Академический Документы
Профессиональный Документы
Культура Документы
lineales
Verano 2011
Índice general
1. Introducción 2
3. Controlabilidad 15
3.0.1. Criterio General de Controlabilidad . . . . . . . . . . 16
3.0.2. Control de mı́nima energı́a . . . . . . . . . . . . . . . 17
3.0.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . 17
1
Capı́tulo 1
Introducción
2
una comprensión más profunda de los problemas cientı́ficos y matemáticos
del control automático y su introducción hace del Control Automático una
disciplina cientı́fica y madura. En los años 60 y ante la importancia creciente
de los métodos del espacio de estados, el cientı́fico R.E. Kalman investiga
la relación entre las representaciones en el espacio de estado y la función de
transferencia, motivando la introducción de los conceptos estructurales fun-
damentales para la comprensión de los sistemas dinámicos: controlabilidad
y observabilidad. A partir de estas consideraciones el estudio de los sistemas
lineales invariantes en el tiempo, tanto en tiempo continuo como discreto,
es sin lugar a dudas uno de los recursos que cualquier especialista en control
automático debe estudiar y por supuesto dominar.
El curso de Sistemas lineales que será impartido en la Maestrı́a en cien-
cias en Ingenierı́a pretende abordar los temas necesarios para una compren-
sión de los sistemas dinámicos lineales utilizando un formalismo de espacio
de estados. El curso contendrá un gran material teórico, pero será desarro-
llado alrededor de ejemplos ilustrativos no convencionales y de aplicación
industrial. El amplio uso del software MATLAB/ Simulink conjuntamente
con el Toolbox Virtual Reality para la simulación de sistemas dinámicos,
permitirá al alumno comprender y asimilar los conocimientos vistos en cla-
se. Al final del curso el alumno será capaz de analizar la estabilidad de un
sistema lineal, analizar la controlabilidad y observabilidad de un sistema
dado y entonces proponer y diseñar controladores por retroalimentación de
estado. Además, el alumno tendrá las competencias necesarias para diseñar
sensores virtuales por medio del diseño de observadores de estado y utili-
zarlos dentro del lazo de control, garantizando la estabilidad exponencial
del sistema completo. El alumno deberá mostrar las competencias adquiri-
das en un proyecto final que implique todos los pasos del diseño de control
utilizando las técnicas de control lineal.
3
Capı́tulo 2
Control en el espacio de
estado
φ0 : S −→ S es la función identidad.
4
φs ◦ φt = φs+t , ∀s, t ∈ R
Ecuaciones de difusión
Procesos estocásticos
Tiempo discreto
Métodos iterativos
Iteración de Mapas
Espacio de estados
5
la dinámica del sistema, permite efectuar un control más potente de esta y
su utilización en sistemas más complejos.
La teorı́a moderna del control se desarrolla para solventar algunos de los
problemas en los que presenta fuertes limitaciones la denominada teorı́a
clásica, basada en el modelado de la función de transferencia de los sistemas
dinámicos lineales de parámetros constantes. Las ventajas de la teorı́a mo-
derna del control en contraposición a la teorı́a clásica son fundamentalmente
las siguientes:
6
Al hablar del vector de estado, bien podemos preguntarnos a que espacio
vectorial pertenece, por lo que respondemos a esa cuestión en la siguiente
definición.
7
y(t) = η(t, x(t), u(t)) (2.3)
la ecuación (2.2) se le llama ecuación de estado, la cual representa la
dinámica de la evolución del estado del sistema y la ecuación (2.3) se le lla-
ma ecuación de salida. La solución de (2.2) da lugar a la Ecuación (2.1).
El sistema representado por (2.2) puede ser, variante o invariante en el tiem-
po o puede ser no lineal o lineal. En lo que sigue de este texto nosotros
consideraremos solamente sistemas lineales e invariantes en el tiempo. Por
lo tanto, es pertinente mencionar las siguientes definiciones.
8
y(t) ∈ Rp es el vector de salidas.
A(t) ∈ Rn×n es la matriz del sistema.
B(t) ∈ Rn×m es la matriz de entrada.
C(t) ∈ Rp×n es la matriz de salida.
D(t) ∈ Rp×m (en la mayorı́a de los casos se anula).
