I l

I

Sergio Domínguez

José María Sebastián Agustín Jiménez

Pascual Campoy

. OtlQ:O
"

/ /

f

,

CEA

com� español de auméllca

Control en el espacio de estado

UNIVERSIDAD POLITÉCNICA DE VALENCIA Prof Dr lAVIER ARACIL SANTONlA

Catedrático de Ingemería de SIstemas y AutomátIca Prof Dr PEDRO ALBERTOS PÉREZ Catedrático de Ingemería de SIstemas y AutomátIca CatedrátIco de Ingemería de SIstemas y AutomátIca Prof Dr SEBASTIÁN DORMIDO BENCOMO

CONSULTORES EDITORIALES

UNIVERSIDAD DE SEVILLA

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

Control en el espacio de estado
Segunda edición

Departamento de Automática, Ingeniería Electrónica e Informática Industrial Escuela Técnica Superior de Ingenieros Industriales Universidad Politécnica de Madrid

Sergio Domínguez Pascual Campoy José María Sebastián Agustín Jiménez

,

PEARSON Prentice Hall

Madrid e México e Santa Fe de Bogotá e Buenos Aires e Caracas e Lima e Montevideo San Juan e San José e Santiago e Sao Paulo e White Plains

datos de catalogación bibliográfica CONTROL EN EL ESPACIO DE ESTADO Domínguez, S.; Campoy, P.; Sebastián, J.M.; Jiménez, A. Pearson Educación S.A., Madrid, ISBN

DERECHOS RE SERVADOS

Queda prohibida, salvo excepción prevista en la Ley, cualquier forma de reproducción, distribución, comunicación pública y transformación de esta obra sin contar con autorización los titulares de propiedad intelectual. La infracción de los derechos mencionados puede ser constitutiva de delito contra la propiedad intelectual (arts. 270 y sgts. Código Penal).
Formato: Páginas:

170

ISBN
x

Materia: Ingenieria de Control Automático,

240 mm.

10: 84-8322-297-3 13: 978-84-8322-297-3

2006

681.5

440

28042 Madrid

Ribera del Loira, 28

© 2006 por PEARSON EDUCACIÓN S.A..

CONTROL EN EL ESPACIO DE ESTADO Domínguez, S.; Campoy, P.; Sebastián, J.M.; Jiménez, A. ISBN 13: 978-84-8322-297-3

ISBN 10: 84-8322-297-3

Deposito Legal: M-24794-2006

PRENTICE HALL es un sello editorial autorizado de PEARSON EDUCACIÓN S A

Equipo editorial Editor: Miguel Martín-Romo Técnico editorial: MaÍta Caicoya Equipo de producción: Director: 'José A. Ciares Técnico: María Alvear Diseño de cubierta: Equipo de diseño de Pearson Educación S.A. Impreso por: Rigorma Grafic S.L.

IMPRESO EN ESPAÑA - PRINTED IN SPAIN

Este libro ha sido impreso con papel y tintas ecológicos

ín dice gen era l
Indice de figuras Presentación Prefacio Prólogo
1. 1
2a XI

XIII XVII XV

Prólogo a la

edición

XXI

Sistemas continuos

Modelo de estado

1.1. 1.2. 1.3.

1.4. 1.5. 1.6. 1.7.

1.8. 1.9.

Introducción . . . . . . . . . . . . . . . . . . . Concepto de estado . . . . . . . . . . . . . . . 1.2.1. Propiedades de las variables de estado Ecuaciones del modelo de estado . . . 1.3.1. Sistemas dinámicos lineales . . 1.3.2. Sistemas dinámicos invariantes Transformaciones lineales . . . . . . . Representación gráfica de sistemas lineales . Función de transferencia modelo de estado . Métodos de obtención del modelo de estado . 1.7.1. Variables de estado como magnitudes físicas . 1.7.2. Variables de estado como salida de los integradores . 1.7.3. Variables de estado de fase 1.7.4. Variables de Jordan . . 1.7.5. Estructuras compuestas Ejemplos adicionales Ejercicios resueltos . . . . . . .
y v

3 4 7 9 12 13 14 15 17 19 20 22 27 28 30 33 45

3
1

VI 2.

ÍNDICE GENERAL

1.10. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . 2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Solución de la ecuación homogénea. Matriz de transición . 2.2.1. Caso general . . . . . . . . . . . . . . . . . . 2.2.2. Casos particulares de la matriz de transición 2.3. Propiedades de la matriz de transición 2.4. Solución de la ecuación completa . . 2.5. Cálculo de la matriz de transición . . 2.5.1. Método de Cayley-Hamilton . 2.5.2. Método de Jordan . . . . . . 2.5.3. Mediante la transformada inversa de Laplace 2.6. Ejemplos adicionales 2.7. Ejercicios resueltos 3.1. 3.2. 3.3. 3.4. 3.5. 3.6. Introducción . . . . . . . . . . . . . . Definiciones . . . . . . . . . . . . . . Controlabilidad en sistemas lineales . 3.3.1. Cálculo de la entrada en sistemas lineales Controlabilidad en sistemas lineales invariantes . 3.4.1. Invarianza de la controlabilidad ante cambio de base /:" Interpretación geométrica de la controlabilidad . Subespacio controlable . . . . . . . . . 3.6.1. Base del subespacio controlable 3.6.2. Estados alcanzables . . . . . . 3.7. Separación del subsistema controlable 3.8. Controlabilidad de la salida 3.9. Ejemplos adicionales 3.10. Ejercicios resueltos . 3.11. Ejercicios propuestos 4.1. Introducción . 4.2. Definiciones . . . . . . . . . . . . . 4.3. Observabilidad en sistemas lineales 4.3.1. Planteamiento . . . . . . . 4.3.2. Teorema . . . . . . . . . . 4.3.3. Determinación del estado inicial en sistemas observables 4.3.4. Estados no-observables . . . . . . . . . . . . . . . . . 4.4. Sistemas lineales invariantes . . . . . . . . . . . . . . . . . . 4.4.1. Invarianza de la observabilidad ante cambio de base
.

Solución de la ecuación de estado de sistemas lineales

63

61

3.

Controlabilidad

109

63 64 64 65 68 70 72 72 75 78 79 89

4.

Observabilidad

175

109 112 113 116 122 125 125 128 130 130 131 134 137 152 171 175 177 177 177 178 181 183 185 187

ÍNDICE GENERAL

4.5. 4.6. 4.7. 4.8. 4.9.
5.

Interpretación geométrica de la observabilidad Subespacio no-observable . . . . . . . . . 4.6.1. Base del sub espacio no-observable . . . . Separación del subsistema no-observable . . . . . Separación de los subsistemas controlable observable 4.8.1. Cálculo de la matriz de cambio de base . . . . /::,. Reducción del modelo . . . . . . . . . . . . . . . . . 4.9.1. Valores singulares de Hankel realizaciones equilibradas . 4.9.2. Transformación a la realización internamente equilibrada 4.9.3. Reducción del modelo 4.10. Ejemplos adicionales 4.11. Ejercicios resueltos . . . . . .
y y

/::,.

VII

6.

5.1. Introducción . . . . . . . . . . . . . 5.2. Realimentación del estado . . . . . . . 5.3. Control de sistemas monovariables . . 5.3.1. Diseño del bucle de realimentación 5.3.2. Obtención de la matriz de transformación a variables de fase 5.3.3. El problema de la ganancia . . 5.3.4. Diseño de servosistemas . . . . . . 5.4. /::,. Control de sistemas multivariables . . . 5.4.1. Diseño del bucle de realimentación 5.4.2. Obtención de la matriz de transformación a variables de fase 5.5. Ejemplos adicionales 5.6. Ejercicios resueltos . 5.7. Ejercicios propuestos 6.1. Introducción . . . . . . . . . . . . . . . . . . . . . . 6.2. Definición de observadores . . . . . . . . . . . . . . 6.3. Comportamiento del conjunto sistema-observador . 6.3.1. Sin realimentación del estado . . . . . . . . 6.3.2. Con realimentación del estado . . . . . . . . 6.4. Cálculo del observador en sistemas monovariables . 6.4.1. Cálculo de la matriz de transformación . . . 6.5. /::,. Cálculo del observador en sistemas multivariables 6.5.1. Cálculo de la matriz de transformación . 6.6. Observadores de orden reducido . 6.7. Ejemplos adicionales 6.8. Ejercicios resueltos . 6.9. Ejercicios propuestos
Observadores del estado

Control por realimentación del estado

231

188 189 190 191 194 197 198 199 201 204 209 214 231 233 234 234 238 239 243 249 249 253 255 274 284 287 288 291 291 293 295 299 300 305 308 312 325 338

287

. Controlabilidad en sistemas discretos lineales invariantes .5. . . . . Introducción . Solución de la ecuación discreta de estado 343 8. . . . . 7. 9. . . . 7. .4. 7. . .6. . . 7.6. . . . . Matriz de transición . . Sistemas muestreados de control 9.1. . 9. Modelo de estado en variables de Jordan . . . . . . . Modelo de estado en variables de fase 7.5. . 7. 7. . .4. . .7. . . . .9. . . . . . . . . .4. . . Método de diagonalización de Jordan 8.4. . .5. . . . . 7. . . . . . . VIII JI ÍNDICE GENERAL Sistemas discretos 341 Modelo Discreto de Estado 7. Ejercicios resueltos . . 8. . . . . .6. . . . . . Observabilidad en sistemas discretos lineales invariantes 9.7. . 9. . . . . . .1.1. . . . . Controlabilidad en sistemas discretos lineales . . . . . 365 343 344 344 346 347 348 350 351 352 352 354 355 356 357 365 365 366 367 367 368 370 370 372 374 375 Control discreto por realimentación del estado 379 379 380 382 384 385 386 388 390 392 393 397 .4.2. . . 8. . . . . 9. . . . . . .6.11.4. Solución de la ecuación completa 8.3. . . . . Ejercicios resueltos . . . .2. . . . . . . . 7. . 9. Solución de la ecuación homogénea. . . . . . .4. . . . Propiedades de la matriz de transición Cálculo de la matriz de transición . .5. Sistema discreto invariante equivalente . . 8. . .4. . Sistemas muestreados . 8.10. . . . . .2. . Observabilidad en sistemas discretos lineales . Sistemas híbridos realimentados . . . . .2. .2. . . . . . .6. . . . . . Transformaciones lineales . .2. Obtención de modelos discretos de estado . 7. Sistemas híbridos . . 8. 8. .4. . . . .4. . . . Definición de estado para sistemas discretos Sistemas dinámicos discretos . 8. Ejercicios resueltos . Controlabilidad de la salida . . . . .3. .1. . .3. . Controlabilidad .8. .6. . . . Método de la matriz resolvente 8.3.4. Sistemas variantes . . . . . .3. .4. . . . . . .7. . . . . Obtención de la representación externa a partir del estado 7. Método iterativo . . . . .1. . . Controlabilidad y observabilidad en sistemas muestreados 9. . . 9. . .3. . . . 7.4. . 7. . . Observabilidad . . . . . .1. .6. . Introducción . 9. Método de la matriz fundamental de soluciones 8. Control de sistemas discretos por realimentación del estado 9. . Método de Cayley-Hamilton . . . . . . 9. . . . . .

. Indice de materias Bibliografia 410 413 405 406 407 . . . Cálculo del vector propio asociado a un valor propio vectores propios 405 IX . .2.l. Valores A. .ÍNDICE GENERAL III Apéndices y 403 A. . . A. . . . . . . . . Definiciones . . . . .3. . . Diagonalización de una matriz en cajas de Jordan A. .

.

4. Superposición de la evolución libre con el subespacio controlable. 3. . . Evolución temporal de las variables de estado . 3.1. . . 1. . Sistema con realimentación de estado. Realimentación en sistema de tipo uno. . . . . 5. 3. . Adición del parámetro Kü. . Sistemas en paralelo .1. . Separación de la parte no-observable. 4. Puntos alcanzables desde (0. . .. . Representación gráfica del modelo de estado.8. 5.3.9. . .4. Realimentación del estado . . . 3. . 1. . . Representación gráfica vectorial del modelo de estado. .1.5. . . . . . . . .2. . 1.1. Sistemas en serie . .6. . Separación detallada de los subsistemas controlable y observable. Bloque sumador . . .12. . . Multiplicación por una matriz. 1. . . . . 1. . . 1. 5. Transitividad de estado . 5. .2. .0 ) . . 3. . 1. Transición del estado entre dos puntos. . . de forma directa (línea continua) y con un punto de paso intermedio (línea discontinua). Realimentación constante de la salida. .2. . Control proporcional del sistema anterior. Transformación de la matriz de realimentación K. . . 5. . .3. . Separación simultánea de los subsistemas controlable y observable. . Representación gráfica del subsistema controlable. . XI 8 8 9 15 16 16 17 18 31 31 32 33 110 110 118 131 133 175 188 193 196 197 233 240 241 244 245 .3. . Bloque integrador. .7. 1. . . . . . 1. 4. . 4. 4. Concepto de observabilidad.3. .4. . .4. . .5. . .10. Trayectoria del vector de estado en el espacio de estado. . .ín dice de figu ras 1.4. . 1. . . . .5.2. .11. . . . . . .. .5. . 1. Sistema lineal con el conjunto de entradas de test . Sistema no controlable. . .

. . Sistema muestreado con realimentación del estado.2. . . . Conversión a sistema de tipo uno . . 6. . Sistema discreto equivalente. .4.6. . 6. . 7. . Sistema muestreado . . . . . . . . 7. . Sistema con observador matriz de transformación. . 6. 9. . 6.4. Esquema des sistema con observador en la forma canónica observable. . Sistema con parte discreta parte continua. . . . . . . 7. Sistema híbrido realimentado. 6. . .3. Esquema des sistema con observador realimentación en espacio de estado transformado. 9. 6. . . . .2. . .6. 9.8. Concepto de observador. .1.5. Sistema con observador realimentación del estado. 6. Sistema con observador realimentación. .3. Sistema discreto con realimentación del estado. y y y y y 246 287 288 292 293 297 300 301 310 352 353 355 357 390 392 393 394 395 396 . 9. . 9. . .4.6. . . Esquema del sistema con observador. Sistema muestreado con tiempo de cálculo nulo. . Sistema muestreado con tiempo de cálculo no nulo.7. Sistema con retardo no múltiplo entero del tiempo de muestreo .1. . . . 7. 9. .XII ÍNDICE DE FIGURAS 5. . 6. . Sistema con observador de orden reducido. Sistema continuo multivariable . .2. . . . .3. .1. . . .5. . . .

y aso­ ciaciones internacionales. conferencias.). es una asociación sin ánimo de lucro que tiene como objetivo básico servir de foro y ofrecer un marco para el desarrollo en nuestro país de la Automática. entidades. tratar de llenar un hueco. Los fines del CEA-IFAC son. han sustentado sus raíces en las matemáticas aplicadas y se están convirtiendo. informes. entre otros: promover el estudio. de manera cada vez más creciente. congresos. De acuerdo con estos objetivos y en colaboración con el Grupo Pearson se ha iniciado una nueva serie de monografías sobre «Control Automático e Informática Industrial» cuya finalidad es doble: de una parte servir como textos de referencia para nuestros estudiantes. con una colección de libros • • • • XIII . química. el control de procesos y todas las nuevas tecnologías que permiten la realización de los modernos sistemas de control automático. el miembro nacional de la Federación Internacional de Control Automático (IFAC) y canaliza las relaciones internacionales de nuestros técnicos y científicos con esta prestigiosa asociación. que creemos que existe. promover la colaboración entre socios. que tienen sus orígenes en la más remota antigüedad. Los sistemas de control automático. editar y divulgar publicaciones. Es. nuclear. en el área de la Automática: organizar y desarrollar cursos. aplicación y mejora de las técnicas de la Automática. asimismo. etc. El Comité Español de Automática de IFAC (CEA-IFAC). universidades y empresas. El Control Automático es una de las pocas disciplinas que trasciende las fronteras de los campos tradicionales de la ingeniería (mecánica. normas y monografías en el campo de la Automática.Presen ta ción En apenas cincuenta años el Control Automático ha irrumpido como una disciplina pujante y de gran interés no sólo científico y tecnológico. Esta asociación está abierta a todas aquellas personas e instituciones interesadas en los temas teóricos y prácticos propios de la automatización. y. eléctrica. de otra. en componentes esenciales y críticos de cualquier sistema dinámi­ co. comisiones de trabajo y de elaboración de normas. sino también económico.

Está escrito por un grupo de profesores. Estas tres series son: Fundamentos Instrumentación Robótica Este primer libro con el que se inicia la colección pertenece a la serie de ÍlFunda­ mentosz trata sobre «Control en el Espacio de Estado». octubre de 2001 y • • • y y y y y Consultores editoriales Profesores Pedro Albertos Javier Aracil Sebastián Dormido XIV . como un vehículo de comunicación de doble sentido entre la comunidad académica el mundo industrial que está trabajando en el área del Control Automático. Madrid. con una amplia experiencia docente. En los meses sucesivos irán apare­ ciendo nuevos títulos que tratarán de ir perfilando el alcance el sentido de esta colección. Esta colección de libros se ha estructurado en tres direcciones que tratan de abor­ dar los diferentes aspectos que configuran. técnicas procedimientos que demandasn las cada vez más exigentes especificaciones de la automatización de procesos. la automatización de procesos. que inicia su andadura con el mejor de los deseos de ser útil al lector interesado por este apasionante mundo del Control Automático. en un sentido amplio. La colección de libros «Control Automático e Informática Industrial» se plantea. pues. de la Escuela Superior de Ingenieros Industriales de la Universidad Politécnica de Madrid.en español dedicados también al profesional que trabaja en esta temática que necesita de un reciclaje de conceptos.

el concepto de estado se hace dominante en el estudio de los sistemas dinámicos. entre otros. La incorporación de todos estos métodos del dominio temporal tuvo un efecto profundo sobre el problema del control y dio lugar a contribuciones importantes para resolver los problemas de guiado del programa espacial que se había iniciado a comienzo de los años 60. Así. e introdujo la ahora familiar idea de considerar el conjunto relevante de variables del sistema como la trayectoria de un punto en un espacio n-dimensional. intuyó la significación profunda de formular una teoría general de los sistemas dinámicos en función de conjuntos de ecuaciones diferenciales de primer orden. estas variables son las variables de estado. La importancia creciente de los métodos del espacio de estados lleva a R.E. Lo que es fundamental es que su conducta actual está influenciada por su historia previa y que su comportamiento no puede por lo tanto especificarse simplemente como una relación ñinstantáneaZ entre conjuntos de variables de entrada y salida. Poincaré. Las variables de estado representan pues la mínima cantidad de infor­ mación que nos resume todo el pasado dinámico del sistema y es todo lo que necesitamos conocer para poder predecir su evolución futura frente a cualquier señal de entrada que le apliquemos.Prefa cio A finales del siglo XIX H. Se necesita un conjunto extra de variables cuyo objetivo es tomar en cuenta la historia pasada del sistema. dejaron claro la gran utilidad del concepto de estado en la formulación y solución de muchos problemas de decisión y control. con su trabajo pionero sobre los Nuevos Métodos de la Mecánica Celeste. El enfoque de Poincaré al estudio de problemas dinámicos rápidamente se popularizó y se vino a conocer como método del espacio de estado. La utilización del tratamiento del espacio de estados condujo rápidamente a una compensación más profunda de los problemas científicos y matemáticos del Control Automático y se puede considerar que su introducción marca la emergencia de éste como una disciplina científicamente madura. xv . Kalman a investigar la relación entre las representaciones en el espacio de estado (representación interna) y la función de transferencia (representación externa) lo que motivó la introduc­ ción de dos conceptos estructurales fundamentales para la compensación de los sistemas dinámicos: controlabilidad y observabilidad. Hacia mediados de los años 50 los trabajos de Pontryagin y Bellman.

estamos seguros. octubre de 2001 Consultores editoriales Profesores Pedro Albertos Javier Aracil Sebastián Dormido XVI . La significación real de la introducción de los métodos del espacio de estado supone el comienzo de un nuevo. Ahora estamos empezando a ver que el Control Automático es una disciplina muy vasta y que se requieren esfuerzos redoblados para ir enmarcando sus fundamentos técnicos. es sin lugar a dudas uno de los recursos que cualquier especialista en Control Automático debe estudiar y por supuesto conocer. Madrid. una muy buena acogida entre la amplia comunidad de personas que se dedica de una u otra forma a trabajar en este apasionante campo del Control Automático. Este libro con el que se inicia la serie «Fundamentos» de la colección «Control Automático e Informática Industrial» tendrá. más general.A partir de estas consideraciones el estudio de los sistemas lineales invariantes en el tiempo. El texto está escrito en un estilo muy directo cuya lectura resultará de indudable valor de una parte a nuestros estudiantes y de otra al profesional que se dedica al ejercicio práctico de la Automática para reforzar y mejorar su formación en toda esta temática. tanto continuos como discretos. más riguroso y profundo enfoque de nuestro campo.

XVII . información que viene representada por el denominado "estado del sistema". que constituyen el denominado subsistema controlable. Estos resultados son explotados en los dos capítulos posteriores para contestar a las preguntas fundamentales que a continuación se enumeran. Con esta idea básica como objetivo principal. junto con la relación entre sus variables y el resto del sistema. determinan el comportamiento de cualquiera de sus variables. que son: 1.Prólogo Si «la información es poder» y nuestro objetivo es poder controlar el comportamiento de un sistema. Así cada capítulo aborda y resuelve cada una de las importantes cuestiones planteadas. es crucial para relacionar las entradas con la evolución del sistema y ésta con sus salidas medibles. forman el denominado modelo de estado del sistema. 2. abordada en el Capítulo 2. ¿qué mejor que tener la máxima información posible sobre dicho sistema. junto con la evolución de las entradas al mismo. 3. ¿Cuál es la evolución temporal del sistema si conocemos las leyes de variación de las entradas y la información de su estado en el instante inicial? La resolución de esta pregunta. de aquellas variables cuya evolución tempo­ ral es independiente de las entradas y está solamente relacionada con sus valores iniciales y la propia dinámica interna del sistema. para ser utilizada en su control? Esta es la idea básica del Control en el Espacio de Estado. el libro se halla dividido en distintos capítulos que abordan las diferentes fases hasta la consecución del control de un sistema partiendo de la máxima información posible de éste. en el que se separan claramente las variables que pueden controlarse con las entradas del sistema. contar con la máxima información posible del sistema con objeto de utilizarla para controlarlo mejor. La evolución temporal del estado obedece a unas ecuaciones que. Es decir. ¿Cuál es la máxima información que determina e l comportamiento de un sistema? En el Capítulo 1 se explicita que dicha información esta formada por un conjunto mínimo de variables que constituyen el denominado estado del sistema que. ¿Qué parte del sistema puede controlarse con las entradas disponibles? Esta pregunta se resuelve en el Capítulo 3.

difícilmente realizables en la prác­ tica. en el que se especifica que dicho conjunto de variables de estado constituye el denominado subsistema observable. variables de estado estimadas del sistema original) y en función de sus entradas (es decir. para modi­ ficar su dinámica? Esta cuestión es abordada y resuelta en el Capítulo 5. ¿cuáles son las variables que forman parte del estado Esta cuestión se resuelve en el Capítulo 4. Si el capítulo anterior resuelve la modificación potestativa de la dinámica del sis­ tema a partir del conocimiento de su estado. puede ser controlado con sus entradas: ¿cómo deben calcularse estas entradas en función del estado del sistema. cuya evolución temporal no tiene ninguna repercusión sobre el comportamiento de las salidas del sistema. sus salidas y entradas)? . Éste es.4. Si las variables que constituyen el estado del sistema tienen toda la información necesaria de esté en un instante dado ¿cómo se puede conocer su valor? O dicho de forma más precisa. cuyo valor puede obtenerse a partir de las manifestaciones exteriores del comportamiento de éste (es decir. entradas y salidas del sistema original). constituido por un subconjunto de variables formadas por combinación lineal de las variables de estado del sistema original. en el que se consigue controlar el valor en régimen permanente de la salida de un sistema. por tanto. el subsistema que puede y va a ser utilizado en los capítulos subsiguientes para efectuar el denominado Control en el Espacio de Estado o control por realimentación del estado del sistema. 5. Si un sistema. obligando por tanto a que estos observadores constituyan un sistema con su propia dinámica intrínseca en el cálculo de su salida (es decir. En este capítulo se aborda y resuelve igualmente el problema del servoposicionador. Llegado a este punto y al final de este capítulo. tal que la información de su estado puede conocerse con mediciones externas de sus salidas y entradas y cuya evolución temporal puede controlarse con el conjunto de entradas disponibles. no sólo puede fijarse su evolución temporal con una entrada adecuada. en el que se ve que en los sistemas controlables. modificando adicionalmente su dinámica mediante la realimentación de sus estados. o subsistema. puesto que su valor puede calcularse a partir de las salidas y las entradas del sistema. En este capítulo se resuelve el diseño de estos sistemas XVIII del sistema. si se lo separa del resto de las variables de estado. sus entradas y salidas) para que pueda ser utilizado en la modificación de la dinámica del sistema? Esta cuestión es resuelta en el Capítulo 6 para el subsistema observable. surge de forma inmediata la importante cuestión: ¿cómo es posible conocer el estado del sistema a partir de sus manifestaciones exteriores (es decir. 6. se obtiene un subsistema deno­ minado controlable y observable. La reali­ zación práctica de estos sistemas observadores impide que sus cálculos se efectúen mediante operaciones matemáticas derivativas. mediante el diseño de los sistemas denominados observadores del estado del sistema. sino que su dinámica puede modificarse de forma sustancial (fijación de sus polos) mediante una realimentación del esta­ do del sistema.

observadores del estado, imponiéndoles consecuentemente una dinámica mucho más rápida que la de la evolución de las propias variables de estado que se estiman. Este capítulo supone la culminación de la estructura completa de Control por Reali­ mentación del Estado en sistemas continuos y como tal es abordada en los apartados correspondientes de dicho capítulo. 7. Si el control del sistema se efectúa mediante un dispositivo digital, en el que la in­ teracción entre ambos se realiza en instantes de tiempo determinados y periódicos:

cuestiones son resueltas en el Capítulo 7 mediante la obtención de un modelo dis­ creto de comportamiento de los sistemas, tanto en el caso en el que vienen descritos por ecuaciones en diferencias, como en el caso de los sistemas muestreados, en los que se dispone inicialmente de unas ecuaciones diferenciales de su comportamiento, pero sobre los que se interacciona desde fuera sólo en instantes concretos de tiempo y de forma periódica. 8. Una vez obtenido el modelo del comportamiento dinámico de los sistemas discretos ( al menos desde el punto de vista del sistema de control ) ¿cuál es la evolución temporal del sistema a partir del instante en el que se conoce su estado y conocida la ley de variación de las entradas? Esta cuestión es resuelta en el Capítulo 8, obteniéndose unas ecuaciones de evolución del sistema completamente análogas a las obtenidas en el Capítulo 2 para modelos continuos, pero con un cálculo más sencillo a partir del modelo discreto, debido a la simplificación que introduce en su resolución la importante limitación temporal de interacción sobre el sistema. 9. Una vez vista la analogía entre las ecuaciones de los modelos discretos y continuos, surgen las mismas preguntas que las abordadas anteriormente para éstos últimos:

¿cuál es el estado considerado éste desde el punto de vista del sistema digital de control? ¿Y cuál es el modelo que determina el comportamien­ to del sistema en los instantes de tiempo de interacción con él? Estas

¿es posible controlar el estado de un sistema?, ¿es posible calcular su estado a partir de la información de las entradas suministradas y de las salidas medidas? La respuesta a ambas preguntas lleva a los mismos conceptos

de controlabilidad y observabilidad de sistemas continuos, pero con la característica diferenciadora de que en los sistemas discretos es importante determinar el número de valores de entrada o de salida que son necesarios tanto para controlar el sis­ tema como para observarlo, hecho diferenciador debido claramente a la importante limitación temporal de interacción con ellos. La determinación de la controlabilidad y observabilidad del sistema lleva a la obten­ ción del subsistema que es simultáneamente controlable y observable, y por tanto adecuado para efectuar su control por realimentación del estado. Este control se realiza mediante una estructura análoga a la vista en sistemas continuos, que in­ cluye un sistema observador del estado y una realimentación hacia la entrada del
XIX

estado calculado por el observador. Todas las cuestiones anteriormente planteadas y su resolución son abordadas de for­ ma progresiva en los distintos capítulos de este libro. Para ello, en cada uno se avanza en la resolución teórica de las interrogantes planteadas, intercalando ejemplos que ilus­ tran su aplicación en casos prácticos y de forma progresiva hasta cubrir los objetivos inicialmente planteados. Al final de cada capítulo se recogen una serie de problemas resueltos, que ilustran la aplicación de los nuevos avances expuestos, entremezclados con conocimientos adquiridos en capítulos anteriores y aumentando en consecuencia la co­ herencia del conjunto. Por último el alumno dispone en cada capítulo de una serie de problemas planteados y no resueltos, que pueden ser utilizados para la autoevaluación de sus conocimientos y su aplicación a la resolución de problemas prácticos. Madrid, octubre de 2001 Los autores Profesores Sergio Domínguez Pascual Campoy José María Sebastián Agustín Jiménez

xx

Prólogo a la 2a edición
Han pasado cinco años desde la publicación de la primera edición de este libro, tiempo suficiente para que su utilización en clase haya puesto de manifiesto posibles vías para la actualización del texto. De entre todas ellas, finalmente se ha considerado atacar el problema de su mejora fundamentalmente a través de dos caminos: la revisión y la ampliación. El texto de la primera edición se ha revisado profundamente, dando lugar a la reorde­ nación de algunos conceptos para mejorar la claridad de la presentación y la comprensión global de la materia. A la vez, se han incluido también multitud de nuevos ejemplos cuya intención es ir más allá del uso de una determinada fórmula; en su mayoría, siguen una idea de profundización en los conceptos teóricos a través de su aplicación práctica. El resultado es una serie de casos en los que se hace uso extensivo de la teoría, revisando metódicamente sus posibilidades, peculiaridades y, sobre todo, los aspectos más rele­ vantes de su utilización en situaciones reales. Dada la considerable extensión de algunos de ellos, se ha considerado como mejor solución agruparlos en una sección aparte de cada capítulo, con la intención de mejorar la legibilidad de la parte teórica, evitando prolon­ gadas interrupciones. Así, bajo el nombre de Ejemplos adicionales, el lector encontrará estos casos de uso extendidos; a diferencia de los ejercicios, tanto resueltos como pro­ puestos, que se incluyen en cada capítulo y cuyo objetivo es facilitar la práctica de los conocimientos adquiridos, estos ejemplos se incorporan como una herramienta didáctica de apoyo a la explicación teórica mediante la aplicación y el análisis de los resultados obtenidos con las técnicas presentadas. El contenido del libro ha sido asimismo ampliado mediante la inclusión de nuevos conceptos teóricos; todos ellos se fundamentan en las técnicas presentes en la primera edición, pero representan una lectura avanzada. Estos nuevos contenidos atañen funda­ mentalmente a controlabilidad y observabilidad, profundizando en su estudio teórico y en los aspectos de su aplicación en la práctica, y llegando, como consecuencia, a plantear la reducción del modelo. En este sentido, el resultado de esta segunda edición es un texto que se puede entender como estructurado en dos niveles: uno básico y otro avanzado, como ya se ha dicho. El básico constituye el contenido apropiado para un curso de ini­ ciación a los conceptos y técnicas del control mediante variables de estado, mientras que el avanzado incluye los contenidos accesibles para lectores familiarizados con lo anterior.
XXI

Como en el caso de los ejemplos extendidos, se ha intentado que la inclusión de estos nuevos contenidos no interfiera con la lectura por parte de quienes toman contacto con el control con variables de estado por primera vez, de forma que se ha optado por marcar estos conceptos avanzados con el signo 6, visible tanto en el cuerpo del texto como en el Índice general. De esta forma, al comenzar una sección cuya temática se considera fuera del temario básico, la presencia de este símbolo avisa al lector novel de que su contenido está orientado hacia personas con más experiencia. Los autores deseamos aprovechar la oportunidad que ahora se nos presenta para mostrar nuestro agradecimiento a todas las personas que han hecho posible la apari­ ción de esta segunda edición; comenzando por todos aquellos que con sus comentarios y aportaciones han permitido la mejora del texto, siguiendo por los Consultores Editoriales de la colección de "Automática y Robótica" y terminando, no por ello con menor efusión, por el Equipo Editorial de Prentice-Hall. Madrid, mayo de 2006 Los autores Profesores Sergio Domínguez Pascual Campoy José María Sebastián Agustín Jiménez

XXII

Parte 1 Sistemas continuos

1

1
1.1.

Modelo de esta do
Introducción

La teoría moderna de control está basada en el conocimiento del comportamiento interno de los sistemas, reflejado en las variables que influyen en su dinámica. Estas variables constituyen el concepto de estado del sistema, que será definido en este primer capítulo, y establecen la piedra angular de dicha teoría. El conocimiento de la evolución de todas las variables que influyen en la dinámica del sistema permite efectuar un control más potente de ésta y abordar el control de sistemas más complejos. La teoría moderna de control se desarrolla para solventar algunos de los problemas en los que presenta fuertes limitaciones la denominada teoría clásica, basada en el mode­ lado de la relación entre una entrada y una salida de los sistemas dinámicos lineales de parámetros constantes. Las ventajas de la teoría moderna de control, en contraposición la teoría clásica, son fundamentalmente las siguientes: Es aplicable a sistemas multivariables en los que existe un elevado grado de interac­ ción entre las variables del sistema, no pudiendo establecerse bucles de control entre una salida y una entrada concreta que se puedan ajustar de forma independiente según se aborda en la teoría clásica. Es aplicable a sistemas con relaciones no-lineales entre las variables involucradas en su dinámica y cuyo comportamiento no puede ser aproximado por un modelo lineal, dentro del rango de valores que van a tomar sus variables. Es aplicable a sistemas cuyos parámetros varían en el tiempo a velocidades com­ parables con la evolución de sus variables, para los que no se puede obtener, en consecuencia, un modelo de parámetros constantes válido en el rango temporal necesario para efectuar el control. 3
a • • •

4

CAPÍTULO

1.

MODELO DE ESTADO

Es aplicable a sistemas complejos de control, con un gran número de variables internas que condicionan el comportamiento futuro de la salida. La utilización de la realimentación sólo de la salida, según el modelo clásico, empobrece la información disponible por el regulador para controlar la planta, lo que llega a impedir un control de la salida del sistema con mejores prestaciones. Es aplicable a la optimización del comportamiento de sistemas, entendida ésta como la minimización de una función objetivo que describe un índice de costo que a su vez refleja la calidad en la consecución de los objetivos de control. Las mencionadas ventajas diferenciadoras de la teoría son abordadas por distintas ramas del control, denominadas respectivamente: control multivariable, control no-lineal, control adaptativo, control por asignación de polos y control óptimo. Aunque cada una de estas ramas del control automático utiliza técnicas que le son propias, todas ellas confluyen en la necesidad de un modelo del comportamiento de sistemas dinámicos que incluya la evolución de sus variables internas, que pueda aplicarse a sistemas multivaria­ bles y que pueda ser no-lineal y /o de parámetros no constantes. Este modelo del sistema es el denominado modelo de estado del sistema, que se presenta y estudia en el presente libro. Si los sistemas multivariables a los que se aplica la teoría moderna de control presentan un comportamiento dinámico que puede aproximarse por modelos lineales de parámetros constantes, se simplifica mucho su análisis y el diseño de los reguladores multivariables. El estudio de estos sistemas lineales e invariantes es abordado en los apartados correspon­ dientes de cada uno de los capítulos de este libro, estudiándose en los últimos capítulos el diseño de reguladores para la asignación directa de los polos del sistema multivariable, que fijan su comportamiento dinámico en cadena cerrada.

1.2.

Concepto de estado

La teoría moderna de control se basa en la representación matemática de los sistemas dinámicos por medio del concepto de estado, en contraposición con la teoría clásica de control, que utiliza únicamente la relación entre su entrada y su salida.
Se define estado de un sistema como la mínima cantidad de información nece­ saria en un instante para que, conociendo la entrada a partir de ese instante, se pueda determinar cualquier variable del sistema en cualquier instante posterior.

Es común emplear la nomenclatura de representación interna, cuando se utiliza el es­ tado para representar un sistema, y representación externa, cuando se emplea la relación entrada-salida. Se diferencia entre ambas nomenclaturas para recalcar los distintos enfo­ ques. El Ejemplo 1.1 que se describe a continuación pone de manifiesto las diferencias.

� _1III1t:h(t) Salida • Su poniendo consta nte la sección del depósito. normal mente fuera de a lca nce. según la expresión : q(t) que mod ifica el vol umen de Ah(t) h(t) Ji -.2. la evolución de la a ltura se puede ca lcular i ntegra ndo la a nterior expresió n : A 1 h(t) ¡-t00 ¡¡q(T)dT Para determinar la altura en cualq uier instante de tiempo. En la teoría clásica de control se rea l iza- ..1.1 El depósito de la figu ra recibe u n ca udal líq u ido q ue contiene. q(t) = Entrada J SISTEMA Estado h �t� - L ... lo que evidente­ mente obliga a u n conoci m iento de las condiciones q ue han actuado sobre el sistema . CONCEPTO DE ESTADO 5 q(t) = V(t) = Ejemplo 1. es necesario cono­ cer la evolución del ca udal desde el comienzo de los tiem pos..

< . denomi­ nadas variables de estado del sistema. u(r)) . recibe el nombre de vector de estado. en primer lugar. debido a su sencil lez. Esta i nformación .6 CAPÍTULO 1. la anterior definición puede expresarse de forma matemática como: (1. sólo el valor en ese insta nte) . x(to ) . es considerar la información que resuma todo lo acontecido en el sistema hasta ese momento. En la gran mayoría de los sistemas físicos reales se podrá obtener un modelo suficientemente aproximado donde el vector de estado sea de dimensión finita.1) x(t) = lJ!(t. en los cua les la sa lida y el estado no sólo no tienen por qué coi ncidir. atendiendo. La a ltura del depósito representa el estado en el ejemplo considerado y. q ue si es la mín i ma se denomina estado. q(r) ) . x(t) . Esta situación no es en a bsol uto genera lizable a otros sistemas. de la entrada apl icada entre a m bos y de la a ltura en el i nsta nte i n icial (no i nfluye la evol ución hasta entonces. en la segunda parte del libro. t Si bien el modelo de estado tal como se formula es válido para establecer la repre­ sentación de sistemas tanto lineales como no lineales. La cantidad mínima de información que define el estado viene representada por un conjunto de variables Xi (t) cuyos valores dependen del instante t considerado. pod ría ser en el presente ejemplo la altura en u n determi nado insta nte to: h(to). Si además se representa el conjunto de variables de entrada mediante el vector u(t) . Este conjunto de variables. de esta forma la evol ución de la altura del depósito sería : h(to) + h(t) lJ!(t. sobre la q ue se basa la teoría moderna de control. to r ::. coi ncide con la sa lida del sistema . U na a lternativa a estos pla ntea mientos. to . l. t Donde se a precia que la altura en u n determ i nado insta nte de tiempo sólo depende de los insta ntes i n icial y fina l . como considerar que las condiciones i n iciales era n n u las. El hecho de que no se profundice igualmente en el estudio de los sistemas no lineales viene dado por la falta de generalidad n. to t A q(r)dr to 1 < r ::. MODELO DE ESTADO ban a lgunas simplificaciones. siendo éste el único caso estudiado a lo largo de todo este texto. to . en el presente texto el estudio se va a centrar en los primeros. a los discretos. h(to ) . a los sistemas lineales contin­ uos y. sino que n i siquiera han de poseer la misma d i mensión.

en contraposición a los sistemas estocásticos. se concreta en una trayectoria que el vector de estado sigue dentro del espacio de estado. como las entradas y las salidas. U(T) to T � t x(t) es única. El vector de estado se define sobre el denominado espacio de estado: Espacio de estado es el espacio vectorial en el cual el vector de estado toma valores. En principio. el estudio se centra en los sistemas físicos. Al ser el espacio de estado un espacio vectorial. en primer lugar. Xo = x(to). En aras pues de avanzar en la introducción de los conceptos fundamentales de la teoría moderna de control. teniendo por tanto la misma dimensión que el número de elementos de dicho vector. Dentro de los sistemas causales.1.1. por lo que siempre se parte del supuesto de que se ha de cumplir con esta propiedad. la combinación de estas evoluciones. El valor del estado en distintos instantes varía en función de las condiciones iniciales con las que empieza a evolucionar el proceso y de la entrada que recibe el sistema. CONCEPTO DE ESTADO 7 en su tratamiento.1 para el caso de un modelo con tres variables de estado. para los que dada una entrada se puede encontrar una salida de forma unívoca. no existe un procedimiento universal para la solución de ecuaciones diferenciales no lineales (y un modelo de estado de un sistema no lineal es precisamente eso). el análisis se centra en los sistemas deterministas.1 se van a establecer dos hipótesis ya conocidas. según se refleja en la Ecuación 1. Unicidad 't/t � to. Esta dependencia no afecta a cualquier variable externa.2. admite infinitas bases. por lo que también existen infinitas posibilidades.2 . para los que la salida ante una determinada entrada se modeliza como una cierta función de densidad de probabilidad. 1. que no modifican su expresión sea cual sea la representación del estado elegida. se orienta por tanto el estudio hacia los sistemas lineales. relacionadas entre sí mediante transformaciones lineales. por eliminación del tiempo entre todas ellas. y que también aparecen en la teoría clásica de control. para la formulación del modelo de estado de la Ecuación 1. por lo que no se puede establecer una metodología genérica para su análisis. El comportamiento descrito por esta ecuación se traduce en que cada una de las variables de estado modifica su valor a lo largo del tiempo. como puede verse en la Figura 1. sistemas que por propia naturaleza cumplen con el principio de causalidad.1 . < =} .2. La representación del estado depende de la base elegida. Propiedades d e las variables d e estado Las trayectorias que describe el vector de estado de un sistema causal y determin­ ista dentro del espacio de estado están sujetas a las siguientes condiciones ligadas a la definición de estado del sistema: 1. tal como se observa en la Figura 1. igualmente relacionadas entre sí por transformaciones lineales.

CAPÍTULO 1. -1 Figura 1.5 1 X.2: Trayectoria del vector de estado en el espacio de estado. / / ¡- \ ---- ---- ---- X3 -1 / / ---- / ---- / ---- o Xl 2 I I -1 -0. X.5 -0.5 X. MODELO DE ESTADC -0.25 0. o 0.75 -0.1: Evolución temporal de las variables de estado.5X. .25 0.5 I I I ¡1 Figura 1.8 1.

. x(to )..2) Y 3.1.3: 'fransitividad de estado = = < < X(t2) W(t2 .3. la teoría de estado representa un formalismo para el tratamiento y resolución de sistemas dinámicos deterministas. x(to ). ::. Transitividad o propiedad de transición Si se considera en una en el espacio tiempos. JI. Las trayectorias en el espacio de estado son funciones continuas: lím x(t) = x(to ) Vt. to . . to . to Continuidad t---+ to (1. U(T)) con to T t2 X(t2) W(t2 ..3.x(h)... tl . t2 siendo: x(td w(tl . Ecuaciones del modelo de estado Como se ha establecido con anterioridad.3. U(T)) con to T h Esto significa que para conocer el estado en el instante t2 da lo mismo: Conocer el estado en to la entrada entre to t2 · Conocer el estado en h y la entrada entre tl y t2 · < • • = Y Y ::." x(to ) x(td Figura 1.. testá en la 2 . tal como se esta propiedadFigura 1. ECUACIONES DEL MODELO DE ESTADO 9 2. U(T) ) con h T ::. Una definición amplia de dichos sistemas es la siguiente: . to l trelacionado pormuestra trayectoriatransición:valor de estado tresestos tiempos. el del estado en de 2 -'--- �/:. 1..

5 se le llama realización en el espacio de estado del sistema.3) y(t) = r¡ (t. las de entrada y las de salida: donde En la teoría moderna se añade. y a la Ecuación 1. Asimismo.4 y 1. no del estado y de la entrada en instantes anteriores. del estado y de la entrada en ese instante. De otra parte. u(t)) (1. para determinar su dinámi­ ca también basta el conocimiento de las variables de estado y de la ecuación de estado. es posible definir una relación de la salida con éste y con la entrada.1. Como el estado es la representación suficiente del sistema. x(t) .10 � CAPÍTULO 1 . MODELO D E ESTADO Un modelo de sistema dinámico determinista es una relación matemática entre dos conjuntos de variables.4 se le llama ecuación de estado.1. se llama orden del modelo al número de variables de estado con el que se construye. otro conjunto de variables. La resolución de dicha Ecuación 1. De esta forma. De estas ecuaciones se intuye la continuidad de las trayectorias descritas por las variables de estado. u(t) y(t) ¡(t.5) donde a la Ecuación 1. que representa la dinámica de la evolución del estado del sistema. Entradas y estados se encuentran relacionados como ya se vio en la Ecuación 1.4 con unas determinadas condiciones iniciales da lugar a la Ecuación 1. como el estado recoge toda la información del sistema en un determinado instante. u(t) ) = r¡(t. A la representación de estado descrita en las Ecuaciones 1. u(t)) donde se puede observar que la salida en el instante t sólo depende del tiempo. por propia definición. Los sistemas dinámicos diferenciales se caracterizan porque pueden ser representados por una ecuación que incluya información del estado de la forma: x(t) y(t) = u(t) es un vector de dimensión m e y(t) es un vector de dimensión p . a las que se llama estados. entendiendo por tales valores del estado en los que el sistema funciona por tiempo . que describe la trayectoria seguida por el estado dentro del espacio de estado. x(t) . aspectos como la estabilidad del sistema y sus posibles estados de equi­ librio. Esto se debe a que toda esta información. como ya se ha explicado.5 se le llama ecuación de salida. ya está recogida en el estado. x(t) .4) (1. Dicha relación se establece mediante una ecuación de la forma: (1. que la dimensión del vector de estado coincide con el número mínimo de condiciones iniciales necesarias para resolver la ecuación de estado y que pueden considerarse como variables de estado las salidas de los integradores.

4.1 . u(t)) = O Ejemplo 11 O btener el modelo de estado que define la evolución del desplaza miento y(t) . Se eligen: = = = Ky(t) + J dy(t) dt = f + M Teniendo en cuenta que u(t) :i.2 y(t) F(t) Al ser u n sistema de segu ndo orden .6) J(t. mientras que la determinación de los estados de equilibrio se lleva a cabo encontrando las soluciones de la ecuación: (1.Jy(t)] 1 [u(t) . las ecuaciones del modelo de estado será n : y(t) = y(t) d2 y(t) dt 2 = . el estudio de estabilidad requerirá de métodos específicos según la naturaleza lineal o no lineal de esta ecuación. a nte u na fuerza de desplaza m iento F(t): 111 1.KX 1 (t) . se necesitará n dos varia bles de estado. de una masa M con consta nte elástica K y con coeficiente viscoso J. 3.JX 2 (t)] M X l (t) X 2 (t) F(t) . ECUACIONES DEL MODELO DE ESTADO 11 indefinido sin que se produzca variación alguna. se estudian a partir de la Ecuación 1.¡ (t) : h (t) y(t) X 2 (t) 1 jj (t) = M [u(t) .Ky(t) . x(t) .

n. la salida es Y3 (t) = aY l (t) + bY2 (t) . B (t) y C (t) dependen de la representación del estado elegida.Bf (t . x l (t) . au l (t) + . Las expresiones de las matrices A (t) . con una entrada cualquiera Ul (r) . f y r¡ son lineales con Esta propiedad de linealidad en sistemas diferenciales se traduce en que las funciones respecto a x y a u: (1. X2 (t) . y a partir de cualquier otro estado inicial X2 (tO) con cualquier otra entrada u 2 (r). X2 (t) . por lo que la propiedad de linealidad se verifica si y sólo si las ecuaciones del modelo de estado se pueden expresar en forma matricial como: (1. Ul (t)) + .9) x(t) = A (t)x(t) + B (t)u(t) y(t) = C (t)x(t) + D (t)u(t) (1. La ecuación de sa lida será simplemente: = CAPÍTULO 1 .10) Ésta es la forma en la que se representa el modelo de estado de un sistema dinámico lineal. Se dice que dicho sistema es lineal si para todo a y b reales. U l (t)) + . to < r ::.BX2 (t) . Para ello se le aplica el test de superposición: Se tiene un sistema que partiendo de un estado inicial cualquiera X l (to ) . f (t . aX l (t) + .Bu 2 (t)) = = a r¡(t. de dimensiones B (t) es la matriz de entradas. m. aX l (t) + . aU l (t) + . A(t) es la matriz del sistema.BX2 (t) . MODELO DE ESTADO X l (t) Sistemas dinámicos lineales En primer lugar. 1. de dimensiones p D (t) tiene dimensiones p (en la mayoría de los sistemas es nula). x x m. de dimensión y(t) es el vector de salida. t. to < r ::. . de dimensión u( t) es el vector de entradas. como se detalla en la Sección 1.4. U2 (t)) n x n x n n. de dimensiones C (t) es la matriz de salida. es necesario conocer si un sistema dinámico dado es o no lineal. to < r :S t.Br¡ (t .8) donde f y r¡ son funciones vectoriales. responde con una salida Yl (t) . partiendo del estado inicial X3 (tO) = aX l (tO ) + bX 2 (tO) con una entrada u3 (r) = aU l (r) + bU2 (r). t.7) (1. U2 (t)) r¡ (t . responde con otra salida Y2 (t) . donde: x(t) es el vector de estado. n.12 y(t) 1 . de dimensión p.3.B u2 (t)) = = a f (t . x l (t) .

el modelo de estado en forma matricial se ca lcula a partir de las ecuaciones dadas. Sistemas dinámicos invariantes y [ �� ] + [O]u(t) M 1 1 ] u(t) B.2. uI (r) .3. en los sistemas lineales. Y que produce como salida la señal YI (t) . responde con una salida que es Y 2 (t + T) = YI (t) . D tienen sus elementos constantes. se dice que es invariante si VT. ECUACIONES DEL MODELO DE ESTADO 13 Ejemplo 1. no son funciones del tiempo. y(t) Toma ndo: X l (t) X 2 (t) el modelo de estado q ueda como: _ 1- y(t) = iJ(t) = f y(t) [ 1 O ] 1. las matrices A. . pero en el instante to + T. to < T � t. con un estado inicial dado por Xo = x ( to) .11 .3 Para la evol ución del desplaza m iento y(t) . excitado con una entrada u 2 (r + T) = U I ( T ) . sometido a una entrada < r � t. e Esta propiedad de invarianza significa que..3. partiendo del mismo estado Xo . to Un sistema. .

se puede obtener una nueva representación de estado. y .13) C (t)T(t)5é(t) + D (t)u(t) y supone una nueva representación del estado.4. da lugar a nuevas matrices del modelo: A (t) = (T � l ) (t)T(t) + T .1 (t)B (t) C (t) = C (t)T(t) D (t) = D (t) [ ] (1.11) 5é(t) = T .1 (t)x(t) derivando la expresión de 5é(t) se tiene: j¿ (t) x(t) y(t) A(t)x(t) + B (t)u(t) C (t)x(t) + D (t)u(t) y como se cumple que: entonces se puede sustituir.1 (t) [A(t)T(t)5é(t) + B (t)u(t)] = (T � l ) (t)T(t) + T . mediante el vector de estado 5é(t) obtenida mediante una transformación lineal que en general depende de t. Esta nueva representación del estado.14 1 .1 (t)x(t) T(t)5é(t) A(t)x(t) + B (t)u(t) que junto con la ecuación: y(t) [ = = ] (1. equivalente a la inicial.14) Partiendo de un modelo de estado cualquiera conociendo la matriz de transfor­ mación T(t) . quedando: j¿ (t) (T � l ) (t)T(t)5é(t) + T . Esto es lo que se denomina una transformación lineal en el espacio de estado.1 (t)A(t)T(t) 5é(t) + T . Se define un nuevo vector de estado a partir de x(t) mediante la expresión: x(t) = T(t)5é(t) (1.12) (1. Transformaciones lineales = = CAPÍTULO 1.1 (t)B(t)u(t) { x(t) x(t) = = (T � l ) (t)x(t) + T . MODELO DE ESTADO Se parte de una representación cualquiera de estado x(t) : y se define una Tn x n (t) con la particularidad de que no sea singular de que exista la derivada de su inversa.1 (t)A(t)T(t) B (t) = T.

