An

alisis de la Estabilidad seg

un Lyapunov de un Control
Borroso en Tiempo Discreto
M. Garca, A. Barreiro
Departamento de Ingeniera de Sistemas y Autom
atica
Escuela Superior de Ingenieros Industriales y de Minas
Campus Universitario Lagoas-Marcosende, 36200, Vigo, Espa
na
E-mail: mgrivera@uvigo.es

Resumen
Este artculo estudia la estabilidad y robustez
de sistemas de control borroso en tiempo discreto. Partiendo de un sistema continuo, ahora
muestreado con un computador digital, se analiza su estabilidad mediante la teora de Lyapunov.
Tambien se proporciona una medida de la estabilidad del sistema en forma de margen de ganancia. Finalmente, estos conceptos se ilustran con
un servomotor como ejemplo.
Palabras clave: Control borroso, teora de la estabilidad de Lyapunov, control en tiempo discreto.

Introducci
on

En la decada de los 50 aparecieron los primeros

sistemas controlados por computador [1]. Al
comienzo su uso era muy limitado debido a su alto
coste, gran consumo y poca fiabilidad. En los a
nos
90, el desarrollo del microprocesador produjo que
el control digital se aplicara extensamente en la industria. Por lo tanto, es muy interesante estudiar
el compartamiento de un sistema continuo cuando
se le aplica un muestreo con un computador.
La principal caracterstica de la l
ogica borrosa
[2] es su gran adaptaci
on al tratamiento del
conocimiento heurstico, formulado mediante reglas ling
usticas cualitativas. B
asicamente, proporciona un metodo efectivo para capturar la naturaleza aproximada, inexacta e incompleta del
mundo real. Sin embargo, a diferencia de lo que
ocurre con los controladores tradicionales, no existe un metodo sistem
atico de dise
no de controladores borrosos, ni herramientas apropiadas para
tratar el problema de la estabilidad.
La estabilidad de Lyapunov est
a relacionada con el
comportamiento de las trayectorias de un sistema,
cuando su estado inicial se encuentra cerca de un
equilibrio. Desde el punto de vista pr
actico este
punto es importante, ya que las perturbaciones
que afectan a un sistema tienden a separarlo del
equilibrio. Dentro del organigrama general de las

diversas teoras de estabilidad, la de Lyapunov se

engloba en aquella
area que trata con las variables
de estado del sistema, y por tanto, tiene que ver
con la representaci
on interna de los sistemas. En
[4, 5, 6] se encuentran estudios completos sobre
esta teora.
El principal objetivo del estudio de la robustez,
surge cuando controladores dise
nados para ser estabilizates de la planta nominal, producen acciones desestabilizadoras ante ciertas perturbaciones del modelo del sistema, y por consiguiente estos controladores no son utilizables en la
pr
actica. La soluci
on pasa por considerar expresamente la incertidumbre que afecta a la planta
nominal.
La formulaci
on del problema que aborda este
artculo parte en la secci
on 2 de un modelo nominal de la planta, con un controlador borroso
dise
nado para cumplir unos objetivos de prestaciones satisfactorios. Posteriormente, el control
se realiza mediante muestreo con un computador
digital. En la secci
on 3 se analiza la estabilidad
de dicho sistema discreto mediante la teora de
Lyapunov, bas
andose en el metodo directo. En la
secci
on 4 se desarrolla una metodologa para calcular el margen de robustez del control. Finalmente,
todas estas ideas se aplican a un servomotor con
un controlador borroso en la secci
on 5.

