Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEORIA DE CONTROL IV
OBSERVADORES DE ESTADO
En el captulo en que se present un enfoque de ubicacin de polos para el diseo de
sistemas de control, supusimos que todas las variables de estado estaban disponibles para su
realimentacin. Sin embargo, en la prctica, no todas las variables estn disponibles para su
realimentacin. Entonces, necesitamos estimar las variables de estado que no estn
disponibles. Es importante sealar que debemos evitar diferenciar una variable de estado para
generar otra.. La diferenciacin de una seal siempre decrementa la relacin seal a ruido,
porque este ltimo, por lo general flucta ms rpido que la seal de comando. En ocasiones,
la relacin seal a ruido se decrementa varias veces mediante un proceso nico de
diferenciacin. Existen mtodos para estimar las variables de estado que no se miden sin un
proceso de diferenciacin. La estimacin de semejantes variables de estado por lo general se
denomina observacin. Un dispositivo (o un programa de computadora) que estima u observa
las variables de estado se llama observador de estado o simplemente observador. Si el
observador de estado capta todas las variables del sistema, sin importar si algunas estn
disponibles para una medicin directa, se denomina observador de estado de orden completo.
Hay ocasiones en las que un observador tal no es necesario, en las que solo se requiere de la
observacin de variables de estado que no se miden, pero no de aquellas que tambin se miden
directamente. Por ejemplo, dado que las variables de salida son observables y se relacionan en
forma lineal con las variables de estado, no necesitamos observar todas las variables de estado,
sino slo las n m variables de estado, en donde n es la dimensin del vector de estado y m es
la dimensin del vector de salida. Un observador que estima menos de n variables de estado,
en donde n es la dimensin del vector de estado, se denomina observador de estado de orden
reducido o, simplemente, observador de orden reducido. Si el observador de estado de orden
reducido tiene el orden mnimo posible, se denomina observador de estado de orden mnimo, u
observador de orden mnimo. En esta seccin analizaremos el observador de estado de orden
completo y el observador de estado de orden mnimo.
Observador de estado. Un observador de estado estima las variables de estado con
base en las mediciones de las variables de salida y de control. Aqu tiene una funcin
importante el concepto de observabilidad analizado en captulos anteriores. Como veremos
ms adelante, los observadores de estado pueden disearse si y slo si satisface la condicin de
observabilidad. En los anlisis siguientes de los observadores de estado, usaremos la notacin
x para designar el vector de estado observado. En muchos casos prcticos el vector de estado
observado x se usa en la realimentacin del estado para generar el vector de control deseado.
~
x = Ax + Bu
y = Cx
(1)
(2)
~
x = A x + Bu + Ke(y - C x )
Profr. Salvador Saucedo
Grupo 9A4M
((3)
III pgina 1 de 32
ESIME-IPN
TEORIA DE CONTROL IV
que representa al observador de estado. Observe que el observador de estado tiene y y u como
entradas y x como salida. El ultimo trmino del segundo miembro de esta ecuacin modelo,
ecuacin (3), es un termino de correccin que contiene la diferencia entre la salida y medida y
la salida C x estimada. La matriz Ke funciona como una matriz de ponderacin . El trmino de
correccin vigila el estado x . Ante la presencia de una discrepancia entre las matrices A y B
usadas en este modelo y las del sistema real, la adicin del trmino de correccin ayuda a
reducir los efectos producidos por la diferencia entre el modelo dinmico y el sistema real. La
siguiente figura muestra el diagrama a bloques del sistema y el observador de estado de orden
completo.
~
x x = Ax - A x + Ke(Cx - C x )
Profr. Salvador Saucedo
Grupo 9A4M
III pgina 2 de 32
ESIME-IPN
TEORIA DE CONTROL IV
= [A KeC](x - x )
(4)
e = x - x
(5)
= ( A K e C)e
A partir de la ecuacin (5) vemos que el comportamiento dinmico del vector de error
se determina mediante los valores principales de la matriz A - KeC . Si la matriz A - KeC es
estable, el vector de error converger a cero para cualquier vector de error inicial e(0). Es decir
~
que x (t) converger a x(t) sin considerar los valores de x(0) y x (0). Si se eligen los valores
principales de la matriz A - KeC en tal forma que el comportamiento dinmico del vector de
error sea asintticamente estable y suficientemente rpido, cualquier vector de error tender a
cero (el origen) con una velocidad adecuada.
