Libro Control Multivariable

CONTROL LINEAL
DE SISTEMAS
MULTIVARIABLES

Ing. Jairo J. Espinosa
M.Sc. Ph.D.
2 J. Espinosa
Septiembre 2003-Draft Version 3.0

TABLA CONTENIDO

CAPTULO 1 SISTEMAS MULTIVARIABLE ...................................................... 5
1.1 INTRODUCCIN ..................................................................................................... 5
1.2 SISTEMAS DINMICOS........................................................................................... 6
1.2.1 Funcin de Transferencia............................................................................. 8
1.2.2 Respuesta dinmica ...................................................................................... 9
1.3 CONTROLABILIDAD Y OBSERVABILIDAD............................................................. 12
1.3.1 Controlabilidad........................................................................................... 12
1.3.2 Observabilidad............................................................................................ 13
1.3.3 Prueba de Popov-Belevitch-Hautus (PBH) ................................................ 14
1.4 ESTABILIDAD, ESTABILIZABILIDAD, DETECTABILIDAD....................................... 15
1.4.1 Estabilidad.................................................................................................. 15
1.4.2 Estabilizabilidad ......................................................................................... 15
1.4.3 Detectabilidad............................................................................................. 16
1.5 TRANSFORMACIONES SIMILARES Y DESCOMPOSICIN CANNICA DE KALMAN.. 16
1.5.1 Realizacin Mnima .................................................................................... 19
1.5.2 Otras Formas Cannicas............................................................................ 19
1.6 EJERCICIOS DEL CAPITULO.................................................................................. 21
CAPTULO 2 CONTROL DESACOPLADO......................................................... 25
2.1 INTRODUCCIN ................................................................................................... 25
2.2 INTERACCIN EN SISTEMAS MULTIVARIABLES ................................................... 25
2.3 LA MATRIZ DE GANANCIAS RELATIVAS ............................................................. 27
2.4 SELECCIN DE LAZOS DE CONTROL USANDO LA MATRIZ DE GANANCIAS
RELATIVAS ............................................................................................................... 29
2.5 CONTROL MULTIVARIABLE DESACOPLADO........................................................ 32
2.6 COMENTARIOS Y CONCLUSIONES........................................................................ 36
CAPTULO 3 MTODO DE UBICACIN DE POLOS...................................... 39
3.1 INTRODUCCIN ................................................................................................... 39
3.2 REALIMENTACIN DE ESTADO............................................................................ 39
3.3 UBICACIN DE LOS POLOS................................................................................... 40
3.3.1 Ubicacin de los Polos-Mtodo Directo..................................................... 40
3.3.2 Ubicacin de los Polos-Sistemas de una entrada. Mtodo de Ackermann. 40
4 J. Espinosa
3.3.3 Ubicacin de los Polos-Sistemas de mltiple entrada. Mtodo de
Ackermann ........................................................................................................... 41
3.3.4 Ubicacin de los Polos en sistemas de mltiple entrada-salida - Ecuacin
de Sylvester .......................................................................................................... 42
3.4 EJEMPLOS............................................................................................................ 43
3.4.1 Carros Acoplados con Unin Flexible. [12] .............................................. 43
3.4.2 Control de un Sistema Lector de Cinta Magntica (Tomado de [3])......... 46
3.5 DISEO DE SERVO SISTEMAS E IMPLEMENTACIN DE REFERENCIAS.................... 50
3.4.3 Ejemplos...................................................................................................... 52
3.6 OBSERVADORES O ESTIMADORES DE ESTADO..................................................... 56
3.6.1 Estimadores de Estado Completos.............................................................. 56
3.6.2 Estimadores Realimentados........................................................................ 57
3.6.3 Diseo de Estimadores - Ubicacin de los polos ....................................... 58
3.6.4 Estimadores de Orden Reducido ................................................................ 61
3.6.5 Seleccin de los Polos para el Estimador................................................... 62
3.7 EJEMPLOS............................................................................................................ 63
3.7.6 Carros Acoplados con Unin Flexible. [12] .............................................. 63
3.7.7 Control de un Sistema Lector de Cinta Magntica..................................... 65
CAPTULO 4 REGULADOR OPTIMO CUADRTICO LINEAL.................... 71
4.1 INTRODUCCIN ................................................................................................... 71
4.2 REGULADOR OPTIMO CUADRTICO LINEAL.(LINEAR QUADRATIC REGULATOR-
LQR) ........................................................................................................................ 72
4.2.1 Problema con Horizonte finito.................................................................... 72
4.2.2 Problema con Horizonte Infinito ................................................................ 73
4.2.3 Solucin de la ecuacin algebraica de Riccati........................................... 74
4.2.4 Control Optimo en Sistemas Discretos....................................................... 74
4.2.5 Regulador Cuadrtico Lineal-Caso discreto.............................................. 75
4.3 EJEMPLOS............................................................................................................ 78
4.3.1 Carros acoplados con Unin Flexible........................................................ 78
4.3.2 Control de un Sistema Lector de Cinta Magntica[4]................................ 80
4.4 ESTIMACIN OPTIMA-FILTROS DE KALMAN-BUCY............................................. 83
4.4.1 Estimacin Optima-Formulacin Discreta................................................. 86
4.5 EJEMPLOS DE DISEO DE ESTIMADORES OPTIMOS.............................................. 86
4.5.1 Carros Acoplados con Unin Flexible ....................................................... 86
4.5.2 Estimacin Optima en un Sistema Lector de Cinta Magntica.................. 88
4.6 REGULADOR OPTIMO CUADRTICO GAUSSIANO ................................................ 89
4.7 EJEMPLOS............................................................................................................ 92
4.7.1 Carros Acoplados con Unin Flexible ....................................................... 92
4.7.2 Sistema Lector de Cinta Magntica............................................................ 95

Captulo 1 Sistemas Multivariable

1.1 Introduccin

El comportamiento de un sistema dinmico se encuentra condicionado por las
acciones que se ejerzan sobre el mismo. Esas acciones pueden ser ejercidas como
acciones deseadas, a travs de variables manipuladas (vlvulas, interruptores, relevos,
potencimetros, calefactores, ventiladores, etc.) o a travs de variables no
manipuladas directamente, generalmente llamadas perturbaciones ( cambios de carga,
masas, cambios de concentracin, etc.). Los efectos de esas acciones se pueden ver
reflejados en una o ms variables del sistema (temperaturas, niveles, presiones,
velocidad, concentraciones, posicin) que bajo ciertas condiciones se desea mantener
en un valor determinado (variables controladas).

En general, el objetivo de la teora de control es el disear estrategias que permitan
comandar un conjunto de variables (variables manipuladas), de manera que se puedan
mantener las variables controladas en unos valores deseados a pesar de las
perturbaciones que puedan afectar al sistema.

Un sistema de control multivariable (MIMO
1
) permita alcanzar el objetivo de
mantener un conjunto de variables en un valor deseado a diferencia del control de
sistemas SISO
2
que solo permite controlar una variable al tiempo.

Ejemplo 1.1
Un ejemplo sencillo de un sistema multivariable es una ducha de agua caliente, en una
ducha de agua caliente se desea controlar al mismo tiempo la temperatura y el caudal
del agua, a travs de la manipulacin de las vlvulas que regulan el caudal de agua
fra y caliente y sin importar las perturbaciones generadas por los cambios de presin
en el agua, o las temperaturas originales de los flujos caliente y fro.

Variables Controladas Variables Manipuladas Perturbaciones
Temperatura de la
ducha
Flujo de agua en la
ducha
Vlvula del agua
caliente
Vlvula del agua
fra
Temperatura del
flujo de agua fra.
Temperatura del
flujo de agua
caliente
Presin del agua
fra
Presin del agua
caliente
Table 1 Descripcin de las variables para la ducha de agua caliente

1
MIMO - De la sigla en ingls Multiple Input Multiple Output Multiple entrada Multiple salida
2
SISO- De la sigla en ingls Single Input Single Output Una entrada una salida
6 J. Espinosa
A este sistema tipo de sistemas se les conoce como sistemas MIMO de 2 x 2 ( dos
entradas, dos salidas)

Este libro est enfocado al estudio y desarrollo de tcnicas de control lineal aplicables
a sistemas multivariables. Este primer captulo se enfoca al estudio y descripcin de
sistemas multivariables. Incluye conceptos importantes, como la descripcin de
sistemas en espacio de estado y funcin de transferencia, funcin de transferencia
multivariable, controlabilidad y observabilidad.

El segundo captulo est dedicado al concepto de desacoplamiento y al uso de
herramientas tales como RGA
3
(Matriz de Ganancias Relativas) para seleccionar y
analizar lazos de control, de forma que se puedan aplicar tcnicas usadas en sistemas
SISO para controlar sistemas multivariables.

El tercer captulo introduce el concepto de realimentacin de estado y el diseo de
controladores. El captulo tambin incluye la definicin y el diseo de observadores
de estado.

El cuarto captulo describe el concepto del Regulador Optimo Cuadrtico (LQR
4
), el
concepto de estimacin ptima y filtros de Kalman y finalmente el Regulador Optimo
Gaussiano (LQG
5
).

El quinto captulo est dedicado al diseo de controladores usando las normas y
2
H
.
H

1.2 Sistemas Dinmicos

Los modelos dinmicos de muchos sistemas fsicos son descritos por ecuaciones
diferenciales ordinarias o parciales . Como ecuaciones diferenciales ordinarias se
entienden aquellas en las que el tiempo t es la nica variable independiente. Las
ecuaciones diferenciales parciales tienen como variable independiente no solo a t sino
que tambin tienen derivadas con respecto a las coordenadas espaciales. Si se
construye un modelo nicamente con ecuaciones diferenciales ordinarias, este
modelo ser una aproximacin, ya que las variables son independientes del estado
puntual del sistema.

En nuestro caso son centraremos en los sistemas dinmicos descritos por ecuaciones
diferenciales ordinarias de la forma:

) , (
) ( ), , (
.
u x g y
x t x u x f x
o o
=
= =

(1.1)
(1.2)
donde es el estado del sistema, son las condiciones iniciales del
sistema, es la entrada del sistema y es la salida del sistema.
x t
n
( ) x t
o
( )
u t
m
( ) y t
p
( )

3
RGA-Relative Gain Array
4
LQR Linear Quadratic Regulator
5
LQG Linear Quadratic Gaussian regulator
Sistemas Multivariables 7
f(.,.) y g(.,.) son funciones no lineales . Un sistema
dinmico con una entrada (m=1) y una salida (p=1) se conoce como sistema SISO
(por la sigla en ingls: Single Input Single Output), en caso contrario el sistema es
llamado MIMO (por la sigla en ingls: Multiple Input Multiple Output).
p n m m n m
g f
+ +
: y :

En este texto, nuestro anlisis se ver restringido a los sistemas dinmicos lineales.
Para obtener una representacin lineal del sistema descrito por las ecuaciones (1.1) y
(1.2) se puede aproximar las funciones f(.,.) y g(.,.) alrededor del punto de operacin
u
*
, x
*
usando series de Taylor de la siguiente forma:
) ( ) ( ) , (
) ( ), ( ) ( ) , (
.
* * * *
* * * *
* * * *
* * * *
u u
u
g
x x
x
g
u x g y
x t x u u
u
f
x x
x
f
u x f x
u x u x
o o
u x u x
+
=
+

(1.3)

(1.4)

Si el punto de operacin es adems un punto de equilibrio el sistema se
ver reducido a un sistema dinmico lineales con parmetros invariantes en el tiempo.
Esta representacin de los sistemas dinmicos es una aproximacin que permite
manipular de forma simple las ecuaciones del sistema y as poder llevar a cabo el
diseo de sistemas de control; que, pese a las aproximaciones, pueden controlar con
aceptable precisin el sistema dinmico alrededor del punto de operacin.
0 ) , (
* *
= u x f

El sistema se describe en forma general de la siguiente forma:

u D x C y
x t x u B x A x
o o

+ =
= + = ) ( ,
.

(1.5)
(1.6)

Donde es la desviacin del estado del sistema,
son las condiciones iniciales del sistema, es
la desviacin de la entrada del sistema con respecto al punto alrededor del cual se
realiz la linealizacin y es la desviacin de la salida del sistema.
A,B,C y D son matrices con parmetros constantes y dimensiones
n
t x x t x = ) ( ) (
*
) ( ) (
*
o o
t x x t x =
m
t u u t u = ) ( ) (
*
p
y y t y =
*
) (
m p
u x
n p
u x
m n
u x
n n
u x
u
g
D
x
g
C
u
f
B
x
f
A

=
* * * * * * * *
, , , ,
y , , .

Nota para el lector: A partir de este punto en el texto y para simplificar la notacin, las
variables de desviacin sern reemplazadas de la siguiente manera:
u u y y x x = = = y ,
En el caso discreto el sistema se puede representar en la forma:
x Ax Bu
y Cx Du
k k
k k k
+
=
k
+
= +
1
,

(1.7)
(1.8)

con matrices de las mismas dimensiones.
8 J. Espinosa

B C
A
D
+ +
u(t) x(t) x(t) y(t)
.

(a)
B C
A
D
+ +
u
k
x
k+1
x
k
y
k

(b)
Figura 1.1: Diagramas de bloques de la representacin de estado. (a) Continuo (b)
Discreto.

1.2.1 Funcin de Transferencia

La matriz de transferencia desde u hasta y se define como:

Y s G s U s ( ) ( ) ( ) =

donde U(s) y Y(s) son las trasformadas de Laplace de u(t) y y(t) , asumiendo unas
condiciones iniciales iguales a cero (x(0)=0).
G(s) se obtiene a partir de,

G s C sI A B D ( ) ( ) = +
1

Las ecuaciones (1.5) y (1.6) se pueden escribir en forma matricial:

x
y
A B
C D
x
u
.

De forma similar para el caso discreto la matriz de transferencia desde u hasta y se
define como:

Y z G z U z ( ) ( ) ( ) =

donde U(z) y Y(z) son las trasformadas zeta de u
k
y y
k
con condiciones iniciales
(x
0
=0).
G(z) se obtiene a partir de,

G z C zI A B D ( ) ( ) = +
1

Las ecuaciones (1.7) y (1.8) tambin pueden ser escritas en forma matricial:

x
y
A B
C D
x
u
k
k
k
k
+
1

1.2.2 Respuesta dinmica

Dadas la condicin inicial x(t
0
) y la entrada u(t), la respuesta dinmica del sistema
para puede ser calculada a partir de: t t
0

x t e x t e Bu d
y t Cx t Du t
A t t A t
t
t
o
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
= +
= +

0
0

(1.9)

(1.10)

En caso de que u(t) = 0, , ser posible observar que para cualquier y
,
t t
0
t t
1 0
t t
0
x t e x t
A t t
( ) ( )
( )
=

1
1

La respuesta impulso estar dada por:

{ } g t G s Ce B t D t
At
( ) ( ) ( ) ( ) = = +
+
L
1
1

donde ) (t es el impulso unitario y 1
+
(t) es el paso unitario definido como:
1
1 0
0 0
+
=

<
( ):
, ;
, .
t
t
t

con D = 0, la respuesta impulso quedar reducida a:

10 J. Espinosa
g t Ce B t
At
( ) , = 0

En el caso discreto tendremos:
Dadas la condicin inicial x
0
y la entrada u
k
, la respuesta dinmica del sistema para
puede ser calculada a partir de: k 0

x A x A Bu
y Cx Du
k
k i
k i
i
k
k k k
= +
= +

=
0 1
0
1

(1.11)

(1.12)

En caso de que u
k
= 0, , k 0
x A x
k
k
=
0

Si D=0 la respuesta impulso estar dada por:

{ } g k Z G z CA B
k
( ) ( ) = =
1

1.3 Polos y Ceros

Los conceptos de polos y ceros son importantes para definir la estabilidad de un
sistema o los limites de desempeo de un sistema de control.

1.3.1Polos y ceros en sistemas SISO

La funcin de transferencia para un sistema SISO esta dada por la siguiente
expresin:
1
adj( ) det( ) ( )
( ) ( )
det( ) ( )
C sI A B D sI A num s
G s C sI A B D
sI A den s
+
= + = =

Una funcin de transferencia se define como mnima si no existen factores comunes
entre los polinomios del numerador y el denominador. Una representacin en espacio
de estado [ , , , ] A B C D es llamada mnima si el det( ) sI A es igual al denominador de
la funcin de transferencia mnima.

Se definen como ceros del sistema aquellos valores que anula el numerador de la
funcin de transferencia (races del polinomio num(s)). Se dice entonces que un cero
es un valor tal que:
i
s z =
( ) 0
i
G z =
De otro lado los polos del sistema G(s) son las races del denominador o las
soluciones de la ecuacin ( ) 0 den s = . Los polos son lo valores
i
s p = de manera que
( )
i
G p =
Para una representacin mnima los polos son la solucin de la ecuacin
caracterstica
det( ) 0 sI A =
(1.13)

esta ecuacin define a su vez los valores propios de la matriz A. Los polos son de
hecho los valores propios de la matriz de estados del sistema.

1.3.2Polos y ceros en sistemas multivariables

La funcin de transferencia de un sistema Multivariable es una matriz de funciones
de transferencia SISO. Los polos del sistema Multivariable son la unin de los polos
de las distintas funciones de transferencia. Al igual que el sistema SISO los polos del
sistema Multivariable son los valores propios de la matriz de estados (A).

La definicin de los ceros multivariables es la frecuencia a la cual la matriz de
funciones de transferencia pierde su rango.

rank[ ( )] min( , )
y u
G s n n <
(1.14)

De otra manera se puede decir que los ceros multivariables son los valores de s=z de
manera que:

rank min( , )
y u
A zI B
n n
C D

<

(1.15)

Esta condicin lo que indica es que la salida ser cero para una entrada diferente de
cero
( ) 0 ( ) ( ) Y s G s U s = =

usando la transformada de Laplace de la representacin de estado, tendremos:

( ) ( ) ( )
( ) 0 ( ) ( )
sY s AX s BU s
Y s CX s DU s
= +
= = +

si rescribimos esta expresin de forma matricial se obtiene:

( ) 0
( ) 0
sI A B X s
C D U s

=

M
L L L
M
L
(1.16)

12 J. Espinosa
este problema se puede reducir a un problema de valores propios generalizados. El
problema de valores propios consiste en que dadas dos matrices A y B encontrar los
valores de los escalares y x de manera que Ax Bx = .