A(t)T B (t) = T.1 B (t) C (t) = C (t)T D (t) = D (t) (1..17) .16) u(t) �y(t) = 0 · Figura 1.. Hay tres tipos básicos de elementos: 1. ..4.. que no dependa del tiempo. La situación más común es que la matriz de transformación T sea invariante. pero sigue siendo el mismo.15) 1. y(t) = 2.(]H5.. representada en la Figura 1. representado en la Figura 1. REPRESENTACIÓN GRÁFICA DE SISTEMAS LINEALES 15 Lo que se está haciendo es un cambio de base por lo que el vector de estado x(t) viene definido por distintas componentes. y(t) R(t)u(t) (1.5: Multiplicación por una matriz. La matriz de transfor­ mación T(t) es tal que sus columnas representan las coordenadas de los vectores que constituyen la nueva base expresados en la base antigua.4: Bloque integrador. Multiplicación por una matriz. Bloque integrador. ¡ Representación gráfica de sistemas lineales El modelo de estado de un sistema lineal admite una forma gráfica por bloques similar a la de los sistemas representados por su función de transferencia. es decir.5. i Figura 1. · jt00 u(r)dr - = y(to) + ( u(r)dr t it a (1.5. lo que simplifica la expresión de las matrices del modelo de estado en la nueva base: l A (t) = T.

Bloque sumador 1 . u(t) y (t) v (t) = Figura 1 .16 CAPÍTULO 1 .by(t) + u(t) El Ejemplo 1 . representado en la Figura 1 . Hay que recordar que un mismo sistema admite distintas representaciones de estado. Así para el siguiente sistema: ( 1 . 18) 1.4 H a l lar la representación gráfica del sistema : jj (t) + aiJ (t) + by(t) = u(t) => jj (t) .aiJ (t) . y(t) Ejemplo u (t) + v (t) = ( 1 .6 : Bloque sumador. . lo que hará que el mismo sistema pueda estar representado por distintas matrices A.6. -C y D. B. M O D E L O DE ESTADO 3. 19) 1 En adelante.4 suministra un primer método para obtener el modelo de estado a partir de la representación gráfica: tomar como variables de estado las salidas de los integradores y considerar las condiciones iniciales en el instante to como estado inicial. si no se indica lo contrario. se suponen siempre positivas las entradas a todos los bloques sumadores.

7 . Figura 1.8. 1.7: Representación gráfica del modelo de estado.8: Representación gráfica vectorial del modelo de estado.20) La representación de este sistema con los anteriores tipos de bloque será la represen­ tada en la Figura 1. la función de transferencia. FUNCIÓN DE TRANSFERENCIA Y MODELO DE ESTADO 17 (1.6.1 . a partir de la representación del estado de un sistema lineal e invariante. Función de transferencia y modelo de estado El problema que se aborda en este apartado es obtener. En lugar de operar con escalares es más útil operar con vectores. Si el sistema no . 6 . u(t) Figura 1. como puede verse en la Figura 1.

24: [sI . la función de transferencia del correspondiente sistema es. entonces: sX(s) . la función de transferencia que rige la relación entrada salida es única.Al ( 1 .1 [s CT [sI . en cocientes de polinomios. 23) donde G(s) es una matriz de funciones de transferencia de dimensión p Esta matriz consiste. sea cual sea el modelo de estado del sistema. aplicando la Ecuación 1 .Al T ( 1 . Si T es una transformación invariante. puesto que el modelo de la teoría clásica requiere que el sistema cumpla con estas condiciones. todas las variables son vectores: donde x(O) es el vector de condiciones iniciales. para todos sus elementos. una relación entre la función de transferencia de la teoría clásica y el sistema de estado de la teoría moderna. Como ya se ha visto en este capítulo.1 [sI Al .Ar 1 BU(s) + DU(s) Y(s) = [sI Ar 1 B + D U(s) => -1 B + D => G(s) = C [sI . no es posible establecer esta relación. un mismo sistema admite infinitas representa­ ciones de estado.2 1 ) ( 1 .Al .1 T .Á - [ r 1 B + f> = ( 1 .1 B + D = CTT . MODELO DE ESTADO cumple con estas dos condiciones.T . coincidiendo con la teoría clásica. La expresión de un sistema lineal e invariante es: x(t) y(t) = Ax(t) + Bu(t) = Cx(t) + Du(t) = ( 1 .1 AT] . 24) = det � _ Al Adj [sI . O(s) Es decir.25) . En principio. 15: - [c ] x m. Si es x(O) = 0.Ar 1 B + D = O(s ) e sI . Teniendo en cuenta además que en 1 . Ya se tiene.x(O) AX(s) + BU(s) [sI .1 TT .Al X(s) = BU(s) X(s) = [sI .22) Para aproximar el modelo al de la función de transferencia se toman transformadas de Laplace y se establece una relación entre la entrada y la salida.1 B + D = C [sI .Ar 1 BU(s) Y(s) = CX(s) + DU(s) = C [sI . pudiendo obtenerse una cualquiera a partir de una dada mediante la aplicación de una transformación lineal. de esta manera. linealidad e invarianza.18 CAPíTULO 1 .

de forma que dado un sistema cada una de ellas es diferente. 1 . La posición de los ceros del sistema viene dada por las matrices A. = 19 (1 . como el polinomio característico sólo depende de A. B.4 no estaría definida. e igualmente válidas para la descripción del sistema.1 . En esta sección se van a explicar diferentes técnicas para obtener una representación del estado. 7. sus primeras derivadas y las entradas. la represen­ tación del estado de un sistema no es única. 4. las entradas y las salidas. 7 . pudiendo obtenerse una a partir de otra mediante transformaciones lineales. Observando las ecuaciones de estado y de salida del sistema: x(t) y(t) = se pueden deducir las siguientes condiciones que habrá que tener en cuenta cuando se elige un modelo de estado: 1 . En la ecuación de estado sólo pueden estar relacionadas las variables de estado. Se admiten discontinuidades en la entrada (por ejemplo. para cada una de las cuales las ecuaciones que definen su comportamiento. C y D.4 y 1 . tienen distinta expresión. por lo que en ningún caso pueden elegirse las entradas como variables de estado del sistema. sino que pueden encontrarse infinitas. pues en tal caso la derivada de la variable de estado que aparece en la Ecuación 1 . Métodos d e obtención del modelo d e estado Como se ha venido mencionando en distintas secciones de este capítulo. 3. En los siguientes subapartados se explican diversas metodologías para elegir variables de estado de un sistema y. también ha 4e ser así con la estabilidad del sistema.5. 1. En la ecuación de salida sólo pueden estar relacionadas las variables de estado. entrada en escalón). MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO se concluye que el polinomio característico del sistema es : p(s) det [sI .26) Polos = Valores propios de A Se ve asimismo que. Existen distintas posibilidades de elección de las variables de estado de un sistema. aunque la entrada al sistema sí que las tenga. para representarlo mediante su modelo de estado: Ax(t) + Bu(t) = Cx(t) + Du(t) .Al por lo que los polos del sistema coinciden con los valores propios de la matriz A. todas ellas equivalentes entre sí. Las variables de estado no pueden presentar discontinuidades. 2. por tanto.

las variables que pueden elegirse como variables de estado son aquellas que caracterizan esta transmisión de energía entre un objeto y el medio. puede considerarse con unas características intermedias. pudiéndose aplicar a cualquier tipo de sistemas dinámicos lineales o no-lineales. Variables de estado de Jordan. según se muestra en el Subapartado 1. Al hablar de elementos que acumulan energía. desde el punto de vista físico. y las dos últimas como las que presentan una mayor elaboración matemática que repercute en la simplicidad de las ecuaciones del modelo de estado resultante. 2. 1 . MODELO DE ESTADO Variables de estado como magnitudes físicas del sistema. 4. una masa suspendida a una cierta cota o el agua dentro de un depósito hasta una cierta altura). • . Por tanto. Según se verá en las subsecciones siguientes. 3. 7. en las que las variables de estado elegidas pueden tener una interpretación física y adicionalmente se puede sistematizar su elección para la obtención del modelo de estado sencillo. una masa desplazándose a una cierta velocidad o un objeto girando a una cierta frecuencia). basada en la salida de los integradores. La segunda. las dos últimas metodologías expuestas son aplicables solamente a sistemas lineales. el móvil giratorio se decelera con una cierta aceleración angular.2. la masa suspendida cae con una cierta aceleración finita. 7. Variables d e estado como magnit udes físicas La idea básica es escoger como variables de estado los elementos que acumulan ener­ gía. 1 . como a aquellos que acumulan energía cinética (intensidades en bobinas. Variables de estado de fase. se hace referencia tanto a elementos que acumulan energía potencial (un condensador. lo que impide que las variables de estado presenten discontinuidades. 1 . se produce una transmisión de energía hasta producir un equilibrio energético. Estas metodologías se presentan ordenadas de manera que las variables de estado elegidas en cada una de ellas presentan un orden decreciente en su significado físico y un orden creciente en cuanto a la simplicidad del modelo matemático resultante. la primera metodología puede considerarse como la más intuitiva. con la característica de que dicha transmisión no es instantánea en ningún caso: el condensador tiene una función de descarga. Según este criterio de ordenación. y que al representar esa dinámica no podrán sufrir variaciones bruscas: En sistemas eléctricos: las tensiones en los condensadores y las intensidades en las bobinas. La segunda puede aplicarse también a todo tipo de sistemas. Variables de estado como salida de los integradores del sistema. etc. Cuando uno de estos elementos acumuladores de energía son puestos en contacto con un entorno con un nivel energético distinto. mientras que la primera es la más genérica y menos sistematizada.20 CAPíTULO 1 . si bien en el caso de sistemas lineales se puede predecir la forma del modelo de estado resultante.

que en u n ci rcuito electrónico son las tensiones en los condensadores y las i ntensidades en las bobinas. Las tensiones Uc 3 Y Uc 4 no representa n d isti ntas variables físicas y son idén­ tica mente igua les para cua lesq u iera condiciones i n iciales y cualq uier evol ución de la dinám ica del sistema . que son necesarios para determinar el estado del sistema en cada insta nte. deben ser designadas con el mismo sím bolo y ser elegidas sólo como una n ueva variable de estado. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO • • 21 y • En sistemas mecánicos: las posiciones (energía potencial) las velocidades (energía cinética).1 . Dichas tensiones tienen en genera l va lores disti ntos q ue dependen de sus condiciones i n icia les. y por ta nto d icha i ntensidad debe considerarse como la única variable de estado asociada a d icha ra ma del circu ito. 7.5 Elegi r u n conj u nto posible de varia bles de estado para el sistema de la figu ra : 14 15 Ejemplo + U e R uc1 e R uc2 R e e L l/2 L/2 Según se ha dicho. El m ismo razona miento es a p l ica ble para concl u i r que las i ntensidades i 4 e i5 son a m bas varia bles de estado y representa n variables disti ntas que tendrá n en genera l valores disti ntos. Por ta nto. Por ta nto. se deben elegi r como varia bles de estado aquellas que repre­ senta n el "estado"de cada u no de los elementos acu m u ladores de energía . simu ltánea­ mente. En sistemas térmicos: temperatura (energía térmica). Un razonamiento a n á logo a l del a partado a nterior l leva a la concl usión de que la i ntensidad q ue pasa por la ú ltima ra ma es la misma que pasa . por los dos deva nados contiguos q ue constituyen la única bobina de esta ra m a . En sistemas hidráulicos: altura de fluido en los depósitos (energía potencial). representa ndo en rea lidad la misma tensión física de un m ismo condensador. 1. . las tensiones Uc 1 Y Uc 2 son varia bles de estado del sistema que representa n la tensión en condensadores d iferentes.

29) ( 1 .7 y Se concl uye. + b 1 )u ( 1 . Primeramente se reordena se saca como factor común el operador derivada en dicha ecuación genérica. a continuación se expone dicho procedimiento aplicado. . a sistemas lineales con objeto de obtener una forma genérica del modelo de estado para dichos sistemas. descomponiéndose entonces la anterior ecuación en las dos siguientes: bou . de forma sistemática.l + an _ 1 S n . en primer lugar. 1 . . MODELO DE ESTADO Ejemplos adicionales de obtención de modelos de estado basándose en este criterio se pueden encontrar en la sección dedicada a tal efecto al final del capítulo. i4 e is .(bn s n. resultando: y(t).22 CAPÍTULO 1. puede ser elegido como variable de estado. por consiguiente. y ( 1 . .aoy (s n . Este procedimiento puede aplicarse de forma genérica tanto a sistemas lineales como a sistemas no-lineales.8.30) y. + at )y .2 + . que por tanto no presentan discontinuidades en sus valores ante discon­ tinuidades de la entrada. en concreto los 1.7. X l . 27) donde por comodidad se ha omitido la dependencia del tiempo de las variables u(t) e como se hará en adelante con las Xi (t) . q ue una adecuada elección de las variables de estado ligada a los elementos físicos q ue com ponen el sistema es: Uc 1 . Esta elección es equivalente a expresar dichas ecuaciones diferenciales en forma de integraciones sucesivas elegir como variables de estado la salida de cada uno de los integradores. . . es elegir éstas como las variables que representan las condiciones iniciales de las ecuaciones diferenciales que definen el comportamiento dinámico del sis­ tema. Variables d e estado como salida de los integradores 1.28) donde el término entre corchetes se obtiene mediante la integración del término de la derecha de la ecuación por tanto. Uc3 . la obtención de variables de estado de sistemas monovariables representados por una ecuación genérica del tipo: ( 1 .1 + .2. Sin embargo. Un ejemplo de aplicación a sistemas no-lineales de esta metodología de elección de variables de estado puede verse en el Ejercicio 3 al final de este capítulo. 2 . y Variables de estado como salida de integradores en sistemas monovariables Para estudiar esta metodología se va a considerar. Uc 2 . Una opción clara para elegir variables de estado de acuerdo con su definición da­ da en la Sección 1 . simplificando con ello la notación empleada.

se obtiene: ( 1 .l Y= [ O ] x + ba . la ecuación de salida del integrador la ecuación que describe la variable de estado.3 + .aI Y (Sn .2 + .I bn )U. expresado en forma matricial.bn aa b l . para 1 i ::.41 ) .38) X l = .l .bn aa )u.I Y y . .2 + an _I S n .a n . que. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO y 23 que son.bn u ( 1 .bn a2 bn .37 ) Xl X2 X3 Xn O O 1 O O 1 O O O O O -aa -a l -a2 Xl X2 X3 Xn O 1 1 -an . + a 2 ) Y .bn a n .l u ( 1 .1.32) ( 1 . para i = 1 ( 1 .aaXn + (ba .34.I u . da lugar al siguiente modelo de estado: < n y ( 1 . se van obteniendo ecuaciones con la siguiente expresión genérica: ( 1 .35) ( 1 .bn a l b2 . que puede reescribirse como: e introduciendo este valor de en las ecuaciones anteriores de salida de los integradores representadas por su expresión genérica 1 . + b2 )u ( 1 .7. .ai .39) X i =X i . . resultando: x I + bl u .l + bn.34) hasta obtener las dos últimas ecuaciones: X n .36) la última de estas ecuaciones es la ecuación de salida del sistema monovariable. respectivamente.33 ) Procediendo reiteradamente de la misma forma.40) + bn u ( 1 . Procediendo de forma análoga con la segunda de estas últimas ecuaciones se obtiene: en la que de nuevo se elige el término entre corchetes como la siguiente variable de estado. .l .I Xn + (bi _l .ai .(bn S n .

) a las distintas entradas del sistema (i = 1 .cKu = O � u(t) . . para que el sistema esté bien definido existirán q ecua­ ciones linealmente independientes.6 H a l lar u n modelo de estado del sistema descrito por: Siendo el denomi nador no factoriza ble en = se defi nen : K(s + c)u = (S 2 + as + b)y ::::} ::::} s 2 y + s(ay . . . .K u = iJ + ay . .Ku) + by .cKu = O ::::} X l X2 + aX 2 .ay + K u ::::} X 2 = Y = = -bX 2 + cKU X l . q) al resto de las variables involucradas en las ecuaciones del sistema entre las que se encuentran las variables de salida consideradas.X l = O ::::} X2 Xl sy + ay . . Denomi­ nando (i = 1 . y . MODELO DE ESTADO 1.K u sy = X l . K(s + e) S2 + as + b y (t) y las ecuaciones de estado son : con lo q ue: X l + bX 2 . .K u .aX 2 + K u -bX 2 + cKu -ax 2 + XI + Ku X2 Variables de estado como salida de integradores en sistemas multivariables Ui .Ku) + by .24 Ejemplo CAPíTULO 1.cKu = O ::::} ::::} s(sy + ay . representados por un conjunto de ecuaciones diferenciales algébricas lineales. . m El procedimiento anterior se puede generalizar para sistemas lineales multivariables. cada una de las cuales va a relacionar un conjunto Uj de entradas con un conjunto Wj de variables intermedias de salida: y y Wi .

L aji OWi iEWj iEUj ( 1 .45) junto con la ecuación algébrica: Xj nj = L aji nj Wi .43) iEUj iEWj Se elige entonces como variable de estado el término entre corchetes. En cada una de las ecuaciones diferenciales se van eligiendo variables de estado de manera análoga al procedimiento descrito para sistemas monovariables. .42) verificándose que al menos uno de los coeficientes aji nj es no nulo siendo nj = O en las ecuaciones algébricas. .L aji k _ l Wi para k = 2. para j = 1 . . siendo: ( 1 . . .l U i . En primer lugar se reordena se saca factor común al operador derivada: y = L bji OU i . + bji l S + bji O)Ui iEU. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO 25 = L (bji nj s nj + . nj iEUj iEWj ( 1 . .46) La aplicación de este procedimiento a todas las ecuaciones diferenciales dará entonces como resultado un conjunto de n ecuaciones diferenciales de primer orden. descomponién­ dose la ecuación anterior en las dos siguientes: Xjl = L (aji nj S nj . . .L bji nj Ui iEUj iEWj ( 1 .l + L bji k . . + bji ¡ )Ui iEW. iEUj Xjl = L bji OUi .l + . .L aji OWi ( 1 . .1 .L (bji nj S nj . y . + aji l ) Wi . obteniéndose un conjunto de ecuaciones diferenciales de primer orden de la forma: Xj k = Xj k . 7 . . .47) .l + .44) } Al igual que en sistemas monovariables el procedimiento se reitera con la primera de las anteriores ecuaciones. q ( 1 .

la matriz A 2 . MODELO DE ESTADO que se pueden agrupar de forma matricial.51 ) ( 1 . se puede elegir como variable de estado la salida del bloque si el grado del denominador supera en uno al del numerador. .48 se obtiene la ecuación de sistema: A l A2 l (E2X + B 2 u) w= ( 1 . dando como resultado una expresión de la forma: ( 1 .A l A2 l E 2) x + (B l . o bien la salida y la derivada de ésta en una de segundo orden simple2 • En estos casos se descompone el sistema original en bloques con funciones de transferencia de orden reducido. que han sido elegidos como variables de estado del sistema. las variables w: x Obsérvese que.9. por tanto. la derivada de la salida si el grado del denominador supera en dos al del numerador. de dimensiones q q . Para elegir variables de estado no es necesario descomponer las ecuaciones diferen­ ciales del sistema hasta obtener integradores puros. Variables de estado como salida de sistemas de orden reducido El procedimiento descrito es un método sistemático.49) -A2 l (E 2 x + B 2 u) = ( 1 . en el que las ecuaciones diferen­ ciales del sistema se han descompuesto en integraciones sucesivas de distintos términos. ( 1 . de modo que: U - x = El x + B l Sustituyendo ahora en 1 .26 CAPÍTULO 1. como la detallada anteriormente. 50) (E l . y así sucesivamente para las derivadas de orden superior de la salida. Varios casos de obtención de modelos de estado según este método se pueden encontrar en los ejemplos agrupados en el Ejemplo 1 . puesto que representan la información del sistema en cada instante y no pueden presentar discontinuidades en sus valores ante discontinuidades de la entrada. pudiéndose elegir alternativamente como variables de estado la salida de una ecuación diferencial de primer orden simple. en los que pueden elegirse sus salidas y las derivadas de sus salidas como varia­ bles de estado sin necesidad de una descomposición más pormenorizada en integradores puros. si las q ecuaciones iniciales son linealmente independientes. será no singular pudiéndose despejar. 2 Como norma general .A l A2 l B 2 )u Wi . 1 0 al final del capítulo. 52) En la sección dedicada al desarrollo de ejemplos se puede encontrar un caso de obten­ ción del modelo de estado para un sistema multivariable por este método en el Ejemplo 1 .48) También se obtienen q ecuaciones algébricas que se pueden agrupar de forma matricial: donde. al ser las variables de salida Yi un subconjunto de las variables el vector de salida y se obtiene directamente del vector w mediante una matriz de selección S.

55) = n m n. 7 . ..59) .aOX l + u o O O O O 1 O O 1 O O x+ + u (1.57) Con lo que ya puede construirse la ecuación de estado.an .l X l . . que puesta en forma matricial resultará: O O O O 1 x= O O u (1. . . + bI S + bo) X l 1 -an .56) X n = X n.2 X l . Variables d e estado d e fase La expresión genérica de un sistema monovariable: puede reescribirse de la siguiente forma como cociente de dos polinomios en el operador derivada s: b s m + .54) lo que quiere decir que X l es una solución de la ecuación diferencial del primer término igualada a Se eligen las restantes variables por sucesiva derivación: (1 .l u.l S + an.a l SX l . .. 7.l .58) O O O O -ao -a l -a 2 -a3 La ecuación de salida queda: y = (bm s m + .1 . . .an _2S n . .a l X 2 .53) U (1.2 X n.. . + bI S + bo y El procedimiento de elección de variable de estado de fase consiste en elegir como primera variable de estado X l : (1 .+ a l S + ao (1.. .l X n . 3 .l O 1 (1. Con este criterio ya se pueden escribir las ecuaciones de estado: Xn S n X l = -an _ l S n . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO 27 1 .l S +.aOX l -an.

7 .57: y (bnsn + . + b1s + bo ) X l = bn [.. MODELO DE ESTADO pasando esta expresión a notación matricial se obtiene: = [ bo b1 b2 . 1 .1 xn + . .61) y En este caso.1Xn + u] + +bn .28 CAPÍTULO 1 . la representación del sistema en variables de Jordan admite las siguientes opciones: 1 . + b1X2 + bOX1 (1 . . . bm O . lo que indica la matriz D es la acción directa de la entrada sobre la salida a la que se superpone una respuesta dinámica. .An -- (1 . Variables de Jordan Partiendo de la Ecuación 1 .54.An Se le asigna una variable a cada uno de estos operadores: 1 X l = --u S .A2 X3 = S -1 A3 1 xn = --u s . de la forma: y = (bn + �l + �2 + " ' + �) u s-A S-A S . . en los casos en los que en la función de transferencia se cumple que gr(num) = gr(den) .aOX1 . . la ecuación de salida sería de la forma: (1 .62) que podría ponerse en forma matricial como: y = Cx + Du La matriz D sólo aparece si el grado del numerador es igual al del denominador.Al 1 X2 = --u S . Se suponen todos los polos simples y se descompone en fracciones simples.60) Cuando n = m. . .64) .a1X2 .an . O ] x (1 . entonces al ser s n X1 = xn se sustituye xn por la Ecuación 1 . .4.63) u (1. . .

.67) ::::} ::::} \ \ ::::} ::::} ( 1 .68) ::::} Con esto.1 .Ar+l + . la ecuación de estado queda de la forma: AOl x = OO O O 1 Al OO O O OO AOl O O OO 1 AOl O OO OO Ar+l O OO OO O An x+ OO O1 u 1 (1.An .65) X �l �2 : : : x= O O y La ecuación de salida se obtiene como: 2.s A l 1 Xr . .An El método de asignación de variables de estado será: 1 Xl = (S -1A l ) r u = --l X2 S-A 1 r l u = 1 x3 X2 = (s Ad . Pn ] + bn u r.69) . + (s Pr -Ad 2 + �l + S-A Pr+l S . + [ = [ PI P2 . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO 29 con lo que la ecuación viene representada por: (1 .66) Suponiendo que uno de los polos tiene multiplicidad la descomposición se reali­ zará como: y + l (bn + (s -PIAd r . . (1 . 7 . .l = ( S -1Al ) 2 U = --A-l xr S1 Xr = --l u S-A 1 Xn = --u xn = AnXn + u s . + � ) U s . _ _ (1 . .

lo que aparece es un bloque de dimensión en el cual la diagonal principal tiene el valor del polo múltiple y la superior todo unos.5. Dos sistemas disjuntos en serie. MODELO DE ESTADO PI P2 Pr-l Pr Pr+l Pn ] x + bn u r x r. La representación gráfica llevaría integradores en serie en el bloque de raíz múltiple e integradores en paralelo en el de raíces simples. Las variables de estado del sistema global están formadas de manera natural por la unión de las variables de estado de cada uno de los subsistemas que lo componen. donde cada uno de ellos cumple: X { Yll X2 { Y2 = = = = A l Xl + B l Ul C l Xl D l Ul A2X2 D2U2 C2X2 B 2U2 + + + Figura 1 . eliminando las variables intermedias que son salida de unos subsistemas y entradas de otros mediante la operación con las ecuaciones de estado de dichos subsistemas. con un vector B de ceros con un uno en el último elemento. . que darán lugar a cuatro bloques de matrices que representan lo mismo.7. A continuación se presentan los casos de conexión de sistemas más habituales. La obtención de las ecuaciones de estado del sistema global se puede realizar a partir de las ecuaciones de estado de cada subsistema. Estructuras compuestas Los sistemas multivariables pueden considerarse compuestos por varios subsistemas más sencillos conectados entre sí. De todo esto se concluye que de un sistema descrito mediante ecuaciones diferencia­ les se pueden extraer de forma sencilla cuatro representaciones de estado diferentes.9. 1 . la matriz deja de ser diagonal y pasa a ser diagonal por cajas de Jordan. 1. como los representados en la Figura 1. de manera que las salidas de unos subsistemas actúan como entradas de otros de forma directa o mediante sencillas operaciones algebraicas.9: Sistemas en serie.30 y y la ecuación de salida toma la forma: [ (1. 70) Cuando hay raíces múltiples. = CAPÍTULO 1 .

10: u { { X= Y = [ D 2 C l C 2 ] X + [D 2 D l l u Xl = A l X l + B l U l X2 = A 2 X2 + B 2 (C l X l + D I ud Y2 = C 2 X2 + D 2 (C l X l + D I ud x = [ :� ] [ B�b l 12 ] X [ B�b l ] U + Figura 1 .1 . Para este sistema se cumplen las siguientes relaciones: u= y= Ul = U2 Yl + Y2 El estado del sistema vendrá dado por: x = Por lo que las ecuaciones de estado en forma matricial quedan: [ :� ] . El estado del sistema conjunto será la unión de los dos subsistemas: De forma que sustituyendo U2 por Yl : =? 2. 10: Sistemas en paralelo. 7 . Dos sistemas disjuntos en paralelo. por construcción se cumple que U2 = Y l . como los representados en la Figura 1 . la salida y = Y2 . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO Y 31 La entrada del sistema conjunto es u = Ul .

DKy [1 + DK]y = + y = [1 + DK] .w) = Cx + Dr l.32 r CAPÍTULO 1. la expresión anterior queda como: x = [A . De todo lo anterior. se deducen las siguientes ecuaciones: y = Cx + D(r l. que la matriz D se anule.BKC]x + Br 4.BK[I + DKtlDr x = [A .Ky) = Ax + Br . las ecuaciones del sistema sin realimentar son: { yx = Ax + Du = Cx + Bu w = Kx Al realimentar se cumplirá que: . Sistema con realimentación constante de la salida: K y w Figura 1. Las ecuaciones del sistema sin realimentar son: Al realimentar se cumplirá que: { xy = Ax + Du = Cx + Bu w u Ky r-w =} y con lo que la nueva entrada es r.BK[I + DK] . Cx Dr En un sistema con realimentación de estado como el que aparece en la Figura 1. MODELO DE ESTADO 3.12.lD] r En el caso más habitual.11: Realimentación constante de la salida.Dr x = Ax + B(r .BK[I + DK] .CX + [1 + DK] . la salida continúa siendo y se sigue representando el estado con el vector x.l C] x + [B .BK[I + DK] .l Cx .

8. Ejemplos adicionales un Modelo de estado de Ejemplo sistema de depósitos 1. En el primer depósito entra u n fl ujo F1 . es frecuente que la matriz D se anule. t w Figura 1 . que representa una variable de entrada manipu lada .1 .Kx) = [A . cuya sección eficaz S 2 puede variar y considerarse. como una entrada . 72 queda de la forma: y = ex (1.71) y = ex D(r . � � � � � � � � � � � ��� ��� � 33 r ' .. De todo lo anterior. de sección eficaz SI . por ta nto. 72) Como en el caso anterior.DK]x + Dr (1 . u=r-w x + con lo que la nueva entrada es r.7 La figura representa dos depósitos de áreas respectivas A l y A 2 q ue está n com unicados entre sí media nte una tubería en sus bases. con lo que la Ecuación 1.73) 1 ..Kx) = [e . y el segundo depósito tiene un orificio de sa lida l i bre de ca uda l . la salida continúa siendo y el estado sigue repre­ sentado por el vector x. se cumplirán las siguientes ecuaciones: y = Ax + B(r .8 .12: Realimentación del estado.-----114 . EJEMPLOS ADICIONALES .BK]x + Br (1 .

h 2 ) .8 1 y'2g(h 1 . a u nq ue las condiciones i nicia les del sistema podría n dar l ugar a q ue h 2 > h 1 . obteniéndose una expresión a lternativa vá lida en el ra ngo de valores h 2 > h 1 . por lo que su estado viene representado por dos varia bles.8 2 y'2gh 2 . en caso contrario es necesario ca mbiar el signo dela nte de a m bas raíces. con lo q ue las ecuaciones a nteriores representa n d i recta mente las ecuaciones del modelo de estado no l i nea l del sistema . en los primeros insta ntes de tiem po. se deriva n las ecuaciones a nteriores y se toman va lores incrementales respecto a l pu nto de fu ncionam iento . pudiendo elegirse las alturas en a m bos depósitos h 1 y h 2 .h 2 ) 8 1 y'2g (h 1 . Las expresiones a nteriores son sólo vá lidas m ientras h 1 � h 2 . O bsérvese que.34 de perturbación a l sistema . MODELO DE ESTADO 1 Las ecuaciones de com porta m iento de este sistema hidrá u lico son : Éste es u n sistema de dos ecuaciones d iferencia les de pri mer orden . 'c 7 CAPÍTULO 1. q ueda ndo: A 1 h1 A 2h2 F1 . el sistema tiende l uego a su pu nto de equ i l i brio en el q ue se cum ple h 1 > h 2 Si se desea obtener u n modelo de estado l i nea l del sistema que aproxi me su com porta m iento en las cerca nías de u n pu nto de funcionamiento.

8 . Al = 2 Y A 2 = 1 . El modelo de estado anterior puede particularizase para cada sistema. 8 2 = 0.5 Y tomando como punto de linealización el estado de equilibrio determinado por el flujo de entrada FlO = 1. de las ecuaciones no lineales del sistema se obtienen los valores de las alturas en punto de equi­ librio. que valen h lO = 1 . se obtiene el siguiente modelo de estado para el sistema linealizado planteado: Modelo de estado de un péndulo invertido Ejemplo 1.3.8 . En concreto si se supone que los parámetros físicos del sistema valen 8 1 = 0. se obtiene el siguiente modelo de estado del sistema linealizado: donde los valores de las matrices están ligados a los parámetros físicos del sis­ tema .25. debiendo cumplirse que a3 > a2 .816.1 .38 Y h 20 = 0. I ntroduciendo estos valores en las ecuaciones anteriores. EJEMPLOS ADICIONALES 35 Simplificando la notación en las ecuaciones anteriores.

mg u . O.ml sin2 ()O u eos () . se obtienen las siguientes dos ecuaciones de comportamiento del sistema : (M + m sin2 ())x l(M + m sin2 ())O ml sin ()02 . Sobre dicho carro se halla una barra rígida . Eliminando entre las dos ecuaciones anteriores O y x . y proyectando sobre ambos ejes: m d2 (x + l sin ()) dt 2 d2 (l eos ()) m dt 2 Mx T sin () T eos () . Eliminando dicha variable intermedia T. x y x . dando lugar a su desplazamiento horizontal x. que gira libremente sobre su punto de apoyo un ángulo () y cuya masa m se puede suponer concentrada en un punto situado a distancia l de su base sobre el carro.36 CAPÍTULO 1. esto es () .ml sin () eos ()02 u .mg sin () .mg sin () eos () + u (M + m) 9 sin () . Las ecuaciones del sistema se obtienen aplicando la ley de Newton sobre ambas masas. se obtienen las siguientes ecuaciones del sistema : u .Mx mx .Mx eos () . Este sistema mecánico tiene como única variable de entrada la fuerza u que se aplica al carro de masa M . Este sistema del péndulo invertido presenta unas ecuaciones análogas a las de un cohete propulsado en vertical .T sin () siendo la variable T la fuerza que ejercen recíprocamente entre sí el carro y la barra . en el que su empuje lateral se efectúa desde las toberas situadas por debajo de su centro de gravedad . MODELO DE ESTADO En la figura se representa el esquema de un péndulo invertido. por lo que el sistema tiene cuatro variables de estado.ml sin ()iP + ml eos ()O -ml sin () eos ()02 .Mx u eos () .mg sin () Derivando las expresiones indicadas se obtiene: Éstas son dos ecuaciones de segundo grado. respectivamente.Mx eos () .eos ()u . pudiendo elegirse las posiciones y velocidades de ambas masas.

8.ml sin x 3 COS X 3 X� lM + lm sin2 X 3 37 Si suponemos que se realiza una estructura de control que logra mantener al sistema funcionando en torno al estado definido por X l = X 2 = X 3 = X4 = O. X 2 = X .!1l M O O Si las variables de salida del sistema son (}(t) ecuación de salida del modelo como: (M+ m ) g 1M y x(t) . y dos masas m l Y m 2 .9 .1. se puede escribir la [� Modelo de estado de Ejemplo un O O O 1 sistema de masas múltiples Se pretende obtener un modelo de estado para el sistema de la figura formado por dos muelles de coeficientes de elasticidad Kl y K2 respectivamente. obteniéndose el siguiente modelo lineal del sistema : _ !!. La entrada es una fuerza F aplicada a la masa m2 Y las salidas son las distancias Yl e Y2 de las masas respecto a sus puntos de equilibrio. EJEMPLOS ADICIONALES En las que definiendo las siguientes variables de estado: X l = X. 1. Se considera además la variable intermedia T correspondiente a la tensión ejercida por el muelle K2 . X 3 = () y X4 = iJ se obtienen las siguientes ecuaciones que representan el modelo de estado no lineal: X2 ml sin X 3 X� . las anteriores ecuaciones pueden linealizarse en torno a dicho punto de fun­ cionamiento. que presentan una fricción viscosa de coeficientes {3l y {32 .mg sin X 3 cos X 3 + u M + m sin2 X 3 = X4 (M + m)g sin X 3 .COS X 3 U .

. Aplicando el procedimiento descrito a 1 ..X2 X2 X2 A partir de 1 .75) s { (m l S + f3dYI } = T .KIYI Xl s (m l yd = X l -...KIYI ------.Xl X l = (mI S + f3dYI T . MODELO DE ESTADO F Las ecuaciones que determinan el comportamiento del sistema son : Es decir.-. 76) operando ahora con 1 .74 se obtiene: (1 ... dos ecuaciones diferenciales y una ecuación algébrica.75: f3IYI T T F m l ih + f3d ¡ l + KI YI K2 ( Y2 . 74) (1 . 76 : - m l YI X l f3IYI - .Y d m 2 ih + f32Y2 + T (1 .38 CAPÍTULO 1 .

77: s(m 2Y2 ) = X 3 . finalme nte. 79) De estas últimas se pueden despejar las variables de salida e intermedias: (1 .. las ecuacio nes del sistema : y sustitu yendo en 1 ..X4 . 78) 1 Y2 = -X4 m2 K2 K2 T = . se han obtenido cuatro ecuaciones diferenciales de primer orden: Xl = T ..82Y2 Resumiendo. 77) y finalmente a partir de 1 .82 ) Y2 } = F ..--" X3 (1 .KI YI X2 = X l ..X 2 + . EJEMPLOS ADICIONALES 39 s { (m2S + ...T '-.X 2 .8IYI X3 = F .X 4 m2 mI ...8.82Y2 y tres ecuaciones algébricas: (1 .X 2 = mI mI m2 K2 KI + K2 -. 78 se obtiene KI K2 K2 .1.X 2 mI m2 n ..T X 4 = X 3 ..X4 .82Y2 '-v--' X4 X4 X4 m 2Y2 X 3 .

X4 + F mI m2 {J2 X 3 . habrá otros casos más complejos donde la forma matricial resulte conveniente.82) ..40 {JI X l .X4 + m X 2 = m2 I K2 K2 .-X4 m2 - CAPÍTULO 1.79 queda : (1. La forma matricial del sistema de ecuaciones 1 ..81) A partir de 1 . X2 X3 X4 = (1 ..78 es: o O O -{J2 y el sistema 1 .81 se despejan las variables de salida e intermedias invirtiendo la correspondiente matriz: -[ [. MODELO DE ESTADO Aunque es evidente que en este caso la resolución directa presentada es la más sencilla y adecuada .X 2 . ya que es más sistemática .1 K2 -K2 -m I O O -m 2 1 mI O K2 mI O O O O O 1 O m2 K2 O m2 �r[� O O O 1 O O O O 1 r �� 1 J [ 1 x.X2 mI K2 k2 F .

EJEMPLOS ADICIONALES 41 y sustituyendo en 1 .10 u (t) Si la dinámica del sistema se puede representar mediante la ecuación dife- . mediante la selección de las variables correspondientes: 1 O O O [ �¡ 1 1 KI + K2 mI f3I mI K2 mI O O K2 m2 O [ �n [ ! 1 F Modelos de estado de sistemas de orden reducido Ejemplo 1.80 se obtiene: o + K2 O O m2 f32 1 O O m2 La ecuación de salida se obtiene ahora a partir de 1 .8.82.1.

aXI . MODELO DE ESTADO Ku = :Í:! + aXI el sistema posee una única variable de estado. uno que contiene un polo y otro que contiene un par polo cero. mientras que la segunda puede ser la derivada de la salida: X2 = X l X l = X 2 = K u . La ecuación de estado es. por tanto: ::h = -aXI + Ku u(t) K 2 + as + b "" s "" La dinámica del sistema de la figura viene dada por la ecuación diferencial : por l o que e l modelo de estado exige l a presencia d e dos variables de estado.bXI Las ecuaciones de estado son : u (t) Entre otros métodos. Como primera puede tomarse la salida del bloque.42 rencial: CAPíTULO 1 . que puede ser la salida del bloque. al ser de grado uno. se puede realizar descomponiendo el sistema en dos bloques. teniendo en cuenta que el bloque que contiene un polo debe preceder al del par polo cero 'l1li K(s + e) (s + a) (s + b) .

El sistema se comporta como: Las ecuaciones de estado son : Ku == X2 ++ aX2 Xl -bXI ++ CX2u + X2 = -bXI + -a)X2 + Ku X2 + CX2 Xl bXI X2 -aX2 K = -aX2 +Ku { xI = -bxI+ (c . EJEMPLOS ADICIONALES 43 para garantizar la derivabilidad de ambas variables de estado: u(t) s+a ..1 .bX2 = Xl + bXI + (a -b)X2 -Au Xl -aX2 b { X2 -bXI ++ (Au-a)X2 + + B)u Xl (A y .8.a)X2+Ku X2 u(t) =? =? = = (e Otra solución a este mismo problema se puede encontrar descomponiendo el sistema en: (s K(s+c)+ b) = � + � +a)(s s +a s+b Se elige como segunda variable de estado la salida de uno de los dos bloques. X2(t) s+c Xl (t) s+b "" . 1 K -- "" Se elige como segunda variable la representada entre los dos bloques. además de la salida global del sistema : Las ecuaciones de estado quedan : Bu = (s + b)(Xl -X2) = Xl -X2 + bXI .

. En estos sistemas es necesario realizar una descomposición del mismo. Es necesario descomponerlo en: u (t) K(a b) s+b - y (t) x¡ ( t ) Eligiendo como nueva variable de estado la salida del nuevo bloque: = :h Las ecuaciones de estado quedan: y K s+a =K + K s+as+. .... . s+b � En sistemas con igual grado en el denominador y en el numerador.¡ = X-bXI + K(a -b) u = l +Ku Diagramas más complejos pueden ser resueltos descomponiéndolos en los an­ teriores o de forma similar.. debiendo ser calculados a partir de ellos. MODELO DE ESTADO u( ) y (t __t_'IIiI K(s + a) r-_). Nótese que en estos casos las condiciones iniciales del estado no se corresponderán con las salidas de los integradores puros.bs-b = K + K a. a fin de obtener un bloque en el que el grado del denominador sea mayor que el del numerador. pues una variación brusca de la entrada implicaría una variación brusca del estado.bb s+b s+ K(a -b)u + bXI { :i. no es posible que la salida del sistema sea una variable de estado..44 CAPÍTULO 1.

EJERCICIOS RESUELTOS 45 Cuando se obtiene el modelo de estado a partir de un diagrama de bloques no se pueden realizar cancelaciones. y como se vio en la teoría clásica. u(t) ""Iii --- s+a =} =} 1 X2 (t) � --- s+a s+b !t . sabiendo que h a de incluir el mayor número posible de las variables representadas. ya que para modelar el comportamiento del sistema es necesario conocer todas las variables involucradas.aX 2 + u = -bX l + U -bX l + U -aX 2 + u Xl 1. u(t) .9. puede enmascarar posibles inestabilidades. el sistema de la figura posee dos variables de estado. Ejercicios resueltos Hallar un modelo de estado del sistema de l a figura. 1.1. Además. X l y X 2 . con sus condiciones iniciales correspondientes. Xl (t) • u = X 2 + aX 2 X2 + aX 2 = X l + bX l Las ecuaciones de estado quedan : Xl X2 y { X2 = -aX 2 + u X l = -bX l + aX 2 + X2 = = -bX l + aX 2 .9. Por ejemplo.

4u + 4X3 X5 Y X5 .U X2 = .2X4 .2X 3 + 2u X5 =3(u .4X4 + X 3 . No sucede lo mismo con X l .X 3 ) . .X 3 ) . Se eligen como variables de estado X4 de derivabilidad necesarias: [ -¿ + X3 l.4X I = =3u . pues una variación brusca en la entrada u originaría la aparición de una variación brusca en esta variable.X 3 + V X 3 = .2X4 .2u + 2X 3 = =X5 .46 Y CAPÍTULO 1 .4X 3 .4x. dado que cumplen con las condiciones ] � 3(u . se aprecia que X2 X3 pueden ser variables de estado.X 2 + X4 + U . ya que no van a sufrir discontinuidades ante cambios bruscos en las entradas del sistema.4u + 4X 3 = = .3X 3 .3X 3 + X 2 Si se expresa todo el conjunto de ecuaciones en forma matricial: . MODELO DE ESTADO Observando la figura. X4 = X l .U + X 3 X5 = X4 + 2X I . se precisa obtener dos variables de estado: . S i X' . Para este bloque.X 2 + X l + V = = .4X4 . +2x. .4u + 4X 3 resultando: X4 =X5 + 4u .

U3 R a) Iz puede ser variable de estado . por lo que la tensión en bornes de alguno de sus componentes colocados en serie debe tam­ bién variar bruscamente. j ) h e ls pueden ser variables de estado a la vez. c) la puede ser variable de estado. b) h puede ser variable de estado. e) l6 puede ser variable de estado . puesto que cambia bruscamente ante dis­ continuidades en la tensión de entrada Ug • Estas discontinuidades en Ug se repiten en bornes de la primera rama (y de todas las demás ) . h) U4 U5 pueden ser. i) U2 Ua pueden ser variables de estado a la vez. indicar cuáles de las siguientes afirmaciones son váli­ das: Ug + 11 12 C 13 U 1� R L 14 C=r. EJERCICIOS RESUELTOS 47 2.1 . a) l2 no puede ser variable de estado.9 . g) U4 U5 pueden ser variables de estado a la vez. variando por tanto la intensidad que pasa por ella l2 también de forma brusca (según la ley de Ohm y y y y U4• C L U = Rl) . . cualquiera de las dos. Para el sistema de la figura. y puesto que la tensión en bornes de un condensador nunca puede hacerlo. d) l4 puede ser variable de estado. l4 Ua pueden ser variables de estado a la vez. f) U2 . variables de estado . es la tensión en bornes de la resistencia de esta primera rama la que absorbe la discontinuidad de la entrada. k) h e 19 pueden ser variables de estado a la vez.U2 16 C .

MODELO DE ESTADO e ) d) e f) ) g) h) i) j) no puede ser variable de estado puesto que. h e 18 no pueden ser variables de estado a la vez. 14 también puede ser variable de estado por los mismos motivos que los expli­ cados en c) . puesto que es la intensidad que pasa por una bobina ésta nunca puede variar de forma brusca (las discontinuidades en la tensión de entrada provocan saltos en la derivada de la intensidad la ) . no son linealmente dependientes entre sí.48 b) h y CAPÍTULO 1 . ésta también presentará una discontinuidad ante dichos cambios bruscos de la entrada. aunque su evolución temporal está ligada a partir de unas tensiones iniciales dadas. que es la magnitud física que no puede variar bruscamente: la tensión en los condensadores la intensidad en la bobina. al ser la intensidad que circula por ambos condensadores la misma (por estar conectados en serie) . variables de estado. esta tercera rama está compuesta de tres subsistemas de primer orden. Los dos condensadores están conectados en paralelo. ante cambios bruscos en la tensión de entrada Ug . y . U4 U5 sí que pueden ser. U4 U5 no pueden ser a la vez variables de estado. pero nada impide que estas tensiones iniciales puedan tener valores arbitrarios cualesquiera en cada condensador. la intensidad h varía bruscamente (según el apartado a) . El razonamiento an­ terior es válido para unas tensiones iniciales dadas en ambos condensadores. 16 no puede ser variable de estado. que es por tanto la única variable de estado asociada a estos dos condensadores que se comportan como uno solo. cualesquiera de las dos por sí solas. asociadas a condensadores físicamente distintos. de manera que actúan como un único condensador ( de capacitancia 20) . actúan como un único condensador de capacidad f) por tanto estas dos tensiones no podrían ser a la vez variables de estado. U2 . la sí que puede ser variable de estado. U2 Ua sí que pueden ser a la vez variables de estado. siendo forzosamente la tensión en sus bornes siempre la misma. las tensiones de ambos condensadores estarán ligadas linealmente entre sí (esto es. puesto que las dos son la misma tensión ésta no puede variar bruscamente ante cambios bruscos de la entrada. puesto que ninguna de ellas varía bruscamente ante cambios bruscos de la entrada además. correspondiendo por tanto a variables de es­ tado independientes. por los mismos motivos que los explicados en a) . puesto que ninguna de ellas varía bruscamente ante discontinuidades de la entrada además no son linealmente dependientes entre sí. 14 Ua sí que pueden ser variables de estado a la vez. Podría parecer que. Desde un punto de vista físico. al ser h una componente de la intensidad 11 . debido a un razonamiento similar al que se ha hecho en el apartado g) con los condensadores de tensiones y y y y y y y y y y. cada uno de ellos lleva asociada una variable de estado.

a) b) Obtener un modelo de estado del sistema no lineal original . Kp = 1 .01 . las intensidades que pasan por ambas ramas son variables físicas distintas sin ligazón lineal entre sí que. Siendo a. que valen respectivamente 1 .1. Kp constantes del sistema. m = Obtener un modelo de estado del sistema linealizado en torno a la trayectoria de referencia definida por Wo = 0. Velocidad angular de la nave . cualquier entrada dará lugar a que los incrementos de intensidades sobre los valores iniciales sean siempre los mismos en ambas ramas. las ecuaciones del sistema se pueden escribir como: -aw + Kwp cos O U _ pw 2 + Kp sin O u . por un razonamiento aná­ logo al del apartado i). debido a la conexión en paralelo de las dos ramas con la misma impedancia. al no variar bruscamente ante cambios bruscos de la entrada. dependiendo de las condiciones iniciales. En el presente caso. Ángulo de la tobera de propulsión. la intensidad que circula por los devanados de cada una de las bobinas es siempre la misma. a = 1. m.9. pero los valores absolutos de las intensidades que circulan por cada una de ellas pueden ser completamente distintos.. y 3. EJERCICIOS RESUELTOS y 49 y k) U2 U3• En el presente caso. Kw .01 radj s y Po = 100 m . h e 19 sí que pueden ser variables de estado a la vez. Consumo de combustible de propulsión . independientemente de las condiciones iniciales de la evolución de la entrada. Las ecuaciones de la trayectoria circular de una nave espacial en ingravidez son: w aw + Kwp cos O u _ pw 2 + Kp sin O u - m i) donde: Variable w O u P Descripción Radio de giro de la trayectoria de la nave . Kw = 0. Por tanto. a) Utilizando el operador derivada. pueden ser consideradas ambas a la vez como variables de estado. por lo que sólo se tiene una única variable de estado.

