COMO APLICAR LA BIFURCACIÓN DE ANDRONOV-
POINCARÉ-HOPF AL ANÁLISIS Y DISEÑO DE SISTEMAS DE
CONTROL
Manuel F. Pérez Polo, José Ángel Berná Galiano, Javier Gil Chica
Departamento de Física Ingeniería de Sistemas y Teoría de la Señal. Universidad de Alicante. Escuela
Politécnica Superior. Apartado 99, E-03080. Alicante. E-mail: manolo@dfists.ua.es
Resumen
En este trabajo se estudia la bifurcación de
Andronov-Poincaré-Hopf con la idea de
suministrar una herramienta de análisis y
diseño de sistemas de control no lineales. La
exposición es heurística y explora posibles
aplicaciones en el contexto de la ingeniería de
control. Para ilustrar el potencial que presenta
este tipo de bifurcación, se estudian varios
sistemas con leyes de control que abarcan desde
el regulador PID hasta leyes de control no
lineales. En primer lugar se expone de forma
resumida en qué consiste y cuando aparece una
bifurcación en general y cómo utilizarla en
problemas de control. A continuación se
describe brevemente la bifurcación de
Andronov-Poincaré-Hopf, así como las
herramientas necesarias para poder aplicarla.
En concreto, el teorema de la variedad central y
el cálculo del primer valor de Lyapunov. Como
ejemplo de aplicación se considera un
giroscopio en suspensión Cardan con control
PID. Se estudian los puntos de equilibrio del
sistema, la aparición de un foco débil y el
cálculo del primer valor de Lyapunov para
determinar la estabilidad de dicho punto. Se
discute brevemente como usar la bifurcación
para generar comportamiento caótico y como
ajustar los parámetros del regulador PID.
Palabras clave: Bifurcación, Andronov-
Poincaré-Hopf, variedad central, primer valor de
Lyapunov, giroscopio, auto- oscilación, caos.
1 INTRODUCCIÓN
Actualmente a la teoría de bifurcaciones se le
reconoce un potencial suficiente como para ser
cada vez más utilizada en el análisis y diseño de
sistemas de control no lineales [2], [3], [4], [6],
[7], [8], [25]. Sin embargo estas técnicas no
están muy extendidas en el mundo del control
quizás por la dificultad que conlleva la
maquinaria algebraica necesaria cuando la
dimensión del sistema es superior a tres.
La teoría de bifurcaciones describe como las
propiedades topológicas de un sistema dinámico
(número de puntos de equilibrio y órbitas
1
periódicas en el espacio de fases) cambian al
variar uno o más parámetros del mismo, en un
intervalo de valores compatibles con las
características del sistema [6], [7], [8], [9].
Desde el punto de vista de las aplicaciones, los
puntos de equilibrio de un sistema dinámico son
de importancia fundamental. Por eso, este
trabajo se centra en las bifurcaciones locales
asociadas a dichos puntos de equilibrio.
Un punto de equilibrio se dice que es
hiperbólico cuando los autovalores de la matriz
jacobiana, resultante de linealizar el sistema en
ese punto, tienen partes reales no nulas. Esta es
la situación más sencilla que puede aparecer, ya
que entonces la dinámica del sistema no lineal
está determinada por la del sistema linealizado
en dicho punto. Por tanto los puntos de
equilibrio de tipo hiperbólico no presentan
interés desde el punto de vista de la teoría local
de bifurcaciones.
Un punto de equilibrio se dice que es no
hiperbólico cuando uno o más autovalores de la
matriz jacobiana, resultante de linealizar el
sistema en ese punto, tienen parte real nula. En
general se puede afirmar que contra mayor sea
el número de autovalores con parte real nula,
más complicada e imprevisible será la dinámica
de un sistema. De lo anterior se desprende un
criterio sencillo para detectar bifurcaciones:
basta con encontrar valores de los parámetros
para los cuales aparecen autovalores nulos o
complejos conjugados de la matriz jacobiana del
sistema. Obsérvese que cuando un punto de
equilibrio es no hiperbólico, nada se puede
afirmar respecto a la estabilidad o inestabilidad
de dicho punto.
Las observaciones anteriores son de gran interés
desde el punto de vista del control. Supóngase
que un sistema tiene tres puntos de equilibrio,
de los cuales dos de ellos son hiperbólicos con
parte real positiva y el tercero es no hiperbólico.
El hecho de que el sistema evolucione hacia
dicho punto de equilibrio dependerá de si dicho
punto de equilibrio es estable. Si fuera inestable,
sería posible que el sistema alcanzara un
comportamiento auto-oscilante, ya que al ser el
contenido de energía de un sistema físico finito,
ésta tendrá que distribuirse de forma que
permita al sistema evolucionar en el espacio de
fases sin alcanzar ningún punto de equilibrio.
De ahí la importancia de disponer de
herramientas analíticas que permitan conocer
cuando un punto de equilibrio no hiperbólico es
estable o inestable.
En este trabajo se describe la bifurcación de
Andronov-Poincaré-Hopf, la cual aparece
cuando se tiene un punto de equilibrio no
hiperbólico con un autovalor complejo
conjugado puro. A través del comportamiento
dinámico de un giroscopio en suspensión
Cardan con un circuito de realimentación
formado por un motor DC y un amplificador-
regulador PID, se investiga la dinámica regular,
auto-oscilante y caótica del sistema. Además se
discute como se podrían ajustar los parámetros
del regulador PID en base al método propuesto.
Por último se expone brevemente como utilizar
la bifurcación de Andronov-Poincaré-Hopf para
generar comportamiento caótico y como utilizar
dicho comportamiento para generar señales de
control muy pequeñas.
2 CARACTERÍSTICAS DE LA
BIFURCACIÓN DE ANDRONOV-
POINCARE-HOPF
En este apartado se analizan loas propiedades de
la bifurcación de Andronov-Poincaré-Hopf
teniendo en cuenta que algún tipo de ley de
control se ha añadido al sistema. Supóngase un
sistema dinámico definido por:
ξ = fξ [ξ (t ), u (t ) ] ; ξ (0) = ξ 0 ⎫
y ( t ) = h [ξ ( t ) ]
en donde ξ ∈ R ; u (t ) : R → R ; u ∈ R es
n + m m
la señal de control, ξ0 es la condición inicial y
h(.) es la función de salida. Supongamos que la
señal de control se genera a través de una ley de
dinámica de realimentación de la forma:
w = f w [ w(t ), p , t ] ; w(0) = w0 ⎫
u (t ) = u [ w(t ), p, t ]
siendo w(t) ∈ Rr y p ∈ Rp es un vector de
parámetros a partir del cual la ley de control está
parametrizada, de forma que al variar uno o más
de estos parámetros pueden aparecer puntos de
equilibrio no hiperbólicos, que pueden dar lugar
a la aparición de distintos tipos de
bifurcaciones. Distintos tipos de bifurcaciones
se pueden encontrar en [3], [4], [5], [11], [12],
[15].
A partir de las ecuaciones (1) y (2) se puede
formar un sistema ampliado formado por el
vector de estados:
x ( t ) = [ξ ( t ) w( t ) ] ; x ( t ) ∈ R
T n+r
(3)
en donde el nuevo sistema viene definido por:
x (t ) = f [ x (t ), p ] ; y (t ) = h [ x (t ) ] (4)
Sean x0i, i = 1,2,..,k; p0 los puntos de equilibrio
de (4) para los que se verifica:
f [ x0 i , p 0 ] = 0 (5)
Si se linealiza el sistema (4) en torno a cada uno
de estos puntos de equilibrio, se obtendrá un
conjunto de sistemas lineales de la forma:
η = Dx f ( x0 i , p0 ) ⋅ η =
⎡ ∂f ⎤ ⋅ η (6)
⎢⎣ ∂x ⎥⎦ x
0i
0
p
con autovalores definidos por el conjunto de
polinomios de grado n+r:
λi I − Dx f ( x0 i , p0 ) = 0 ; i = 1, 2,..., k (7)
siendo I. la matriz identidad de dimensiones n+r
.Supongamos las raíces de los k-1 primeros
polinomios tienen n+r raíces con parte real
positiva, y por tanto son inalcanzables. Además,
el polinomio k-ésimo presenta una raíz
compleja conjugada pura, la cual puede
depender de los valores del vector de
parámetros p0, y las restantes raíces tienen parte
real no nula. En tal caso puede aparecer una
⎬ (1) bifurcación del tipo Andronov-Poincaré-Hopf,
⎭ pudiendo tener el sistema un comportamiento
auto-oscilante o no dependiendo de las cuencas
de atracción en el espacio de fases, y de los
valores de las partes reales de los demás puntos
de equilibrio. Obsérvese que esta forma de
plantear el problema es bastante general, ya que
la ley de control puede provenir de una
realimentación estática, dinámica o incluso
puede ser un regulador PID, en cuyo caso el
vector de parámetros pueden ser las constantes
⎬ (2) del propio regulador.
⎭ Desde este punto de vista el diseñador tiene
gran libertad de elección, tanto respecto al
control como al vector de parámetros, en
incluso puede considerar sistemas sin control.
En el supuesto anterior, si los parámetros del
sistema se han elegido de forma que el punto de
consigna sea precisamente x0k, será necesario
disponer de algún criterio que nos informe
acerca de las propiedades de estabilidad del
punto de equilibrio no hiperbólico x0k. Este es el
problema que se va a analizar a continuación,
sin embargo es necesario un resultado previo
conocido como teorema de reducción o teorema
de la variedad central.
2
2.1 Teorema de la variedad central
El teorema de la variedad central está
relacionado con la idea de simplificar un
sistema dinámico no lineal [3], [4], [5], [15].
Parece claro que la simplificación de un sistema
no lineal podría abordarse desde dos puntos de
vista: a) A través de un cambio de coordenadas
de forma que se eliminara la no linealidad. Esto
da lugar a las formas normales del sistema y b)
Reducir tanto como sea posible la
dimensionalidad del sistema. Esto da lugar al
