abierto y lazo cerrado como se muestra en la Figura (5-11(a)) y la ubicaci on de los polos del
sistema (5-11(b)).
(a) Respuesta al Paso. (b) Polos del Sistema.
Figura 5-11.: An alisis de estabilidad en lazo abierto.
5.3.2. Condiciones de Dise no del Controlador Mediante LMIs
El sistema dos masas y un resorte es un Brechmarks Problems, adem as tiene un compendio de
especicaciones de dise no que busca incentivar el an alisis y versatilidad de los ingenieros que lo
resuelven, aplicando distintas t ecnicas de control con el n de dise nar controladores con mejores
indices de desempe no. Las especicaciones para el dise no de los controladores fueron tomadas de
[30], de esta forma se establecen las condiciones:
Estabilidad del sistema
Sobre pico m aximo no mayor al 10 %
Error en estado estacionario menor del 20 %
Se nal de control menor a la unidad
5.3.3. Selecci on de La Regi on de dise no mediante LMIs
Una vez denidos los par ametros y los requerimientos de desempe no del sistema, se procede a
escoger la regi on que mejor se acople a las condiciones de dise no. Para este caso puntual el sistema
es inestable en lazo abierto por lo cual se establece como estrategia de control la retroalimentaci on
de los estados del sistema. Para los sobre picos del modelo se selecciona la regi on c onica con
centro en el origen, la cual brinda a la respuesta del sistema una reducci on de por lo menos cos().
para una correcta atenuaci on de los sobre picos del modelo, se escoje un angulo de apertura de la
regi on canica = 50
o
. Aunque con esta condici on se reduce el sobre pico, el tiempo de respuesta
del sistema se incrementa, para contrarrestar esta situaci on y aumentar el tiempo de respuesta se
selecciona la regi on Banda vertical la cual se encargara de reducir el tiempo de establecimiento y
mejorar el error en estado estacionario, para cumplir las condiciones de dise no especicadas en la
secci on 5.3.2. El desplazamiento de los polos del sistema estaran delimitados dentro del intervalo
[
1
= 2,5,
2
= 0,2]. La combinaci on de la regi on c onica y banda vertical se aprecia en la
gura 5-12.
Figura 5-12.: Combinaci on de regiones c onica y Banda vertical .
5.3.4. Dise no de Controlador Mediante LMIs
Se desea dise nar un controlador por retroalimentaci on de estados, asumiendo que todos los esta-
dos del sistema pueden ser medidos. Para el dise no del controlador por retroalimentaci on de los
estados se utiliza la combinaci on de las regiones (C onica y ubicaci on de polos) las cuales deben
cumplir con las condiciones de dise no planteadas en la secci on 5.3.2. Como se especica en la
secci on 5.3.3 el desplazamiento de las bandas verticales est an delimitadas por
1
= 2,5 y
2
= 0,2,
64 5 SIMULACI
ON Y AN
con un angulo de apertura para la regi on c onica de = 50
o
. Con estas condiciones y las especica-
ciones de dise no se calcula el controlador por retroalimentaci on de estados K el cual cumple con
las condiciones y especicaciones de dise no.
Controlador por retroalimentaci on de estados:
K = [6,9065 5,9190 5,8967 0,7400] (5-8)
El diagrama de bloque que describe el comportamiento din amico del sistema de control por retro-
alimentaci on de variables de estado se aprecia en la gura 5-13. Donde K1, K2, K3, K4 contienen