-x 3 X 2 + Kp sm 8 u I m X2 Y Ua Calculando los valores de funcionamiento de las entradas para la trayectoria de referencia se obtiene: 80 = 7f / 4 = 0.018 y'2 1 -2X I .01 y'2. .0001x 3 + u + 0. X2 X3 b) -aX I + Kw X 3 cos 8 u 1 . respectivamente.0001x 3 + 4.OOOlp(t) + 1 u(t) . se obtiene el siguiente modelo de estado lineal del sistema en torno a la trayectoria de referencia: 1 U .0l8(t) y'2 Eligiendo las mismas variables de estado.O.0.50 CAPÍTULO 1. y ambos vierten a una misma tubería . con lo que las ecuaciones linealizadas del sistema en torno a estos valores de referencia son: w(t) p (t) -w(t) + O. Se dispone de dos depósitos de agua de sección constante A l y A 2 . MODELO DE ESTADO Eligiendo como variables de estado la salida de los integradores en ambas ecuaciones.O IB (t) y'2 1 -O. Hallar un modelo de estado: B .018 y'2 X2 -X l + 0.0. h. En cada depósito el caudal de salida es proporcional con una constante a la altura del líquido.OOOlp(t) . Ambos están alimentados por un caudal qe .2w(t) + u(t) + 0. se obtiene: Con lo que las ecuaciones de estado quedan: Xl .

qe .1 . d) Usando variables de Jordan.q S i = qS i = qs A } B hi ih = qS l ' en ambos depóSItoS + qS 2 De aquí en adelante. EJERCICIOS RESUELTOS 51 a) A partir del sistema físico.qe . se omite la dependencia del tiempo de las variables. para mayor claridad en el desarrollo. Las ecuaciones físicas del sistema son: qe . A Xl = --Xl + A1l Bl .X2 --X2 + A1 A2 2 . b) A partir del diagrama de bloques. c) Usando variables de fase. a) Se eligen como variables de estado: y sustituyendo en las ecuaciones físicas: = ::::} ::::} B .9 .

MODELO DE ESTADO escrito en forma matricial: - o A2 B Si en lugar de haber elegido estas variables de estado se hubiesen elegido los caudales de salida: entonces el desarrollo hubiera sido: qe qe = .52 CAPÍTULO 1. = A2 h2 + X2 = E X2 + X2 o - que escrito en forma matricial resulta: A2 B b) A partir del diagrama de bloques: Tomando transformadas de Laplace en las ecuaciones del sistema: . A. A2 . A lhl + XI = El XI + XI .

EJERCICIOS RESUELTOS 53 B -.X2 ) + �2 (X l ..1. es posible obtener directamente las variables de fase. primero hay que hallar la función de trans­ ferencia del sistema: A partir de esta función de transferencia.9. para cada depósito Ai y expresado en forma matricial: -2 [! e) Para utilizar las variables de fase.X2 ) = �2 qe AiS _B = +_ s + Ai B = X l = qs = Y X2 qS l JI. por ejemplo: con lo que quedarían las ecuaciones: B B X.--_ Eligiendo como variables de estado. mediante el proceso: s qs 2 + ( Al + A2 ) + AI A2 2 = ( Al + A2 ) + AI A2 B B s qs B qs B B s qe 2B . 2 + Al X2 = A l qe (Xl .

54 CAPÍTULO 1. Dado el sistema de la figura. MODELO DE ESTADO Con lo que la expresión del modelo en forma matricial queda: y = d) Para utilizar variables de Jordan. y poniendo todas las ecuaciones en forma matricial: [ :� ] [ -!. nuevamente se parte de la función de trans­ ferencia: ( ) qs B A. escribir su representación mediante ecuaciones de estado. S A2 A2 B B qe 5. : J [ �� ] y y B B -Xl + -x2 A l A2 = 2 . --B S [ o 1 = A partir de esta función de transferencia se extraen las variables de Jordan: = + + -+A. _! ] [ �� ] + [ � ] qe [ :.

Esta variable se obtiene como: con lo que las ecuaciones quedan: Xl -Xl + X2 . una por cada uno de los bloques de primer orden.X4 3X3 + 3X4 y que expresado en forma matricial es: U U 6. las de salida de cada uno de los blo­ ques. elegir u n modelo d e estado que contenga como variables de estado el máximo número posible del conjunto de variables [Xl> X 2 ] .3X3 .3X3 . que pueden ser tomadas como variables de estado.X3 X4 2XI . En el diagrama aparecen tres variables.1. de segundo orden. EJERCICIOS RESUELTOS y 55 El sistema precisa de cuatro variables de estado para su representación.9. dos para el primer bloque. es necesario encontrar otra asociada al bloque de segundo orden. Dado e l sistema d e l a figura.3X4 + X2 -Xl .3X4 + X3 Xl . dadas estas tres variables. .

3X I y Nótese que sería igualmente válido. Se necesitan cuatro variables de estado para representar el sistema se dispone solo de una Xl . del bloque de realimentación: de donde se obtiene la ecuación: 5 (X4 + x ¡ ) 5 (X 6 + V + x ¡ ) . por lo que será necesario incluir otras tres.3X I = 8 (X l + 2X I ) 5 (u .v) X6 ( + 2)v = ( + 3)X4 8 8 '-v--' de donde se obtiene: Finalmente. tomar como X5 = X l . pero X2 no. Una de ellas puede ser la salida del bloque de realimentación. de segundo orden: de donde se obtienen las dos ecuaciones: X5 X l + 2X I =} y = 82 + 28 + 3)X I 5 (u .X 3 ) = 8 ( 8 + 2)X I + 3X I 5 (u . pues la diferencia de grados entre el denominador el numerador en el bloque considerado es de dos órdenes. MODELO DE ESTADO De las dos variables propuestas para ser incluidas en el modelo de estado. por lo que se garantiza continuidad en la variable de salida en su derivada. por ser la salida de un bloque con una diferencia de un grado entre el denominador el numerador. 3X 4 = S (X4 . Del bloque asociado a la entrada v: donde X4 representa la salida de dicho bloque.X 3 ) . Xl podría utilizarse.56 CAPíTULO 1. que se denotará por X3 que en ningún caso sufrirá variaciones bruscas. en este caso.5X3 .X 3 ) = ( X5 y Y y "-v--" Xl = -2X I + X5 X5 = 5u . que no puede ser variable de estado: 2v -. Del primer bloque. puesto que puede presentar discontinuidades ante variaciones bruscas de la entrada.

deducir las ecuaciones de estado. EJERCICIOS RESUELTOS Por último. falta calcular la ecuación de la salida en función de las variables de estado: X2 5(X4 + X¡) 5X6 + 5v + 5Xl Expresando el conjunto de ecuaciones en forma matricial: Y= y = = = 57 [ �� 1 [ [5 -2 O 1 -1 O O -3 O O O -3 5 -5 O O 5l 7. concentración. [ �n + [ o 5 l [ � l y i 1 p: 1 [ � i 1 [ X6 + 0 -1 � 1 y la Se plantean las ecuaciones físicas de comportamiento del sistema: Balance de caudal: �� = Fl + F2 .1 .F Flujo de salida: donde: h('l I F. En el sistema de la figura. tomando como variables como salidas el flujo de estado el volumen y la concentración de salida. C F kv'h k � = = .9. para el sistema linealizado.

F .58 • • • CAPÍTULO 1.---C2 ..CO 1 -----v.-C . En el punto de equilibrio se cumplirá que: • • • • V representa el volumen de fluido en el depósito. F representa el caudal de salida. representa la superficie del depósito... que se suponen constantes. Cl C2 representan las concentraciones de entrada.� F .F . H + F2 .U2 + Ca F2a V Va � Ca Va Va Va 2Va '* Fa = FlO + F2a Cl FlO + C2F2a CFa Fa = KfYi = _ _ = = = = -Ul = -- Ecuaciones que expresadas en forma matricial quedan: [ � ] [ -r [ � ] = [ ío � ] [ � ] _ o�� 1 [ � ] + [ -----v.-V 2Va C Ca Fa Ca C.Ul .Ul + -2 U2 .F év + cv = Cl Fl + C2F2 .CO 1 . .�C k l _ a F _ y17Q V = 2FVa V 2 VS Teniendo en cuenta que: V = F Ul = Xl = C Yl = C U = Fl X2 Y2 2 F2 se vuelve a las ecuaciones linealizadas para formular el modelo de estado: Fa V. que supone constante. H F2 representan los caudales de entrada.-a C . Cl + -2 U2 . h representa la altura de fluido en el S y y Linealizando en torno a este punto de equilibrio: = V Fl + F2 ...Yl Ul + U2 .CF �é + �V = �H + �� . Va Va Ca Va Va Cl C Ca F Ca Ca C.V..---C1 .. MODELO DE ESTADO depósito..F = Ul + U2 . C representa la concentración de salida.

. no puede elegirse como variable de estado del sistema. Hallar u n modelo d e estado del siguiente sistema: [ �� ] [ � . se deben elegir las variables de estado.4� ] [ �� ] [ � ] u y [ 1 O ] [ �� ] = + Se trata de un sistema no lineal en el que la salida no presenta discontinuidades ante discontinuidades en la entrada y. y. en este caso dos. por tanto. EJERCICIOS RESUELTOS + 59 8. por ser la ecuación de segundo orden: y t2• = Xl y X2 Y Se linealiza en torno a la trayectoria propuesta: jj + 2yoY u según la trayectoria dada: X20 Yo 2t = = = = = por lo que se puede escribir la ecuación como: Por lo que escribiendo las ecuaciones en forma matricial queda: 9. puede ser elegida como variable de estado.1. Obtener el modelo de estado linealizado del sistema representado por la siguiente ecuación diferencial: Linealizarlo en torno a las trayectorias descritas por las variables de estado ante una entrada u(t): d2 y(t) (dy(t) ) 2 u (t) dt2 dt u(t) = sabiendo que en este caso se obtiene una salida de 2+ = 4t 2 En primer lugar. que presenta las mismas discontinuidades que la entrada y.9. consecuentemente. No sucede lo mismo con la derivada de la salida.

U ) 2 que. . X l = yu .u) = yu 2 . La ecuación propuesta puede escribirse como: s (iJ y. se elige de nuevo como variable de estado la salida del integrador.U e introduciendo los valores de y e iJ dados por las dos últimas ecuaciones en la ecuación de la dinámica de X l .60 CAPíTULO 1 . da como resultado la definición de su dinámi­ ca: .iJ 2 donde el término entre paréntesis puede obtenerse como integración del término de la derecha por tanto. introducido en la ecuación inicial. Ejercicios propuestos Y 1 . Dado e l circuito eléctrico de l a figura: . se va a utilizar la metodología de elegir la salida de los integradores. forman las ecuaciones del modelo de estado no lineal del sistema. la definición de X2 . elegirlo como variable de estado: X l = iJ + u que. se obtiene la siguiente ecuación del modelo de estado: . junto con la ecuación de la dinámica de X2 la de salida.( X l . esto es: X2 = y que es la ecuación de salida del sistema. Introduciendo este valor de y en la definición de X l se obtiene: X2 = X l .y· 2 En la ecuación de definición de la variable X l . MODELO DE ESTADO Para la elección de variables de estado. 10. X l = X2 U2 . 1 .

. h . Obtener el modelo de estado linealizado respecto al punto de equilibrio del sistema representado por las ecuaciones: 9 <p <p sin jj cos Mjj + FiJ = u 4. R L L Tomando como entrada Ug . 10. Obtener l a matriz d e funciones d e transferencia corrrespondiente a l sistema repre­ sentado por el siguiente modelo de estado: - y [ . Obtener el modelo de estado del sistema representado por el siguiente diagrama de bloques. 15 . 2.O1 O2 ] [ XX2l ] [ O1 11 ] [ UUI2 ] [ O 1 ] [ �� ] [ O 1 ] [ �� ] + + Lrj. EJERCICIOS PROPUESTOS + L e 15 R 61 '-----.----. = 3. elegir un modelo de estado que contenga el mayor número posible de variables de estado entre l¡ . tomando X l y X 2 como variables de estado. 14 . h .1 .

X 2 . X 3 . u(t) 6. X4 como variables de estado. Obtener el modelo de estado del sistema representado por el siguiente diagrama de bloques tomando X l . Haltar un modelo de estado no lineal del siguiente sistema: .62 82 + 8 + 1 8 + 1 1 8 + 1 CAPÍTULO 1 . MODELO DE ESTADO u(t) Xl v (t) 5.

muchas veces. tal como se encuentra formulada toma la forma de ecuación diferencial de primer orden.2 2. Es por este motivo que en este capítulo el desarrollo se va a ceñir a ecuaciones diferenciales lineales. 63 . Como ecuación diferencial que es. no existe ninguna restricción en la forma de dicha ecuación. sin la posibilidad de obtener una solución analítica. tanto dinámico como estático. lo que nos permitiría extraer conclusiones detalladas sobre su régimen de funcionamiento. dada la diversidad en la naturaleza y comportamiento de los sistemas que pueden ser representados con esta metodología. En principio. Obviamente el problema es aún abordable haciendo uso de métodos numéricos de solución. La solución de la ecuación en su forma más genérica. pero estas técnicas quedan fuera del ámbito de estudio del presente texto. la ecuación de estado describe completamente el comportamiento del sistema al que representa y. su tratamiento se ha de abordar de forma particularizada y. 1 . S olu ci ón d e la ecu a ci ón d e esta d o d e si stem a s li n ea les Introducción En el capítulo anterior se ha establecido la forma de representar el comportamiento de un sistema mediante la ecuación de estado. es necesario resolver esta ecuación diferencial para tener un conocimiento explícito de la evolución de dicho sistema. dejando claro el hecho de que no se trata de una limitación propia de la utilización de variables de estado en la descripción del sistema. sino en la posibilidad práctica de resolución analítica del problema matemático subyacente. sin embargo. no puede abordarse de forma general. incluyendo la posibilidad de aparición de no linealidades arbitrarias. como en la mayoría de los casos de ecuaciones diferenciales no lineales. salvo los ya conocidos de causalidad y determinismo.

1) La solución de esta ecuación se plantea. Cabe recordar que se conoce como ecuación homogénea aquella para la cual la entrada al sistema se anula. 1. Por contra.4) (2. que dicho sistema no recibe estímulo externo alguno. que dice que dada una ecuación diferencial de la forma: con condiciones iniciales construyendo una secuencia de funciones del tipo: = x(t) f (x(t) . es decir. por consiguiente. Caso general = Xo .l (T) . 2. se puede obtener = (2. t) x( to ) Xo .2. por lo que la ecuación a resolver es: x(t) = A(t)x(t) (2. a semejanza con las ecuaciones diferenciales usuales. Matriz de tran­ sición En la ecuación homogénea se supone que la entrada u(t) es nula.5) 'Po = Xo = 'P k (t) 'P o + it f ( 'P k . en dos fases: resolución de la ecuación homogénea y resolución de la ecuación completa. resolver la ecuación de estado de un sistema lineal en el caso más general. por lo que la respuesta de éste vendrá dada por su evolución libre.2 se obtiene la sucesión: = (2.6) . la ecuación completa contempla tanto esta evolución libre como la respuesta del sistema ante el estímulo externo mencionado. T) dT ta en la que la solución de la ecuación diferencial se obtiene como: x(t) lím 'P k (t) k --+oo En el caso de una ecuación diferencial de la forma propuesta en la Ecuación 2. Para encontrar la solución de la ecuación homogénea se puede utilizar el método de integración por aproximaciones sucesivas de Peano-Baker.2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES El objetivo en este capítulo es. Solución de la ecuación homogénea .3) la solución de dicha ecuación (2. es decir: x(t) = A(t)x(t) + B (t)u(t) (2.64 CAPÍTULO 2.2) con condiciones iniciales x(to) 2. U(T) . u(t) .

En este caso la matriz de transición viene dada por: (2. Se puede demostrar además que esta solución es única. to) es la llamada matriz de transición.2.10) Teniendo en cuenta que: Al entrar con este resultado en el término general de la solución de Peano-Baker: .2. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA.2. 2. se com­ prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la derecha. mediante la que se construye la solución de la ecuación diferencial. 9) El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales x(to) = Xo .8) [1 + Jt A(T)dT + Jt A (T) Jr A(TddT1 dT] Xo to to to ho l: A(T) [xo + 1: A(TddTI XO] dT = ho ho 65 (2. y cuya expresión es: (2 . después de la extracción de este factor común la expresión a la que se tiende es: X(t) = cp(t.7) donde cp (t. Casos particulares de la matriz de transición La Ecuación 2.2 tiene una solución sencilla mediante el método de integración por aproximaciones sucesivas de Peano-Baker.2. MATRIZ DE TRANSICIÓN <p2 (t) = <PO + = Xo + t A(T)dTXo + t A (T) r A(Tl )dTl dTXO = = A medida que progresa la construcción de los sucesivos términos de la serie. cuando el producto de A(t) y Jt: A(T)dT es conmutativo. to)xo (2.

rk -3 A(Tk.2 ) [ � [1:k -2 A(Tk )dTk] ] dTk.3 A(Tk )dTk ] 3 ta 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES . por lo que en dichas situaciones se podrá hallar la matriz de transición de forma directa aplicando la expresión 2 .12) .2 [irk . v " = " - v ' 1 + 2 ¡ t A(T)dT k + . to ) e J.2 ) irk -2 �2 -l [irk .66 CAPÍTULO ¡ t A( T) .3 · · · dT 3 �. .l dTk. . .3 A(Tk. to ) = d . ¡ t A(T)dT + . es claro que ambas matrices conmutan.'o A ( r)dr e ' o t a l dT = J r e J.11) <I> (t. ita ita 2 . por ser el desarrollo en serie de Taylor de la función exponencial. ita ita = y si se continúa con las sustituciones. . 1 1 : diagonal: en este caso. 1 (2. to ) e J. dTkd. dT dTkta ta � [1:k-2 A(Tk )dTkr2 1: A(T) · · · 1:k .2 .2 dTk. resultando: = �[ ] �. . se puede expresar como: ( r)dr (2. ita que. por L a matriz A(t) lo que se puede aplicar la fórmula general. [ ] es <I> (t. . .'o ann ( r)dr 1 d. sucesivamente se llega a que el término general de la serie de Peano-Baker es igual a: con lo que la suma de la serie se convierte en: <I> (t.'o a l l ( r)dr O 't r[ aU { T l O ann (T) O � t ft o ann (T )dT O e J.� A Existe una serie de casos en los que se cumple la restricción de que el producto de la matriz A(t) y su integral es conmutativo.l A(Tk )dTk ] 2 dTk. + ¡ t A(T)dT + .

Es decir.e Jtta A (T) dT . Entonces: "' 'l' (t . t o ) .e J.e J. La matriz A(t) es un escalar: en este caso. l )x.l ) O e. la matriz conmuta con su integral.a a ( T)dT _ _ (2. t o ) . to) = e A(t .e A (t .1 _e. to) = e a (2 .e M J.(t . MATRIZ DE TRANSICIÓN 67 La matriz A(t) se puede factorizar: si a la matriz A se le puede extraer como fac­ tor común de todos sus términos una función del tiempo.t a ) = [ - e t .l ) 2 e. a (T) dT y y (2.to ) . por lo que la matriz de transición toma la forma: J. al depender la expresión de la matriz de transición q>(t.2. es evidente que la matriz su integral conmutan. puesto que en ambos casos se trata de escalares para los que siempre se da la propiedad de conmutación en el producto. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA.a A dT . to) sólo de la diferencia entre el instante inicial el final.l ) �1 x con lo que la evolución libre del estado es: x(t) � " (t. de forma que se pueda expresar como el producto de una matriz invariante por dicha función. 1 q>(t. si: A (t) = Ma(t) donde M es una matriz invariante y a(t) es un escalar.l ) O 1 . Como la matriz del sistema es O e . entonces se cumple el producto conmutativo del supuesto.a Ma (T) dT .t a ) O et .a dT . se suele utilizar la notación q>(t .2 (t .(t .ta � 1 2V .13) (2.14) La matriz A es invariante: en este caso.e A J.2 (t . de forma que se puede aplicar la expresión general: "' (t . 15) Ejemplo 2 . � [ O O e.ta) 'l' _ _ En este caso.2.2 (t . 16) Calcular la evolución del estado ante entrada nula para el sistema: o -2 O -1 Xo [1 sabiendo que to 1 diagonal entonces es: = Y q>(t.

dadas unas condiciones iniciales. lo que queda vuelve a ser la suma infinita que define a la matriz de transición.2. por lo que puede extraerse la conclusión de que cada uno de los vectores columna de la matriz de transición cumple con dicha ecuación diferencial homogénea.2) . Propiedades de la matriz de transición 1 . se deduce que: = x(to) = iJ> (to .68 CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Un caso más desarrollado de cálculo de la evolución libre del estado de un sistema se puede ver en el Ejemplo 2. por lo que todas las integrales se anulan permaneciendo únicamente la matriz identidad. 18) es decir.6 al final de este capítulo. se obtiene: . . como queda reflejado en la expresión. to)x(to ) :::} iJ>(to . es decir xo . Se puede demostrar además que estas columnas forman un sistema generador del espacio de soluciones de la Ecuación 2. = 3. teniendo en cuenta que la ecuación se cumple para cualquier estado inicial. la derivación cancela el primer integrando de todos los sumandos. = A(t)iJ> (t.8) . se puede expresar como una combinación lineal de dichos vectores columna. Derivación respecto al tiempo diJ>(t ' to) dt A(t) + A(t) Si se deriva la expresión genérica de la matriz de transición. to) cumple con la misma ecuación diferencial que el estado (Ecuación 2. Transitividad de la solución de la ecuación homogénea Si se calcula la solución de la ecuación homogénea para cualquier instante t2 . 2. lo que significa que cualquier solución que se obtenga.3. por lo que la matriz A(t) puede ser extraída de todos los términos como factor común por la izquierda. A esta conclusión se llega igualmente haciendo t to en la expresión de iJ>(t. después de esta extracción. se tiene: = ¡ t A(T)dT ta + .17) Como se observa. puede observarse que la matriz iJ> (t. Además. n 2. to) (2. por lo que y to coincide con el �pecificado al particularizar la sohición para este instante inicial. Valor de la matriz de transición en to El valor de la variable x(t) para el instante t como condición inicial. que la particularización de la matriz de transición para el instante inicial debe dar como resultado la matriz identidad de la misma dimensión. to) mediante la serie de Peano-Baker (Ecuación 2. . to) = 1 (2.

dado un instante t y un intervalo de tiempo T. se obtiene: lo que.3.i (t) <I>( t. Cambio de representación del estado Para cualquier cambio de representación del estado.21) 5. to)x(to ) Como la solución de la ecuación de estado es única.i (t) se verifica: <1> (t.i (t)<I> (t. to )T(to )x(to) <1>( t. la solución de la ecuación homogénea particularizada para el instante t + T es: (2. to) x(t) = T . to )T(to)x(to) =} x (t) T . x(t) = T(t)x(t) con la condi­ ción de existencia de T . por lo que también se cumple: Para el caso de sistemas invariantes. como consecuencia. si en la solución de la ecuación homogénea se sustituye x( t) por su valor: =} = Despejando de esta ecuación el valor de x(t) : =} = <I>(t. esta propiedad se reduce a: (2. to )T( to) = . PROPIEDADES DE LA MATRIZ DE TRANSICIÓN 69 Si se hace lo mismo para otro instante t i . 19) (2. to) T .22) En efecto.2. al ser válido para cualquier estado inicial. se tiene: x(td = <I>(h . to)T(to ) T(t)x(t) (2. se deduce: Si en la ecuación de transitividad se hace la suposición de que t2 = to .20) 4. to)x(to) = <I> (t.i (t) <I>(t. permite afirmar que la matriz de transición ha de ser no singular. se debe alcanzar el mismo estado para un instante determinado si se parte de las mismas condiciones iniciales. Inversión de tiempos por tanto. Para el caso de matriz A invariante.

CAPÍTULO 2. to) .23) Para calcular la solución de esta ecuación se utiliza el método de variación de las constantes.24) cI> (t. pero como no depende de la variable de integración puede introducirse dentro de la misma. = cI> (t. to)B(T)U(T)dT ita t ( cI>(to . to) z(t) v [ A(t) cI> (t. to) i( cI> (to . es decir.A(t) cI>(t. se obtiene: z(t) = z(to) t ( cI> . por lo que sustituyendo en la Ecuación 2. demostrando que existe la z(t) que cumple con la hipótesis formulada en principio: z(t) = = cI> . Si la hipótesis formulada es correcta. to) z (t) . cuando existen condiciones iniciales no nulas y entrada: x(t) = A (t)x(t) + B (t)u(t) (2. to)z(t) = (2. calculando la z(t) que lo cumple.23 queda: <Í> (t. según el cual se va a suponer que existe una z(t) . y teniendo en cuenta que z(to) x(to ) a partir de la ecuación 2.l (t. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Solución de la ecuación completa El objetivo de este apartado es la resolución de la ecuación completa.27) donde al aplicar la propiedad de inversión de tiempos a la matriz cI> (t. entonces esta expresión de x(t) debe verificar la ecuación completa. to)B (t)u(t) + (2. to)xo + cI>(t. se puede despejar z (t) como: z (t) o ] (2. y al producto entre ésta . to ) fuera de la integral. to) .l (T. T)B(T)U(T)dT (2.26) B (t)u(t) que mediante integración se resuelve.29) cI>(t.28) Si se sustituye esta expresión en la Ecuación 2.1 donde el término entre corchetes se anula por la primera propiedad vista para la matriz de transición y. tal que la solución de la ecuación completa se puede expresar de la forma: x(t) hipótesis que se verificará a continuación. to ) es no singular.30) En el segundo término aparece cI> (t. to) z (t) + <Í> (t.25) (2. como cI> (t.70 2.28.4. to)z(t) + cI> (t. to)z(t) + B (t)u(t) = .24 se obtiene: x(t) = = x(to) + (2. T)B(T)U(T)dT ita t ta (2.

T) aplicarle la propiedad de transitividad para reducirlo.1 =[ <I> (t. Como puede verse.2. 1 se sabe que: e. debida a las condiciones iniciales cuando la entrada es nula. por lo que. de forma que al final queda la siguiente expresión de la solución de la ecuación completa: x(t) Se observa que la solución completa de la ecuación de estado es una suma de dos términos: El primero representa la evolución libre del sistema propiciada por la situación inicial de las variables de estado o. Del Ejemplo 2 . este término existe si sólo si existen condiciones iniciales no nulas. la evolución del estado ante entrada escalón es: . 2 • Determinar la evolución del estado ante entrada escalón para el sistema definido por: o -2 x+ u O -1 -1 sabiendo que to = 1 Xo = [1 . to )xo + i( <I> (t. debida a la acción producida por la entrada del sistema. T)B (T)U(T)dT ta t (2.4.2( t-t a l O �l O así como la evolución libre del sistema partiendo de las condiciones iniciales dadas. to) = Y eA ( t-t a l e t-t a �l � [ 2 ] T . El segundo representa la evolución forzada del sistema. aplicando superposición .31) y Ejemplo 2 . • = <I> (t. dicho de otro modo. y SOLUCIÓN DE LA ECUACIÓN COMPLETA 71 <I>(to .

la matriz de transición se puede expresar mediante su desarrollo en serie.5. t) (2. por el teorema de Cayley-Hamilton este polinomio infinito particularizado en A(t) puede calcularse mediante un polinomio R(M. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Otro caso de cálculo de la evolución forzada del estado de un sistema se puede en­ contrar en el Ejemplo 2. to) Se van a estudiar tres métodos para la obtención del resultado de esta expresión. que no es sino un polinomio infinito que depende de M y de t: e M J. n.33) Para el caso de matriz A invariante el planteamiento sería el mismo.6 al final del capítulo.'o a(r)dr donde: = k=O 00 L a k (t)M k = Q(M.'o A (r) dr Para los casos en que la matriz A(t) sea factorizable según la Ecuación 2.36) .72 CAPÍTULO 2. salvo por el hecho de que la función a(t) es igual a uno. t) donde C(>'.) =O + R(>'. t)P(>. cuyo grado coincide con el número de variables de estado se forma el cociente entre el desarrollo en serie de la matriz de transición y éste. Método de Cayley. Como se verá a continuación. el cálculo de la matriz de transición de un sistema es equivalente al cálculo de la exponencial de una matriz: <I>(t. obteniéndose la expresión: n.32) (2. 2. Cálculo de la matriz de transición Por lo expresado en el apartado anterior.35) P(M) (2. t) .5.j n - (2. t) es el polinomio cociente y R(>'. resto de (2. que incluye el caso invariante. Q (>. t) es un polinomio de grado la división entre el polinomio infinito y el polinomio característico: R(>'. t) = C(>'..13. de grado finito y menor que Llamando P(>') al polinomio característico de la matriz M. t) Por el teorema de Cayley-Hamilton: L = nj=-Ol hj (t)>.34) 1 .Hamilton = eJ. 1. 2.

h 1 ha . h 1 � (e. por lo que. Ejemplo 2 .34 A M.2. A continuación.1 . comprobándose que sus valores son A l . que el polinomio característico de M se anula particularizado para sí misma. ta ) = � (4e. con lo que resulta : despejando este sistema resulta : ha = por lo que la matriz de transición resulta : <I> ( t. por lo que: con lo que se obtiene un sistema de ecuaciones: n.(t-to) = = e-(t-to) { e-4(t-to) = = ha .4 .(t-to) .39) . se plantea la ecuación asociada a cada uno de ellos.40.e-4 (t-to) ) .4h 1 _ e-4(t -to) ) ha I+h 1 A [ ��(2(e-(t-to) +e-4(t-to) )) e-(t-to) e-4(t-to) _ � ( e-(t-to) e-4(t-to) ) � ( e-(t-to) + 2 e-4(t-to) ) _ ] . sustituyendo en la Ecuación 2 .40) Calcular la matriz de transición del sistema definido por la matriz: A = = = - [ -22 13 ] y En primer lugar se calculan sus autovalores. 3 = n (2.38) donde los Ai son los valores propios de la matriz M. t ) R(M. sustituyendo en la Ecuación 2. A 2 . = n j= a (2.5. Para obtener los coeficientes del polinomio R(M.1 e Ai J:o Q{ r)dr R ( A i t ) L hj ( t)A{ que permitiría obtener las incógnitas hj ( t). t) (2. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 73 es decir. t) se hace uso de la propiedad de que los valores propios anulan el polinomio característico: = = (2.37) Esta expresión presenta la ventaja de haber reducido el problema de obtener un polinomio de grado infinito al problema de obtener un polinomio de grado finito. se puede deducir que: Q(M.

un valor propio doble. t) se seguirá cumpliendo hasta la derivada de orden mi . quedando: dQ (A. t) + �y R�� (2.1 inclusive. 2 1 . A partir de este orden aparecen sumandos que no dependen de (A . En primer lugar se determinan los valores propios de la matriz dada . resulta: dQ(A. Ejemplo 2.Ai ) que. En el caso de que la matriz M presente algún valor propio múltiple.44) sabiendo que to = o.43) dR(A. t) Pi (A) (A _ Ai ) mi _ expresión en la que todos los términos se anulan al particularizar para Ai salvo el último. para obtener t�tas ecuaciones distintas como incógnitas. se deben utilizar las derivadas de la Ecuación 2.7 al final de este capítulo.l + d . Dado un valor propio Ai con multiplicidad mi . t) la del polinomio R( A. el polinomio característico es de la forma: (2. t) dA + d C(A. t)Pi (A)mi (A C��.74 CAPÍTULO 2.41) con lo que la expresión del cociente entre polinomios queda: Si se deriva esta expresión respecto a A. es decir. Se cum ple que: Obtener la matriz de transición del sistema definido por: [ -21 O1 ] = . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Otro caso de obtención de la matriz de transición haciendo uso de este método para un sistema no invariante puede verse en el Ejemplo 2. no se anularán cuando se particularice la derivada de orden superior de Q (A. por lo tanto.42) _ Ai ) m i (2. com­ probándose que ambos coinciden en A l .4 A = I A=� Y = Ai ) d ) (A C(A. t) m i . t) dA y Esta igualdad entre la derivada de Q (A.34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. t) dA I A=� (2. t) en Ai .

en el caso de que todos los autovalores sean distintos. ésta se compone.46) Para el cálculo de la matriz T se sabe que. �(t.1 A(t)T = T .. t) t =} t e A .2. con lo que la matriz de transición del sistema toma la forma: A(t) El método de Jordan consiste en realizar una transformación: que transforma a la matriz del sistema en: A(t) Ma(t) = = = de manera que sea diagonal en cajas de Jordan. conocida como forma canónica de Jordan. se parte de una forma de la matriz que permita su factorización de la forma que se expresa en la Ecuación 2. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 75 y. to) .47) T . to) T�(t.13.1 MTa(t) (2. de los vectores propios asociados a los valores propios de la matriz M. Tal como se vio en el teorema de cambio de representación de estado.5. la exponencial de una matriz en cajas .h 1 d>' . Mét o do de J ordan Al igual que para el método de Cayley-Hamilton.1 (2.5.2. t) dR(>'.d>' De donde. se ha de cumplir también que: e t = ho + h 1 t e t = h 1 =} ho _ _ dQ (>. al ser el valor propio doble.45) (2. por su valor. es posible obtener la del sistema original mediante la transformación: <l> (t. si se consigue encontrar la matriz de transición para el sistema en el nuevo sistema de referencia. La ventaja de esta transformación es que la exponencial de una matriz diagonal en cajas de Jordan se calcula de forma muy sencilla. to)T . por columnas. sustituyendo >.t)é Sustituyendo en el polinomio resto queda : ] 2. se tiene el sistema de ecuaciones: = (1 - t) e t tet (1 .

49) 1 En el Apéndice A de este libro . La exponencial de algunas cajas de Jordan es la siguiente: Exponencial de una caja con valores propios distintos: si la matriz es: la exponencial es: e Ak O O 1:. u(r)dr Valor propio múltiple: si la matriz es: M i a(t) Á i (t) = = ).48) donde M i a(t) son cajas de Jordan I de la matriz Á (t) .76 CAPÍTULO 2. 1 O O ). a(t) . Sección A.t u(r)dr e Mi It o" O O (2. O O O O O O O (2. se muestra un método para la obtención de la matriz diagonal en caj as de Jordan ). 1 O O ). to) = MI O O M2 exp O t u(r)dr e M " It o" O O Mi O O O t M2 It o" u(r)dr e O ¡h a(T)dT to O .2. SOLUCIÓN D E LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES de Jordan es una matriz en la que cada bloque de la diagonal es la exponencial de una caja: <I>(t.

l Ut: a(T)dT) n . con los que se construye la matriz de diagonalización del sistema : - Calcular la matriz de transición del sistema definido por la matriz: A= [ 2 1 2 -3 ] Con lo que se tiene: A= [ -O1 O ] -4 --> � (t. Cálculo de la exponencial de la matriz diagonal en cajas de Jordan. to) = [ e -(t .l .50) 1 De esta forma. A continuación se calculan los vectores propios asociados. Multiplicación de esta matriz por las matrices de transformación para devolver el sistema a su expresión original.2. 5 • • y Del Ejemplo 2.2 (n 2 ) ! Utto a(T)dT) n . CÁLCULO DE LA MATRIZ DE TRANSICIÓN la exponencial es: - = e A f:� a(r)dr . • Ejemplo 2 .to ) 2 .1 ) ! (2.1 .3 sabemos que los autovalores de esta matriz son A l = . � (t. según el método de Jordan. el cálculo de la exponencial de una matriz se realiza en los siguientes pasos: Cálculo de la matriz diagonal en cajas de Jordan.4 .t to e 1'1 A i (r)dr = e Mi ftoi a(r)dr = O O O 1 O O 77 1 Jt: a(T)dT Ut: a(T)dT) 2 2! Jt: a(T)dau 1 O Ut: a(T)dT) n .3) ! - (n .5. mediante el cálculo previo de las matrices T T. to) . to) .3 ( n . <p(t. A 2 = .

y la expresión general hallada en la sección anterior. convolución que aparece como segundo sumando de la solución general de la Ecuación completa 2. la situación de entrada nula es la que se plantea para la ecuación homogénea.54) cI> (t) * Bu(t) (2.l XO + (sI . como se acaba de hacer. por lo que se propone un método alternativo para hallar su solución como: l -l x(t) .l BU(s)] = (2.A) . puede encontrarse un caso de cómputo de la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del de Jordan.3.8. identificando el primer término.A) . se puede establecer una correspondencia entre la expresión de la solución completa.:¿ . el segundo sumando se anula. Como puede observarse en la Ecuación 2. Por otro lado. mediante la transformada de Laplace.:¿ .[(sI _ A) . si la entrada al sistema es nula. por las propiedades de la transformada de Laplace.A) .l BU(s)] = sX(s) .A)X(s) = Xo + BU(s) =} X(s) = (sI .78 CAPÍTULO 2.A) . mientras que en el Ejercicio 3 se puede ver un caso de aplicación de estas metodologías para un caso no invariante. Mediante la transformada inversa de Laplace Si el sistema es invariante. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el Ejemplo 2. De esta forma.:¿ [(sI .51) (2.] Xo (2.5.l BU(s) x(t) Ax(t) + Bu(t) = (2. se observa que la matriz de transición se puede hallar como : En cuanto al segundo sumando. al final del capítulo. 2.Xo = AX(s) + BU(s) =} (sI .52.52) Esta expresión permite obtener la evolución del estado en función de las matrices de las ecuaciones de estado y del estado inicial. Se parte de la ecuación: Tomando la transformada de Laplace: y = =} =} tomando antitransformada de Laplace: x(t) l -l . la ecuación de estado se puede resolver mediante la trans­ formada de Laplace. que: l .55) que se corresponde con una integral de convolución en el dominio del tiempo.[(sI _ A) .53) Por tanto. .l ] Xo + .52. se comprueba.:¿ [(sI .

6.6. a .. Cuando la entrada es u(t) = sin(t) . b. cá lculo que resu lta trivia l en este caso a l ser la matriz A diagon a l .t - +---:-----:==---. Ante entrada n u l a . EJEMPLOS ADICIONALES 79 Determinación de la evolución del estado = Ejemplo 2 . Ejemplos adicionales Xl 1 [ �l ] = [ -O1 -O2 ] [ X2 ] [ -3 ] u(t) ... 6 2. En pri mer l ugar se ha de ca lcular la matriz de tra nsición del sistema .--.c-s 0.. c.---:4.5 Lo que defi ne una trayectoria en el espacio de estado q ue se representa en la sigu iente figura : +--�--�2--�3==�4��S t -4 . Cuando la entrada e s u n esca lón u n itario. Ante entrada n u l a . el estado evol uciona según la expresión : -4 La representación gráfica de la evol ución de cada una de las varia bles de estado es la representada en la siguiente figura : 2 Xl t . A partir de este resu ltado se pla ntea la sol ución a cada uno de los casos que se exponen en el ejemplo. X2 + Calcular la evol ución del estado del sistema dado por: to O x(to) = Xo = [2] -4 a . O)xo = [ e-t O2 ] [ 2 ] = [ 24ee-t2t ] O e.2. x(t) = <p(t.

2 ( t.2 t . 5 -1 -2 3 - -4 . la evol ución del estado se ca lcula haciendo uso de la expresión que proporciona la sol ución de la ecuación com pleta : x(t) Esta evol ución tem pora l se representa gráfica mente en las figuras que a pare­ cen a conti n uación : 2 1. T)B (T)U(T)dT = = [ ] +¡ [ O O =[ 2 e-t _4 e. Ante entrada esca lón u nitario. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 1.2t + 1 + e-t � ( e. O)xo + Jt <I> (t.80 CAPÍTULO 2.5 1 0.( t.5 -1 -2 -3 -4 b.r) _4 e. 5 1 1 .2t to to t e .r) 1 -1 -2 -3 -4 e. 0 .1) 3 4 ] 5 t 4 En la siguiente gráfica se m uestra la trayectoria dentro del espacio de estado marcada por estos com porta m ientos.5 5 t Xl X2 = <I> (t.

r)B (r)u(r)dr = ] Jt a t + f Jtta. O)xQ + t !I> (t. = [ En las gráficas q ue se m uestra n a contin uación puede observarse la evolu­ ción de las dos varia bles de estado.cos(t ) + 2 sin(t )) [ j ] [ !3 ] ] 1 2 -1 -2 -3 -4 o t E l i m i n a ndo el tiempo de estas expresiones. x(t) = !I> (t.2 ( t . por lo que la evol ución del estado se ca lcula nueva mente haciendo uso de la expresión obtenida para la ecuación com pleta . a lo largo del tiem po.cos(t) + sin(t)) _4 e-2t . X2 e. se obtiene la trayectoria en el espacio de estado q ue se representa a conti nuación : 1 1 .T ) o 2 e .2t . cua ndo la entrada es una senoide: X. En el tercer caso pla nteado.6. ( e-t .2.( e. la entrada al sistema es una senoide. EJEMPLOS ADICIONALES 81 c. 5 2 Xl -2 -3 -4 .t + 1.( t-T ) o sin (r)dr = e.

-3 4 a(t) = sin(t) ] 2 det [. a plicada sobre los va lores propios.H a m i lton . A = -5.U . 2 sin(t) -3 sin(t) ] [ -41 -3 ] sin(t) 2 = =} { [ U na vez identificados los factores. origi na el sistema de ecuaciones : Ai 1 Ai = .82 Evolución del estado de un sistema no invariante Ejemplo 2 .M] = A + 4A . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Calcular la evol ución l i bre del sistema dado por el modelo de estado: En primer l ugar.l ) (A + 5) que.5 Al 2 = (A . por lo q ue es susceptible de utilizarse el método de Cayley. 13. Dicha factorización q ueda como: partiendo del estado i n icia l Xo [ XX2l ] [ -4 sin(t) -3sin(t) ] [ XX2l ] Sin(t) 2 sin(t) [ _� ] t O = = en o = A(t) = [ -4 sm(t) s in(t) . se com prueba q ue la matriz A(t) del sistema es ta l q ue admite una factorización como la expresada en la Ecuación 2 .5(1 . 7 CAPÍTULO 2 .c os (t)) + 5 e (1 . q ue posteriormente servirán para pla ntear las ecuaciones media nte las que se despej a n los coeficientes del pol inomio resto.cos (t)) = ho + h 1 e -5(1 -cos (t)) = ho . El sigu iente paso e s pla ntear l a s ecuaciones que igua lan l a s exponencia les de los va lores propios con la particu larización del poli nomio resto para los m ismos: 1 2 M = . con lo que los a utova lores son = 1 . el siguiente paso es el cá lculo de los va lores propios de la matriz M.COS(t)) ) .5 = =} =} que despeja ndo dej a : e (1 .5h 1 ho h1 � ( e -5(1 -COS(t)) + 5 e ( 1 -COS(t)) ) � ( _ e .

O ) xo = :3 1 [ 4e C(t) + 5 e -5C(t) 4e C(t) _ l Oe -5C(t) 10 X.2. dado que la entrada es nula a l ped i rse la evol ución l i bre: - cp (t. 8 En el sistema de depósitos com u n ica ntes del Ejemplo 1 .7 se desea ver la evol ución de a m bas alturas cuando el fl ujo de entrada es consta nte de valor F. EJEMPLOS ADICIONALES 83 La matriz de tra nsición se encuentra sustituyendo estos coeficientes en la expresión del pol inomio resto y particularizá ndolo para la matriz M : donde C(t) = (1 cos(t) ) .:. + v· 10 / // /:\\ ] \ I (\ t 4 2 4 -2 8 1 0 Xl Evolución temporal de un sistema de depósitos comunicados Ejemplo 2 . to) = ho I + h 1 M = :3 1 [ e -5C(t) + 2e C(t) _ 2e -5C(t) + 2e C(t) _ e -5C(t) + e C(t) 2e .". 10 8 +/ --.5C(t) + e C(t) ] que.c-----:--�. Conocida l a matriz cp (t. ya es posible ca lcular l a evolución del sistema a partir del estado i ncial proporcionado y.--. q ueda : 10 X. -2 2 x.6.. representado en función del tiempo y en el espacio de estado. siendo su modelo de estado l i nea l izado el calcu lado a nteriormente en d icho . to ) .--+--. x (t) = cp (t.

SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES ejemplo: donde los va lores de estas matrices dependen de los pará metros físicos del sistema concreto y de su pu nto de l i nea l ización .A l e A 1 t e A2 t _ Sustituyendo estos va lores en el polinomio que determ ina la matriz de tra n­ sición se obtiene: <I>(t.84 CAPÍTULO 2. polos del sistema ) . q ue se va a resolver primero media nte el método de Cayley.A l -a 2 e A 1 t + a 2 e A 2 t _ [ Al m ismo resu ltado se l lega resolviendo la matriz de tra nsición por el segundo método propuesto. O) = eAt = hoI + h l A = 1 (A 2 + a d e A 1 t . Para hallar la evol ución tem pora l de las a lturas es necesario calcular previa­ mente la matriz de tra nsició n .(A l + a d e A 2 t .A] = de t + [ A-aa2 l y resolviendo a m bas ecuaciones en e )l 1 t = ho + h l A l e A 2 t = ho + h l A 2 ho ho y h l : A2 eA 1 t .A l eA2 t A2 . M atriz de transición por el método de Cayley.H a m i lton y después media nte el método de Jord a n . Resolviendo este polinomio característico se obtienen los dos polos rea les del sistema q ue denomina mos A l y A 2 .Hamilton Particu lariza ndo el poli nom io eA t = hoI + h l A para a m bos va lores propios se tiene: P(A) = det [AI . . En a m bos méto­ dos se ca lcula en primer l ugar el pol i nomio característico del sistema y sus va lores propios (es deci r.A2 .

Al [ �:� ] A: [�] VI V2 i = 1.¡t . por lo ta nto la matriz de ca m bio de base d iagonal iza nte. i ( puesto q ue Ai q ueda : T= [ y ca lcula ndo su matriz inversa : con lo q ue la matriz de tra nsición en la base origi n a l del sistema resu lta : <I> (t.l = 1 e ¡t +A al(A2 . formada por a m bos vectores propios. 2 Supri miendo la segunda ecuación por ser combi nación l i nea l de la pri mera es u n va lor propio ) . si en los térmi nos de la segu nda fila de esta matriz se tienen en cuenta las Y los polos sigu ientes relaciones entre los pará metros deducidas de los coeficientes del poli nomio característico: . 2 Haciendo por ejemplo Vil = al.¡t + aie). t -aie).2 t ai Ai.2.2 t)2 -al (Al + ade).e). 2 i = 1. t [ (al 2+ Al)(A2 + ad(e). q ueda la siguiente ecuación aplicable a cada va lor propio: = 1.6. EJEMPLOS ADICIONALES 85 M atriz de transición por el método de Jordan La matriz T de ca mbio de base que diagona liza la matriz A de la dinámica del sistema está formada por los vectores propios y correspondientes a los dos valores propios y que se ca lculan a conti n uación : donde sustituyendo el va lor de Al A2 .¡t . [A. se obtiene Vi 2 = al + Ai. O) = eAt = TeÁtT.I .¡t + al(A22 + al)e).al (Al + ade).Ad [ al � Al al � '\2 ] [ � e�2 t ] [ ��l _ �l ��l ] = al (A + al)e).

en cuyo caso la resol ución de la evolución de las a lturas debe efectuarse de forma genérica media nte un progra ma de s i m u lación. va lores i ncrementa les n u los respecto a l pu nto d e l i nea l ización) y se i ntroduce u n fl ujo consta nte d e va lor F .86 CAPÍTULO 2. la evol ución de las a lturas desde sus cond iciones i n icia les en a usencia de ca udal de entrada. porque e l sistema h a sido previa mente l i nea l izado en torno a un pu nto de funcionamiento. sin embargo. Por ta nto. Evolución temporal La evol ución tem pora l de las a lturas se resuelve a partir de la matriz de tra nsición a nteriormente ca lculada media nte: donde Fl (T) es la evol ución del fl ujo de entrada entre el i nsta nte i n icial que se toma como origen de tiem pos (nótese que es un sistema i nvaria nte) y el insta nte genérico posterior t. si se utiliza n las ecuaciones no l i nea les origi nales del sistema . es deci r. pudiendo va ler O en el caso de que no exista ca udal de entrada . Esta resol ución analítica media nte la matriz de tra nsición no es posible. sustituyendo el valor de eA t y efectuando la i ntegra l a nterior se obtiene: donde el primer suma ndo representa la evol ución l i bre del sistema. En nuestro caso esta mos interesados en ver la evolución cuando el fl ujo es consta nte Fl (t) = F. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES se obtiene la siguiente expresión de la matriz tra nsición: coincidente con la calculada anteriormente. . y el segundo térm ino representa la evol ución de las alturas cua ndo las condiciones i nicia les son n u las (es decir. Obsérvese q u e este sistema ha podido resolverse analítica mente media nte l a matriz d e tra nsición .