2.4. Ejemplos
2.4.1. Sistema Masa Resorte Amortiguador
Consideremos el sistema masa-resorte-amortiguador mostrado en la fi-
gura 3.3, donde la posición es denotada por q, siendo q = 0 la posición de
reposo del resorte. Aplicando las leyes de Newton, el sistema está modelado
9
Como comentamos anteriormente, la idea de espacio de estados es transfor-
mar una ecuación diferencial ordinaria de orden n, en n ecuaciones diferen-
ciales ordinarias de orden uno. Para este sistema, se tendrá entonces, dos
ecuaciones diferenciales ordinarias de orden uno. Seleccionemos las siguien-
tes variables de estado:
x1 = q ẋ1 = q̇
⇒
x2 = q̇ ẋ2 = q̈
y en forma matricial
ẋ1 0 1 x1 0
= k c + 1 F (2.10)
ẋ2 −m −m x2 m
Note que este sistema es LTI, puesto que es lineal (cumple con el principio de
superposición y además puede representarse en forma matricial) e invariante
en el tiempo (sus parámetros son constantes).
10
El modelo dinámico del sistema de la figura 2.2 dado por
donde
J: Momento de inercia
g: Fuerza de Gravedad
Γ: Par aplicado.
Seleccionemos las siguientes variables de estado:
x1 = θ ẋ1 = θ̇
⇒
x2 = θ̇ ẋ2 = θ̈
11
y se define una matriz T ∈ Rn×n con la particularidad de que no sea singular.
Se define un nuevo vector de estado a partir de x mediante la expresión:
˙
x̃(t) = Ṫ−1 x(t) + T−1 ẋ(t)
puesto que la matriz T es constante se obtiene
˙
x̃(t) = T−1 [Ax(t) + Bu(t)]
= T−1 [ATx̃(t) + Bu(t)]
= T−1 ATx̃(t) + T−1 Bu(t)
donde
à = T−1 AT
B̃ = T−1 B
C̃ = CT
D̃ = D
12
Ahora se encontrará la función de transferencia a partir de esta ecuación de
estado y para eso se toma la transformada de Laplace y se establecerá la
relación entre la entrada y la salida. En principio todas las variables son
vectores:
por lo que los polos del sistema coinciden con los valores propios de la matriz
A.
polos = valores propios de A
13
2.6. Solución de la ecuación de estado
La solución de la ecuación 2.6 está dada por la expresión:
Z t
x(t) = eA(t−t0 ) x(t0 ) + eA(t−τ ) Bu(τ )dτ
t0
Z t
(2.16)
= Φ(t, t0 )x(t0 ) + Φ(t, τ )Bu(τ )dτ
t0
Transformada de Laplace
14
Capı́tulo 3
Controlabilidad
15
Se define el conjunto alcanzable como el conjunto de todos los puntos xf tal
que existe una entrada u(t), 0 ≤ t ≤ T , que lleve al sistema de x(0) = x0 a
x(T ) = xf , i. e.,
n−1
X Z t−1
A(t1 −t0 ) i
x(t1 ) = e x(t0 ) + AB bi (t)u(τ )dτ (3.2)
i=0 t0
o también
Rt
1
b0 (t 1 − τ )u(τ )dτ
Rtt01
t0 b1 (t1 − τ )u(τ )dτ
n−1 = x(t1 ) + eA(t1 −t0 ) x(t0
B AB · · · A B ..
.
R t1
b
t0 n−1 1 (t − τ )u(τ )dτ
(3.3)
el cual es un sistema de n ecuaciones algebraicas lineales que posee una
solución única si y solo si la matriz B AB · · · An−1 B es de rango
pleno.
16
Teorema 2 (Criterio de Controlabilidad de Kalman) Sea el sistema
lineal con un ecuación de estado:
ẋ = Ax(t) + Bu(t)
ẋ = A(t)x(t) + B(t)u(t)
3.0.3. Ejemplos
Péndulo invertido
Considere el sistema mostrado en la figura.