En este caso la ecuacin se puede resolver planteando el problema como un problema
de valores propios generalizados de la siguiente forma:
( ) 0 ( )
( ) 0 0 ( )
A B X s I X s
s
C D U s U s

=

M M
L L L L L L
M M

1.4 Controlabilidad y Observabilidad

1.4.1 Controlabilidad

Un sistema dinmico es controlable si es posible alcanzar un estado deseado x(t
1
) = x
1
,
a partir de un estado inicial x(0) = x
0
en un tiempo t
1
finito.

La controlabilidad de un sistema se puede verificar a travs de criterios algebraicos y
geomtricos. El mtodo ms comn es la evaluacin de la matriz de controlabilidad.
La matriz de controlabilidad est dada por:

[ ] C=

B AB A B
n
...
1

(1.17)

El par (A,B) es controlable si y solo si el rango de es igual a n, donde n es el orden
del sistema.

Para explicar este mtodo, se escoge un sistema lineal de la forma:

x Ax B
k k +
u
k
= +
1

Entonces
k
k k
k
Bu Bu A x A x + + + =
+
+
...
0 0
1
1

operando y presentando en forma matricial,

[ ]
x A x B AB A B
u
u
u
k
k k
k
k
+
+

=
1
1
0
1
0
...
.
.
.

Obsrvese, que para : k n 1

[ ] [ ] rango ... rango ... B AB A B B AB A B
k n
=
1

(Ver: Teorema de Cayley-Hamilton)
Obsrvese, que solo ser posible calcular un vector de entradas

u
u
u
k
k
1
0
.
.
.

que lleve la planta del estado x
0
al estado x
k+1
,s el rango( ) = n.

Las matrices de controlabilidad para sistemas continuos y para sistemas discretos
tienen la misma forma.

1.4.2 Observabilidad

Un sistema es observable si conociendo la entrada u y la salida y es posible
determinar el estado x.

La matriz de observabilidad est como:

O=
C
CA
CA
n
.
.
.
1

(1.18)

Se dice que el sistema es observable si el rango de es igual a n, donde n es el orden
del sistema.
Para ilustrar esta idea, se tomar el sistema autnomo (sin entrada) definido por:

x A
y Cx
k k
k k
+
x =
=
1

La respuesta del sistema estar dada por:

y CA x
k
k
=
0

y
y
y
C
CA
CA
x
k
k
0
1
0
.
.
.
.
.

Obsrvese que para k n : 1

14 J. Espinosa
rango
...
rango
...
C
CA
CA
C
CA
CA
k n
1

Obsrvese que siempre que el rango( ) = n ser posible calcular el valor de x
0
a partir
de las salidas observadas.
Las matrices controlabilidad para sistemas continuos y discretos son iguales.

1.4.3 Prueba de Popov-Belevitch-Hautus (PBH)

1.4.3.1 Prueba de Controlabilidad.
La prueba de controlabilidad PBH se puede resumir en la siguiente frase:
(A, B) es controlable s y solo s no existe un vector propio de A
T
diferente de cero que
es perpendicular a B.
(A, B) no es controlable si existe un vector q 0 tal que

A q q
B q
T
T
=
=

0

Si existe un vector propio q y un valor propio tal que q es perpendicular a B se
puede decir que el modo correspondiente al valor propio es no controlable. En caso
contrario se dice que el modo es controlable. Por ejemplo (tomado de [3]):

A B
i
=

*
*
,
*
*
, 0
0
1
0
q
i

El sistema (A, B) tiene un modo no controlable x x
i i
=
.
.

Prueba:

Si existe un vector q tal que 0
0 =
=
B q
q A q
T
T T

entonces:
0 = = B q AB q
T T

y
0
2
= = AB q B A q
T T

y as sucesivamente hasta que:
[ ] 0
1
= =

B A AB B q (A,B) q
n T T
K C

1.4.3.2 Prueba de Observabilidad
El sistema dinmico con matrices (A, C) es observable si no existe un vector propio de
A que es perpendicular a C
T
.
(A, C) no es observable si existe un vector p 0tal que

Ap p
Cp
=
=

0

Si existe un vector propio p y un valor propio tal que p es perpendicular a C se
puede decir que el modo correspondiente al valor propio no es observable. En caso
contrario se dice que el modo es observable. Por ejemplo:

[ ] A C
i
=

= =

*
*
, * * , 0
0
1
0
p
i

El sistema (A, C) tiene un modo no observable x x
i i
=
.
.
Prueba: (ver prueba de controlabilidad)

1.5 Estabilidad, Estabilizabilidad, Detectabilidad

1.5.1 Estabilidad
Un sistema dinmico autnomo x Ax
.
= es estable s y solo s la parte real de todos
los valores propios de A son menores que cero (estn ubicados en la parte izquierda
del plano complejo), p.e., Re(A)<0.
Para el caso discreto, se dice que un sistema dinmico autnomo es
estable s todos los valores propios de A estn ubicados dentro del circulo unitario en
el plano complejo, p.e., |(A)|<1.
x A
k k +
=
1
x
Una matriz A con esta propiedad se dice que es estable o Hurwitz.
Es importante recordar que los valores propios de A son las races de la expresin,

det( ) I A =0

Recordando la representacin como matriz de transferencia del sistema [A,B,C,D]

G s C sI A B D C
sI A
sI A
B D ( ) ( )
adj( )
det( )
= + =

+
1

se puede observar que los polos de la matriz de transferencia son los valores propios
de A.

1.5.2 Estabilizabilidad

16 J. Espinosa
Un sistema con matrices (A,B) se dice estabilizable, si sus modos no controlables son
estables. Esta propiedad garantiza que cuando se aplique un sistema de control al
sistema, las variables que no sean controlables no crecern a lmites que pongan en
peligro la operacin o la integridad del sistema.

1.5.3 Detectabilidad

Un sistema con matrices (A,C) se dice detectable, si sus modos inestables son
observables. Esta propiedad garantiza que se puede construir estimadores de estado
estables.
Ejemplo:
Dado el sistema dinmico discreto,

x Ax B
y Cx Du
k k
k k
+
u
k
k
= +
= +
1

A B
C D
2 0 0 0 2
0 0 3 0 4 0 4
0 0 4 0 3 0 2
0 0 0 3 4
0 2 3 5 2
. .
. .

Modo Estable? Estabilizable? Detectable?
2 no si no
- 03 0 4 . . i si si si
3 no si si

Nota: para verificacin del anterior ejemplo utilice las pruebas PBH de controlabilidad y
observabilidad.

1.6 Transformaciones Similares y Descomposicin Cannica de
Kalman

Los sistemas dinmicos pueden ser descritos en diferentes sistemas de coordenadas.
Por ejemplo, un pndulo puede ser descrito en funcin del ngulo de su cuerda o de la
altura del pndulo. De igual forma cualquier sistema dinmico puede ser representado
en otros sistemas de coordenadas distintos al as llamado sistema natural de
coordenadas. En ocasiones la representacin en otro sistema de coordenadas facilita el
anlisis del sistema dinmico.

Sea una matriz no singular (invertible). Se define la transformacin lineal de
cambio de coordenadas como:
T
n n

x T x
1
=

Entonces en el nuevo sistema de coordenadas las ecuaciones el sistema dinmico (1.5)
y (1.6) sern

u D x T C y
u B T x T A T x
+ =
+ =
1 1
.

(1.19)

Estas ecuaciones representan el mismo sistema dinmico, para cualquier matriz no
singular T. Obsrvese, que la matriz A se ve transformada por una operacin de la
forma AT T
1
, esta transformacin matricial se conoce con el nombre de
transformacin de similaridad [11]. Fcilmente, se puede probar que la matriz de
transferencia G(s) no se ve alterada por el cambio de coordenadas,
. ) ( ) ( ) (
1 1 1 1
D B T AT T sI CT D B A sI C s G + = + =

El principio de la descomposicin de Kalman formula que:
Dado un sistema dinmico descrito por [A,B,C,D]. Siempre es posible encontrar una
transformacin T invertible, tal que las matrices transformadas tengan la estructura:

o c
o c
o c
co
A A
A
A A A A
A A
r r r r
r
r
r
r
AT T
43
24 23 21
13
4 3 2 1
4
3
2
1
1
0 0
0 0 0
0 0

( )
4 3 2 1
4
3
2
1
1
0 0 ,
0
0
r r r r
C C p CT
B
B
m
r
r
r
r
B T
o c co
o c
co
=

(1.20)

donde r
1
, ...,r
4
son las dimensiones de los bloques,

r r
r r r n r
1 2
3 1 4 1
= r
r r
1
2 3
=
= =
rango( ), rango( ) ,
rango( ) , .
OC C
O

El subsistema

[ ] A B C D
co co co
, , ,

es controlable y observable, el subsistema

18 J. Espinosa
( )
A
A A
B
B
C D
co
co
co
co
co
0
0
21
, , ,

es controlable. El subsistema

( )
A A
A
B
C C D
co
co
co
co co
13
0 0
, , ,
es observable. El subsistema

[ ] A D
co
, , , 0 0

no es controlable, no observable.

Para explicar un poco mejor la funcin de los distintos bloques observe el siguiente
sistema dinmico [A,B,C,D] transformado a travs de la descomposicin de Kalman
en:

x
x
x
x
A
A
A
A
x
x
x
x
B
B
B
B
u
y C C
x
x
x
x
co
co
co
co
co
co
co
co
co
co
co
co
co
co
co
co
co co
co
co
co
co
.
.
.
.
[ ]
0 0 0
0 0 0
0 0 0
0 0 0
0 0

La respuesta en el tiempo del sistema ser:
x t
x t
x t
x t
e x e B u d
e x e B u d
e x
e x
y t C x t C x
co
co
co
co
A t
co
A t
co
t
A t
co
A t
co
t
A t
co
A t
co
co co co co
co co
co co
co
co
( )
( )
( )
( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( )
( )
=
+
+
= +
0
0
0
0
0
0

( ); t

Observe, que x t
co
( ) y x t
co
( ) no son alterados por la entrada u, estos son los estados
no controlables, en tanto que x t
co
( ) y x t
co
( ) no tienen influencia en la salida y, estos
son los estados no observables. Si asumimos x( ) 0 0 = la salida queda reducida a:

y t C e B u d
co
A t
co
t
co
( ) ( )
( )
=

0
.
Para efectos prcticos la matriz de transformacin T se puede calcular a partir de la
factorizacin en valores singulares de la matrices de controlabilidad y
observabilidad , la matriz T esta compuesta por cuatro submatrices descritas as:
[ ]
4 3 2 1
T T T T T =
donde

=
=
=
=
S R T
S R T
S R T
S R T
4
3
2
1

R es una base del subespacio controlable, S es una base del subespacio observable y
son los respectivos complementos ortogonales o sea las bases de los
subespacios no controlables y no observables.

S y R

Controlable
Observable
Controlable
No
Observable
No
Controlable
Observable
No
Controlable
No
Observable
+

Figura 1.2 Descomposicin cannica de Kalman
La descomposicin cannica de Kalman es aplicable a sistemas discretos sin ninguna
modificacin.

1.6.1 Realizacin Mnima

Una realizacin mnima es aquella que tiene la matriz A de menor tamao para todas
las tripletas [A,B,C] que satisfacen:

G s C sI A B D ( ) ( ) = +
1

donde G(s) es una matriz de transferencia.
El sistema [A,B,C,D] es mnimo s y solo s es controlable y observable.

1.6.2 Otras Formas Cannicas

20 J. Espinosa
1.6.2.1 Forma Cannica Controlable

Dado un sistema de simple entrada mltiples salidas descrito por:

G s
A b
C d
b C d
n p n
( ) , , , =

p
d

asumiendo que (A,b) es controlable. El sistema G(s) se puede transformar en un
sistema de la forma:

[ ]
A
a a a a
b
C d
n n
n n
1
1 2 1
1
1 1 2 1 1
1 0 0 0
0 1 0 0
0 0 1 0
1
0
0
0
=

= =
...
...
...
.
.
.
.
.
.
.
.
.
.
.
.
...
,
.
.
.
,
... ,

(1.21)

donde

G s C sI A b d
s s s
s a s a s a
d
n n
n n
n n
n n
( ) ( )
...
...
, = + =
+ + + +
+ + + +
+
1 1
1
2
2
1
1
1
1

G s
A b
C d
T AT T b
CT d
A b
C d
c c c
c
( ) =

1
1
1 1
1 1

la transformacin T
c
se define como,

T
c
-
= C C
1
1

[ ]
[ ]
C
C
=
=
b Ab A b
b A b A b
n
n
...
... .
1
1 1 1 1 1
1
1

Es importante comentar que esta forma cannica es apropiada para anlisis y clculos
manuales, pero en algunos casos puede generar problemas de condicionamiento
numrico en clculos computacionales [9].

1.6.2.2 Forma Cannica Observable

Dado un sistema de mltiple entrada y simple salidas descrito por:

G s
A B
c d
B c d
n m T n T m
( ) , , , =

asumiendo que (c, A) es observable. El sistema G(s) se puede transformar en un
sistema de la forma:

[ ]
A
a
a
a
a
B
C d
n
n
n
n
1
1
2
1
1
1
2
1
1 1
1 0 0
0 1 0
0 0 1
0 0 0
1 0 0 0
=
d
= =
...
...
.
.
.
.
.
.
.
.
.
.
.
.
...
...
,
.
.
.
,
... ,

(1.22)

donde

G s C sI A b d
s s s
s a s a s a
d
n n
n n
n n
n n
( ) ( )
...
...
, = + =
+ + + +
+ + + +
+
1 1
1
2
2
1
1
1
1

G s
A B
c d
T AT T b
cT d
A B
c d
o o o
o
( ) =

1
1
1 1
1 1

la transformacin T
o
se define como

T
o
=

O O
1
1

O O =

c
cA
cA
c
c A
c A
n n
.
.
.
, .
.
.
.
1
1
1
1 1
1 1
1

Es importante, tener en cuenta, que esta forma cannica es apropiada para anlisis y
clculos manuales, pero sus propiedades desde el punto de vista numrico son pobres
y pueden generar errores de clculo[9].

1.7 Ejercicios del Capitulo
Ejercicios Numricos

Construya un vector usando el nmero de su documento de identidad.

p.e. cc=[ 9 2 1 4 5 3 2 0]
22 J. Espinosa

1 -construya el siguiente sistema dinmico continuo [A B C D]

+

=
3 ) 4 ( 0 0 0
0 2 ) 2 ( 1 ) 3 ( 0
0 1 ) 3 ( 2 ) 2 ( 0
0 0 0 1 ) 1 (
cc
cc cc
cc cc
cc
A

+ + +
+
+
=
0 0 0
1 ) 7 ( 1 ) 6 ( ) 5 ( 0
0 1 ) 6 ( 0
0 0 1 ) 5 (
cc cc cc
cc
cc
B
+
+
=
1 ) 8 ( 0 0 0
0 1 ) 1 ( 0 0
cc
cc
C
=
0 0 0
0 0 0
D

2- Verifique la estabilidad del sistema.

3- Construya las matrices de controlabilidad y observabilidad.

4- Corrobore la controlabilidad y la observabilidad usando el mtodo PBH.

5- Construya una matriz T que permita realizar la descomposicin cannica de
Kalman, verifique el resultado

6- Para cada una de las entradas genere una matriz de transformacin T que permita
obtener la representacin cannica controlable.

7- Para cada una de las salidas genere una matriz de transformacin T que permita
obtener la representacin cannica observable.

Ejercicios tericos.

1 Pruebe el criterio de observabilidad PBH

2- Pruebe que para cualquier par [A
1
,B] donde
0 0
1 0
0 0
1
A y
0
0
B b

=

0 b
siempre ser no controlable.

3- Encuentre las condiciones que debe tener el vector fila c tal que [c,A
2
]sea siempre
observable.
0 0
1 0
0 1
2
A

Captulo 2 Control Desacoplado

2.1 Introduccin

La gran mayora de sistemas de control se disean para comandar sistemas de tipo
multivariable. La correcta eleccin de las variables controladas y las variables
manipuladas as como de los lazos de control que las relacionan son de particular
importancia para garantizar la implementacin de un sistema de control exitoso.

La aproximacin ms natural al problema de control multivariable ha sido la de tratar
de desagregar el sistema en mltiples lazos sencillos de una entrada y una salida. En
este capitulo se estudiaran los mtodos de anlisis que permiten definir las
interacciones entre los distintos lazos de un sistema y la metodologa que nos permite
definir cuando un sistema puede ser sintonizado utilizando las metodologas de
control clsico aplicadas a sistemas de una entrada y una salida.

Este captulo ha sido dividido en las siguientes secciones, la primera seccin muestra
la importancia de las interacciones entre los distintos lazos de control, la segunda
seccin nos presenta una poderosa herramienta para el anlisis de las interacciones la
matriz de ganancias relativas y finalmente la tercera seccin muestra el diseo de
desacopladores como herramienta de sntesis de controladores.

2.2 Interaccin en Sistemas Multivariables

Para facilitar la presentacin de los conceptos asumamos la existencia de un sistema
como el que se muestra en la Figura 2.1. Los bloques G
ij
representan bloques de
ganancia dinmica. El sistema se encuentra descrito por las siguientes ecuaciones:
2 22 1 21 2
2 12 1 11 1
u G u G y
u G u G y
+ =
+ =

2.1
Asuma que las ganancias G
11
y G
22
son bloques con dinmica de primer orden y sin
retardo. Ahora si asumimos que no existe interaccin entre los lazos (G
12
y G
21
=0), si
se aplica un control de ganancia proporcional (K
p1
y K
p2
) a cada lazo, se obtienen que
los polinomios caractersticos del sistema sern:

26 J. Espinosa
G11
G12
G21
G22
u1
u2
y1
y2

Figura 2.1 Multivariable System with 2 Inputs and 2 Outputs
0 1
11 1
= + G K
p
y 0 1
22 2
= + G K
p

Ya que los sistemas son de primer orden el sistema ser estable para cualquier valor
de ganancia en el controlador.