Definici
on del sistema

Consideremos un sistema como el mostrado en la

figura 1. La din
amica de la planta y el controlador
est
a definida por:
x

= f (x) + bKu
= f (x) + bKH(x)
= Ax + bKH(x)

(1)

donde x Rn es el estado de la planta, u R es

la entrada controlada, f (x) Rn y b R representan la planta, y H(x) el controlador borroso.
Al analizar el comportamiento de cualquier sistema fsico, podemos partir de un modelo aproximado lineal o modelo nominal de la planta, es decir, f (x) = Ax. Por lo tanto, podemos suponer la

Planta

Existen dos metodos de Lyapunov para el estudio de la estabilidad. El primero de ellos,

tambien llamado indirecto, trabaja con las soluciones explcitas de las ecuaciones diferenciales que
describen el sistema. El segundo metodo, llamado
directo, no necesita de dicha soluci
on, por lo que es
m
as general y se encuentra mucho m
as extendido.

H (x )

Seg
un Lyapunov, un sistema que posea un estado
de equilibro en el origen, si existe una funci
on escalar V (x) para el caso continuo o V (xk ) para
el caso discreto, con derivas parciales continuas y
que satisfaga las siguientes condiciones

Figura 1: Sistema de control borroso.

planta perturbada por una incertidumbre K R,
que puede representar imprecisiones en el modelo
o puede ser incluida para medir el margen de robustez. En el caso del margen de ganancia, K es
una ganancia variable en torno al valor nominal 1.
Aunque el sistema admita razonablemente un
modelo lineal, el control no tiene por que serlo.
Por ejemplo, saturaciones y zonas muertas dan lugar a lazos de control no lineales. Esto es lo que
sucede en el caso de los controladores borrosos,
que son elementos no lineales por naturaleza [2].
El controlador ha sido dise
nado sin tener en cuenta
el muestreo de la planta, es decir, el sistema continuo original es estable y satisface ciertas especificaciones de control.
El sistema muestreado con perodo h correspondiente a planta dada por la ecuaci
on (1) es el siguiente [1]:
xk+1

xk + Kuk

xk + KH(xk ),

(2)

donde
= (h) = eAh ,
Z h
= (h) =
eAh b ds.
0

Deber
a considerarse que el estado de equilibrio sea
el origen. Si este no es el caso, siempre puede
realizarse una traslaci
on de coordenadas, de forma
que el estado de equilibrio se desplace hasta el
origen de coordenadas.

Estabilidad de Lyapunov

Fue Lyapunov quien introdujo la idea de una

funci
on energa ficticia, denominada funci
on de
Lyapunov, aplicable a cualquier ecuaci
on diferencial o en diferencias y tanto a sistemas lineales
como a no lineales. En funci
on del signo de la
funci
on de Lyapunov y de su derivada con respecto
al tiempo, se pueden obtener conclusiones sobre el
tipo de estabilidad de un estado de equilibrio.

1. V (x) o V (xk ) es definida positiva, y

2. V (x) o V (xk+1 ) V (x) es definida negativa,
entonces el estado de equilibrio en el origen es
uniforme y asint
oticamente estable. Las definiciones anteriores dan condiciones necesarias y suficientes para sistemas lineales y condiciones s
olo
suficientes para sistemas no lineales, ya que en un
sistema no lineal la estabilidad posee propiedades
locales y no globales.
Para sistemas definidos mediante la ecuaci
on (2),
utilizando funciones de Lyapunov cuadr
aticas,
planta lineal o no lineal con su modelo aproximado
f (xk ) = Axk , y controlador no lineal H(xk ), el
segundo metodo de Lyapunov puede admitir una
interpretaci
on gr
afica como la que se explica a continuaci
on.
Supuesta una funci
on de Lyapunov cuadr
atica,
V (xk ) = x0k P xk , con P real, simetrica y definida
positiva, V (xk ) ser
a una funci
on de Lyapunov
para el sistema considerado si V (xk ) > 0, que ya
lo cumple, y si V (xk+1 ) V (xk ) < 0. Desarrollando esta u
ltima expresi
on y la ecuaci
on (2)
obtenemos:
V (xk+1 ) V (xk ) = x0k+1 P xk+1 x0k P xk =
[xk + KH(xk )]0 P [xk + KH(xk )]
x0k P xk = x0k 0 P xk + x0k 0 P KH(xk ) +
KH(xk )P xk + KH(xk )P KH(xk )
x0 P x = x0k 0 P xk + 2KP xk H(xk ) +
2 K 2 H 2 (xk )P x0k P xk < 0 (3)
Reorganizando la ecuaci
on (3) seg
un su dependencia del controlador borroro, el termino X(xk ) es
independiente, y el termino Y (xk ) s depende. As
obtenemos:
V (xk+1 ) V (xk ) = X(xk ) + Y (xk )
donde
X(xk )