los valores proporcionales del controlador por espacio de estados.
Figura 5-13.: Representaci on din amica del sistema dos masas un resorte.
Teniendo los valores de la matriz de control K, se remplaza en la matriz de estados en lazo
cerrado A
lc
= A BK de la cual depende directamente la din amica del modelo dos masa y un
resorte. Convirtiendo el modelo del sistema din amico en su respectivo espacio de estado para lo-
grar observar la respuesta del sistema controlado y los valores propios ubicados dentro de la regi on
de dise no, como se aprecia en la gura 5-14(a) la ubicaci on de los polos en lazo abierto y la nueva
ubicaci on en la regi on de dise no en lazo cerrado gura 5-14(b)
En la gura 5-15 se entrega la respuesta del sistema dos masas un resorte ante una fuerza de
1 Newton en la cual se aprecia la estabilidad del sistema con un tiempo de establecimiento de
11,9 S egundo, logrando eliminar todos los sobre picos y oscilaciones que el sistema en lazo abierto
presentaba. Fue posible reducir el error en estado estacionario al 1 % entregandole robustes al
modelo y una estabilidad prolongada ante perturbaciones externas.
(a) Polos en Lazo abierto.
(b) Polos en Lazo Cerrado.
Figura 5-14.: Valores propios del sistema en lazo abierto y lazo cerrado .
Figura 5-15.: Respuesta del sistema de dos masas un resorte.
66 5 SIMULACI
ON Y AN
Con este dise no se logra cumplir con las condiciones de dise no establecidas en la secci on 5.3.2,
en las cuales era fundamental estabilizar el sistema, que este no presente sobre picos mayores al
10 %, reducir el error de estado estacionario a un margen menor del 20 % y que la se nal de control
no sobrepase la unidad.
En el Anexo (A) se encuentran las simulaciones complementarias de las regiones de dise no donde
se aprecian las evaluaciones de los sistemas aplicando cada una de las regiones con su respectivo
c odigo de simulaci on en el lenguaje de programaci on Matlab.
6. CONCLUSIONES
El objetivo principal de este proyecto es Dise nar y evaluar respuestas de controladores utilizando
estrategias basada en Desigualdades Matriciales Lineales (LMIs). Luego de la documentaci on y
desarrollo del trabajo se obtuvieron los siguientes resultados:
Como se evidencia en los dise nos mostrados en el capitulo 5, se realiza el an alisis de esta-
bilidad de los modelos, su respectivo dise no y evaluaci on en los cuales se satisfacen no solo
condiciones mnimas de desempe no din amico como estabilidad, sino que se aseguran otras
especicaciones como ubicaci on de los polos en las regiones de dise no, robustez del sistema
y mejor respuesta del controlador.
El aumento de restricciones en las regiones de dise no de las LMIs, busca optimizar el con-
trolador, siendo posible plantear condiciones de desempe no exigentes. Pero al aumentar las
condiciones, se reduce la probabilidad de factibilidad y en muchos casos no se puede lo-
grar el cumplimiento de las condiciones de trabajo para el sistema de control y es necesario
cambiar el dise no de una regi on simple a una combinaci on de m ultiples regiones.
Para el modelo Benchmark (Dos Masa un Resorte) el cual presento un comportamiento in-
estable en sus diferentes lazos de control, fue posible desplazar los polos a la regi on de dise no