Ahora suponga que los dos lazos estn interactuando ( 0 ,
21 12
G G ), entonces
obtendremos una nica ecuacin caracterstica del sistema, de la forma:

0 ) 1 )( 1 (
1 21 2 12 22 2 11 1
= + +
p p p p
K G K G G K G K
La aparicin del signo negativo en la ecuacin caracterstica nos indica que el sistema
ser estable, solo para ciertos valores de las ganancias proporcionales K
p1
y K
p2
.

Entonces diremos que existe interaccin si la respuesta de una variable controlada
frente al cambio de una variable manipulada cambia al cerrar otro de los lazos
presentes en el sistema.

El problema de interaccin entre lazos puede ser aliviado a travs de una seleccin
adecuada de pares de variables manipuladas y controladas. Para un sistema de 2x2 el
problema es relativamente simple. Si el sistema en el cual la variable u
1
controla la
variable y
1
y la variable u
2
controla la variable y
2
no presenta un desempeo
adecuado, entonces el sistema se deber organizar de forma que u1 controle y2 y u2
controle y1.
Sin embargo sistemas ms grandes sern mucho ms complejos, al punto que un
sistema de NxN tiene N! (N factorial) posibles combinaciones. Es por ello que es
importante evaluar de manera cuantitativa el grado de interaccin entre los distintos
lazos de control. Esta informacin se puede utilizar para disear un sistema con
mnimas interacciones. Esa herramienta cuantitativa existe y se conoce con el nombre
de Matriz de Ganancias Relativas (Relative Gain Array-RGA).

Control Desacoplado 27
2.3 La Matriz de Ganancias Relativas

La matriz de ganancias relativas es una herramienta muy importante en el anlisis de
sistemas multivariable. No es solamente una herramienta importante en la seleccin
de pares de variables manipuladas y controladas, sino que tambin ha sido utilizada
para predecir el comportamiento de respuestas controladas.

Para presentar esta herramienta inicialmente se utilizara el sistema mostrado en la
Figura 2.1. Asuma K
ij
sea la ganancia esttica de la funcin de transferencia G
ij
. Si
asumimos que u
2
se mantiene constante un cambio en la variable u
1
de magnitud
producir un cambio en la salida y
1
u
1
y
1
. De forma que:
2
2
1
1
11
u
u
u
y
K
=
si en lugar de mantener u
2
constante, ahora mantenemos la salida y
2
constante
cerrando el lazo entre u
2
y y
2
(control perfecto!!). Un paso de magnitud producir
un cambio diferente . La ganancia bajo estas nuevas condiciones ser expresada de
la forma:
1
u
1
y
2
2
1
1
11
y
y
u
y
K
=
A pesar de que las ganancias anteriores fueron obtenidas entre la misma entrada y
salida esta puede presentar valores distintos ya que ha sido obtenida bajo distintas
condiciones. Si existe interaccin con otros lazos estas dos ganancias sern distintas.
El cociente,
2
2
11
11
11
y
u
K
K
=
2.2
donde
11
es un valor adimensional llamado ganancia relativa entre la salida y
1
y la
entrada u
1
y que provee la siguiente informacin:
Si 0
11
= quiere decir que el cambio en la entrada u
1
no afecta la salida y
1
y
por ende no deber ser utilizada para controlar y
1
.
Si 1
11
= quiere decir que
2
11
u
K es igual a
2
11
y
K . Eso quiere decir que la
ganancia entre la salida y
1
y la entrada u
1
no se vera afectada por el lazo entre
la entrada u
2
y la salida y
2
.
En un sistema de 2x2 existen otras tres ganancias relativas:

( )
( )
2
1
2
1
2 1
2 1
12
12
12
y
u
y
u
u y
u y
K
K

= =
2.3
( )
( )
1
2
1
2
1 2
1 2
21
21
21
y
u
y
u
u y
u y
K
K

= =
2.4
( )
( )
2
2
2
2
2 2
2 2
22
22
22
y
u
y
u
u y
u y
K
K

= =
2.5

28 J. Espinosa
Finalmente agrupando los elementos
ij
se construye la Matriz de Ganancias
Relativas (Relative Gain Array-RGA).

=
22 21
12 11

De manera general para un sistema de N entradas y N salidas, existen (NxN)
elementos de ganancia relativa entre la salida y la entrada esos elementos estn
dados por la expresin:
i
y
j
u
( )
( )
y
j i
u
j i
y
ij
u
ij
ij
u y
u y
K
K

= =
2.6
Donde los subndices y y u denotan los valores constantes de
respectivamente y la matriz de ganancias relativas para el sistema
de NxN ser:
i n y j m u
n m
, ; ,
11 12 1
21 22 2
1 2
N
N
N N NN

=

2.7

El clculo de los parmetros de la matriz de ganancias relativas puede parecer
complicado y tedioso, en la practica no es ese el caso ya que los elementos de la
matriz tienen las siguientes propiedades:
La suma de todos los elementos de cada columna es igual a uno

1
1, 1, 2, ,
N
ij
i
j N
=
= =

La suma de todos los elementos de cada fila es igual a uno

1
1, 1, 2, ,
N
ij
j
i N
=
= =

Eso implica que para un sistema de (2x2) solo un elemento deber ser calculado (
11
)
11 22 12 21 11 12
1 = = =
de la misma manera en un sistema de NxN solo (N-1)*(N-1) elementos debern ser
calculados.

El mtodo presentado anteriormente es un mtodo experimental. Si conocemos un
modelo del sistema ser posible calcular la matriz de ganancias relativas de manera
analtica. Si tomamos el siguiente modelo de estado estacionario,
2 22 1 21 2
2 12 1 11 1
u K u K y
u K u K y
+ =
+ =

donde son las ganancias de estado estable de la matriz de la funcin de
transferencia del sistema. Entonces
ij
K
11
1
1
11
2
2
K
u
y
K
u
u
=
=
eliminando u
2
de las relaciones de estado estable, nos da:
22 1 21 2 12 1 11 1
/ ) ( K u K y K u K y + =
Derivando con respecto a u
1
y manteniendo constante y
2
nos da:
22 21 12 11
1
1
11
/
2
2
K K K K
u
y
K
y
y
+ =
=
La ganancia relativa
11
estar dada por la expresin:
) /( ) ( 1
1
22 11 21 12
11
11
11
2
2
K K K K
K
K
y
u
= =
las dems ganancias relativas se pueden calcular de manera similar.

2.4 Seleccin de Lazos de Control Usando la Matriz de Ganancias
Relativas

Una vez construida la Matriz de Ganancias Relativas se lleva a cabo el anlisis que
permite la seleccin de los pares variable manipulada-variable controlada. Las
siguientes situaciones se pueden presentar:
a) Si 0 =
ij
, implica que no existe relacin entre la variable manipulada j y la
variable controlada i por lo cual para controlar la variable controlada i se
necesitar usar otra variable manipulada.
b) Si 1 =
ij
, implica que no hay interaccin con otros lazos y por ende el
controlador podr ser diseado sin tener en cuenta los otros lazos
c) Si 1 0 < <
ij
, implica que los otros lazos forman un lazo de realimentacin
negativa en paralelo con el lazo principal. Esto implica un aumento de la
ganancia en estado estable del sistema por lo cual la ganancia del controlador se
deber reducir y ajustes en las acciones proporcional e integral.
d) Si 0 <
ij
, significa que el numerador y el denominador tienen distinto signo lo
cual implica que cuando se cierran los otros lazos de control el sistema se ver
sometido a realimentacin positiva lo cual generara inestabilidad, en la prctica
esto significa una dificultad muy grande para realizar un controlador distribuido.
e) Si 1 >
ij
, significa que la interaccin de los otros lazos reduce el efecto de las
acciones de control aplicadas al par ij. Entre ms grande sea este valor mayor ser
la inhibicin de la accin de la variable manipulada j sobre la variable controlada
i.

Ejemplo

El sistema de mezcla mostrado en la siguiente figura ser motivo de anlisis en
nuestro texto.
30 J. Espinosa
m1
m2
Analizador
AC
FC
F
X

Figura 2.2 Sistema de Mezcla de dos compuestos
Para efectos de estudios asumiremos solo relaciones estticas en nuestro modelo, el
balance de masa del sistema y de los componentes estar dado por:

2 1
m m F + =
2.8
2 1
1
m m
m
x
+
=
2.9

En este sistema el objetivo es controlar el flujo total F de manera que mantenga la
concentracin x en un valor dado. La pregunta es: Cul es la influencia de cada
variable manipulada m
1
y m
2
sobre las variables controladas F y x?

Primero calculamos la ganancia m
1
-F cuando el lazo m
2
-x esta abierto. Derivando la
ecuacin (2.8):
1
2
1
=
m
m
F

2.10
Ahora se hace el anlisis asumiendo control perfecto de la concentracin x .
Nuevamente derivamos la ecuacin (2.8).
x x
m
m
m
F
1
2
1
1
+ =

2.11
El trmino
x
m
m
1
2
se obtiene derivando la expresin (2.9) con respecto a m

1
.
1 1
1
2
=
+
x
m
m
x
2.12
Despejando el trmino
x
m
m
1
2
de la ecuacin (2.12) y reemplazndolo en la ecuacin

(2.11)
x m
F
x
1
1
=

2.13
La ganancia relativa para el par m
1
-F ser:
x
m
F
m
F
x
m
F m
=
1
1
1
1

2.14

Completando la matriz resultar en:
=
x x
x x
x
F
m m
1
1
2 1

2.15

El anlisis de sistemas con un mayor numero de entradas puede parecer tedioso si se
realiza de la manera que se ha hecho hasta este punto. Afortunadamente existe un
mtodo eficiente que nos permite calcular la matriz de ganancias relativas de forma
matricial:
1
( ( )) ( ).*( ( ) )
T
RGA G j G j G j

=
2.16
Donde el smbolo .* denota una multiplicacin termino a termino.

Observe que hasta este instante solo se haban hecho anlisis para valores de 0 = ,
sin embargo la expresin (2.16) nos muestra que dicho anlisis puede ser extendido a
cualquier frecuencia por lo general este anlisis solo tiene sentido hacerlo a la
frecuencia 0 y a la frecuencia de corte (
c
) esperada para el sistema.

Las reglas de seleccin se pueden resumir de la siguiente manera:

1- Trate de hacer lazos con aquellos elementos en los cuales el )) ( (
c
j G RGA lo
ms cercano posible al punto 1+j0 en el plano complejo.
2- Evite hacer lazos con aquellos pares que tienen valores negativos de ganancia
relativa en estado estable . )) 0 ( (G RGA

Ejemplo 2-1

En este ejemplo utilizaremos una columna de destilacin para separacin de crudo
pesado. La columna es alimentada por el plato inferior y genera tres fracciones,
nuestro inters se centra en la composicin de la fraccin superior e intermedia.

Consideramos como variables controladas:
Concentracin del compuesto retirado en la cabeza de la columna.
1
y
2
y Concentracin del compuesto retirado en la parte media de la columna.
Temperatura de reflujo inferior.
3
y

Las variables manipuladas son:
32 J. Espinosa
1
u Flujo del compuesto de la cabeza de la columna.
2
u Flujo del compuesto intermedio.
Referencia al controlador de la temperatura del plato inferior.
3
u

) (
) (
) (
) (
) (
) (
) (
3
2
1
3
2
1
s U
s U
s U
s G
s Y
s Y
s Y

donde
+ +
=
1 19
20 . 7
1 44
22
42 . 4
1 33
20
38 . 4
1 40
15
90 . 6
1 60
14
72 . 5
1 50
18
39 . 5
1 50
27
88 . 5
1 60
28
77 . 1
1 50
27
05 . 4
) (
s s
s
e
s
s
e
s
s
e
s
s
e
s
s
e
s
s
e
s
s
e
s
s
e
s G

asumiendo un ancho de banda 1/50 rad/s, para el anlisis usaremos nicamente las
variables manipuladas ligadas a la composicin el anlisis nos dar los siguientes
resultados:

=
5563 . 0 5733 . 1 017 . 0
2744 . 1 5946 . 0 3203 . 0
)) 0 (
~
(G RGA
y
+ +
+
=
j j j
j j j
j G RGA
3716 . 0 4507 . 0 0158 . 0 5763 . 1 3558 . 0 1256 . 0
3716 . 0 1532 . 1 0158 . 0 6325 . 0 3558 . 0 4792 . 0
)) 50 / (
~
(

Para hacer el anlisis de cual variable deber controlar , para ello debemos mirar la
primera fila de las matrices RGA, de ellas es posible deducir que la variable
manipulada deber ser evitada ya que tiene signo negativo. Es claro que para las
dos frecuencias la entrada es la mejor eleccin para controlar . De manera
similar podemos decir que la mejor eleccin para controlar es la entrada . La
composicin de la cabeza ser controlada a travs de la referencia de la temperatura
del plato inferior, la composicin del compuesto ser controlada a travs del flujo de
dicho compuesto.
1
y
2
u
3
u
1
y
2
y
2
u

2.5 Control Multivariable Desacoplado

En ocasiones el encontrar un par adecuado de entrada y salida no es garanta de que el
sistema de control distribuido presente un desempeo adecuado debido a la
interaccin aun presente entre los lazos del sistema. Una solucin a este problema es
la construccin de un compensador que cancele las interacciones entre los lazos y
luego llevar a cabo la sintona de los controladores en los lazos de manera individual.
El compensador que desarrolla la tarea de desacoplamiento se conoce con el nombre
de desacoplador.
La funcin de los desacopladores es la de descomponer el sistema multivariable en
subsistemas de una variable. Si dicho sistema puede ser implementado de manera
ideal el sistema multivariable podr ser controlado usando controladores
independientes.
Contr olador Desacoplador Plant a

Figura 2.3 Estructura General de un sistema de control desacoplado
La estructura detallada del sistema de control se muestra en la Figura 2.4

G11
G12
G21
G22
y1
D11
D12
D21
D22
u1 u1*
y2
u2*
u2
C1
C2
DESACOP LADOR P LANTA
w1
w2

Figura 2.4 Estructura del Sistema de Control Desacoplado
Este sistema se encuentra descrito por las siguientes ecuaciones:
) ( ) ( ) (
*
s U s G s Y =
2.17
) ( ) ( ) (
*
s U s D s U =
2.18
)) ( ) ( )( ( ) ( s Y s W s C s U =
2.19
Resolviendo

)) ( ) ( )( ( ) ( ) ( ) ( ) ( ) ( ) ( s Y s W s C s D s G s U s D s G s Y = =

2.20

Nuestro objetivo es construir un sistema diagonal, ya que el controlador C(s) es un
sistema diagonal el objetivo ser alcanzado garantizando que:

)] ( ), ( [ ) ( ) ( ) (
2 1
s x s x diag s D s G s X = =

2.21

Para determinar D(s) ser necesario calcular el inverso de G(s) ya que:

) ( ) ( ) (
1
s X s G s D

=

2.22

34 J. Espinosa
Donde G(s)
-1
es:

)) ( det(
)) ( (
) (
1
s G
s G adj
s G =

2.23

Donde adj(G(s)) y det(G(s)) denota la adjuntan respectivamente la adjunta y el
determinante de G(s) y para el sistema presente nos da:

) ( ) ( ) ( ) ( )) ( det(
21 12 22 11
s G s G s G s G s G =

=
) ( ) (
) ( ) (
)) ( (
11 21
12 22
s G s G
s G s G
s G adj

entonces el desacoplador tendr la forma:

)) ( det(
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
) ( ) ( ) (
2 11 1 21
2 12 1 22
1
s G
s x s G s x s G
s x s G s x s G
s X s G s D

= =

2.24

La representacin ms simple ser asumiendo los trminos en la diagonal principal
iguales a uno, con lo cual se obtiene el sistema:

=
1 ) ( ) (
) ( ) ( 1
) (
22 21
11 12
s G s G
s G s G
s D

2.25

De esta manera los controladores vern a G(s)D(s) como la planta:

=
11
12 21
22
22
21 12
11
) ( 0
0 ) (
) ( ) (
G
G G
s G
G
G G
s G
s D s G

2.26

Consideraciones sobre la implementacin de desacopladores

Las acciones aplicadas por el desacoplador son similares a una accin de tipo
feedforward y por ello se encontrarn el mismo tipo de dificultades a la hora de
implementar dichos controladores. El uso de los desacopladores esta restringido a la
planta lineal, esto debido a que se utiliza un mecanismo de cancelacin. Un cambio de
punto de operacin en una planta lineal causara que la cancelacin no sea eficaz. El
hecho de ser un mecanismo de cancelacin restringe la aplicabilidad del mtodo ya
que no podr ser aplicado con plantas que tienen ceros de fase no mnima ya que la
cancelacin generara polos inestables. Errores en el modelo tambin pueden causar
problemas.

Un problema aun ms serio se puede presentar cuando la metodologa se aplica a
plantas con retardos. Suponga que la planta incluye las siguientes funciones de
transferencia:
s
e K
G
s
e K
G
s s
11
11
11
12
12
12
1
y
1
11 12

+
=
+
=

donde
ij
y
ij
son respectivamente el retardo y la constante de tiempo del sistema, ya
que el desacoplador incluye la ganancia
11 12
G G si calculamos esta relacin
obtendremos:

s
e
s K
s K
s G
s G
) (
12 11
11 12
11
12 12 11
) 1 (
) 1 (
) (
) (

+
+
=

2.27

Si se da el caso de
12 11
> el argumento de la exponencial ser positivo lo cual se
traduce en la necesidad de tener valores futuros para implementar el sistema, lo cual
es imposible.

Debido a estas dificultades los desacopladores ideales son raramente utilizados.
Una aproximacin se aplica a problemas en los cuales la planta tiene retardos. En la
simplificacin se asumen retardos nulos en el desacoplador. Otra aproximacin es
ignorar las dinmicas de orden superior. Adicionalmente se pueden utilizar redes de
dsacoplamiento parcial donde uno sola de las interacciones es cancelada.
Posiblemente la simplificacin ms drstica es la construccin de desacopladores con
ganancia fija, calculada bien sea sobre la ganancia esttica o sobre la ganancia a la
frecuencia de corte.