1 .139t + 0O.3.2 = .506gee-. S� 1 . 13 9t ..139t + 0.33tt 2606 ).'506gee-. � 06 O \ ----�----�----�------�--�0 � 4 6 2 8 1 tiempo (5 ) . siendo todos estos valores i ncrementa les sobre el p unto de l i nea lización . 3 t .1 .11 ..441 0. 1 = -0. 7 394 13 9t 0 .1 .1 ) ] ) + _ + donde poniendo como condiciones i nicia les d e las alturas e n a m bos depósitos [h l O h 20 ]T = [0.33tt 0.1 82 7 8( e .1 + F [ -0 .3802ee--00.588 O _ 0.139 Y ).. 3 t .2 6661 ( e ..11 .11 .. 1003( e . 7 394 .2606 0. cuyas ecuaciones son : [ h�21 ] = [ -0.0 . 3t ] y la evol ución de las alturas resulta : _ [ hh2l (t) ] (t) [ 0.1 ) + 0 .3802 e .0 .. 139t + 0.6. EJEMPLOS ADICIONALES 87 Si se considera el sistema concreto del Ejem plo 1 .0 .1 . se obtiene la evol ución de las alturas representada en la siguiente figura : 2 5 r-----�--�--__. 0.996 ] [ hh21 ] + [ 0.5O ] F1 de donde se tienen los siguientes polos del sistema: con lo que la matriz de tra nsición resulta nte es: <p(t.00.2.506gee -.0 . 5 � E 2 � � 0� ----2 ----�----��----�--�0 4 6 1 8 tiempo (5 ) 1 2 S 08 N §.7 .5 0.3802 e .33tt ] [ hh2lO0 ] 0. 13 9t .0.3802ee-. 7394 e.441 -0. 1952( e .2606 13 9t 0.0.1 .2606 e .5f e i ntrod uciendo u na entrada consta nte de va lor F = 1 . O) = 7 394 13 9t [ 0 .'506gee--00.139t . 13 9t 1) . 3 t 0.

h lO = 1 .. como suma de las dos trayectorias a nteriores ./ OOO � 0 0 0 ________---i 0 0 0 3 5r---�----� 3 0 0 0 00 0 1 � --�0��2� � 1 O���==4O==�· 30 � 50 2 tiempo (s ) o .//.modelo no lineal ...0� h1 (t) (m ) s � g4 .38 Y h 2 0 = 0. 12 evolucion libre .modelo no lineal .�==� 30 4O==� 50 .desde e i nula -. según se verá en capítu los posteriores. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En la siguiente figura se representa la trayectoria de esta evol ución de las alturas en el espacio de estado. la evolución fi nal de los i ncrementos de las alturas cua ndo existen condiciones i nicia les y entrada . que por ta nto no figu ra de forma explícita .. por lo q ue su evol ución sólo puede obtenerse media nte un progra ma de simu lación n u mérica que resuelva d ichas ecuaciones no l i nea les de forma iterativa .. lo que perm ite u n a n á l isis matemático de esta evol ución enca m i nado a l cá lculo de una estructura de control por rea l i mentación del estado. La resol ución analítica del modelo de estado no l i nea l no es posi ble de forma genera l . siendo ésta una cu rva para métrica en fu nción del tiem po.s � E"' 0 6 04 02 °B 1 4r-----�--�--_. a nte entrada i ncrementa l n u la ) ... por ú ltimo.modelo linealizad 10 --� � 1 0��2� O�=7. .modelo linealizad ///'/'�-------l tiempo (s ) . : 5 3 35 " .evolucion total Las evoluciones a nteriores de las a lturas se han ca lcu lado de forma analítica a partir del sistema l i nealizado en torno a un pu nto de fu ncionamiento. 816.. 2==�5 2 15 % -�� 5--�1���===� �� . En la siguiente figura pueden observarse las diferencias de la evol ución de los i ncrementos de a ltura entre el sistema rea l no l i nea l y la aproxi mación l i nea l en torno a l pu nto FlO = 1. la evol ución desde condiciones i nicia les n u las y con entrada incrementa l y.88 CAPÍTULO 2. En d icha figura puede observarse la evol ución l i bre de los incrementos de las alturas ( es deci r..

con lo q ue las a lturas se desvía n m ucho de sus respectivos va lores de l inea l ización h l O = 1 . lo que será objeto de estudio en ca pítu los posteriores. se ha de resolver el polinomio característico: det ( AI . esto es.38 Y h 2 0 = 0. 1. que como ya se sabe coinciden con los polos del sistema.A) A + 3 -1 O O -1 A + 3 = (A + 3) 3 _ (A + 3) = O A+3 O 2 .2 . 7 . para 2 . En el ejemplo propuesto esta d iferencia se hace m uy nota ble en régimen permanente. Ejercicios resueltos Hallar la matriz de transición del siguiente sistema: El primer paso para hallar la expresión de la matriz de transición es el cálculo de los autovalores de la matriz A. mín i mas cuando exista un sistema de control que gara ntice peq ueñas variaciones de las a lturas respecto a su punto de l i nea l izaci6n. [h lO h 2 0 V = [O oV . Estas diferencias entre a m bos modelos será n .2 A 2 = -3 A3 = .1] = (A + 3) (A + 2) (A + 4) (A + 3) [(A + 3) Al = . • Método de Cayley-Hamilton Se plantea el sistema de ecuaciones correspondientes a la particularización . porq ue la entrada i ncrementa l i ntrod ucida F = 1 su pone un 100 % de a umento sobre el pu nto de l i nea l ización defin ido por FlO = 1 . haciéndose nota ble la d iferencia cuando los va lores i ncrementa les de la altura se a lej a n de las cond iciones i nicia les n u las. los polos del sistema� existen dos posibilidades para calcular la matriz de transición: utilizar el método de Cayley­ Hamilton o el de Jordan. EJERCICIOS RESUELTOS 89 no linea l . sin embargo. el com porta m iento del modelo l i nea l es similar a l del sistema O bsérvese que en las proxi m idades del p u nto de l i nea lizaci6n. Para ello.4 Por lo que se tiene que los valores propios son: A partir del conocimiento de estos valores propios. 7. 816.

h2 ) se obtiene el ho = 6 e.4t ) de los valores propios resultado: Con estos coeficientes se plantea la ecuación mediante la que se obtiene la matriz de transición: 1 . se sabe que existe una base del sistema para la cual la matriz del sistema es diagonal.2h 1 + 4h 2 e .4t ) 2 � ( e .3t O O O e .e .2t O O O e .e . Particularizando la expresión (Al ­ A) = O para los distintos valores propios se obtiene: A � -2.4 t 1 1 h 2 . la matriz que diagonaliza A es la formada por columnas. por lo que el cálculo de la matriz de transformación T se reduce al cálculo de los vectores propios asociados a los valores propios calculados.3 t = ho .4 t = ho .8 e . => [ -� -� n [ �:: 1 [ � 1 .2t .2t .3t + 2 e .3h 1 + 9h 2 de donde despejando e .4h 1 + 16h 2 los coeficientes (ho . Como ya se sabe.2 e .3 t + 3 e .2 t = ho .4t 1 Basándose en la transformación que pasa la matriz A a forma diagonal. h 1 . se puede calcular la matriz de transición del sistema para el sistema original a partir de la matriz 4>. por sus vectores propios.( e .4t ) 2 O • Método de Jordan Conocidos los valores propios.90 CAPÍTULO 2.2t + e . y en dicha base de referencia la matriz de transición toma la forma: 4>(t) = [ e . SOLUCIÓN DE LA ECUACIÓN DE ESTADO D E SISTEMAS LINEALES del polinomio eAt = hol calculados: + h 1 A + h 2 A 2 para cada uno e .2 t .

4.1 fj (to) = 1 .1 = 1 � ( e . =} de donde se obtiene que la matriz de transformación T su inversa valen: [il -� � 1 [ 1 [ n [ [n v"' 1 ] [ [�1 [ [ -l l Vll = V12 V13 = O -1 V22 = O 1 =} V.4t ) _ ( e . � O O v" V21 = O - =} V22 V23 V2 = -1 O -1 -1 O O O 1 V31 = .2 .3t O O O 1 y + 7fj + 14y + 8y = O con las siguientes condiciones de contorno: to = O y (to) = 2 y(to) = .4t ) 2 2 2.( e . =} A = .2 t . EJERCICIOS RESUELTOS 91 A = -3.4t ) 1 . 7 .2 t + e .2t + e . Obtener e l modelo de estado y l a evolución d e las variables d e estado del sistema representado mediante la siguiente ecuación diferencial: [ � O e .e . se obtiene la expresión de la matriz de transición en el sistema de referencia inicial: ll (t) = T<1>T .e .V32 V33 = O =} V32 V33 v3 � y Aplicando la transformación dada por T a la matriz <1>.2t .4 t ) "2 ( e .

siendo una posible elección: Xl = y X 2 = iJ X 3 = fj :h = X2 X2 = X3 X 3 = . . . 2 + 14>.7X 3 . det(AI . =} V1 1 = .8X l con lo que el modelo de estado expresado en forma matricial queda: o 1 O O -8 . se calculan los vectores propios para hallar la transformación que la diagonaliza (método de Jordan) : A = -l. que identifican a los polos del sistema por lo tanto.A) A -1 O O A .2 V22 = V23 A = -4.14 A partir de esta expresión se calcula la matriz de transición por el procedimiento habitual. + 8 = (A + 4) (A + 2) (A + 1 ) Una vez conocidos los valores propios de la matriz A. se extraen los valores propios.2 V21 = V22 =} . dado que la ecuación es de tercer orden.V12 =} A = . en este caso. en primer lugar.92 CAPÍTULO 2. su dinámica: y.14x 2 . serán necesarias tres.1 = A 2 (A + 7 ) + 8 + 14A = 8 14 A + 7 A 3 + 7 ).2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En primer lugar se han de elegir las variables de estado.

e "' _ _ _ [ 31 22 ] (t 2 _ t � ) 2 En primer lugar se calculan los valores propios de la matriz M: det (AI .t .6 = (>' + l ) (A .__ 2 2 1 = (A .2) .M) Método de J ardan = I A � / >.2t e .e I o A .3 e .2 8 + Te 1 3 e .2 e . t o ) .t . éste es uno de los casos en los que es factible encontrar una solución sencilla para la ecuación de estado.2 e . Como se vio entonces.1 -2 1 4 -¡ 16 - De esta forma. bien por diagonalización o bien por Cayley-Hamilton: • ..eM I o .2 e .t . ] 1 3 e .2t ] 8 3 2 2 - T.4t 1 Y Como se ha visto en este capítulo. la forma de hallar la solución de esta ecuación de estado es resolviendo: El cálculo de la exponencial de la matriz se puede realizar según los dos métodos explicados. (T)dT .4t 16 .2t 5 + 1 2 e . 7 .4) .2 .1 = -2 - 5 2 1 3 1 2 1 3 - 1 - 6 1 -1 O O -2 O O + 3 . a(T)dT 'I' (t . se obtiene la matriz <I> del sistema en su referencia original: 3 e . EJERCICIOS RESUELTOS 93 Con lo que la matriz de transformación es: T� [ 1 1 . supuestos conocidos X l (to) X2 (tO) : 8 3 e . transformando la matriz de transición de la expresión diagonalizada de la matriz A.4t + + 1 (l e .t .1 = 2e -t .l ) (A .4 t 1 . puesto que se trata de una matriz A(t) que puede descomponerse en el producto de una función del tiempo por una matriz constante.2e .2e .3 e-t 1 1 3 e .2t . Obtener la evolución del estado del siguiente sistema.4t J] <I> (t) = T1>(t)T .2t + }.4 t 2 8 3 e .

Dicha matriz de transformación. to) en el sis­ tema de referencia inicial. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el sistema de referencia diagonalizado. -2 = - [�] Con lo que la matriz de transición en el sistema de referencia inicial queda como: llI (t. to) = T<I>T . to) = [ .1 = • Se componen las ecuaciones correspondientes a cada uno de los valores propios calculados anteriormente: _ Método de Cayley-Hamilton 2 de donde se despejan los valores de ho (t) y h 1 (t) : .V 1 2 Vl = [ � [ -� ] [ V2 1 ] [ � ] V22 . . = <I> (t. = 4 =} Por lo que la matriz de transformación queda como: =} 3 V2 1 = 2 V22 V2 = [ -3 -3 ] [ Vll2 ] [ � ] -2 V1 ] Vll . es posible hallar la matriz llI(t.O O ] � [ e '2Q�'2 2 e 4 = . se construye por columnas con los vectores propios de la matriz A: ).94 CAPÍTULO 2.h 1 2 e 2 ( t -t � ) = ho + 4h 1 . la matriz de transición del sistema sería: 1 A partir de esta expresión de la matriz de transición y mediante la matriz de transformación correspondiente.1 =} =} ).'5 e 2 = ho . como ya es sabido.

que realizarlos directamente en ésta.2. se obtiene finalmente: <I> (t.t al + 3 e .3 e . to) .) = det [ >'I .7. dado que posteriormente se han de realizar cálculos de respuesta ante determinadas entradas.- .2 .t al .6 . la evolución del estado viene dada por: 4. 2 .2 + 8 >' + 12 = ( >' + 6 ) ( >' + 2) y.Al = >. a partir de ellos. resulta mucho más cómodo hacerlos para el sistema diagonalizado y luego devolver los resultados a la representación original. determinar la evolución En primer lugar se calcula la matriz de transición. Dado el sistema descrito por la ecuación: y partiendo del estado inicial nulo en el instante del estado cuando la entrada es: u(t) = { O t<O 2 0<t<1 1 1�t<2 O t?2 to = O. = . se calcula la matriz de transformación a la forma diagonal construida con los vectores propios: [ -31 -31 >.2 sustituyendo estos valores en la anterior ecuación y sustituyendo en A.'5 2 2 3 e 2 (t . Conocido entonces el valor de la matriz de transición por cualquiera de los dos métodos. EJERCICIOS RESUELTOS 95 2 2 � 2 e 2 (t .� 5 _ [ resultado que. Esto es así porque. lógicamente. Primero se calculan los autovalores de la matriz A: p(>. coincide con el anterior. Por conveniencia se utiliza la vía de la diagonalización del sistema y la definición de las pertinentes matrices de trans­ formación.

que es el valor de la expresión calculada para el intervalo anterior cuando t = 1 : XbO . u(t) = Esto produce la existencia de evolución libre. O � t 1 . SOLUCIÓN DE LA ECUACIÓN DE ESTADO D E SISTEMAS LINEALES de donde: T= con lo que las matrices transformadas quedan: Á =T . como no se indica lo contrario. por lo que no existe término correspondiente a la evolución libre al calcular su valor: < t < O t t xa (t) = ¡ <J>(t.96 CAPíTULO 2. • [ �1 ] [ -6 O �[� O -2 ] • El estado inicial es nulo y. por lo que el valor del estado anterior a la aplicación de la entrada se puede suponer nulo. 1) [ . se puede suponer que proviene de esta situación desde un tiempo indefinido.6(t .I = A continuación se calcula la evolución del sistema en esta representación.r) JI O ( 1 ) [ .I AT = B =T . por el valor de dicho estado inicial.Xa _ - 1�t < 2.r) Jo O Para este intervalo hay que tener en cuenta que va a existir un valor inicial del estado distinto del nulo. y de evolución forzada. para posteriormente devolver el resultado a la representación original.I B = [ !1 � ] * T.6t ) ] 1 [ e . r)B(r)u(r)dr = ¡ Jo = que devuelto a la representación original del sistema queda: • [ -�( 1 � e .3 1 (1 � e- 6) ] + ¡t [ e. por la existencia de una entrada: Xb (t) =<J>(t. u(t) = 2 Para este intervalo el valor inicial del estado es nulo.6(t .e -6 ) ] _ O _ e 2 (t-r) O .�( 1 .

u(t) = O 2) [ 1 ( . puesto que la entrada se anula. a partir del instante to = O.2. en los siguientes casos: 11 Ug + R1 U c1 • C1 R2 12 U c2 • C2 .Tx b ( t - 5.1 2 ) ] = [ _ -61 ( -2e -6t + e -6(t.1 . 6 y t . determinar l a evolución d e l a tensión e n cada conden­ sador. así como la diferencia entre ambas. por lo que la variación del estado se debe exclusivamente a su evolución libre: Xb (t) = cI>(t. fijado por la evolución del estado al final del intervalo anterior: lo que no existe es término debido a la evolución forzada.1 ) + e -6(t-2)) ] O O -2 -6t -6(t-1) -6(t. En e l sistema d e l a figura.1 [ -ii(--1-_e--6(t -1) )++2e -6t) ] 2e-6t) ( e En este intervalo existe un valor inicial.2) ) [ _16( (-2ee-6t ++ee-6(t-1) ++ee-6(t-2)) ) ] i - que en su representación original es: x b ( t ) . EJERCICIOS RESUELTOS 97 que en la representación original del sistema equivale a: Xb (t) = T Xb (t) = • 1 6(t.7.e -6 + 2 e .::: 2 .

y posteriormente cero. considerar tres posibles entradas: Para cada valor de 1) Permanece nula.58. G1 . (t) Ug (t) = R2 G2 UC2 (t) + UC2 (t) Se eligen las siguientes variables de estado: X l (t) = Uc. 2) Un escalón unitario a partir de Datos: R 1 = 100K R 2 = 200K G2 = 10.6 F . X 1 (t) + R. = 2V to o 3) Un escalón unitario a partir de to .98 CAPÍTULO 2.6 F.6 F Tensiones iniciales en los condensadores: Uc.lC.R}. hasta un tiempo tt = 0. X 2 (t) = UC2 siendo la entrada y la salida: u(t) = Ug (t) y (t) = Uc. u(t) X2 = R2�2 X 2 (t) + R21C2 u(t) - .UC2 (t) por lo que las ecuaciones de estado quedan: Xl = .1 V Las ecuaciones del sistema son las siguientes: Ug (t) = R 1 lt (t) + Uc. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Considerar dos posibles valores de G1 : a) b) G1 = 10. UC2 = . (t) con con Sustituyendo las intensidades se obtiene: Ug (t) = R 1 GdJc. (t) + Uc. (t) . G1 = 2 x 1 O .

se puede expresar como: 4>(t. . tO ) = e A ( t . to)x(to ) = [ �� e- �Ol La salida es: . e R l el O Las entradas consideradas son las siguientes: ua o 5 -O 5 -1 O 2 O 4 O 6 O B 1 t 1 5 O 5 Entrada u.R2 G2 1 ] Ub ( t .=!o.t o ) Al ser la matriz A diagonal. cuya expresión es: x(t) = 4>(t.!.2. en la evolución del estado sólo influye el término debido a la evolución libre: x (t) = 4>(t.. 4> (t. O 2 O 4 O 6 O B 1 O 2 O 4 O 6 O B 1 t a) Si el = 10 ..R1 Gl O . tO )X(tO ) + i¡ot 4>(t. O 6 t O B O 4 O 2 Entrada u. la expresión de la matriz de transición es sencilla de calcular. to) = e A ( t .t o ) = e Ent rada [ 1 O u. 1 ) Si la entrada es nula. Para calcular la evolución del estado es necesario obtener previamente la matriz de transición. r)B (r)u(r)dr t donde se aprecia el término debido a la evolución libre y el término debido a la entrada. Como A es invariante. EJERCICIOS RESUELTOS 99 En forma matricial se expresan como: R1 Gl R2 G2 1 1 ] U(t) La evolución del estado es la solución de la ecuación completa.to ) [ _. sin necesidad de aplicar los métodos de Caley-Hamilton o Jordan.7.6 F.

5 O ���������� O 0. to)x(to ) + l{tat <I? (t. 5 1 0 .4 0 . Ent rada ua . E n t rada ua .2 0. 6 0 . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Dando valores a las constantes: x(t) = [ 2e--SlOt ] t e 2 y(t) y = 2 e .St + La representación gráfica del estado de la salida es la siguiente: Evo l u c i ón d e l e s tado .l �__����__������ O 0 . T)B (T)U(T)dT . x o = [ 2 _l ]T 2 Sa l i da 1 .100 CAPÍTULO 2 . 6 0 . 8 1 t 2) Si la entrada es un escalón. x o = [ 2 _l ]T E s tado 0 . 5 -0 .lOt e . 5 . la evolución del estado será: x(t) = <I? (t. 2 0 . 8 1 t Evo l u c i ón de 3 la s a l i da . 4 0 .

to � La salida será: Dando valores.7.l Ot ] =} y(t) = e .5t 2 e . 2 1 Ent rada ub .2 __�� 0.5 1 Es t ado 0.8 1 . se obtiene: x(t) = 1 1 [ + e .5 O �--�----� -0 .5t La representación gráfica del estado y de la salida es la siguiente: [ 1 + _ Evo luc i ón de l e s t ado .4 __ t �� __�� ____ � 0.R2C2 t .e.e. 5 .10t 2 e .RICI . xo = [ 2 _l J T .6 0.l �____�� O 0. EJERCICIOS RESUELTOS � 101 Sustituyendo: x(t) + [ e RICI - O R I CI R2 C2 1 1 x(t) 1 l .2.

to)x(to) < + it <p (t. t I ] . entonces. Segundo caso: si t � t I .2 0. Ent rada ub . xo = [ 2 _l] T o ���������==� 0. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Evo l u c i ó n de la s a l ida . la evolución del estado será: Donde hay que distinguir dos casos: Primer caso: si t t I .8 O t 1 3) Si la entrada es un rectángulo de altura unidad.6 0. sustituyendo: • • x(t) = <p (t. entre [to .102 CAPÍTULO 2. será igual que el apartado anterior .4 0. r)B (r)u(r)dr ta x(t) + x(t) .

5( t-O. EJERCICIOS RESUELTOS 103 Mientras que la salida será: Dando valores.5) y [ e .5 O �������� 0. 5 1 0.l O t + e.O . 5) 1 E s t ado 0.2 0. se obtiene: => X(t) = y(t) La representación gráfica del estado de la salida será: Evo l u c 1 ó n del e s t a do . 5) + 2e . xo = [ 2 _l]T = e .8 O 0.5 t + e .7.5( t-O.6 0.5 0.1O(t .1O(t .2 e.4 0. Entrada u c . xo = [ 2 _l] T S a l 1 da 1 .6 t . 5) .2.O.lO t + e .5t ] _ e .4 t 0. Entrada ub .8 1 Evo luc i ón de la s a l 1 da .

Entrada ua .1� � ���� ---�.5 t 3 e .104 b) CAPÍTULO Si el = 2 1 O . 5 .5 -0 . 8 0 0 2 0 6 t Evo luclón de la sal ida Ent rada ua . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES x(t) y(t) Se obtiene: x(t) y(t) 2 e.0 .2 0. l : x 2. xo = [ 2 2 E s t ado 0. 1) Entrada nula. xo = [ 2 _l]T 0. Sustituyendo en las ecuaciones obtenidas en a. �� .5 o���������� 0.8 O 0.4 O 6 t .5 t _ e.5t [ ] _l ] T La representación gráfica del estado y de la salida es la siguiente: Evo l u c i ón del es tado .�-.����4 1 0 .6 F.

2.R2 c2 e RlCl + 2 e R2C2 y(t) Se obtiene: [ 11 -+2ee. 2 : 1 + e. Ent rada ub .8 1 Evo luc i ón de l a s a l l da . Sustituyendo en las ecuaciones obtenidas en a. xo = [ 2 _l] T 1 0. EJERCICIOS RESUELTOS 105 2) Entrada escalón. 2 1.4 0 6 0.5 O ������.5t5t x(t) = .5 1 E s t ado 0.=��� 0.] 5t y (t) = 3 e La representación gráfica del estado y de la salida es la siguiente: [ � - - � � � 1 Evo l u c i ón del e s t ado .4 t 0.5 Entrada ub .7.8 1 O t .2 e. xo = [ 2 _l] T 0 �--�-----1 0.RlCl x(t) 1 .2 0.6 0.2 0.

106 CAPÍTULO 2.O.=!lL R1Cl + e R1Cl + 2 e R2C2 _ . 3 : • < • x(t) y(t) e _ . t¡J .5) .=!lL - e _ R2 C12 t-t Se obtiene: x(t) y (t) e.4 t 0.í Segundo caso: si t .::: t l .O.!.5( t.5( t.6 0. entre [to .5 t [ ] La representación gráfica del estado y de la salida será: _1]T Evo l u C 1 6n d e l e s t ado .!::!L _ .8 1 .5 1 E s t ado 0. será igual que el apartado b. sustituyendo en las ecuaciones obtenidas en a.5 t + e. xo = [ 2 0.5) 3 e. 2 1.!. Se distinguen dos casos: Primer caso: si t t l . entonces. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 3) La entrada es un rectángulo de altura unidad.2 é t + e.5 Entrada uc .

La dinámica del sistema se aprecia en la ecuación de estado. Esta limitación. será profundamente tratada en el siguiente capítulo.8 1 t Se observa que con cualquiera de las tres entradas. se puede conseguir por separado cualquier valor del estado. pues su diferencia ya está fijada. Como dicha salida es la diferencia de las dos variables de estado. Está motivada por la coincidencia en la dinámica de las dos variables de estado.4 0.2. una vez particularizados los datos: y(t) .7. pero en cambio no es posible obtener los dos a la vez.=======� 0.2 0. xo = [ 2 0. Entrada ub . por lo que los incrementos en su evolución serán los mismos. esto significa que el sistema impone una restricción a las variables de estado: dadas unas condiciones iniciales determinadas. EJERCICIOS RESUELTOS _l]T 107 Evo l u c � ó n de l a s a l � da . achacable al' sistema.6 0. para el segundo valor del condensador el . la salida es la misma.5 O� O __ �����.

.

A la vista de la relación existente entre entrada y estado. Esto no es posible en todos los casos. es pertinente preguntarse si dada una trayectoria arbitraria definida en el espacio de estado. C on trola bi I ida d Introducción En el Capítulo 1 se ha establecido la metodología para la descripción del compor­ tamiento de un sistema mediante variables de estado. Considerando un sistema. un estado inicial y un estado final.3 3. 1 . cabe abordar el estudio de cómo se puede influir en el valor del estado a través de la entrada: así. estableciendo de forma explícita la relación que existe entre la evolución del estado. se ha resuelto dicha ecuación de estado. su derivada primera. Este estudio abarca dos cuestiones a tener en cuenta: 1 . A continua­ ción. En este caso. existe alguna restricción en las posibles trayectorias que se puede inducir en el vector de estado mediante la elección de las entradas apropiadas. se desea determinar la existencia de una entrada que lleve al sistema entre ambos en un tiempo finito. Más precisamente. se ha estudiado cómo dicha ecuación en general viene descrita en función del vector de estado. porque los valores de las dos variables 109 . la entrada y el tiempo. como se puede observar en el sistema de la Figura 3. puntos que determinan los denominados estados controlables. expresado mediante la ecuación de estado. en el Capítulo 2 . es posible encontrar la entrada que haga que el vector de estados la siga o si. por el contrario. desde un determinado estado inicial sólo podrían ser alcanzados de­ terminados puntos del espacio de estado. El estudio de la controlabilidad de un sistema determina los puntos del espacio de estado que pueden ser alcanzados por un sistema actuando sobre las entradas de éste. 1 . el valor inicial del mismo y el valor de la entrada en cada instante.

2: Puntos alcanzables desde (0. 1 . la restricción de que la dinámica de ambas variables de estado es la misma en todos los casos se traduce en que. CONTROLABILIDAD u(t) 8 + 2 2 1 Xl (t) 8 + 2 X2 (t) Figura 3 . x.110 CAPÍTULO 3. porque no puede alcanzar cualquier estado deseado a partir de un estado inicial dado. este he­ cho queda patente por el estudio de los bloques con cuyas salidas se corresponden dichas variables. Figura 3. El lugar geométrico de los puntos que pueden ser alcanzados por las variables de estado dadas para el sistema de la Figura 3 . al estar sometidas ambas a la misma dinámica. partiendo de condiciones iniciales nulas. Como puede verse. 2. de estado están ligadas. 2. Si un sistema no es controlable. . la siguiente cuestión que surge es determinar los puntos del espacio de estado que pueden ser alcanzados partiendo de un estado inicial dado. es el representado en la Figura 3 . en cualquier instante el valor de la variable X2 es dos veces el valor de la variable X l .0) . partiendo de condiciones iniciales nulas como se ha dicho. Entonces se dice que el sistema no es controlable. 1 : Sistema no controlable.

En el caso de que las consta ntes de tiempo de carga de a m bos condensadores sea n idénticas. En este caso ca be pregu ntarse si existe o no u na u(t) que consiga que cada una de las tensiones tome u n va lor predeterm i nado en u n tiempo ta m bién predeterm inado. de ma nera que las tensiones i ncrementa les en a m bos condensadores será n d iferentes entre sí. a l i mentadas por u n a ú nica fuente de tensión com ú n a a m bas ra mas (véase el Ejercicio 5 del Ca pítulo 2) . R2 C2 . R 1 Cl =f. 1 INTRODUCCIÓN 111 L a figu ra representa u n ci rcu ito eléctrico formado por dos ra mas RC e n para lelo. R l Cl R2 C2 . cuá les son estos pu ntos controla bles en un tiem po determi nado. Las cuestiones pla nteadas en este ejemplo son objeto de estudio del presente = . dependiendo la evol ución de cada u na de ellas de la ley de variación de la entrada u(t) uti lizada . ca be pregu ntarse cómo es posible encontrar una entrada o conj u nto de entradas que consiguen controlar dichos puntos. Igual mente es i m porta nte conocer las i m pl icaciones q ue tiene la uti l ización de una ley de variación de la entrada con­ creta sobre la variación tem pora l de las tensiones de los condensadores.13 . a m bos condensadores se carga n con la m isma tensión i ncrementa l (a partir de cua lquier situación i nicia l de eq u i l i brio) . En este caso cabe pregu ntarse. Si la situación i n icial no fuera de eq u i l i brio. En a m bos casos pla nteados y una vez resuelta la pregu nta de cuá les son las com binaciones de las tensiones en a m bos condensadores q ue son controlables en u n determinado tiempo y desde u nas determ i nados va lores i n icia les de aquéllas. pues. q ue dependen de las tensiones i n icia les de a m bos condensadores. Por ta nto q ueda claro que en este caso no son controlables todas las com binaciones de tensiones en a m bos condensadores (es deci r. así como las propiedades de d icha entrada uti l izada . u Si las consta ntes de tiempo de a m bas ra mas son disti ntas. Ejemplo 3 . cada condensador se carga a d istinta velocidad. 1 . las tensiones en a m bos condensadores tendería n a igualarse . sea cual sea la ley de variación de la tension de entrada u(t) uti l izada. dependiendo su va lor fi nal y su evol ución tem pora l de la ley de variación de la tensión de entrada u(t) . pu ntos del espacio de estado) .

y será n resueltas de forma teórica y después apl icadas en éste y otros casos prácticos. CAPÍTULO 3. t I ] .112 capítulo. • • . t I ] determinado. t¡] . resulta un concepto de controlabilidad condicionado en el aspecto temporal y en los estados inicial y final. En la anterior definición se han impuesto restricciones tanto en el tiempo como en el estado inicial desde el que se comienza a aplicar la entrada. La diferencia entre las definiciones de controlabilidad primera y tercera respecto a la segunda y cuarta estriba en la forma de considerar la variable tiempo. t¡] . t I ] si existe una entrada u definida en el intervalo [to . tal que transfiera el estado del sistema desde Xo en to hasta X l en t I . un punto puede ser controlable partiendo desde cualquier instante inicial to . es controlable desde el estado Xo en [to . Definiciones La controlabilidad del estado en un intervalo de tiempo partiendo de un estado inicial se define: Se dice que un punto del espacio de estado de un sistema. xo . Estas restricciones se pueden eliminar una por una o ambas a la vez. para todo estado inicial. Se dice que un punto X l del espacio de estado de un sistema es controlable en [to . Por contra. existe un t¡ finito. t I ] si y sólo si para todo xo . t I ] . Ninguna de las dos restricciones incluye a la otra: Un punto X l puede ser controlable desde Xo en [to . que puede ser arbitrario aunque finito. CONTROLABILIDAD 3. X l . Se dice que un punto X l del espacio de estado de un sistema es controlable desde Xo si y sólo si para todo to existe un t I finito. pero no en un intervalo predeterminado [to . En el primer caso se considera únicamente un intervalo de tiempo [to . La controlabilidad del estado para cualquier instante y para cualquier estado inicial se define como: Se dice que un punto X l del espacio de estado de un sistema es controlable si. t I ] . t I ] . X l es controlable desde Xo en [to . y para todo to. tal que X l es controlable desde Xo en [to . pero puede no serlo para cualquier instante inicial.2. mientras que en el segundo se exige que para todo to exista un t¡ . resultando un concepto de controlabilidad extendido a cualquier intervalo de tiempo y partiendo de cualquier estado inicial. tal que X l es controlable desde Xo en [to .

dicho de otra forma. y puesto que 4>(t. la controlabilidad de un punto implica que la trayectoria en el espacio de estado pasa por él. to) y B(t) . Controlabilidad en sistemas lineales Dada la expresión de la solución completa de la ecuación del estado para sistemas lineales: si en esta expresión se fija (t I ) (to) .3. 3. Obsérvese que. to ) es función propia de A(t) . CONTROLABILIDAD EN SISTEMAS LINEALES 1 13 Obsérvese que la controlabilidad de un punto no implica que éste sea un estado de equilibrio. como ocurriría con un punto de equilibrio. Las ideas expuestas en esta sección se generalizan a la controlabilidad de la salida en lugar del estado. la controlabilidad depende exclusivamente de A(t) y B (t) . definido como: Un sistema se dice controlable si todos los puntos de su espacio de estado son controlables. un sistema es controlable bajo las mismas restricciones que lo son dichos puntos. 1 ) de forma que puede reducirse la Ecuación 3 . ¿existe una entrada u( ) que soluciona esta ecuación? El estudio de controlabilidad determina si existe una entrada u(t) que haga que se cumpla la igualdad. B (t)) para referirse a la controlabilidad de los sistemas. de esta forma. utilizándose entonces la expre­ sión par (A(t) . 2 a: (3. El estudio de la controlabilidad de un sistema se basa en el siguiente teorema: .3.2) x Y x T (3 . Estudiar si existe esta entrada es equivalente a plantear si existe una entrada capaz de llevar el sistema desde el estado inicial cero hasta el estado: (3.3) La controlabilidad de un sistema lineal depende de las matrices 4>(t.3. in­ dependientemente del valor de Xo . se pueden extender las cuatro definiciones de controlabilidad de un punto a la contro­ labilidad de un sistema cuando todo el espacio de estado cumpla con las condiciones formuladas en cada una. sino que es posible encontrar una entrada tal que el estado describa una trayectoria que incluya al punto controlable. aspecto que se estudiará en secciones posteriores de este capítulo. la referencia a posi­ bles restricciones en el estado inicial y en el intervalo se obtienen cuando se invoca a la controlabilidad de los puntos de su espacio de estado. Dicho de otra forma. El concepto de controlabilidad de un punto del espacio de estado de un sistema se amplía al concepto de controlabilidad de un sistema. pero no que se detenga en él. en la definición de controlabilidad de un sistema.

to) (3.5) Sustituyendo: (3. desde el estado inicial nulo hasta el estado X l . y lo mismo sucede con X l .9) . to) tiene al menos un valor propio cero.4) es no singular. to) es no singular. lo que es lo mismo.l (t l . Demostración • Condición suficiente x(to) Se intenta comprobar que existe una entrada que lleva el estado desde cualquier = Xo hasta cualquier X(t l ) = Xl o. Si se considera el vector propio. correspondiente a ese valor propio nulo se veri­ ficará que: v. to)] = O (3. por lo que W(t. (3.1 14 Un sistema con una ecuación de estado: CAPÍTULO 3. = A(t)x(t) + B (t)u(t) W(t l . to) . se puede encontrar al menos una entrada que transfiere el estado desde el origen hasta cualquier estado x l . según la Ecuación 3. CONTROLABILIDAD X{ t) es controlable en definido como: [to . to) puede salir fuera de la integral. Para ello se considera como entrada: (3.7) Si W(h . Se parte de que W(t l .3. quedando: (3.8) El determinante coincide con el producto de los valores propios de la matriz. siendo esta entrada la expresada por la Ecuación 3. t l ] si y sólo si su gramiano de controlabilidad.5. por lo que: det [W(t l .6) W . to) es singular. se demuestra que existen puntos del espacio de estado que no son controlables. Condición necesaria Si se supone W(t l . • singular.

r)B (r)u(r)dr = O to yT X(tI ) = 0 (3. Por consiguiente. Para a n a l izar la controlabi l idad media nte el estudio del com porta m iento del . D x lh cI> (t l . to) : (3.13) r) Determ i nar la controlabilidad del sistema defi nido por: partiendo del insta nte i n icial to = O y para cua lquier insta nte t. 14) siendo x(tI ) el estado del sistema en el instante h. CONTROLABILIDAD EN SISTEMAS LINEALES 115 Esto supone que si se multiplica por la izquierda por yT : (3. Para que esto se verifique se tiene que cumplir que �(r) = O . 2 entrada genérica u(r) . 14 significa que. t I ] . sino sólo aquellos que se encuentren sobre un vector ortogonal al vector propio yT .3. partiendo del origen y ante la e integrando se obtiene: yT u( (3. to ::::. Sólo se alcanzarán puntos que verifiquen la condición: vT ( tI ) = O. por lo que es un vector de estado ortogonal a éste. no se puede alcanzar cualquier punto del espacio de estado. desde el estado inicial nulo. el sistema no es controlable en [to . sustituyendo el valor de W(t l . h: (3. 10) y entonces. cualquiera que sea la señal de entrada con la que se excite al sistema. La Ecuación 3 . 1 1 ) integral de una función siempre positiva que tiene que ser igual a cero.3.12) Formando el producto por Ejemplo 3 . r ::::. Por tanto. se va a tener un estado que al ser multiplicado por el vector yT va a resultar cero.

O) ] = 1 92 + Es fácil deducir q ue se ha de a n u la r para t O. sa lvo cua ndo éste sea ta m bién el fi nal de dicho interva lo.2. el primer paso es ca lcular la matriz de tra nsició n : 3 ( e -t . se com prueba que el va lor tota l del determ ina nte va a u mentando.3 t ) e . se p uede estudiar la controlabi lidad del sistema verifica ndo los va lores de t para los que el determ i na nte de W(t. el va lor del determina nte permanece práctica mente consta nte. Por lo ta nto. A partir de este i nsta nte. . O) es d isti nto de cero.3t 3. q ue su determina nte es d isti nto de cero. es necesario com probar q ue éste es invertible. Cálculo de la entrada e n sistemas lineales 1 1 _ e . se p uede afi rmar que el sistema propuesto es controlable en cua l q u ier i nterva lo de tiem po q ue com ience en t = O. todos los suma ndos exponencia les tienen un valor despreciable.8t _ _ e . perma neciendo solamente el pri mero.5 se describe un procedimiento mediante el que se puede calcular una entrada que lleve al sistema desde el estado inicial Xo en to al estado final objetivo X l en h: siendo: x(td = x(td - como se describe en la Ecuación 3.116 2 CAPÍTULO gra m iano. O) . hasta q ue.3. puesto q ue en ese caso los l ím ites de la integra l que define W(t. es deci r.6t 1 92 48 = + 1 1 _ e . 1> ( h to)x(to ) . 3. O) coinciden .2 t 32 48 En la Ecuación 3. se puede a bordar el cá lculo del gra m ia no de controlabil idad a p l ica ndo la fórm u l a : Para poder afirmar q ue u n sistema e s controlable según su gra m i a no. Para sucesivos insta ntes de tiem po. Para ello se ca lcula primero dicho determina nte : 1 det [W(t . 1 . CONTROLABILIDAD ] U na vez que se d ispone de la matriz de tra nsición 1> (t.4t _ _ e . Por lo ta nto.e . tra nscu rrido u n tiem po suficiente.

t)W .3.3. En la Figura 3. se concluye que existe una variedad infinita de entradas para llevar al sistema desde Xo en to a X l en tI ' Caso 1 : 'Iransición directa (3. to)Xo X l =XI . se calcula una entrada que lleve al sistema desde este estado intermedio Xa en ta al estado final X l en tI . 16) donde: Caso 2: 'Iransición con punto de paso intermedio BT (t)<flT (ta .<fl (t l . entendiendo energía como: (3.<fl(ta . de forma inmediata se puede deducir que la entrada obtenida por este método no es sino una de las infinitas entradas posibles que consiguen realizar esta transición en el valor del vector de estado: basta con elegir cualquier estado Xa y fijarse como objetivo alcanzarlo en cualquier instante ta intermedio entre to y tI . ta � t < t¡ (3.I (ta . Yuxtaponiendo ambas entradas en el tiempo se obtiene una nueva entrada que lleva al sistema desde Xo en to a X l en t¡ .3 se puede observar gráficamente este procedimiento de generación de nuevas entradas por elección de un punto de paso. 1 7) donde: Xa =Xa . a continuación. ta)XI . CONTROLABILIDAD EN SISTEMAS LINEALES 117 La particularidad específica esta entrada es que es la señal de mínima energíal que consigue llevar el estado desde el valor inicial hasta el final en el tiempo dado. Moore referenciado en la Bibliografía .2. to)xa .I (t l . ta)Xa según se ve en la Ecuación 3. C . pasando por un punto arbitrario Xa en el instante intermedio tao Como tanto Xa como ta pueden tomar valores cualesquiera arbitrariamente elegidos. 15) Además. 1 Véase el artículo de B . to � t < ta BT (t)<flT (t¡ . t)W .

de forma directa (línea continua) con un punto de paso intermedio (línea discontinua). [ -1 -2 ] + [ 1 ] u O -1 x O calcular u na entrada necesaria para rea l izar la tra nsferencia del estado: Dado q ue el enu nciado ya form ula q ue el sistema es controlable. Ejemplo 3 . 2 25 2 CAPÍTULO � 3. Como paso previo es necesario ca lcular el va lor de la matriz de tra nsición del sistema por cualqu iera de los métodos explicados . CONTROLABILIDAD \ / U2 . ta \ Xl -8 -6 -4 -2 2 Figura 3. \ I Xa t > U2 . Por lo ta nto es posi ble pasar di recta mente al cá lculo de la evol ución l i bre del sistema . no es nece­ sario rea l izar la correspond iente com probación .3: Transición del estado entre dos puntos. 3 y 11 Dado el sistema controla ble defi nido por la ecuación de estado: x= . puesto que para ca lcu­ lar la entrada que rea l iza la tra nsición propuesta hay que tener en cuenta cuál es el efecto de d icha evol ución .118 I t < ta x.

3160 = J[o0 .2 .1 longitudes de subintervalo.5 <P (0. Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n .0571 -0. supuesta fija la longitud del intervalo total. resu lta ndo: 1 19 = [ e . e -t <P (t. De forma resumida.1 grados de libertad.2te -t e-t e-O2t ] [ -t =} x(0.5. O) _ La entrada necesaria para llevar a l estado a l va lor propuesto.0143 ] siendo d icho coste: Otro método para el cálculo de una entrada que transfiera el estado entre dos valores prefijados es la composición de escalones. se ca lcula la de mínima energía . utilizándose como método general la división del tiempo disponible para realizar la transición en n subintervalos de igual longitud.3. 0) l t = 0 .[ �:���� ] = [ �:. 5 xo = e . O) por lo que.5 . que se obtiene de la Ecuación 3. Una posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el problema a otro con n grados de libertad. CONTROLABILIDAD EN SISTEMAS LINEALES en el Ca pítulo 2 de este li bro. por lo que es necesario ca lcular el gra miano para el i nterva lo propuesto: = [ � ] .5 [ 11 ] . para ajustar el valor de n variables de estado será necesaria la utilización de una secuencia de n escalones cuyas alturas deberán ser calculadas para cumplir con el objetivo.5) = <P(t. n alturas y n .3.05 7 1 0.1292 ] De las i nfi nitas entradas posibles.��� ] T T W(0. consiste en: Fijar el número de escalones que se utilizarán: en general.[ 0. aplica ndo la Ecuación 3. es la m isma q ue la que lo llevaría desde el estado i n icia l n u lo a: Xl 0.5. Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud se fija arbitrariamente. partiendo de este estado i n icia l .5. la entrada que consigue rea l izar la tra n­ sición propuesta para el estado con el mínimo coste energético es: 0.5.6065 ] t=0 . T)dT = [ -0. • • . T)B (T)B (T)<P (0.

to)T. por tanto.T = = T . Se pueden formular unos indicadores generales que van a ocasionar un incremento en dicha energía para un mismo desplazamiento del estado. de algún criterio de minimización de una función de coste. en el Ejemplo 3. la entrada sí que es invariante ante trans­ formación lineal.3 por dos métdos de ajuste de un par de escalones secuenciados.120 n n n CAPíTULO 3.l W(tl .ll AT = toT) =BT . En conclusión. n CONTROLABILIDAD resultando. los autovalores del gramiano de controlabilidad no lo son. procediendo luego al ajuste de la entrada con los grados de libertad restantes. También se puede ajustar la secuencia de escalones prefijando una combinación de 1 parámetros (alturas y/o subintervalos). se ha incluido la solución del mismo planteamiento del Ejemplo 3. = Tx(t) <P (t. por lo que dicha energía mínima puede tomarse como un indicador de controlabilidad. como ya se ha referido anteriormente. to) es decir. n n - Energía de la señal de entrada Si se considera una transformación del estado mediante una matriz T no singular: x(t) de forma que: B Á <l> entonces esta transformación modifica el valor del gramiano de controlabilidad según: W(t l . problema que en su resolución implicaría la utilización de técnicas de Control Óptimo. y en concreto también la de mínima energía. Al final del capítulo.T TT <P (tl . existen infinitas entradas capaces de transferir el estado entre dos valores cualesquiera para un sistema controlable. La forma elegida dependerá. to)T (3. mediante la comparación del desplazamiento inducido en el valor del estado y la energía en la entrada para con­ seguirlo.l B (T)BT (T)T. que aunque los autovalores de la matriz A son invariantes ante transformación lineal.l (t.8. como pueden ser: = i¡tot l T .l <P (tl ' T)TT .T = T-. tfT. un sistema determinado en el que se utilizan parámetros (alturas de los escalones) para el ajuste de variables (las componentes del vector de estado). por lo que el gramiano no ofrece una información concluyente sobre la facilidad de controlar el estado para un sistema concreto. por lo general. como ya se ha comentado.18) . Sin embargo.

222.29. t 1 l mayor es la energía necesaria. Dependiendo de la dirección de avance del estado. l o que indica u n mejor equ i l i brio entre las d i recciones de desplaza miento del estado. como queda patente en el Ejemplo 3 . En la siguiente gráfica se puede observar el conj u nto de estados a lca nza bles consu miendo u na u nidad de energía cuando t 0. Cuanto más rápida es la dinámica del sistema. O) . respectiva mente. La a parición de esta forma se justifica en la Sección 2 Número de condición de una matriz: la razón entre el mayor y el menor valor singular en la descomo posición en valores singulares de una matriz .4 A menor longitud de intervalo [ta .5 .3. lo que en pri ncipio indica m uy diferente controlabili­ dad según la d i rección de desplaza m iento elegida para el estado. CONTROLABILIDAD EN SISTEMAS LINEALES • • • 121 Ejemplo 3. En este segundo caso se com prueba además cómo evol uciona la a nisotropía del espacio de estado. 10. El EjemI?lo ?? contiene un estudio de este comportamiento. Sin embargo. como puede deducirse fácilmente.3.44 y 43 . 77. en general se modifica la energía necesaria para una misma distancia desplazada.44.27. a medida q ue el tiempo se hace mayor. media nte una sencilla operación de esca lado: =[� 1 �2 ] x(t) + [ �� ] t= 1 3 u (t) el problema se tra nsforma e n : Al repeti r e l m ismo cá lculo s e obtiene u n n ú mero d e condición d e 77 . como se demuestra en la Sección 3 . se tiende a necesitar más energía. Un indicador de la diferencia de coste según la dirección es el número de condición del gramiano2 . Analizar la controlabi l idad del sistema defi nido por: x(t) Calculando el gra m iano y sus va lores singulares para 1 se obtiene u n n ú mero de condición de 3 . .2 3 10 1 3 . t 1 Yt 2 .5. En d icha figu ra llaman la atención dos características: = = = • El l ugar geométrico de los pu ntos que se pueden alca nzar consumiendo u na cantidad fija de energía es una eli pse (una eli psoide en el caso genera l con n variables de estado) . que tienen como n ú mero de condición de W (h .

En este caso. CONTROLABILIDAD 3. existe un método alternativo a la aplicación del gramiano para el estudio de la controlabilidad. n m m n x m . Esto significa que. siempre se puede transferir el estado inicial a cualquier otro en cualquier tiempo finito. y se habla sencillamente de controlabilidad. El rango de cada una de estas matrices Qi define si el sistema es controlable utilizando sólo la entrada i-ésima. la e l i pse de estados a lca nza­ bles va siendo más redondeada . La matriz Q se compone como se muestra en la fórmula.4. siendo la i-ésima la multiplicación de la matriz A y sus potencias con la columna i-ésima de la matriz B. definida de la siguiente es de rango máximo. 3. ya no se tiene en cuenta la variable tiempo.5 . de modo que tiene columnas. cuya aplicación es más sencilla. Controlabilidad en sistemas lineales invariantes En el caso de sistemas lineales invariantes. y dado que el sistema es invariante. bloques de columnas cada uno.122 CAPÍTULO 3. 'si un punto es controlable. es decir. lo q ue ind ica un mejor eq u i l i brio entre las posi bles d i recciones de evol ución del estado. • A medida q ue el n ú mero de cond ición baj a . = Ax(t) + Bu(t) Q. Se puede descomponer en submatri­ ces. y que se formula mediante el siguiente teorema: El sistema de dimensión y n con ecuación de estado: x(t) es controlable si forma: sólo si la matriz de controlabilidad n.

23) . • n Se supone que el sistema no es controlable y se verá que no existen columnas de la matriz Q linealmente independientes. . .T) 2 + . Si el sistema no es controlable.1 (T)A n . si se parte de un estado inicial nulo. cuyo vector propio correspondiente verifica la Ecuación 3. es: (3. Por lo tanto. para que x(tI ) pueda ser cualquier punto del espacio de estado. = (3.-! A 2 (t l . La solución de la ecuación de estado. . CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES 123 Demostración • Si el sistema es controlable.21) = = 1 + A(t l . es necesario que existan columnas de la matriz Q linealmente independientes. .T) + 2.3.20) El estado x(tI ) que se puede alcanzar desde el origen es combinación lineal de las columnas de la matriz Q. 2 ho (T)I + h 1 (T)A + .4. + hn . 19 se obtiene: (3.T) y sustituyendo en la Ecuación 3.l . la matriz W es singular. por lo tanto su determinante es nulo y tiene un valor propio nulo. es necesario que de todas las columnas que aparecen haya linealmente independientes. T)B(T) = Condición suficiente n O Este resultado aplicado al caso de sistemas invariantes se puede poner de la forma: Si se deriva esta ecuación n (3. 19) Condición necesaria n Aplicando entonces el método de Cayley-Hamilton: e A ( t .22) -1 veces respecto al tiempo: (3. 13: v T <I>(t l .

. CONTROLABILIDAD Ejemplo 3. lo q ue no se sabe es q ué ocu rri ría si se usara una sola entrada . Cuando existe un vector ortogonal a todas las columnas de la matriz Q. con las primeras col u m nas. es decir. que el resto de los vectores no son base de un espacio de n dimensiones. se puede hacer que el sistema ocupe cua lquier pu nto del espacio de estado. D Dado el sistema : x (t) = su matriz de controlabil idad será : Q= El ra ngo es tres.124 CAPÍTULO 3. En caso de uti lizar la segunda: Q2 = No se puede hacer que el estado evol ucione del origen hasta cua lquier pu nto del espacio de estado. son linealmente dependientes.5 Hay un vector que aparece en todos los términos y que es ortogonal a los productos AB. Sería eq uiva lente a decir que la matriz B tiene u na sola col u m n a . es que no abarcan la totalidad del espacio de estado. Siem pre se encontrará n las entradas para l levar el sistema desde cero a cua lquier valor. Entonces s e puede com probar s i sería controla ble: [ 2O 01 O [ O1 O2 O2 17O O 4 5 4 15 4 Ql = Uti l iza ndo sólo la pri mera entrada . igua l que con las dos. rango ( Q2) = 2 '* No es controlable. luego es controlable. Con estas dos entradas se puede llevar el estado entre dos va lores cua lesqu iera del espacio de estado. [ O1 O2 12 ] O 20 [ O2 17O 62O ] 4 5 15 45 rango ( Ql) = 3 '* Es controlable.