teorema de la variedad central. El caso b) es el
que se va a considerar a continuación.
Consideremos un sistema lineal de la forma:
x = Ax
siendo A una matriz de dimensiones (nxn). En
general, la matriz A tiene tres subespacios
vectoriales invariantes Es, Eu, Ec asociados a los
autovalores de la matriz A con parte real
negativa, parte real positiva y parte real cero
respectivamente. Estos subespacios tienen la
propiedad de que las órbitas que parten de Es
caen a cero exponencialmente conforme el
tiempo tiende a infinito,, las que parten de Eu se
hacen no acotadas conforme t → ∞, y las que
comienzan en Ec ni crecen ni decrecen conforme
t → ∞.. El interés se centra en el
comportamiento asintótico del sistema en el
subespacio Ec. Aplicado a sistemas no lineales
este es el contexto del principio de reducción o
teorema de la variedad central.
Consideremos un sistema no lineal
descompuesto en sus variedades central y
estable definido de la forma:
x = Ax + f ( x, y ) ⎫
⎬ ; ( x, y ) ∈ R × R
c u
y = By + g ( x, y ) ⎭
f (0, 0) = 0 ; Df (0, 0) = 0 ⎫
⎬ Dh( x ) ⋅ [ Ax + f ( x, h ( x )) ] = Bh ( x ) + g ( x, h( x ))
g (0, 0) = 0 ; Dg (0, 0) = 0 ⎭
En donde para simplificar la exposición y sin
pérdida de generalidad, se supondrá que la
variedad inestable es nula y que el punto de
equilibrio del sistema es el origen. Df y Dg son
las correspondientes matrices jacobianas.
Obsérvese que A es una matriz de dimensiones
(cxc) en la que todos sus autovalores tienen
parte real cero, y B de dimensiones (sxs) tiene
todos sus autovalores con parte real negativa y n
= c + s, siendo n la dimensión del sistema.
Además se supondrá que las funciones no
lineales f(x,y) y g(x,y) son suficientemente
diferenciables del tipo Cr con r ≥ 2.
Para un sistema definido por las ecuaciones (9),
la variedad central se define de la forma:
⎧( x, y ) ∈ R c × R s | y = h( x ), x < ε ⎫
W (0) = ⎨ ⎬
c
⎩ h(0) = 0 ; Dh (0) = 0 ⎭
(10)
para ε → 0. Obsérvese que la variedad central
está asociada al punto de equilibrio y que desde
el punto de vista geométrico se puede considerar
como una superficie tangente al subespacio Ec.
Algunos teoremas y propiedades de la variedad
central pueden encontrarse en [3], [4], [5], [15].
Pero aquí interesa resaltar lo siguiente: Para
conocer el comportamiento del sistema total en
el origen, basta con conocer la dinámica del
sistema reducido a la variedad central.
(8) Esto supone una gran simplificación, ya que la
dimensión del sistema total puede ser
cualquiera, pero en el caso que nos ocupa con
dos autovalores complejos conjugados puros,
solamente habría que analizar la dinámica de un
sistema de orden dos asociado a la variedad
central. El siguiente paso es determinar la
ecuación de la variedad central.
2.2 Determinación de la variedad central
Sean (x,y) las coordenadas de un punto genérico
sobre la variedad central Wc(0) que verifican:
y = h( x ) (11)
Diferenciando la ecuación (11) respecto al
tiempo se deduce:
∂h ( x ) dx (t )
y = ⋅ = Dh ( x ) ⋅ x (12)
∂x dt
Sustituyendo las ecuaciones (9) en (12) se
deduce:
(9)
(13)
La ecuación (13) es una ecuación en derivadas
parciales cuasilinear que determina la variedad
central h(x). La solución de la ecuación (13)
será en la mayoría de los casos más difícil que
la solución del problema original (9). Pero si se
tiene en cuenta que en el caso de la bifurcación
de Andronov-Poincaré-Hopf, la variedad central
se reduce a un sistema de dimensión dos, cuyas
propiedades dinámicas recogen la del sistema
total, se puede escribir:
⎧( x, y ) ∈ R 2 × R s | y = h( x), x < ε ⎫
W (0) = ⎨ ⎬
c
⎩ h(0) = 0 ; Dh(0) = 0 ⎭
(14)
3
para ε suficientemente pequeño, la variedad
central se puede aproximar por una serie de
potencias hasta un orden dado [4]. Por ejemplo:
⎡ h1 ( x1 , x2 ) ⎤ ⎡ a1 x1 + a2 x2 + a3 x1 x2 ⎤ ⎡ Ο( x ) ⎤
2 2
= +
⎢ h ( x , x ) ⎥ ⎢ b x 2 + b x 2 + b x x ⎥ ⎢ Ο( x 3 ) ⎥
⎣ 2 1 2 ⎦ ⎣ 1 1 2 2 3 1 2⎦ ⎣
(15)
en donde x = [x1 x2]T. Los coeficientes ai, bi se
determinan sustituyendo (15) en (13), y una vez
conocida la variedad central, las propiedades del
punto de equilibrio (0,0) se determinan a partir
del sistema:
x = Ax + f ( x, h( x ))
Obsérvese que en la ecuación (15) se ha tomado
una aproximación de la variedad central hasta
de orden tres, lo cual puede ser suficiente para
muchas aplicaciones prácticas, teniendo en
cuenta que la forma de las ecuaciones del
sistema nos indica el orden de aproximación
mínima, tal como se verá más adelante en los
ejemplos estudiados.
3 ANAISIS DEL PUNTO DE
EQUILIBRIO A PARTIR DEL
PRIMER VALOR DE LYAPUNOV
Con las ideas vistas en el apartado anterior se va
a estudiar como determinar las propiedades de
estabilidad de un punto de equilibrio cualquiera
con dos autovalores complejos conjugados
puros, el cual a través de una translación puede
siempre hacerse coincidir con el origen. No se
van a considerar los distintos tipos de
bifurcaciones del tipo Andronov-Poincaré-Hopf
que pueden darse cuando varía algún parámetro
del sistema. Ver por ejemplo [3], [4], [5], [6].
Con objeto de concretar y hacer la exposición
más sencilla se supondrá que se parte de un
sistema de cuarto orden de la forma:
x ′ = f ( x′, p ) ; x′ ∈ R ; p ∈ R
4 1
siendo p un parámetro que puede tomar un valor
para el cual la matriz jacobiana del sistema en el
punto de equilibrio que supondremos el origen
tiene autovalores de la forma:
λ1,2 = δ ( p ) ± iω ( p ) ; λ3, 4 = −α ± i β (18)
con δ(p0) = 0 y ω(p0) > 0, siendo p0 el valor del
parámetro p cuando se produce la bifurcación.
Este tipo de puntos de equilibrio reciben el
nombre de focos débiles, y en ellos el sistema o
bien es inestable o tiende hacia el foco débil
siguiendo una espiral logarítmica de longitud
infinita. Por consiguiente, si el foco débil es
estable, el sistema queda atrapado oscilando en
torno a él pero sin llegar nunca a alcanzarlo. La
estabilidad de un foco débil está determinada
por un coeficiente llamado primer valor de
Lyapunov. Por tanto, si en una situación como
3
la que se está considerando es posible calcular
⎦ en forma parametrizada dicho coeficiente,
parece razonable pensar que este tipo de cálculo
pueda aplicarse al análisis y diseño de sistemas
de control. Si aparecen un par de autovalores
complejos conjugados puros independientes del
valor del parámetro de bifurcación, el sistema
alcanza en estado estacionario un ciclo límite
con comportamiento auto-oscilante [14].
(16) El cálculo del primer valor de Lyapunov para el
sistema genérico (17) se realiza a través de los
siguientes pasos [16]:
1. Separar la parte lineal de la no lineal del
sistema a partir de un desarrollo en serie de
Taylor hasta términos de tercer orden como
mínimo. Con lo cual el sistema (17) quedará de
la forma:
x ′ = A( p ) x′ + f ( x′, p ) + Ο ( x′ ) 4
(19)
Los autovalores de A(p) vienen dados por (18).
2. A partir de los autovalores dados por la
ecuación (18) buscar la matriz de
transformación P que lleva a la matriz A(p) a la
forma canónica de Jordan, o sea:
x′ = Px ⇒ x = P A( p ) x + P f ( x, p ) + Ο
−1 −1
( x )⎫
4
⎪
⎡ 0 −ω 0 0 ⎤ ⎪
⎢ω 0 ⎪
0 ⎥
0 ⎬
P A( p ) = ⎢ ⎥
−1
⎪
⎢0 0 −α −β ⎥ ⎪
⎢ ⎥
⎣0 0 β −α ⎦ ⎭⎪
(20)
3. Simplificar el sistema (20) tanto como sea
posible, para ello aplicamos el teorema de la
(17) variedad central. Teniendo en cuenta que:
x = [ x1 x4 ]
T T
x2 x3 (21)
la ecuación (15) queda de la forma:
⎡ x3 ⎤ ⎡ a1 x1 + a2 x2 + a3 x1 x2 ⎤ ⎡ Ο( x ) ⎤
2 2 3
= +
⎢ x ⎥ ⎢ b x 2 + b x 2 + b x x ⎥ ⎢ Ο( x 3 ) ⎥ (22)
⎣ 4⎦ ⎣ 1 1 2 2 3 1 2 ⎦ ⎣ ⎦
sustituyendo la ecuación (22) en la (13) se
determinan los coeficientes ai y bi. y por tanto
eliminando las variables x3 y x4 entre las dos
primeras ecuaciones (20) se obtiene el sistema
4
reducido sobre la variedad central que será de la desee, se podrán elegir los parámetros para que
forma: L1 sea positivo o negativo. De esta forma es
posible utilizar la bifurcación de Andronov-
⎡ x1 ⎤ ⎡ 0 −ω ⎤ ⎡ x1 ⎤ ⎡ f 1 ( x1 , x2 ) ⎤ Poincaré-Hopf para investigar sistemas de
⎢ x ⎥ = ⎢ω ⎥+⎢ ⎥ (23)
0 ⎥⎦ ⎢⎣ x2 ⎦ ⎣ f 2 ( x1 , x2 ) ⎦
control. A continuación se van a estudiar varios
⎣ 2⎦ ⎣ casos para ver el alcance de las posibilidades
anteriores.
4. Por último se determina el primer valor de
Lyapunov que viene dado por la ecuación (24),
en donde para simplificar se ha introducido la 4. GIROSCOPIO EN SUSPENSION
notación x1 ≡ x ; x2 ≡ y. En la ecuación (24) los CARDAN CON CONTROL PID
subíndices indican derivadas parciales, las
cuales se calculan en el origen. Un esquema general del dispositivo se muestra
en las figuras 1 y 2. El modelo matemático del
1 sistema se deduce a partir de las siguientes
L1 =
16
(f 1
xxx
+ f xyy + f xxy + f yyy
1 2 2
) suposiciones [2], [15], [16], [17], [18], [19].
La plataforma del giro está en reposo, y α(t) es
1
+ ⎡⎣ f xy1 ( f xx1 + f yy1 ) − f xy2 ( f xx2 + f yy2 ) ⎤⎦ (24) el ángulo de giro del anillo exterior cuyo eje es
16ω horizontal. El ángulo del anillo interior es β(t).
Usando las ecuaciones de Euler-Lagrange, las
1
+ ⎡⎣ f xx1 f xx2 − f yy1 f yy2 ⎤⎦ ecuaciones del movimiento son:
16ω
d α (t )
2
d β (t ) ⎫
+ H cos β
∗
Si L1 es positivo, el punto de equilibrio será un J = Mα + M ⎪
foco débil inestable y si L1 es negativo dt
2
dt ⎪
tendremos un foco débil estable. Está claro que ⎬ (25)
d β (t ) dα
2