Ejemplo 2-2
En este ejemplo se utilizara el modelo de la columna de destilacin presentado en el
Ejemplo 2-1. Tomando nicamente las entradas hasta la salidas la
funcin de transferencia es:
T
u u ] , [
2 3
T
y y ] , [
2 1
+ +
+ +
=

1 60
72 . 5
1 40
90 . 6
1 60
77 . 1
1 50
88 . 5
) (
14 15
28 27
s
e
s
e
s
e
s
e
s G
s s
s s

el sistema tiene un modelo de perturbacin:
+
+
+
=
+ =
1 32
26 . 1
1 20
83 . 1
1 40
44 . 1
) (
) ( ) ( ) ( ) ( ) (
15
27
s
s
e
s
e
s G
s V s G s U s G s Y
s
s
d
d

sin desacoplador el siguiente controlador fue diseado:

36 J. Espinosa
+
+
=
s
s
s
s
s C
300
1 60
0
0
300
1 50
) (
Tomando nicamente la ganancia G(0)
=
72 . 5 90 . 6
77 . 1 88 . 5
) (s G
El desacoplador diseado con esta estrategia ser:

=
1 2063 . 1
3010 . 0 1
) 0 ( D
La siguiente grafica compara las respuestas de los dos sistemas, observe la apreciable
reduccin del impacto causado por la interaccin entre los lazos del sistema.

0 200 400 600 800 1000 1200 1400 1600
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Senhales de Salida para el sistema interactivo
--Y1
Y2
Cambio en Setpoint de Y2

0 200 400 600 800 1000 1200 1400 1600
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Senhales de Salida para el sistema desacoplado
-- Y1
Y2
(a) (b)
0 200 400 600 800 1000 1200 1400 1600
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
Senhales de entrada para el sistema interactivo
-- U3
U2
0 200 400 600 800 1000 1200 1400 1600
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
Senhales de entrada para el sistema desacoplado
-- U3
U2

( c ) (d)
Figura 2.5 Comparacin del sistema de control para la columna de destilacin (a) Salidas sin
desacoplador (b) Salidas con desacoplador (c) Entradas sin Desacoplador (d) Entradas con
desacoplador

2.6 Comentarios y Conclusiones

El diseo de sistemas de control sin interaccin, estar precedido siempre de un
anlisis de ganancia relativa que permite determinar los pares y las interacciones. Este
anlisis es valioso ya que nos permite mejorar las condiciones de diseo del
desacoplador. La seleccin de los pares usando el anlisis de ganancia relativa
permite reducir el trabajo que el desacoplador debe ejecutar.

Los pasos de diseo usando las tcnicas presentadas en este captulo se pueden
resumir as:
a) Haga un anlisis de ganancia relativa que permita encontrar los pares de
entrada y salida que reducen las interacciones.
b) Disee un sistema de control distribuido, y evale el desempeo observando el
impacto de las interacciones.
c) Si el desempeo de este sistema no es el adecuado debido a las interacciones
con otros lazos disee una red de desacople.


1- Haga un anlisis de ganancia relativa (RGA) para el siguiente sistema:
+ +
+ +
=
1
1
1
1
2
3
1
2
) (
s s
s s
s G
asuma una frecuencia de corte de 5 rad/s.

2- Para el ejemplo de la columna de destilacin presentado en el texto calcule los
controladores PI para los lazos
3 1
u y y
2 2
u y y analice las respuestas del
sistema. (implemente el modelo en Simulink). Haga las simulaciones abriendo
y cerrando los respectivos lazos.
3- Haga un anlisis de ganancia Relativa para el siguiente modelo linealizado de
la caldera de una central termoelctrica:

=
040 . 0 0 0 0
5672 . 0 0 0 01216 . 0
0 0 2062 . 0 0
1588 . 0 0 0 005509 . 0
A

=
040 . 0 0 0 02999 . 0
0 7317 . 0 0 0
0 0 658 . 7 375 . 9
0 01348 . 0 0 280 . 0
B
=
28 . 19 0 0 4133 . 0
16 . 11 1434 . 0 0 3221 . 0
0 0 0 . 1 0
0 0 0 21 . 14
C
=
0 0 0 0
0 2080 . 0 0 272 . 1
0 0 0 0
0 0 0 0
D
38 J. Espinosa
Las entradas del sistema son:
U1 Entrada de combustible
U2- Entrada de aire
U3- Entrada de agua
U4- Vlvula de control de vapor

Las salidas
Y1- Es la presin en la caldera
Y2- %de oxigeno en los gases de salida
Y3 Nivel de agua
Y4 Flujo de vapor

Si es viable defina un sistema de control que mantenga las variables Y1-Y3
constante y permita alcanzar un flujo de vapor determinado.

4- Para el ejemplo de la columna de destilacin:
- Disee una red de desacople esttica evaluada a la frecuencia 1/50
rad/sec
- Disee una red de desacople dinmica
Compare las respuestas

5- Realice un anlisis de ganancia relativa para el siguiente sistema y disee un
sistema de control distribuido con y sin acople. Disee desacopladores
estticos y dinmicos.
+ +
+ +
=
1
1
1
1
3
2
1
1
) (
s s
s s
s G

Captulo 3 Mtodo de Ubicacin de Polos

3.1 Introduccin
Una de las caractersticas que hacen atractiva la representacin de estado es que la
sntesis del controlador se puede llevar a cabo en dos etapas, la primera asume la
posibilidad de medir todos los estados y realimentarlos a la entrada (que en la prctica
resulta costoso por el nmero de sensores) y la segunda etapa que involucra el diseo
de un estimador u observador de estado que permite estimar el valor presente de los
estados a partir de un nmero reducido de mediciones, haciendo viable la
implementacin de la ley de control basada en los estados.

3.2 Realimentacin de Estado

Para la realimentacin de estado asuma que la entrada u=-Kx+v, entonces las
ecuaciones del nuevo sistema en lazo cerrado sern:

x A BK x Bv
y C DK x Dv
.
( )
( )
=
.
+
= +

(3.1)
B
D
1/s C
A
K
v
-

Figura 3.1 Realimentacin de Estado
Las ecuaciones para el caso discreto tienen la misma presentacin.
40 J. Espinosa

El sistema ser gobernado por la matriz (A-BK) y los valores propios de esta matriz
sern los polos del sistema en lazo cerrado.

3.3 Ubicacin de los polos

La pregunta que surge ahora es: Dado un polinomio cualquiera de grado n,

c
n n
n
s s s ( ) ... = + + +
1
1

con coeficientes reales y dadas las matrices (A,B) es posible encontrar al menos una
matriz tal que K
m n

det( ( )) ( ) sI A BK s
c
= ? La respuesta es siempre que el
par (A,B) sea controlable es posible encontrar una matriz K tal que
det( ( )) ( ) sI A BK s
c
= (ver prueba [7]).

Recuerde que la ubicacin de las races de A depende de las especificaciones de
control tales como tiempo de subida, mximo sobrepico, ancho de banda, margen de
fase, tiempo de establecimiento etc. Otros valores tpicos pueden ser tomados de los
polinomios ptimos para el criterio ITAE (Integral of Time multiplied by Absolute
Error, ver [8]) dan una respuesta rpida pero con sobreimpulso y los polinomios de
Bessel que dan una respuesta ms lenta pero sin sobreimpulso.

Sabiendo que la controlabilidad del sistema garantiza la posibilidad de ubicar los
polos en un lugar deseado se hace necesario encontrar un mtodo para calcular K. El
primer mtodo y el ms intuitivo es el llamado mtodo directo.

3.3.1Ubicacin de los Polos-Mtodo Directo

Los elementos de la matriz K pueden ser calculados de modo algebraico resolviendo:

det( ( )) ( )( )...( ) sI A BK s s s s s s
n
=
1 2

donde s
1
, s
2
,..,s
n
son las races del polinomio
c
(s) y son los polos deseados en lazo
cerrado.

Los valores de la matriz K pueden ser calculados igualando trminos a ambos lados de
la ecuacin.
Sin embargo, este mtodo se vuelve tedioso para sistemas de orden superior a 3.

3.3.2Ubicacin de los Polos-Sistemas de una entrada. Mtodo de
Ackermann

Si tomamos las matrices del sistema A
c
, B
c
en la forma cannica controlable entonces:

Mtodos de Asignacin de Polos 41
A B K
a K a K a K
c c
n n
=

1 1 2 2
1 0 0
0
0 0 1
... ...
... ...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... 0
n

det( ( )) ( ) ( ) ... ( ) sI A B K s a K s a K s a K
c c
n n n
n n
= + + + + + + +

1 1
1
2 2
1

Ya que el polinomio caracterstico deseado tiene la forma:

c
n n
n n
s s s s s s s s s ( ) ... ( )( ) ... ( ) = + + + =
1
1
1 2

los elementos de K sern:

K a K a K a
n n 1 1 1 2 2 2
= = = , ,...,

El procedimiento de clculo de K se puede resumir as:
Transforme las matrices (A, B) a su forma cannica controlable (A
c
, B
c
).
Halle la ley de control K
c
utilizando el anterior procedimiento.
Transforme K
c
en K K T
c
=
1
.
En forma compacta el procedimiento de diseo es:

[ ]
K A
c
=

0 0 1
1
. . . ( ), C
(3.2)

donde es la matriz de controlabilidad y

c
n n n
n
A A A A ( ) ... = + + + +

1
1
2
2
I
)
)

La formula de Ackermann solo es aplicable a sistemas de una entrada y no es
aconsejable en sistemas de gran dimensin, debido a que el clculo del polinomio
c
(A), puede generar errores numricos, cuando los parmetros de A difieren en
magnitud de forma significativa[10].

Para el caso de mltiple entrada la solucin de K no es nica.

3.3.3Ubicacin de los Polos-Sistemas de mltiple entrada. Mtodo de
Ackermann

En sistemas de ms de una entrada se pueden aprovechar las siguientes caractersticas
para aplicar la frmula de Ackermann.

Si (A, B) es controlable, entonces para casi cualquier y casi cualquier
, es controlable entonces aplicamos la frmula de Ackermann
para el nuevo sistema de una entrada (
K
r
m n

v
m
( , A BK Bv
r
, A BK Bv
r
y obtenemos que nos
ubica los polos en el lugar deseado.
K
s
n
1
42 J. Espinosa

Los polos de ( ) A BK estarn en el lugar deseado para una realimentacin de estado
aplicada al sistema (A, B), de la forma:
u Kx K vK
r s
x = = + ( )

El procedimiento de clculo de K se puede reducir a los siguientes pasos:
Escoja arbitrariamente K
r
y v de forma que ( , A BK Bv
r
) sea controlable.
Use la frmula de Ackermann para encontrar K
s
para ( , A BK Bv
r
) .
Encuentre la ganancia de realimentacin de estado como K K vK
r s
= + .

3.3.4Ubicacin de los Polos en sistemas de mltiple entrada-salida -
Ecuacin de Sylvester

Dada una matriz
=

1 1
1 1
1
.
.
.
.
.
.
,

con valores propios:
1 1 1
j ,..., ,... que son los polos deseados para el sistema en
lazo cerrado.
Recurdese que para un par controlable (A, B), existe una transformacin de
similaridad X tal que:

X A BK X AX X BKX
= =
1
( ) .
Esta ecuacin se puede plantear como:

AX X BG
KX G
=
=
,
.

(Ecuacin de Sylvester en X) (3.3)

La ecuacin de Sylvester es una ecuacin matricial lineal en X. Se puede resolver si el
valor de G es conocido. Y se obtiene la ley de control:

K GX =
1
.

El procedimiento de clculo de K se puede resumir en tres pasos:

Escoja un valor arbitrario de G.
Resuelva la ecuacin de Sylvester en X.
Calcule la ganancia de realimentacin . K GX =
1
El mtodo puede fallar, encontrndose una matriz X no invertible en ese caso se
debe realizar todo el procedimiento partiendo de una matriz G diferente.

Es importante tener en cuenta ciertos detalles, por ejemplo, siempre ser posible
encontrar una solucin para X, si A y no tienen valores propios comunes.
Para sistema de simple entrada la matriz K es nica e independiente de G.

3.4 Ejemplos
3.4.1 Carros Acoplados con Unin Flexible. [12]

Este sistema est compuesto por dos carros con masas M
1
y M
2
como se muestra en la
Figura 3.2. Los carros estn unidos a travs de un resorte con constante K . El carro
de la izquierda tiene un motor elctrico que permite aplicar una fuerza F al sistema.
El objetivo del sistema de control es reducir la oscilacin del segundo carro cuando el
primero cambia de posicin, se espera un tiempo de establecimiento de 1 segundo y
un sobrepico menor al 10%. Como instrumentacin hay instalados en cada carro un
potencimetro que permite medir el desplazamiento.

M1 M2
F
K
x1 x2

Figura 3.2 Carros acoplados con union flexible.

El modelo del sistema ser:
1
1
2
2 2
1
2 1 2 2
2 1 1 1
) (
.
) (
x
r R
K K
V
r R
K K
F
x x K x M
x x K F x M
a
g m
a
g m
&
& &
& &
=
=
=

Donde:
M
1
Masa del carro uno
= 0.98 Kg
M
2
Masa del carro dos
= 0.58 Kg
K Constante del resorte
= 45.9 N/m
x
1
, x
2
Posicin de los carros 1 y 2 respectivamente
F Fuerza aplicada al carro uno (N)
V Voltaje aplicado al motor que acciona el carro uno
44 J. Espinosa
K
m
, K
g
, R
a
, r
1
Constantes debidas al motor y la transmisin.

Las ecuaciones del sistema sern:

1 1
1 1
2 2
2 2
1
1 1
2 2
2
0 1 0 0 0
46.84 7.4 46.84 0 1.73
0 0 0 1 0
79.13 0 79.13 0 0
1 0 0 0 0
0 0 1 0 0
x x
x x
V
x x
x x
x
y x
V
y x
x

= +

= +

Primero se hace un anlisis de controlabilidad y observabilidad

=
1013 89 . 136 0 0
89 . 136 0 0 0
2538 . 498 70 . 13 8 . 12 73 . 1
7 . 13 8 . 12 73 . 1 0
C

=
13 . 79 0 13 . 79 0
84 . 46 62 . 346 92 . 7 6 . 346
0 13 . 79 0 13 . 79
0 84 . 46 4 . 7 8 . 46
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
O

El rango de ambas matrices es cuatro lo que indica que el sistema es totalmente
controlable y observable.
Time (sec.)
A
m
p
l
i
t
u
d
e
Impulse Response
0
0.1
0.2
0.3
0.4
From: U(1)
T
o
:

Y
(
1
)
0 1 2 3 4 5 6
0
0.1
0.2
0.3
0.4
T
o
:

Y
(
2
)

Figura 3.3 Respuesta Impulso del sistema en lazo abierto
Con las especificaciones dadas los polos deseados sern:

4 5 12 12 .46 , , i

entonces el polinomio caracterstico tendr la forma:

c
s s s s s ( ) . . . = + + + +
4 3 2
32 381 78 2250 8 6592 9

Para aplicar la frmula de Ackermann se evala A en el polinomio caracterstico,

=
13648 113389 9 . 5839 113389
7 . 280 13648 1947 20245
3457 92700 3380 92700
1152 3457 48 . 32 3140
) ( A
c

en este clculo se puede observar la desventaja del mtodo de Ackermann, que nos
muestra valores con ordenes de magnitud claramente diferentes, lo cual puede generar
problemas por errores de clculo.

Calculando la ley de control de acuerdo con la frmula
[ ]
K A
c
=

0 0 1
1
. . . ( ), C
se obtiene:
[ ] 05 . 2 7 . 99 22 . 14 88 . 147 = K
La respuesta paso del sistema compensado ser:
46 J. Espinosa
Time (sec.)
A
m
p
l
i
t
u
d
e
Step Response
0
0.005
0.01
0.015
0.02
0.025
From: U(1)
T
o
:

Y
(
1
)
0 1 2 3 4 5 6
0
0.005
0.01
0.015
0.02
0.025
T
o
:

Y
(
2
)

Figura 3.4 Respuesta paso del sistema realimentado
3.4.2 Control de un Sistema Lector de Cinta Magntica (Tomado de [3])

En la Figura 3.5se muestra un esquema del sistema. El sistema est compuesto por
dos transportadores de cinta, cada una acoplada a un motor elctrico que puede ser
comandado por medio de seales de voltaje. La cinta ha sido modelada como un
resorte lineal con amortiguacin viscosa, el modelamiento ha sido realizado tomando
como tensin nominal 6 N.

Figura 3.5 Sistema Lector de Cinta

Las ecuaciones de movimiento del sistema son:
J
d
dt
Tr Ki
p r
L
di
dt
Ri K e
J
d
dt
Tr Ki
p r
L
di
dt
Ri K e
T
K
p p
D
p p
p
p p
e
e
1
1 1
1 1
1
1 1 1
2
2 2
2 2
2
2 2 2
2 1 2 1
3
1 2
2 2
2
= +
=
= +
= +
=
= +
= +
=
+
,
.
,
,
,
.
,
,
( ) (
. .
),
.

Descripcin de la variables:
D Amortiguacin de la cinta.
= 20 N/ms,
e
1,2
Voltaje aplicado a los motores,(V)
I
1,2
Corriente en los motores,
J Inercia del motor y la rueda,
=4 1 kg.m 0
5
2
,
K Constante del resorte de la cinta, N/m, 4 10
4
K
e
Constante elctrica de los motores = 0.03 V.s,
K
t
Constante de torque de los motores = 0.03 V.s,
L Inductancia de la armadura= 10
-3
H,
R Resistencia de armadura=1,
r radio de las ruedas de los transportadores,0.02m,
T Tensin de la cinta en el punto de la cabeza de lectura y escritura (N),
p
1,2,3
Posicin de la cinta en los transportadores y la cabeza,
1,2
Desplazamiento angular de los transportadores,
1,2
Velocidad angular de los transportadores.
Tomando un factor de escala de 10
3
para el tiempo y 10
-5
para la posicin, las
ecuaciones de estado obtenidas son:
48 J. Espinosa
p
p
i
i
p
p
i
i
1
1
2
2
1
2
1
1
2
2
1
2
0 2 0 0 0 0
01 0 35 01 01 0 75 0
0 0 0 2 0 0
01 01 01 0 35 0 0 75
0 0 03 0 0 1 0
0 0 0 0 03 0 1
0 0
0 0
0 0
0 0
1 0
0 1
.
.
.
.
.
.
. . . . .
. . . . .
.
.
e
e
p
T
p
p
i
i
e
e
1
2
3
1
1
2
2
1
2
1
2
0 5 0 0 5 0 0 0
0 2 0 2 0 2 0 2 0 0
0 0
0 0
,
. .
. . . .
.