El número de condición del gramiano de controlabilidad es. Partiendo de la definición del gramiano de controlabilidad. . .I ATx(t) + T .4. en términos de respuesta del sistema ante un determinado conjunto de s eñales. � . F(t) representa la aplicación de un conjunto de señales vectoriales influyendo sobre variables de estado. Por propia definición. El concepto que subyace se puede explicar. con un conjunto de valores propios reales f � � � . .5.I Bu(t) = = Ax(t) + Bu(t) Tx(t) La matriz de controlabilidad de la nueva representación será: Puesto que la matriz T es no singular. como se explica a continuación. se puede entender el término F (t . 3. h] . dada en la Ecuación 3. para sistemas lineales e invariantes. Así. con lo que cada columna supondría el efecto de cada entrada sobre el conjunto de variables. Para probarlo lo único que se necesita es construir la representación de estado realizando el cambio: = x(t) x(t) Con esto se consigue una nueva representación de estado: :i(t) T . n m : a a . 6 INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILIDAD Invarianza de la controlabilidad ante cambio de base 125 3. . un indicador de la anisotropía del espacio de estado en términos del coste de desplazar el valor del estado dependiendo de la dirección de dicho desplazamiento.3. La integral Jt:' II F (T) II .T) = 1>(t . La controlabilidad de un sistema es independiente de la representación de estado que se maneje. el gramiano de controlabilidad es una matriz semidefinida po­ sitiva.T)B como una aplicación F lR --+ lRn x m . � O y el correspondiente conjunto de autovectores ortonormales VI . por lo tanto. .4: L:. el rango de Q coincidirá con el de Q. como se ha mencionado anteriormente en este capítulo. . El gramiano de controlabilidad se puede interpretar en términos de energía trans­ mitida desde la entrada a las variables de estado en la siguiente forma. si el sistema es controlable con Q también lo será con Q. V2 . 1. 5 . Interpretación geométrica de la controlabilidad a . dT representa la energía total del conjunto de señales en el intervalo [ta . Vn .

. . correspondientes a los autovalores distintos de cero. sean E . .28) (3. . que S es la superficie de S.25) donde Pcm [to . : x = VEp. h ] . es el sub espacio generado por los vectores propios.24) La imagen de la convolución: {x E x = 1: F (t . siendo raíces cuadradas de los valores propios del gramiano de controlabilidad y vectores propios asociados.30) de O � a � 1} perficie de un elipsoide cuyos semiejes son ai Vi . y sea n la clase de todas las funciones de entrada continuas a trozos en [to . t � t I U(T) E n } (3.T)U(T)dT. El conjunto contenido en este subespacio: = 1: F (t . <I> ( (t . CONTROLABILIDAD IR n : m Vi . ai Y IR n IR n : x Vi . . 2. . n. Ilp ll = 1 } .n Y IR n x n : (3. Y i = (3. Sean i = 1. U(T) E PCffi [to . t I ] que satisfacen la restricción en su norma: (1: 1 Il u(T) II � dT) 1 � 1 (3. las los .T)B con una entrada de norma unitaria coincide con la su­ ai Vi de de estados que resultan de la convolución = 1. V E IR 2 126 CAPÍTULO 3. las raíces cuadradas de los autovalores del gramiano de controlabilidad y los vectores propios asociados en [to . . t I ] . un elipsoide con semiejes conjunto S se puede caracterizar como: es decir. td } (3.27) Sea el conjunto: s = {x E es decir. . n. .29) Entonces se demuestra que el (3. Considérese el conjunto de posibles entradas al sistema u(t) E m . IR n : x = ax con x E S 1. F(t . t � t I . h ] representa el conjunto de vectores de entrada de dimensión continuos a trozos en el intervalo [to .T) El conjunto S = S= {x E IR n aiVi .26) s = {x E aporta información sobre la estructura de dicho subespacio. . Se puede demostrar que S es una región en cuya superficie es una elipsoide definida por los autovalores y los autovectores de F(t) en [to .reflejando los autovalores y sus correspondientes autovectores la distribución espacial de esta energía. como ya se adelantó en el Ejemplo 3. t d .5.T)U(T)dT. i . 2.

T V T [1: 1 F (tI .33) q .5. t)x (3. se cumple que x = W(h . Para completar la demostración es suficiente probar que la entrada u(t) referida en el párrafo anterior es la entrada con mínima norma (energía) que conduce al sistema al estado x en el instante tI . p • I -I = B T <I> T (h .� = B T <I> T (t l .32) que es...4. to)q. A partir de esta definición de entrada se obtiene que: (3. t)W (t l . según la Ecuación 3 . ". t) VE . Demostración lo que significa que.r)FT (tI .I p. O Este resultado facilita la interpretación de la información que suministra el gramiano de controlabilidad para un sistema lineal e invariante: El gramiano y la matriz Q establecen la controlabilidad teórica de un sistema.5 la entrada de mínima energía que transfiere el estado desde el origen hasta x.t)q conduce al estado x(t) al valor x en el instante tI . Por su propia definición se sabe que: > I lpll = ¡tot 1 uT (r)u(r)dr ¡tot 1 qT F (tI = = lo que significa que u(t) E n y que x E S . como aparece en la figura del Ejemplo 3. De la definición de dicha entrada se tiene: .Ip W ( t ¡ . en términos de si es matemáticamente posible encontrar una entrada que produzca una determinada transición del estado desde un valor inicial a un valor final dado.T VT VE 2 VT VE . si se define q = V E . pT E . los estados que se pueden alcanzar se encuentran sobre un elipsoide cuyas proporciones son las indicadas por los autovalores y autovectores del gramiano de controlabilidad. 1 que satisface que x = VEp.r)dr] VE . lo que supone que la entrada u(t) = F(h .p = = = 1 (3. para todo x E S existe un vector p.:.31) Suponiendo O'n O (sistema controlable). to ) = . 6..3. INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILlDAD 127 Este resultado indica que al aplicar una entrada con una cierta energía. _ r)F T (tI _ r)qdr I pT E .

11. en estos casos. No obstante parece interesante.6.128 • CAPÍTULO 3. En el Ejemplo 3. Subespacio controlable 3. caracterizar aquellos puntos que van a ser controlables. siendo mayor el coste cuanto menor sea el valor propio asociado a la dirección elegida. ante una entrada U2. ante una entrada U I . Sin embargo. este estudio es concluyente en tanto en cuanto se utilice una representación del estado en la que sus variables tengan un significado físico claro. es decir. al que se denomina subespacio con­ trolable. Dado que dicho gramiano no es invariante. la estructura del gramiano de controlabilidad revela las posibilidades prácticas de realizar transiciones en el espacio de estado. entonces para cualquier combinación lineal: aUI + f3u2 . al final de este capítulo. Xc . Según se ha detallado en los anteriores apartados. lR. eligiendo la entrada adecuada. se puede observar un caso claro de cómo una transición matemáti­ camente posible se revela inviable en la práctica. f3 E Estos puntos forman un espacio vectorial. = Ax(t) + Bu(t) a . generado por los vectores columna de Q . se alcanza el estado X l y. así como su coste energético relativo dependiendo de la dirección elegida para la transición. se alcanzará el estado: . partiendo desde cualquier estado inicial. si no es controlable. en un sistema lineal e invarian­ te que sea controlable se va a poder alcanzar un estado determinado. CONTROLABILIDAD • • La estructura de los valores y vectores propios del gramiano de controlabilidad determina la facilidad relativa con la que se puede recorrer el espacio de estado según la dirección elegida. Dado un sistema lineal invariante: x(t) el conjunto de puntos del espacio de estado alcanzables partiendo del estado inicial nulo forman un subespacio vectorial. que se van a poder alcanzar. para posteriormente generalizarlo para cualquier estado inicial. La descripción se va a realizar en dos etapas: primero se detallan los puntos que se pueden alcanzar a partir de un estado inicial nulo. pues el origen pertenece a él y además cumplen la condición de linealidad: si partiendo de un estado inicial nulo. En la circunstancia de utilizar una representación con correspondencia física. se alcanza el estado X2 . no se va a poder alcanzar cualquier estado.

en función de la res­ puesta de las variables de estado del sistema. xr' (t) ] (3.3.38 se corresponde con el subespacio controlable. . para todo t E [ta . t I ]. ta)bi (3. El subespacio controlable. .6. . las regiones del espacio de estado para los que dicha respuesta es cero tendrán respuesta nula para cualquier otra entrada. .35) Si se se define el conjunto de entradas de test: o i o = l. Dado que se trata de un sistema lineal. entonces es: con lo que. SUBESPACIO CONTROLABLE 1 29 Se puede plantear la definición del subespacio controlable.36) donde 8(t) representa el impulso de Dirac. Xc . . con lo que la imagen del mapa dado por 3. a un conjunto de señales de test presentadas en su entrada. .34) ui (t) .37) (3. Xc . O . o o Demostración i = l. siendo: Xt (t) donde x� (t) representa la evolución del estado ante la entrada de test definida como: = [ xi (t) x� (t) . m (3. es el subespacio de menor dimensión que contiene a la imagen de la transformación definida por X t (t) . partiendo del estado inicial nulo. repitiendo para todas las ui (t) queda: = <I>(t. .38) es decir. m (3. . . la respuesta impulsional del sistema. .

La componente que depende del sistema y de las condiciones iniciales representa la evolución libre del sistema ante entrada nula. + Aom A k bm + A l l A l + k b 1 + . . . .2. . + A l m A l + k bm + . • • = x(t) + <I>(t. . la columna Ai bj es linealmente dependiente de sus anteriores columnas: A i bj > + AO l b 1 + A 0 2b2 + . + Ai . . . los puntos alcanzables en el espacio de estado están definidos por una variedad lineal tal que: La componente debida a la entrada es el sub espacio controlable. CONTROLABILIDAD Según se deduce de la demostración de la Sección 3. con k O. por lo tanto una posible base de este espacio vectorial son las columnas linealmente independientes de la matriz Q. también será linealmente dependiente de sus dos anteriores columnas. cuando una de ellas. to)x(to ) (3. iseak linealmente dependiente de las anteriores. de donde: x(t) De esta forma. Xc .2.1 A'+ k bj .130 3. Ail A i bl + A i2 A i b2 + . ya que multiplicando la Ecuación 3 . . a partir de un estado inicial nulo (x(t)) con los estados alcanzables desde cualquier estado inicial (x(t)) . viene dada por la cuación 3.40) El método consiste entonces en ir seleccionando columnas de izquierda a derecha y. . Estados alcanzables La relación de los estados controlables. + A l m Abm + . entonces se descartan ésta y todas las A + bj posteriores.39 por la izquierda por A k se obtiene que: Ai + k bj + AOI A k b 1 + A0 2 A k b2 + . .1. los vectores columna de Q generan el espacio controlable. + Ai . . j _ 1 A i bj _ 1 (3. . Base del sub espacio controlable CAPÍTULO 3. .39) entonces Ai + k bj . que constituye el subespacio director de la variedad. siendo la dimensión del mismo su rango Para el cálculo de una base del subespacio controlable basta observar que si en la matriz: rQ . 3.4.6. j .1 (3. Ai bj . . El proceso termina cuando todas las columnas de un grupo i Ai B sean linealmente dependientes.6. Ai r A '+ k b 1 + A i2 A '+ k b2 + . + Aom bm + A l l A b1 + . .41) . . ya que a partir de entonces los restantes grupos A + k B también lo serán.

• • Y 3. tal que si se efectúa dicho cambio de base: x(t) = = Ax(t) + Bu(t) Tx(t) la ecuación de estado en el nuevo sistema de referencia puede ser escrita como: (3. ' . Ba). Sobre ambas curvas se han resaltado los valores del estado para los instantes tQ . Como puede verse. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 131 --- . ..42) verificándose que el subsistema formado por las variables xa .' lo �----------��------________ I I t 1. Una línea discontinua que representa la evolución libre del sistema.. como describe la Ecuación 3 . rQ < n: Dado el sistema lineal invariante con dimensión del subespacio controlable. dim ( Xc ) = Separación del subsistema controlable x(t) existe una matriz de transformación T. . el estado para cada uno de estos instantes se obtiene mediante la superposición de ambos valores. cuya dinánlica viene re­ presentada por las matrices (Aaa .40...7.3. En la Figura 3. t I t2 . de dimensión uno .. coincide con el sub espacio controlable.. siendo su .4: Superposición de la evolución libre con el subespacio controlable. ..7.- X(t) � X1 A X(t1 ) A Figura 3..4 puede verse un espacio de estado de dimensión dos en el que se ha representado: Una recta que representa el subespacio controlable.

- n rQ u. pues. la que está sobre la recta (subespacio controlable). Ejemplo 3.6 Dado el sistema : o 1 O . que ante la misma entrada todas generan la misma salida.5. la dimensión de Si sería dos. y según se deduce de la Ecuación 3. es decir. dividir el sistema en dos: uno controlable y otro que presenta un comportamiento independiente de la entrada. donde Si es un subsistema controlable y S2 está totalmente separado de evoluciona de forma independiente a la señal de entrada. Se consigue. lo que se está haciendo es girar los ejes de coordenadas de manera que uno de ellos se sitúe sobre la recta controlable. en otras palabras.132 n rQ . y las otras dos evolucionan de forma independiente de la entrada. por lo que se podrían separar dos valores de estado que se podrían llevar a cualquier valor.44) donde Ta se forma con una base cualquiera del subespacio controlable. este subsistema está caracterizado por las matrices (Abb . CAPÍTULO 3. Si en un espacio total de dimensión tres se supone que el subespacio controlable es de dimensión uno. y Tb está formado por vectores cualesquiera que sean linealmente independientes entre sí y con los de la matriz Ta ' El sistema original se descompone en dos subsistemas según el gráfico de la Figura 3. CONTROLABILIDAD dimensión por tanto la dimensión del subsistema formado por las variables Xb es Adicionalmente.43) representa el comportamiento del subsistema controlable y define la misma función de transferencia que la ecuación de estado en su forma original y la expresada en la forma reflejada en la Ecuación 3 . Si el subespacio controlable fuese un plano. tiene un comportamiento independiente de la entrada. rQ .42. O) . La ecuación de estado de orden reducido de los estados controlables: - Y (3. La matriz T que realiza esta transformación se construye: (3. son distintas realizaciones del mismo sistema.42. por lo que no es controlable. Así se tiene una variable de estado totalmente controlable.

13. su matriz de controla bi l idad es: Q = [ -13 -5 -13 ] 15 7 1 2 4 Rango(Q) 2 3 = < => Sistema no controlable. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 133 Figura 3.7. La base del subespacio controlable será : .5: Representación gráfica del subsistema controlable.

Los teoremas de controlabilidad del estado se pueden generalizar de forma sencilla a los siguientes teoremas de controlabilidad de la salida. para determinar la controla­ bilidad de la salida de un sistema lineal se utiliza el siguiente teorema: . con t l finito. y Para cualquier instante para cualquier estado inicial se define como: Se dice que un punto del espacio de salida de un sistema Yl es controlable si para todo punto origen y para todo instante inicial to. son : Rango ( Q ) = 2 3.3 . Y l .8. de forma similar a como se hizo en la Sección 3 . que lleve la salida al valor Yl en t l · Estos conceptos de controlabilidad de un punto en el espacio de salida se pueden extender a la controlabilidad de todo el espacio de salida. tal que para todo punto de origen en to consiga que la salida valga Yl en t l . El su bsistema controlable está formado por X l y X2 . Controlabilidad de la salida Se define la controlabilidad de la salida en un intervalo de tiempo: Se dice que un punto del espacio de salida de un sistema. t l ] .134 con lo que las matrices tra nsformadas q ueda n : CAPÍTULO 3. existe una entrada u en el intervalo [to . td si existe una entrada u definida en el intervalo [to . una vez separada la parte controlable: con lo que se com prueba la existencia de u n su bsistema de di mensión dos q ue es controlable.1 AT = [ 0°1 -�2 O� 1 y la matriz de controlabilidad . q ue. es controlable en [to . expresados en la base i n icia l . CONTROLABILIDAD Á = T . t l ] . Así.

tl )XO = Ax(t) + Bu(t) = Cx(t) (3.3.C (t¡ )<I>(to . basado en unos cálculos más sencillos que el anterior: Dado el sistema lineal e invariante: = Yl . en un intervalo [to .8. a partir de la definición del gramiano de controlabilidad de la salida. t d : (3. = CQ). . que los vectores linealmente independientes de la matriz Qc generan el subespacio de salida controlable.46) la salida es de rango p (nótese que y(t) es controlable si Qc y x(t) y(t) sólo si la matriz definida por: Se comprueba además. se puede calcular la entrada de mínima energía que desplaza el valor de la salida a un punto dado. Para sistemas en los que además de la condición de linealidad se cumpla la de invari­ anza. Y l . el rango del gramiano de controlabilidad de la salida indica la dimensión del subespacio de salida controlable. h l si y sólo si la matriz denominada gramiano de controlabilidad de la salida y definida por: x(t) y(t) = A(t)x(t) + B (t)u(t) = C (t)X(t) es no singular. CONTROLABILIDAD DE LA SALIDA Dado el sistema: 135 la salida es controlable en [to . de forma similar a lo visto al estudiar la controlabilidad del estado. como también ocurre en el caso de controlabilidad del estado. se puede aplicar el siguiente teorema. Se comprueba además que.45) donde: YI Además.

T)B (T)B T (7")1I>T (t. Mediante la matriz de controlabilidad de la salida En este caso se construye la matriz de controla b i l idad de la sa lida como se especifica en su defi n ición : [ � ( 1 -0e -2t ) � ] 1 � = Qc = [ CB ¡ CAB ¡ CA 2 B ] = de donde se concl uye i n mediata mente q ue el ra ngo de esta matriz es uno y. CONTROLABILIDAD Determ i nar la controlabilidad de las sa lidas del sistema defi nido por las ecua­ ciones: partiendo del i nsta nte to = O Y para u n i nsta nte genérico t . x �8 �7 l [ �4 l x + 9 u ] Mediante el gramiano de controlabilidad de la salida En este caso se pla ntea la i ntegra l media nte la q ue se ca lcula el gra m ia no correspondiente: Wc (t. es de ra ngo uno. como puede fácilmente com probarse. El problema se puede resolver por dos vías.Ejemplo 3. O) = fot C (T) ct> (t. por lo que se concluye que la di mensión del espacio de sa lida controla ble es uno.7 136 CAPÍTULO 3. y que la base de dicho espacio es: [� �] . que el su bespacio de sa lida controlable es de di mensión uno. T) CT (T)dT = • matriz q ue. por lo ta nto. bien uti l izando el gra m iano de controlabilidad de la sa lida o bien uti l iza ndo la matriz de controla bilidad de la sa lida . A conti n uación se pla ntea n a m bas soluciones. • � -10 -11 1 1 -.

5 <1>(0.5 . T)Bn:dT + ¡0.9.129 * 0.5 .0.0529n: .606 + 0.172n: + 0.1 -2 ] x+ [ 1 ] u ° De esta forma .5 .0529n: . la entrada que se va a aplicar es de la forma : Dada esta entrada . 2 5 <1> (0. 2 5 = [ 0. Para el sistema : ca lcular la entrada necesaria para rea l izar la tra nsferencia del estado: .9. 1 2 . T)Bf3dT = 0.976 ] = [ 11 ] { n: = 22. a conti n uación . EJEMPLOS ADICIONALES 137 Un caso de cómo se puede calcular la entrada necesaria para llevar el vector de salida a un determinado valor a partir del gramiano de controlabilidad de la salida se puede encontrar en el Ejemplo 3 .0.5 0. 8 Se trata de resolver el m ismo caso propuesto en el Ejemplo 3.606 + 0. x= [ -1 0 .024 f3 La evol ución de la entrada resu lta nte se puede apreciar en la siguiente figu ra : = -26. uti l iza ndo a hora un tren de esca lones en l ugar de la entrada de mínima energía .221 f3 ] ° { �: 0 < t � 0.221 f3 0.024 f3 [ 0.3. se pla ntea la ecuación q ue ca lcula la evol ución del estado: u(t) = x(0. se rea liza el aj uste para q ue el estado fi nal sea el propuesto: ¡0. Ejemplos adicionales Transición de estado mediante una secuencia de escalones Ejemplo 3 .25 0.3.172n: + 0.5) = <1> (0. 3.25 < t � 0. O)xo + Y. 129 .0.788 f3 .

138 u (t) CAPÍTULO 3. 4 0 . 5 t energía . como puede a preciarse.5 s (en línea conti nua y en d iscontinua 1°. como ca be esperar. De esta forma . la entrada es: u(t) - _ { -20 f3 si si 0<t�a a < t ::. 2 0 . 1 0 . r)Bf3dr = a .5 Con esta entrada .767 0 . Esta entrada apl icada a l sistema origi na una evol ución del estado que se corresponde con la representada en la siguiente figu ra . 5 <1> (0. 0. 4 0 .5 . 5 t -5 -4 Otra posible sol ución a l tren de esca lones es fijar la a m p l itud del pri mero. la evol ución del estado es: x(0. 3 0 . _ _ _ _ _ _ _ _ -1 -3 -2 0 .a l5 de la entrada de mínima ° ° que.5) = <1> (0. 2 0 . CONTROLABILIDAD 20 10 -2 0 -10 0 . 1 0 . pasa por el estado fi nal marcado por el enu nciado de este ejemplo cuando t 0. 3 0 . 5 1°.5 . es u n consumo su perior Eu ( t ) = Esta entrada com porta u n consumo energético: = 10. r)B ( -20)dr o + 1°.2 5 = 31 1 .5 u2 (r)dr Es tado 1 - 2 a 2 dr + f3 2 dr = Xl X2 ).5 . q ue. O)xo + Jt' <1> (0. deja ndo como pará metros de aj uste el primer subi nterva lo y la a m p l itud del segundo esca lón.

.606 e a .2 0 �----� siendo su consumo energético: Mientras que la evol ución del estado q ue produce se muestra a contin uación : E s t ado 1 - _ _ _ _ _ _ _ _ _ _ -1 0.5 + 0. 184 e 2 a) .B = 30.3.4 o 5 t -2 -3 -4 .4 0. 0.1 +eeaa ++ 1(-0.3 0.0.B ) e )( e iguala ndo este va lor a l estado fi nal objetivo se despej a .7371 1306 ( . obteniéndose: [ ] {a u (t) 30 20 10 = 0. EJEMPLOS ADICIONALES 139 12.0.a12.2 O .3209 . 129 .1 -10 0.2 0.B = 0.678( -2.297 + .394 La entrada que se obtiene está representada en la siguiente figura : 0.9.5 t .3.6065 e a).

Según este resultado. Para ello se com ienza por determ i nar el va lor del gra m ia no de controla bi l idad . CONTROLABILIDAD longitud del intervalo Dado el sistema : x(t) = estudiar la energía de la entrada necesaria para que el estado rea lice la tra nsició n : [ -�1 . por u n lado. por otro.2 o O S e com ienza por rea lizar el estudio de controlabilidad para com probar que es posible a lcanzar el va lor fi nal propuesto para el estado a partir de su va lor i n icia l . 9 140 CAPÍTULO y 3. a l ser éste u n va lor lo suficientemente elevado como para asum i r que no hay peligro de que el sistema se vuelva no controla ble por la deriva de algún pará metro del m ismo. deja ndo varia ble la longitud del i nterva lo: [ 211 ::::-�1 �1 1 . para rea l izar este estudio bastaría con com probar el ra ngo de la matriz Q . Dado q ue el enu nciado no fija la longitud de dicho interva lo.Controlabilidad Ejemplo 3 . Q = [ B AB A 2 B ] = cuyo determina nte vale 4 lo que permite concl uir. Dado q ue el sistema es l i nea l e i nvaria nte. se va a rea lizar un estudio de facti bilidad de la controla bilidad en función del tiempo empleado en rea l izar la tra nsición del estado. es posi ble rea lizar la tra nsición propuesta en cualquier i nterva lo de tiem po. que la controlabi l idad del sistema es relativa mente buena . que el sistema es cual itativa mente controla ble y.

O)) = 0 . se muestra la sigu iente gráfica . �-L��----�4--�6�--�8--�10 tl 4 5 . 00006 0 . 00002 Como se ve.10 t 2 e .5 t 7e . a med ida q ue el la longitud del i nterva lo empleado para rea l izar la tra nsición del estado varía . a medida q ue el i nterva lo se alarga .1 2 t e .2 t 1 = + + + + 10800 1O800 300 � 240 � � 240 � 300 Si se representa gráfica mente el va lor de este determina nte para disti ntos va lores de t. lo q ue hace prever va lores de la entrada m uy a ltos. para va lores m uy cortos del i nterva lo (h m uy peq ueños) el va lor del determ i na nte es extremada mente bajo.8t 2 e . 00008 det (W (t .9. el valor del determ ina nte crece .9t 7e .3. en la que se representa la evol ución d icha energía .4 t 2 e . uti liza ndo la energía consum ida en la entrada como i nd icador cua ntitativo de la controla bilidad . EJEMPLOS ADICIONALES matriz cuyo determ i na nte va le: 141 e . Para com pletar el estudio. provoca ndo en consecuencia que la entrada necesaria dism i n uya de ra ngo. 00004 0 . E [u ( t ) 1 30000 25000 20000 15000 10000 5000 t.3t e . se obtiene la gráfica : De t [ W ] 0 .7t 2 e .

se m uestra la evol ución en el va lor del determ i na nte del gra m iano a med ida que el i nterva lo para rea l izar la tra nsición crece. CONTROLABILIDAD '" Como p uede verse en la figu ra . � determ i na r el consumo de energía en la señal de entrada si se desea rea lizar la transferencia del estado dada por: [ [ -1 O O -2 O O -6 O O -7 O -8 O �3 l q. a l a u mentar el tiem po en que se entrega dicha energía . en disconti nuo. a u nque obvia mente se consigue dism i n u i r la potencia req uerida . � A. como no se pla ntea cuál debe ser el i nsta nte fi n a l . todos los cálcu los q ueda rá n en fu nción de t I . Se muestra en un d iagra ma sem i logarítm ico. lo que se va a rea l izar es u n estudio energético en fu nción de cómo se fije esta longitud del i nterva lo empleado para rea lizar la tra nsición del estado. 3 Controlabilidad Ejemplo 3 . . existe un i nterva lo de tiempo ( s) a parti r del cual no se dismi nuye sign ificativa mente la energía necesaria para conseguir la tra nsición del estado. es deci r. donde. a parece para el sistema definido por A l y. 1 0 y dinámica del sistema Dados los sistemas li nea les e i nvaria ntes caracterizados por las matrices: A.142 CAPÍTULO 3. Como pri mer paso. B¡ = B2 = [t] [:] En pri mer l ugar. para el defi nido por A 2 . con trazo continuo.

. se ca lculan d ichas energías. El resu ltado se muestra en la siguiente gráfica .. _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 2 4 6 8 10 tl En esta gráfica se p uede com probar cómo.3.. ... caracterizado por la presencia de varia bles de estado que presenta n una Según este resu ltado. el hecho de ser un sistema con varia bles de estado q ue tenga n una dinám ica más rápida i ncrementa la energía necesaria para rea lizar una transición entre dos estados.. I . e s fácil com probar que el sistema defi nido por la matriz ( tl ) : : \ . . donde n ueva mente se representa con línea disconti n ua la curva correspondiente al sistema más rá pido... EJEMPLOS ADICIONALES de t ( W ) 143 -10 -12 . tiene u n determ i n a nte varios órdenes de magn itud inferior.... deja ndo como parámetro variable el insta nte fi nal del i nterva lo.. Finalmente. mínimo teórico para cada caso: t ¡ -HX) lím EU l (td = 1248 que confi rma n uméricamente las a preciaciones rea lizadas..... se da el dato de la energía consu m ida cuando el tiempo tI tiende a i nfi n ito .. Para confi rmar esta a preciación . en igualdad de condiciones...- 2 4 6 8 10 t dinám ica más rá pida .. I 120000 I I 100000 60000 80000 Eu A 2 ...9. por lo q ue la energía de la entrada q ue se use será varios órdenes de magnitud su perior.

e . O) (obsérvese que por tratarse de u n sistema i nvaria nte se puede estudiar la controlabi l idad a parti r de cua lquier insta nte arbitrario. t] media nte la matriz W(t. R l Cl y R2 C2 . [O. t] . l leva a l sistema desde condiciones i nicia les n u las al va lor de las tensiones en los condensadores: = [ = 0.Controlabilidad Ejemplo 3 . El gra m i a no va le en este = = . en cada caso.e .P ' 1 + Á 2 ) t ) A 1 +A2 Constantes de tiempo iguales Primera mente se va estudiar el caso en que la d i n á m ica de a m bas ra mas es la m isma A l A2 .5A l ( 1 . O) = l <P(t. ca lculá ndose dicho gra m i a no como: = W(t. q ue representa n las inversas de las consta ntes de tiempo de a m bas ra mas. como: = Debido a que se trata de u n sistema linea l . 1 d e la i ntrod ucción d e este ca pí­ tulo. así como de los parámetros concretos del sistema . q ue depende del tiem po t considerado para su control . T)B (T)B T (T)<pT (t. 1 1 144 CAPÍTULO 3 . del sistema y para varias longitudes del i nterva lo. CONTROLABILIDAD y energía de la señal de entrada S e considera el m ismo caso d e l Ejem plo 3 . Igual mente se va a proceder al cá lculo de la entrada de mínima energía que.2 A 1 t ) A 1 A2 ( 1 . coi ncidiendo por ta nto las consta ntes de tiempo de carga de am bos condensadores R l Cl R2 C2 . sus ecuaciones de estado son : que se pueden reescri bir d e forma simplificada uti l iza ndo l a notación A l 1j(R l Cl ) y A2 = 1 j (R l Cd . puede estudiarse su controlabilidad en u n i nterva lo dado [O. por ejemplo t O) . T)dT t A conti n uación se va a estudiar la controlabilidad de este sistema para varios va lores de las consta ntes de tiempo.

0013 -1 O y.5A 145 W(t. 5 [�]= O ] [ 0. 5 t-O . 1580 ] [ 21 ] En la Figu ra 1 se representa la evol ución tem pora l de dicha entrada u(t) en el i nterva lo considerado [0. Constantes de tiempo distintas A conti nuación se va a estudiar el caso más genera l en el q ue la d i n á m ica de a m bas ra mas son m uy d isti ntas entre sí.2 A1 t ) 0. t)W .2590 0.5A 1 ( 1 e.2 e t .e.22 A1 tt )) e0. O) = 1 _ 0.25 ( 1 .5A 1 ( 1 . observá ndose que éstas parten de condiciones .1 0. EJEMPLOS ADICIONALES caso: A1 [ 0.5: 1 = [ 0. por ta nto.9.5 ] = 45.3 . siendo.e. eligiéndose por a hora el tiempo t = 1 .1 - [ e -OHt 33. Por lo q ue el gra m iano eva l uado en d icho i nterva lo [0. uti liza ndo para ello la entrada de mín i ma energía dada por la Ecuación 3. por ta nto.5. A conti nuación se ca lcula la ley de variación de una entrada que con­ sigue l levar al sistema desde condiciones i nicia les n u las hasta el va lor fi nal propuesto.2 A1 t ) - ] con lo que su determina nte vale cero para cua lquier valor de t y por ello el sistema no es controlable en n i ngún interva lo.1 ( 1 . O)] = 0.1 ) - cuyo determ i na nte va le det [W( l . se puede afi rmar que este sistema es controlable en el i nterva lo [0.e. 1] .5 >\ 1 (( 11 . q ue es del m ismo orden que las consta ntes de tiem po i nvol ucradas en el sistema . por ejemplo A l = 1 Y A 2 = 0. 1] va le: n ( l e.1 . así como la evol ución de ambas varia bles de estado [Uc 1 (t) Uc 2 (t)]T .2590 .4323 0.2590 0.5 ) 0. 1] . Esta m isma concl usión se alca nzó en el Ejemplo 3 . 5 +t e O.2590 0.88 e. 0) = [ 1 0. En este caso el gramiano ca lculado a nteriormente particu larizado para estos va lores de los parámetros del sistema q ueda : dependiendo el estudio de la controlabi lidad como se sabe del tiempo t considerado.O . 1 de forma i ntuitiva . la consta nte de tiempo de la segunda ra ma el doble q ue la de la pri mera R 1 C1 = 1 Y R2 C2 = 2.1580 ] u(t) = B T <I> T ( 1 .4323 0.

16 .-.::.:.:�'-.... los condensadores..='.146 CAPÍTULO i n icia les n ulas y a lcanza n el pu nto predetermi nado ta m bién predeterm i nado t = 1 : 3.�1 I Elu(t)l_ : 23 V2 I .:: V2 I . CONTROLABILIDAD en el tiempo [2 l] T 2 u(t) . -r 1 1F=�T.-..... La energía de la entrada necesaria para rea l izar la mencionada operación de controlabilidad del estado es: Eu ( t ) = ( b ) Evolución en el espacio de estado de las tensiones en 1 1 U2 (T)dT = 23..--.-� 07 08 09 0 1 02 03 04 05 t 06 Figura 1 : Evol ución de las tensiones de entrada y de las de los conden­ sadores en el caso R 1 C1 = 1 Y R2 C2 = 2 Y uti l iza ndo la entrada de mínima energía para pasar de condiciones i niciales n ulas a las tensiones [2 l] T en u n segu ndo.---�---"---.:. 1 = �: : I -2 -40 0 ( a ) Evol ución tem pora l de la entrada sadores..1 1 .1 1 ... 2 u(t) 1 rF=�=r�-��-�-..l I Elu(t)l_ 23:. 1 = �: 1 02 03 04 05 t 06 y 07 08 09 : -2 -40 -��_ _ _ _� _�� _ � _ _ _ °l� _ �_=�_� _ _� _ _ _�_ _���� I de las tensiones de los conden­ __ -.

2 ) ( 1 e-O. 5 t. 1] del m ismo orden de las consta ntes de tiem po del sistema considerado. por lo ta nto.5 ] O e t .16. A conti n u ación se ca lcula la entrada de mínima energía q ue consigue l levar a este sistema en el i nterva lo considerado [O.7 . 1 ) _ 1 = 0906 [ 0O :0464 0 0464 0 : 0238 ] u(t) = B T � T ( I . t)W . a u nque el sistema es teórica mente controlable. 1] y. 0.l .3. el gra m i a no ca lcu lado a nterior­ mente particu larizado para este va lor de t = 0 .1] . Este hecho i m p l ica en la práctica q ue.1] desde condiciones i n icia les n ulas al m ismo va lor de tensiones propuesto en este ejem plo: [� 0 5( 1 e . acercá ndose en este caso a l va lor n u lo q ue hace que el sistema no sea controlable. EJEMPLOS ADICIONALES Constantes de tiempo distintas e intervalo reducido Si en este m ismo ci rcu ito eléctrico el i nterva lo de controla bilidad se hace m ucho más pequeño. Debe notarse que el valor del determ ina nte del gramiano ha dism i n u ido nota blemente respecto al caso a nterior. O) = con lo que su determ i n a nte va le det [W(O. 5 +t e O . I .O. la energía de la entrada necesaria para ello crece enormemente. 1 va le: 147 W(O. necesaria para controlar el sistema entre los dos mismos estados i nicia les y fi na les .O. O)] = 4.1 + t e. pudiendo l legar a hacer i nviable su controlabi lidad en la práctica . existe u na i nfi n idad de entradas que pueden l levar al sistema desde cua l q u ier estado i n icia l a cualquier estado fi nal en d icho i nterva lo.1 0. O) = [ 1 0.0464 .0906 0.O.15 ) _ M ( 1 .1 s .e.2481 = 2564 [ e. � 5 (1 C0 .5 [�]= O ] [ 0. así como las tensiones en a m bos condensadores hasta l legar a su estado final deseado en t = 0. en el que se estudiaba la controlabi lidad en el i nterva lo mayor [O.O .0238 ] [ 21 ] = que com porta u n consumo energético: Eu ( t ) = va lor m uy su perior a la energía ca lculada a nteriormente de 23. o u 2 (r)dr = 168. 0.68 .48 10. Este va lor del determina nte disti nto de cero i ndica q ue el sistema es controlable en d icho i nterva lo [O. por ejemplo [O. O bsérvese q ue ahora la evolución de la entrada ha tenido J rO. 0. pero forzando a hora a rea l izarlo en u n tiempo 10 veces menor que a ntes y menor igual mente que las constantes de tiempo i nvol u cradas en el sistema .0464 l 0. 1 5 ) � . I .9.l ( I . En la Figu ra 2 se puede ver la evol ución d e la entrada ca lculada .

(b) Evol ución tem pora l de las tensiones en los condensadores.'---:: 5 os s ( c ) Evol ución en el espacio d e estado d e l a s tensiones en los condensadores. UC 1 (t) Y 08 06 02 -0 2 - O �.----... CONTROLABILIDAD que representarse en un gráfico a parte por ser de mayor magnitud q ue la evolución de las tensiones en los condensadores: 1 00 80 % 60 40 20 I Elu(tl]== 168 V2 I -20 40 .1] . .148 CAPÍTULO 3.".0 0 01 0 02 0 03 0 04 0 05 1 (a) Evol ución tem pora l de la tensión de entrada 2 1 5 � � 0 06 0 07 0 08 0 09 0 1 u(t) . Figura 2: Evol ución de las tensiones de entrada y de las de los conden­ sadores en el caso R 1 C1 = 1 Y R2 C2 = 2 Y uti lizando la entrada de mínima energía para pasar de condiciones i n icia les n ulas a las tensiones [2 I] T en el i nterva lo [O. 0. 05 -0 5 -1 o .L 2 �:"":':c _o s---7---:':'--�-----. 0 0 01 0 02 0 03 0 04 0 05 1 0 06 0 07 0 08 0 09 01 UC 2 (t) .

Para ello se va a estudiar el caso en el q ue R l Cl 1 Y R2 C2 = 1. O) 9. O) = 0.l ) ° e. 909 l ( t.5 .4762(1 e. 1] _ - = = [ 1 0. segú n se ha d iscutido a nteriormente el pequeño va lor del determ ina nte del gra m iano indica que se precisa una entrada de muy elevada energía q ue dificulta el control en la práctica . 53 10.4056 0.9 09 l ) 0. 909 l ( l -t ) ° ] [ 0. Se ca lcula a contin uación la ley de variación de la entrada u(t) necesaria para l levar a l sistema desde condiciones i nicia les n ulas al m ismo va lor a nterior de las tensiones en los condensadores: = [ 0. O bsérvese q ue en cuyo determina nte vale det[W (O.1 y por ta nto A l 1 Y A 2 0. 8 1 8 ) - ] [O.2t ) C l . 909 l t ) 0.O .4056 0. con lo q ue el gra m i a no ca lculado a nteriormente de forma genérica va le a hora : 149 Analiza ndo la controlabil idad para el m ismo i nterva lo de tiempo util izado a nteriormente.9. se obtiene: = [ 0. Ahora se q uiere anal izar cómo los va lores de dichas consta ntes de tiempo del sistema i nfl uyen en su controlabilidad y como ésta se hace más d ifícil a medida que las dinám icas de a m bas ra mas se asemejan más entre sí.4056 ] 0.5(1 2(1 = [ 0. la i nfluencia del i nter­ va lo de tiempo en la controlabilidad del sistema .4 76 2(1 0.4323 0. 8 1 8t ) = ] W (l . EJEMPLOS ADICIONALES Constantes de tiempo muy parecidas Hasta a hora se ha estudiado la controla b i l idad del circuito eléctrico i n i­ cial para va lores idénticos de las consta ntes de tiempo de a m bas ra mas ( no controlable) y para va lores d ispares de d ichas consta ntes (controla ble) .4760.2 ) e . pudiendo l legar a hacerlo i nviable.l .l - .3808 e.e .l .4545(1 . 909 l ) 0.l +t e O. en este ú ltimo caso. 476 2(1 _ _ e . O ) ] este caso el sistema es teórica mente controlable.3. 909 l t ) e .5(1 W ( t .9091 ] [ e = 3733 3613 et .4056 0. 454 5(1 = _ _ e .1 [ 21 ] con u n consumo energético de: .l . ha biéndose ta m bién estudiado.l .l .3808 ] .9091.l . pero.4323 0.

' 08 09 (b) Evolución tem pora l de las tensiones en los condensadores. -5 �� . 1] . U C 1 (t ) Y U C 2 (t ) . [2 . CONTROLABILIDAD 1 00 50 -50 -100 0 0 1 02 03 04 05 1 06 07 08 09 (a) Evolución tem pora l de la tensión de entrada u (t ) .1 50 I E[u(tH" 953290 V2 I CAPÍTULO 3. (e) Evol ución en el espacio de estado de las tensiones en los condensadores. -5 -10 -1 5 -20 -25 0 0 1 02 03 04 05 1 06 07 .1 0 -15 -20 _�S -.L --� _20----l S ---� _� --10----� _� _S --� "" Figura 3: Evol ución de las tensiones de entrada y de las de los conden­ sadores en el caso R l Cl = 1 Y R2 C2 = 1 . 1 Y uti l izando la entrada de mínima energía para pasar de condiciones i niciales n u las a las tensiones IV en el i nterva lo [0.

En pri mer l ugar se com prueba la controla b i l idad de las sa lidas media nte el cá lculo del gra m i a no: W 0 (2 . 151 Entrada para modificar el vector de salida Ejemplo 3 . 38 ] . EJEMPLOS ADICIONALES Este valor de la energía es muy su perior al necesitado anteriormente cuando las consta ntes de tiempo de a m bas ramas era n una el doble de la otra .3. que fue estudiado a nteriormente. En la Figura 3 se representa la evol ución de la tensión de entrada y de a m bos condensadores para este caso en el q ue las dinámicas de a m bas ra mas son muy parecidas. pero no igua les.9. r)BB T <JI T (t. 1 2 Dado e l sistema defi nido p o r l a s ecuaciones: Determi nar la entrada que l leve el vector de sa lida al va lor: cuando el estado parte de condiciones i nicia les n ulas. por lo que el sistema es controlable teórica mente uti l iza ndo una entrada con suficiente energía : O bsérvese q ue en este caso la d ificu ltad práctica de la controlabilidad del sistema se debe a la parecida d i n á mica de a m bas ramas y no al i nterva lo de controlabilidad uti lizado. concl uyendo q ue cuando éste era suficientemente pequeño com parado con la dinámica del sistema ta m bién se d ificultaba la controlabilidad práctica de éste. En este ejemplo se ha podido ver cómo el determina nte del gramiano cuantifica la controlabi l idad de un sistema l i nea l representado en u na base dada y en u n i ntervalo de tiempos dado.49 5 . r)C T dr = [ 0. O) = 1o 2 C <JI ( 2 . 37 5 . siendo necesario e n la práctica q u e su valor sea signi­ ficativa mente mayor q ue cero. lo que depende de la d isparidad de las dinámicas de las varia bles controladas con una m isma entrada y del i nterva lo de tiempo considerado. 57 63 .

10.46. . a l ser el estado i n icia l n u lo. Com probá ndose que: y(t = 2) = e 12 <. por tanto el espacio total de estado es controlable. . La ecuación de estado del sistema es: o O O O O O O O O con lo que la matriz de controlabilidad queda: Q estado final. por lo q ue se com prueba q ue la transición de los va lores de la sa lida que se propone es factible. ( ) .] . A partir de este resu ltado se ca lcula la entrada necesaria apl ica ndo la Ecuación 3. . . . . . y (t ) . .45: donde se ha uti l izado YI d i recta mente a l coincidir su va lor con el dado por la Ecuación 3. Es un sistema de dimensión n. CONTROLABILIDAD matriz cuyo ra ngo es dos. a n . 1. T)Bu(T)dT = [ � ] 3. en función de los parámetros a l .152 CAPÍTULO 3. mediante la elección adecuada de la entrada. . siendo las variables de salida de cada uno de los bloques un conjunto adecuado de variables de estado del sistema que se denominan X l . pudiendo de este modo llevarse el estado del sistema desde condiciones iniciales nulas a cualquier . Ejercicios resueltos Calcular la dimensión del subespacio controlable del sistema de la figura. X 2 . = [ B AB con rango Q = n. Xn . respectivamente.P (2.. .

. las filas de la matriz Q serán distintas en tanto que lo sean las constantes ai . EJERCICIOS RESUELTOS 1 53 .. Calcular la dimensión del subespacio controlable del sistema de la figura en función de los parámetros a l . ' " . u(t) y( t ) 2. 1 0 . 1 (t) 1 '"" . "! s u s + al + a2 . "'tI S + an 1 . Por lo tanto. l I] l n: o o o ( -at ) n. a n .l y. el rango de la matriz por consiguiente.l3 . NOTA: obsérvese que el resultado obtenido es análogo para el sistema: . la dimensi?n . '111' De la misma forma que en el ejercicio anterior. se plantean las ecuaciones de estado de este sistema de orden con lo que la matriz de controlabilidad queda: ( -a n ) n.l ( -a2 ) n .l ] Como puede verse.

.154 CAPÍTULO 3.. En el esquema de la figura. Por otro lado. NOTA: obsérvese que se obtiene un resultado análogo para el sistema: � u Al S + al .. los valores temporales de las variables de salida de los bloques que posean el mismo ai serán idénticos. . 3. (t) � A2 s + a2 . Como consecuencia de lo dicho. pueden llevarse las variables de salida de todos los bloques que posean distinto valor de ai a cualquier valor final predeterminado.. a partir de condiciones iniciales nulas. no pudiendo alcanzarse valores independientes de las variables de estado. puesto que la ecuación diferen­ cial que determina la evolución temporal de estas variables respecto de la entrada es la misma en todos estos bloques. y se parte de las mismas condiciones iniciales (nulas) en todos ellos. Razonar la respuesta... Esta conclusión es lógica. mediante la elección adecuada de la entrada. CONTROLABILIDAD del subespacio controlable será igual al número de constantes ai distintas. Es un sistema de cuarto grado. s An + an . deteminar un conjunto mínimo de entradas que permita conseguir que el sistema sea controlable. constituyendo las variables de salida de cada bloque un conjunto adecuado de variables de estado del sistema.

EJERCICIOS RESUELTOS 155 La entrada U4 no afecta a ninguna variable de estado. Para controlar simultáneamente X l y X2 no basta con UI . entonces la variable de entrada al tercer bloque también está controlada con independencia de U3 . Para ver si la entrada UI es suficiente para garantizar la controlabilidad de los dos primeros bloques (y por tanto del sistema). habrá que ver si ambos bloques tienen el mismo comportamiento dinámico. La entrada U3 afecta a las variables de estado correspondientes a los últimos bloques. Por tanto.18 -6 42 por lo que el sistema es controlable con las entradas U l . luego no afecta a la controla­ bilidad del sistema. Las ecuaciones del sistema completo con todas las entradas son: -4 1 O o O O -4 2 Puede observarse que la última columna de la matriz B es toda de ceros (la U4 no influye en el estado del sistema). Reduciendo el sistema realimentado resulta: Para controlar X l es necesaria la entrada UI .1 28 . pero. el conjunto mínimo de entradas necesarias para controlar el sistema son UI Y U2 .10. pues al tener ambos blo­ ques el mismo comportamiento dinámico. el valor de X l será siempre doble que el de X2 .3. puesto que U2 no le afecta. -8 -4 3 O O -4 1 O O O -4 2 32 16 -24 5 O 16 -8 2 O O 16 -10 . Con ello la matriz de controlabilidad queda: Q� donde rango(Q) U3 · U O 1 O O = O O 1 O 4.54 O -64 48 .64 1 44 . Por lo que la entrada U3 no es necesaria para la controlabilidad de los dos últimos bloques colocados en serie. Otra forma de llegar a la misma conclusión es realizar el estudio de las matrices de controlabilidad. por lo que se puede suprimir dicha columna. como las variables de salida de los dos primeros bloques son controladas por las entradas UI y/o U2 . U2 Y q . partiendo de condiciones iniciales nulas.

Para la entrada U3 queda: O O = ] 3Nótese que. con lo que el sistema no es controlable utilizando únicamente U l . quedando rango(Q 2 ) 3. la matriz de controlabilidad resultante es: ] = -4 16 -6� 1 -8 48 2 -18 O donde la primera fila es de ceros (la variable X l no puede ser controlada). partiendo de condiciones iniciales nulas y utilizando sólo la entrada vale siempre el doble que la X 2 . la variable Xl . con lo que el sistema no es controlable con U 2 . se prueba ahora con las combinaciones de dos de ellas: 32 O -128 O -8 O 1 -4 -4 16 16 -64 �6� Q" 3 1 -24 -8 144 48 O O O 5 2 -54 -18 O Ahora el rango(Q 1 2 ) 4. Para calcular cada Q i . con lo que el rango(Q 3 ) 2 por tanto. Para ello se verá si las matrices de controlabilidad Q i (correspondientes a un sistema que sólo tuviera la entrada i-ésima) tienen el rango máximo del sistema. se utilizan las columnas de Q correspondientes a la i-ésima entrada.156 CAPÍTULO 3 . el sistema no es controlable sólo con U3 . se verá primeramente si éste puede ser controlado mediante una única entrada. Dado que con ninguna entrada en solitario se puede controlar el sistema. quedando rango( Q d 3. q � r¡ = ] UI . CONTROLABILIDAD Para analizar el número de entradas que garantizan la controlabilidad del sistema. -4 16 �6 2 -10 42 Las dos primeras filas de Q 3 son de ceros (no se pueden controlar las variables X l xz ) . por lo que el sistema es controlable con el conjunto mínimo de entradas U l Y Uz · y = Q3 � r! O O O O y. Para el caso de Q l : -8 32 -128 -4 16 -64 3 -24 144 O 5 -54 La primera fila es el doble que la segunda3. Utilizando sólo la entrada U2 .

las tensiones en los condensadores al cabo de 1 s. donde 157 u(t) es la tensión de entrada: 1 KO 1 mF 5000 5000 U(t) + 2mF 1 mF a) b) c) Calcular.3. utilizando la solución de la ecuación de estado. partiendo de las tensiones iniciales U l = O. EJERCICIOS RESUELTOS 4. U 2 = V y U 3 = V en los condensadores en tiempo finito ? 10 10 1 1 1 1 1 1 1 a) 1 1 Las ecuaciones del sistema son: u = R1 i 1 + U l i 1 = CI U l u = R2 i 2 + U 2 i 2 = C2U2 u = R3 i 3 + U 3 i 3 = C3 U 3 eliminando las intensidades: u = R 1 c I U l + U l U = R2 C2 U2 + U 2 U = R3 C3 U 3 + U 3 y sustituyendo los valores de las constantes: Con lo que el modelo de estado en forma matricial queda: -1 O 1 [ O O -1 O . y aplicando durante todo el intervalo de tiempo una tensión de entrada constante u(t) = V.10. U2 = V y U3 = V. U 2 = V y U 3 = V en los condensadores en tiempo finito ? 2) ¿Pueden alcanzarse mediante una entrada adecuada las tensiones U l = O. Dado el sistema de la figura. Partiendo de tensiones iniciales nulas en todos los condensadores: 1 ) ¿Pueden alcanzarse e n 1s las tensiones U l = V. U 2 = V y U 3 = 1 V? Partiendo de las tensiones iniciales del apartado a) : 1 ) ¿Pueden alcanzarse mediante una entrada adecuada las tensiones U l = V. U 2 = V y U3 = 1 V? 2) ¿Pueden alcanzarse en 2s las tensiones U l = O.

r )) . dicho problema es trivial.r :.2t [� 1 0 Con lo que la solución de la ecuación de estado.2t 1 + ge.e-t 1 -t -t l Oe..158 CAPíTULO 3. to)x(to) + t q>(t.t. el siguiente paso es encontrar la expre­ sión de la matriz de transición del sistema.(( t.r) � e O lto.2t = q> (t.( t.r) t q>(t.2t . T)B (T)U(T)dT [ 1 10 O -t 1O :. T)B(T)U(T)dT Solución de la ecuación homogénea: XH = q>(t. to)x(t) = • [ eO-t e-t O O ( Solución de la ecuación completa: xc (t) lto e.2 ( t. La representación gráfica del estado del sistema ante la entrada dada es: [ lOOe-t 1 [ 1 :-t 1 [ 1 '.(t. es: x(t) = que se particulariza para t 1 para calcular la respuesta solicitada en este apartado del ejercicio. siendo: q>(t) = Conociendo la matriz de transición ya se puede abordar la solución tanto de la ecuación homogénea del sistema (debida al estado inicial) como de la completa (debida a la entrada que se introduce al sistema): x(t) • = eAt = [ eO-t e-t OO 1 O O O e .2t lto O O O e. t e. Dado que la matriz A es diagonal.r) O ft . CONTROLABILIDAD Partiendo del conocimiento del modelo.2t + = 1 1 :::: 1 - e. teniendo en cuenta condiciones iniciales y entrada.