Si el sistema es completamente observable se demuestra que es posible seleccionar una
matriz Ke tal que A - KeC tenga valores principales arbitrariamente deseados. Es decir se
determina la matriz de ganancia del observador Ke para producir la matriz deseada A - KeC .
Analizaremos esto a continuacin.
PROBLEMA DUAL
El problema de disear un observador de orden completo se convierte en determinar la
matriz de ganancias del observador Ke tal que la dinmica de error definida mediante la
ecuacin (5) sea asintticamente estable con una velocidad de respuesta suficiente. (La
estabilidad asinttica y la velocidad de respuesta de la dinmica de error se determinan
mediante los valores principales de la matriz A - KeC ). Por tanto, el diseo del observador de
orden completo se convierte en determinar un Ke apropiado tal que A - KeC tenga los valores
principales deseados. Por ello, aqu el problema se convierte en el mismo que en el caso de
ubicacin de polos analizado en el tema anterior.
Considerar el sistema definido mediante
x = Ax + Bu
y = Cx
(1)
(2)
Grupo 9A4M
III pgina 3 de 32
ESIME-IPN
TEORIA DE CONTROL IV
z = A T z + CT v
w = BT z
sI ( A T C T K )
= ( s 1 )( s 2 ).....(s n )
sI ( A T C T K )
sI ( A K T C)
z = A T z + CT v
sea de estado completamente controlable. La condicin de controlabilidad completa
para este sistema dual es que el rango de
[C
M A T CT
M L M
(A )
T n 1
CT
Grupo 9A4M
III pgina 4 de 32
ESIME-IPN
TEORIA DE CONTROL IV
x = Ax + Bu
y = Cx
en donde: x
u
y
A
B
C
=
=
=
=
=
=
(6)
(7)
(8)
O = CT
M A T CT
M L M
(A )
T n 1
CT
(9)
a1
1
Profr. Salvador Saucedo
a n 2 L a n 1
a n 3 L 1
M
Grupo 9A4M
1
0
M
0
0
III pgina 5 de 32
ESIME-IPN
TEORIA DE CONTROL IV
(10)
= Q -1 AQ
+ Q -1 Bu
(11)
y = CQ
(12)
en donde
0
1
Q 1 AQ = 0
M
0
an
0 L 0 a n 1
1 L 0 an2
M
M
M
0 L 1 a1
0 L 0
(13)
bn a n b0
b a b
n 1 0
Q 1 B = n 1
b1 a1b0
(14)
CQ = [0 0 L 0 1]
(15)
Las ecuaciones (11) a (12) estn en la forma cannica observable. Por tanto, dada una
ecuacin de estado y una ecuacin de salida, ambas pueden transformarse a la ecuacin
cannica observable si el sistema es completamente observable y si el vector de estado original
x se transforma en un nuevo vector de estado mediante la transformacin obtenida a partir de
Grupo 9A4M
III pgina 6 de 32
ESIME-IPN
TEORIA DE CONTROL IV
la ecuacin (10). Observe que si la matriz A ya est en la forma cannica observable, entonces
Q = I.
Como se planteo antes, elegimos que la dinmica del observador de estado se obtenga
mediante
x = A x + Bu + K e ( y - C x )
(16)
= ( A - K e C) x + Bu + K e Cx
Ahora defina
x = Q
(17)
(18)
- = Q -1 ( A - K e C)Q( )
(19)
Defina
~
= Q 1 ( A K e C)Q
(20)
Requerimos que la dinmica del error sea asintticamente estable y que (t) llegue a
cero con una velocidad adecuada. El mtodo para determinar la matriz Ke es elegir primero los
polos del observador deseados (los valores principales de A - KeC ) y a continuacin calcular
la matriz Ke para que produzca los polos deseados del observador.
