Semana 3

Analisis de sistemas no lineales
Soluciones numericas
Sistemas Dinamicos
Captulo 1 - Representaci on de Sistemas
Semana 3
Ing. Gerardo Becerra B, M.Sc.
Ponticia Universidad Javeriana
Febrero 10, 2014
Ing. Gerardo Becerra B, M.Sc. Sistemas Dinamicos
Agenda
1
Sistemas no Lineales
Linealizaci on
2
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Metodo de Runge - Kutta
Uso de Matlab
Linealizaci on
Agenda
1
Linealizaci on
2
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Linealizaci on
Las ecuaciones de estado generales para un sistema dinamico se
pueden escribir como:
dx(t)
dt
= f (t, x(t), u(t)), x(t
0
) = x
0
y(t) = h(t, x(t), u(t))
Donde las funciones f y h pueden ser lineales o no.
Linealizaci on
Con frecuencia los modelos de sistemas fsicos resultan ser no
lineales.
Puede ser difcil analizar sistemas no lineales directamente.
Los metodos para analizar sistemas lineales estan bien
desarrollados.
Los metodos de dise no de controladores para sistemas no
lineales a un no estan totalmente desarrollados y con
frecuencia son difciles de utilizar.
Una gran variedad de metodos y herramientas de software
para dise no de controladores y analisis estan basados en el uso
de modelos lineales.
Se desea obtener un modelo lineal cuya respuesta sea muy
similar a la del modelo no lineal: Linealizaci on
Linealizaci on
Linealizacion
x
f(x)
x
0
Caracterstica no lineal de un elemento
Linealizaci on
Linealizacion
x
f(x)
x
0 x
f( x)
Punto de operacion
Punto de operacion
Linealizaci on
Linealizacion
x
f(x)
x
0 x
f( x)
Punto de operacion
Aproximacion lineal
Linealizaci on alrededor del punto de operacion
Linealizaci on
Linealizacion
Podemos escribir x como la suma de un termino constante (valor
en el punto de operacion) y un termino variable:
x = x
..
valor nominal
+ x
..
variable incremental
La funci on f tambien puede escribirse de la misma manera:
f =