= (x0k 0 P xk x0k P xk )
= x0k (0 P P )xk
= x0k (P 0 P )xk

(4)

e
Y (xk )

Y (xk ), que da lugar a una curva; y por otra, la

intersecci
on de dicho plano con el cilindro unidad,
que da lugar a una recta vertical. En la figura 3
se indican dichas intersecciones.

= 2KP xk H(xk )
+[KH(xk )]2 P

es decir, la superficie X(xk ) es una cota superior

de la superficie Y (xk ) para cualquier valor de xk .

A partir de aqu se proyectan los puntos de la

curva de intersecci
on sobre la recta vertical por
medio de Y (xk )/ k xk k2 . Esto da lugar a un
segmento para una direcci
on dada. Repitiendo
el proceso para todas las direcciones entre 00 y
on equivalente
3600 , y mediante una representaci
a la mencionada en el p
arrafo anterior, se obtiene
una banda plana que caracteriza totalmente a la
superficie Y (xk ).

Por lo tanto, si existe alguna P para la cual la

curva, superficie o hipersuperficie Y (xk ) queda
delimitada superiormente por X(xk ), entonces
V (xk ) ser
a funci
on de Lyapunov y el estado de
equilibrio estable.

Denominando X n () a la curva normalizada

X(xk ), e Y n () a la banda normalizada de Y (xk ),
obtenidas como se ha indicado anteriormente,
donde indica el
angulo que toma la direcci
on,
la ecuacion (5) se transforma en

El sistema para su estabilidad ha de cumplir que

X(xk ) + Y (xk ) < 0
o lo que es lo mismo
X(xk ) > Y (xk )

(5)

Si la dimensi
on del sistema es 2, X(xk ) e Y (xk )
ser
an superficies, por lo que para poder representar y comparar m
as f
acilmente ambas gr
aficas, se
ha optado por una representaci
on plana de ambas
superficies mediante el siguiente desarrollo.
Supongamos que se realiza un cambio de escala en
el dominio de entrada definido por xk . Entonces
la ecuaci
on (4) se transforma en
X(xk )

X n () > Y n ()

Ambas gr
aficas se representan conjuntamente en
la figura 4. Este tipo de representaci
on es utilizado
en la secci
on siguiente para verificar la estabilidad
de un servomotor y su controlador borroso.

X (xk)

= x0k (0 P P )xk
= 2 x0k (0 P P )xk
2

= X(xk )

(7)

=180

es decir, la superficie X(xk ) original se ve afectada por un cambio de escala 2 , o lo que es lo

mismo, la relaci
on X(xk )/xk es igual a la relaci
on
X(xk )/2 xk . Por lo tanto, toda la superficie
X(xk ) se puede caracterizar eligiendo adecuadamente s
olo una parte de ella. En particular, si se
eligue un subconjunto del dominio de entrada tal
que k xk k= 1, toda la superficie X(xk ) queda
caracterizada por su intersecci
on con el subconjunto elegido, que en este caso es el equivalente
a un cilindro de radio unidad y origen el centro.
Dicha intersecci
on se muestra en la figura 2 y es
una curva que rodea todo el cilindro, de forma
que admite una representaci
on plana, y en el eje
de abscisas se representa la direcci
on del vector
que apunta a cada uno de los puntos de la curva.
Dicha direcci
on vara entre 00 y 3600 .
El caso de la superficie Y (xk ) no es el mismo,
ya que no cumple una relaci
on similar a la de la
ecuaci
on (6). Lo que se hace entonces es proyectar todos los puntos de Y (xk ), que se encuentran
en una direcci
on determinada, sobre el cilindro
unidad. Es decir, existe una doble intersecci
on:
por una parte, la intersecci
on del plano que determina la direcci
on especfica con la superficie

=90

X ()
n

(6)

x
=270

=0

Figura 2: Obtenci
on de X n ().