establecida ubicados en los puntos mas optimos de desempe no cumpliendo las condiciones
planteadas.
Para el sistema de suspensi on de un cuarto de autom ovil el cual presentaba oscilaciones
prolongadas y elevadas se jaron las condiciones de dise no en busca de mejorar el confort
y estabilidad ante un cambio en el terreno de 10 cm. Logrando cumplir las condiciones
planteadas y entregando un controlador eciente, robusto y estable.
La aplicaci on de las Desigualdades Matriciales lineales permite la integraci on de m ultiples
especicaciones de dise no para un sistema de control sin aumentar el orden del sistema,
ya que esta estrategia de control hace posible la estabilizaci on del sistema solo con retroali-
mentaci on de acciones proporcionales K, mientras que para el controlador cl asico PID, LGR
o dise no frecuencial el grado del controlador y mecanismos de implementaci on seran m as
complejos y con mayor numero de procesos.
68 6 CONCLUSIONES
Recomendaciones
Seleccionar valores normalizados para los modelos a evaluar mediante desigualdades
matriciales lineales.
Al momento de dise nar y evaluar los controladores se debe de tener clara la din ami-
ca del sistema y realizar su respectiva implementaci on en diagramas de bloque en
simulink.
Utilizar el planteamiento de las LMIs mediante comando para reducir errores de pro-
cesos en el programa Matlab.
Aportes
Se presenta un algoritmo para la obtenci on de controladores robustos basados en re-
giones LMIs, por los cuales es posible cambiar la ganancia del controlador as como
la ubicaci on regional de polos.
En el Anexo A se encuentran los c odigos de cada regi on implementados en los modelos
de estudio del capitulo 5, los cuales servir an de guia al grupo de investigaci on GITIC
en el desarrollo de t ecnicas de control moderno basadas en desigualdades matriciales
lineales.
Se deja el precedente del desarrollo matem atico que servir a de base a nuevas estrategias
de control mediante desigualdades matriciales lineales LMIs las cuales son pieza clave
al momento de implementar nuevas t ecnicas de control moderno.
A. ANEXO: SIMULACIONES
COMPLEMENTARIAS DE LAS
REGIONES DE DISE
NO
A continuaci on se mostraran las respuestas de los diferentes controladores seleccionados por re-
gi on para el modelo de suspensi on de un cuarto de autom ovil. Pero es necesario observar la respu-
esta del sistema en sus diferentes lazos de control:
Figura A-1.: Respuesta del sistema lazo abierto lazo cerrado.
A.1. Regi on
Esta regi on mejora el tiempo de respuesta del sistema sacricando el sobrepico. El respuesta del
sistema es:
70 A ANEXO: SIMULACIONES COMPLEMENTARIAS DE LAS REGIONES DE DISE
NO
Figura A-2.: Respuesta del sistema lazo abierto lazo cerrado alpha = 3,5.
El c odigo en Matlab que representa la regi on es:
clear; clc
k1 = 12000 ; % N/m
k2 = 5000 ; % N/m
m1 = 250 ; % Kg
m2 = 35 ; % Kg
b = 4000 ; % kN/m
A = [ 0 0 1 0 ; 0 0 0 1 ; -k1/m1 k1/m1 -b/m1 b/m1 ; k1/m2 -(k1+k2)/m2
b/m2 -b/m2 ];
B = [0 ; 0 ; 0 ; k2/m2];
C = [1 0 0 0];
alfa0=3.5; % desplazamiento en el eje real
Gamma_Q=lmivar(2,[1 4]);% variable tipo 2 matriz rectangular 1x2
lmiterm([1 1 1 Q],A,1,s); % A
*
Q+Q
*
A <0
lmiterm([1 1 1 Gamma_Q],B,-1,s); % -(B
*
Gamma+Gamma
*
B)<0
lmiterm([1 1 1 Q],2
*
alfa0,1); % 2