. \ \ '\ \ . por lo que será rango(Q) = 2. como se ha explicado en este capítulo: Como se observa en la expresión de la matriz Q.3. una posible base del sub­ espacio controlable la constituyen las columnas linealmente independientes de . como el presente.6 0.2 0. para ver si los puntos correspondientes están contenidos en dicho espacio. El estudio de la controlabilidad en sistemas lineales invariantes. . es necesario calcular la base del sub­ espacio controlable. \ \ \ \ \ . las dos primeras filas son iguales. . 0. 2 4 6 8 10 t En la siguiente figura aparece ampliada la evolución durante el primer segundo: E s t ado 10 8 6 4 2 t .4 0. Como se ha visto en este capítulo. puesto que se pregunta sobre un estado que presuntamente debe alcanzarse gracias a alguna entrada. pasa por el cómputo de la matriz Q. EJERCICIOS RESUELTOS E s t ado 10 159 6 4 2 \ .10.8 1 b) Este apartado hace referencia a la controlabilidad del sistema. al dar el dato de que las tensiones iniciales son nulas. Para saber si los estados que se propo­ nen son alcanzables con alguna entrada.

t ) . 1) El punto [1 1 IV está dentro del subespacio controlable. 1 .eU d ) 1 . Partiendo de que la evolución del estado se puede calcular como: t x(t) = <I> (t.e ( ta . CONTROLABILIDAD la matriz Q.t ) 1 ] 1 x(to) + ¡ta x(to) + b [l e(H) 1 _ e ( T.eU. luego no puede alcanzarse a partir de condiciones iniciales nulas.e 2( tl . U d) .t ) . queda: x(t) [ e-t e.e(t . Se puede calcular la entrada que permita alcanzar el estado planteado en el apartado (b.t ) e 2( ta . la base del subespacio controlable es: que da lugar a la expresión más sencilla de la misma base: que definen el plano controlable U l = U2 .t ) u(T)dT = e2 (T . T)B(T)U(T)dT ta se propone usar una entrada con la forma: de forma que. .2 t .t) 1 . sustituyendo en la expresión de la evolución del estado. se plantea la .t O O O O e-t e-t O O O e -2 t O O O O +c [[ O e.t ) + e 2( tl . 2) El punto [O 1 IV no está dentro del subespacio controlable.1).-' ) e ( tl .t ) 1 Dado que lo que se pretende es que la entrada lleve al estado desde el origen hasta el punto [1 1 IV. Por tanto. to)x(to ) + i¡ <I> (t.160 CAPÍTULO 3. luego puede al­ canzarse en cualquier tiempo finito a partir de condiciones iniciales nulas.. entre los instantes to = O y t = 1 .

" " 0. se fija tI 0.l ..l e(t¡ ..e . por lo que sólo hay dos ecuaciones linealmente independientes con tres incógnitas. EJERCICIOS RESUELTOS 161 e (t l .1 _ 1_ . . El origen del plano controlable se desplazando según esa trayectoria: va .. se obtiene por la superposición de un vector perteneciente al subespacio controlable más el vector de estado definido por la solución de la evolución libre del sistema.2 e 0.58: 1 + 1= + { 1 0...t) c(l .6321c { e = 0. .e . . " .4 0.l ) ::::} = b (e .6 0.3934c = 0..2325b { b1 = 4.5 2 1. cuando se tiene en cuenta tanto el estado inicial como la acción de la entrada.l e2 ( t l ..1 ) .1029 En la gráfica puede observarse la evolución del estado ante esta entrada: = = 1 [ 11 .8 1 ) El conjunto de estados alcanzables.5 t I / .e .5 1 0.2386b + 0.e l ) ::::} E s t ado 2.l ) . 5 .0206 + 0. que se obtuvo en el apartado a).. Dicha solución da lugar a que el estado describa una trayectoria dentro del espacio de estado como la que se refleja en la figura. .5 ) ::::} +e b (e ...e ...t) e2 ( t ¡ .O . / .e(t l -t) e ( t ¡ ..e-O. . 10 . en este caso. Esto permite dar un valor arbitrario a cualquiera de ellas para fijar las otras dos.3 ...1 ) e-2 igualdad: [ 11 1 b [ 1 = ::::} Como puede observarse..2 ) c(l . la primera y la segunda ecuaciones son iguales.

t ) + e 2 ( tl .t ) u(T)dT = e 2(r.t ) . Numéricamente debe cumplirse: � 1 da[ � 1 � 1 [ � 1 Ecuación que resuelta 1 a [ Dado que se ha demostrado que es posible alcanzar el estado propuesto. excepto para un tiempo infinito. El punto [O 1 1 j T sí se puede alcanzar en un tiempo finito. ::. a [ la evolución del estado queda: x(t) [� [� { b e ' O O e .e ( to . Probando nuevamente con una entrada de la forma: u(r) � lO -t + + (3 1 10e -2 t O = O. el punto [1 1 lj T nunca puede alcanzarse como composición de un vector de la evolución libre del sistema con un vector del subespacio controlable. CONTROLABILIDAD 1) 2) Como puede verse en la figura. (3 = 0. por la evolución libre del sistema. justo en el tiempo que emplea el sistema en pasar desde las condiciones iniciales Xo hasta el punto X l .t ) e 2 ( to . < T T ¡ ::.< ) .t O x(to ) + ' to O e -2 t e ' O O e . tI t [ e (H) e (r. se puede calcular la entrada que lo permita. Para ello basta con que la entrada u(t) sea tal que lleve al estado del sistema desde condiciones iniciales nulas hasta el punto X2 .t ) _ [ 1 1 .' ) e ( t ¡ .t ) e ( '' .e ( " .t O x(to ) + b O e -2 t 1 1 e to tI ::.162 CAPÍTULO 3.3025.9 y t = 2.X l .

Esto hace que se pueda dar un valor arbitrario a cualquiera de ellas. . . por lo que quedarán sólo dos ecuaciones linealmente independientes con tres incógnitas. 302 5 = 0.t 1 0 e.1 =} t = 2..0638b + 0. las dos ecuaciones son la misma. .2 t 163 Lo que se pretende es que la entrada lleve el estado desde el valor inicial [O 10 10j T en to = O hasta [O 1 1 j T en cualquier tiempo finito..9 = 0.1 7 18b + 0..". con lo que: e (t l -t ) y sustituyendo: =} En la figura puede observarse la representación gráfica de la evolución del estado ante esta entrada: E s t ado 10 8 6 4 2 . de forma que se puede plantear la ecuación: [1 [ 1 [ O 1 1 = lO e.t ) - 1 e ( t 1 -t ) .1 . 7281c =} 0.e.. .819 7 e = 1.3.-=.. . .3025 De esta forma.e.. { { 0 = 0. . . -..-- t -2 -4 .. EJERCICIOS RESUELTOS 1 .t e 2 ( t l -t ) _ e...2 71 8 \ \ .5. En este caso se hace h = 18. \. .3733 = e .2 t ° + b 1 [ +e 1 e ( tl -t ) 1 e ( tl -t ) 1 _ e 2 ( tl -t ) _ - 1 Para que las dos primeras ecuaciones se cumplan debe ser cierta la igual­ dad: 1 = 1 0 e -t =} e -t = 0.\ \ . .92 6 1c b = .e (tl -t ) 1 e (tl -t ) 1 e 2 ( tl .10.t e ( tl -t ) .

es necesario calcular la matriz de transición del sistema. Vl = 3 V1 2 [ -� -1 ] [ Vu ] [ � ] Gracias a esta transformación se puede conseguir una expresión diagonal de la matriz A y. Obtener la ley de En primer lugar.164 CAPÍTULO 3. Se comienza por calcular los valores propios de la matriz A: A continuación.V 1 2 . para ello se calculan los vectores propios: A = -2 A = -3 ::::} ::::} det ( AI A ) = - [� A �\ ] = A(A + 5) + 6 = A2 + 5A + 6 = (A + 2) (A + 3 ) ::::} ::::} Con lo que la expresión de la matriz de transformación queda: T. Dado el sistema: x se desea llevarlo de control u(t) . desde su expresión actual a la forma diagonalizada.11 ] . por lo que se va a obtener la solución del pro­ blema en esta base. CONTROLABILIDAD 5. por lo que el sistema es controlable. se ha de comprobar que el sistema sea controlable para poder asegurar que existe una ley de control que permita llevar el estado del sistema desde su valor inicial hasta su valor final: matriz cuyo rango es dos. Para poder trabajar en este sistema de referencia es necesario [ -23 . a x = [1 I] T en t = 28. por tanto.] [ ��� ] = [ � ] � 3 V2 1 = -V22 . Para conocer la evolución del sistema y calcular la ley de control. de la matriz de transición. la matriz T de transformación del sistema.1 = [ -� ] [ -� . que resulta mucho más sencilla de manejar para realizar los cálculos. V2 = [ _� ] 2 v u = . = [1 IV en t = 0.

6(2 . es necesario calcular dicha evolución libre.r.T) = 2 3 e .2e -3(2. por lo tanto se puede encontrar la entrada que lleve el estado del sistema desde condiciones iniciales nulas a i: W ] [ 3e -2 (2 -T) 6 .T) 1: .3( 2.4( 2 .T) 6 1 .T) _ 2 e . A.'(' .T) 2 ge .T) 6 . e . como primer paso.4( 2. la matriz es invertible. por lo que. e .2 ( 2. dado que el sistema es controlable.T) 2 .' 3.3( 2 . EJERCICIOS RESUELTOS Xo y Xl .:l e .6( 2.T) -6 e . Una vez que se conoce la solución de la ecuación homogénea.5 ( 2.5 ( 2 .5 (2 -T) 4e .[ = [ _ 6e . se acude a la expresión de la solución de la ecuación completa para evaluar el efecto que ha de tener la acción de la entrada sobre el sistema: de donde: Según se ha visto en este capítulo. Á Xo La entrada necesaria para que el estado inicial coincida con el final es la que com­ pense exactamente el efecto de la evolución libre del sistema.T) 1 dT = [ g e . 165 transformar todas las matrices implicadas en la resolución del problema. 10. es decir.T) - 1 o e . B.' ) 1 4 dT .r.

la expresión de la entrada hallada es la buscada. independientemente de que los cálculos se hayan realizado en un sistema de referencia distinto al inicial.t ) + 67.1 2 ) 1 1 . CONTROLABILIDAD Una vez calculado el valor de la matriz W. 1822 20. 7274 = . por tanto. se puede calcular la entrada necesaria para cumplir con las especificaciones del problema: � (1 .739 g e -3(2.1271 20. por lo que no tiene sentido que influya en la forma de la entrada que recibe el sistema que.t ) ] [ -3.5 2 . la expresión de la entrada no depende del sistema de refe­ rencia elegido para representar el estado del sistema.992 Como resulta evidente. el estado no es más que un modelo.48. En resumen.9696e -2(2.1271 37 . En la figura puede verse la representación gráfica de la entrada y del estado en el intervalo de 2 segundos propuesto: Ent rada 15 10 5 t 1.92676 ] 2. es independiente de la representación del sistema.e .166 CAPÍTULO 3.

t ) + 764. \ \ 167 / \ .68 .2 (tl .5 (2.5 -1 -2 Esta entrada cumple la propiedad de ser la que posee menor energía de todas las entradas que transfieren el estado del sistema desde el valor inicial al final: E tl = i{ (U(T)) 2 dT = ¡tatl ( .t ) _ 6333.5 ( 2.t ) ) dT i(h 239 7.1326.t ) + 4588.3(2. 08e -6 ( 2 .6 (t -2) . La forma de fijar estos escalones es elegir un valor determinado para t2 y dejar como incógnitas U U Si se sustituye entonces en la expresión de la evolución del estado: [ _� ] [ [ -� ] = <T>x(to) + ir <T>(t l .71e .�:uo.48.t) ):: = 37.43e -2(2. / / 1 1.26 = Otra posible entrada que consigue llevar el estado del sistema entre los valores deseados es una compuesta por dos escalones desplazados: A Y B. EJERCICIOS RESUELTOS E s t ado 2 1 \ / / / / / / / .T ) tl 4 e -� .54e .3 + ta e -3tl x(t) ° ][ ] [ ° .7 2e ta ( 599.9696e -2(2. T)B (T)u(T)dT ¡tatl e .t ) ) 2 = ta ( .4 ( 2.t ) + 67.739 g e .

168 [ se obtiene: 4(1 .t 2 ) 425. que suele ocasionar que el estado alcance valores mayores.to ) + (UB ) 2 (t l . Dada esta segunda entrada.e . frente a la primera. es su mayor energía.2t l ) -3(1 .8 7 t { l (U(T)) 2 dT Jto t t { 2 (UA ) 2 dT + { ¡ (UB ) 2 dT Jto Jt 2 = = = La principal desventaja de esta entrada.3 t l ) ] to = CAPíTULO 3. CONTROLABILIDAD Dando valores a los instantes: O t2 = 18 t I = 28 por lo que la entrada resultante para todo el intervalo de tiempo es: U2 (T) = { . es más sencilla de calcular y admite (aumentando los grados de libertad con la composición de más escalones) la inclusión de nuevas restricciones en el comportamiento de la entrada y del estado. 7 1 14 1 :S T :S 2 Dada esta entrada. se puede calcular su energía para compararla con la de la primera: E (UA ) 2 (t 2 . como podría ser el forzar a que las variables de estado se encuentren siempre dentro de un rango de funcionamiento. Por contra. se puede representar la evolución tanto de ella misma como de las variables de estado: .1 9.e .830 7 O :S T < 1 5.

5 -5 -10 -15 ..0852 o � 1. . . La evolución de la entrada y de ....5 -5 -10 1 1..5 � � 2 T T < Para la que se obtiene una energía de las variables de estado en este caso es: E = 83.2 0 �----� 1. " " " " " t 0..58.5 2 E s t ado 10 5 ..3... la entrada que se obtiene es: -6.5064 1.71.. .. EJERCICIOS RESUELTOS Entrada 5 t 169 0..5 2 Si se elige como tiempo intermedio t2 = 1. .10. " .5 7.

5 ::. 2 cuya energía es = 5377. . .24. . la entrada que se obtiene es: -73.1776 E O.. t Por último. T O ::. T < 0. La evolución de la entrada y de las variables de estado para este caso es: .. .6 �----� E s tado 4 2 " " " . si se elige como tiempo intermedio t2 = 0.5 -2 -4 1 CAPÍTULO 3. CONTROLABILIDAD 1 5 2 t . ..1467 5.170 Entrada 6 4 2 0. ::.58. .. .

... 2 t 3. ...... Determinar la controlabilidad del sistema de la figura tomando como entrada la tensión U .. 1 1 .. . 1.- .. ... .. -60 10 ..... . EJERCICIOS PROPUESTOS Ent rada -2 0 t 171 o 5 1 1..5 2 -40 E s t ado 20 30 . 1 1 .. .... .. / .6'...... Ej ercicios propuestos u C=1 .... .. . ..

c) para que las tensiones de los condensadores pasen: a 20K 5K V' 1 0 -6 4· 1 0 -6 1 0 -6 b e 2K V' V' I I I 3. 15 V. En el sistema de la figura: b) a) O a 10 De O a 10 De V. 15 V respectivamente en 10 ms. 15 V respectivamente en 5 ms. 10 V. CONTROLABILIDAD 2. Determinar el mínimo número de fuentes variables de tensión que hay que conectar a uno o varios de los puntos ( a .172 CAPÍTULO 3. y (t) . b . V.

X6 ) . cuáles cumplen la afirmación de cada apartado. X 3 . X2 ) . a) Pueden ser por separado variables de estado b) Pueden ser a la vez variables de estado el conjunto ( X2 . . X5)) . ( X I . X2 ) .1 1 . ( X2 . de entre las variables o pares de variables representadas entre paréntesis. (( X l . EJERCICIOS PROPUESTOS 173 indicar. ( X l . X5 .3. ( X l . u e) Son controlables con la entrada los pares de variables d) Son controlables con las entradas u y v los pares de variables ((X I . X3 ) . X5 ) . X4)) .

.

1 . La idea de observabilidad se relaciona con la posibilidad de conocer el valor del estado de un sistema. estado y salida. con lo que se cubre la segunda etapa de la interacción descrita por el modelo de estado y se completa el análisis del comportamiento del sistema completo. 1 : Concepto de observabilidad. Una vez conocido el estado en un instante inicial. se puede determinar el estado 1 75 . mediante la elección adecuada de dicha entrada.4 4. O bse rva b i l i d a d Introducción Como se estudió en el Capítulo 1. En el Capítulo 3 se ha estudiado la forma en la que entrada repercute sobre la evolución del estado. así como las posibilidades de obtener un determinado valor para éste en un instante dado. En el presente capítulo se estudia la forma en la que las variaciones en el valor del estado se manifiestan sobre la salida. a partir del conocimiento de la evolución de la entrada y de la salida que genera. Figura 4. el modelo de estado refleja las relaciones entre los tres actores que describen el comportamiento de un sistema: entrada.

en el caso de que no sea posible conocerlas todas. sólo se podrá detectar una variable de estado. Ejemplo 4 . se comporta como un sistema de primer orden y.. se verá en qué sistemas es posible conocer el estado y. se estudiará la selección de las salidas que contieneñ la máxima información sobre el estado del sistema. puesto que tiene como variables de estado las salidas de los bloques.. 3 s+1 11 s+2 - ( )_ 3 8+1 _ 3 8+2 s+ls+2 . conociendo u(t) e y (t). s + 2 ... Primero. ahora se va a ver la relación estado-salida. qué variables de estado se pueden conocer. y (t ) . OBSERVABILIDAD en cualquier otro instante posterior utilizando la solución de la ecuación de estado. 1 Supóngase el sistema de la figura: Si se tiene un sistema con una función de transferencia como la de la figura se pueden elegir como variables de estado la salida y su derivada.. Por el contrario. en segundo lugar.1 76 CAPÍTULO 4.. Por último. Si se intenta obtener su función de transferencia será: Este sistema. u( t ) " s + l .. el sistema de esta figura no es observable. desde el punto de vista de su función de transferencia entrada­ salida. Xl � . por lo que se tendrán todos los estados conocidos a partir de la salida y por tanto será observable.. luego el sistema no es observable.. La observabilidad se presenta conceptualmente como una idea complementaria a la de controlabilidadj si la controlabilidad estudia la relación entrada-estado..-----a..

La observabilidad para un punto y para cualquier instante se define: Se dice que un punto del espacio de estado. DEFINICIONES 1 77 Los conceptos de controlabilidad y observabilidad son claramente distintos embargo como se verá en este capítulo.2. en lo que se refiere a cálculos son duales. t. Xo . tI] . El objetivo es determinar bajo qué condiciones se puede obtener el estado inicial < ::. 1 ) . existe un intervalo de tiempo finito [to . tI] Y de la salida y(t) en dicho intervalo permite determinar que el estado inicial es Xo . y. el conocimiento de la entrada u(t) en el intervalo [to .4. 1 . se asocian al concepto de sistemas observables. y Observabilidad de un sistema: Un sistema es observable en [to . t¡] . tal que el conocimiento de la entrada u(t) en el intervalo [to . D efiniciones Como se ve.3. r)B(r)u(r)dr (4. similares a las dadas para controlabilidad. Si fuera conocido x(to) y u(r) . Las definiciones. de igual forma se define sistema observable como: Un sistema es observable si todos los puntos del espacio de estado son observa­ bles. sin Observabilidad: Se dice que un punto Xo del espacio de estado es observable en [to . siendo éste el estado inicial en el instante to. se impide la observabilidad con una cancelación de un polo con un cero. to )x(to) + l r t to cp (t. t¡] si. 4. es observable si. conociendo u(r) e y(r) con to x(t) = cp (t.2. 3 . tI] cuando todos los puntos del espacio de estado son observables en [to . siendo éste el estado inicial para un instante inicial to cualquiera. Observabilidad e n sistemas lineales Xo = x(to ) . se podría obtener x( t) con la expresión: Planteamiento 4. 4. t¡J Y de la salida y(t) en el mismo intervalo permite determinar que el estado inicial del sistema en el instante to es Xo . Xo = x(to ) .

5) Obsérvese que en este caso la salida representa un cambio de base de las variables de estado mediante la matriz e y.ito C(t) <P (t. OBSERVABILIDAD y(t) = C(t)X(t) + D(t)u(t) y sustituyendo en esta ecuación la solución de la ecuación de estado: y(t) = C(t) <P (t.2. basta conocer la salida en un solo instante para conocer el estado del sistema. la aportación a la salida dada por la evolución libre del sistema C(t) <P(t. Teorema En general es necesario conocer la evolución de la salida en un intervalo de tiempo para poder calcular el estado del sistema. se puede despejar de la ecuación anterior: y(t) = y(t) .3.3) t donde y(t) representa la componente de salida debida sólo a la existencia de condiciones iniciales no nulas.1 y(t) (4. por tanto.4) o lo que es lo mismo: <P (t. Este problema de la observabilidad se resuelve mediante el siguiente teorema: . r)B(r)u(r)dr . tO )X( tO ) + ito C(t) <P (t. lo que es lo mismo. De esta forma se observa que la posibilidad de conocer el estado a partir de la salida que a su vez depende únicamente de y la entrada depende de y En el caso particular de que la matriz sea cuadrada e invertible. es decir. to). 4.178 y teniendo en cuenta la ecuación de salida: CAPÍTULO 4. x(to) (4.2) Agrupando los términos que dependen de la entrada y la salida. C(t) A (t).D(t)u(t) = C(t) <P(t. la salida del sistema ante entrada nula. to)x(to) (4. se obtiene: o. que se suponen conocidas. r)B(r)u(r)dr + D(t)u(t) t (4. to)x(to) = x(t) = C .

to) y (4. OBSERVABILIDAD EN SISTEMAS LINEALES 179 Dado un sistema definido por las ecuaciones. td si s610 si la matriz V(t¡. La matriz controlabilidad. to) tiene una forma dual a la W(t¡. conocida como gramiano de observabilidad definida como: y y \ (4. V(t¡.8) Por lo tanto. to).7) despejando: (4.: x(t) = A (t)x(t) + B(t)u(t) y(t) = C(t)X(t) + D(t)u(t) es observable en [to. se puede obtener el estado del sistema en función de la salida ante entrada nula.to)) Xo (4.9) . existe algún valor propio nulo. que por otro lado debé ser distinto del vector nulo. Se cumplirá entonces que: V (det(V(t¡.3. y se fuerza a que el estado inicial coincida con su vector propio asociado. existe un algoritmo que nos permite despejar expresión: V(t¡. • Condición necesaria El razonamiento es similar al realizado en la demostración del teorema dual de controlabilidad.4. to) empleada para el estudio de Xo de la Demostración • Condición suficiente Si no es singular.6) es no singular. Si es singular = O).

Y(T) = por lo que no va a O ser posible distinguirlos. Dado el sistema definido por el modelo de estado: -1 x O O1 -O2 O3 x O y=[ l 2 3 ]x = [O + [11 -1 1 + u determinar el estado inicial desde el que comenzó a evolucionar en sabiendo que la entrada escalón unitario produce la salida: y = (t) _4e-3t 3e. el sistema no es observable. OBSERVABILIDAD sustituyendo V(t¡. 1 1) Para que se cumpla esta expresión es necesario que e(T) = VT. 12 ) O. O XoO. para verificar que el sistema es efectivamente observable: t 2. to)xo = y (t) = O. C(t)�(t. 1 hasta el instante = En primer lugar se calcula el gramia no de observabilidad.180 CAPÍTULO 4. cuyo determinante es: . 10) (4. tanto para este estado como para el estado nulo. Por lo tanto. to) por su valor: (4. la salida ante entrada nula va a ser la misma.2t 2e -t + + to = O. por lo que: (4. Xo =/:.2 La conclusión que se deduce es que. Ejemplo 4.

objeto de la definición de observabilidad. El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el condi­ cionamiento del gramiano correspondiente.1 (t. como cabía esperar. no se ve influido por el valor concreto del gramiano.T (7.3. sin errores en la determinación de sus parámetros ni en la medida de la salida. este resultado. situación posible en teoría pero muy poco realista en la práctica.3: 1 e . esta afirmación sólo es cierta en caso de que se disponga de un conocimiento perfecto del modelo.8 se describe la forma en la que se puede calcular el estado inicial en un sistema observable conocido el valor del gramiano de observabilidad. r)B(r)u(r)dr = _ 3e-3t + 2e-2t + 3e-t � V. como este resultado se ha de repetir sea cual sea la duración del intervalo. 4. por lo que hay que contar con esta incertidumbre. se cumple que: Xo � . en principio.(t.3. Sin embargo. como se puede observar.Q) l' . radica en que a partir del conocimiento de dicho estado inicial es posible establecer cuál ha sido la evolución posterior del vector de estado hasta llegar al conocimiento de cuál es su valor actual. es posible calcular el estado inicial desde el que evoluciona. es independiente del tiempo.1200 + --¡()()-� + ---so -� + � ----so + �. En la Ecuación 4. para t = Dada la observabilidad del sistema. OBSERVABILIDAD EN SISTEMAS LINEALES 181 Se puede com probar fácilmente que el determinante no se anula salvo para t = O. por lo que se puede afirmar que el sistema es controlable para cualquier valor de t final del intervalo y.3.lOt 2e -9t 21 e-8t 6e. aplicando la Ecuación 4. det[V(t. tal como se especifica en la Ecuación 4. y es en presencia de estos errores en la medida cuando el condicionamiento del gramiano toma importancia. Además.Q)cT(7)y(7)d7 resultado que.9 al final . pudiendo manifestarse entonces esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en el Ejemplo 4.¡. Determinación del estado inicial e n sistemas observables [ J1 1 La importancia de la determinación del estado inicial a partir del que evoluciona un determiado sistema.lt C q.100 2. O)] = y (t) = y (t) De hecho.8.12t 3e. Para ello el paso previo es calcular y (t).7t 6e-5t 21 e-4t 2e-3t 3e-2t 1200 .4. por lo que no cabría la discusión sobre la mejor o peor observabilidad de un sistema como sucedía con la controlabilidad. puesto que el sistema es observable para todo valor de t. en concreto.

como ya explicó también en el caso de la controlabilidad. como ocurría con el estudio de la controlabilidad. entre los motivos por los que el problema de observabilidad puede encontrarse mal condicionado se encuentran: • Intervalos muy cortos de medida de entrada y salida tienden a dificultar la ob­ servabilidad. to)T y el valor del gramiano de observabilidad queda modificado según: (4. 3 V(tl. Como en el caso del gramiano de controlabilidad. dependiendo del condicionamiento del problema. hay que tener en cuenta. Un indicador de estas diferencias la da el número de condición de la matriz como se demuestra en la Sección 4.1 AT C = CT � (t.1 <I> (t. OBSERVABILIDAD de este capítulo. No todos los estados iniciales son igualmente observables desde la salida.5 . to). Si se considera una transformación del estado mediante la matriz invertible entonces: T: x(t) = Tx(t) A = T. repercutirá en mayor o menor medida a la hora de estimar el estado actual. como puede verse de forma inmediata de la disminución del valor del gramiano.182 CAPÍTULO 4. to) = T . que el valor del gramiano no es invariante ante transformación lineal. 1 3) por lo que el valor del gramiano de observabilidad sólo da información efectiva respecto a la dificultad de determinación del valor del estado inicial cuando existen errores en la medida de los parámetros del modelo y de la salida y cuando se trabaja expresando el sistema en una base con significado físico. Para estudiar el condicionamiento del problema de observabilidad. Analizar la observa b i l idad d e l sistema defin ido por: x(t) = [ �1 �2 ] x(t) + [ 1�O�3 ] u(t) . • • Ejemplo 4 . La presencia de dinámicas muy rápidas en el sistema también tiende a aumentar la incertidumbre de la estimación del estado. error que.

041 10 1 3 . que. ante entrada nula. la existencia de puntos no-observables da lugar a que ningún punto del espacio sea observable y. Sin embargo.4.4. ante entrada nula. mediante cambio de escala en las variables de estado: y(t) = [ 10 -3 103 ] X(t) t el problema se transforma en: Al repetir el mismo cálculo se obtiene un número de condición de 77.14) hace que el sistema no sea observable. Puntos como X ¡ . Vt > to y(t) = C(t) éP (to. puesto que la misma salida se puede . si el sistema no es observable. generan salida idénticamente nula cuando se toman como estado inicial. Por tanto. lo que indica un mejor equilibrio entre las direcciones de observación del estado. existen dos clases de puntos: • Puntos como que. Según el razonamiento anterior. O. pero que no son observables. t)(xo + x¡) = yo(t) + Yl (t) = Yl (t) haber generado por la superposición con un punto no-observable. t)xo = yo(t) = O. tal que: y(t) = C(t) éP (to. lo que en principio indica muy diferente observabilidad según la dirección dentro del espacio de estado.44.3. Xo. • y(t) = C(t) éP (to. Estados no-observables 5é:(t) = [ �1 �2 ] x(t) + [ � ] u(t) y(t) = [ 1 1 ] x(t) El hecho de que exista un valor del estado inicial (4. OBSERVABILIDAD EN SISTEMAS LINEALES 183 Calculando el gramiano de observabilidad y sus valores singulares para = 1 se obtiene un número de condición de 1. (4. si se tiene otro estado inicial tal que: Xl . por tanto a que el sistema no sea observable. t)Xl = Yl(t) =f. Xl Xo Xl . O Xl . 15) entonces. como se demuestra fácilmente. si el estado inicial es la suma de los dos anteriores: (4.16) por lo que observando la salida del sistema no se puede determinar si el estado inicial es Ó + Se concluye que desde la salida no se puede distinguir cuándo el sistema evoluciona desde un punto como o desde la suma de éste con un punto como Xo . no dan la salida nula al ser tomados como estado inicial. 4 . 3 . por linealidad. Xo =f. que se denominan no-observables.

para estudiar la observabilidad de este sistema se recurre al gramiano de observabilidad . que en este caso vale: [� ! �l 1 2] V(t.1 + 4e 6 ( t-t o) . tO)C T (T)C(T)<I>(T. por lo que resulta imposible distinguir cuál es el estado inicial a partir del cual el sistema evoluciona . Superposición de ambos estados iniciales: Las salidas en los casos 2 y 3 son idénticas.6é( t-t o) + 3e 2 ( t-t o) 6 O . t. x. to) = it <I> T (T. inferior al máximo. Se comprueba a continuación el comportamiento de representantes de puntos no-observables y de puntos que no son observables: Estado inicial no-observable: [ 1.1 + 4e 6 ( t-t o) _ 3 é ( t-t o ) matriz cuyo rango es dos.)x. OBSERVABILIDAD Estudiar la observabilidad del sistema definido por las matrices: C=[ O Como se ha visto en apartados anteriores.4 A � 184 CAPÍTULO 4. O � � 3. por lo que no es invertible. to ) dT = to O O 1 = .O . se concluye que el sistema no es observable. � 2.Ejemplo 4. Estado inicial fuera del conjunto no-observable: [�1 '* y(t) Cif>(t. Por .

que el sistema evoluciona con salida nula a partir del estado Xo.n-l 1 Xo. es decir. sino que sólo hay r esto significa que dentro del espacio de dimensión existe algún vector que es ortogonal a todas las filas de la matriz P.tO ) 2 + ] Xo = [ao(t)C + al(t)CA + . S istemas lineales invariantes Dado un sistema de dimensi6n es observable si y s610 si la matriz de observabilidad p x(t) = Ax (t) + Bu(t) y(t) = Cx(t) + Du(t) n definido por las ecuaciones: P definida por: (4. p < n. Si a este vector se le llama Xo. se verificará que: y(t) = n .19) Xo que.17) es de rango máximo. (t . los estados iniciales d e l a forma son no-observables. SISTEMAS LINEALES INVARIANTES 185 tanto.l ] Xo (4. + an _ l(t)CAn. .4. mientras que los puntos con la forma de (caso que incluye a no pueden ser observados.4. n • es decir.to) + �. Se supone que existe un vector Condición suficiente (4. Condición necesaria A partir de la expresión de la salida del sistema ante entrada nula evolucionan­ do desde un estado inicial genérico. . = A [ C�:. considerado como estado inicial. y por aplicación del método de Cayley­ Hamilton: CeA(t -to) xo C [1 + A (t .4. Demostración • n. . es tal que . . Xa Xl X ) 2 4.18) Si en la matriz P no existen filas que son linealmente independientes.

Derivando sucesivas veces respecto al tiempo se obtiene: =? A t-to) CeeA((t-to) Xo = OO = CAeA(t-to) XO �.� PeA(t -to) xo = O (4.20) C es de dimensión p x n y la matriz A es de dimensión n x n. OBSERVABILIDAD CeA (t -to) XO = O.21) CA2 xo CAn . por lo que el sistema es observable utilizando las dos salidas disponibles.5 P será de dimensión pn x n. Ejemplo 4. lo que significa que no cubre todo el espacio. por lo que el rango de la matriz P será menor provengan de cada una de las p salidas o de sus posibles conjuntos. teniendo pues pn filas. Es posible agrupar las filas según Si la matriz � � ( ) ) 'it (4. la matriz O Estudiar la estabilidad del sistema cuyas matrices A y C son las siguientes: Se obtiene la matriz de observabilidad P= O 6 O 18 2 O P.186 la salida del sistema ante entrada nula es cero: y (t) = CAPíTULO 4 . cuya expresión es: O 5 1 O 2 4 24 18 6 O 8 17 El rango de P es tres.l eA(t -to ) xo = O Esto significa que e A t-to xo es ortogonal a todas las filas de la matriz P. analizando la obser­ vabilidad debida a esas salidas. Podría comprobarse también si lo es utilizando una única .

=D)Tx.24 ]. por lo que el sistema no es observable utilizando la segunda salida. el rango de P coincide con el de si el sistema resulta observable con también lo hará con P. independiente de la que la propiedad estado. se realiza un el rango de la nueva matriz P es idéntico al Para demostrarlo con lo que después del cambio de base se tiene: Ax(t) + Bu(t) y = ex(t) + Du(t) x(t) = Tx(t) Por lo que la matriz de observabilidad en la nueva base es: x(t) = T . Invarianza de la observabilidad ante cambio de base El rango es tres.4. P.22) y puesto que la matriz no es singular. .. :::} � l. = [ 18� . utilizando la segunda salida 1 2 = = 1 5 6 � ¡� O ]. '8 . por lo que utilizando la p.rimera salidfl.probando con l á primera:' el = [ 2 o 4. de lalomatrizsiP. T P. e. Sé empieza .1 Bu(t) y(t) = eTx(t) + Du(t) (4. x 11 [O ] e2 [ O 2 ] :::} P2 OO 1 7 18 El rango de la matriz P 2 es menor que tres (dos) . por lo que.un sistema cambio es representación del por que.l ATx(t) + T.�1 sistema también es observable.4.4. B. Se com prueba ahora si tam bién es observable . 1 . . se parte de la representación del estado realizando el cambio de base: x= Es importante destacar de observabilidad de (A. SISTEMAS LINEALES INVARIANTES 187 salida.

23) (4.188 4.51 . . x(t) = Ax(t) + Bu(t) + d(t) y Cx(t) = (4. A partir de esta definición. se sigue una demostración similar a la que aparece en la Sección 3. en el que a la estructura usual se ha añadido un vector de entradas adicionales. por lo que el modelo del sistema toma la forma: 6. OBSERVABILIDAD Como ya se ha referido en este capítulo. para llegar a la conclusión de que el gramiano de observabilidad describe la 1 En este caso se demuestra que.2. Sea el sistema lineal e invariane representado en la Figura 4. representando cada columna el efecto de una variable de estado sobre el conjunto de las salidas.T)d(T)dT con lo que se puede definir FT(t-T) = CiP(t-T) como una aplicación FT Esta aplicación representa la aplicación de un conjunto de variables de estado que n : IR ---+ IRP x n . d(t) Figura 4.25) y(t) = i(tat CiP(t. se tiene que la salida del sistema es: d(t) influyen en p salidas. el número de condición de la matriz que define el gramiano de observabilidad es un indicador de la anisotropía del espacio de estado.24) y(t) Este vector se añade para el estudio de observabilidad y no está relacionado con la posible realidad física del sistema. para generar una salida con energía unitaria.5. se realiza una aportación desde las variables de estado que describe un elipsoide en el espacio de estado. (4. Al igual que sucedía con el estudio geométrico de la controlabilidad. anulando la entrada del sistema. este hecho se puede explicar haciendo uso de la respuesta del sistema ante un determinado conjunto de señales.2: Sistema lineal con el conjunto de entradas de test Supuesto el estado inicial nulo. en cuanto a la dificultad de observar un determinado valor inicial dependiendo de la posición en la que se encuentre. y manteniendo el vector como entradaal sistema. Interpretación geométrica d e la observabilidad d(t). CAPÍTULO 4 .

la longitud de cada semieje indica la proporción del acoplamiento estado-salida en esa dirección. ante entrada nula: • si se toma el origen como estado inicial. un semieje de longitud cero (valor propio nulo en el gramiano de observabilidad) indicaría la presencia de una dirección dentro del espacio de estado desde la que nó se transmite energía a la salida. Xo . 4. la salida generada es idénticamente nula. . se puede analizar el subespacio no-observable. Sub espacio no-observable Dado un sistema lineal invariante definido por las ecuaciones: el conjunto de puntos del espacio de estado tales que tomados como estado inicial ante entrada nula. forman un subespacio vectorial que se denomina subespacio no­ observable. mediante el conjunto de señales de test representado en la Figura 4.6.2. SUBESPACIO NO-OBSERVABLE 189 forma en la que se transmite energía desde el estado hacia la salida. por linealidad. entonces. si se encuentran dos puntos Xl y X2 . en el que . Así. Dicha transmisión se realizaría una vez más según un patrón elipsoidal. x(t ) = Ax(t ) + Bu(t ) y(t) = Cx(t ) + Du(t ) Estos puntos forman un espacio vectorial puesto que. tales que tomados como estado inicial ambos generen salida idénticamente nula. Al igual que al abordar el estudio del subespacio controlable.6. si se toma como estado inicial cualquier combinación lineal de la forma: • genera igualmente una salida idénticamente nula. la salida del sistema es permanentemente nula y denominados no-observables.4.

. yf(t) ] . Este proceso termina cuando todas las columnas de un grupo CAi sean linealmente dependientes ya que a partir de entonces los restantes grupos CA i + k también lo serán. y el sub espacio no-observable constituye el núcleo de dicha aplicación. Basta observar que si en la matriz P la fila cjAi es linealmente de­ pendiente de sus anteriores filas. que resulta O = PXo.21 : dependiente de sus anteriores filas. también será linealmente Pr. 4.27) La demostración es igual a la que se incluye en la Sección 3. Base del sub espacio no-observable o Para determinar la base del subespacio no-observable se va a partir de la Ecuación 4. Vt Particularizando esta ecuación para t = to. defini­ o o i = 1. .rp vectores linealmente independientes que sean ortogonales a las filas de la matriz P. entonces cjA i+ k . con k > O. la dimensión del núcleo de esta aplicación es n-rp. Para determinar una base de ese sub espacio no-observable lo que se debe determinar son n .190 CAPÍTULO 4. OBSERVABILIDAD t [to.26) (4. Una vez obtenida esta matriz se pueden obtener los n-rp vectores de la base mediante la resolución directa de: (4. Para obtener estos vectores. . yHt) representa la evolución de la salida ante la entrada de test di . donde da como: El subespacio no-observable.n (4. ecuación más sencilla.6. La base se construye encontrando n . tI]. . Xó . Si rango ( P ) = rp y la dimensión del espacio de estado es n.. Prx = O . Yt (t) = [ yl(t) y�(t) . se puede utilizar un método semejante al estudiado en controlabilidad. 1 . entonces se descartan ésta y todas las cj Ai+ k posteriores. cuando cjAi sea linealmente dependiente de las anteriores.28) = PeA(t-to) xo.6 al enunciar la definición de subespacio controlable. Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida. El método consiste entonces en ir seleccionando filas de arriba abajo y. es el subespacio de mayor dimensión que está contenido dentro del núcleo de la transformación definida por para todo siendo: E Yt (t).rp vectores que verifiquen esta ecuación y que sean linealmente independientes.

siendo r ango(P) = rp < n. S eparación del subsist ema no-observable + Dado el sistema lineal invariante definido por las ecuaciones: con un sub espacio no-observable de dimensión n . existe una matriz de cambio de base T no singular con la que se puede hacer la transformación x(t) = Ax(t) Bu(t) y(t) = Cx(t) + Du(t) . por ejemplo las dos primeras: Así que el vector será : [ 00 ] [ 00 51 62 ] [ VI 1 �: = 1 2] 17 18 2 = 1.rp.4.7.6 SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 191 Calcular u n a base del subespacio no-observable para el sistema determinado por las siguientes matrices: Se comienza por calcular la matriz de observabilidad del sistema: 5 6 P = [ OO O Para el cálculo de la base del subespacio no-observable se sabe que su di­ mensión es 3 Se necesita u n vector que verifique que rXO = para conocer la base.7. h= [UO 1! 2� ]l C rango(P) =2 < 3 =} No es observable P O V2 = V3 = O VI cualquier valor base del subespacio no-observable. 4. En primer lugar se eligen dos filas linealmente independientes. Ejemplo 4.

30) El subsistema formado por las variables es observable y de dimensión rp . es decir. caracterizado por las matrices ( Abb.32 representan otra realización del mismo sistema. y(t) Vb . Vb.33) donde está formada por una base del subespacio no-observable y está formada por rp vectores cualesquiera que sean linealmente independientes entre sí y con los de la matriz Igualmente se puede construir otra matriz a partir de: Tb Tb.34) Va Xb.29) (4.3. que ante la misma entrada ambos generan la misma salida.30.31 y 4.29 y 4. 5ca y(t) = = Aaaxa + Bau(t) CaXa (4.31) (4. Ta T formado por rp filas linealmente independientes de P y por n . O ) .32) describe el comportamiento del subsistema observable y genera la misma función de trans­ ferencia que la ecuación de estado en su forma original y la expresada en las Ecuaciones 4. Adicionalmente el subsistema formado por las variables Xb. Ca).30. las Ecuaciones 4. Lo que se consigue es desconectar la salida en (4. presenta una evolución del estado desacoplado de la salida del sistema.192 del vector de estado según la ecuación: = CAPÍTULO 4. OBSERVABILIDAD de modo que el modelo de estado en el nuevo sistema de referencia es: = = verificándose que: • • [ �: ] [ 1:: lb ] [ �: ] [ :: ] u(t) y(t) [ Ca O J [ �: ] + x(t) Tx(t) (4.rp filas estando linealmente independientes entre sí y con las de Gráficamente el sistema original se descompone en dos subsistemas según la Figura de las variables de estado contenidas 4. caracterizado por las matrices (Aaa. en otras palabras. La matriz de cambio de base que consigue esta separación en los subsistemas men­ cionados se construye como: (4. según se puede deducir de la Ecuación 4. El modelo de estado que describe el comportamiento de los estados observables: Xa.

las variables de estado en dos grupos.3: Separación de la parte no-observable. La dimensión de es n Tp Y la de es Tp . dentro de la imposibilidad de observar el estado del sistema. SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 193 Figura 4.7.7 Dado un sistema definido por las siguientes matrices : A= [� o 1 - 3 O O 5 1 . Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al cual se definen los vectores. 82 - 81 Ejemplo 4. desplazándolo para que tantos de ellos como sea necesario coincidan con la base del subespacio no-observable. unas observables y otras que no lo son. Se han separado.4..

separar simultáneamente la parte observable de la no-observable y la parte controlable de la no controlable de un sistema lineal invariante.1 = Con lo que las matrices transformadas resultan : [ 4 -2 2 1 0 -8 1 01 O O = ] =} T= Á T. OBSERVABILIDAD ] rango(P) = 2 T. Para comenzar se construye la matriz P: P= Dado que el sistema no es observable. Dada la expresión del sistema: x(t) = Ax(t) + Bu(t) y(t) = Cx(t) + Du(t) existe una matriz T no singular con la que se puede hacer un cambio de base x(t) = Tx(t). 5 0 . como demuestra el hecho de que el rango de la matriz P sea menor que tres. de modo que el sistema referido a las nuevas variables de estado x queda definido por las . se puede proceder a la separación del sistema en sus partes observable y no-observable.194 separar el sistema en la parte observable y no-observable. vable Separación d e los subsistemas controlable y obser­ El objetivo de este apartado es . Para ello se construye la matriz de cambio eligiendo filas linealmente independientes de la matriz P: =} [ 41� C= 0 -38 50 =� 120 [ 4 -2 2 ] CAPíTULO 4. 5 4.8.1 AT = e = -� ! �1 CT = [ 1 O O ] [ [ 1 =t n ] -0 .

SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 195 matrices: B � T. formando el resto de las variables tema con comportamiento desacoplado de las entradas. [[ 1:: lbb ] . Al orden de dicha realización mínima se le conoce también como grado de McMillan de dicho sistema. (4. Xb ) y caracterizado por las matrices: o] ] (xc. por lo que se le conoce como realización mínima del sistema. Xd) un subsis­ 3. debido a Kalman.1 B � y además se verifica que: 1. xc) y caracterizado por las matrices: es un subsistema observable. 0 Áee O Áde .37) es un subsistema controlable. [ Ca (xa . formando el resto de las variables (Xb . el segundo ya se ha estudiado como subsistema controlable. Xd) un subsis­ tema con comportamiento desacoplado de las salidas. Existe un teorema.8. El subsistema formado por las variables (xa. y el tercero como subsistema observable. que caracteriza la realización mínima de un sistema en términos de controlabmdad y observabilidad: . El subsistema formado por las '\'ariábles xa y caracterizado por las matrices: es un subsistema controlable y observable.35) (4. En concreto. El subsistema formado por las variables C = CT = [ ea o C e o ] [ � '] Ha • o Áae Á:lib Ábe '. 2. [ :: ] . lo que significa que los tres son realizaciones diferentes de un mismo sistema en términos de entrada-salida. presenta alguna particularidad que se pasa a comentar: este subsistema es el de mínima dimensión que puede modelar la relación entre la entrada y la salida del sistema. Los tres subsistemas descritos en la anterior enumeración tienen la particularidad de generar la misma función de transferencia.36) (4. En cuanto al primero.4.

ya que está desconectado de la entrada y de la salida (subíndice d). B. y sólo si es controlable y En general.5 y de forma reducida en la Figura 4. . OBSERVABILIDAD Una realización dada por (A. que describe la realización mínima del sistema. no es controlable. Existe un subsistema que junto con el anterior forma un subsistema controlable. Esto no supone que este subsistema sea controlable aisladamente (subíndice b) . es observable. en otras palabras. existe un subsistema que no pertenece a la parte observable y tam­ poco a la parte controlable.4. Existe un subsistema que.4: Separación simultánea de los subsistemas controlable y observable. Esto no quiere decir que este subsistema sea observable aisladamente (subíndice c) . las repre­ sentaciones mínimas son únicas salvo por un cambio de base. en consecuencia. junto al primero. Gráficamente la separación en subsistemas se puede representar de la forma mostrada en detalle en la Figura 4. y como ya se ha comentado en otras ocasiones. así que no es ninguna de las dos cosas. está desconectado de la entrada y. cualquier par de realizaciones mínimas están relacionadas por una transformación lineal. un sistema lineal e in­ variante no posee una única realización en el espacio de estado. pero separado del anterior porque éste es no-observable. • • Finalmente. e. u (t) y(t) Observable Figura 4. donde cada subsistema se compone de un grupo de variables de estado.196 CAPÍTULO 4 . Analizándolos se tiene que: • • Existe un subsistema que es controlable y observable (subíndice a) . D) es mínima si observable. Sin embargo.

así que en conjunto los vectores columna Ta y de Tb serán una base del subespacio controlable. 4.38) .8.5: Separación detallada de los subsistemas controlable y observable.4.5.8. Tb separan el subespacio controlable. Con esta transformación se consigue algo parecido a lo que se hacía al realizar las separaciones entre controlable y no controlable. se determina que las cajas que componen la matriz de transformación cumplen que: • T = [ Ta Tb Te T4 ] de Ta. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 197 Figura 4. y entre observable y no-observable. Ta U T b == Be (4. unos cambios de ejes para que coincidan con la base del sub espacio controlable y observable. 1 . Cálculo de la matriz de cambio de base Se trata de obtener la matriz de cambio de base que realiza la separación en subsis­ temas descrita en la sección anterior. Dicha matriz de cambio dé base está formada por cuatro submatrices: Llamando Be a la base del subespacio controlable y Bó a la base del subespacio no-observable. según la Sección 3.