Considerando que Q-1 = (WO) tenemos que
Grupo 9A4M
III pgina 7 de 32
ESIME-IPN
Q 1K e
an2 L a1 1 C
an 3 L 1 0 CA
M
M M M
1 L 0 0 CA n 2
0 L 0 0 CA n1
an1
a
n 2
M
a1
1
TEORIA DE CONTROL IV
k e1
k
e2
M
k
e ( n1)
k e ( n )
en donde
Ke
k e1
k
e2
= M
k e ( n 1)
k e (n)
Q 1K e
n
= n 1
M
(21)
0 0 L 1
1
y
Q 1 (A K e C)Q = Q 1 AQ Q 1K e CQ
0
1
= 0
M
0
an n
0 L 0 a n 1 n 1
1 L 0 an2 n2
M
M
M
0 L 1
a1 1
0 L 0
Grupo 9A4M
III pgina 8 de 32
ESIME-IPN
an + n
a n 1 + n 1
0
M
a n2 + n2
M
0
M
1 L
M
TEORIA DE CONTROL IV
= 0
L 1 s + a1 + 1
o bien
sn + (a1 + 1)sn-1 + (a2 + 2)sn-2 + . . . + (an + n) = 0
(22)
observe que cada una de las n n-1 ,. . . , 1 se asocian con slo uno de los coeficientes
de la ecuacin caracterstica.
Suponga que la ecuacin caracterstica deseada para la dinmica del error es
(s - 1)(s - 2) . . . (s - n)
= sn + 1sn + 2sn-2 + . . . + n-1s + n = 0
(23)
(Observar que los valores principales i determinan que tan rpido converge el estado
observado al estado real de la planta)
Comparando los coeficientes de los trminos con potencias iguales de s en las
ecuaciones (22) y (23), obtenemos
a 1 = 1
a 2 = 2
...
a n = n
A partir de lo cual conseguimos que
1 = 1 - a1
2 = 2 - a2
n = n - an
As, a partir de la ecuacin (21) tenemos que
Grupo 9A4M
III pgina 9 de 32
ESIME-IPN
n n
Q-1Ke = n 1 = n 1
M
1 1
TEORIA DE CONTROL IV
an
a n 1
a1
Por tanto,
Ke
= Q n 1
an
a n 1
= ( WO) 1
a1
n 1
an
a n 1
a1
(24)
x = ( A - K e C) x + Bu + K e y
(25)
Observar que, hasta aqu hemos supuesto que las matrices A y B del observador son
exactamente iguales a las de la planta real. En la prctica, esto no podra ser cierto. Entonces, la
dinmica del error no se obtendra mediante la ecuacin (20), esto significa que el error podra
no tender a cero. Por tanto, debemos intentar desarrollar un modelo matemtico preciso a fin de
que el observador haga el error aceptablemente pequeo.
Enfoque de sustitucin directa para obtener la matriz de ganancias del observador
de estado Ke. Al igual que en el caso de la ubicacin de polos, si el sistema es de orden
inferior, puede ser ms sencilla la sustitucin directa de la matriz Ke dentro del polinomio
caracterstico deseado. Por ejemplo, si x es un vector de dimensin 3, escriba la matriz de
ganancia del estado Ke como
Grupo 9A4M
III pgina 10 de 32
ESIME-IPN
TEORIA DE CONTROL IV
k e1
Ke = k e 2
k e3
x = Ax + Bu
y = Cx
(26)
(27)
K = [0 0 L 0 1] B M AB M L M A n 1B
( A)
Para el dual del sistema definido mediante las ecuaciones (26) y (27),
z = A T z + CT v
n = BT z
K = [0 0 L 0 1] C T
M AT C T
M L M ( A T ) n 1 C T
(A T )
(28)
Grupo 9A4M
III pgina 11 de 32
ESIME-IPN
Ke = K T
C
CA
= (A T ) T M
n2
CA
CA n 1
0
0
M = (A)
0
1
C
CA
n2
CA
CA n 1
TEORIA DE CONTROL IV
1
0
0
M
0
1
(29)
(s) = (s - 1) (s - 2) . . . (s - n)
en donde 1, 2, ..., n, son los valores caractersticos deseados. La ecuacin (29) se
denomina frmula de Ackermann para la determinacin de la matriz de ganancias del
observador Ke.