dependiendo de la ley de control elegida, es Hr − H cos β =0 ⎪

posible obtener L1 en función de ciertos dt
2
dt ⎪⎭
parámetros que caractericen dicha ley de
control, y por tanto dependiendo de lo que se

Y1 ≡ Y2 ≡ Y
BASTIDOR
BASTIDOR INTERIOR
EXTERIOR

dβ/dt

X2 , ξ
dα/dt
γ

dγ/dt
α
O

ROTOR

X1 ≡ X
β
Z2

Figura 1. Giroscopio en suspensión Cardan.. Valores de parámetros: A1 = B1 = 0.045 kg.m2, C1 = 0.05625 kg.m2, A2
= 0.04875 kg.m2, A = 0.01125 kg.m2, C = 0.0225 kg.m2, Hr = 0.05625 kg.m2, Jm = 0.001 kg.m2, j = 10, Km = 5
N.m/A, Kb = 0.04 V.s, R = 0.5 Ω, L = 0.01 H, Ka = 10.

5
 GIROSCOPIO
N2
R L
α
i(t)
AMPLIFICADOR
Y REGULADOR
VS PID V eb
Ka SENSOR CUERPO A
MOTOR CC ϕ
N1 ESTABILIZAR

AMPLIFICADOR OPERACIONAL βr β(t)

+

R R
V1
-

+ V2
R POTENCIOMETRO
VS
R

Figura 2. Giroscopio con circuito de realimentación formado por potenciómetro, amplificador operacional,
amplificador y regulador PID. Variable medida: ángulo de giro del bastidor interior del giroscopio.