!::::. Ta : conjunto de vectores columna tales que conjuntamente con Tb forman una base del subespacio controlable. según las Ecuaciones 4.39. (4. Sin embargo. rp . al problema de encontrar dicho modelo de orden inferior se le conoce como problema de la reducción del modelo.198 • CAPíTULO 4. como el modelo de estado con menor número de variables que explica la relación entre la entrada y la salida del mismo. Tb y Td forman una base del espacio de estado.40) (4. las distintas submatrices que componen la matriz se calculan en el siguiente orden: • • • • Tb : base del subespacio de intersección entre el subsistema no-observable y el sub' sistema controlable. Td deben ser base del subespacio no-observable. rQ . 4. OBSERVABILIDAD Ta . Te separan el subsistema observable. según la Sección 4. aproxi­ madamente. Te : conjunto de vectores columna tales que conjuntamente con Ta . coincide con el núm�ro de vectores columna de Ta junto con Te. Td : conjunto de vectores columna tales que conjuntamente con Tb forman una base Por lo que resulta evidente que la dimensión del subsistema controlable y observable coin­ cide con el número de vectores columna de Ta . coincide con el número de vectores columna de Ta junto con Tb . existe la posibilidad de que exista un modelo de un orden inferior al grado de McMillan que genere. • Por tanto. Tb es una base de la intersección del subespacio controlable y del subespacio no-observable. del subespacio no-observable.5. los vectores columna de Tb . y la dimensión del subsistema observable. Reducción del modelo . la dimensión del subsistema controlable.10 de este capítulo se puede ver . la misma respuesta impulsional que dicha realización mínima.9.38 y 4. En la sección anteriori se ha introducido el concepto de realización mínima de un de­ terminado sistema.39) T Desde el punto de vista práctico. En el Ejemplo 4. así que.un caso de separación de un modelo de estado en sus distintos subsistemas.

to)V(oo. to)V(oo. to) sean ambas di­ agonales se conoce como transformación contragrediente.44) V�W(oo. se plantea el valor de este producto cuando se considera t l = 00: W(oo.1 W(00. las llamadas transformaciones contragre­ dientes : Una transformación T que produce que W(oo. D) con grado de McMillan los valores singulares de Hankel del sistema son: i = 1.9. Asumiendo que se parte de la realización mínima del sistema. . Además. existe una matriz ortogonal U y otra diagonal y positiva E. de controlabilidad y de observabilidad. (4. e. . tanto el gramiano de controlabilidad como el de observabilidad no presentan invarianza ant� cambios de base. B.edientes.45) . se tiene que ambos gramianos. Son de especial interés ciertas transformaciones lineales que ponen este hecho de manifiesto. los autovalores del producto entre ambos gramianos sí son invariantes ante transformación. tal que: (4. to)T = T . Como ya se ha mencionado en este texto.41 ) Valores singulares de Hankel y realizaciones equilibradas 199 Se llaman modos de segundo orden del sistema o valores singulares de Hankel a la raíz cuadrada positiva de los valores propios del producto de los gramianos de controlabilidad y observabilidad. Sin embargo. tal que: donde Ea es diagonal y positiva. Dado un sistema estable.42) Estos valores reflejan las propiedades de entrada-salida del sistema y juegan un pa­ pel central en la reducción de modelos. como puede comprob�e fácilmente. tO)T. 1 .T TT V(OO. � REDUCCIÓN DEL MODELO 4. to)T (4. .l W(oo. to) = T . Son particularmente interesantes tres transformaciones contrag¡.9. to) y V(oo. por lo tanto controlable y observ­ able. entonces existe una matriz ortogonal Va (compuesta por los vectores propios ortonormales) . son matrices definidas positivas y simétricas.43) Si ahora se considera la familia de transformaciones: (4. Dada una realización mínima de un sistema (A. to)Va = Ea (4. por lo que es nece­ sario relativizar la información que nos ofrecen al sistema de referencia en el que viene expresado el modelo. .4.n n.

que el sistema de representación elegido es tal que la entrada reparte su energía a partes iguales entre todas las variables de estado del modelo. to) = E Una realización se llama internamente equilibrada si W(oo. • Una propiedad interesante de la realización internamente equilibrada es que ambos elipsoides de controlabilidad y observabilidad del sistema coinciden y se encuentran alin­ eados con los ejes de coordenadas en el espacio de estado.5 y 4. to) = E 2 Y V(oo. que todas las variables de estado aportan energía a la salida en igual cuantía. que se corresponden respectivamente con: k = k = 1/2: k = o: Una realización se llama equilibrada a la entrada o normalizada a la entrada si W(oo. En el caso de la realización equilibrada a la salida. Por tanto. n los valores La propiedad más importante de las realizaciones equilibradas a la entrada y a la salida es que los elipsoides asociados a controlabilidad y observabilidad. i = 1 . k = 1/2 Y con E diag Gi .2 k = = 200 CAPíTULO 4. se convierten en esferas. Estos estados contribuyen muy débilmente al acoplamiento entre la entrada y la salida del sistema. Es por tanto esta realización en la que se centra el estudio que sigue a continuación. . siendo Gi . to) 1 V(oo.47) De todos los posibles valores de k. to) = = k > 1 . l W(OO. . . OBSERVABILIDAD (4. Gk . valores pequeños en un modo de segundo orden se corresponden a estados que son débilmente controlables y débilmente observables. siendo: T . tO) T k E 2 . to) E 2 = = k = O. T E 2 k T[ V(oo. descritos en las Secciones 3. k = 1 . Sus semiejes son iguales a las raíces cuadradas de los valores singulares de Hankel. = 1 : Una realización se llama equilibrada a la salida o normalizada a la salida si W(oo. indicando: • En el caso de la realización equilibrada a la entrada. to) T .5 respectivamente. para singulares de Hankel. propiedad de la que se hace uso a la hora de establecer la reducción del modelo. Gk + l ::. tres son de particular interés. to) 1 y V(oo.46) (4.se comprueba que dichas transformaciones son contragredientes. . .

simétrica dicha matriz se puede descomponer como: definida positiva.52) Nótese también que en el paso descrito en la Ecuación 4. Un ejemplo de cálculo de una transformación contragrediente se puede ver en el Ejemplo 4. to) = = LeL& L o Lb (4.50) y a partir de ella se construye la transformación a la realización internamente equilibrada: (4. L una matriz triangular inferior.49) donde Le y L o representan los factores triangulares inferiores de Cholesky de los gra­ mianos de controlabilidad y observabilidad.9.4. = t Descomposición de Cholesky y Sea M una matriz de elementos reales. A continuación. respectivamente.50 se podría haber realizado la descomposición de L&Lo VEUT . se calcula la descomposición en valores singulares (véase :1: en esta sección) del producto de los factores de Cholesky: (4. Transformación a la realización internamente equilibrada El algoritmo comienza por calcular la descomposición de Cholesky (véase t en esta sección) de los gramianos de controlabilidad y observabilidad: W(oo. to) V(oo.9. lo que simplemente hubiera intercambiado los papeles de U y V.48) (4. con los elementos en la diagonal posi­ Existen varios métodos para el cálculo de la factorización de Cholesky. entonces (4.8. REDUCCIÓN DEL MODELO 201 4. siendo los más conocidos: Método de Cholesky Se trata de un algoritmo recursivo que comienza con i = 1 y: (4.54) . l::.51 ) Nótese que: (4.53) siendo tivos.2.

58) Repitiendo esta operación para i = 1 . . . . la matriz Mi tiene la forma: donde denota la matriz identidad de dimensión i . . se obtiene Mn + = Entonces la matriz triangular inferior L que se está buscando se calcula como: Métodos de Cholesky-Banachiewicz y de Cholesky-Crout Escribiendo la ecuación completa de la descomposición M [ mn m 1 2 .55) entonces se puede escribir: donde: y'mii O (4. [ Ii.60) 1 se obtiene la expresión general para los elementos de L: siendo la raíz cuadrada de la Ecuación 4.62 siempre positiva si definida positiva. S i ahora s e define la matriz como: 1 __ b'l· ." m2 1 m22 . . tras n pasos. In' ln2 lnn I g l2 1 l22 = LLT : O O (4.61) - (4. .1. m2n · · · mn l mn2 mnn ][ In l2 1 . OBSERVABILIDAD En el paso i-ésimo. m .202 CAPÍTULO 4. . li . .l Li = O O (4. ili mii Ll = para i > j l�k M (4. .62) k= 1 es real y . n .¡m:¡.59) l l.l m' . h2 O � ln l ln2 lnn ][ (4.56) (4.57) (4. .

65) [�] si m � n. Si se supone que m � n y rang o(M ) = r < n. mientras que los de M™ son las columnas de la matriz U. :j: Descomposición en valores singulares (SVD) m Cualquier matriz real M de dimensiones x n puede ser descompuesta como: (4.63) � donde U es una matriz ortogonal de dimensiones m x m . las columnas de V se definen como los vectores singulares por la derecha de M. Los valores singulares de S son las raíces cuadradas de los autovalores de MMT o MT M..9. • El algoritmo de Cholesky-Grout comienza ·por el 'elemento de la esquina superior izquierda y prosigUe columna por columna. y [ E O ] si m < n y además S se convierte en una matriz de dimensiones r x r. disminuyendo su dimensión en consecuencia las matrices U y V.64) Los CTi son los valores singulares de M. REDUCCIÓN DEL MODELO 203 De esta forma se puede calcular el elemento l ij conocidos los elementos a su izquierda y arriba. .4. las columnas de U se definen como los vectores singulares por la izquierda de M.64. Calcular la descomposición en valores singulares consiste en calcular los valores y vectores propios de MMT y de MT M. formas siguientes: • El algoritmo de Cholesky-Banachiewiez comienza por la esquina superior izquierda de la matriz L y �rosigue . V es una matriz ortogonal de dimensiones n x n y S es una matriz diagonal única de dimensiones m x n con elementos reales y no negativos en orden descendente: CTl M = USVT � � CT2 � • • • CTmín(m.fila por fila. Los autovectores de MMT constituyen las columnas de V. entonces: (4. /:::.n) O (4.. El cálculo se ordena entonces en cualquiera de las dos . La matriz S tiene la forma: donde E representa una matriz diagonal con los elementos CTi ordenados como ya se refiere en la Ecuación 4.

OBSERVABILIDAD En la determinación de un modelo reducido equivalente. por lo que si se tratara de un modelo de caja negra. enunciado en la Sección 4.8. 2.204 4. sino enunciar las guías para proceder con esta simplificación. (A. conservando las propiedades de estabilidad y equilibrio interno. En segundo lugar. B. La idea básica en la que se basa la reducción del modelo es la siguiente: supóngase un sistema exprsesado en su realización internamente equilibrada. n .66) donde I k es la matriz identidad de dimensión k. se reducen las matrices del sistema de la . sino que vendrá fijado por las necesidades de exactitud con la que se deba reflejar el comportamiento real del sistema. respectivamente. lo que significa.k variables. son variables difíciles de controlar y de observar.9. e. D): 1. Si el teorema de realización mínima de Kalman. se aplica al modelo internamente equili­ brado para el que X l se toma como una buena aproximación a XC Q . el modelo resultante de orden reducido se comportaría aproximadamente igual al original. Se toman los valores singulares de Hankel y se descartan los que sean significativa­ mente inferiores a los demás. y dada la característica anterior. El motivo que justifica esta aproximación es que los modos de segundo orden despreciados se asocian a variables de estado que en la realización internamente equilibrada poseen una controlabilidad y una observabilidad significativamente bajas. B. • Por lo tanto. Se eliminan las variables de estado asociadas a los modos de segundo orden descar­ tados Si se han eliminado siguiente forma: Se transforma a su realización internamente equilibrada (A. Reducción del modelo CAPíTULO 4. dada la realización que se está manejando. 4. no se puede especificar un criterio general de reducción. el procedimiento de reducción es el siguiente. El grado de simplificación del modelo no se puede precisar a priori. que las entradas repercuten débilmente en su valor y que sus variaciones no afectan significativamente a la salida. 3. D ) . En el caso en que los valores singulares de Hankel del dicho sistema sean tales que (T� :» (T� + l ' entonces el subespacio: X l = 1m (4. se debe siempre alcanzar un compromiso entre simplicidad y precisión.3. como en cualquier algoritmo de aproximación. se comportaría aproximadamente como Xc y X3 a la vez. Esto tiene dos consecuencias claras: • [�] En primer lugar. podrían ser despreciadas. son variables que contribuyen muy débilmente al acoplamiento entrada-salida del sistema. Dado un sistema definido por las matrices e. Por lo tanto.

403 5040 693 21697 21344 6720 23 560 11543 305 673 56 2693 115 20 2304 107520 V(oo.14132 W(oo.�OO -�40 5 O �1 -20 x(t) + [�1 1 u (t ) plantear los posibles modelos de orden reducido. Se eliminan las n .tI 1 1 .k últimas filas de la matriz B.k últimas filas y n .k últimas columnas de la matriz Se eliminan las n .4. El modelo resultante de la aplicación de estos cuatro pasos es un modelo de orden reducido del mismo sistema que posee aproximadamente la misma relación entrada-salida que el sistema original. C. O) = ���i 305 61 67320 2673 196120 6451 2 304 37 61 2 56 107520 6451 2 1 290240 A partir de los valores de los gramianos se plantea la descomposición de ambos en los factores de Cholesky: Le = [ _ _ O 19 V7 O 1 i1 _ 48V35 O1 60 V7 O 40\1'3 _ Y1 O 12 O [ �t [ =. .8 Dado el sistema descrito por la realización mínima: x(t) = y(t) = [ 3 [ -��84 1 O O ] x(t) � � .80640 O 1 80640 0 . O) = O 80640 O1 4032 151 O O .9. Ejemplo 4. /::. En primer lugar se calculan los gramianos de controlabilidad y observabilidad: 1 .k últimas columnas de la matriz A. REDUCCIÓN DEL MODELO • 205 • • Se eliminan las n .

604 0.803 0.002 0.206 4 293� 48 1 697 48"'80 1 85 3 y' 2��1 64 CAPíTULO 4.' ] ] -0.163 -0.248 -0.803 0.033 -0.434 4.134 2.997 U = -0.308 0.397 0. las matrices del sistema resultan : A _ - [ [ J ] IO .612 -0.612 .214 -15.264 -4.0986 -0. se procede a la descomposición en valores singulares del producto: resultando: -0.156 ] ] .632 V = -0.198 12.195 0.562 -0.946 -0.008 0.647 3.751 -0.195 0.001 0.380 -0.0001 O -0.776 -o.073 0.690 3.533 0.014 0.680 -0.10.020 0.264 0.018 -0.099 -0.00488 O E= ° O [ [ [ LbLc = UEVT 0.561 -0.456 6.238 -0.186 0.763 -2.404 0.018 -0.951 -0.307 -0.646 -0.992 -0.332 0. y a partir de estos valores se genera la matriz de transformación a la realización internamente equilibrada del sistema: Aplicando esta transformación.516 -2.0005 -0.n!N!i o O O O O 1 32"'23503 Dados los factores de Cholesky de los gramianos de controlabilidad y de obser­ vabilidad.471 O 0.032 -0.483 -2. OBSERVABILIDAD y' 229 35 1 o 2231 203609280 1 4 64009 32"'3054 1 39202 1 0 Lo = 48 2209 24"' 1 49 1 9962933 6348 1 1 ..238 -0.308 -0.729 O O 0.018 -0.00109 O O -0.134 -4.0724 -0.690 -4.001 0.

. el modelo de orden tres. por lo que se puede plantear un modelo reducido de orden dos. eliminando la tercera y la cuarta.0001 O O O O 6. .. ..00488 O O O O 0.046 0... \. b... \" \\ .763 2..008 ] siendo los gramianos matrices diagonales con los valores singulares de Hankel del sistema ordenados de forma descendente: W(oo. • Eliminando la cuarta variable de estado se obtiene el modelo de orden tres: Al = Ih = Yl ( t ) [ [ -0. 006 0 . Se plantean dos alternativas..046 ] -0.647 -0. .238 -0...... eliminando la cuarta variable de estado de la realización internamente equilibrada ..954 10 -6 ] A la vista de la matriz E es fácil darse cuenta de que el tercer valor singular de Hankel es del orden de diez veces menor que su predecesor....612 . . . 004 0 ..046 ] ] cuya respuesta impulsional es la que se representa en la siguiente figura: 0 . _. REDUCCIÓN DEL MODELO B= [ ] -0.612 -0.. y el de orden dos..4.008 207 C = [ -0.00109 O O O O 0..086 0. .098 -0.238 -4...098 -0... .434 4.803 -4... \\ \\ \ \. O) = E = [ 0....086 -0. 008 0 . O) = V(oo.9.086 -0..803 -2.098 Cl = [ -0.. ...046 0." \..10. ..098 -0.086 0.. : ¡ ¡ ! ! \ :. 002 ! !¡ ¡ ¡ :! ...

238 -0 . 098 -0.086 -0 . 008 y._ -o 002 Para poder evaluar la calidad d e ambas aproximaciones. y(t) o 002 -o 002 . 002 I I I I I I I I I I I I I I l' \ \ \ \ \ \\ \ \ \ \ ' " '. 004 0 .098 ] cuya respuesta impulsional es la que se m uestra en la siguiente figura : 0 . 434 ] 0.086 ] 2 . a continuación se muestra la comparación entre la salida del sistema original (trazo continuo) .763 -2 . ( t ) o 006 0 . OBSERVABILIDAD Eliminando la tercera y cuarta variables de estado se el modelo: Á2 = [ 13 2 = [ C2 = -0. el de orden tres (línea discontinua corta) y el de orden dos (línea discontinua larga) .208 • CAPíTULO 4. 238 -4 .

10. por lo que el estado inicial depende de t .t + 0. Ej emplos adicionales Determinación del estado inicial en presencia de ruido a la salida Se va a suponer que se desea determinar el estado inicial a partir del que evoluciona un sistema determinado por las matrices: A= [� -1 -2 O o O O -3 1 .4.4e . C= [ l 2 3] cuando la salida ante escalón medida es la salida real corrompida con un ruido. se ha de calcular el gramiano de observabilidad del sistema (ya calculado en el Ejemplo 4.9 4. EJEMPLOS ADICIONALES 209 pudiendo concluirse que ambas aproximaciones son suficientemente buenas (de hecho la respuesta del sistema original y la del sistema de tercer orden práctica­ mente coinciden) . para dejar únicamente la porción debida a la evolución libre desde el estado inicial: A continuación.2t + 2e.3t + 3e. Ejemplo 4. se descuenta de la salida medida la parte corres­ pondiente a la excitación producida por la entrada.2) : y. se supondrá que el ruido es una senoide. se puede despejar la estimación del estado inicial. Esta dependencia sólo ocurre en el caso de que haya errores en . y para poder determinar el estado inicial . En este caso se hace sin especificar el tiempo de observación de la salida . con lo que dicha salida medida es: Ymedida (t) = 1 . Para simplificar.01 sin( lOOt ) Para calcular el estado inicial . en el sentido de que se obtendrá un valor distinto al cambiar el periodo sobre el que se realiza la evaluación.10. a partir del conocimiento del gramiano de observabilidad.

5 t -10 -15 -20 X0 3 e .4 6 4 -2 -4 .XO I 20 15 0. tanto mayor cuanto menor es el intervalo utilizado. provocan un error en la estimación del estado inicial . como se vio en un ejemplo anterior.4 2 0.5 t Como se puede apreciar en las figuras.2 -5 0. los errores en la medida de la salida. OBSERVABILIDAD el modelo o en la medición.210 CAPÍTULO 4.4 0. 0. los errores tienden asintótica mente a desaparecer.4 0.5 t 10 5 O. Particularizando la Ecuación 4.2 -5 10 -15 X 02 e 0.3 -6 -8 0.3 0. modelados en este caso como una senoide de alta frecuencia superpuesta sobre la salida real . En caso de que las medidas sean perfectas.5 10 5 0. .3 0.4 0.3 0.2 X0 3 e 0. a medida que se aumenta el intervalo de la salida utilizado para su cómputo (columna de la izquierda) y el error cometido respecto al valor inicial real (columna de la derecha) para cada variable de estado: X Ol e XO l e . no se produce. lo que matemáticamente se refleja en valores pequeños para el determinante del gramiano de observabilidad. A medida que el intervalo se amplía .X0 3 0.5 t 20 15 0.3 0.8: En las siguientes gráficas se representa la evolución del valor de la esti­ mación.

PaFa obtener su basE!.2 A = -3 O -3 -3 3 3 En primer lugar es necesario conocer las dimensiones de los subespacios controlable y observable del sistema .10. se extraen tres vectores columna linealmente independientes de dicha matriz. EJEMPLOS ADICIONALES 211 Separación en subsistemas Ejemplo 4.10 -2 -11 191 - 18 2 17 -17 15 1 .10 Separar en sus partes controlable y -o bservable el sistema dado por las ma­ trices: 2 3 -3 . en este caso los tres primeros: .4. por lo que ésa es la dimensión del subespacio controlablé'del SIstema. para lo que se utiliza'tel estudió mediante las matrices de controlabilidad y observabilidad: e= B � UJ [ -4 4 2 4 -4 O O O -1 O TI -2 -4 -2 [ -3 3 2 O 5] O 2 ' 2 -2 3 3 -3 6 2 - '-5 5 5 -5 El rango de la matriz Q es 3 .

3 CAPÍTULO 4.10 18 2 -2 2 -2 2 Vll V2l V3l V4l V5l � sabiendo que la dimensión de la intersección es 1.] [H] [ CA CA 2 C A3 C A4 = -6 -12 -24 -48 3. por lo que primero se calcula la dimensión de dicha intersección: y. OBSERVABILIDAD 2 o o 8 o 6 8 o 14 -6 2 o 26 18 2 o 50 � Vl2 V22 V32 V42 V52 O 15 9 -4 6 . [e1 [ 3 1 [ 3 3 -3 . Para calcular la base de dicho subespacio se recurre a obtener el n úcleo de la transformación lineal definida por la matriz de observabilidad: y despejando se obtiene que la base del subespacio no-observable es: Para calcular la matriz de separación de parte observable y controlable es necesario calcular la intersección entre los subespacios controlable y no­ observable. por lo que la dimensión del subespacio no-observable es 2. se plantea la ecuación: .212 En cuanto a l estudio de controlabilidad: P= siendo el rango de la matriz P también 3 .

EJEMPLOS ADICIONALES 213 que despejando resulta a = � .. por lo que la base del espacio intersección entre la parte controlable y la parte no-observable es: Con toda esta información ya se pueden identificar las distintas submatrices que componen la matriz de transformación que realiza la 'separación: • I nte<SeCdón del . del e'pado de e""do' T e � Lo que da como resultado la matriz de transformación: T� [� O 3 -4 -2 -5 -2 5 O 1 1 1 -1 1 O O O O O -1 -1 O 1 1 [� =} T.� y /1 = . "'able.pocio contmlable y no-ob. base del subespacio controlable: T a = • Junto a Tb. T. 'Y = .10..4.� 1 2 -5 -2 5 O -1 -1 O 1 O O 1 O 1 1 1 -3 1 O -2 � 3 O -1 O O �1 1 . � • Junto a Tb .ube.1 = �1 [ = [11 [ � .l . {J = .� . base del subespacio no-observable: Td • Resto de la ba .

2) 3(8 + 1) (8 + 2)(8 .1 Ba = ( s + 2 ) ( s .1 AT = B =T .1 B = e =CT = [3 A la vista de este resultado es posible comprobar también cómo la realización mínima del sistema y la realización original (incluyendo las partes no controlable y no-observable) generan la misma función de transferencia.1)(s + 1) 2 (s .Aaa ) . Tomando: [� �1 O 2 -1 -4 O O .1 ) mientras que si se toma la realización completa original : C (s) = C ( I 4. Ej ercicios resueltos Para el sistema siguiente: Determinar: [ !: J [ -� ! j ] [ :: J [ � ] [ :: 1 + - y " � [1 1 OJ a) La observabilidad del sistema. 1 1 .214 Con esta matriz se realiza la separación en los distintos subsistemas.1 -3 O 2 O O O O O CAPíTULO O O O O O O 4. . s _ A) . quedando: A =T.2)(s + 1) 2 (s + 2)(s .1 B = 3( s + 1) (s . OBSERVABILIDAD -1 o -3 ] 3(s + 1) Ce o(s) = Ca ( sI .1) 1.

O => Luego es no-obs . los puntos propuestos son tales que: x. Además . no existe ningún punto que sea observable.4. - [ � 1 [ -..V2 = + V2 = O O y. � [�1 E BN . ¿ Qué conclusiones se pueden obtener analizando las respectivas salidas ? Obtener la salida del sistema ante entrada esca16n unitario. una posible base del subespacio no-observable es: e) Al no ser observable el sistema.vable. si existe. cuando se parte en el in­ e) a) La observabilidad del sistema se estudia a través de la matriz P= stante to = O de cada uno de los estados iniCiales 'dei apartado anterior. cuando se parte en el instante to = O de cada uno de los estados iniciales del apartado e) . Una base de este subespacio se puede hallar tomando las filas linealmente independientes de la matriz P (en este caso 2) y hallando los vectores fila ortogonales a todas ellas: [ _ . por lo tanto. b) Dado que el sistema no es observable existe un sub espacio no-observable cuya dimensión es 3 2 1.� = _ �1 ::::} P: por lo que cualquier vector que cumpla con la condición de ortogonalidad es de la forma: � � ] [ �� 1 [ � ] V3 = { VI -2 V I . EJERCICIOS RESUELTOS 215 b) La base del subespacio no-observable. ¿ Qué conclusiones se pueden obtener analizando las respectivas salidas ? = C rango(P) = 2 4 1 O CA2 Luego el sistema no es observable. c) Determinar si son observables los siguientes puntos: d) Obtener la salida del sistema ante entrada nula. . .. 1 1 .

O Luego no es observable. to)x(to) + C i¡tot «p(t.to } = [ e . pues produce cuando se toma como inicial y cuando entrada es asimismo nula. OBSERVABILIDAD i BN . Luego no es observable.3 ] i BN . Como A es invariante y diagonal.2t e-t e-t e 2t = = e� t [ e . [i] Yc(t) = e .2t + e -t x(to) Xc = = El expresado punto Xa análisis de laslasalidas confirma lo salida nulaen el tercer apartado. to) = eA (t .o �1 [ ] CAPíTULO => => 4. la salida se obtiene como: = Sustituyendo en esta expresión = = OO OO OO ] y(t) C«p(t . r) Bu (r) dr .2t + e . Dada la existencia de un subespa­ cio no-observable. se comprueba que no es posible distinguir el estado inicial observando las salidas Yb(t) e Yc(t). Elestado es no-observable.216 [ 11 xC Xb _ _ d) La evolución de la salida es: = = Para calcular la evolución de la salida es necesario obtener previamente la matriz de transición.to)x(to) � [ [ 1 1 O ] O O � ] x(to) O ] x(to) x(to) x(to) Xa [ � 1 Ya(t) O x(to) Xb U ] Yb(t) «p(t. Al ser la entrada nula.2t e -t e-t = por los estados iniciales propuestos: => = = = => => = e. la expresión de la matriz de transición es fácil de calcular: y(t) Cx(t) C«p(t.t .

T)BU(T) dT = to e 2t e t � e �t = l to o o e-t e " [1 1 o [ 1 = [ 1 1 o] f.2t e .2t = 1 + 2e .2 + e .2t + e .4. lo que confirma que.2e .11.2t e . que es independiente del estado inicial: t jj(t) = c l �(t.t + t => yc(t) = e .2t 1 2e .: [ f�2< 1 dr � [ 1-2 ] o o 2 1 [�1 o � _ dT = 1 2e -2t = --2 Por lo que la salida para cada uno de los estados iniciales propuestos es: => Ya (t) = 1 .2 t = 1 + 2e . habrá que sumarle a la salida el término debido a la evolución forzada. no existe ningún punto observable.t + 2 2 - t => Yb ( t ) = e . cuando el sistema no es observable. independientemente de la entrada que actúe. Yc(t).t + 2 2 Analizando las salidas se ve que no es posible distinguir cuál es el estado inicial observando Yb(t) e.2e .+ 1 . EJERCICIOS RESUELTOS e) S i la entrada es 217 un escalón. .

. �--__ s + a . OBSERVABILIDAD Dado el sistema de la figura: Ul (t) .. X 2 = 1 . b.. b. X 2 = 2. ¿ qué condiciones deben cumplir los pará­ metros a.218 2. X3 = 1 pueda ser observado leyendo sólo la salida Yl ? d) Utilizando las entradas U l Y U 2 . ¿ qué condiciones deben cumplir los paráme­ tros a . CAPíTULO 4. X 3 = 1 X l 1.IIIA-" Xl a) Calcular para a = 1 . para que el estado Xl = 1. X3 = 2 = de condiciones iniciales nulas ? c 2) En primer lugar se plantean las ecuaciones del sistema: X l = aX l + U l + U2 X2 = bX2 + Xl X3 = CX3 + U l Yl = X 2 Y2 = X 2 + X3 . s + b "-. c para ' que puedan alzanzarse los siguientes estados a partir de condiciones iniciales nulas ? X l = 1 . a partir b .. X 2 = 1 . a partir de condiciones iniciales X l = X 2 = X 3 = 1 Y ambas entradas nulas. b) ¿ Qué condiciones deben cumplir los parámetros 1) leyendo sólo la salida Yl ? leyendo ambas salidas ? tado del sistema pueda ser observado: b = 2. e = 3 la evolución temporal de las salidas Yl e Y2 . b. X2 = 2. e para que cualquier es­ 2) c) c e) Utilizando como única entrada 1) U l . X 3 = 2. a. ¿ Qué condiciones deben cumplir los parámetros a. para que pueda alcanzarse el estado X l = 1 .

+ 3 1 2 -1 -1 1 VF ( >' + 1)( >' + 2)(>' + 3) . -2 = => O OO 1 [ XX2l 1 [ O O 1 [ �� O X3 O ] O OO 1 = O O 0O ] [ VVnl2 1 [ n [Vu-�= VlO 2 Vl3 Vl3 = O VI = [ i ] [ O OOO OO ] [ V�'2223 1 = [ � 1 V V21 = O V23 = O [ ! l -3 + 1 1 1 >. a) YI [ Y2 ] = [ OO O ] 1 1 1 Dados los valores de las constantes ( a . + 2 >. se calculan sus vectores propios asociados: [ XX3l 1 [ O �2 =[ O >' = -1 => -1 1 -2 >' + 1 . donde ya se han sustituido los valores de las constantes. se puede abordar la resolución de las distintas cuestiones que plantea el ejercicio. e) . EJERCICIOS RESUELTOS 219 que. se calculan los valores propios de la matriz A: det(>'I .4.1 >.11. Para ello se seguirá el procedimiento habitual de hallar la transformación de diagonalización para resolver en el sistema diagonalizado: Dado este sistema. quedan: Una vez que se dispone del modelo del sistema. hallar la evolución temporal del sistema implica el cálculo de la matriz de transición. b. expresadas en forma matricial.A ) Conocidos los valores propios.

1 AT [ O ] '¡'(t) eÁt [ e-t e-OO2t ). OBSERVABILIDAD 1 1 1 -1 0 0 _2 0 0 0 -3 Por lo que la evolución libre del sistema en la nueva base es: Evolución que expresada en la base inicial del sistema sería: = = x(t) '¡'(t)x(O) = Luego el vector de salida del sistema es: e-t [ e-t e-OO2t e-3t ] [ O ] [ e-3t ] O OO OO x(t) Tx(t) [ O OO OO ] [ :�:.. la matriz Á que define el comportamiento del sistema en la nueva base es: La matriz de transición correspondiente es: = = El estado inicial expresado en la nueva base es: T. ] 1 = 1 1 1 1 1 . ] OO Á = = [ =� -! � ] [ [ V31 O 3 [ :::] l n V3 2 O V � O o O] O = = = CAPÍTULO 4 .. ] [ :�.220 A -3 � => con lo que la matriz de cambio de base queda: Así.

b. el sistema no es observable para ninguna e) combinación de valores de (a. luego ningún estado del sistema puede ser observado. cualquier estado del sistema puede ser alcanzado desde condiciones iniciales nulas. .11.b -a . independientemente de los valores de (a.e -a .b o O c2 1 Ql . por tanto.4.b b2 O � -� � 1 1 1 P= con rango(P) = 3. como combinación lineal de los vectores columna de Las distintas posibilidades que existen son: [� O O 1 -a -a 1 -e a' a2 1 -a . por tanto. 2) La matriz P de observabilidad es: [ -a . b. b. Como se indica en el apartado b. . por lo que el sistema es observable para cualquier combinación de valores de (a. ha de poder expresarse como combinación lineal de los vectores de la base del sub espacio controlable ( que podría ser todo el espacio) y. luego el sistema no será nunca observable uti­ lizando sólo esta salida.b b2 O .b b2 c2 O O 1 1 O 1 Q� con rango(Q) = 3. e ) 1) La matriz de controlabilidad Q l correspondiente a la entrada U l es: Para que un estado del sistema pueda ser alcanzado a partir de condiciones iniciales nulas. EJERCICIOS RESUELTOS 221 b) 1) La nueva matriz de salida C 1 es: Cl = [ O Pl = 1 O] Por lo que la matriz P l de observabilidad es: con rango(P l ) = 2 < 3. d) La matriz Q de controlabilidad es: -b O -b .a . e) . e) . luego el sistema es controlable y.l . e) .

Si a = e: por lo que la base del subespacio controlable es: =O [ O 1 -a a2 1 -a . OBSERVABILIDAD Sistema controlable: det(Q¡ ) = det • Si a =1.e. puede alcanzarse el estado propuesto.b y b =1.e.bc = (a .b 1 .2a .e y b =1. [ 1 1 2V es alcanzable. en caso contrario no será posible. por lo tanto puede alcan­ zarse el estado propuesto.c)(b . Si a = b = e.e c2 1 = c2 + ab .ac . Q¡ = [ � -� � 1 [� por lo que la base del subespacio controlable es: _ :� b 2 b 1 y como: det 2) el punto [ 1 2 IV pertenece al subespacio controlable y es alcanzable.222 • CAPíTULO 4. el sistema es controlable. [ O 1 -a 1 1 2 1 -b 1 1 = 1 .a) = .1 + 2b 2(b .c) Q¡ = [ � -� -:� 1 1 -a a2 b 1 -a 1 a � 1 -b y como: det • el punto Si b = e: [ 1 2 IV pertenece al subespacio controlable y es alcanzable. Aplicando los mismos razonamientos que en en el apartado anterior: • Si a =1.

X3 Si b = c 3. En primer lugar hay que elegir las variables de estado con las que construir el modelo. En el primer bloque hacen falta dos variables de estado: donde definiendo: S(SX I + x¡ ) = -X l + U X 5 = SXI + X l . posible de entre las salidas de cada bloque y expresar. EJERCICIOS RESUELTOS • Si a = c O O 223 1 -a 1 1 1 1 -a 2 :f 0 • luego no es alcanzable . desde condiciones iniciales nulas de las variables de estado. tal que sus va­ riables sean controlables y/o observables. en la base elegida en el apartado anterior y mediante una entrada adecuada ? Razonar si existe otra base del espacio de estado que cambiase dicho resultado. de estado del sistema. a) par de valores prefijados. si a + b = 1. es alcanzable. ecuaciones de estado que definen el comportamiento del sistema. Dado el sistema de la figura: Yl (t) a) Elegir un conjunto de variables de estado que contengan el máximo número b) ¿Se pueden llevar simultáneamente los valores de las salidas YI e Y2 a cualquier c) Indicar si es posible la construcción de un observador de todas las variables d) Indicar si existe alguna representación del estado del sistema. indicar el mínimo número de salidas necesarias para construirlo.4. 1 -a 1 1 1 =2-a-1-b=1-a-b 1 -b 2 luego. y no lo es en caso contrario. Si fuera posible. en esa base del espacio de estado las.11.

la X2 del enunciado no puede ser variable de estado junto con la Xl . por lo tanto la salida no es controlable. Un cambio de base no afectaría para nada a este resultado.224 CAPÍTULO 4.OO1 O0 1 -1 O -� y . De otra parte. puesto que no repercute en modo alguno sobre la controlabilidad del sistema. OBSERVABILIDAD se tiene que: Xl y Por otra parte. x= -1 -1 b) La matriz de controlabilidad es: OO1 .[ O1 OO O1 _ n 2 [ Q= [O por lo que el estado no es controlable. OO1 O -1 0 1 -1 -1 2 2 -2 CQ = [ OO OO 21 -2 ] -4 -! ] [�1 J ] [ ] [O] �: X' X5 + � 1 u rango(Q) = 3 . por lo que no será posible llevarla a cualquier par de valores arbitrarios desde condiciones iniciales nulas como propone el enunciado. la matriz de controlabil­ idad de la salida es: donde rango(CQ) = 1. Del tercer bloque se tiene: = Xl X5 = X - l + X5 +U finalmente del último bloque: Con lo que el modelo en forma matricial queda: .

hacen falta las dos salidas para poder hacerlo. Utilizando sólo la salida Yl . X2 es la velocidad angular y X l es el ángulo girado. serán observables cualesquiera variables de estado en las que se exprese. y dado que el sistema no es controlable. u El sistema de la figura representa la función de transferencia de un motor.11. por lo que el sistema es observable y sí se podría construir el observador. . EJERCICIOS RESUELTOS 225 c) La matriz de observabilidad del sistema con las dos salidas es: O O O O 2 1 -4 -2 1 O -1 O 1 O -1 O O 1 O -1 O 1 O -1 P= donde rango(P) = 4. Utilizando sólo la salida Y2: P2 = [ 1 O -1 1 O O 1 -2 O O O O 1 -1 1 -1 ] 4. donde es la tensión en bornes de entrada. no lo será cualesquiera que sean las variables de estado elegidas para su representación.4. Del mismo modo. con rango(P 2 ) = 3. por lo que no sería posible construir el observador. la matriz de observabilidad reducida sería: 2 O -4 -1 4 1 o1 Pl = [ O 2 -4 4 O O 2 -4 1 -1 1 -1 0 O O O ] donde rango(P¡) = 3. por lo que usando la segunda salida tampoco sería posible construir el observador. d) Como el sistema es observable.

por columnas. V2 = T.l = De esta forma. qué entrada conseguirá que. que separe al sistema en sus distintos sub­ sistemas. la matriz de transformación queda: [ O1 -T1 ] [ !'1 ] .X 2 + T T ..226 a) Calcular la matriz de transición b) Como siempre. [ -i �1 ] [ �:� ] = [ � ] = V2 l = -TV22 . Si se conocen dos entradas U l (t) Y U 2 (t). partiendo del estado inicial V.. OBSERVABILIDAD P. 1 u Para los valores propios hallados se calculan los vectores propios. Calcular igualmente una matriz de cambio de base Tk . de controlabilidad Q y de observabilidad en la base formada por las variables de estado X l y X 2 . En este caso dicho modelo es: eP. el paso previo es el cálculo del modelo de estado que represente al sistema. [ OO _1� ] x + [ ¡ ] = [ 1 O ]x O . que cons­ tituyen. el sistema esté en ese mismo estado al cabo de 2 segundos ? CAPíTULO 4. + 1 >' = 0 => [ OO -. >. [1 [O[1 1 modelo que. que llevan respectivamente al sistema desde condiciones iniciales nulas a los estados oV y IV en dos segundos. expresado en forma matricial.A) = >. ¿.1 ] [ Vl2 ] = [ OO ] Vu [�] Vl 2 = O. queda: x= a) • y Matriz de transición . la matriz de transformación a la forma diagonal de la matriz A: Se calcula primero el polinomio característico para hallar los polos del sistema: = >'(>' + f ) det(>'I .1� I I T v} X l = X2 K X2 = .

con la conveniente combinación lineal de las dos entradas propuestas. la entrada que habrá que . el rango de ambas es máximo. EJERCICIOS RESUELTOS 227 Con lo que en el sistema diagonalizado la matriz de transición es: y en el sistema original: <I> ( t ) = . Dicha acción. Por lo tanto.[ O1 e-. se podrá alcanzar el estado propuesto contrarrestan­ do la evolución libre del sistema con la entrada adecuada. ] O . 1 1 . b) Del enunciado se comprueba que cualquier estado puede ser alcanzado al cabo de dos segundos. calculando cuál es esta evolución libre: Matriz de transformación • por lo que. debe ser tal que contrarreste el efecto de la evolución libre del sistema. Se comienza. devolviendo el estado a su valor inicial. • Matriz de controlabilidad Q = [ B AB J = • [2 Matriz de observabilidad T Como se puede comprobar por la definición de las matrices Q y P.f. según queda reflejado en la ecuación.4. De esta forma: x(2) [ � ] = [ l +T��¡ e-t) ] +x(2) IV. para alcanzar el estado inicial de [1 aplicar será: donde representa la componente de la evolución del estado debida a la acción de la entrada. por consiguiente. por lo que la matriz de separación de los distintos subsistemas se reduce a la matriz identidad.

)u I + ( 1 .e . Para ello se comienza por ver la controlabilidad: Q= [ B AB A 2 B ] matriz que cumple controlable es: rango(Q) 1 . )u2 - a) Descomponerlo en sus distintos subsistemas. ¿ qué conclusiones se pueden sacar sobre los valores de X l .228 CAPíTULO 4 . X2 ¿Puede ser observado el estado del sistema X l 2.-f. Dado el sistema definido por las siguientes ecuaciones de estado: = - T ( I e .-f. con lo que la base del subespacio no-observable es el núcleo de la aplicación definida por la matriz P: P = [ c� 1 = [ � -� ¿ 1 = Ul . b) Partiendo de condiciones iniciales nulas: c) a) 1) ¿Existe alguna entrada que consiga que X l 2) ¿Existe alguna entrada que consiga que X2 3) ¿Existe alguna entrada que consiga que X l 1 a los 5 s ? 2 a los 5 s ? 1 Y X2 2 a los 5 s ? 1 . X2 Y X3 ? == == == = 1 1 1 1 1 1 Se trata de realizar la descomposición en los distintos subsistemas. OBSERVABILIDAD Aplicando linealidad sobre las dos entradas que propone el enunciado. X3 1 ? Si la salida del sistema es nula. de manera que la base del sub espacio =[O O O 1 A continuación se hace el estudio de observabilidad: 1 -1 1 CA 2 matriz que tiene rango(P) 2. es posi­ ble conseguir dicho efecto mediante la combinación lineal de U I Y U 2 : u 5.

Por lo que en este caso: Ta y Td no existen. las matrices del sistema quedan como: A = T . Ta forma junto con Tb la base del subespacio controlable.1 B = CT = [ o o 1 ] � Con lo que los distintos subsistemas quedan definidos como: • Controlable y observable: no existe.4. Td forma junto con Tb la base del subespacio no-observable.1AT = � e � T. Te completa la base del espacio de estado. EJERCICIOS RESUELTOS 229 Con esta información ya se puede calcular la matriz de cambio T: donde: • • • • Tb es la intersección del subespacio controlable con el no-observable.11. De esta forma.1 1 � 0 � 1 No controlable: No-observable: • [� ] � [ -1 ] [ 1 ] [O] �] [O 1] [ -1 ] [ 1 ] [O] . • Controlable: • [�1 [ [ .1 -1 . la matriz de transformación es: Aplicando esta transformación.

Si la salida del sistema es nula. 2) Sí. debe pertenecer al subes­ l X2 . pues pertenece al subespacio controlable. por lo que se verifica X lX X2=X3V.230 • CAPÍTULO 4. e) Al existir un subsistema no-observable dentro del dado. el punto [ pacio no observable. pues pertenece al subespacio controlable. 3) No. tampoco lo es en el estado [1 2 1] . no existe ningún punto del mismo que pueda ser observado y. pues no pertenece al subespacio controlable. OBSERVABILIDAD Observable: [� �] [�] b) 1) [O 1] Sí. por tanto.

por tanto.1. Co n t ro l por rea l i m e n ta c i ó n d e l esta d o Introducción En este capítulo se va a estudiar el control de un sistema mediante la realimentación de sus variables de estado. En el capítulo siguiente se aborda el hecho de que las varia­ bles de estado no sean directamente medibles. justificándose la asignación directa de todos los polos de la parte controlable del sistema. continuación. Para proceder a la aplicación de un control por realimentación del estado. que se suponen directamente medibles. existiendo un subsistema que es a la vez controlable y observable. que permiten. que constituyen la información accesible de éste. tanto en el caso de sistemas monovariables como multivariables. para actuar sobre las variables de entrada del sistema según el esquema de la Figura 5. se aborda el diseño de la matriz de realimentación del estado con objeto de fijar el comportamiento dinámico del sistema. conocido como realización mínima del sistema . A. La parte no controlable del sistema total tiene un comportamiento independi­ ente de las entradas y.5 5. en cuyo caso se 4iseñan unas estructuras denominadas observadores . estimar el verdadero 'valor de las variables de estado de la parte observable. se parte en este capítulo del conocimiento de las variables de estado del sistema. poniendo de manifiesto la potencia de esta estructura de control para fijar las características del comportamiento dinámico de un sistema. 1 . Primeramente se realiza un análisis de la dinámica del sistema cuando se efectúa la realimentación de sus variables de estado. Como se vio en el capítulo anterior. no puede modificarse mediante ninguna realimentación 231 . mediante una matriz constante. un sistema puede descomponerse en varios subsis­ temas atendiendo a sus características de cóntrolabilidad y observabilidad. a partir del conocimiento de la evolución de las variables de entrada y de salida del sistema.

. J-_II KR . y utilizar dicha información adicional sobre la dinámica del sistema en la estructura de realimentación. 1 da una idea de la potencia del control de un sistema cuando se conoce el comportamiento de sus variables internas. Conse­ cuentemente. Por otro lado. con el que consigue un compromiso entre el error en velocidad y la dinámica del sistema. en la que se determinan las variables que son entradas y salidas del sistema. CONTROL POR REALIMENTACIÓN DEL ESTADO del estado que actúe sobre ellas. El Ejemplo 5. Ts + 1 k s 1 .. En esta figura se representa una estructura clásica de control con un regulador proporcional...... Con objeto de mejorar dicho control. se puede medir adicionalmente la derivada del ángulo que se desea controlar. según se indica en la siguiente figura .. y por tanto no pueden utilizarse para su realimentación. Se debe tener en cuenta que las variables que forman la parte controlable y observable quedan fijadas en la fase de diseño del sistema. por lo que en todo este capítulo se supone que se está tra­ bajando con esta parte del sistema total. _. que representa la tendencia de su evolución temporal . k Ts + 1 . el valor de las variables que constituyen la parte no-observable del sistema total no pueden conocerse mediante la observación de la entrada y la salida. comparándolo con el control del mismo sistema cuando se realimenta sólo la salida de éste. Ejemplo 5 . . 1 Se desea controlar la posición angular del motor representado en la figura . sólo la realización mínima de un sistema puede utilizarse en una estructura de realimentación del estado...232 CAPíTULO 5..

Se observa que este esquema representa una estructura clásica de control con un regulador de tipo PO. actuando solamente sobre la señal de error de la salida.2. la evolución de las variables del sistema . 5. pero en la que se ha suprimido el cero de cadena abierta introducido por el mismo. La ventaja del control por realimentación de las variables de estado del sis­ tema respecto al sistema de control equivalente que se obtiene usando la teoría clásica reside en que el primero utiliza. Esta idea será gener­ alizada para sistemas más complejos en los que la realimentación del estado del sistema puede realizar un control más potente que el que realiza un" regulador PIO.1: se cumple: Figura 5.2) . x(t ) y(t ) = Ax(t) + Bu(t) = Cx(t) + Du(t) (5.2. mediante unas pocas operaciones del diagrama de bloques. representada en la Figura 5.1: Sistema con realimentación de estado. de forma natural.1) (5. mientras que en la estructura clásica es necesaria la con­ strucción de derivadores puros de difícil realización física.5. REALIMENTACIÓN DEL ESTADO 233 Este esquema de control es equivalente al representado en la siguiente figura. Realimentación del estado Dada la realización mínima de un sistema.

a través de la matriz constante K. . 5. no va a ser posible ajustar los n x n elementos de la matriz Ar de forma arbitraria. Control d e sist emas monovariables D iseño del bucle de realimentación Sea la ecuación diferencial que define la relación entre la entrada y la salida de un sistema: n. No obstante. Sin embargo.4 ) K.3. surge la pregunta de si se puede elegir cualquier matriz Ar y si siempre se puede despejar la matriz K que verifique la Ecuación 5.+ bn . 5. . por manejar expresiones de las matrices Ar y A en sistemas de referencia que permiten reducir el número de ecuaciones a resolver a sólo m x n.3. siendo: r < n. la inclusión del lazo de realimentación. quedando reducidas las restantes ecuaciones a identidades independientes de los valores de los elementos de 1 ( 5.1 -.+ an . :3 ( 5. resultaría un sistema incompatible. Si así se intentara. CONTROL POR REALIMENTACIÓN DEL ESTADO ecuaciones ya conocidas para un sistema lineal invariante. en el que el número de ecuaciones superaría al número de incógnitas.+ . como se verá en este capítulo. .1 d n .y + . dado que normalmente va a haber menos entradas m que variables de estado n. de forma que el sistema se torna compatible.6 ) Vi> r bi = O ( 5. 1. puesto que no se cuenta con los suficientes grados de libertad en la matriz K para ello. . eligiendo adecuadamente Ar y despejando K de la Ecuación 5. porque dicha expresión representa n x n ecuaciones (dimensión de A) con m x n incógnitas (dimensión de K).1 dn y dy dn u dn .5.1 dt dt -- siendo ésta su expresión más general.5 ) Se puede cambiar la matriz Ar que representa la dinámica del sistema realimentado mediante la libre elección de la matriz K. La solución a este primer problema pasa.1 y du . por lo tanto se pueden cambiar las propiedades del sistema.+ aoy = bn .234 CAPÍTULO 5. La respuesta es negativa.+ bou dtn dt 1 dtn dtn . con el máximo orden de derivación de la entrada igual al de la salida. A raíz de la afirmación anterior. hace que se cumplan también las relaciones: u(t) = v(t) + Kx(t) x(t) = Ax(t) + Bv(t) + BKx(t) = [A + BK] x(t) + Bv(t) Con lo que la dinámica del sistema viene ahora expresada por la matriz: Ar = A + BK ( 5. + b 1 . en particular sus polos.3 ) ( 5. + a 1 .5. podría darse el caso en que no fuese así.7) .