Las ecuaciones de movimiento para este sistema son no lineales y son
dadas por:
17
Figura 3.2: Sistema masa-resorte-amortiguador
Q = [B AB A2 B A3 B] ∈ R4×4
2 4 4
El determinante de esta matriz es det(Q) = g lµ4m 6= 0 entonces Q es de
rango pleno y el sistema es controlable. La controlabilidad garantiza que
existe un control u capaz de llevar la posición del carro a una posición p y
el ángulo y sus derivadas a cero, en un tiempo finito.
Plataforma de suspensión
La figura muestra una plataforma de las utilizadas para estudiar sistemas
de suspensión para automóviles. Las constantes de los resortes se asumen
1 y los coeficientes de fricción viscosa 2 y 1 respectivamente. Tomando los
18
desplazamientos de la posición de equilibrio de los extremos de la platafor-
ma como variables de estado, tenemos que la siguiente ecuación de estados
describe este sistema:
−0,5 0 0,5
ẋ = x+ u
0 −1 1
Puesto que los valores propios son reales y negativos, si la posicion inicial
de la plataforma es diferente del equilibrio, la plataforma regresara a ese
equilibrio de manera exponencial. La pregunta es: ¿Es posible encontrar
una fuerza que lleve la plataforma a su posición de equilibrio en 2 seg?
Calculando el rango de la matriz de controlabilidad, tenemos:
0,5 −0,25
rank[A B] = rank =2
1 −1
Entonces, el sistema es controlable y para cualquier x(0), existe una entrada
que transfiera al sistema de x(0) a su posición de equilibrio en 2 segundos.
Calculando la matriz
2
e−0,5τ e−0,5τ
Z
0 0,5 0
Wc (2, 0) = 0,5 1 dτ
0 0 e−τ 1 0 e−τ
0,2162 0,3167
Wc (2, 0) =
0,3167 0,4908
Ası́ la fuerza
e−0,5(2−τ ) e−1 0
0 10
Wc−1 (2)
u2 (t) = − 0, 5 1
0 e(2−τ ) 0 e−2 −1
19
u2 (t) = −58,82e0,5t + 27, 96et
para t ∈ [0, 2] lleva al estado del sistema de x(0) = [10, −1] a [0, 0] en 2
segundos.
Actividades
1. Realice una simulación para comprobar el resultado anterior.
20
Capı́tulo 4
Control por
retroalimentación de estado
21
Figura 4.1: Diagrama de bloques del sistema 2.6
Figura 4.2: Diagrama de bloques del sistema con control por retroalimenta-
ción de estado
22
Kx: Feed-back
Kr r: Feed-Forward
Se ha obtenido un ”nuevo”sistema LTI, cuya matriz es A, matriz que da
información acerca de la dinámica del sistema.
Por el teorema ??, si los valores propios de la matriz del sistema 4.4 tienen
parte real estrictamente negativa, entonces el sistema 4.4 serán estable.
x1 = y
ẋ1 = x2
x 2 = ẏ
ẋ2 = x3
. .
. =⇒ .
. .
x = y (n−2)
ẋ = xn
n−1
n−1
xn = y (n−1) ẋn = −an−1 xn − an−2 xn−1 − ... − a1 x2 − a0 x1 + u
(4.8)
23
Expresando en forma matricial el cambio de variable 4.8, se tiene lo
siguiente:
ẋ1 0 1 0 . . . 0 x1 0
ẋ2 0 0 1 . . . 0 x2 0
. . . . . . . .
. = . . . . . . + . u
. . . . . . . .
ẋn−1 0 0 0 . . . 1 xn−1 0
ẋn −a0 −a1 . . . −an−2 −an−1 xn 1
(4.9)
La ecuación de salida se deduce de la función de transferencia para la cual
la salida es Y (s), en el dominio del tiempo esta señal es y(t) = x1 . En
consecuencia la ecuación de salida es:
x1
x2
.
. = Cx(t)
y(t) = (1 0 · · · 0) (4.10)
.
xn−1
xn
24
aumentada A − BK, siguiente:
0 1 0 . . . 0
0
0 0 1 . . . 0
.
0
. . . .
.
.
. . . .
A= .
− . (k1 k2 · · · kn )
. . . .
0
.
0 0 . . . 1
−a0 −a1
0
. . . −an−2 −an−1
1
0 1 0 . . . 0
0 0 1 . . . 0
. . . . .