=180

Y ()
n

Y (xk)

=0
=270

Figura 3: Obtenci
on de Y n ().

Sumando ambas expresiones tenemos que

X ()
n

x0k 0 (P + P )xk + x0k 0 (P + P )uk

+u0k 0 (P + P )xk + u0k 0 (P + P )uk
x0k (P + P )xk < 0

Y ()
n

360

Figura 4: Representaci
on conjunta de X n () y
n
Y ().

M
argenes de robustez

Teniendo en cuenta la secci

on anterior, buscaremos un metodo que permita calcular el margen de
ganancia del sistema perturbado por una ganancia
variable K. Por simplicidad volveremos a tratar
un sistema de orden 2. Para que la matriz de Lyapunov correspondiente


p1 p3
P =
p3 p2
sea definida positiva, ha de cumplir que
p1 > 0

p1 p2 p23 > 0

Teniendo en cuenta que

si P es de Lyapunov
P tambien (8)
se puede fijar p1 = 1, con lo que las condiciones
anteriores se transforman en:
p2 > 0

|p3 | <

p2

El primer paso para calcular el margen de ganancia es encontrar todas las posibles funciones de
Lyapunov, es decir, todos los pares (p2 , p3 ) que
cumplan la ecuaci
on (7) para el valor nominal de
la ganancia K. Se define entonces P K , como el
conjunto de todas las matrices de Lyapunov representadas por los pares (p2 , p3 ) v
alidos para un determinado K de ganancia. Dicho conjunto posee
las siguientes propiedades:
P K es convexo. Supongamos dos matrices P y
P que dan lugar a funciones de Lyapunov en (3),
es decir:
x0k 0 P xk + x0k 0 P uk
+u0k 0 P xk

tambien es una funci

on de Lyapunov, por lo que
la suma de dos matrices de Lyapunov, P + P , da
lugar a otra matriz de Lyapunov. Por otra parte,
P y (1 )P , con 0 1, tambien son
matrices de Lyapunov por (8), y como se acaba de
comprobar, su suma, P +(1)P , es una matriz
de Lyapunov. Esta u
ltima suma representa una
combinaci
on convexa, de forma que si P, P P K ,
todos los puntos del segmento que une P con P ,
tambien pertenenecen a P K , y son matrices de
Lyapunov.
El conjunto de matrices de Lyapunov para todos los valores intermedios de la ganancia desde
un mnimo hasta un m
aximo, P [Kmin Kmax ] , es
igual a la intersecci
on de los conjuntos de matrices de Lyapunov correspondientes a dichos valores
mnimo y m
aximo de la ganancia, P Kmin P Kmax .
Dado que la ganancia multiplica a la entrada
del sistema, u, la variaci
on Kmin u Kmax u es
mon
otona, y por tanto, para una cierta matriz P ,
basta verificar que es de Lyapunov en Kmin y en
Kmax , para garantizar que lo es en todo el intervalo [Kmin Kmax ].
Teniendo en cuenta las propiedades anteriores,
se calcula el conjunto P Kn correspondiente a la
ganancia nominal Kn . A partir de aqu se aumenta progresivamente el valor de la ganancia y se
determina el conjunto P K correspondiente. Mientras el conjunto intersecci
on entre P Kn y P K no
sea vaco se contin
ua con este proceso. Para un
determinado valor de la ganancia, dicho conjunto
intersecci
on s
olo estar
a formado por un elemento,
que da lugar a una matriz que llamaremos Pm . El
valor de K para dicha situaci
on, Km , es el margen
de ganancia. Para valores de K superiores al margen de ganancia, el conjunto intersecci
on es vaco,
y no existe ninguna combinaci
on de (p2 , p3 ) que
cumpla la condici
on de Lyapunov dada por (7).