f +

f
La aproximacion lineal es:
f = k x
donde la pendiente k corresponde a la derivada de f evaluada en el
punto x:
k =
df
dx
x
Linealizaci on
Linealizacion
x
f(x)
x
0 x
f( x)
Punto de operacion
x
f
f(x)
f = k x
Marco de referencia de variables incrementales
Linealizaci on
Puntos de operaci on
Puntos en el espacio de estados en los cuales permanece un
sistema si la entrada se mantiene constante.
Dado un vector de entrada u(t) = u, t, Que valor (o valores)
toma el estado?
Solucion en estado estable de:
dx(t)
dt
= f (t, x(t), u)
Linealizaci on
Puntos de operaci on
Se considera que los puntos de operacion del sistema cumplen
condiciones de equilibrio: las derivadas son cero:
0 = f (t, x(t), u), t
Dado que f es no lineal, puede tener de cero a innitas
soluciones.
Las ecuaciones diferenciales se reducen a ecuaciones
algebraicas.
Linealizaci on
Linealizacion
Expansion en serie de Taylor de funci on de una variable,
continuamente derivable:
f[x(t)] = f( x) +
df
dx
x
[x(t) x] +
1
2!
d
2
f
dx
2
x
[x(t) x]
2
+ . . .
Aproximacion lineal: tomar los dos primeros terminos:
f[x(t)] f( x) +
df
dx
x
[x(t) x]
Linealizaci on
Linealizacion
Como x es constante
f[x(t)] = f( x) + k x
La pendiente
k =
df
dx
x
La variable incremental
x(t) = x(t) x
Linealizaci on
Linealizacion
El error de la aproximacion corresponde a:
e =
f(x) [f( x) + k x]
f(x)
La magnitud del error depende del tipo de funci on
Linealizaci on
Linealizacion
Funci on de varias variables
g = f[x
1
(t), x
2
(t), . . . , x
n
(t)]
El punto de operacion
x = [ x
1
, x
2
, . . . , x
n
]
T
La expansi on de Taylor
g =f[x
1
(t), x
2
(t), . . . , x
n
(t)]
=f[ x
1
, x
2
, . . . , x
n
] +
f
x
1
x
[x
1
(t) x
1
]
+
f
x
2
x
[x
2
(t) x
2
] + . . .
Linealizaci on
Linealizacion
Tomando los terminos de primer orden:
y = f( x) + [f( x)]
T
[x x]
con
[f( x)]
T
=
_
f
x
1
x
f
x
2
x
. . .
f
x
n
x
_
La linealizacion de f alrededor del punto de operacion es
equivalente a colocar un plano tangente en la supercie en el
punto de operacion.
Linealizaci on
Linealizacion
Sea el sistema en variables de estado
dx(t)
dt
= f [x(t), u(t)]
Para encontrar el punto de operacion se asume el estado estable:
d x
dt
= 0 = f [ x, u]
Linealizaci on
Linealizacion
Restando las dos ecuaciones:
dx(t) x
dt
= f [x(t), u(t)] f [ x, u]
Linealizando f :
dx(t) x
dt
=
f
x
[ x, u]
(x(t) x) +
f
u
[ x, u]
(u(t) u)
Linealizaci on
Linealizacion
Las variables incrementales son:
x(t) = x(t) x u(t) = u(t) u
La ecuacion linealizada queda:
d x(t)
dt
=
f
x
[ x, u]
x(t) +
f
u
[ x, u]
u(t)
Linealizaci on
Linealizacion
En resumen, para
dx
dt
= f ( x + x, u + u) el modelo linealizado
alrededor de un punto de equilibrio es:
x
f
x
x, u
x +
f
u
x, u
u
f
x
x, u
=
_
_
df
1
dx
1
. . .
df
1
dx
n
df
2
dx
1
. . .
df
2
dx
n
.
.
.
.
.
.
.
.
.
df
n
dx
1
. . .
df
n
dx
n
_
x, u
f
u
x, u
=
_
_
df
1
du
1
. . .
df
1
du
p
df
2
du
1
. . .
df
2
du
p
.
.
.
.
.
.
.
.
.
df
n
du
1
. . .
df
n
du
p
_
x, u
Linealizaci on
Linealizacion
Comparando con un sistema lineal:
d x
dt
=
d
dt
(x x) = A x +B u
A =
f
x
x, u
B =
f
u
x, u
Ecuacion de salida?
Linealizaci on
Linealizacion
Dada la ecuacion de salida:
y
1
= h
1
[x
1
(t), . . . , x
n
(t), u
1
(t), . . . , u
p
(t)]
.
.
.
y
q
= h
q
[x
1
(t), . . . , x
n
(t), u
1
(t), . . . , u
p
(t)]
La ecuacion linealizada es y = C x +D u, donde:
C =
h
x
x, u
=
_
_
dh
1
dx
1
. . .
dh
1
dx
n
dh
2
dx
1
. . .
dh
2
dx
n
.
.
.
.
.
.
.
.
.
dh
q
dx
1
. . .
dh
q
dx
n
_
x, u
D =
h
u
x, u
=
_
_
dh
1
du
1
. . .
dh
1
du
p
dh
2
du
1
. . .
dh
2
du
p
.
.
.
.
.
.
.
.
.
dh
q
du
1
. . .
dh
q
du
p
_
x
Linealizaci on
Ejemplo
Linealizar las ecuaciones de estado y de salida alrededor del punto
de equilibrio para el siguiente sistema:
x
1
= x
3
+ u
3
1
3u
2
1
x
1
+ 2u
1
x
2
1
x
3
1
+ u
2
x
2
= x
3
x
3
= x
1
x
2
x
3
2
y = x
1
x
2
x
3
2
Linealizaci on
Ejemplo
%Ejemplo - Linealizacion y jacobiano
syms x1 x2 x3 u1 u2
F1 = -x3 + (u1)^3 - 3*((u1)^2)*(x1)+ 3*(u1)*(x1)^2
-(x1)^3 + u2
F2 = x3
F3 = x1-x2-x3-2
Y = x1-x2-x3-2
X = [x1 x2 x3]
U = [u1 u2]
jacobian([F1;F2;F3],X)
jacobian([F1;F2;F3],U)
jacobian(Y,X)
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Agenda
1
Linealizaci on
2
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Las ecuaciones de estado obtenidas son de la forma general:
dx(t)
dt
= f (t, x(t), u(t)), x(t
0
) = x
0
Donde f puede ser lineal, no lineal, invariante con el tiempo,
variante con el tiempo. Existen tecnicas de solucion numerica
para obtener la trayectoria del vector de estado sin obtener la
expresi on analtica de la solucion
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Solucion numerica de ODEs
Las soluciones se basan en metodos de integracion numerica:
Metodo tangencial (Euler)
Metodo trapezoidal (Predicci on - Correcci on)
Metodo de Runge
Metodo de Runge-Kutta
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Metodo tangencial
Aproximacion de primer orden
Expansion en serie de Taylor
dx
dt
t=t
k
x(t
k+1
) x(t
k
)
h
x(t
1
) = x(t
0
) + hf(t
0
, x(t
0
), u(t
0
))
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Algoritmo
Seleccionar el paso de integracion h.
Dividir intervalo de integracion [t
0
, t
f
] en n =
t
f
t
0
h
subintervalos iguales.
Dados x
0
y u(t), iterar:
x(t
k+1
) = x(t
k
) + hf(t
k
, x(t
k
), u(t
k
))
Tiene problemas de estabilidad si h es muy grande.
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Ejemplo
Resolver numericamente el sistema x(t) = u(t) 0.2x(t),
x(0) = 1, para u(t) igual a entrada paso.
tf = 20;
h = 1;
u = 1;
t = 0:h:tf;
n = length(t);
x(1) = 1;
for k = 1:n-1
x(k+1) = x(k) + h*(u-0.2*x(k));
end
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Ejemplo
0 5 10 15 20
1
1.5
2
2.5
3
3.5
4
4.5
5
Solucin exacta vs tangencial
Tiempo (s)
x
(
t
)