Veamos un ejemplo del uso de la frmula de Ackermann con MATLAB
ejem80
% Uso del comando acker y el concepto de sistema dual para un sistema continuo
A = [-2 5; 0 1];
% matriz de estado
B = [0; 4]; C = [-1 1];
Po = [-4;-6]; % Polos del observador en 4 y -6
Ke = acker(A',C',Po)' % Calcula ganancia para ubicacin del sistema dual
-26.5000
-17.5000
Ao = A - Ke*C;
Bo = [Ke B];
eig(Ao) % calcula eigenvalores del observador
-6
-4
Comentarios sobre la seleccin de la mejor Ke. Remitindonos a la figura (1)
observe que la matriz de realimentacin a travs de la matriz de ganancias del observador Ke
funciona como una seal de correccin para el modelo de planta que incorpora los factores
desconocidos en la planta. Si estn implcitos factores desconocidos significativos, la seal de
realimentacin a travs de la matriz Ke debe ser relativamente grande. Sin embargo, si la seal
de salida se contamina en forma significativa con perturbaciones y ruido en la medicin, la
salida y no es confiable y la seal de realimentacin a travs de la matriz Ke debe ser
Grupo 9A4M
III pgina 12 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Figura 2
Profr. Salvador Saucedo
III pgina 13 de 32
ESIME-IPN
TEORIA DE CONTROL IV
x = Ax + Bu
y = Cx
0
0 1
A =
B = C =
2
9 0
[1 0]
s 1
= s 2 9 = 0 = s 2 + a1 s + a2
9 s
Suponer que utilizamos el mtodo para la colocacin de valores principales para el
diseo del sistema y que los polos de lazo cerrado para este regulador estn en 2 3j, por lo
que el polinomio caracterstico deseado viene dado por s2 + 4s + 9. La matriz de ganancias
de realimentacin lineal del estado K para este caso se obtiene mediante.
sI A
K = [2 - a2 !1 - a1 ]T-1 = [ 13 + 9 ! 4 - 0]T-1 = [ 11 2 ]
Donde T = MW = 2I , [2 = 13, 1 = 4, a2 = -9 y a1 = 0
Usando esta matriz de ganancias de realimentacin del estado K, la seal de control se
obtiene mediante
Grupo 9A4M
III pgina 14 de 32
ESIME-IPN
TEORIA DE CONTROL IV
x
u = -Kx = - [11 2] 1
x2
Suponer que usamos el control mediante la realimentacin del estado observado en
lugar del control mediante la realimentacin del estado real, o
~
u = -K x = - [11 2] ~x1
x 2
~
en donde optamos porque los valores principales de la matriz del observador sean
1,2 = 4 5j
Obtendremos la matriz de ganancias del observador Ke y dibujaremos el diagrama de
bloques para el sistema de control mediante la realimentacin del estado observado. A
continuacin se obtendr la funcin de transferencia U(s)/-Y(s) para el observador-controlador
y dibujaremos un diagrama a bloques del sistema. Al final se ofrece la respuesta en tiempo del
regulador a partir de las condiciones iniciales, proponiendo estimados iniciales equivocados.
El polinomio caracterstico deseado para el observador es
(s - 1)(s - 2) = (s + 4 - 5j)(s + 4 + 5j) = s2 + 8s + 41
= s2 + 1s + 2
Por lo tanto + 1 = 8, 2 = 41.
Para determinar la matriz de ganancias del observador Ke, usamos la ecuacin (24)
a 2
Ke = ( WO) 1 2
1 a1
en donde
C
CA
1 0
0 1
es la matriz de observabilidad y
a1
1
1
0
0 1
1 0
Grupo 9A4M
III pgina 15 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Por lo tanto
1
0 1 1 0 41 (9)
=
1 0 0 1 8 0
Ke
0 1 50
1 0 8
8
50
x =
(A KeC) x + Bu + Ke y
dado que
u
= Kx
x =
~
x1
~
x 2
(A K e C BK ) x + K e y
~
0 1 8
x1 8
0
=
[1 0] 2[11 2] ~ + 50 y
9 0 50
x
2
~
8 1 x1
63 4 ~
x2
8
50 y
El diagrama de bloques del sistema con una realimentacin del estado observado se
aprecia en la figura.
