Control Digital IX Semestre
SECCIÓN 8.1.
INTRODUCCIÓN.
La teoría de Control Optimo u optimización
dinámica, es una teoría matemática debida a
Lev Pontryagin y Richard Bellman 1 en los 60,
la cual se ha aplicado desde entonces en el
diseño de sistemas de control a diversos
campos, como la aeronáutica, el control de
procesos, robótica, bioingeniería, economía,
finanzas y ciencias empresariales, entre otros,
y continúa siendo un área de investigación
activa dentro de la teoría de control.
Ejemplo de ello es la planificación del vuelo de
aviones comerciales y de trayectorias de robots
manipuladores [con el fin de reducir el tiempo
de programación de los robots y programarlos
automáticamente para que operen optimizando
recursos, como por ejemplo la energía
consumida por el sistema].2
Esta teoría estudia la optimización de sistemas
dinámicos o sistemas que evolucionan con el
tiempo. Esto requiere una descripción
matemática del problema, las restricciones
impuestas sobre él y la función objetivo, a ser
maximizada o minimizada.
Un sistema de control óptimo es aquel cuyo
diseño “optima” [minimiza o maximiza, según
sea el caso] el valor de una función
seleccionada como Índice de Desempeño.
Este sistema esta descrito por una variables x,
que describen el estado del sistema,
denominadas variables de estado, al igual que
por unas variables u, que representan la acción
que se ejerce sobre el sistema para poder
controlar su comportamiento.
1
Pontryagin, Lev; Bellman, Richard. Optimal Control. [En
línea]. Consultado el 12 de Mayo de 2011. Disponible en:
http://en.wikipedia.org/wiki/Optimal_control
2
Universidad Rey Juan Carlos. Control Optimo. [En línea].
Consultado el 12 de Mayo de 2011. Disponible en:
http://www.deio.urjc.es/controloptimo.html
1
El Índice de Desempeño es una función cuyo
valor se considera una indicación de que tanto
se parece el desempeño del sistema real al
desempeño deseado.
La selección apropiada de esta función es
importante porque determina la naturaleza del
sistema de control óptimo resultante [lineal, no
lineal, estacionario, o variante en el tiempo].
En cuanto a la formulación de los problemas
de optimización, se puede realizar siempre y
cuando se cuente con la siguiente información:
1) Ecuaciones del sistema.
2) Clase de vectores de control permitidos
3) Restricciones en el problema
4) Índice de Desempeño
5) Parámetros del Sistema
La solución de este tipo de problemas consiste
en determinar el vector de control optimo u(k)
dentro de la clase de vectores de control
permitidos.
Este vector u(k) depende de:
 La naturaleza del Índice de Desempeño.
 La naturaleza de las restricciones.
 El estado inicial o salida inicial.
 El estado deseado o salida deseada.
Un sistema que es óptimo bajo un Índice de
Desempeño es en general, no óptimo bajo otro
Índice de Desempeño.
Se considera un sistema de control óptimo
cuadrático, definido por:
x ( k +1 )=G x ( k )+ Hu ( k ) (1)
Donde,
x ( k )=vector de estado ( vector−n )
u( k )=vector de control ( vector −n )
G=matriz de n∗n
H=matriz de n∗r
Control Digital IX Semestre

Los problemas de este tipo de control consiste

en determinar una ley para el u( k ) tal que un
Índice de Desempeño se minimice.

Un ejemplo de un Índice de Desempeño es:

N −1
1 1
J= x ¿ ( N ) Sx ( N ) + ∑ ¿¿ ¿
2
⏟ 2 k=0
Estado final
(2)
+u¿ ( k ) Ru( k )¿ ¿⏟
Gasto dela energia dela senal

Donde,

S y Q son matrices herméticas 3 (simétricas

reales), definidas positivas4 o semidefinidas5
positivas y R es una matriz hermética definida
positiva.

3
Una matriz A de n*n es hermética si se cumple que
A¿ = A
4
Una matriz f ( x )es positiva definida si
n
f ( x ) ≥0 ∀ x ∈ R (Conjunto de todoslo n−vecoters de numeros reales )
y f ( x )=0 si y solo si x =0.
5
Una matriz f ( x ) es positiva semidefinida si
f ( x ) ≥0 ∀ x ∈ Rn.