*
alfa
*
Q < 0
lmiterm([-2 1 1 Q],1,1); % Q >0
A.2 Dise no regi on banda vertical
1
= 3,
2
= 10 71
K=Gammas
*
Alc=A-B
*
K
G=ss(A,B,C,0);
Gc=ss(Alc,B,C,0);
subplot(1,2,1)
step(G,Gc)
grid
subplot(1,2,2)
pzmap(G,Gc)
% De esta forma se realiza la implementacion
% en Matlab del sistema LMI planteado.
A.2. Dise no regi on banda vertical
1
= 3,
2
= 10
Esta regi on controla y mantiene los polos del sistema en un permetro establecido por
1
= 3,
2
=
10 teniendo una buena respuesta del sistema pero un tiempo de establecimiento muy largo.
Figura A-3.: Respuesta del sistema banda vertical
El c odigo en Matlab que representa la regi on banda vertical es:
NO
alfa1=-10; % desplazamiento en el eje real pos final
alfa2=-3; % desplazamiento en el eje real pos inicial
% buscamos estabilizar un sistema con retroalimentacion del estado con una
% la ley de control u=-kx
% se describen las LMIs termino a termino de la ecuacion
lmiterm([1 1 1 Gamma_Q],B,1,s); % B
*
Gamma+Gamma
*
B < 0
lmiterm([1 1 1 Q],A,-1,s); % -(A
*
Q+Q
*
A) < 0
lmiterm([1 1 1 Q],2
*
alfa1,1); % +2
*
alfa1
*
Gamma_Q < 0
lmiterm([1 2 2 Q],A,1,s); % LMI # 1: A
*
Q+Q
*
A < 0
lmiterm([1 2 2 Gamma_Q],B,-1,s); % LMI # 2: -(B
*
Gamma+Gamma
*
B)<0
lmiterm([1 2 2 Q],2
*
alfa2,-1); % -2
*
alfa2
*
Q < 0
lmiterm([-2 1 1 Q],1,1); % Q >0
% se verifica que sea positiva definida siendo sus valores > 0
eig(Q)
k=Gammas
*
Alc=A-B
*
k
eig(Alc)
subplot(1,2,1)
step(Alc,B,C,0)
grid
subplot(1,2,2)
Gc=ss(Alc,B,C,0);
pzmap(Gc)
A.3 Dise no regi on circular con radio r 73
% De esta forma se realiza la implementacion
% en Matlab del sistema LMI planteado.
A.3. Dise no regi on circular con radio r
Figura A-4.: Respuesta del sistema lazo cerrado regi on circular
r=1.5; % Radio de la region
%-----------------------------------------------------------------
% PRIMER TERMINO
lmiterm([1 1 1 Q],-r,1); % -r
*
Q < 0
%-----------------------------------------------------------------
% SEGUNDO TERMINO
lmiterm([1 1 2 Q],A,1); % A
*
Q < 0
lmiterm([1 1 2 Gamma_Q],-B,1);% -B
*
Gamma_Q < 0
*
Q < 0
%-----------------------------------------------------------------
% CUARTO TERMINO
NO
lmiterm([1 2 2 Q],-r,1); % -r
*
Q < 0
lmiterm([-2 1 1 Q],1,1); % Q > 0
K=Gammas
*
Alc=A-B
*
K;
% PRECOMPENSADOR
N=-1/(C
*
inv(Alc)
*
B)
%
Gc=ss(Alc,B,C,0);
G=ss(A,B,C,0);
subplot(1,2,1)
step(Gc)
grid
subplot(1,2,2)
pzmap(Gc)
A.4. Dise no regi on c onica con angulo
Este dise no reduce las oscilaciones y disminuye los sobre picos pero incrementa el tiempo de
establecimiento.
A.4 Dise no regi on c onica con angulo 75
Figura A-5.: Respuesta del sistema lazo cerrado regi on c onica.
theta=deg2rad(45); % Angulo de amortiguamineto
% se describen las LMIs termino a termino
%-----------------------------------------------------------------
% N_B ( A
*
Q + Q
*
A)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
% N_B ( A
*
Q - Q
*
A)
*
cos(theta)N_B > 0
*
A,cos(theta)
*
nullTB);
*
cos(theta)
*
nullTB);
% N_B ( Q
*
A - A
*
Q)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
% Q > 0
lmiterm([-2 1 1 Q],1,1);
lmiQ = getlmis;
[tmin,Qfac] = feasp(lmiQ); % Se calcula la solucion de las LMIs
ON CONICA
%
% [ ( s + s" )
*
sin(tetha) ( s - s" )
*
cos(tetha) ]
NO
% [ ]
% [ ( s" - s )
*
sin(tetha) ( s + s" )
*
sin(tetha) ]