Remitindonos a la ecuacin (ft), la funcin de transferencia del controlador-observador
es
U (s)
Y (s)
= K (sI A + KeC + BK ) Ke
1
s + 8 1 8
= [11 2]
63 s 4 50
188s + 694
=
s 2 + 12 s + 95
Profr. Salvador Saucedo
Grupo 9A4M
III pgina 16 de 32
ESIME-IPN
TEORIA DE CONTROL IV
0
2 u
[1 0] x1
x2
Figura 4 Diagrama a bloques del regulador con realimentacin del estado estimado
Grupo 9A4M
III pgina 17 de 32
ESIME-IPN
Figura 5
TEORIA DE CONTROL IV
~
= [11 2] x1
~
x 2
Para el observador,
~
x1
~
x 2
~
8 1 x1
63 4 ~
x2
8
50 y
sI A + BK sI A + KeC
=
= ( s 2 + 4 s + 13)( s 2 + 8s + 41)
Figura 6
Profr. Salvador Saucedo
III pgina 18 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Y ( s)
R( s)
2( 188s + 694 )
s + 12s + 95 s 2 9 + 2(188s
)(
+ 694)
La ecuacin caracterstica es
=
Figura 7
Sistemas multivariables
Consideremos un sistema de control
x = Ax + Bu
y = Cx
en donde
(1)
x = vector de estado (n x 1)
u = seal de control (vector r x 1)
A = matriz de estado (n x n)
B = matriz de control (n x 1)
C = matriz de observaciones (m x n)
y = vector de salidas ( vector de m x 1)
Grupo 9A4M
III pgina 19 de 32
ESIME-IPN
TEORIA DE CONTROL IV
ejem82
echo on
A = [-1 3 0 0;0 -2 0 -1;0 0 -5 4;0 0 0 1]; D = 0;
B = [0 0;2 0;0 0;0 10]; C = [1 0 -2 0; 0 5 0 0];
edo = {'x1' 'x2' 'x3' 'x4'}; sal = {'y1' 'y2'}; % etiquetas para estado y salida
sys1 = ss(A, B, C, D,'statename', edo, 'inputname', {'u1' 'u2'}, 'outpuname',sal);
M = ctrb(A,B); rank(M) % matriz de controlabilidad y su rango
4
O = obsv(A,C) % matriz de observabilidad
1
0
-1
0
1
0
-1
0
0 -2
0
5 0
0
3 10
-8
-10 0
-5
-9 -50
29
20 0
5
21 250 -162
-40
0 -15
rank(O)
4
pause % presionar una tecla para seguir...
Pc = [-3+4j; -3-4j; -4+3j; -4-3j]; % polos de lazo cerrado deseados
K = place(A,B,Pc) % matriz de ganancias para ubicar polos de lazo cerrado
place: ndigits= 15
2.9991
-0.0115
2.4918
-0.0246
Ac = A - B*K;
Profr. Salvador Saucedo
0.1023
0.4983
-0.5512
0.2016
III pgina 20 de 32
ESIME-IPN
TEORIA DE CONTROL IV
+ 3.0000i
- 3.0000i
+ 4.0000i
- 4.0000i
eig(Ao)
-6.0000
-6.0000
-8.0000
-8.0000
+ 8.0000i
- 8.0000i
+ 6.0000i
- 6.0000i
+ 8.0000i
- 8.0000i
+ 6.0000i
- 6.0000i
+ 4.0000i
- 4.0000i
+ 3.0000i
- 3.0000i
Grupo 9A4M
III pgina 21 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Figura 8
x = Ax + Bu
y = Cx
en donde el vector de estado x se divide en dos partes xa (un escalar) y xb (un vector de
orden n-1). Aqu la variable de estado xa es igual a la salida y, y por tanto, se mide
directamente y xb es la parte que no se puede medir del vector de estado. De esta manera, el
estado dividido y las ecuaciones de salida se vuelven
Profr. Salvador Saucedo
Grupo 9A4M
III pgina 22 de 32
ESIME-IPN
Aaa
xa
L = L
A ba
x
b
M
M
A ab x a
Ba
L + L u
B b
A bb x b
x a
y = [1 M 0]L
x b
en donde: Aaa = escalar
Aab = matriz de 1 x (n-1)
Aba = matriz de (n - 1) x 1
Abb = matriz de (n - 1) x (n - 1)
Ba = escalar
Bb = matriz de (n 1) x 1
TEORIA DE CONTROL IV
(31)
(32)
A partir de la ecuacin (31), la ecuacin para la parte medida del estado se vuelve
x a = Aaa x a + A ab x b + Ba u
o bien
x a - Aaa x a Ba u = A ab x b
(33)
Los trminos del primer miembro de la ecuacin (33) se pueden medir. La ecuacin
(33) funciona como la ecuacin de salida. Al disear la ecuacin de orden mnimo,
consideramos que el primer miembro de la ecuacin (33) contiene cantidades conocidas. Por
tanto la ecuacin (33) relaciona las cantidades medibles y no medibles del estado.