Primero se hace un anlisis de controlabilidad y observabilidad.

C =

0 0 0 0 15 0 2 02 015 189 0 04 164 0 26
0 0 0 75 0 101 0 07 0 94 0 02 082 013 0 78 015
0 0 0 0 0 15 015 2 02 0 04 189 0 26 164
0 0 0 0 75 0 07 101 0 02 0 94 013 082 015 0 78
1 0 1 0 0 98 0 0 95 0 002 0 92 0 002 0
. . . . . .
. . . . . . . .
. . . . . . .
. . . . . . . . .
. . . . . .
. . . . . . .
9 0 003
0 1 0 1 0 0 98 0 002 0 95 0 002 0 92 0 0024 089
.
.
.
4
.
.
.
.

O
.
=

05 0 05 0 0 0
0 2 0 2 0 2 0 2 0 0
0 1 0 1 0 0
0 04 0 31 0 04 0 31 015 015
0 0 25 0 0 25 0 75 0 75
0 062 0 22 0 062 0 224 0 082 0 082
0 0 04 0 0 04 0 94 0 9
0 045 0 026 0 049 0 026 0 25 0 25
0 0 018 0 0 018 0 97 0 97
0 005 0
.
. . . .
. . . . . .
. . .
. . . . . .
. . .
. . . . . .
. . .
. .11 0 005 011 0 23 0 23
0 0 034 0 0 034 0 95 0 95
0 022 0 0456 0 0217 0 0456 015 015
. . . .
. . .
. . . . . .

El rango de ambas matrices es seis lo que indica que el sistema es totalmente
controlable y observable.

Time (sec.)
A
m
p
l
i
t
u
d
e
Step Response
0
50
100
150
From: U(1)
T
o
:

Y
(
1
)
From: U(2)
0 15 30 45
-1
-0.5
0
0.5
1
T
o
:

Y
(
2
)
0 15 30 45

Figura 3.6 Respuesta paso en lazo abierto

Los polos deseados son:

0 0 937 0 947 0 581 116 116 .451 . , . . , . , . i i

Tomando una matriz G al azar:

G =

0 8 0 22 217 101 0 51 0 59
0 53 0 92 0 06 0 61 169 0 64
. . . . . .
. . . . . .

Resolviendo (Ecuacin de Sylvester en X) (3.3) para X con:

c
=
0 0 937 0 0 0 0
0 937 0 0 0 0 0
0 0 0 947 0 581 0 0
0 0 0 581 0 947 0 0
0 0 0 0 116 0
0 0 0 0 0 1
.451 .
. .451
. .
. .
.
.16

se obtiene:

50 J. Espinosa
X =
1.06 1.48 6.45 0.24 4.47 3.97

-0.93 0.16 -3.12 1.76 -2.59 -2.3
-2.00 -0.97 -0.52 -0.76 12.45 -4.35
0.91 -0.72 0.46 0.21 -7.22 2.52
0.20 -0.77 1.99 -3.72 2.70 3.26
0.49 0.88 -1.05 -0.18 9.21 -3.53

Calculando la ley de control de acuerdo con la frmula se obtiene: K GX =
1
,

K =

0.51 2.64 -0.08 0.42 1.57 0.53

0.38 0.84 0.73 2.11 0.19 0.85

La respuesta paso del sistema compensado ser:

Figura 3.7 Respuesta paso del sistema en lazo cerrado

3.5 Diseo de Servo sistemas e implementacin de referencias.

En los ejemplos anteriores se observo que el regulador de estado estabiliza el sistema
hacia el origen. La introduccin de referencias distintas al origen causar un error de
estado estacionario, lo cual en muchos casos se considera inaceptable, la solucin a
dicho problema pasa por la introduccin de integradores que permitan reducir el error
de estado estacionario a cero.
El diseo de dicho sistema involucra la creacin de una seal de error por cada
variable de referencia que se introduzca al sistema. De hecho el orden del sistema en
lazo cerrado se vera aumentado en un orden igual al nmero de seales de referencia
que se introduzcan. El proceso de diseo del controlador ser idntico al presentado
en las secciones anteriores ya que las ganancias de los integradores estarn
determinadas por la realimentacin de estado.

En la siguiente figura se muestra la descripcin del sistema con las seales de
referencia incluidas. Es importante mencionar que en caso de que las especificaciones
de control demanden el seguimiento de seales de tipo rampa con cero error de estado
estacionario, se debern incluir mas integradores. Por ahora nuestro estudio se
limitar al seguimiento de referencias de tipo paso.

B
D
1/s C
A
K
v

-

1/s Ki
e

yref

y

Figura 3.8 Sistema con Realimentacin de Estado y Seal de Referencia incluyendo integradores
para cero error de estado estacionario.
El sistema estar descrito en lazo abierto por las siguientes ecuaciones:

ref
x Ax Bu
y Cx Du
e y y
= +
= +
=

(3.4)
donde ,
p
ref
y e y p es el nmero de salidas del sistema
Expandiendo la anterior expresin obtenemos en lazo abierto:
0 0
0
ref
x A x B
u y
e C e D I
y Cx Du

= + +

= +

(3.5)

Si calculamos una realimentacin de estado, esta tendr la siguiente forma

[ ]
i T
K K K =
(3.6)

52 J. Espinosa
donde .
p m
i
n m p n m
T
K K K
+
, ,
) (
Introduciendo la realimentacin:

[ ]

=
e
x
K K u
i

(3.7)

la descripcin del sistema en lazo cerrado ser:
[ ] [ ]
0
0
i
ref
i
i ref
A BK BK x x
y
C DK DK e e
x
y C DK DK y
e

= +

+

= +

I

(3.8)

Si analizamos la situacin de estado estacionario y asumiendo que la realimentacin
estabiliza el sistema obtendremos:
[ ] [ ] ) ( 0
) (
) (
) (
) (
0
) (
) (
0
0
+
+

=
ref i
ref
i
i
y
e
x
DK DK C y
y
I e
x
DK DK C
BK BK A

(3.9)
de la segunda fila de la matriz, se desprende:
[ ]
ss
ref
ref i
e
y y
y
e
x
DK DK C
=
+ =
+
+ =
0
) ( ) ( 0
) (
) (
) (
0

(3.10)
Lo cual indica cero error de estado estacionario.

3.4.3 Ejemplos
3.4.3.1 Carros Acoplados con Unin Flexible.

Para el sistema descrito en la seccin 3.4.1 introduciremos nuestra seal de referencia
de manera que la posicin del segundo carro se posicione en un valor de referencia
dado.

Seleccionamos como polos los siguientes valores, de forma que se garanticen nuestros
objetivos de un error de estado estacionario cero, tiempo de establecimiento de
alrededor de 1 segundo y un sobrepico mximo del 10 %.

15 , 12 , 12 , 46 . 5 4 i

Calculando la ley de control de acuerdo con la frmula
se obtiene: [ ] ), ( C 1 0 . . . 0
1
A K
c
=
[ ] 8396 . 722 11 . 31 45 . 130 89 . 22 34 . 425 =
T
K
observe que el ultimo termino corresponde a la ganancia del termino integral. La
respuesta del nuevo sistema compensado alcanza un error cero de estado estacionario
a una referencia paso, el sobrepico mximo no supera el 6%.

0 0.5 1 1.5 2 2.5 3
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Respuesta paso de la posicion del carro 2
Tiempo (seg.)
A
m
p
l
i
t
u
d
Sobrepico 6 %
Tss=1.12 sec

Figura 3.9 Respuesta paso al posicionamiento del carro 2
0 0.5 1 1.5 2 2.5 3
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Respuesta paso de las posiciones de los carros
Tiempo (seg.)
P
o
s

C
a
r
r
o
Pos.Carro 1
-- Pos. Carro 2

Figura 3.10 Respuesta paso de los 2 carros
54 J. Espinosa
0 0.5 1 1.5 2 2.5 3
-2
0
2
4
6
8
10
12
14
Senhal de Control
Tiempo (seg.)
V
o
l
t
i
o
s

Figura 3.11 Seal de Control enviada por el controlador
3.4.3.2 Control de un Sistema Lector de Cinta Magntica

Para el sistema descrito en la seccin 3.4.2 introduciremos nuestras seales de
referencia de manera que la tensin y la posicin de la cabeza lectora puedan ser
seleccionadas sin error de estado estacionario. Para ello introducimos dos integradores
lo cual incrementar el orden de nuestro sistema ser ahora 8 en lugar del orden 6
original.

Seleccionando una matriz G arbitraria de la forma:

=
4 . 1 2 . 3 64 . 0 69 . 1 61 . 0 06 . 0 92 . 0 53 . 0
53 . 0 63 . 0 59 . 0 51 . 0 01 . 1 17 . 2 22 . 0 8 . 0
G

la matriz K
T
obtenida resolviendo la ecuacin de Silvestre tendr los siguientes
valores:
=
93 . 5 34 . 3 84 . 3 19 . 0 49 . 9 61 . 4 59 . 1 996 . 1
46 . 8 29 . 1 53 . 0 57 . 4 54 . 2 26 . 1 93 . 12 36 . 5
T
K
Time (sec.)
A
m
p
l
i
t
u
d
e
Step Response
0
0.5
1
1.5
From: U(1)
T
o
:

Y
(
1
)
From: U(2)
0 4 8 12
0
0.5
1
1.5
T
o
:

Y
(
2
)
0 4 8 12

Figura 3.12 Respuesta paso del sistema de cinta en la figura superior el posicionamiento de la
cabeza, figura inferior cambio en la tensin.
0 2 4 6 8 10 12
-0.2
0
0.2
0.4
0.6
0.8
Senhales de Entrada- Paso en Posicion
Tiempo (seg.)
A
m
p
l
i
t
u
d
Motor 1
-- Motor 2
0 2 4 6 8 10 12
-2
-1
0
1
2
Senhales de Entrada- Paso en Tension
Tiempo (seg.)
A
m
p
l
i
t
u
d
Motor 1
-- Motor 2

Figura 3.13 Seales de control de los motores en las dos respuestas paso

56 J. Espinosa
3.6 Observadores o Estimadores de Estado

La implementacin de las leyes de control por realimentacin de estado requieren
informacin de los estados del sistema. En la prctica, obtener seales de todos los
estados es una tarea que puede resultar en costos elevados debido a la necesidad de
usar sensores para medir cada uno de los estados del sistema o en el peor de los casos
la variable no puede ser medida. Para resolver este problema se ha planteado como
solucin la construccin de observadores de estado. Un observador de estado tiene
como misin reconstruir todas las variables de estado x a partir de la medicin de las
seales disponibles a la salida del sistema, de forma que los estados reconstruidos x
^

pueden ser usados para implementar la ley de control.
Es importante recordar que la construccin de un observador de estado solo es posible
s y solo s el sistema es observable.

3.6.1 Estimadores de Estado Completos

3.6.1.1 Estimadores en lazo abierto

Es la forma ms simple de construir un observador, el sistema estima el estado a
partir de la entrada u:
x
^

Bu x A x + =
&

x
^
es el valor estimado de x.
El error de estimacin se define como:

x x x
~
=

Entonces el error estar gobernado por la dinmica:

) 0 ( ) 0 ( ) 0 (
~
,
~
.
~
x x x x A x = =

Si A es estable, entonces el error de estimacin tiende a cero con la misma dinmica
del sistema, en caso contrario no converger. No existe una forma de influenciar la
dinmica del estimador de forma que la estimacin sea ms rpida, es por estas dos
razones que este tipo de estimacin no es til en la prctica.
C
x
x=Ax+Bu
.
x=Ax+Bu
.
x
^
u(t) y(t)
Observador
Proceso

Figura 3.14 Estimador en lazo abierto
3.6.2 Estimadores Realimentados

Una forma de influenciar la dinmica del estimador es introducir en este una seal que
sea indicadora del error de estimacin, esta seal es la diferencia entre la salida real y
la estimada ( ). x C y

El nuevo modelo del estimador tiene la forma:

( ) x C y L Bu x A x + + =
&

(3.11)

donde es la matriz que determina la realimentacin del error de salida
( ).
L
n p

x C y
Se define el error de estimacin como:

x x x
~
=


) 0 ( ) 0 ( ) 0 (
~
,
~
) (
.
~
x x x x LC A x = =

Ya que la matriz A-LC gobierna la dinmica del error escogiendo un valor apropiado
de L se puede lograr que el sistema sea estable y que tenga una convergencia ms
rpida que la dinmica del proceso.
58 J. Espinosa
C
x

x=Ax+Bu
.

x=Ax+Bu
.
^

x

^

u(t)

y(t)

Observador

Proceso

C
+
-

Figura 3.15 Observador de lazo cerrado

3.6.3 Diseo de Estimadores - Ubicacin de los polos

Con la nueva formulacin se pudo observar que el problema de hallar la matriz L para
el estimador puede ser enfocado como un problema de ubicacin de los polos, ya que
lo que nos interesa es seleccionar la dinmica del sistema (A-LC).
El problema es calcular L de forma tal que:

det( ( )) ( )( )...( ) sI A LC s s s s s s
n
=
1 2

donde s
1
, s
2
,..,s
n
son las races del polinomio
e
(s) que es la ecuacin caracterstica del
observador.
Este problema es equivalente a hallar K L
T
= en:

det( ( )) ( )( )...( ) sI A C K s s s s s s
T T
n
=
1 2

Claramente se puede ver que el problema es equivalente al problema de ubicacin de
polos para el caso de control.
Obsrvese que la matriz de controlabilidad de ( ) A C
T T
, , es la transpuesta de la matriz
de observabilidad del sistema [A, B, C, D].

Mtodos similares a los utilizados en el problema de control de ubicacin de los polos
sern aplicados al problema de diseo del observador

3.6.3.1 Mtodo Directo

La matriz L puede ser calculada resolviendo:

det( ( )) ( )( )...( ) sI A LC s s s s s s
n
=
1 2


donde s
1
, s
2
,..,s
n
son las races del polinomio caracterstico
e
(s) del observador
deseado.

Los valores de la matriz L pueden ser calculados igualando trminos a ambos lados de
la ecuacin.

Este mtodo se vuelve tedioso para sistemas de orden superior a 3.

3.6.3.2 Mtodo de Ackermann para sistemas de una salida

Si tomamos las matrices del sistema A
o
, C
o
en la forma cannica observable entonces:

A C L
a L a L a L
o
T
o
T
o
T
n n
=

1 1 2 2
1 0 0
0
0 0 1 0
... ...
... ...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...

det( ( )) ( ) ( ) ... ( ) sI A C L s a L s a L s a L
o
T
o
T
o
T n n n
n n
= + + + + + + +

1 1
1
2 2
1

Dado que el polinomio caracterstico deseado tiene la forma:

e
n n
n n
s s s s s s s s s ( ) ... ( )( ) ... ( ) = + + + =
1
1
1 2

los elementos de L
o
sern:

L a L a L a
n n 1 1 1 2 2 2
=
n
= = , , ..., .

El procedimiento de clculo de L se puede resumir as:
Transforme las matrices (A, C) a su forma cannica observable (A
o
, C
o
).
Halle la ley de control L
o
utilizando el anterior procedimiento.
Transforme L
o
en L T L
o o
=
1
.
En forma compacta el procedimiento de diseo es:
L A
e
=
( ) .
.
.
, O
1
0
0
1

(3.12)
donde es la matriz de observabilidad y

e
n n n
n
A A A A ( ) ... = + + + +

1
1
2
2
I

60 J. Espinosa
La formula de Ackermann para observadores solo es aplicable a sistemas de una
salida y no es aconsejable en sistemas de gran dimensin, ya que el clculo del
polinomio
e
(A), puede generar errores numricos [10].

Para el caso de mltiples salidas la solucin de L no es nica.

3.6.3.3 Mtodo de la Ecuacin de Sylvester

Dada una matriz :
=

1 1
1 1
1
.
.
.
.
.
.
,

con valores propios:
1 1 1
j ,..., ,... que son los polos deseados en el estimador.

Visto que el tratamiento para las ecuaciones del estimador es anlogo al del diseo del
controlador podemos decir que existe una transformacin de similaridad X tal que:

X A C L X A X X C L X
T T T T T T
= =
1
( ) .

Esta ecuacin se puede plantear como:

A X X C G
L X G
T T
T
=
=
,
.

(Ecuacin de Sylvester en X) (3.13)

Escogiendo un valor de G arbitrario, se obtiene la matriz de realimentacin para el
estimador como:

( ) L GX
T
=
1
.

El procedimiento de clculo de L se puede resumir en tres pasos:

Escoja un valor arbitrario de G.
Resuelva la ecuacin de Sylvester en X.
Calcule la ganancia de realimentacin
( )
L GX
T
=
1
.
El mtodo puede fallar, encontrndose una matriz X no invertible en ese caso se
debe realizar todo el procedimiento partiendo de una matriz G diferente.

Recuerde, que siempre ser posible encontrar una solucin para X si A y no tienen
valores propios comunes.

3.6.4 Estimadores de Orden Reducido

Los estimadores de orden reducido son estimadores cuyos estados se ven reducidos
por el nmero de estados medidos. En otras palabras, son observadores que estiman
solamente los estados no medidos.

Para aplicar este mtodo el sistema es convertido a la forma:

[ ]
x
x
A A
A A
x
x
B
B
u
y I
x
x
a
b
aa ab
ba bb
a
b
a
b
a
b
.
.
0

(3.14)

usando una transformacin de coordenadas
[ ]
T C C
n
=
donde C
es la
seudoinversa de C y C
n
es una base del espacio de nulidad de C.