=
. . . . .
. . . . .
0 0 0 . . . 1
−k1 − a0 −k2 − a1 . . . −kn−1 − an−2 −kn − an−1
(4.11)
25
Observación 9 Observe que el diseño del control parte del hecho que todas
la variables de estado son medibles. En el próximo capı́tulo se abordará el
caso en el cual algunas de las variables de estado no son medibles, por lo
que se necesitará diseñar un observador de estado que permita estimar estas
variables, las cuales, entonces, podrán ser utilizadas por el controlador para
estabilizar a todo el sistema.
4.1.1. Ejemplos
Ejemplo 1
Sea la función de transferencia:
3s + 5
H(s) =
s3 + 3s2 + 7s + 1
Se desea diseñar un control por retroalimentación de estado tal que situé los
polos del sistema en lazo cerrado en s1,2 = −1±j y s3 = −10. Observe que el
del denominador de la función de transferencia en lazo cerrado, tendrá que
ser de la siguiente forma:
20 = 1 + k1
22 = 7 + k2
12 = 3 + k3
26
P (λ) = (λ + 3 − j)(λ + 3 + j) = λ2 + 6λ + 82
Por otro lado, el polinomio caracterı́stico de la matriz aumentada es:
82 = 1 + k1
6 = 1 + k2
y entonces K = [5 81].
An−1 B
Qc = B AB · · · n×n
se supone que el sistema es controlable, ası́ que rango(Qc ) = n y por lo
tanto Q−1
c existe:
T
e1
eT
2
Q−1
c = ..
.
eTn
27
A partir de la última fila de esta matriz, se construye una matriz que se le
denominará Tc−1 , y que es la inversa de la matriz de transformación. Esta
matriz de construye de la siguiente forma:
eTn
eT A
n
Tc−1 = ..
.
eTn An−1
La matriz de cambio es Tc , la inversa de está última. Si con está matriz se
hace una transformación de estado, se obtiene el sistema representado en la
forma controlable ( representación en variables de fase) a partir de cualquier
otra representación.
x(t) = Tc x̃(t)
0 1 0 . . . 0
0 0 1 . . . 0
. . . . .
. . . . .
à = Tc−1 ATc =
. . . . .
0 0 0 . . . 1
−a0 −a1 . . . −an−2 −an−1
0
0
.
−1
B̃ = Tc B =
.
.
0
1
Si se aplica a estas matrices, el procedimiento descrito en el apartado
anterior, se obtiene una matriz de retroalimentación K̃, correspondiente a
la representación en forma controlable ( representación en variables de fase)
, que se han de convertir a las variables medibles o accesibles del sistema,
según se muestra en la figura 4.3. La señal de control entonces viene dada
por:
28
K̃ Tc−1
x̃(t)
K
Figura 4.3: Transformación de la matriz de retroalimentación K
⇒ 0 = Axe + Bkr r
⇒ −Bkr r = Axe
⇒ xe = −Ā−1 Bkr r
29
por lo que la salida del sistema viene dada por:
y = Cxe
⇒ y = −CĀ−1 Bkr r
Ahora, dado que el objetivo es que y → r cuando t → ∞, para que esto
¯
suceda es necesario que la matriz kr sea:
kr = (CĀ−1 B)−1 = (C(A − BK)−1 B)−1 (4.13)
Ejemplo
Consideremos el ejemplo del sistema Masa-Resorte-Amortiguador y supon-
gamos que queremos estabilizar el sistema a una posición constante x1 =
y = 2. En este caso es necesario utilizar la ley de control u = −Kx + kr r. La
matriz K = [5 81] ya fue encontrada en el ejemplo anterior. Ahora se tiene
que que encontrar kr . Note que la matriz A y B son conocidas y además en
este caso la salida del sistema es x1 es decir la posición, entonces, C = (1 0).
Usando la relación 4.13, se tiene, que kr = 6.
30
Observación 12 (Matriz de retroalimentación K óptima) La solución
al problema del control óptimo 4.15 también resuelve de forma óptima el pro-
blema de control por retroalimentación de estados, ya que nos da la matriz
de retroalimentación K optimizada mediante la expresión: K = −Q−1 T
u B P.
31