%
T1=A
*
Q+Q
*
A;
T2=A
*
Q-Q
*
A;
% T1 cos(theta)-( B
*
K
*
Q + Q
*
KB)
*
sin(theta) < 0
*
sin(theta));
lmiterm([3 1 1 K],-B,Q
*
sin(theta),s);
% T2 cos(theta)-( Q
*
KB - B
*
K
*
Q )
*
cos(theta) < 0
*
cos(theta));
*
cos(theta));
lmiterm([3 2 1 -K],Q,B
*
cos(theta));
% T1 cos(theta)-( B
*
K
*
Q + Q
*
KB)
*
sin(theta) < 0
*
sin(theta));
*
sin(theta),s);
lmik=getlmis;
Alc=A-B
*
K
subplot(1,2,1)
step(Alc,B,C,0)
grid
subplot(1,2,2)
Gc=ss(Alc,B,C,0);
G=ss(A,B,C,0);
pzmap(G,Gc)
A.5. Dise no regi on c onica combinada con la regi on
Este dise no reduce las oscilaciones y disminuye los sobre picos. Con la combinaci on de la regi on
mejora el tiempo de respuesta como el mostrado en la siguiente gr aca.
A.5 Dise no regi on c onica combinada con la regi on 77
Figura A-6.: Respuesta del sistema lazo cerrado regi on c onica y .
clear; clc
k1 = 12000 ; % N/m
k2 = 5000 ; % N/m
m1 = 250 ; % Kg
m2 = 35 ; % Kg
b = 4000 ; % kN/m
A = [ 0 0 1 0 ; 0 0 0 1 ; -k1/m1 k1/m1 -b/m1 b/m1 ; k1/m2 -(k1+k2)/m2
b/m2 -b/m2 ];
B = [0 ; 0 ; 0 ; k2/m2];
C = [1 0 0 0];
% alfa0=1.74; % desplazamiento en el eje real
% theta=deg2rad(66); % Angulo de amortiguamineto
% alfa0=.5; % tiempo de establecimiento de 4.6 seg
% theta=deg2rad(45); % Angulo de amortiguamineto
NO
Q=lmivar(1,[4 1]); % variable tipo 1 matriz cuadrada
% -----------------------------------------------------------------
% PRIMER TERMINO LMI EN ALPHA
% N_B( A
*
Q + Q
*
A+2
*
alfa0
*
Q)N_B > 0
*
nullTB,s);
lmiterm([1 1 1 Q],2
*
alfa0
*
nullTB,nullTB);
% -----------------------------------------------------------------
% SEGUNDO TERMINO LMI CONICA
% N_B ( A
*
Q + Q
*
A)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
% N_B ( A
*
Q - Q
*
A)
*
cos(theta)N_B > 0
*
A,cos(theta)
*
nullTB);
*
cos(theta)
*
nullTB);
% N_B ( Q
*
A - A
*
Q)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
lmiterm([-3 1 1 Q],1,1);
lmiQ = getlmis;
% Se obtiene Q y se remplaza en:
% A
*
Q + Q
*
A - (Q
*
C
*
K
*
B+B
*
K
*
C
*
Q)+2
*
alfa0
*
Q < 0
*
Q + Q
*
A + 2
*
alfa0
*
Q
%
% SE RESUELVE LA ANTERIOR LMI
setlmis([]);
K=lmivar(2,[1 4]);
%--------------------------------------------------------------------------
% PRIMERA LMI RELACIONADAS A 2
*
alpha
T1=A
*
Q+Q
*
A;
T2=A
*
Q-Q
*
A;
A.5 Dise no regi on c onica combinada con la regi on 79
T3=A
*
Q+Q
*
A+2
*
alfa0
*
Q;
% T1 - (Q
*
C
*
K
*
B + B
*
K
*
C
*
Q) < 0
lmiterm([3 1 1 0],T3);
lmiterm([3 1 1 K],-B,Q,s);
%--------------------------------------------------------------------------
% SEGUNDA LMI RELACIONADOS A REGI
ON C
ONICA
% T1 cos(theta)-( B
*
K
*
Q + Q
*
KB)
*
sin(theta) < 0
*
sin(theta));
*
sin(theta),s);
% T2 cos(theta)-( Q
*
KB - B
*
K
*
Q )
*
cos(theta) < 0
*
cos(theta));
*
cos(theta));
*
cos(theta));
% T1 cos(theta)-( B
*
K
*
Q + Q
*
KB)
*
sin(theta) < 0
*
sin(theta));
*
sin(theta),s);
lmik=getlmis;
[tmin,Kfac] = feasp(lmik) % ,[0 10 14 0 0],-1)
K=dec2mat(lmik,Kfac,K)
Alc=A-B
*
K;
% PRECOMPENSADOR
N=-1/(C
*
inv(Alc)
*
B)
%
Gc=0.1
*
ss(Alc,B,C,0);
G=0.1
*
ss(A,B,C,0);
subplot(1,2,1)
step(Gc)
grid
100 subplot(1,2,2)
pzmap(G,Gc)
NO
A.6. Dise no regi on c onica combinada con la regi on banda
vertical
Este dise no reduce las oscilaciones y disminuye los sobre picos y con la combinaci on de la regi on