Observe que x
a
son los estados medibles y x
b
son los estados que necesitan ser
estimados,
y x
a
=
Si descomponemos las dinmicas de las variables medidas y las no medidas se
obtiene:

x y A y A x B
x A x A x B u
a aa ab b
b bb b ba a b
. .
.
u
a
= = + +
= + +

Son valores conocidos en la dinmica de x
a

aa a ab b
y A y B u A x =
y en la dinmica de x
b

A x B u
ba a b
+

Entonces podemos construir un estimador para los estados x
b

( )

b bb b ba b aa a ab b
x A x A y B u L y A y B u A x = + + +

el error de estimacin en este caso est dado por:

b ab a aa b ab b ab
x A u B y A y x A x A
.
= &

62 J. Espinosa
Note que este estimador es poco inmune al ruido de medicin ya que involucra el
clculo de la derivada de y. Para eliminar la derivada de y, definimos Ly x x
b c
=
y el estimador toma la forma:

( ) ( ) ( )
c bb ab b ba aa b a
b c
x A LA x A LA y B LB
x x Ly
= + +
= +
u

( 3.15)

Figura 3.16 Estimador de Orden Reducido
Si definimos error de estimacin se define como:

b b b
x x x
~
=


( )
~
.
~
x A LA
b bb ab
= x
b
)

El mtodo de diseo para los estimadores de orden reducido se puede resumir asi:

Encuentre una transformacin T que convierta el sistema a la forma (3.14).

Calcule la matriz L utilizando la frmula Ackermann si el sistema es SISO o
ecuacin de Sylvester si es MIMO, substituyendo el par ( , por . ) A C ( , A A
bb ab
Aplique la transformacin T
1
para obtener los estados en las coordenadas
originales.

3.6.5 Seleccin de los Polos para el Estimador

Para hacer la seleccin de los polos del estimador tenemos que decir que lo ideal es
que la dinmica del estimador convergiera instantneamente, para ello deberamos
poner los polos lo mas cerca posible al infinito, pero esta situacin convierte el
estimador en un derivador haciendo el sistema sensible al ruido[5].

En forma analtica considere el sistema con ruido en el proceso w y ruido en el sensor
v:

v Cx y
w B u B Ax x
w u
+ =
+ + = ,
.

La dinmica del error de estimacin ser:

( ) Lv w B x LC A x
w
+ =
~
.
~

en este caso el valor de L est relacionado con la dinmica. Si L es grande la
dinmica ser ms rpida, pero el ruido debido al sensor tambin aumentar.

3.7 Ejemplos

3.7.6 Carros Acoplados con Unin Flexible. [12]

Para el diseo de observadores se asumir que nicamente el segundo carro tiene
potencimetro para medir la posicin. Entonces la matriz C del sistema se reduce a:

[ ]
C = 0 0 1 0

La matriz de observabilidad ser,

O=

0 0 1 0
0 0 0 1
76 0 76 0
0 76 0 76

El rango de la matriz es cuatro lo que indica que el sistema es totalmente observable.

Se eligen los polos de observador 5 veces los deseados para el sistema en lazo
cerrado:

20 27 29 60 60 . , , i

entonces el polinomio caracterstico tendr la forma:

e
s s s s s ( ) . . = + + + +
4 3 2
160 9544 6 281400 4120 10
6
.

Para aplicar la frmula de Ackermann se evala A en el polinomio caracterstico,

64 J. Espinosa
e
A ( )
. . .
. . . .
. .404 .
. . . .404
=

3 747 10 2125 10 3 732 10 6867

9 043 10 2174 10 9 043 10 3 732 10
7162 10 11598 3 10 2 692 10
1994 10 6 304 10 1994 10 3 10
6 6 5
6 6 6
5 6
7 6 7
5
5
6

en este clculo se puede observar nuevamente la desventaja del mtodo de
Ackermann, que nos muestra valores con ordenes de magnitud claramente diferentes,
lo cual puede generar problemas por errores de clculo.

Calculando la ganancia del estimador de acuerdo con la frmula
se obtiene: L A
e
=
( ) .
.
.
, O
1
0
0
1

L =
2796 6
28612
152 6
8294
.
.
.4

La respuesta del estimador vs. sistema con condiciones iniciales
ser: x( ) 0
1
1
1
1
=
y x(0)
^
=
0
0
0
0

Figura 3.17 Convergencia del estimador al estado x4 salida del sistema (-), estimador (._)
A continuacin se puede observar el efecto del ruido en el estimador calculado
anteriormente y un estimador con los polos del orden de 10 veces los polos deseado
en lazo cerrado,

Figura 3.18 Inmunidad al ruido. Estado original (--), estado estimado con polos 5 veces los polos
de lazo cerrado (.), estado estimado con 10 veces los polos de lazo cerrado (-).
3.7.7 Control de un Sistema Lector de Cinta Magntica

Se eligen los polos de observador 5 veces ms rapidos que los deseados para el
sistema en lazo cerrado:

2 25 4 68 4 73 2 90 5 8 5 8 . . , . . , . , i i .

Escogiendo una matriz G arbitraria,

G =

0 065 0 221 1303 1984 0 802 0 939

1017 0 228 1731 1162 0 943 0 241
. . . . . .
. . . . . .

y construyendo una matriz
e
con los polos deseados para el estimador,

e
=
2 25 4 68 0 0 0 0
4 68 2 25 0 0 0 0
0 0 4 73 2 9 0 0
0 0 2 9 4 73 0 0
0 0 0 0 5 8 0
0 0 0 0 0 5
. .
. .
. .
. .
.
.8

66 J. Espinosa
resolviendo la ecuacin de Sylvester para X y se calcula la ganancia del estimador
como
( )
L GX
T
=
1
L =

10 5 120 32
5101 64
35 89 11122
4 74 116 2
13 08 457 52
124 71 287 72
. .
. .
. .
. .
. .
. .
4

La respuesta del estimador vs. sistema con condiciones iniciales
ser: x( ) 0
1
1
1
1
1
1
0
0
0
0
=
y x(0)
^
=
0
0

A continuacin se puede observar el efecto del ruido en el estimador clculado
anteriormente y un estimador con los polos del orden de 10 veces los polos deseado
en lazo cerrado,
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-8
-6
-4
-2
0
2
4
6
8
10

Figura 3.19 Inmunidad al ruido. Estado original (-), estado estimado con polos 5 veces los polos
de lazo cerrado (.-), estado estimado (--).
En la siguiente figura se puede comparar la respuesta del sistema a la funcin paso
con realimentacin de los estados generados por el estimador.

Ahora se disear un observador de orden reducido, para disear el observador es
necesario calcular la matriz de transformacin T de la siguiente forma:

[ ]
T C C
n
=

donde C es la seudoinversa de C y C
n
es una base del espacio de nulidad de C.

T =
1 125 0 5 0 0 0
0 125 0 5 0 707 0 0
1 125 0 5 0 0 0
0 125 0 5 0 707 0 0
0 0 0 0 1 0
0 0 0 0 0 1
. .
. . .
. .
. . .

Las matrices transformadas sern:
= =

1 0 021 . 0 015 . 0 037 . 0 0
0 1 021 . 0 015 . 0 037 . 0 0
53 . 0 53 . 0 25 . 0 0 0 0
375 . 0 375 . 0 0 13 . 1 31 . 3 0
15 . 0 15 . 0 0 35 . 0 67 . 0 0
0 0 414 . 1 0 0 0
1
bb ba
ab aa
t
A A
A A
AT T A

[ ]
[ ]
B T B
B
B
C CT CC CC I
t
a
b
t n
= =

= = =
1
0 0
0 0
0 0
0 0
1 0
0 1
0

Los polos del estimador de orden reducido sern los primeros cuatro del estimador de
orden completo.

2 25 4 68 4 73 2 90 . . , . . i i

Con estos datos se puede calcular la ganancia del estimador, resolviendo la ecuacin
de Sylvester,

68 J. Espinosa
L =

1124 5315
4 90 3 644
131 93 38
25 53 5512
. .
. .
. .
. .

En la figura se puede observar la comparacin entre la estimacin de orden completo,
la estimacin de orden reducido y el estado real del sistema
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-4
-2
0
2
4
6
8
10

Figura 3.20 Estado x3 real (--) estimador de orden completo (.-) y estimador de orden reducido
(.).

1- Disee un sistema de realimentacin de estado (usando del mtodo de
Ackerman) que permita estabilizar el sistema correspondiente al pndulo
invertido mostrado en la figura
M
F
m
mg
l

x

los parmetros del modelo son M= 10 kg m=M/10 kg l=1 m

Las ecuaciones del sistema asumiendo un ngulo pequeo son:

( ) M m x ml F
mx ml mg

+ + =
+ =

Haga la descripcin de estado del sistema asumiendo como estados asuma
como salidas medibles la posicin y el ngulo. Ubique los polos del sistema de forma
que el tiempo de establecimiento del sistema sea tenga un tiempo de establecimiento
de 2 seg y un amortiguamiento de
] , , , [
&
& x x
5 . 0 = .
Recuerde
n
s
T
1
= para un sistema de segundo orden con
polos
2
1
n n
j
Simule el sistema en simulink y simule es sistema para las siguientes condiciones
iniciales:
] 0 , 1 . 0 , 0 , 0 [
] 0 , 0 , 0 , 1 . 0 [

2- Disee un sistema de realimentacin de estado que estabilice el modelo de la
caldera mostrado en los ejercicios del capitulo anterior y obtenga un tiempo de
establecimiento de 250 s y un amortiguamiento razonable, simule la respuesta
del sistema usando distintas condiciones iniciales de forma que cada vez un
solo estado sea distinto de cero
3- Disee un sistema de realimentacin de estado para la columna de destilacin
asumiendo que no existen retardos.

4- Para los siguientes sistemas introduzca referencias y verifique que el error de
estado estacionario se reduce a cero:
a. Pndulo invertido variable posicin del carro.
b. Columna de destilacin Concentraciones
c. Para la caldera En la Presin, contenido de O2 y demanda de vapor
70 J. Espinosa

5- Construya observadores que estimen los estados de las siguientes plantas. Use
un factor 5 y un factor 10 para la ubicacin de los polos. Aplique ruido de
medicin,
a. Pndulo invertido
b. Columna de destilacin
c. Para la caldera

6- Aplique la realimentacin de estado obtenida en los numerales 1,2 y 3
utilizando los estados estimados por el observador diseado en el punto
anterior, en lugar de los estados de la planta. Para la simulacin aada ruido a
las mediciones y compare las respuestas con el sistema en el que se
realimentaron los estados directamente.

Captulo 4 Regulador Optimo Cuadrtico
Lineal

4.1 Introduccin

Como se vio en el capitulo anterior, la ubicacin de los polos en un sistema dinmico
controlado viene determinada por las especificaciones de control. Tpicamente las
especificaciones de control vienen dadas por las condiciones del problema. El
problema a su vez, responde a unos ndices de desempeo relacionados con la
cantidad de energa necesaria para controlar el sistema, as como a limitaciones
relacionadas con la mxima cantidad de energa aplicable al sistema de forma
instantnea. Estos ndices son traducidos por el diseador a especificaciones como
tiempo de subida, sobrepico mximo, tiempo de establecimiento, etc. y a partir de
ellos se disea un sistema que aproxima un sistema de segundo orden aplicando la
idea de los polos dominantes.
Es importante resaltar que en este mtodo el diseador no tiene una relacin directa
entre el desempeo deseado y el resultado obtenido, la verificacin de la calidad del
sistema de control se realiza en las especificaciones intermedias y no directamente en
la especificaciones originales. El mtodo no presenta mayores dificultades si se
emplea en sistemas de una entrada una salida (SISO), pero en sistemas multivariables
las interrelaciones entre entradas y salidas dificultan la formulacin del problema.
Es por ello, que es deseable tener una tcnica de diseo que permita formular las
especificaciones de control de forma ms simple y que permita obtener el mejor
controlador que cumple esa tarea. Ese es el fundamento del control ptimo.

Para el control ptimo, las especificaciones de control son formuladas en una funcin
de costo. La funcin de costo (tambin conocida como figura de mrito, ndice de
desempeo, etc.), es una funcin que penaliza el mal comportamiento del sistema,
es decir cuanto ms lejos este el sistema de la situacin deseada, mayor ser el valor
de la funcin de costo. Entonces, el objetivo del controlador ptimo, ser minimizar
esta funcin. En el presente captulo se estudiar el diseo de sistemas de control por
realimentacin de estado con funciones de costo cuadrticas. Existen otras funciones
de costo, pero tal vez la ms popular sea la cuadrtica por su fcil derivacin y por
estar directamente relacionada con el contenido energtico de un sistema.

En la primera parte del captulo se estudiar la sntesis de controladores ptimos
cuadrticos por realimentacin de estado. Luego se estudiar el diseo de estimadores
Regulador Optimo Cuadratico Lineal 72
ptimos o filtros de Kalman y finalmente se estudiar la estructura conocida como
regulador optimo cuadrtico Gaussiano.

4.2 Regulador Optimo Cuadrtico Lineal.(Linear Quadratic
Regulator-LQR)

4.2.1 Problema con Horizonte finito.
El problema puede ser planteado como la necesidad de calcular la mejor entrada u(t),
que permita llevar el sistema de un estado inicial , a un estado final , en un
tiempo .
) (
o
t x ) (
f
t x
o f
t t
El problema es equivalente a minimizar la funcin:

dt t Ru t u t Qx t x t x P t x J
f
o
t
t
T T
f f
T
f
) ) ( ) ( ) ( ) ( ( ) ( ) (
2
1
2
1
+ + =

(4.1)

con las siguientes restricciones:

) ( ) ( ) (
) ( ) (
.
t x t K t u
t Bu t Ax x
=
+ =

(4.2)

Las matrices P
f
, Q y R son matrices positivas definidas, generalmente diagonales o
cuando menos simtricas, que determinan la importancia de cada parmetro dentro de
la funcin de costo. La matriz P
f
indica la importancia del estado final, la matriz Q la
importancia de los estados durante la transicin y R la importancia de la entrada. La
formulacin del problema utilizando una matriz R distinta de cero, tiene particular
importancia en la prctica ya que esta matriz nos limitar el valor de la entrada u,
aplicada al sistema.

El problema con las restricciones dadas puede ser formulado como una optimizacin
sin restricciones utilizando el mtodo de los multiplicadores de Lagrange,
) (
donde,
, 0
) ( ) ( ;
2
1
2
1
Bu Ax Ru u Qx x H
u
H
t x P t
x
H
T T T
f f f
T
+ + + =
=
= =
&

(4.3)

(4.4)

(4.5)

calculando las derivadas indicadas en (4.3) y en (4.4) se obtiene:

T T
T
B R u B Ru
A Qx
1
0

= + =
=
&

(4.6)
(4.7)

73 J. Espinosa

El problema se puede plantear como un sistema de ecuaciones diferenciales con dos
puntos como condicin de frontera,
) ( ) ( ) (
) ( ) (
dado ) (
.
.
1
t x t P t
t x P t
t x
x
A Q
B BR A x
f f f
o
T
T
=
=

(4.8)

o la ecuacin diferencial,

Q P B PBR P A PA P
x
x Q P B PBP P A PA P
T T
T T
+ =

= + + +
1
1
.
entonces 0 que dado
0 )
.
(

(4.9)

La ecuacin (4.9) se conoce con el nombre de ecuacin matricial de Riccati.
Esta ecuacin se puede resolver utilizando el mtodo del barrido. El mtodo consiste
en integrar en sentido inverso (desde t
f
hasta t
o
) la ecuacin de Riccati con valor
inicial ) ( ) (
f f f
t x P t = , hasta obtener P(t
o
) y ya que x(t
o
) es conocido ser posible
calcular ) ( ) ( ) (
o o o
t x t P t = . Con estos valores iniciales se puede integrar la ecuacin
(4.8)y obtener los valores de ) (t y calcular la entrada ptima como,

) ( ) ( ) (
) ( ) (
) ( ) (
1
1
t x t K t u
t x t P B R
t B R t u
T
T
=
=
=

(4.10)

Como se puede apreciar en (4.10) la entrada ptima est dada por una realimentacin
de estado variable en el tiempo.

4.2.2 Problema con Horizonte Infinito
En el problema con horizonte infinito se asume que el tiempo =
f
t .
Asuma que es solucin de la ecuacin ) , (
f
t t P
Q P B PBR P A PA P
T T
+ =
1
.

con condiciones de frontera 0 ) , ( =
f f
t t P . Entonces se puede decir que

=
f
t
f
P t t P ) , ( lim
existe y adems es constante. Entonces la ecuacin de Riccati se
convierte en la ecuacin algebraica de Riccati, de la forma:

0
1
= + +

Q P B BR P P A A P
T T

(4.11)

y la ley de control ser una matriz P B R K
T 1
= invariante en el tiempo. La existencia
de una solucin P nica para la ecuacin de Riccati est garantizada si el sistema
(A,B) es estabilizable y (Q, A) es detectable. Adems esta solucin estabiliza el
sistema, ya que los valores propios de la matriz,

P BR A
1

(4.12)

se encuentran en la parte izquierda del plano complejo (ver detalles [2]).

4.2.3 Solucin de la ecuacin algebraica de Riccati.

La ecuacin algebraica de Riccati se puede escribir como:

[ ] 0
1
1
=

= + +

P
I
A Q
B BR A
I P Q P B BR P P A A P
T
T
T T

(4.13)

En esta representacin tenemos una matriz de n n 2 2 asociada a la ecuacin de
Riccati, esta matriz se conoce con el nombre de matriz de Hamilton,

=

T
T
A Q
B BR A
H
1

(4.14)

Algunas propiedades importantes de la matriz de Hamilton:
Los valores propios de H son simtricos con respecto al eje imaginario.
Existen las matrices y X
n n
X X

2 1
,
1
es invertible de forma que la matriz
formada por X
1
y X
2
son los vectores propios de la matriz H, si (A, B) es
estabilizable y (Q, A) detectable.

0 ) Re( ), ,..., diag(
1
2
1
2
1
< =
i n
X
X
X
X
H

(4.15)

Entonces la solucin de la ecuacin de Riccati se obtiene por descomposicin de H en
sus espacios propios, y la solucin es de la forma:

1
1 2

= X X P
(4.16)

4.2.4 Control Optimo en Sistemas Discretos

Considere el sistema descrito por,

k k k
k k k
Du Cx y
Bu Ax x
+ =
+ =
+
,
1

(4.17)

75 J. Espinosa

El problema de control consiste en hallar las entradas N k u
k
,..., 1 , = de forma tal que la
funcin de costo

=
=
N
k
k k
T
k k N
y w y w J
0
) ( ) (
(4.18)

sea minimizada, donde es una secuencia dada. Es claro, que entre ms
pequeo sea el valor de J
N k w
k
,..., 1 , =
N
, menor ser la diferencia entre y
k
y w
k
.