Exacta
Tangencial
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Aproximacion Trapezoidal
El area bajo la curva se aproxima como el area del trapecio
determinado por f(t
k
) y f(t
k+1
).
_
t
k+1
t
k
f(t) dt
(t
k+1
t
k
)
f(t
k
) + f(t
k+1
)
2
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Metodo de Prediccion - Correcci on
El problema es que no se puede evaluar f(t
k+1
) exactamente. Para
llegar a una ecuacion iterativa se tiene:
Prediccion: Se hace una predicci on del valor en t
k+1
empleando Euler:
m
k
= f(t
k
, x(t
k
), u(t
k
))
x
k+1
= x(t
k
) + h m
k
Predicci on
donde h = t
k+1
t
k
.
Correcci on: Con base en el punto predicho, se aplica la
aproximacion trapezoidal
m
k+1
= f(t
k+1
, x
k+1
, u(t
k+1
))
x(t
k+1
) = x(t
k
) + h
(m
k
+ m
k+1
)
2
Correcci on
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Metodo de Prediccion - Correcci on
La solucion empleando predicci on - correcci on coincide con la
expansi on en serie de Taylor hasta el termino de segundo orden.
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Ejemplo
h = 1;
u = 1;
t = 0:h:tf;
n = length(t);
x(1) = 1;
for k = 1:n-1
% Prediccion
mk = u - 0.2*x(k);
xpred(k+1) = x(k) + h * mk;
%Correcci on
mk1 = u - 0.2*xpred(k+1);
x(k+1) = x(k) + h*(mk+mk1)/2;
end
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Ejemplo
0 5 10 15 20
1
1.5
2
2.5
3
3.5
4
4.5
5
Solucin exacta vs trapezoidal
Tiempo (s)
x
(
t
)

Exacta
Trapezoidal
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Regla de integracion de Simpson
_
t
0
+h
t
0
f(t) dt
h
6
(x
0
+ 4x
1
+ x
2
)
donde
x
0
= f(t
0
), x
1
= f
_
t
0
+
h
2
_
, x
2
= f(t
0
+ h)
Aproximacion parabolica, parametrizada por tres puntos.
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Regla de integracion de Simpson
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Metodo de Runge
La solucion empleando el metodo de Runge coincide con la
expansi on en serie de Taylor hasta el termino de tercer orden.
x(t
1
) = x(t
0
) +
h
6
(m
0
+ 4m
1
+ m
3
)
m
0
= f(t
0
, x
0
)
m
1
= f(t
0
+
h
2
, x
0
+
h
2
m
0
)
m
2
= f(t
0
+ h, x
0
+ h m
0
)
m
3
= f(t
0
+ h, x
0
+ h m
2
)
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Es posible aproximar el area bajo la curva mediante una funci on
c ubica.
x(t
1
) = x(t
0
) +
h
6
(m
0
+ 2m
1
+ 2m
2
+ m
3
)
m
0
= f(t
0
, x
0
)
m
1
= f(t
0
+
h
2
, x
0
+
h
2
m
0
)
m
2
= f(t
0
+
h
2
, x
0
+
h
2
m
1
)
m
3
= f(t
0
+ h, x
0
+ h m
2
)
Coincide con la expansi on de Taylor hasta el termino de cuarto
orden.
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Uso de Matlab
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Uso de Matlab
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Ejemplo
Simular el modelo de clima de Lorenz para = 10, = 40,
= 8/3 y condiciones iniciales x
0
= [1, 0, 0]
T
.
x = (y x)
y = x( z) y
z = xy z
mediante los siguientes metodos:
Euler
Runge - Kutta
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Simulacion de Sistemas Lineales
Entrada cero
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Con entrada
Metodo tangencial
Metodo trapezoidal
Metodo de Runge
Uso de Matlab
Entrada paso

Semana 3

Загружено:

Сведения о документе

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

Semana 3

Загружено:

Авторское право:

Доступные форматы

Analisis de sistemas no lineales

Вам также может понравиться