Caso del servomotor

La din
amica del servomotor utilizado en este ejemplo se rige por la siguiente expresi
on [3]:




0
1
0
x =
x+
u
0 4
0.7

+ u0k 0 P uk x0k P xk < 0

x0k 0 P xk + x0k 0 P uk
+u0k 0 P xk + u0k 0 P uk x0k P xk < 0.

on, y x2 a la vedonde x1 corresponde a la posici

locidad del motor. Las funciones de pertencia de
los antecendentes y de los consecuentes del controlador de l
ogica borrosa son las indicadas en la

-2

0
a)
Z

El conjunto P Kn calculado, es decir, los posibles

(p2 , p3 ) que dan lugar a funciones de Lyapunov
para el valor nominal Kn = 1, puede verse en la
figura 6. Para el valor (0.2, 0.1), la figura 7 muestra como la curva X n () acota superiormente la
banda Y n ().

0.4

0.35

0.3

0
b)

NG

NM

NP

0.25

p3

-8

PP

PM

PG

0.2

0.15

0.1

0.05

-18

-12

-6

0
c)

12

18

Figura 5: Funciones de pertenencia para el servomotor: a) x1 ; b) x2 ; c) u.

figura 5, y la base de reglas se representa en estructura tabular en la tabla 1.
Al muestrear el sistema, por ejemplo, con un
perodo de muestreo de h = 0.1s, la ecuaci
on (2)
del sistema discreto para el servomotor es




1 .0824
.0030
xk+1 =
xk +
uk
0 .6703
.0577
En primer lugar hay que caracterizar la estabilidad
del equilibrio en el origen para el sistema nominal,
es decir, compuesto por la planta sin perturbar o lo
que es lo mismo con una K de valor nominal Kn =
1. Como hemos visto en la secci
on 3, la condici
on
de estabilidad seg
un Lyapunov se resume en la
expresi
on (7), la cual para el sistema nominal s
olo
depende de la matriz P , puesto que el resto de los
terminos se encuentran perfectamente definidos.
Es necesario por lo tanto, encontrar alguna matriz
P que haga que se verifique tal expresi
on, para que
el equilibrio en el origen sea estable.
x1 \x2
N
Z
P

N
NP
(u11 )
NM
(u01 )
NG
(u11 )

Z
PM
(u10 )
Z
(u00 )
NM
(u10 )

P
PG
(u11 )
PM
(u01 )
PP
(u11 )

Tabla 1: Base de reglas para el servomotor.

0.1

0.2

0.3
p2

0.4

0.5

0.6

Figura 6: El conjunto RKn calculado.

0.15

0.1

0.05

0.05

0.1

0.15

0.2

Figura 7: X n () acota superiormente la banda

Y n ().
Supuesto ahora que la ganancia variable K que
perturba la planta se separa de su valor nominal,
interesa conocer hasta que valor puede llegar dicho
alejamiento sin que el sistema deje de ser estable,
es decir, queremos calcular el margen de ganancia.
Teniendo en cuenta la interpretaci
on de Lyapunov
buscamos el margen de ganancia, que denotaremos por Km , correspondiente al m
aximo valor de
K para el cual existe una matriz P , denominada
Pm , que permita que se verifique la expresi
on (7).
Adem
as, para garantizar la estabilidad en todo el
rango de valores de K entre el nominal y Km , la
matriz Pm ha de ser tal que haga que se cumpla la
ecuaci
on (7) en todos los valores de dicho rango.