banda vertical mejora el tiempo de respuesta como el mostrado el la siguiente gr aca y mantiene
los polos del sistema en la posicione deseada.
Figura A-7.: Respuesta del sistema lazo cerrado regi on c onica y banda vertical.
alfa1=-7; % desplazamiento en el eje real pos final
alfa2=-2; % desplazamiento en el eje real pos inicial
Q=lmivar(1,[4 1]); % variable tipo 1 matriz cuadrada
% -----------------------------------------------------------------
% PRIMER TERMINO LMI EN BANDA VERTICAL
A.6 Dise no regi on c onica combinada con la regi on banda vertical 81
% N_B -( Q
*
A + A
*
Q + 2
*
alfa1
*
Q)N_B > 0
*
nullTB,s);
lmiterm([1 1 1 Q],2
*
alfa1
*
nullTB,nullTB);
% N_B ( Q
*
A + A
*
Q - 2
*
alfa2
*
Q)N_B > 0
*
A,nullTB,s);
lmiterm([1 2 2 Q],-2
*
alfa2
*
nullTB,nullTB);
% -----------------------------------------------------------------
% SEGUNDO TERMINO LMI CONICA
% N_B ( A
*
Q + Q
*
A)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
% N_B ( A
*
Q - Q
*
A)
*
cos(theta)N_B > 0
*
A,cos(theta)
*
nullTB);
*
cos(theta)
*
nullTB);
% N_B ( Q
*
A - A
*
Q)
*
sin(theta)N_B > 0
*
sin(theta)
*
nullTB,s);
lmiterm([-3 1 1 Q],1,1);
lmiQ = getlmis;
% Se obtiene Q y se remplaza en:
% A
*
Q + Q
*
A - (Q
*
C
*
K
*
B+B
*
K
*
C
*
Q)+2
*
alfa0
*
Q < 0
*
Q + Q
*
A + 2
*
alfa0
*
Q
%
% SE RESUELVE LA ANTERIOR LMI
setlmis([]);
K=lmivar(2,[1 4]);
%--------------------------------------------------------------------------
% PRIMERA LMI RELACIONADAS A 2
*
alpha
TA=2
*
alfa1
*
Q-(A
*
Q+Q
*
A);
TB=A
*
Q+Q
*
A-2
*
alfa2
*
Q;
%lmiterm([-2 1 1 Q],1,1);
%-----------------------------------------------------------------
% PRIMER TERMINO
lmiterm([5 1 1 0],TA);
lmiterm([5 1 1 K],B,Q,s); % B
*
K
*
Q+Q
*
K
*
B < 0
%-----------------------------------------------------------------
NO
% CUARTO TERMINO
lmiterm([5 2 2 0],TB);
lmiterm([5 2 2 K],-B,Q,s); %-(B
*
K
*
Q+Q
*
K
*
B)< 0
%--------------------------------------------------------------------------
% SEGUNDA LMI RELACIONADOS A REGI
ON C
ONICA
T1=A
*
Q+Q
*
A;
T2=A
*
Q-Q
*
A;
% T1 cos(theta)-( B
*
K
*
Q + Q
*
KB)
*
sin(theta) < 0
*
sin(theta));
*
sin(theta),s);
% T2 cos(theta)-( Q
*
KB - B
*
K
*
Q )
*
cos(theta) < 0
*
cos(theta));
*
cos(theta));
*
cos(theta));
% T1 cos(theta)-( B
*
K
*
Q + Q
*
KB)
*
sin(theta) < 0
*
sin(theta));
*
sin(theta),s);
lmik=getlmis;
[tmin,Kfac] = feasp(lmik,[0 10 50 0 0],-1);
K=dec2mat(lmik,Kfac,K)
Alc=A-B
*
K;
% PRECOMPENSADOR
N=-1/(C
*
inv(Alc)
*
B)
%
Gc=ss(Alc,B,C,0);
G=ss(A,B,C,0);
subplot(1,2,1)
step(Gc)
grid
subplot(1,2,2)
pzmap(Gc)
Bibliografa
[1] Pascal Gahinet. Arkadi Nemirovski. Alan J. Laub. Mahmoud Chilali. LMI Control Tool-
box,For Use with MATLAB. The MathWorks,INC,3 Apple Hill Drive Natick, 1995.
[2] Jos e L. Consuegra G. Aplicaci on de las t ecnicas switching control para el an alisis y control
de la estabilidad en peque na se nal en sistemas de potencia el ectrica multim aquina. Masters
thesis, Universidad Nacional de Colombia, 2012.
[3] Vctor Chacon Hernando. Dise no de una suspensi on para un vehculo autom ovil basada en
amortiguadores magnetoreol ogicos. 2009.
[4] Efa Mora Talaz. Circuitos de fuidos, suspensi on y direcci on. 2008.
[5] Wolfgang Reinelt. Robust control of a two-mass-spring systemsubject to its input constraints.
3:1817 1821 vol.3, 2000.