El parámetro J se define por la ecuación: par motor se transmite al eje del anillo exterior
a través de un tren de engranajes con relación
J = A2 + A1 + A = A2 + C1 (26) del número de dientes j = N2/N1. Con las
consideraciones anteriores se pueden escribir
las siguientes ecuaciones:
en la que A2 el momento de inercia del anillo
exterior referido a su eje de rotación, A1, B1, C1
d ϕ (t )
2
son los momentos de inercia del anillo interior Mα
M (t ) = J m − ; M (t ) = K m i ( t )
respecto a los ejes principales de inercia; A y C dt
2
j
son los momentos de inercia polar y ecuatorial (27)
del rotor, y H r = A + B1 . La ecuación (39)
significa que en el diseño mecánico del giro se d ϕ (t ) d α (t ) d α (t )
2

=−j ; Mα = − j Jm − jK m i (t )
2

supone que A1 + A = C1 , y por tanto el dt dt dt

2

momento de inercia total del giro es constante. N2 di (t ) d ϕ (t )

H es el momento cinético del rotor del giro
que es una constante definida por:
H = C ⋅ nr ⋅ 2π / 60 donde nr es la velocidad
del rotor en rpm, Mα es el par aplicado al eje
horizontal debido al motor externo DC, y M*
es un par externo de perturbaciones aplicado al
cuerpo conectado al anillo exterior. Las
ecuaciones (25) representan el modelo del
giroscopio sin control. [1], [6], [7], [8]. La
señal de control V(t) se aplica a través del
motor DC. Los parámetros R, L, Kb and Km son
la resistencia, inductancia, fuerza contra-
electromotriz y constante del par del motor. El
j= ; L + Ri (t ) = V (t ) − K b
N1 dt dt
(28)
siendo Jm el momento de inercia del eje del
motor, M(t) es el par motor, ϕ(t) el ángulo de
giro del eje del motor, Mα es el par aplicado al
eje de rotación del anillo exterior, i(t) es la
corriente a través del motor de corriente
continua DC.
En las ecuaciones (27), (28) se supone que la
plataforma del sistema total está en reposo. Sin
embargo, si la plataforma está sometida a una

6
vibración externa dada por θ(t), las ecuaciones En las ecuaciones (33) la variable α(t) solo
(28) no son válidas, puesto que un par adicional aparece bajo el símbolo de derivada, por lo que
aparece en el eje Oξ (figura 1). En este caso la se puede considerar que actúa de forma similar
velocidad relativa del eje del motor será: a una variable cíclica, por lo que conviene
eliminarla entre las ecuaciones (33).
d (ϕ − θ ) d (α − θ ) Introduciendo las variables de estado:
=−j (29)
dt dt
d β (t )
x1 (t ) = β (t ) ; x2 (t ) = ; x3 (t ) = i (t )
De las ecuaciones (28)-(29) se deduce: dt
(34)
dα dθ
2 2 t

∫ (β (τ ) − β )dτ
Mα = − j Jm
2
+ j ( j + 1) J m − jK m i (t ) di (t )
2 2 x4 (t) = ; x5 (t ) =
dt dt dt
r

(30) o

Sustituyendo la ecuación (30) en la (25) se se deducen las siguientes ecuaciones:

deducen las ecuaciones del giroscopio debidas
al circuito de realimentación indicado en la x1 (t ) = x2 (t ) ⎫
figura 2:
H cos x1 (t ) H ⎪
x 2 (t ) = f ( x(t )) + cos x1 (t )θ (t ) ⎪
d α (t )
2
d β (t ) ⎫ jK b H r Hr ⎪
+ H cos β (t )
∗
JT = − jK m i (t ) + M
⎪ ⎪
dt
2
dt x 3 (t ) = x4 (t )
⎪ ⎪
d 2θ ⎪ 2
j K m Kb R ⎪
+ j ( j + 1) J m 2 ⎪⎪ x 4 (t ) = − x3 (t ) − x4 (t ) ⎪
dt LJ T L ⎪
⎬ ⎪
d β (t ) d α (t ) ⎪
2

Hr − H cos β (t ) =0 jK b H τ d Ka K p H ⎬
dt
2
dt ⎪ − x2 (t ) cos x1 (t ) + cos x1 (t ) f ( x (t ))
⎪
⎪ LJ T jK b H r L
di (t ) d α (t ) d α (t ) ⎪ ⎪
L +Ri (t ) = V (t ) + jK b − jK b Ka K p Ka K p jK b ∗ ⎪
dt dt dt ⎪ ⎭ + [ x1 (t ) − x1r ] + x2 (t ) + M ⎪
Lτ i L LJ T
(31) ⎪
siendo J T = J + j J m . Por otro la ecuación del
2
jK b τ d HK a K p ⎪
regulador PID vienen dada por: + [ j ( j + 1) I M − J T ]θ(t ) + cos x1 (t )θ (t ) ⎪
LJ T LH r ⎪
x (t ) = x1 (t ) − x1r ⎪⎭
⎡ t
d β (t ) ⎤ 5
∫
1
V ( t ) = K a K p ⎢ β (t ) − β r + ( β (τ ) − β r ) dτ + τ d ⎥ (35)
⎣⎢ τi dt ⎥
⎦
0

(32) en donde la función f(x(t)) viene dada por:

De las ecuaciones (31) y (32), se obtienen el f ( x (t )) = Rx1 (t ) + Lx4 (t ) − K a K p ( x1 (t ) − x1r )

modelo matemático del sistema con regulador
PID: Ka K p
− τ d K a K p x 2 (t ) − x5 (t )
τi
d α (t )
2
d β (t ) ⎫ (36)
+ H cos β (t )
∗
JT 2
= − jK m i (t ) + M
⎪
dt dt
⎪ Por otro lado es conocido que en reguladores
d 2θ ⎪ con acción integral es necesario limitarla para
+ j ( j + 1) J m 2 ⎪
dt evitar problemas debidos a valores excesivos de
⎪ la esta. Por tanto, si se limita el valor de la
d β (t ) d α (t ) ⎪
2

− H cos β (t ) =0 acción integral, las ecuaciones (35), (36) se

Hr 2 ⎬ pueden simplificar asumiendo que x5 = Im,
dt dt ⎪ siendo Im el valor máximo que alcanza la acción
⎡ dβ ⎤⎪
t
1
V (t ) = K a K p ⎢ β (t ) − β r + ∫ ( β − β r ) dτ + τ d ⎥⎪
integral del regulador PID. Si además se supone
⎣ τi 0 dt ⎦ ⎪ que la plataforma del sistema está estática, es
decir θ(t) = 0, las ecuaciones (33) se pueden
di (t ) d α (t ) d α (t ) ⎪
− jK b simplificar introduciendo los parámetros
L +Ri (t ) = u (t ) + jK b ⎪
dt dt dt ⎭ definidos por las ecuaciones:
(33)