A partir de la ecuacin (31), la ecuacin de la parte no medida del estado se vuelve
x b = A ba xa + A bb x b + B b u
(34)
Considerando que los trminos Abaxa + Bbu son cantidades conocidas, la ecuacin
(34) describe la dinmica de la parte no medida del estado.
A continuacin presentaremos un mtodo para disear un observador de orden mnimo.
El procedimiento de diseo se simplifica si utilizamos la tcnica de diseo desarrollada para el
observador de estado de orden completo.
Comparemos la ecuacin de estado para el observador de orden completo con la del
observador de orden mnimo. La ecuacin de estado para el observador de orden completo es
Grupo 9A4M
III pgina 23 de 32
ESIME-IPN
TEORIA DE CONTROL IV
x = Ax + Bu
y la ecuacin de estado para el observador de orden mnimo es
x b = A bb x b + A ba x a + B b u
x a - Aaa x a Ba u = A ab x b
El diseo del observador de orden mnimo se realiza del modo siguiente: primero
considere que la ecuacin del observador para el observador de orden completo se obtuvo a
partir de la ecuacin (25), la cual repetimos aqu:
x = ( A - K e C) x + Bu + K e y
(35)
x b = ( A bb - K e A ab ) x b + A ba xa + B b u + K e ( xa A aa xa - Ba u )
(36)
x a A ba xa Ba u
Aab
Abaxa + Bbu
Abb
C
Bu
A
xb
Grupo 9A4M
III pgina 24 de 32
ESIME-IPN
xb K e x a
= (A bb
TEORIA DE CONTROL IV
= ( A bb K e A ab ) x b + ( A ba K e Aaa ) y + (B b K e Ba )u
K e A ab ) x b K e y + [( A bb K e A ab )K e + A ba K e Aaa ]y + (B b K e Ba )u
(37)
Si definimos
xb - Key = xb - Kexa =
y adems
~
x b K e y = x b K e xa
(38)
(A bb K e A bb ) + [(A bb K e A ab )K e + A ba K e A aa ]y + (B b K e Ba )u
(39)
xb
(A bb K e A ab ) x b + A ba xa + B bu + K e A ab x b
(40)
xb xb
(A bb K e A ab ) x b x b
~
(41)
e = xb xb
Por lo que la ecuacin (41) se convierte en
e =
(A bb
K e A ab )e
(42)
Se deduce que e es un vector de orden n-1 y (42) es la dinmica del error para el
observador de orden mnimo.
La estabilidad del error se elige como segn convenga siguiendo el mtodo desarrollado
Profr. Salvador Saucedo
Grupo 9A4M
III pgina 25 de 32
ESIME-IPN
TEORIA DE CONTROL IV
n2
A ab A bb
es de rango n 1.