[6] Stephen Boyd. Ghaoui Laurent. Eric Feron. Venkataramanan Balakrishnan. Linear Matrix
Inequalities in System and Control Theory. Society for Industrial and Applied Mathematics,
1994.
[7] Stephen Boyd. Lieven Vandenverghe. Convex optimization. Cambridge University Press,
2004.
[8] C. Scherer and S. Weiland. Linear Matrix Inequalities in Control. Philadelphia: Society for
Industrial and Applied Mathematics, 2000.
[9] G. E. Dullerud and F. G. Paganini. A course in robust control theory: a convex approach.
International Journal of Robust and Nonlinear Control, 2000.
[10] Peter W. Sauer. M. A. Pai. Power System Dynamics and Stability. Prentice Hall, Upper
Saddle River, New Jersey 07458, 1998.
[11] Oscar O. Rodrguez D. Dise no estrategia de control basada en lmis para sistemas interconec-
tados. Masters thesis, Universidad Nacional de Colombia, 2009.
[12] Pascal Gahinet and Pierre Apkarian. A linear matrix inequality approach to h8 control. IN-
TERNATIONAL JOURNAL OF ROBUST AND NONLINEAR CONTROL, 4:421448, 1994.
[13] K. Zhou and J. C. Doyle. Essentials of Robust Control. Prentice Hall, 1999.
84 Bibliografa
[14] K. Ogata. Ingeniera de control moderna 4ED. Pearson educaci on. Pearson Educaci on, 2003.
[15] W.M. Wonham. Linear multivariable control: A geometric approach. Springer-Verlag, 1979.
[16] T.S.Chen. Introduction to the linear algebraic method for control system design. Oxford
University Press, 3(36-42), 1999.
[17] L. Soltanian, A. Khaki Sedigh, and O. Namaki-Shoushtari. Multi-objective switching control
via lmi optimization. june 2010.
[18] Alberto Herreros L. Dise no De Controladores Robustos Multiobjetivo Por Medio De Algo-
ritmos Gen eticos. PhD thesis, Universidad de Valladolid, 2000.
[19] Mahmoud Chilali. Carsten Scherer, Pascal Gahinet. Multiobjective output-feedback control
via lmi optimization. IEEE Transactions on automatic control, 42(7):896911, July, 1997.
[20] Edwin R. Aguilar J. Dise no de un controlador del grado de inclinaci on para un avi on medi-
ante lmis. Masters thesis, Escuela Polit ecnica del Ej ercito, 2005.
[21] Y. Nesterov and A. Nemirovsk. Interior Point Polynomial Methods in Convex Programming:
Theory and Applications. SIAM, 1994.
[22] A. Nemirovski and P. Gahinet. The projective method for solving linear matrix inequalities.
1:840 844, 1994.
[23] Gabriel Hern an. Trujillo Ponguillo. dise no y modelaci on de un controlador lmi para el sis-
tema de suspensi on de un autob us. 2005.
[24] Juan Arberdi Urbieta. Amortiguadores y suspensi on. 2010.
[25] Carlos Echeverria Garcia. Pfc realizado en labortorio de automoci on de tecnun. 2009.
[26] Monroe Suspensi on. Todo sobre la suspensi on. 2010.
[27] Portal de internet super autos.net. La suspensi on activa:. 2008.
[28] Fu-Cheng Wang. Design and Synthesis of Active Vehicle Suspensions. 2001.
[29] M.C. Smith and G.W. Walker. Performance limitations and constraints for active and pasive
suspension: a mechanical multi-port approach. Vehicle System Dynamics. 2000.
[30] Dennis Wie, Bong; Bernstein. Benchmark problems for robust control design journal of
guidance. 15, 1992.
[31] Pedro Teppa Garr an. Control robusto de un sistema lineal de par ametros variantes (lpv): un
enfoque de las desigualdades matriciales lineales (lmis). 2008.