7
 H
2
j Km Kb jK b H • Punto P3 (x1e = 3π/2, x2e = 0, x3e, x4e =
αc = ; βc = ; γc = 0) en este caso el valor de se determina de
jK b H r LJ T LJ T la ecuación:
τ d Ka K p H τ d Ka K p K a K p ⎛ 3π ⎞ jK b M ∗ = 0
− β c x3 e +
3π / 2
δc = = αc ⎜ − x1r ⎟ +
jK b H r L L Rτ i ⎝ 2 ⎠ RJ T
(37) (42)
las ecuaciones (35), (36) quedan de la forma: Nótese que para n entero y, x1e = (4n+1)π/2, x1e
x1 (t ) = x2 (t ) ⎫ = (4n+1)3π/2 también se obtienen los puntos de
⎪ equilibrio P2 y P3 respectivamente. Si la acción
⎡ Ka K p ⎤
⎪ integral está restringida a un valor arbitrario Im
x 2 (t ) = α c cos x1 (t ) ⎢ f1 ( x (t )) − Im ⎥ en los puntos P2 y P3 se verifica:
⎣ τ i ⎦ ⎪
⎪
x 3 (t ) = x4 (t ) ⎪
⎪ ⎛ π − x ⎞ − Ka K p I ≠ 0 ⎫
π /2
Rx3 e − K a K p ⎜
1r ⎟
P2 : ⎪
x 4 (t ) = − β c x3 (t ) − γ c x2 (t ) cos x1 (t ) + δ c cos x1 (t ) ⋅⎬ ⎝2 ⎠ τi
m
⎪
⎪ ⎬
⎡ Ka K p ⎤ Ka K p ⎛ 3π ⎞ Ka K p
− + [ − ] + ⎪ I m ≠ 0⎪
3π / 2
⎢ f ( x ( t )) I m⎥
x ( t ) x P3 : Rx3 e − K a K p ⎜ − x1r ⎟ −
⎪ ⎭⎪
1 1 1r
⎣ τi ⎦ Lτ i ⎝ 2 ⎠ τi
⎪ (43)
Ka K p jK b ∗ ⎪
x2 ( t ) + M
L LJ T ⎪⎭ Además, es posible determinar el valor de Im en
(38) los puntos P2 y P3, ya que a partir de las
en donde la función f1(x(t)) viene dada por: ecuaciones (40) particularizadas en el punto P2
se deduce:
f1 ( x (t )) = Rx1 (t ) + Lx4 (t ) − K a K p ( x1 (t ) − x1r ) π /2 ⎛π ⎞ Ka K p I π / 2 = 0 ⎫
Rx3 e − K a K p ⎜ − x1r ⎟ −
⎝2 ⎠ τi ⎪
− τ d K a K p x2 ( t ) ⎪
⎬
(39) ⎛
Ka K pπ ⎞ jK b
− β c x3 e M * = 0⎪
π /2
+ ⎜ − x1r ⎟ +
Lτ i ⎝ 2 ⎠ LJ t ⎪⎭
Es importante tener en cuenta que cuando la
acción integral es menor que el máximo valor (44)
permitido Im, la dinámica del sistema viene π /2
Eliminando x3e entre las ecuaciones (44) se
definida por las ecuaciones (35), (36), pero
deduce:
cuando se alcanza el valor Im la dinámica del
sistema viene gobernada por las ecuaciones π /2 τi RM * ⎛ RJ ⎞⎛ π ⎞
(38), (39). A partir de las ecuaciones (38) y (39) I = − ⎜τ i − 2 T ⎟ ⎜ 2 − x1r ⎟
se analizan los puntos de equilibrio del sistema
K a K p jK m ⎝ j K m Kb ⎠⎝ ⎠
global: (45)

• Punto P1 (x1e, x2e = 0, x3e, x4e = 0) El mismo razonamiento permite obtener la

Considerando valores fijos de x1r, M*, Kp y acción integral asociada al punto de equilibrio
τi, el valor de x1e y x3e se obtiene a partir P3:
del sistema de ecuaciones:
Ka K p ⎫ 3π / 2 τi RM * ⎛ RJ ⎞ ⎛ 3π ⎞
Rx3 e − K a K p ( x1e − x1r ) − Im = 0⎪ I = − ⎜τ i − 2 T ⎟ ⎜ 2 − x1r ⎟
τi
⎪ K a K p jK m ⎝ j K m Kb ⎠ ⎝ ⎠
⎬ (46)
Ka K p jK b ∗
− β c x3 e + ( x1e − x1r ) + M = 0⎪
Lτ i LJ T ⎪⎭ Es importante tener en cuenta que a partir de las
(40) ecuaciones (45) y (46) se deduce que si
3π / 2 π /2
• Punto P2 (x1e = π/2, x2e = 0, x3e, x4e = x1 r < π / 2 entonces I <I . Los
0) donde el valor de x3e se calcula a partir razonamientos anteriores permiten concluir que
de la ecuación: el sistema evolucionará al punto de equilibrio P1
si los autovalores de la matriz jacobiana tienen
Ka K p ⎛ π ⎞ jK b M ∗ = 0 parte real negativa y los puntos P2 y P3 son
− β c x3 e +
π /2
⎜ − x1r ⎟ + inalcanzables. Por tanto, es necesario analizar el
Lτ i ⎝ 2 ⎠ LJ T comportamiento del giroscopio en los puntos P1,
(41) P2 y P3. Para ello, se realiza una translación de

8
coordenadas para trasladar cualquiera de estos Im = Iπ/2 - ε con ε > 0, Im > 0 y aparece un foco
puntos al origen, o sea: débil inestable.

x1′ (t ) = x1 (t ) − x1e ; x2′ (t ) = x2 (t ) − x2 e 3.3. Análisis del punto P3

(47)
x3′ (t ) = x3 (t ) − x3 e ; x4′ (t ) = x4 (t ) − x4 e Suponiendo que la acción integral está
restringida al valor Im = Iπ/2 + ε, con ε > 0, Im >
3.1. Análisis del punto P1 0 y sustituyendo x1e por 3π/2 en las ecuaciones
del sistema linealizado a partir de las ecuaciones
Sustituyendo las ecuaciones (47) en las (38) y (38) se obtiene:
calculando las autovalores de la matriz
jacobiana se deduce: x1′ (t ) = x2′ (t )
x 2′ (t ) = α c s enx1′ (t ) f 2 ( x′(t ))
λ + b3 λ + b2 λ + b1λ + b0 = 0
4 3 2
⎫
⎪ x 3′ (t ) = x4′ (t )
R
b3 = ; b2 = β c + Lα c γ c cos x1e
2
⎪
L ⎪ ⎡ ⎛ γc ⎞ ′ ⎤
⎪ x 4′ (t ) = δ c senx1′ (t ) ⎢ f 2 ( x′(t )) − ⎜ ⎟ x2 ( t ) ⎥ +
⎛ Ka K p ⎞ ⎬ ⎣ ⎝ δc ⎠ ⎦
b1 = ⎜ Rα c γ c cos x1e + τ d K a K pα c γ c − α c ⎟ cos x1e ⎪
⎝ τ ⎠ Ka K p Ka K p R
i
⎪ x1′ (t ) + x2′ (t ) − β c x3′ (t ) − x4′ (t )
⎛ R ⎞ ⎪ Lτ i L L
b0 = α c K a K p ⎜ β c − ⎟ cos x1e ⎪
Lτ i ⎠ (49)
⎝ ⎭ siendo
(48)

⎛ 3π − x ⎞ − K a K p I π / 2 + ε
A partir del criterio de Routh-Hurwitz se deduce p = Rx3 e
3π / 2
− Ka K p ⎜ 1r ⎟ ( )
que el punto P1 será estable si las raíces de la ⎝ 2 ⎠ τi
ecuación característica tiene parte real negativa,
o sea si se cumple -π/2 < x1e < π/2, b2b3 > b1 y f 2 ( x′(t )) = Rx3′ (t ) + Lx4′ (t ) − K a K p ( x1′ (t ) − τ d x2′ (t ))
b1(b2b3 – b1) > b0b32. (50)

3.2. Análisis del punto P2 Eliminando x3e

3π / 2
y Iπ/2 entre (42), (45) y (50),
Considerando las ecuaciones (38) y se deduce:
sustituyendo x1e = π/2, y tomando Im = Iπ/2, Im > ⎛ JT R ⎞ Ka K p
0 en la ecuación (46), la matriz jacobiana del p = − K a K pπ ⎜ 1 − ⎟ − τ ε (51)
⎝ j K m K bτ i ⎠
2

sistema linealizado en P1 tiene dos autovalores i

cero, dando lugar a una bifurcación del tipo

Takens-Bogdanov. Supongamos que la acción Es fácil comprobar que si p < 0, las ecuaciones
integral está limitada al valor Im = Iπ/2 - ε con ε (49) tienen autovalores λ1,2 = ±i α c p y por
> 0, Im > 0, entonces aparecen un par de
tanto es necesario investigar el punto de
autovalores imaginarios puros y en P2 aparece
equilibrio P3 con mucho cuidado.
un foco débil. Sin embargo, si la acción integral
esta limitada a Im = Iπ/2 + ε con ε > 0, Im > 0 es
3.4. Análisis de estabilidad del punto P3
fácil comprobar que el punto P2 es una silla y
por tanto será inalcanzable.
De los resultados anteriores se deduce que el
A partir de los razonamientos anteriores se
punto de equilibrio P3 es un foco débil, siendo
deduce que mientras que la acción integral
necesario investigar su estabilidad a partir del
(x5(t)) es menor que Iπ/2 el sistema evoluciona
método propuesto en el apartado 3.
hacia el punto P2 si es un foco débil estable. Por
otro lado si P2 es un foco débil inestable, el giro
Paso 1.
evolucionará hacia P1 o P3.
Realizar un desarrollo en serie de Taylor de la
Finalmente, cuando la acción integral alcance
un valor mayor que Iπ/2 el punto P2 será función sen( x1′ (t )) que es la parte no lineal de
inalcanzable y el sistema saltará hacia los las ecuaciones (49) hasta términos de tercer
puntos P1 o P3.En resumen, el punto P2 será orden. Más adelante se verá porqué no son
inalcanzable cuando se cumplen las siguientes necesarios en principio más términos del
condiciones: La acción integral está limitada a desarrollo en serie. Sustituir en la ecuación