La solucin puede ser obtenida en trminos de las siguientes ecuaciones de entrada y
salida:
u x y
u
u
u
H H H
H H H
H H
H
x
CA
CA
C
y
y
y
N N
N
N N
N
N
H O
.
.
.
... ...
... ... ... ... ...
0 ...
0 ... ...
0 ... ... 0
.
.
.
.
.
.
0
1
1
0
0 2 1
0 1 2
0 1
0
0
1
0
+ =

(4.19)

donde H
k
son los parmetros de Markov, definidos como:

. ,..., 2 , 1 , ,
1
0
N k B CA H D H
k
k
= = =

La funcin de costo (4.18)se transforma en:

u x u w x w u u x x w w J
N
T
N
T
N
T
N
T
N
T
N
T
N
T
N
T T
N
H O 2 H 2 O 2 H H O O
0 0 0 0
+ + + =
derivando con respecto a u e igualando a cero se obtiene,

0
O H H H H x w u
N
T
N
T
N N
T
N
=
La secuencia u* optima se puede obtener calculando la solucin de mnimos
cuadrados de la ecuacin anterior.

Obsrvese que en este caso el valor de la entrada u no se encuentra limitado, esto
quiere decir que la entrada u puede tomar valores muy grandes cosa que en la prctica
no es posible por la saturacin del actuador. Es por ello, que se hace necesario
formular el problema de control discreto en trminos anlogos a la formulacin en
tiempo continuo.

4.2.5 Regulador Cuadrtico Lineal-Caso discreto.
4.2.5.1 Horizonte Finito
En este caso tenemos el sistema descrito por:

conocido ,
0 1
x Bu Ax x
k k k
+ =
+
(4.20)

El problema de control consiste en hallar las entradas N k u
k
,..., 1 , = de forma tal que la
funcin de costo,

[ ]
=
+ + =
1
0
2
1
2
1
N
k
k
T
k k
T
k N
T
N N
Ru u Qx x Px x J
(4.21)

sea minima.

Aplicando el mtodo de los multiplicadores de Lagrange para integrar las
restricciones del problema, la funcin de costo se convierte en:

[ ]
=
+ +
+ + + + + =
1
0
1 1
) (
2
1
2
1
N
k
k k k
T
k k
T
k k
T
k N
T
N N
Bu Ax x Ru u Qx x Px x J
(4.22)

Donde
k
son nuevamente los multiplicadores de Lagrange.
Derivando la funcin de costo con respecto a
k k k
x u y ,
1 +
e igualando a cero se
obtiene:
0
0
0
0
1
1
1
1
= =
= + =
= + + =
= + =
+
+
+
+
N N
N
N
T
k
T
k
T
k
k
N
k k k
k
N
T
k
T
k
k
N
Px
x
J
A Q x
x
J
Bu Ax x
J
B R u
u
J

(4.23)

(4.24)

(4.25)

(4.26)

Planteando el problema como un sistema de ecuaciones de diferencia con condiciones
dos condiciones de frontera tenemos:

k k k
N N
k
k
T T
T T T T
k
k
x P
Px
x
x
A Q A
A B BR Q A B BR A x
=
=
+
=

+
+

dado
0
1 1
1
1

(4.27)

(4.28)

La entrada ptima del sistema estar dada por:
B P B R S
Ax P B S u
Ax P B u B P B R
Bu Ax P B Ru
x P B Ru
k
T
K
k k
T
k k
k k
T
k k
T
k k k
T
k
k k
T
k
+ =
=
= +
+ =
=
+
+
+ +
+
+ +
donde
) (
) (
1
1
1
1 1
1
1 1

(4.29)
(4.30)
77 J. Espinosa

Reemplazando (4.28) en (4.25) se obtiene,

k k k k
T
k k
k k k
T
k k
Qx Bu Ax P A x P
Qx x P A x P
+ + =
+ =
+
+ +
) (
1
1 1

(4.31)

y reemplazando (4.29)en (4.31),

( ) [ ] . , 0
1
1
1 1 1
k x Q A P B BS P P A P
k k
T
k k k
T
k
= +
+
+ + +

(4.32)

Ya que entonces, 0
k
x

( ) .
1
1
1 1 1
Q A P B BS P P A P
k
T
k k k
T
k
+ + =
+
+ + +

(4.33)

(4.33) es una ecuacin de diferencia de Riccati.
Usando el mtodo del barrido, resolvemos a partir de las condiciones de frontera.
Del estado final

.
N N N N
x P Px = =

se pueden calcular todos los valores de P
k
hasta P
0
.

La entrada estar descrita como una realimentacin de estado,

,
k k k
x K u =
(4.34)

donde,

A P B B P B R K
k
T
k
T
k 1
1
1
) (
+
+
+ = .
(4.35)

El costo ptimo ser
0
min
2
1
Px x J
T
o N
=
(4.36)

4.2.5.1 Horizonte infinito

Para el caso de horizonte infinito en sistemas discretos, se asume que P
K
alcanza una
condicin de estado estable y entonces la funcin de realimentacin queda descrita
por:

,
k k
Kx u = (4.37)

donde,

A P B B P B R K
T T 1
) (

+ = .
(4.38)

Donde P satisface la ecuacin algebraica de Riccati,

[ ] . ) (
1
Q A P B B P B R B P P A P
T T T
+ + + =

(4.39)

La solucin estabilizar el sistema si el par (A,B) es estabilizable y el par ) , (
2
1
A P es
detectable.

El costo ptimo ser

0
min
2
1
x P x J
T
o N
=
(4.40)

La solucin de la ecuacin algebraica de Riccati para el caso discreto, es similar a la
explicada en el apartado 4.2.3.

4.3 Ejemplos

En este captulo se continuar con el estudio de los dos ejemplos mostrados en el
captulo anterior. En este apartado se asumir que tenemos acceso a todos los estados
y se calcularn leyes de control ptimas.

4.3.1 Carros acoplados con Unin Flexible

Para el diseo del controlador LQR seleccionamos las matrices Q y R as:

[ ] 1 ,
1 0 0 0
0 1000 0 0
0 0 1 0
0 0 0 1000
=
= R Q
Observe que la matriz Q penaliza en mayor proporcin las desviaciones de los carros
de su punto de equilibrio, comparado con las velocidades o con la entrada.

La matriz P que satisface la ecuacin algebraica de Riccati es

=
82 . 3 43 . 3 62 . 1 72 . 29
43 . 3 33 . 195 61 . 4 92 . 69
62 . 1 61 . 4 7 . 2 46 . 30
72 . 29 92 . 69 46 . 30 46 . 470
P

y la matriz K de realimentacin construida a partir de la solucin de Riccati,

[ ] 8 . 2 97 . 7 68 . 4 69 . 52 = K

79 J. Espinosa

Los polos del sistema sern:

4.1151i 5.7951 - 10.6106i, 1.9521 -

Si penalizamos an ms la posicin la matriz Q ser,

[ ] 1 ,
1 0 0 0
0 10000 0 0
0 0 1 0
0 0 0 10000
=
= R Q
la nueva matriz de realimentacin ser:

[ ] 57 . 10 58 . 21 14 . 10 163 = K
y los polos del sistema:
10.5267i 3.6673 - 8.4970i, 8.7999 -

En la siguiente figura se pueden observar las respuestas de los dos sistemas, es claro
que el segundo tiene una respuesta ms rpida, pero en la Figura 4.1 se puede
apreciar que para lograr esa respuesta ms rpida se requiere una entrada con mayor
amplitud. La seleccin de las matrices de costo esta basada en el compromiso entre
una respuesta rpida pero sin saturar la entrada o consumir demasiada energa para
llevar el sistema al estado deseado.

Figura 4.1 Respuesta del sistema para los dos controladores propuestos

Figura 4.2 Entrada u(t) para los dos controladores

Esto convierte el diseo en la tarea de encontrar los valores adecuados de Q y R que
llenen las especificaciones de control.

4.3.2 Control de un Sistema Lector de Cinta Magntica[4]

En este caso las especificaciones de control exigen minimizar la energa a la salida del
sistema (posicin de la cabeza de lectura y escritura y la tensin de la cinta). Sin
embargo, la seal de control no puede ser demasiado grande ya que puede saturar el
actuador (los drives de los motores). Debido a esto, se requiere un poco de intento y
error en la seleccin de las matrices Q y R.
Primero que todo, debemos observar que nuestras especificaciones estn dadas en
funcin de las salidas del sistema, entonces la funcin de costo estar definida como:
dt t Ru t u t y Q t y J
T T
) ) ( ) ( ) ( ) ( (
0
2
1
+ =
Para obtener la matriz Q a partir de Q reemplazamos y(t) por Cx(t)

dt t Ru t u t Cx Q C t x J
T T T
) ) ( ) ( ) ( ) ( (
0
2
1
+ =
Entonces Q ser de la forma:

C Q C Q
T
=
Como primera eleccin escogemos Q y R como:
=
1 0
0 1
,
2 0
0 2
' R Q
Entonces Q ser:
81 J. Espinosa

= =
0 0 0 0 0 0
0 0 0 0 0 0
0 0 08 . 0 08 . 0 08 . 0 08 . 0
0 0 08 . 0 58 . 0 08 . 0 42 . 0
0 0 08 . 0 08 . 0 08 . 0 08 . 0
0 0 08 . 0 42 . 0 08 . 0 58 . 0
0 0 2 . 0 2 . 0 2 . 0 2 . 0
0 0 0 5 . 0 0 5 . 0
2 0
0 2
0 0
0 0
2 . 0 0
2 . 0 5 . 0
2 . 0 0
2 . 0 5 . 0
'
Q
C Q C Q
T

Observe que Q no es diagonal, pero es positiva definida y simtrica.

Resolviendo la ecuacin de Riccati para el Q y R dados, se obtiene:

=
86 . 0 46 . 0 78 . 1 55 . 0 14 . 1 45 . 0
46 . 0 86 . 0 14 . 1 45 . 0 78 . 1 55 . 0
78 . 1 14 . 1 14 . 1 73 . 1 02 . 3 36 . 1
55 . 0 45 . 0 73 . 1 02 . 1 36 . 1 84 . 0
14 . 1 78 . 1 02 . 3 36 . 1 35 . 4 73 . 1
45 . 0 55 . 0 36 . 1 84 . 0 73 . 1 02 . 1
P

generando la ley de control:
=
86 . 0 46 . 0 78 . 1 55 . 0 14 . 1 45 . 0
46 . 0 86 . 0 14 . 1 45 . 0 78 . 1 55 . 0
K

Con esta ley de control los polos de lazo cerrado quedan ubicados en:

1.0413 - 0.7266i, 0.4056 - 0.8650i, 0.6268 - , 1.3145 -

Si ahora escogemos un nuevo Q,
=
1 0
0 1
,
9 0
0 9
' R Q
aplicando el mismo procedimiento anterior obtenemos una ley de control:

=
38 . 1 53 . 0 31 . 3 26 . 1 68 . 1 86 . 0
53 . 0 38 . 1 68 . 1 86 . 0 31 . 3 26 . 1
K

y los polos de lazo cerrado para esta ley de control sern:

0.9066i .5743 1.1744i,-0 0.7836 - 1.1583, - 1.5962, -

Las respuestas impulso de ambos sistemas se pueden observar en la Figura 4.3.
En la Figura 4.4 se puede comparar las amplitudes de las entradas para los dos
controladores propuesto, de nuevo, es claro, que el precio a pagar por un transiente
corto es una entrada de mayor amplitud.

Figura 4.3 Respuesta Impulso del Sistema en Lazo Cerrado

Figura 4.4 Salida del controlador del Sistema en Lazo Cerrado durante la respuesta impulso.
83 J. Espinosa

4.4 Estimacin Optima-Filtros de Kalman-Bucy

En el diseo de estimadores de estado existe la pregunta Cual debera ser la
ubicacin ptima de los polos del estimador? La ubicacin de los polos del estimador
est determinada por el compromiso entre la velocidad de convergencia y la
inmunidad al ruido.

Kalman y Bucy resolvieron este problema y por ello la solucin es llamada tambin
filtro de Kalman-Bucy. El trmino filtro viene de la capacidad del estimador para
reducir el impacto del ruido en el valor estimado del estado.

En este apartado se presenta la formulacin de este estimador.

Considere el sistema dinmico,

) ( ) ( ) (
), ( ) ( ) ( ) (
t v t Cx t y
t w B t u B t Ax t x
w u
+ =
+ + = &

(4.41)
(4.42)

y el estimador,

) ( )) ( ) ( ( ) ( ) ( t u B t x C t y L t x A t x
u
+ + =
&

(4.43)

donde las seales w(t) representan las perturbaciones del sistema, v(t) representa el
ruido en el sensor. Ruido y perturbaciones son modelados como ruido blanco, con
amplitud unitaria y valor medio cero. Es importante aclarar, que en la realidad el ruido
blanco no puede existir en sistemas continuos, ya que el ancho de banda del espectro
del ruido blanco debe ser infinito y esto implica a su vez un ruido con contenido de
energa infinito. Sin embargo, en la prctica el ruido tiene un ancho de banda mucho
mayor al del sistema en estudio y por eso es correcto asumir en trminos prcticos
que la seal se puede modelar como un ruido blanco.

Como se mencion en el prrafo anterior el ruido se asume blanco no correlacionado
con los estados ni con la salida. Lo cual implica que:

{ } 0 ) ( ) ( =
T
t x t v
(4.44)
{ } 0 ) ( ) ( =
T
t x t w
(4.45)
{ } 0 ) ( ) ( =
T
t y t v
(4.46)
donde {.} es el valor esperado. Estas condiciones se conocen tambin como
condiciones de ortogonalidad del ruido con respecto a los estados y la salida.

De otra parte la covarianza del ruido se define como:
{ }
v
T
R t v t v = ) ( ) (
(4.47)
{ }
w
T
R t w t w = ) ( ) (
(4.48)
{ } 0 ) ( ) ( =
T
t w t v
(4.49)

El problema consiste ahora en encontrar un valor ptimo de L de forma que la funcin
de costo,

=

T
T
dt t x t x t x t x
T
J
0
))) ( ) ( ( )) ( ) ( ((
1
E
(4.50)

sea minimizada.

Si la estimacin es ptima, el error de estimacin no tendr ninguna relacin con la
salida medida,
{ } 0 ) ( )) ( ) ( ( =
T
y t x t x
(4.51)
reemplazando (4.42) en (4.51)
{ } 0 ) ) ( ) ( ))( ( ) ( ( = +
T T T
v C x t x t x
(4.52)
expandiendo la expresin se obtiene:
{ } { } { } 0 ) ( ) ( ) ( ) ( ) ( )) ( ) ( (
0
= +
=
T T T T
v t x v t x C x t x t x
43 42 1

{ } { }
T T T
v t x C x t x t x ) ( ) ( ) ( )) ( ) ( ( =
(4.53)
el segundo trmino es igual a 0 de acuerdo con la condicin de ortogonalidad.

Recordando que la respuesta es la solucin de la ecuacin diferencial (4.43) que
esta dada por:
) ( t x

+ + =
t t
u
d y L t d u B t x t t x
0 0
) ( ) ( ) , ( ) ( ) , ( ) 0 ( ) 0 , ( ) (
) (
) , (

=
t A
e t
(4.54)
donde la matriz L se asume variante en el tiempo.

Reemplazando la expresin (4.54) para en (4.53) se obtiene: ) ( t x

{ }
+ +
=

T
t t
u
T T
v d y L t d u B t x t
C x t x t x
) ( ) ( ) ( ) , ( ) ( ) , ( ) 0 ( ) 0 , (
) ( )) ( ) ( (
0 0

(4.55)
{ }
{ } {
{ }

+
+
=
= =
t
T
T
t
u
T
T T
d v y L t
v d u B t v x t
C x t x t x
0
0
0
0
) ( ) ( ) ( ) , (
) ( ) ( ) , ( ) ( ) 0 ( ) 0 , (
) ( )) ( ) ( (

43 42 1 43 42 1
}

(4.56)
reemplazando ) ( ) ( ) ( t v t Cx t y + = se obtiene:
{ }
{ }
{ }
=
=
t
R
T
t
T
T T
d v v L t
d v x C L t
C x t x t x
v
0
0
0
) ( ) ( ) ( ) , (
) ( ) ( ) ( ) , (
) ( )) ( ) ( (

4 43 4 42 1
4 43 4 42 1

(4.57)
lo cual es igual a:
85 J. Espinosa

{ }

=
t
v
T T
d R L t C x t x t x
0
) ( ) ( ) , ( ) ( )) ( ) ( (

(4.58)
reemplazando = t y resolviendo la integral se obtiene:

{ }
v
T T
R t L C t x t x t x ) ( ) ( )) ( ) ( ( =

(4.59)
si calculamos el 0 lim se obtiene:
v
T
R t L C t Q ) ( ) ( =

(4.60)
donde es la matriz de covarianza del error de estimacin. ) (t Q
De esta forma la matriz que genera una estimacin optima estar dada por: ) (t L
1
) ( ) (

=
v
T
R C t Q t L

(4.61)

La matriz de covarianza del error de estimacin se obtiene a partir de la
ecuacin diferencial que gobierna el error de estimacin y que esta dado por la resta
entre la ecuacin (4.41) menos (4.43).
) (t Q
[ ]

+ = =
) (
) (
) ( ) ( ) ) ( ( ) ( ) ( ) (
t v
t w
t L B t e C t L A t x t x t e
w
&
& &
(4.62)
La matriz de covarianza del error estar gobernada por la ecuacin: ) (t Q
[ ] [ ]
[ ]

+
+ =
T
T
w
v
w
w
T
t L
B
R
R
t L B
t Q C t L A C t L A t Q t Q
) (
0
0
) (
) ( ) ( ) ( ) ( ) (
&

(4.63)
reemplazando de la expresin (4.61) en (4.73) obtenemos ) (t L
) ( ) ( ) ( ) ( ) (
1
t CQ R C t Q B R B t AQ A t Q t Q
v
T T
x w W
T
+ + =
&

(4.64)
que corresponde a una ecuacin diferencial de Riccati.