El procedimiento a seguir para el c

alculo del margen de ganancia es el indicado en la secci
on 3.
Partiendo del conjunto P Kn , el valor nominal de
K se aumenta en sucesivos incrementos y se determina el conjunto P K correspondiente. Este proceso contin
ua en tanto la intersecci
on entre P Kn
K
y P no sea vaco. Para un determinado valor de
ganancia, dicho conjunto intersecci
on s
olo estar
a
formado por un elemento, que da lugar a una matriz que llamaremos Pm . El valor de K para dicha
situaci
on, Km , es el margen de ganancia.
Por este procedimiento se consigue que la matriz Pm verifique las condiciones de Lyapunov.
Para que el valor del margen de ganancia obtenido
tenga una buena precisi
on, es necesario que los incrementos sucesivos de K sean lo suficientemente
peque
nos. Como se ve en la figura 8, la matriz de Luapunov correspondiente a los valores
(0.14, 0.04) es matriz de Lyapunov para cualquier
K, desde el nominal hasta el m
aximo.
Finalmente, si repetimos este proceso variando el
perodo de muestreo, buscando para cada h su Km ,
obtenemos la figura 9, que representa el margen de
ganancia en funci
on del perodo de muestreo. Para
h = 0.1s, Km est
a muy cerca del valor obtenido
para el caso continuo por [3], Km = 2.894.
0.4

0.4

0.3

0.3
K=1.25
0.2

0.1

0.1

0.2

0.4

0.6

0.4

0.2

0.4

0.6

0.6
0.2

K=2
0.4
K=1.75

0.1

0.2

0.2

0.4

0.6

0.2

0.4

0.6

0.8

Figura 8: P K para K igual a 1.25, 1.5, 1.75 y 2.0.

2.4

2.2

1.8

1.6

1.4

1.2

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

Figura 9: Valores ts y h para los cuales el sistema

es estable.
tidumbre es una ganancia variable, el margen de
ganancia.
Agradecimientos
Este trabajo ha sido realizado dentro los proyectos
DPI00-1218 y DPI02-4401 del M.C.Y.T.

Referencias

[2] D. Driankov, H. Hellendoorn, M. Reinfrank,

(1993) An Introduction to Fuzzy Control,
Springer-Verlag, Berlin.

1
0.8

0.3

2.6

[1] K. J.
Astr
om, B. Wittenmark, (1997)
Computer-Controlled Systems: Theory and
Design, 3rd ed, Prentice-Hall, Inc, Englewood
Cliffs, N. Y.

K=1.5

0.2

2.8

Conclusiones

En este artculo se ha desarrollado un procedimiento para el estudio de la estabilidad de

un sistema discreto con control borroso. Hemos
analizado la estabilidad del sistema nominal en
ausencia de perturbaciones, para posteriormente
obtener la variaci
on m
axima de la incertidumbre
asociada a la planta perturbada, de forma que el
sistema siga siendo estable. Dicha metodologa
permite calcular los m
argenes de robustez del sistema, y en particular, considerando que la incer-

[3] A. Espada, (1996) Estabilidad y Robustez

de Sistemas no Lineales de Control. An
alisis
y Dise
no de Controladores Borrosos, Tesis
Doctoral. Departamento de Ingeniera de Sistemas y Autom
atica, Universidad de Vigo,
Espa
na.
[4] W. M. Haddad, D. S. Bernstein, (1993) Explicit Construction of Quadratic Lyapunov
Functions for the Small Gain, Positivity, Circle, and Popov Theorems and Their Application to Robust Stability Part I: ContinuousTime Theory,Int. J. Robust and Nonlinear
Control, Vol. 3, pp. 313-339.
[5] J. E. Slotine, W. Li, (1991) Applied Nonlinear
Control, Prentice-Hall, Inc, Englewood Cliffs,
N. Y.
[6] M. Vidyasagar, (1993) Nonlinear System
Analysis, Prentice-Hall, Inc, Englewood
Cliffs, N. Y.