9
 (49) y separar la parte lineal de la no lineal ⎡ x ⎤ ⎡ 0 −ω 0 0 ⎤ ⎡x⎤
para obtener las siguientes ecuaciones: ⎢ y ⎥ ⎢ω 0 0 0 ⎥ ⎢ y⎥
⎢ ⎥=⎢ ⎥⎢ ⎥+
⎡ x1′ ⎤ ⎡ 0 1 0 0 ⎤ ⎡ x1′ ⎤ ⎡ 0 ⎤ ⎢ z ⎥ ⎢ 0 0 α1 − β1 ⎥ ⎢ z ⎥
⎢ x ′ ⎥ ⎢ c 0 0 0 ⎥ ⎢ x2′ ⎥ ⎢ f 2 ( x′) ⎥ ⎢  ⎥ ⎢a b β ⎥⎢ ⎥
⎢ 2⎥ = ⎢ ⎥⎢ ⎥+⎢ ⎥+ ⎣ w⎦ ⎣ 1
α1 ⎦ ⎣ w ⎦
(57)
⎢ x 3′ ⎥ ⎢ 0 0 0 1 ⎥ ⎢ x3′ ⎥ ⎢ 0 ⎥ ⎡ 0 ⎤
⎢ ′ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ f ( x , y , z , w) ⎥
⎣ x4 ⎦ ⎣ a b −βc −ξ ⎦ ⎣ x4′ ⎦ ⎣ f 4 ( x′) ⎦
4 P ⎢
−1 2
⎥ + Ο( x 4
)
+Ο x′ ⎢ 0 ⎥
⎢ ⎥
(52) ⎣ f 4 ( x , y , z , w) ⎦
siendo:
siendo f 2 y f 3 las mismas funciones de la
Ka K p Ka K p R
c = αc p ; a = δc p + ;b= ;ξ = ecuación (52), pero sustituyendo las
Lτ i L L coordenadas x’ por x.
(53)
Paso 3.
f 2 = α c x1′ ( Rx3′ + Lx4′ − K a K p x1′ − τ d K a K p x2′ ) ⎫ En este paso las ecuaciones (52) se simplifican
cuanto sea posible aplicando el teorema de la
⎪
αc p ⎪ variedad central [3], [4], [5] (apartado 2), con
− x3′
3
lo que la dimensionalidad del sistema se reduce
6 ⎪
⎪ a dos en un entorno del punto de equilibrio P3.
⎡ ⎛ γc ⎞ ⎤ ⎬ En la variedad central las variables z y w se
f 4 = δ c x1′ ⎢ Rx3′ + Lx4′ − ⎜ τ d K a K p + ⎟ x2′ ⎥ ⎪ aproximan por:
⎣ ⎝ δc ⎠ ⎦
⎪
2 δ p ⎪ ⎡ z ⎤ ⎡ h1 ( x, y ) ⎤ ⎡ a1 x + a2 y + a3 xy ⎤
2 2

− δ c K a K p ( x1′) − c x3′
3
⎪⎭ ⎢ w⎥ = ⎢ h ( x, y ) ⎥ = ⎢ b x 2 + b y 2 + b xy ⎥ (58)
6 ⎣ ⎦ ⎣ 2 ⎦ ⎣ 1 2 3 ⎦
(54)
Los coeficientes ai, bi (i = 1,2,3) se determinan
Los autovalores de la parte lineal de (52) son:
sustituyendo la ecuación (58) en la ecuación que
λ1,2 = ±iω = ±i α c p define la variedad central, y que viene dada por
(55) la ecuación (13).
λ2,3 = −ξ / 2 ± i β c − (ξ / 2)
2

y por consiguiente aparece una bifurcación del D x h ( x , y ) [ Ax + f ( x, y , h1 ( x, y ), h2 ( x, y )) ] =

tipo Andronov-Poincaré-Hopf .
Bh ( x , y ) + g ( x, y , h1 ( x, y ), h2 ( x, y ))
Paso 2. (59)
Determinar la matriz de transformación P que
lleva a la parte lineal del sistema (52) a la forma siendo:
canónica de Jordan.
⎡x⎤ ⎡0 −ω ⎤
⎡ x1′ ⎤ ⎡ 0 1 0 0 ⎤ ⎡x⎤ x = ⎢ y ⎥ ; A = ⎢ω ⎥
⎢ x′ ⎥ ⎢ ω ⎣ ⎦ ⎣ 0 ⎦
0 0 0 ⎥ ⎢ y⎥
x′ = P ⋅ x ⇒ ⎢ ⎥ = ⎢ ⎥⎢ ⎥ ⎡ f 2 ( x, y , h( x, y )) ⎤
2
1
⎢ x3′ ⎥ ⎢ g f 0 1 ⎥⎢z⎥ f ( x, y , h( x, y )) =
⎢ ′⎥ ⎢ ⎥⎢ ⎥ ω ⎢⎣ 0 ⎥
⎦
⎣ x4 ⎦ ⎣ω f −ω g β1 α1 ⎦ ⎣ w ⎦
⎡ ( gα1 − ω f ) f 2 + f 4 ⎤
R ⎛ R ⎞
2
⎡α 1 − β1 ⎤ ⎢ β1ω β1 ⎥
α1 = − ; β1 = βc − ⎜ ⎟ B= ; g = ⎢ ⎥
2L ⎝ 2L ⎠ ⎢β α 1 ⎥⎦
⎣ 1 ⎢ − gf 2 ⎥
a ( β c − ω ) + bξω
2 2
ω ⎡⎣b( β c − ω ) − aξ ⎤⎦
2 ⎢⎣ ω ⎥⎦
f = ; g=
(βc − ω ) + ξ ω
2 2 2 2
(βc − ω ) + ξ ω
2 2 2 2
⎡ ∂h ∂h ⎤
Dx h =
⎢⎣ ∂x , ∂y ⎥⎦
(56)
Aplicando la transformación (56) a la ecuación (60)
(52) se obtiene:

10
Igualando las potencias de x2, xy, y2 en los dos 2ω⎡ ⎛ ( gα1 − ω f ) a02 b02 ⎞ ga ⎤ ⎫
miembros de la ecuación (13) se calculan los p1 = ⎢ −α1 ⎜ + ⎟ + β1 02 ⎥ ⎪
coeficientes ai, bi. El sistema simplificado en βc ⎣ ⎝ β1ω β1 ⎠ ω ⎦
⎪
forma normal en la variedad central toma la
siguiente forma: 2ω ⎡ ⎛ ( gα1 − ω f ) a02 b02 ⎞ ga02 ⎤ ⎪
p2 = β 1 ⎜
+ + α
⎟ 1 ω ⎥ ⎪
β c ⎢⎣ ⎝ β1ω β1 ⎠ ⎦ ⎬
⎡ x ⎤ ⎡ 0 −ω ⎤ ⎡ x ⎤ 1 ⎡ f 2 ( x, y ) ⎤ b02 = δ c ( Rf − Lω g − K a K p )
⎪
⎢ y ⎥ = ⎢ω 0 ⎥ ⎢ y ⎥ + ω ⎢ 0 ⎥ (61) ⎪
⎣ ⎦ ⎣ ⎦⎣ ⎦ ⎣ ⎦ ( gα1 − ω f ) a11 b11 ⎪
c11 = + ⎪
siendo: β1ω β1 ⎭
(65)
f 2 ( x, y ) = a02 y + a11 xy + a03 y +
2 3 Si L1 > 0 el punto de equilibrio P3 será inestable,
si L1 < 0 el punto de equilibrio será estable.
α c ( R + Lα 1 ) y ( b1 x + b2 y + b3 xy ) +
2 2
Si L1 = 0 es necesario reducir el sistema (52) en
la variedad central considerando términos de
α c L β1 y ( a1 x + a2 y + a3 xy )
2 2
hasta de hasta 5. Esto es debido a que se puede
demostrar que los términos ares del desarrollo
a02 = α c ( Rf − Lω f − K a K p )
(62)
en serie de Taylor no influyen en las
a11 = α c ( Rg + Lω f − τ d K a K pω ) propiedades de estabilidad del foco débil. Se
concluye que las ecuaciones (62), (63), (64) y
αc p (65) nos dan un criterio para conocer las
a03 = − propiedades de estabilidad del punto P3.
6
El análisis de los puntos de equilibrio revela que
Paso 4. si la acción integral del regulador PID se satura
Considerando un sistema de la forma (61) es al valor Im = Iπ/2 + ε el punto de equilibrio P2
posible calcular el primer valor de Lyapunov a será inalcanzable, y si además el primer valor de
partir de la ecuación (24), considerando que Lyapunov definido por las ecuaciones (62)-(65)
todas las derivadas parciales hay que calcularlas es positivo, el punto de equilibrio P3 será un
en el punto de bifurcación, o sea en el origen P3 foco débil inestable. Por tanto la única
(x = 0, y = 0). De esta forma se determina el posibilidad del giro es evolucionar hacia el
primer valor de Lyapunov dado por: punto de equilibrio P1, siempre que todas las
raíces de la ecuación característica (48) tengan
a11 a02 α c ( R + Lα 1 )b3 α c L β 1 a3 partes reales negativas en ausencia de
L1 = + + (62)
8ω
3
8ω 8ω vibraciones de la plataforma del dispositivo.
De los razonamientos anteriores se deduce que
Los valores de los parámetros a3 y b3 deducidos eligiendo valores adecuados de los parámetros
a partir del teorema de la variedad central (Paso Kp, τi, τd del regulador PID será posible alcanzar
3) son los siguientes: el punto de consigna deseado x1e. En este caso
decimos que el comportamiento del giro es
⎛ g
a3 = F1 ( p1 − c11 ) + F2 ⎜ p2 − a11 ⎟
⎞ regular. Además las ecuaciones que definen el
⎝ ω ⎠ primer valor de Lyapunov vienen dadas en
(63) función de los parámetros del regulador PID.
⎛ g
b3 = − F2 ( p1 − c11 ) + F1 ⎜ p2 − a11 ⎟
⎞ Esto da pie a formular un posible algoritmo de
⎝ ω ⎠ ajuste de estos parámetros como se indica a
en donde: continuación:
a) Elegir un valor de la acción integral para
α1 + α1 f1 asegurar que el punto P2 es una silla.
F1 = b) Elegir combinaciones de parámetros del
(α 1
+ α1 f1 ) + ( β1 − β1 f1 )
2 2
regulador PID que den valores positivos del
β1 − β1 f1 4ω
2 primer valor de Lyapunov, con lo cual el punto
F2 = ; f1 = de equilibrio P3 será inalcanzable.
(α 1
+ α1 f1 ) + ( β1 − β1 f1 )
2 2
α 1 + β1
2 2
c) Verificar que los autovalores en el punto de
(64) equilibrio P1 (ecuación (48)) tienen parte real
positiva para los valores de los parámetros del
siendo: regulador PID que verifican la condición b). En
tal caso, el giroscopio va al punto de consigna
deseado.
a11 = α c ( Rg + Lω f − τ d K a K p ) ⎫ Obsérvese que son posibles otros tipos de
⎬ (65)
movimientos, Por ejemplo si P3 es un foco débil
b11 = δ c ( Rg + Lω f − τ d K a K p ) − γ cω ⎭

11
estable (L1 < 0), el sistema puede evolucionar El interés del comportamiento oscilatorio se
del punto de equilibrio inestable P2 al punto P3., debe a que una vez alcanzado este, si la
o bien un comportamiento auto-oscilante si los plataforma del conjunto del aparato sufre una
tres puntos de equilibrio son inestables. Estos perturbación armónica, es posible que, aún con
casos están indicados en las figuras 3, 4 y 5. control PID, se alcance comportamiento
Es interesante destacar que en las figura 5 no se caótico, apareciendo un atractor extraño
alcanza el punto de consigna P1 a pesar de que mostrado en la figura 7. Para ello se ha supuesto
todos sus autovalores tienen parte real negativa una perturbación en la plataforma del
y que el punto P3 sea un foco débil inestable con dispositivo de la forma:
valores del primer valor de Lyapunov L1
positivos. Esto es debido a que para la ⎧ θ (t ) = Apω p cos(ω p t )
combinación de valores de los parámetros del θ (t ) = Ap sen (ω p t ) ⇒ ⎨

⎩θ (t ) = − Apω p sen(ω p t )
2
regulador PID y de la limitación de la acción
integral, el punto de equilibrio P1 es casi (66)
coincidente con el punto de equilibrio P2 = π/2
el cual como ya se ha discutido para un valor de En la figura 8 se muestran la variación temporal
la acción integral superior a Im (ver leyendas de de los exponentes de Lyapunov. Se observa que
figuras 3 y 4) es una silla. Esto explica el transcurrido el transitorio, aparece un exponente
comportamientos observado en las figura 5. positivo, lo cual es indicador de
En la figura 6 se muestra como varia el primer comportamiento caótico. En la figura aparecen
valor de Lyapunov en función de la constante 6 exponentes, de ellos 5 están asociados a cada
Kp del regulador PID, mostrando que según el una de las variables de estado y el 6 es debido a
valor de Kp, L1 puede ser positivo o negativo. que la presencia de la perturbación (79) hace
Para el caso indicado en la figura 6, con el valor que el sistema no sea autónomo. Para evitar este
de Kp seleccionado se obtiene L1> 0, por lo que problema se introduce una nueva variable
el punto P3 es un foco débil inestable. Al estar definida de la forma:
P1 muy próximo a P2 tampoco estos puntos son dx (t )
alcanzables y por tanto la dinámica del sistema x6 (t ) = ω p t ⇒ 6 = ωp (67)
evoluciona hacia un ciclo límite. dt
cuyo exponente de Lyapunov vale siempre cero.

Figure 3. Valores de parámetros y condiciones iniciales están indicados en leyenda de la figura 9. Valores de
simulación nr = 1500 rpm; M* = 200 N.m; x1r = π/8 rad; ε = 0.5; Kp = 0.026 V τi = 1.827 s; τd = 0.4568 s; Im =
8.7937. Autovalores en el punto de consigna: [-95.8 ± 48.5j, -3.656±1.357j]. L1 = 0.02569 > 0 en P3.

12
Figura 4. Valores de parámetros en leyenda figura 1. L1 = -0.5 < 0.: nr = 2000 r.p.m.; M* = 100 N.m; x1r = π/8; ε =
10-5; Kp = 0.026 V τi = 1.827 s; τd = 0.4568 s; Ipi/2 = 4.88; Autovalores en P1 [-25 ± 95.56j; -6.73.10-5 ± 172.4j]. P1 ≈
P2 = π/2.