Tes Is Final

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tes Is Final

Загружено:

Авторское право:

Доступные форматы

EVALUACI

ASICOS SOBRE DESIGUALDADES MATRICIALES LINEALES

NO DE CONTROLADORES BASADOS EN LMIs 8

ALISIS DE LAS REGIONES DE DESEMPE

ASICOS SOBRE DESIGUALDADES MATRICIALES LINEALES

ASICOS SOBRE DESIGUALDADES MATRICIALES LINEALES

ASICOS SOBRE DESIGUALDADES MATRICIALES LINEALES

Esta propiedad se puede extender al caso de funciones matriciales anes.

NO DE CONTROLADORES BASADOS EN LMIs

NO DE CONTROLADORES BASADOS EN LMIs

NO DE CONTROLADORES BASADOS EN LMIs

NO DE CONTROLADORES BASADOS EN LMIs

, para conseguir robustez .

con asignaci on de polos en regiones convexas

NO DE CONTROLADORES BASADOS EN LMIs

ALISIS DE LAS REGIONES DE DESEMPE

ALISIS DE LAS REGIONES DE DESEMPE

ALISIS DE LAS REGIONES DE DESEMPE

ALISIS DE LAS REGIONES DE DESEMPE

ALISIS DE LAS REGIONES DE DESEMPE

ALISIS DE LAS REGIONES DE DESEMPE

ALISIS DE LAS REGIONES DE DESEMPE

ALISIS DE LAS REGIONES DE DESEMPE

Вам также может понравиться