Si se resuelve la ecuacin para condiciones de estado estacionario ( ) se
obtiene una ecuacion algebraica de Riccati de la forma:
0 ) ( = t Q
&
0
1
= + +

CQ R QC B R B QA AQ
v
T
w w
T
w
T

(4.65)

Aplicando un procedimiento similar al aplicado para resolver ley de control ptima
descrito en la seccion 4.2.3 y resolviendo , el valor ptimo de L para la ganancia
del estimador est dado por:
Q

1
=
v
T
R QC L
(4.66)

Uno de los problemas encontrados en el diseo de estimadores ptimos, tiene que ver
con las imprecisiones en el modelo de la planta, este problema puede ser corregido
aumentado el valor de la covarianza R
w
. Entre ms grande sea el valor de R
w
se asume
mayor incertidumbre eso hace que el estimador sea mas lento pero mas robusto. Este
truco es utilizado para robustificar soluciones optimas de control en la literatura se
hace referencia a esta estrategia como Loop Transfer Recovery (LTR).
4.4.1 Estimacin Optima-Formulacin Discreta

Considere el sistema,

k k k
k w k u k k
v Cx y
w B u B Ax x
+ =
+ + =
+
,
1

(4.67)

el observador tendr la forma,

k u k k k k
u B x C y L x A x + + =
+
) (
1
(4.68)

Para el caso de un observador variante en el tiempo la ganancia del observador est
dada por:

1 1
) (

+ =
T
k v
T
k k
C CQ R C AQ L
(4.69)

Donde Q
k
es una matriz simtrica, positiva semidefinida, que representa la matriz de
covarianza del error de estimacin y est dada por la solucin de la ecuacin de
diferencia de Riccati,

T
w w w
T
K
T
k v
T
k
T
k k
B R B A CQ C CQ R C AQ A AQ Q + + =

+
1
1
) (
(4.70)

Para el caso invariante en el tiempo tomamos el valor de Q de estado estable y la
ecuacin de diferencia se convierte en una ecuacin algebraica de Riccati, de la
forma.

0 ) (
1
= + +
T
w w w
T T
v
T T
B R B A Q C C Q C R C Q A A Q A Q
(4.71)

y la matriz de realimentacin ser,

1 1
) (

+ =
T
v
T
C Q C R C Q A L
(4.72)

Existen otras formulaciones ms detalladas para el filtro de Kalman, la formulacin es
basada en la posibilidad de plantear el problema de estimacin como un problema de
mnimos cuadrados [10].

4.5 Ejemplos de Diseo de Estimadores Optimos

4.5.1 Carros Acoplados con Unin Flexible

87 J. Espinosa

Para este caso de nuevo asumimos la misma condicin descrita en el captulo anterior
para el diseo de observadores. La condicin consiste en asumir como nica salida la
posicin del segundo carro.
Suponiendo B
w
=B.
Asumiendo,

1 , 7 . 0 = =
v w
R R

Resolviendo la ecuacin de Riccati se obtiene

=
01 39 . 2 02 89 . 1 05 21 . 1 02 9 . 1
02 89 . 1 01 95 . 1 02 83 . 1 01 92 . 1
5 21 . 1 02 83 . 1 01 42 . 1 02 84 . 1
02 9 . 1 01 92 . 1 02 84 . 1 01 92 . 1
e e e e
e e e e
e e e e
e e e e
Q

Con la solucin Q se calcula la ganacia L,

= =

02 89 . 1
01 95 . 1
02 83 . 1
01 92 . 1
e
e
e
e
R QC L
T
v
T

Figura 4.5 Comparacin en la estimacin con ruido, (-)estado real, (--) estimador con polos 10
veces los polos de lazo cerrado, (.-) estimador con 5 veces los polos de lazo cerrado, (+) estimador
ptimo.
4.5.2 Estimacin Optima en un Sistema Lector de Cinta Magntica

Tomamos el modelo (A,B,C,D) del sistema dado en el captulo anterior y tomamos la
matriz

= =
0 1
1 0
0 0
0 0
0 0
0 0
B B
w

Suponiendo que la precisin RMS de la posicin de la cinta es 2.10
-5
y la precisin
RMS de la medida de tensin de la cinta es 0,01N la matriz de covarianza de v ser,

=
0001 . 0 0
0 4
v
R

La matriz de covarianza de w est dada como

=
001 . 0 0
0 001 . 0
w
R

resolviendo la ecuacin de Riccati, se obtiene,

=
4 75 . 4 5 65 . 1 4 22 . 2 4 39 . 2 5 33 . 5 4 07 . 1
5 65 . 1 4 75 . 4 5 33 . 5 4 07 . 1 4 22 . 2 4 39 . 2
4 22 . 2 5 33 . 5 4 81 . 4 3 16 . 3 4 35 . 3 3 02 . 3
4 39 . 2 4 07 . 1 3 16 . 3 1 23 . 2 3 02 . 3 1 22 . 2
5 33 . 5 4 22 . 2 4 35 . 3 3 02 . 3 4 81 . 4 3 16 . 3
4 07 . 1 4 39 . 2 3 02 . 3 1 22 . 2 3 16 . 3 1 23 . 2
e e e e e e
e e e e e e
e e e e e e
e e e e e e
e e e e e e
e e e e e e
Q

Con la solucin Q se calcula la ganancia L,

= =

602 . 0 5 32 . 4
602 . 0 5 32 . 4
571 . 0 4 74 . 7
67 . 1 2 56 . 5
571 . 0 4 74 . 7
67 . 1 2 56 . 5
e
e
e
e
e
e
R QC L
T
v
T

89 J. Espinosa

Figura 4.6 Comparacin en la estimacin con ruido, (-)estado real, (--) estimador con polos 10
veces los polos de lazo cerrado, (.-) estimador con 5 veces los polos de lazo cerrado, (..) estimador
ptimo.

4.6 Regulador Optimo Cuadrtico Gaussiano

Hasta este punto se han desarrollado dos elementos,

La posibilidad de obtener una ley de control ptima basada en los estados del
sistema.
La posibilidad de estimar los estados del sistema de forma ptima para unas
caractersticas de ruido dadas y a partir de los datos de entrada y salida.

Estos elementos permiten la construccin de un compensador como se muestra en la
Figura 4.7 basado en los datos de salida. Sin embargo, la pregunta que surge es: si el
compensador construido con una ley de realimentacin de estado ptima y con un
estimador ptimo es a su vez ptimo?


Figura 4.7 Realimentacin de Estado con Estimador

El problema se puede formular de la siguiente forma:

Dada una planta
) ( ) ( ) (
), ( ) ( ) ( ) (
t v t Cx t y
t w B t u B t Ax t x
w u
+ =
+ + = &

(4.73)

donde w y v son ruido blanco con covarianzas R
w
y R
v
respectivamente, no
correlacionados. Encontrar la entrada u que minimiza la funcin de costo

(

+ =
T
T
T
T T
t d t Ru t u t Qx t x
T
J ) ( ) ( ) ( ) (
2
1
lim )

(4.74)

Con matrices Q y R simtricas, positivas definidas.

La solucin ptima est dada por

) ( ) ( t x K t u = (4.75)
91 J. Espinosa

donde,

P B R K
T
u
1
=
(4.76)

donde P se calcula a partir de la ecuacin algebraica de Riccati

0
1
= + +

Q P B PBR P A PA
T
u
T

(4.77)

El vector estimado se obtiene de ) ( t x

) ( )) ( ) ( ( ) ( ) ( t u B t x C t y L t x A t x
u
+ + =
&

(4.78)

donde la matriz L est dada por,

1
=
v
T
R SC L
(4.79)

donde S es la solucin de la ecuacin matricial algebraica de Riccati,

0
1
= + +

CS R SC B R B SA AS
v
T
w w
T
w
T

(4.80)

Entonces el compensador tendr la estructura,

[ ]
) ( ) (
), ( ) ( ) (
t x K t u
t Ly t x LC K B A t x
u
=
+ =
&

(4.81)

el sistema en lazo cerrado ser

v
w I
x
x C
y
v
w
L
B
x
x
LC K B A LC
K B A
x
x
w
u
u
0 0
0
0 0
0
0
0

&
&

(4.82)

si se utiliza el vector el sistema quedar ) ( ) ( ) ( t x t x t e =

v
w I
e
x C
y
v
w
L B
B
e
x
LC A
K B K B A
e
x
w
w u u
0 0
0
0 0
0
0
0 &
&

(4.83)

Se puede observar claramente que los valores propios del sistema en lazo cerrado est
dado por los valores propios del sistema compensado por realimentacin de estado y
los valores propios del estimador.

Esta caracterstica es conocida como Principio de Separacin. Y este principio
permite disear compensadores ptimos, diseando de forma independiente la ley de
control ptima por realimentacin de estado (LQR) y el compensador ptimo (Filtro
de Kalman).

Entonces los elementos de diseo sern las matrices Q, R, R
w
y R
v
. No existen
procedimientos sistemticos para la seleccin de estas matrices, sin embargo, es
importante resaltar que una buena seleccin las matrices R
w
y R
v
ayuda a compensar
los errores en el modelo, en tanto que la seleccin las matrices Q y R nos permiten
mantener los estados del sistema lo ms cercano posible al punto de operacin
aumentando la validez de modelos linealizados alrededor de un punto de operacin,
minimizando el esfuerzo de control.
4.7 Ejemplos

En esta seccin de ejemplos se muestran los compensadores obtenidos al combinar
para cada caso la ley de control ptima con el estimador ptimo calculados en los
apartados anteriores.

4.7.1 Carros Acoplados con Unin Flexible

En la Figura 4.8 se puede observar el resultado de combinar los dos controladores
LQR con el estimador ptimo, comparado con la respuesta del controlador LQR, es
claro que la respuesta no es la deseada, a pesar de que los dos componentes fueron
calculados de forma ptima. Este ejemplo permite ilustrar que a pesar de que el
principio de separacin permite realizar el calculo del controlador y el estimador de
forma separada la eleccin de las matrices Q, R, R
w
y R
v
se debe llevar a cabo de
manera coordinada. En este caso es claro que los valores propios del estimador son los
que dominan la respuesta del sistema cuando en realidad deban ser los del
controlador los que dominaran la respuesta.
93 J. Espinosa

Figura 4.8 Desempeo de los sistemas LQR (-- y ..) vs LQG (- y *)
La explicacin para esta situacin es la siguiente, cuando se realiza el diseo del
controlador LQR no se toma en cuenta el ruido en el sistema, por eso el diseo del
controlador gener unos polos de frecuencia mayor a los polos del estimador, dejando
como polos dominantes los polos del estimador.
Como conclusin de este ejemplo podemos sacar que el principio de separacin es
una herramienta que permite calcular de manera simple las ganancias del controlador
y el estimador, sin embargo, el principio de separacin no nos garantiza que el
desempeo del sistema combinado sea el mismo que se obtuvo cuando se realizaron
los clculos de controlador y estimador por aparte. El procedimiento obvio es colocar
nuestros requerimientos de control dentro de los limites alcanzables y recalcular el
controlador, si el controlador no cumple con las especificaciones deseadas, se hace
necesario reducir el ruido en el sistema. Para reducir el ruido se debe apelar a dos
estrategias una es mejorar el modelo del sistema y la otra es mejorar la calidad de los
sensores utilizados o su nmero, es decir medir ms estados.
Para el presente caso se recalcular el controlador con unas nuevas matrices de costo,
] 1 [ ,
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
=
= R Q

Figura 4.9 Respuesta del sistema con un nuevo Q=diag(1,1,1,1)
la respuesta de se observa en la Figura 4.9 y es claramente no satisfactoria por ello
tomando un nuevo sensor y aumentando el margen de confianza en nuestro modelo.
Se utiliz para el diseo las matrices de costo y covarianza,

03 1 , 02 7 ], 1 [ ,
1 0 0 0
0 1000 0 0
0 0 1 0
0 0 0 1000
= = =
= e R e R R Q
v w

Figura 4.10 Respuesta final del sistema
A pesar de que en este ejemplo se variaron de forma arbitraria los parmetros de
covarianza del ruido, no se debe olvidar que estos parmetros son dados por la calidad
de los sensores y el modelo y por ello no son de libre eleccin en el diseo del
compensador, los cambios en estos parmetros deben venir acompaados de cambios
en el modelo y en el sensor.
95 J. Espinosa

4.7.2 Sistema Lector de Cinta Magntica

Para este ejemplo, se combinarn las soluciones obtenidas en los apartados de LQR y
de estimacin ptima y se analizar el resultado.

Figura 4.11 Desempeo de los sistemas LQR (-- y ..) vs LQG (- y *)
En la figura es claro nuevamente que los valores propios del estimador, dominan la
dinmica del sistema, sin embargo la diferencia en la respuesta no es muy grande y el
diseo LQG es menos sensible a las perturbaciones que el diseo realizado por el
mtodo de ubicacin de los polos, como lo muestra la Figura 4.12.

Figura 4.12 Desempeo del sistema LQG (-) vs. Mtodo de ubicacin de polos en presencia de
ruido.

1. Disee un regulador optimo de realimentacin de estado, introduzca la
referencia para la posicin horizontal del carro. Utilice los mismos parmetros
fsicos del ejemplo anterior. Obtenga un Q y un R de manera que el sistema
tenga un tiempo de establecimiento de 2 seg y un amortiguamiento de
5 . 0 = .

2. Disee un sistema de realimentacin de estado que estabilice el modelo de la
caldera y obtenga un tiempo de establecimiento de 250 s y un
amortiguamiento razonable, simule la respuesta del sistema usando distintas
condiciones iniciales de forma que cada vez un solo estado sea distinto de cero

El modelo se linealizo alrededor del siguiente punto de operacin
U*=[0.32270 0.39503 0.37404 0]
Y*=[320 2.5 0.0 9.3053]
X*=[22.5 2.5 621.17 0.6941]

El controlador deber evitar saturar las entradas que se encuentran en un valor
entre 0 y 1

3. Disee un sistema de realimentacin de estado optimo calcule Q y R de forma
que el sistema de la columna de destilacin cumpla con las especificaciones de
control impuestas en el ejercicio anterior asumiendo que no existen retardos.
4. Construya observadores optimos que estimen los estados de las siguientes
plantas.
a. Pndulo invertido
b. Columna de destilacin
c. Para la caldera
Defina de antemano las varianzas de los ruidos y examine la ubicacion de los
valores propios de la matriz (A-LC). Aplique los ruidos de medicion y estados y
simule.
5. Aplique la realimentacin de estado obtenida en los numerales 1,2 y 3
utilizando los estados estimados por el observador diseado en el punto
anterior, en lugar de los estados de la planta. Para la simulacin aada ruido a
las mediciones y compare las respuestas con el sistema en el que se
realimentaron los estados directamente

97 J. Espinosa

Bibliografa

[1] R.E.Kalman, Y.C.Ho, and K.S.Narendra, Controllability of linear dynamical
systems Contributions to Differential Equations, vol. 1, no.2, pp.189-213, 1963.

[2] O.I.Elgerd, Control Systems Theory, 1 ed., Ed.McGrawHill, 1967.

[3] B.DeMoor,Y.Cheng, P.DeGersem and K.Eneman, Computer Aided Control Systems
Design, Course Notes. ESAT-SISTA Katholieke Universiteit Leuven, 1996.

[4] J.C.Willems and S.K. Mitter, Controllability, Observability, Pole Allocation and
State Reconstruction, IEEE Transactions on Automatic Control,vol.16, no.6, pp.582-595

[5] D.G. Luenberger, An Introduction to Observers, IEEE Transactions on Automatic
Control,vol.16, no.6, pp.596-602

[6] K.Zhou, J.C. Doyle and K. Glover, Robust And Optimal Control, Ed. Prentice Hall,
preprint. 1995

[7] W.M.Wonham, On Pole Assignment in Multi-Input Controllable Linear Systems,
IEEE Transactions on Automatic Control,vol.12, no.6, pp.660-665

[8] R.C.Dorf, Modern Control Systems, 6 Ed., Ed.Addison Wesley, 1992

[9] A.Grace, A.J.Laub, J.N.Little y C.M. Thompson, Control System Toolbox Users
Guide, Mathworks Inc. 1992

[10] P.Van Dooren, Numerical Linear Algebra for Signals Systems and Control, Draft
notes for the Graduate School in Systems and Control, Blgica, 1995

[11] R.A.Horn, C.R. Johnson. Matrix Analysis. Cambridge University Press, Cambridge.
1990

[12] J. Apkarian.A comprehensive and modular laboratory for control systems design
and implementation. Quanser Consulting, 1995

[13] T. Kailath. Linear Systems, Ed. Prentice Hall, USA, 1980

[14] F.G. Shinskey. Process Control Systems: Application Design and Tuning, Ed
McGraw-Hill, 4 ed. USA, 1996

[15] V. Kucera. Analysis and Design of Discrete Linear Control Systems, Ed Academia,
Praga, 1991

[16] A. Preumont. Vibration and Control of Active Structures: An introduction, Ed.
Kluwer Academic, Netherlands, 1997

[17] P. Desphande. Multivariable Process Control, Instrument Society of America, USA,
1989

[18] A. Bryson Jr, Y-C Ho. Applied Optimal Control: optimization, estimation and
control, Hemisphere Publishing Corp., USA, 1975

[19] S. Skogestad, I. Postlethwaite. Multivariable Feedback Control: Analysis and
Design, Ed. John Wiley & Sons, England, 1996

Libro Control Multivariable

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro Control Multivariable

Cargado por

Copyright:

Formatos disponibles

CONTROL LINEAL

se obtiene derivando la expresin (2.9) con respecto a m

de la ecuacin (2.12) y reemplazndolo en la ecuacin

1.06 1.48 6.45 0.24 4.47 3.97

0.51 2.64 -0.08 0.42 1.57 0.53

3 747 10 2125 10 3 732 10 6867

0 065 0 221 1303 1984 0 802 0 939

También podría gustarte