Figure 5. Comportamiento auto-oscilante con todos los puntos de equilibrio son inestables. Valor de L1 en P3 L1 =
0.01 > 0. Valores de simulación: nr = 1000 rpm, M* = 100 N.m, x1r = π/8, ε = 10-5, Kp = 0.02 V,τi = 2 s, τd = 0.5 s,
Iπ/2 = 7.65, Im ≈ Iπ/2.. Autovalores en el punto de consigna P1 ≈ P2: [-25 ± 95.56j; -2.59.10-5 ± 1.02.10-2 j].

13
Figura 6. Valores de parámetros y condiciones iniciales están indicados en leyenda de la figura 9.
Variación de L1 en función de Kp y comportamiento auto-oscilante con L1 > 0. Valores de simulación: nr
= 1200 r.p.m.; M* = 100 N.m; x1r = π/8; ε = 10-5; Kp = 0.026 V τi = 1.827 s; τd = 0.4568 s; Ipi/2 = 4.88.
Autovalores en el punto de consigna P1 [-25 ± 95.56j; -4.04.10-5 ± 1.335.10-5j].

Figura 7. Caos y atractor extraño con vibración de la plataforma y control PID. Ap = 0.065 m, ωp = 8.6 rad/s

14
Figura 8. Exponentes de Lyapunov para el atractor extraño mostrado en la figura 10. Aparece un exponente positivo
indicador de comportamiento caótico.
6 CONCLUSIONES
En este trabajo se presentan los conceptos
mínimos necesarios para aplicar la bifurcación
de Andronov-Poincaré-Hopf al análisis y diseño
de sistemas de control no lineales en los que
aparezca un punto de equilibrio no hiperbólico
con autovalores complejos conjugados puros.
En primer lugar, se exponen de forma resumida
los tipos de sistemas a las que en principio
podría aplicárseles la idea de bifurcación,
considerando la posibilidad de señales de
control generadas por un sistema dinámico ó
por uno estático. El paso siguiente, es describir
el teorema de la variedad central y como la
aplicación del mismo conduce a una
simplificación importante del sistema, ya que
las características dinámicas del mismo son las
que tendrá el sistema simplificado reducido a la
variedad central. Para el caso de la bifurcación
de Andronov-Poincaré-Hopf, la dimensión del
sistema reducido a la variedad central es dos.
A continuación se estudia como determinar la
estabilidad de un punto de equilibrio, en el que
aparecen un par de autovalores que pueden
llegar a hacerse complejos conjugados puros en
función del valor de un cierto parámetro de
bifurcación. En tal caso, la estabilidad del punto
15
de equilibrio viene fijada por el signo de un
parámetro, conocido como primer valor de
Lyapunov, mostrando los pasos necesarios para
su determinación. El cálculo de este parámetro,
aunque puede ser penoso, es la única
herramienta analítica disponible para predecir
resultados difícilmente explicables por otros
procedimientos. En particular es posible deducir
algoritmos que permitan diseñar leyes de
control adecuadas, y además, permite explicar
ciertos comportamientos oscilatorios y/o
caóticos que pueden presentarse en muchos
sistemas dinámicos.
Para comprobar las posibilidades del método de
análisis propuesto se analiza el comportamiento
de un giroscopio en suspensión cardan utilizado
para estabilizar un cuerpo a través de un circuito
de realimentación formado por un motor DC y
un regulador PID. En primer lugar se discute el
modelo del sistema, determinando los puntos de
equilibrio y sus propiedades de estabilidad, en
función del parámetro de bifurcación que es el
valor de saturación de la acción integral. La
aparición de un par de autovalores complejos
conjugados puros en uno de los puntos de
equilibrio permite aplicar el teorema de la
variedad central y calcular el primer valor de
Lyapunov, cuyo signo nos informa de la
estabilidad de dicho punto de equilibrio. Esto
permite explicar ciertos comportamientos
oscilatorios del giroscopio, aún con control PID.
Por ejemplo, la imposibilidad de alcanzar el
punto de consigna, la aparición de auto-
oscilaciones, así cómo la posibilidad de que
aparezcan oscilaciones caóticas cuando se
combina la auto-oscilación con vibraciones
externas de la plataforma del dispositivo. En el
trabajo se muestra claramente como en función
de los parámetros del regulador PID, puede
variar el signo del primer valor de Lyapunov, lo
cual conlleva un cambio en las propiedades
dinámicas del sistema. En particular, es posible
diseñar un algoritmo que permita la
determinación de los parámetros del regulador
PID para que se alcance un ángulo prefijado del
anillo interior del giroscopio o punto de
consigna [9]. Además, con técnicas de control
no lineal es posible generar comportamiento
caótico, el cual se puede utilizar para generar
señales de control muy débiles que lleven al
sistema al punto de consigna deseado [10].
Las ideas expuestas en este trabajo se pueden
extender a muchos sistemas con diferentes
estructuras de control. Ejemplos se pueden
encontrar en [4], [10], [14] y es de esperar que
estas técnicas y metodología vayan
incorporándose al patrimonio de la ingeniería de
control.
Referencias
[1] Berná Galiano J.A. (2006) Diseño de
algoritmos de control no lineales con
aplicación a los problemas de seguimiento
y regulación. Tesis Doctoral. Universidad
de Alicante.
[2] Glendinning, P.(1996). Stability,
Instability and Chaos. Cambridge
University Press.
[3] Guckenheimer J., Holmes P. (1983).
Nonlinear Oscillations, Dynamical
Systems, and Bifurcations of Vector
Fields. Springer Verlag, London.
[4] Kutnesov Y. A. . (1998). Elements of
Applied Bifurcation Theory. Springer
Verlag, London.
[4] Pérez Polo M.F.,J. Gil Chica, Berná
Galiano J.A.. (2005). Modelado análisis y
control de dispositivos Micro-Electro-
Mecánicos de almacenamiento masivo.
XXVI Jornadas de Automática. Alicante.
[5] Pérez Polo M.F., Berná Galiano J.A. Gil
Chica J., Montava M.A. (2006). Control
no lineal MIMO de un giroscopio en
suspensión Cardan. XXVII Jornadas de
Automática. Almería..
[6] Pérez Polo., M:F.. Pérez Molina (2004).
Regular self-oscillating and chaotic
16
behaviour of a PID controlled gimbal
suspensiom gyro. Chaos Solitons &
Fractals, 21, 1057-1074.
[7] Pérez Polo M.F., Pérez Molina M. (2007).
Chaotic and steady state behaviour of a
nonlinear controlled gyro subjected to
harmonic disturbances. Chaos Solitons &
Fractals 33, 623-641.
[8] Pérez Polo M.F., Pérez Molina M. (2007). A
generalized mathematical model to analyze
the nonlinear behavior of a controlled
gyroscope in gimbals. Nonlinear
Dynamics 48, 129-152 .
[9] Pérez Polo M.F. Albertos P.,Berná Galiano
J.A. (2007). Tuning of a PID controlled
gyro by using bifurcation theory. Systems
& Control Letters (En Prensa).
[10] Pérez Polo M.F., Pérez Molina M., Gil
Chica J. (2007). Chaotic dynamic and
control for Micro-Electro-Mechanical-
Systems of massive storage with harmonic
base excitation. Chaos Solitons & Fractals
(En prensa).
[11] Seydel R.. (1994). Practical Bifurcation
Analysis. From Equilibrium to Chaos
Springer Verlag. N.Y.
[12] Shilnikov L-P. (1965). A case of yhe
existence of a demensurable set of periodic
motions. Sov. Math.Dokl,6, 163-166.
[13] Shilnikov L-P, Shilnikov A.L., Turaev
D.V., Chua, L.O. (2001). Methods of
qualitative theory in nonlinear dynamics.
Part II. New Jersey. World Scientific.
[14] Vaganov D.A., Samoilenko N.G., Abarnov
V.G. (1978). Periodic Regimes of
Continuous Sitrred Tank Reactors. Chem.
Eng. Sci. 33, 1133-1140.
[15] Wiggins S. (2002). Introduction to Applied
Nonlinear Dynamical Systems and Chaos.
Springer Verlag. N.Y.