La ecuacin caracterstica para el observador de orden mnimo se obtiene a partir de la
ecuacin (42) del modo siguiente
sI - Abb + Ke Aab = (s - 1 )(s - 2 ). . .(s - n ) =
(43)
en donde 1, 2, . . , n-1 son los polos deseados del observador de orden mnimo. La
matriz de ganancias del observador K se determina eligiendo primero los polos deseados para
el observador [ubicando las races de la ecuacin (43) en los lugares adecuados del plano
complejo] y despus usando el procedimiento desarrollado para el observador de orden
completo con las modificaciones de la tabla 1. Por ejemplo, para usar la frmula para calcular
la matriz Ke obtenida mediante la ecuacin (24), sta se debe modificar a
Ke
n 1
= Q n 2
a n 1
n 1
a n 2 = ( W O) 1 n 2
a1
1
a n 1
a n2
a1
(44)
a n 2
a n 3
W = M
a1
1
a n 3 L a 1
a n4 L
M
1
0
1
M
L
L
0
0
1
0
0
0
Grupo 9A4M
III pgina 26 de 32
ESIME-IPN
Ke
A ab
0
A A
0
ab bb
1
= ( A bb ) O M = ( A bb )
M
n 3
A ab A bb
0
n2
A ab A bb
1
TEORIA DE CONTROL IV
0
0
M
0
1
(45)
en donde
n 1
n2
( A bb ) = A bb
+ 1 A bb
+ ... + n 2 A bb + 1 I
x = Ax + Bu
y = Cx
(1)
(2)
donde
0
0 1
0
A = 0 0
1 B = 0 C =
0 8 6
10
[1
0 0]
Grupo 9A4M
III pgina 27 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Ke
A ab 0
= ( A bb )
A ab A bb 1
en donde
2
2
( Abb ) = A bb
+ 1 A bb + 2 I = A bb
+ 12 A bb + 100I
Dado que
x1
0 M
xa
L
L = A = L
x2
0 M
x b
0 M
x3
0
0
L
L
B =
0
1
8 6
10
1
L
0
tenemos que
0
Aaa = 0; Aab = [ 1 0], Aba =
0
1
0
0
, Ba = 0, Bb =
Abb =
8 6
10
La ecuacin (45) se convierte en
Ke
2
1
0
1
1
0
1 0 1 0 0
=
+ 12 8 6 + 100 0 1 0 1 1
8 6
6 0
92
6
=
=
48 56 1
56
Recordando las ecuaciones (38) y (39) la ecuacin para el observador de orden mnimo
se obtiene mediante
= ( A bb K e A ab ) + [(A bb K e A ab )K e + A ba K e Aaa ]y + (B b K e Ba )u
en donde
~
= x b K e y = x b K e x1
Profr. Salvador Saucedo
Grupo 9A4M
III pgina 28 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Considerando que
A bb K e A ab
1 6
1
6
0
[1 0] =
=
64 6
8 6 56
~
~
0 6
1 2 6
1 6 0 6
6
2
y
0
+
+
+
=
0u
~
64 6 ~ 64 6 56 0 56
10 56
3
3
~
~
1 2 20
0
6
2
y
+
+
=
10u
64 6 ~ 720
3
3
M =
[B
AB A B
0
10
0
= 0
10
60
10 60 280
Grupo 9A4M
III pgina 29 de 32
ESIME-IPN
TEORIA DE CONTROL IV
416 108 10
c ( A) = A + 16 A + 116A + 416I = 0
336 48
0 384 48
por lo que, empleando la frmula de Ackermann,
3
[0
0 1]M 1 c ( A) =
[ 41.6
10.8 1]
Figura 9
mnimo.
Grupo 9A4M
III pgina 30 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Figura 12
EJERCICIOS
1. Calcular el observador de estado completo para el siguiente sistema continuo
1 2 5
7
A = 1 1 1 B = 2
0 1
0
1
C = [ 1 0 0]
polos deseados : en 3 4 j y en 6
Grupo 9A4M
III pgina 31 de 32
ESIME-IPN
TEORIA DE CONTROL IV
Efectuar con MATLAB la corrida EJEM72 pero con polos en 0.7 0.4j y 0.5.
BIBLIOGRAFIA
1
2
3
4
5
6
7
Grupo 9A4M
III pgina 32 de 32