Transformando por Laplace: ( sn + an_l Sn . el sistema resultante tendría una matriz Ar de la forma: Ar (A + BK) O O O O O O = = 1 O O O 1 O O O O O + -.3.l + .8) de donde se puede extraer la función de transferencia: o G(s) bn_ls = bsnnsn++an_l Snn--l l++. Entre las infinitas posibles representaciones que admite. + blS + bo ) . Denominando al polinomio característico del sistema en cadena cerrada que se desea obtener con la realimentación del estado (y cuya expresión vendrá originada al traducir las especificaciones formuladas para el sistema realimentado en las posiciones que deben ocupar sus polos ) : Pr ( S ) Sn + an . .9) Este sistema puede ser representado mediante variables de estado. .bn a l .5. . 10) 1 -an .l ] x(t) (5. .an-l 1 y la matriz e de salida permanece sin cambios. (5. que puede haber casos en los que el mayor orden de derivación de la entrada sea inferior a n. -an . . . ..2 bn .l -ao -a l -a2 y(t) [ bo .lS n . bn . + a l S + ao ) y = (bnsn + bn_lsn . se elige la de variables de fase: O O 1 O O x(t) = = O 1 O O O O O x(t) + 1 O u(t ) (5.l + . .l 1 O 1 O O = (5. .bnan .bnao bl .ao k2 . 13) .bn an .2 .a2 kn .a l k3 .l + . CONTROL DE SISTEMAS MONOVARIABLES 235 es decir. + a l S + ao = .ao -a l -a2 1 O O O 1 O [ k l k2 k3 . . kn ] . u (5. 1 1) Si se realimenta como se ha indicado.l . . 1 2) k l . ++abl sl S++aobo (5.

l ] + bn [ ao . De la forma de estas dos matrices depende la posición que tomen los ceros del sistema realimentado.bnO!n .bnO!o . . los coeficientes del numerador de la función de trans­ ferencia siguen siendo los mismos que para el sistema sin realimentar. n (5.l .l .3 y se introduce en la ecuación de salida del sistema sin realimentar: ki = ai .l ] = = [ bo . La función de transferencia del sistema realimentado queda entonces: Ejemplo 5. 2 = . . Para calcularlas.O!n . mientras que: . En primer lugar.2 sn b n . sabiendo que la matriz B va a permanecer sin modificaciones al estar representado el sistema realimentado en su forma canónica controlable. . bn . . .l + bn an .bn an . bn . . i = 1.bnan . 1 4) y(t) = Cx(t) + D (v(t) + Kx(t)) = (C + DK)x(t) + Dv(t) con lo quel (5.12: Falta por determinar la forma de las matrices Cr y Dr. . M(s) = s n + (a bn.1 ± j Y S 3 = -10 .l . se toma la Ecuación 5.l .l . por tanto. los ceros del sistema no se modifican al realizar una realimentación del estado en un sistema monovariable.l . • Cr = C + DK = = [ bo . .l . . (a +-bIS + bo (ao .236 CAPÍTULO 5 .l n n- (5 . 1 6) 1 - con lo que se comprueba que. CONTROL POR REALIMENTACIÓN DEL ESTADO los valores de los coeficientes de la matriz K de realimentación se obtienen despejando de la última fila de la matriz que resulta en la Ecuación 5. . 1 5) Dr = D = bn .bn ao + bn ao .O!o . se calcula el polinomio característico del sistema ya realil Véase Sección 1.bn ao .bnO!n .k ) l k2 )s + l n.17) Sea la función de transferencia: Se desea diseñar un control por realimentación del estado tal que sitúe los polos del sistema en cadena cerrada en S l . aunque se produce un cambio en la ecuación de salida del sistema al pasar de C a Cr.k+)sn_ll s+ .bnO!o . que forman la ecuación de salida del sistema tras la realimentación.l ] (5. .7.O!i . .l ] = = [ bo . bn . .3 .++. an .

para poder generar la matriz Ar: S l. K = [ -19 -15 -9 ] El comportamiento del sistema después de la realimentación viene descrito por el modelo de estado: x= -20 -22 -12 y=[ 6 3 O ]x � ] [�] x+ 1 u .Ul i7 J ] n } [� 1 O [ k ( .5. CONTROL DE SISTEMAS MONOVARIABLES 237 mentado.3. se opta por la forma canónica controlable (variables de fase) .k2 12 = 3 k3 - -t ] . 2 = -1 ± j S3 = -10 } pe s) = (s + 10)(s2 + 2s + 2) = s 3 + 12s 2 + 22s + 20 de donde se obtiene la matriz: Ar = [� 1 O -20 -22 A contin uación se obtiene el modelo de estado del sistema en cadena abierta . se plantea la ecuación que permite despejar el valor de las constantes incluidas en la matriz K: x= -1 .7 -3 y=[ 6 3 0 ]x [� � � ] [�] x+ 1 3 + u [ Ar =A + BK -20 -22 O O 1 O con lo que el vector de realimentación queda: 20 = 1 . Dado que se puede elegir la representación en la que se va a generar. A partir del conocimiento de las matrices del sistema antes y después de la realimentación .k1 22 = 7 . puesto que los cálculos se realizarán posteriormente en esta representación .

CONTROL POR REALIMENTACIÓN DEL ESTADO que se corresponde con la función de transferencia: _ G (8) - 38 + 6 + 128 2 + 228 + 20 83 Como puede comprobarse. normalmente este conjunto de variables no se corresponde con ninguna magnitud física. el numerador permanece inalterado. Obtención d e l a matriz d e transformación a variables de fase En este apartado se va a ver cómo se obtiene la matriz de cambio de una representación de estado cualquiera a la representación del estado en variables de fase.238 CAPíTULO 5. 18) rango(Q) = n. Partiendo de la matriz de controlabilidad de un sistema monovariable: Q = [ B AB se supone que el sistema es controlable. puesto que es capaz de fijar simultáneamente todos sus polos.: . Por tanto.1 e (5. Por otro lado. y que es la inversa de la matriz de transformación. así que es invertible.2. la matriz Q Q -' a partir de la última fila. a la hora de implementar el diseño de la realimentación calculado mediante este algoritmo. hay que tener en cuenta que se ha realizado sobre la repre­ sentación del estado en variables de fase. por lo que será necesario introducir una trans­ formación del estado para hacer posible la construcción de los lazos de realimentación. Sin embargo. añadiendo a esto su extrema sencillez. se construye una matriz que se denominará Te l .3. 5. 19) ¡ T.l : � (5. este algoritmo tiene una probada eficacia en el ajuste de la dinámica del sistema. sino simplemente como consecuencia del cambio en la posición de dichos polos. Esta transformación se estudia en la siguiente sección de este mismo capítulo.20) . de la siguiente manera: [ :t 1 e (5 . no es posible modificar el comportamiento en régimen permanente a voluntad. e. Esto es así porque no es posible alterar la posición de los ceros del sistema mediante la realimentación del estado. por lo que existirá Q .

5. los ceros del sistema permanecen invariantes. al fijar la ganancia y el resto de los polos. .21) o O (5.3.24) 5.3. Si se aplica a estas matrices el procedimiento descrito en el apartado anterior. por tanto. que queda libre. el polo libre se puede posicionar en un punto no deseado. caracterizada por las matrices Á y :B. La consecuencia de este hecho es que la ganancia del sistema en cadena cerrada: M(O) = ao bo k - 1 (5. se obtiene el estado representado en variables de fase a partir de cualquier otra representación.2: u(t) = v(t) + Kx(t) = v(t) + KTc 1 x(t) '* K = KTc 1 (5. mediante la modificación de los parámetros del polinomio característico.3. según se muestra en la Figura 5 . para fijar el término independiente del polinomio característico. se obtiene una matriz de realimentación K. En cambio.22) 1 B = Te 1 B = (5. Si con esta matriz se hace una transformación de estado. Éste será un proceso de prueba y error. que se han de convertir a las variables accesibles del sistema. ya que a su vez. correspondiente a las variables de fase. posiblemente no deseado. A = T e 1 ATe = x(t) = Tex(t) 1 O o O 1 O O O O O O (5. el polinomio numerador y. el control por realimentación del estado permite la locali­ zación de los polos del sistema en los puntos que se desee. la inversa de ésta (se demuestra que Te? es invertible) .23) O 1 Con la matriz Te se pasa de la representación mediante las variables de estado elegidas inicialmente a la representación mediante variables de fase. El problema de la ganancia Tal como se ha indicado. CONTROL DE SISTEMAS MONOVARIABLES 239 La matriz de cambio es Te. Una primera solución a este problema es sacrificar el posicionamiento de un polo.25) puede tomar cualquier valor arbitrario.

= y para cumplir con l a condición impuesta se toma ao 6. 1 . CONTROL POR REALIMENTACIÓN DEL ESTADO v( t) e y ( t) Ejemplo 5 . Con ganancia unitaria. Sea el sistema de función de transferencia: Se desea posicionar los polos dominantes en lazo cerrado en: 38 G ( 8 ) . _ . En a= = . el que se usa para realizar el ajuste de la ganancia. el polinomio característico es de la forma : 1. En el caso de que se quiera obtener ganancia unitaria en cadena cerrada. 3 .. Manteniendo la misma ganancia que en lazo abierto. Este valor podría ser aceptable._ .8 3 382 + 678 1 + + + _ 8 1 2 -1 ± j . si bien su influencia sobre el comportamiento del sistema no va a ser despreciable. 2.Figura 5._ . La factibilidad o no de la solución en este problema pasa por que la posición del tercer polo. por l o que el tercer polo toma valor -3 . sea tal que se pueda mantener la hipótesis de dominancia de los polos cuya posición ha sido asignada directamente.240 CAPíTULO 5.2: Transformación de la matriz de realimentación K.

-0. se continuaría obteniendo la matriz K.4 (5. No es posible cumplir con todas las especificaciones impuestas: si se respeta la de régimen permanente.3: Adición del parámetro Ko. En esta situación este tercer polo es dominante frente a los otros dos.3. los preasignados.5. Obsérvese que.polo. Ejemplo 5. no se puede cumplir con la de régimen dinámico. tal como se indica en la Figura 5. CONTROL DE SISTEMAS MONOVARIABLES 241 cualquier caso. y(t) Figura 5 . siendo ao 1 y. si el sistema está expresado en variables de fase. Debería acudirse entonces a algún planteamiento alternativo..26) Sea la función de transferencia: . se pueden elegir la ganancia y los polos arbitrariamente.5. de tal forma que no se respeta la hipótesis de dominancia. y viceversa . dado que se acepta como esta posición para el tercer . para fijar la ganancia. En el caso de que se quiera mantener la misma ganancia que se tiene en lazo cerrado. = a= Una segunda opción consiste en añadir al esquema anterior un parámetro adicional. por tanto. Ko. la función de trans­ ferencia del sistema realimentado será: es decir. v(t) _--.3. 2 . la posición del tercer polo cambia.

se genera el polinomio característico del sistema realimen­ tado a partir de la posición impuesta a los polos: p (8) por lo que la matriz del sistema tras la realimentación es: Con esto se cumple con las especificaciones relativas a posiciones de los polos. cuyo valor se va a ajustar durante el proceso de diseño del lazo de realimentación. por lo que supuestamente el problema estaría indeterminado y no podría resolverse.242 CAPÍTULO 5. Para ello se añade una constante. En este caso se están imponiendo cuatro condiciones en la formulación de las especificaciones (posición de tres polos y valor de la ganancia en lazo cerrado) . cuando aparentemente sólo se dispone de tres grados de libertad para conseguirlo (los valores de las tres constantes de la matriz de realimentación) . 2 -1 ± j y 8 3 -10 siendo unitaria l a ganancia estática e n cadena cerrada. CONTROL POR REALIMENTACIÓN DEL ESTADO se desea diseñar un control por realimentación del estado que sitúe los polos en: 8 1 . Esta situación se resuelve mediante la adición de una cuarta constante en cadena abierta. Para resolver este caso se comienza por plantear el modelo del sistema prop­ uesto en variables de fase: = = A continuación.3. pero no con la que hace referencia al valor de la ganancia estática del sistema realimentado. ya se puede plantear la resolución de la reali­ mentación. el cálculo de la matriz = Ko-6 = 1 Ko = K: Ar =A + KoBK Gr(O) 10 3 20 . multiplicando al conjunto. como se muestra en la Figura 5. cuyo valor se calcula a continuación: = xy=[[ 6 � � =+ + Ar = [ � -1 -7 3 -3 O ]x � l X + [ �l l U (8 1) 2 (8 10) 8 3 128 2 228 20 1 O -20 -22 =+ + + '* Conocidos todos los datos. es decir.

3 . La función de transferencia es entonces de la forma: sn . sobre su valor en régimen permanente.10 .l bn _ 2 S n .2 + .28) 1 . no efectuando un verdadero control en cadena cerrada sobre la ganancia del sistema.an . de modo que globalmente se sitúen los polos en los lugares deseados. como se desea en los servosistemas. en primer lugar. la única solución fiable es incrementar el tipo del sistema. como se muestra en la Figura 5. para tener un sistema con los polos en las posiciones deseadas y error de posición nulo. puesto que no hay ninguno con una posición IIflotantell que pueda interferir en el comportamiento esperado del sistema: todos los polos tienen su lugar asignado como resultado de las especificaciones. .7 -3 . CONTROL DE SISTEMAS MONOVARIABLES [ * 1 k2 k 3 ] Ko .4.10 . En este apartado se va a estudiar cómo compatibilizar el control por realimentación del estado con la realimentación de la salida. que el sistema es ya de tipo 1.l bn .27) s + an _ l Sn . O O O O -a l -a2 e = [ bo b 1 b2 O .3 .4 . 5 . y la misi 6n del sistema de cont rol que se va a diseñar es conseguir situar los polos en cadena cerrada en esos lugares.10 Es importante tener en cuenta en este planteamiento que no hay necesidad de realizar la validación de la hipótesis de polos dominantes. de modo que la función de transferencia en cadena abierta sea del tipo adecuado para luego realimentar la salida. Se va a suponer. O O A= 1 O O 1 O O 1 ++ O O B= (5. a l S lo que corresponde a unas variables de fase: + . . b I S + bo G(s) = bn _ l n (5. D iseño de servosistemas En el caso de ser crítica la ganancia y necesitar que el sistema no sea sensible a las perturbaciones e inexactitudes del modelo. es decir. por lo que los sistemas resultantes son sensibles a las perturbaciones e inexactitudes del modelo.l + . -22 1 - o o U 1 O 1 O O 2 -1 =>K = [ ] 243 [ 1 O 57 � 45] + 27[ � 1 El inconveniente de ambas soluciones es que el control de ganancia se efectúa en cadena abierta. .5.1 La idea es realizar primero una realimentación del estado que conserve el tipo del sistema para luego añadir una realimentación de la salida.

4: Realimentación en sistema de tipo uno.al .Kob2 1 .Kobl k3 . Si se realimenta entonces el sistema con una matriz: (5.KoBC x + KoBr Ar = A + BK .an .29) se obtiene como nueva matriz del sistema: o O Á = A + BK = 1 O O 1 O O (5.31) (5. un sistema de tipo 1 con todos los polos modificados. y (t ) Figura 5 .. CONTROL POR REALIMENTACIÓN DEL ESTADO .y) = Kor .32) O O O O 1 O O O O 1 O O O O O kn .244 CAPÍTULO 5 .33) .30) O O O O k2 .Ko bo k2 .r------.5: u = Ko (r . un sistema realimentado con matriz de sistema: ( ) (5.KoBC = Se obtiene. Si sobre este sistema se realiza una realimentación de la salida con un control pro­ porcional Ko.a2 . por tanto.Kobn .a2 es decir.al k3 .l . se obtiene el sistema de la Figura 5.KoBCx = Á .l (5.KoCx x = Áx + Bu = Áx + KoBr .

10. siendo además ep = o.5. 2 = . respetando el tipo del sistema . Obsérvese además que. se realiza una doble realimentación como la explicada : en un lazo interno. El modelo de estado del sistema es: x= O -7 .1 ± j y 8 = . CONTROL DE SISTEMAS MONOVARIAB:tES 245 Figura 5. por lo que basta con que bo 1=. el estado. y en otro externo la salida . por ser un sistema de tipo 1 en cadena abierta. G ( _ Para conseguir cumplir con todas las especificaciones.5: Control proporcional del sistema anterior. tendrá un error de posición nulo en cadena cerrada.3 .O para que todos los polos del sistema se puedan fijar a voluntad.3 y=[ 6 3 0 ]x [� � � l [ �1 l x+ u . y dado que el sistema es de tipo 1 en cadena abierta . Ejemplo 5.5 Diseñar un sistema de control que haga que el sistema dado por: 38 + 8 ) .8 3 + 38 2 6 78 + tenga sus polos en 8 1 .

7 -3 3 Ko = lO 3 K = [ O -5 -9 ] En el caso de ser un sistema de tipo O.6: Conversión a sistema de tipo uno. Figura 5.246 CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO Y el polinomio característico del sistema realimentado: p(8) = (8 1) 2 (8 10) = 8 3 + 128 2 228 20 por lo que la matriz del sistema tras la realimentación es: Ar = Con todo esto se resuelve e l sistema dado por l a ecuación: + + [� -Ko � -20 -22 -12 � � [6 + + � l 1 O 1 Ar =A + BK .6. se puede incrementar el tipo del sistema añadiendo un integrador en el controlador. obteniéndose la estructura de la Figura 5.KoBC -22 -12 O 1 � resultando: l=[� l+[�l [�1 O . .

3.40) det(sI Ár) = Pr (S ) donde Ár es la matriz de la dinámica del sistema realimentado expresada en la ecuación 5.38.35) (5. .bo OO1 Xl OO -O1 1 -O1 2 OO X2 + O X3 = O 1 O O O O Xn O Ko kl .1 (A CTBK)T ] [ xo ] + [ O1 ] = :ié + b .an-l (5.38) r r = (5. CONTROL DE SISTEMAS MONOVARIABLES 247 Las ecuaciones del sistema quedan en este caso: Xo x = r u es decir: .36) = Si en la expresión anterior se efectúa el cambio queda la siguiente expresión: x = T:ié para pasar a variables de fase.39) Si se desea fijar la dinámica de este sistema de manera que su polinomio característico sea Pr (S ) .y = . [ Xjco ] = [ T .ao k2 . se debe cumplir : (5.al k3 . .l Xo b o .l ] - (5 . bn.5.1OBKo T.34) (5.bOn . .Cx Ax + Bu Koxo + Kx = [ Ko K ] [ � ] r (5.37) y =[ O CT 1 [ :0 ] = [ O bo bl b2 .a2 kn .

como se ha planteado. En primer lugar se calcula el modelo de estado. lo que fuerza a incluir también una nueva especificación para su posición en cadena cerrada . kn ). para cumplir con las . CONTROL POR REALIMENTACIÓN DEL ESTADO Igualando los coeficientes de la anterior ecuación. en este caso en variables de fase: x= 8 3 38 2 78 1 pase a tener sus polos en 8 1 . . El polinomio característico del sistema después de la inclusión de la nueva variable y de la doble realimentación es: mientras que la matriz del sistema después de las dos realimentaciones (la del estado.1 -7 -3 3 O ]x y = [ 6 [� � � l x+ [ � l u 1 Pr(8) = ((8 1) 2 1)(8 10) 2 = 8 4 228 3 1428 2 2408 + 200 + + + = + + + . el objetivo es la dominancia de los polos com plejos conjugados. 2 = -1 ± j y 8 3 = .1 Ejemplo 5. para fij ar la posición de los polos. se procede añadiendo un integrador y realizando una doble realimentación . y la de la salida . se sitúa este nuevo polo en cadena cerrada en 84 -10 . se obtienen n 1 ecuaciones con las n 1 incógnitas (Ka. para que el sistema dado por: 38 6 ep = o. Una vez resuelto este sistema de ecuaciones. k 1 .6 (5.10. los valores del vector K de realimentación se obtienen deshaciendo el cambio de variable: + . garantizando además que + ++ + Dado que se trata de diseñar un servo y el sistema es de tipo cero. • • + kn ] T .41) Diseñar un control por realimentación del estado. Puesto que. que tiene solución única con tal de que ba =1 O.248 CAPíTULO 5. según formula el problema . La adición del integrador supone la inclusión en el modelo de una nueva variable de estado.

6. o bien un valor de la ganancia en cadena cerrada. por la forma de la primera fila de esta matriz.42) .k3 )8 3 + (7 . 1 . por tratarse de perturbaciones del sistema o por no ser necesarias para su control. m entradas y p salidas. las entradas del sistema pueden dividirse en dos grupos: las que se utilizan en la realimentación del estado.1 k2 .8. Control d e sistemas multivariables D iseño del bucle de realimentación Los razonamientos expuestos al tratar el diseño del lazo de realimentación para sis­ temas monovariables pueden ser extendidos a un sistema lineal.aO O O O -6 O O -6 O O -3 1 O k 1 . no se puede recurrir a la estrategia de igualar elementos con los de la matriz del sistema realimentado. Si alguna de las variables de entrada no se utilizase en la realimentación del estado.k 1 + 3Ko = 240 7 k2 = 142 3 . del que se despejan los parámetros de la realimentación: =} }{ 100 Ko = 3 K= [ -139 . y las ecuaciones de estado se expresan de la siguiente forma: (5.k3 = 22 - con lo que se forma el siguiente sistema de ecuaciones. Un Y las perturbaciones externas que no se utilizan para controlar el sistema. CONTROL DE SISTEMAS MULTIVARIABLES 249 especificaciones de régimen permanente) queda: Ar = [ Dado que en este caso. según criterios que se explican en el subapartado siguiente. invariante y multivaria­ ble. lo que se hace es plantear la igualdad de ambos polinomios caractarísticos. !:. 5. up .Ar l = 84 + (3 .4..7 y 5.4. con n variables de estado.7 det[8I ..k 1 + 3Ko)8 + 6Ko = = 84 + 2283 + 1428 2 + 2408 + 200 6Ko = 200 1 . dedicado al cálculo de la matriz Te.k2 )8 2 + (1 .4 . o bien el seguimiento de la variable de referencia pueden ser encon­ trados al final de este capítulo en los Ejemplos 5. resultando: Ko k 1 .5. La matriz B queda descompuesta consecuentemente en dos matrices. 5.135 -19 ] Casos adicionales de control de sistemas garantizando.

intervienen en la evolución del sistema mediante la matriz Bp. CONTROL POR REALIMENTACIÓN DEL ESTADO Efectuando la realimentación del estado mencionada: Ur ( t) = v(t) + Kx(t) (5. Las matrices del modelo de estado del sistema en dicha base toman la siguiente expresión: Au A12 A 'm A 2 I A 22 A 2m A= (5. Para plantear el diseño del lazo de realimentación. Obsérvese que las entradas de perturbación. la matriz Br se denomina simplemente como B. se le denomina con la letra m.44) donde puede observarse que la matriz que determina la dinámica del sistema es: (5. pero dicha matriz no interviene en el cambio de la dinámica interna fijado por Ar . se parte. coincidente con el número de entradas utilizadas en la realimentación. y a su dimensión.47) O 1 O O O (5. Con objeto de facilitar la notación en este apartado de sistemas multivariables.250 CAPÍTULO 5.47 tienen las siguientes expresiones: • Matrices Aii : O O Aii 1 O O [�� 1 1 (5.46) [ Am I Am2 B= Amm donde las submatrices que aparecen en 5.46 y en 5. dado por la matriz Te según se describe en el siguiente apartado. pero utilizando la matriz de entrada correspondiente sólo a las variables de estado utilizadas en la realimentación Br.45) coincidente con la Ecuación 5. de la representación del sistema en su forma canónica controlable. como en el caso monova­ riable.43) la ecuación que expresa la dinámica del sistema realimentado queda: (5. que se obtiene mediante el cambio de base adecuado. up.48) = o 1 .5.

Obsérvese que.aUi (5. • Por otro lado.nj +3 O O En cuanto a cada una de las submatrices que componen la matriz B. dichos subíndices re­ presentan la fila y la columna del elemento considerado. i+ l . mediante una matriz K. tienen la siguiente forma en la base canónica utilizada: B.50) 0'. j. Si se efectúa una realimentación del estado del sistema expresado en esta forma canónica controlable. siendo ni la dimensión del subespacio controlado por la variable de entrada i-ésima y cuyo valor se decide a partir de las columnas de la matriz de controlabilidad Q relacionadas con la entrada i-ésima que se utilizan para formar la matriz de cambio de base Te. con la nomenclatura de subíndices utilizada. fuera de la diagonal principal son de la forma: o O Aij = . f::" CONTROL DE SISTEMAS MULTIVARIABLES 251 de dimensiones ni x ni . La nomenclatura de subíndices empleada sigue garantizando que éstos indican la illa y columna del elemento considerado .5. cada una de las matrices Aij .4. Los valores de (Ti se calculan como: (5.49) que representan la dimensión de los subespacios controlados por todas las variables de entrada hasta la entrada i-ésima. cuyas dimensiones son ni x nj .52) [� O O (5. de dimensiones (m x n ) . según se expone con detalle en el siguiente subapartado. cuyo significado ha sido comentado anteriormente. que el elemento Qij está situado siempre en la fila i-ésima y en la columna j-ésima.51) O O 1 bu. � cuyas dimensiones son n i x m. de expresión genérica: (5.a17i O O . es decir.a17i O O . donde igualmente los subíndices indican la fila y columna que ocupa un elemento. • I7j -nj+ l O I7j -nj+2 O I7j . con i f=.a17i O O .

53 y 5. . puede probarse la obtención de la siguiente matriz Ar como objetivo de la realimentación del estado realizada: . la matriz que representa la dinámica del sistema realimentado A + BK se diferencia s610 en las filas 0"1 . + bUlmkmj óU2Í = -au2j + k2j + bU23k3j + .54) Qo -OQ 1 -OQ2 - O Q1n 1 - que se diferencia de A sólo en los elementos de las filas O"i y cuyos elementos se obtienen. de forma inmediata. . . . Por lo tanto. O"n o O 1 O O 1 O O Ar = (5. .54 según se indica en la Ecuación 5.n 1 = 0"1 +. mediante la realimentación del estado efectuada sobre las variables de estado de la forma controlable.252 CAPíTULO 5. + nd = O"n = n (5. . . según la . a partir del polinomio característico deseado en cadena cerrada: (5. .5. CONTROL POR REALIMENTACIÓN DEL ESTADO se obtiene que la matriz de la dinámica del sistema realimentado. + bUlm kmj O k2j + bU23 k3j + . tiene como expresión genérica de su columna j-ésima: (A + BK) (. . dada por la Ecuación 5. se obtienen las siguientes expresiones que permiten despejar los elementos de la columna j-ésima de la matriz de realimentación K: Óud = -aud + k 1 j + bU1 2 k2j + bU13 k3j + . + bU2m kmj o +.j ) + + k 1j + bU1 2 k2j + bU13 k3j + .5.55) Igualando las columnas j-ésimas de las Ecuaciones 5.53) donde se observa que. .j ) = (A)(. 0"2 . + bu2m kmj donde el valor de Óij es O ó 1 dependiendo de la fila y la columna considerada. · · · respecto a la matriz original del sistema sin realimentar A.n 1 + n 2 + .

. en general. que permiten resolver los m x n elementos de la matriz buscada K. como ya se ha supuesto anteriormente en este mismo capítulo para el caso monovariable.54.5 se obtiene un sistema distinto de m ecuaciones con las m nuevas incógnitas pertenecientes a cada nueva columna de la matriz K. En total se obtienen n sistemas independientes de m ecuaciones cada uno de ellos.5. Cabe destacar el hecho de que. Una vez que se tiene la seguridad de trabajar sólo con el subsistema controlable. . para los sistemas multivariables el control por realimentación del estado modifica la posición de los ceros del sistema.. /:::. En caso contrario será necesario realizar una separación de la parte controlable. 5. cabe esperar modificaciones al comportamiento previsto del sistema por la posición que puedan tomar estos ceros. Primeramente se eligen n columnas linealmente independientes de Q. j . Obtención d e l a matriz d e transformación a variables de fase =j.56) En esta sección se tratará la forma de calcular la matriz Te para sistemas multivaria­ bles. cuya resolución es inmediata comenzando por despejar el valor de kmj de la últiina ecuación e ir subiendo de ecuación para despejar los elementos sucesivos de la 'columna j-ésima de la matriz K. es decir. se supone que el sistema es controlable. que escapan al ámbito de este texto. al contrario que sucede en el caso de control de sistemas monovariables.4. sería necesario acudir a técnicas alternativas de control. a partir de cualquier otra representación. se forma la matriz de controla­ bilidad Q: Q Al ser. el sistema controlable. En el caso de tener que ajustar también sus posiciones. por hipótesis. se obtiene un sistema com­ patible y determinado de m ecuaciones con m incógnitas. Abi . Para obtener la matriz Te de transformación que representa el estado según la forma canónica controlable en sistemas multivariables. trabajando sólo con ésta. Para cada columna de la Ecuación 5. existiendo en general varios conjuntos de n vectores columna linealmente independientes de Q. eligiendo siem­ pre para cada entrada las primeras columnas asociadas a dicha entrada bi .1 para ai f:.5. Para el cálculo de la matriz de cambio de base Te se procede de la forma explicada a continuación . rango(Q) n. .j = { O1 Obsérvese que para cada columna de la Ecuación 5. que consigue el objetivo de control: que la matriz de realimentación Ar tenga la expresión dada en 5.2.1 para ai (5.4. El objetivo es obtener la forma canónica controlable para un sistema de estas características. = . CONTROL DE SISTEMAS MULTIVARIABLES 253 expresión: 8<7. aquellos en los que existe más de una variable de entrada y/o más de una variable de salida. Por este motivo.

1 = (5. Por el contrario. en ! + . Por tan­ to. se pueden elegir otras opciones. ésta no se utilizará en la realimentación del estado que se está diseñando. + n "" a partir de las cuales se forma la inversa de la matriz buscada Te? . CONTROL POR REALIMENTACIÓN DEL ESTADO An i . en ! . . Esta elección de columnas es de gran importancia en el control que se está diseñando. Así. . . formando la matriz L: L = [ b1 Ab 1 (5. significa que esa entrada servirá para controlar muchas variables de estado.1 bi. puesto que el número de columnas asociadas a cada entrada indica el número de variables de estado que van a ser controladas con dicha entrada. una buena alternativa es elegir las primeras columnas linealmente indepen­ dientes de Q. aunque dependiendo de un estudio del significado físico de las variables de entrada. agrupándose según su asociación a cada entrada. A continuación se ordenan las columnas. desaprovechando sus posibilidades de control. . en general es conveniente elegir un número equilibrado de columnas asociado a cada entrada.58) donde m representa el número de entradas involucradas en la realimentación.1 L. Para calcular la matriz de transformación a la forma canónica. forzando a que su comportamiento pueda tener que tomar valores muy extremos para conseguirlo. Si una entrada tiene asociado comparativamente un número elevado de columnas. se extraen las filas existentes en las posiciones finales de cada bloque. tal como se ha descrito en el capítulo dedicado a la controlabilidad. se calcula la inversa de la matriz L: +.254 CAPÍTULO 5. si no se eligen columnas asociadas a una entrada concreta. La entrada i-ésima ejerce su influencia. por tanto.59) De esta matriz. sobre ni columnas de de la matriz L.

.n I + n2 + .5. se puede transformar cualquier estado = Un ejemplo completo de diseño de un sistema de control en el caso multivariable se puede ver en el Ejemplo 5.9 al final de este capítulo. obteniéndose como matriz de realimentación para las variables x(t) accesibles: (5. . + nm (5.1 +. .n I + n2 + . + nm. . se calcula la correspondiente matriz K mediante lo descrito en el apartado anterior.8 del Capítulo 1) cambiando la dinámica inestable del sistema por una dinámica estable y utilizando para ello una estructura de realimentación de las cuatro variables de estado del sistema. EJEMPLOS ADICIONALES 255 de la siguiente forma: +. según se indica en la Figura L b a continuación . inversa de la dada.60) =n x(t) en la representación del estado correspondiente a la forma canónica controlable vista en el apartado anterior. Ejemplo 5.I + 1 +. . a partir de las matrices Á y B obtenidas con esta transformación.2 Te I +. 5.5.61 ) Mediante la matriz Te .5.7 Ej emplos adicionales Control de la dinámica de un péndulo invertido Se desea controlar el péndulo invertido (cuyo modelo de estado y funciones de transferencia se han calculado en el Ejemplo 1. x(t): x(t) Tcx(t) Al igual que en sistemas monovariables.

4 = . lo que dificulta su estabilización mediante un sistema de control.3. que se va a suponer que es -1 para todos ellos.. se particulariza el modelo del sistema para los siguientes valores de los parámetros: 9 10 m i M m 1 K Y l 1 m.. t.x = ( b ) Estructura de control por reali­ [�1 Para el cálculo de la realimentación del estado.. según la ecuación K KTC/.-__ . Para el cálculo de la matriz K se parte de la situación deseada de los polos del sistema en cadena cerrada. quedando por tanto en siguiente polinomio característico para el [ . es nece­ sario calcular la matriz de realimentación de la variables de fase K. Figura 1: Péndulo invertido y su estructura de control por realimentación del estado. a partir de las especificaciones de la dinámica deseada del sistema en cadena cerrada .. y postmultiplicarla por la inversa de la matriz de cambio de base a las variables de fase..:::� :::J.256 CAPíTULO 5. Para calcular la matriz de realimentación del estado K de la figura .2 . CONTROL POR REALIMENTACIÓN DEL ESTADO mentación del estado. L.: 1 X4 +[ � 1U [H + � 1 [�: 1 O O 20 O X4 - 2 = 8 1 . con lo que el modelo de estado resultante es: = = 82 . = = siendo: Este sistema en cadena abierta presenta u n cero y un polo en el semiplano real positivo. ( a ) Sistema del péndulo invertido.

EJEMPLOS ADICIONALES 257 (8 + 1 )4 é + 48 3 + 682 + 48 + = sistema realimentado: Pr ( 8) = = 1 teniendo en cuenta que el polinomio característico del sistema en cadena abierta es: p(8) det[8I .Al 84 .5. resultando: Te 1 = 20 1 [ � � � 1 0 -1 -1 O -10 O �O 1 .5. siendo ahora necesario calcular la matriz Te 1 . según: = resultando: K = [ -1 -4 -26 -4 ] Esta matriz K constituye la realimentación de las variables de fase del sistema. para lo que se calcula en primer lugar la matriz de controlabilidad Q: Q- siendo su matriz inversa: [� O 2 -2 O O 20 -40 20 O O O 20 -40 O O -2 1 -1 O O -1 10 O -1 O la matriz inversa de cambio de base a las variables de fase se calcula a partir de la última fila de la matriz anterior.2082 La matriz K se calcula construyendo las correspondientes matrices del sis­ tema antes y después de realimentar a partir de los coefi�ientes de ambos poli­ nomios característicos. que obtiene estas variables de fase a partir de las variables físicas originales del sistema.

las varia­ bles de estado tienden a cero con una dinámica definida principalmente por los mencionados polos.1 y. 2 ] Utilizando la matriz K calculada para la realimentación del estado del modelo linealizado del péndulo invertido y suponiendo que las condiciones iniciales del vector de estados son : = = se obtiene l a evolución d e las varibles x y (J representadas e n la Figura 2 .2 13. (a ) Evolución de la posición x.§. 2 . 2 6 4 1iempo (8 ) 8 � e CI> s 10 y 2 6 4 tiempo (8 ) 8 10 el ángulo en el sistema lineal reali­ ( b ) Evolución del ángulo (J. 1 1 5 Obsérvese que ahora el sistema realimentado es estable con todos los polos en . si se parte de un estado inicial distinto del origen . se comprueba: La matriz de realimentación de las variables de estado originales se obtiene ahora como: K KTc/ [ 0. por tanto. 05 2. CONTROL POR REALIMENTACIÓN DEL ESTADO U na vez calculada esta matriz. aunque también influida por los ceros del sistema en cadena cerrada . que son los mismos que en cadena abierta. 05 0. Ahora cabe preguntarse cómo se comporta dicha realimentación del estado del sistema cuando se utiliza para controlar el sistema real no lineal. .258 CAPÍTULO 5. en vez del Figura 2: Evolución de la posición mentado.

para 00 45°) . por ejemplo.5 . En la Figura 3 se ve que la evolución de las variables de estado reales es m uy parecida a la de las del sistema Iinealizado. I nteresa ahora ver cuál es el comportamiento del sistema realimentado ante una fuerza de perturbación lateral que se le aplica continuamente en la base del péndulo invertido up (t) . -�--�2��4�--6�--�8��l'O bempo (8 ) -5 � -0 5 -1 5 -1 O���--4��6��8��10 tiempo (8 ) = Si se elige un estado inicial más alejado del origen.nto de linealización. Si se sigue aumen­ tando el ángulo inicial 00 . puesto que toman valores cercanos al punto " de linealización.. 259 (b) Evolución del ángulo O. = = . Figura 3: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. partiendo de un ángulo inicial 0 ( 0) 10°. 5 . que es el origen de coordenadas. como: las variables de estado toman valores más apartados de su pU. . en el caso en que la perturbación valga up (t) = O. EJEMPLOS ADICIONALES sistema linealizado con el que se han efectuado los cálculos de la matriz K.1). puede llegar a obtenerse un comportamiento estable en el sistema linealizado (siempre lo será puesto que sus polos se han forzado a la posición . En la siguiente Figura 5 puede observarse la evolución del ángulo y de la posición . (a) Evolución de la posición x . 1 Nw y se parta además de un estado inicial del ángulo distinto de cero 0 (0) 10°. pudiendo observarse en la siguiente Figura 4 una mayor diferencia entre el com­ portamiento del sistema real no lineal y del sistema linealizado. mientras que el sistema original no Jineal rea1imentado sea realmente inestable (obteniéndose este efecto.

CONTROL POR REALIMENTACIÓN DEL ESTADO 5 r---�--�-'====�==� (a) Evolución de la posición x. estabilizándose el ángulo en la vertical . Figura 4: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. Figura 5: Evolución de la posición y el ángulo en el sistema real no lineal partiendo de un ángulo inicial (J(O) 10° y una fuerza lateral de perturbación up (t) 0. tal como se verá en el Ejemplo Puesto que la realimentación del estado del sistema permite. debido a la mencionada perturbación . . (b) Evolución del ángulo (J. situar libremente los polos del sistema en cadena cerrada. tiempo (s ) 2 4 6 8 10 -5 0!:--"!--�4:---6�-""!"8--710 tiempo (s ) = = En la Figura 5 se puede observar que el sistema real no lineal es estable con el control por realimentación del estado efectuado. cabe 5 . -1 0 -1 tiempo (s ) -2�--�--7-----:---�--=:O· 6 2 0 4 -1 -5 50!:---"!---�4:----6�-""!"8--710' tiempo (s ) = (a) Evolución de la posición x. al menos teóricamente.260 4 3 CAPíTULO 5.8. aunque la posición de la base se desplaza 2 m respecto a la posición inicial . Este desplazamiento de la posición no puede evitarse si no se utiliza una nueva estructura de control que incluya una integración de la señal de error de posición . 1 Nw. partiendo de un ángulo inicial (J(O) 25°. (b) Evolución del ángulo (J .

en la que se ha mantenido la misma escala de tiempos que en las gráficas anteriores. utilizando la matriz de realimentación que sitúa los polos en . (a) Evolución de la posición x . se obtiene la siguiente matriz de realimentación del estado: K [ 500 200 810 220 ] El comportamiento del sistema realimentado con esta nueva matriz puede observarse en la Figura 6. EJEMPLOS ADICIONALES 261 plantearse el cálculo de una nueva matriz de realimentación K. 1 Nw. tanto temporal como en valor de la fuerza de entrada) .10.1 .10.5.5. partien­ do de un ángulo inicial (j ( 0) 10° y una fuerza lateral de perturbación up (t) 0 . obteniéndose en consecuencia una entrada al sistema mucho mayor. 14 Nw 2 . En la Figura 7 puede observarse la evolución de la entrada del sistema utilizando ambas matrices de realimentación. Figura 6: Evolución de la posición y el ángulo en el sistema real no lineal. que sitúe todos los polos del sistema en cadena cerrada en una posición que haga al sistema re­ alimentado mucho más rápido. Obsérvese e n l a Figura 7 que l a energía utilizada para controlar e l sistema . con objeto de apreciar claramente la mayor rapidez del sistema . 6 Nw 2 frente a 3 . liempo (s ) 6 8 05 04 03 02 � 01 1V -020 2 4 -o o 10 � 10 5 \ -5 -10 -15 -200 2 4 O tiempo (s ) 6 8 10 = = Esta dinámica más rápida del sistema es posible gracias a la utilización de una matriz de realimentación del estado en la que sus términos son significa­ tivamente mayores que los de la matriz utilizada anteriormente. siendo esta diferencia de energía de 473 . es mucho mayor que cuando la dinámica del sistema es más lenta con los polos en . = = (b) Evolución del ángulo (j. es importante cuando se diseña un control por realimentación del estado . como por ejemplo Pr (s + 10)4. Según el razonamiento anterior. Repitiendo los cálculos efectuados al principio de este ejemplo a partir de este n uevo polinomio característico en cadena cerrada . ante los mismos valores de la perturbación y de las condiciones iniciales (obsérvense las diferentes escalas de ambas subfiguras. en el caso en el que se diseña la posición de los polos en .

:::====. de manera que ésta tenga un error nulo en régimen permanente ante perturbaciones en la fuerza lateral Up (t) .======. Suponiendo que el modelo del péndulo invertido utilizado es una simplificación del despegue de un cohete. sin embargo.8 Se desea controlar no sólo la dinámica del péndulo invertido.262 CAPíTULO 5. que el valor final de la posición x(t) es mucho más cercano a cero en el caso en que los polos están en . CONTROL POR REALIMENTACIÓN DEL ESTADO tener en cuenta la magnitud de la entrada que va a tener el sistema. 25 2 r���---.1 Nw. 1 00 I E[u(t)]=473 . esta nueva especificación del sistema de control garantiza un despegue en = . partiendo de un ángulo inicial 0(0) = 100 Y una fuerza lateral de perturbación up (t) = 0.1 .. Como se ha comentado. debido a que la matriz de realimentación es muy elevada y con ello se disminuye de forma muy notable el error de posición (prácticamente nulo) . es de -2 en el caso inicial en el que se utiliza una matriz de realimentación moderada con los polos en . Control d e posición d e l a base d e u n péndulo invertido Ejemplo 5.1 . en las figuras anteriores. en . siendo éste un factor limitativo práctico importante a la hora de fijar la situación de los polos deseados en cadena cerrada. Obsérvese.6 N1 -1 50 �-�-""' 4 2 l 50 ---7-�----J l0 8 6 tiempo (s ) -50 0 02 04 06 tiempo (s ) 08 (a) Evolución de la entrada cuando (b) Evolución de la entrada cuando los polos en cadena cerrada se sitúan los polos en cadena cerrada se sitúan en . Figura 7: Comparativa de la evolución de la entrada utilizando la matriz de realimentación que sitúa los polos en .-] 1�1 r--�---. la anulación de este error es sólo posible con el sistema servoposicionador del Ejemplo 5.10.10.8. que. que será mayor cuanto más rápido se quiera hacer el sistema en cadena cerrada.10. sino también la posición de la base x(t) .1 y la que los sitúa en .

Para calcular el valor de Ko y de la matriz K de realimentación del estado._. Péndulo i nvertido "-------. Este polinomio deseado en cadena cerrada puede ser: Pr ( S ) (s + 1) 4 (s + 3) s 5 + 7s 4 + 18s 3 + 22s 2 + 13s + 3 = = que tiene cuatro polos en -1 con la misma dinámica que en el anterior ejemplo de control del péndulo invertido. más un polo adicional menos significativo situado en -3 con objeto de mantener dicha dinámica .5.. Esta especificación de control no se puede conseguir mediante una simple realimentación del estado (según se vio en el Ejemplo 5. que incluye una integración de la señal de error de la variable controlada x(t) . siendo necesaria la utilización de una estructura de control como la mostrada en la Figura 1... se parte del polinomio deseado del sistema en cadena cerrada . x = ... La matriz Ar .5. EJEMPLOS ADICIONALES 263 la misma vertical ante fuerzas de vientos Il:Iterales. [1 x � Figura 1 : Estructura de control por realimentación del estado incluyendo un servoposicionador de la variable x( t) . al haber introducido una nueva variable de estado mediante el integrador de la señal de error. que ahora es de quinto grado.1 x . es: O O o 1 -20 O O 1 O O O 1 . dinámica del sistema realimentado en variables de fase.7) .

5 = o Obsérvese que se consigue tener un error nulo en la posición x(t) del péndulo invertido. La matriz K de realimentación de las variables originales se obtiene mediante: = KTc 1 = [ 0. 75 ] I ntroduciendo los valores calculados de Ko y de la matriz K en la estructura de control propuesta. al mismo tiempo que se ha fij ado la dinámica del sistema en cadena cerrada determinada por la situación de los cuatro polos dominantes en -1. 65 = � 1 0'r----�--. S i e n l a estructura d e control propuesta se cambia l a referencia d e l a posición (a) Evolución de la posición x. 1 Nw y se parte de un estado inicial de 0(0) 10°.. 15 K K = [ -13 -25 -38 -7 ] 1. 25 19. (b) Evolución del ángulo O. CONTROL POR REALIMENTACIÓN DEL ESTADO con lo que el polinomio característico en cadena cerrada vale: igualando la expresión anterior con el polinomio característico deseado en cadena cerrada.264 CAPÍTULO 5. Figura 2: Evolución de la posición y el ángulo partiendo de un ángulo inicial 0(0) 10° Y con perturbación constante de up (t) 0. se obtienen los siguientes valores de Ko y de los elementos de K: Ko = -0. tiempo (8 ) tiempo (8 ) � ��----�5�----�10�--�15 5 10 15 = = ... se obtiene una evolución de las variables x(t) y O(t) co­ mo las mostradas en la Figura 2 cuando existe una perturbación constante de up(t) 0.1 Nw. 65 4.

5.5. EJEMPLOS ADICIONALES

a xref -1, se obtiene el comportamiento mostrado en la Figura 3, en la que se observa igualmente el adecuado seguimiento de los cambios de referencia de posición.
=

265

1 01r---�----..., 5

-0 5

- 1 I-_"';:::::::==:=::J. :: :::;:
o

xre f

Si en lugar de cam biar la referencia a xre f comportamiento es el mostrado en la Figura 4.
1 4 1 2

posición el ángulo con cam bio = -1,Evolución=de0,1laNw.ángulo inicial (J(O) = 10° con de referencia partiendo de un perturbación constante de up (t)

Figura

( a ) Evolución de la posición

3:

5

tiempo (8 )

10

15

x.

y

-1

( b ) Evolución del ángulo (J.
xre f

oo!---5 1 -�5---1"=:0-----J tiempo (8 )
y

-1 se mueve a

1, el

xre f

Figura 4: Evolución de la posición y el ángulo con cam bio de referencia 1, partiendo de un ángulo inicial 0(0) 10° Y con perturbación constante de up (t) 0,1 Nw.
5 tiempo (8 ) 15 5

10


e

10
5

o

( a ) Evolución de la posición

x.

tiempo (8 )

10

15

=

( b ) Evolución del ángulo (J .

=

=

266

Realimentación del estado en sistema multivariable

Ejemplo 5.9

CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

Dado el sistema definido por las matrices:
O o O O -3 O O -4 O O

A=

-5

B=

�1
o -8 o

diseñar un control por realimentación del estado que sitúe todos los polos del sistema en 1 En primer lugar, se comprueba la controlabilidad del sistema, lo que nos permite asegurar que el objetivo de control que se plantea es abordable. Para ello, dado que el sistema es lineal e invariante, se construye la matriz Q y se comprueba su rango:
.

Q=

siendo rango(Q) 5. De modo que el sistema es controlable y se puede con­ seguir el objetivo planteado. Para resolver el problema, es necesario realizar la transformación de la repre­ sentación del sistema a variables de fase (forma canónica controlable) , paso que puede llevarse a cabo considerando las tres entradas presentes en el sistema o algún subconjunto de éstas. Realizando un análisis pormenorizado de controla­ bilidad, se comprueba que los pares de entradas U l , U 2 Y U l , U 3 también permiten realizar el control del sistema , por lo que se estudiarán dos casos representativos: realizar el control utilizando las tres entradas y uno de los pares propuestos, en concreto u 1 , U 2 .
Utilizando las tres entradas

[

1 -2 2 1
o

o

o

1 2

o

1

2

o

1

2

-1 4 -6 -4

=

o

-2 -6 - 10
o

o

- 10

o -3 o

-1

-8 18

1

16

O

50

4 18
o

o

50

o 9 o

1

-1 16 - 54 - 64
O

-1 -27 - 250
o

- 54 - 250

o

1 - 32 162 256
O

16 162 1250
o

o

1250

o 81 o

1

1

Transformación a la forma canónica controlable multivariable

Se seleccionan cinco columnas linealmente independientes de la matriz Q .

5.5. EJEMPLOS ADICIONALES

El primer tanteo se hace con las cinco primeras columnas: Qr =

1
'

1 -2 2 1 O

O 1 2 (j 2

-1 O O 4 , -2 1 -6 -6 O -4 O 2 O -10

1

]

267

comprobándose que el rango de esta matriz es también cinco. La elección de las cinco primeras columnas hace que la asignación de variables de estado a las distintas entradas sea de dos a la primera (columnas 1 y 4) , dos a la segunda (columnas 2 y 5) y una a la tercera (columna 3) . A partir de esta selección de columnas de la matriz Q se construye, por reor­ denación de columnas, la matriz L; el orden de colocación de las columnas de Q en L es 1 , 4, 2, 5, 3.
L�

[�

1 -1 O -2 4 1 -6 2 -4 O O 2

O -2 -6 O -10

de donde se define su matriz inversa , de la que se obtienen los vectores fila que generan la matriz de transformación a la forma canónica controlable multivariable:

De esta matriz inversa se seleccionan las filas 2, 4 ,y, 5 p�ra construir las sucesivas filas de la inversa de la matriz de transformac;ió" , debido a la asignación hecha para el control de las distintas variables de estado con las entradas disponibles: 2 con la primera (segunda fila) , dos con la segunda (cuarta fila) y una con la tercera (quinta fila) . El resto de las filas se

-2 L- l = � 16 38 12 44

[

-S

-32 -8 26 10 24

24 6 28 2 -18

-66 -S -26 -2
-

-20 -22 4 7 40 6

t] ]

el

� �

e3

268

CAPíTULO 5 . CONTROL POR REALIMENTACIÓN DEL ESTADO

construyen por postmu ltiplicación por la matriz A .
1

Te -

de donde:

1M -186 1 Te = 1 9 100 47 -32
_ 1

Dadas estas matrices, se obtiene la forma canónica controlable del sistema:
O 361 O O O -3404 -2337 -840 -228 102 A = Te ATe = 1 O O O 361 O 361 2108 304 -3738 -2603 490 684 O -475 1596 O

[�] [ [ [
e2 A e4 e4 A e5
-

-2 2 1 12 = 38 -12 44 19 -38 38 19
O

-8 16 10 -20 24

6 -18 2 -6 -18

-26 104 4 -16 40

12 O 17 75 19 -22 184 38 -37 12 O -2 84 38 -14

]

-2 10 -7 35 6

]

1 19 O 2 B = Te B = - O O O 19 O 19 26 O O 19
-1 •

[ ]
O O O

]

U na vez que se cuenta con la expresión del sistema en la forma canóni­ ca controlable, se plantea el cálculo de la matriz de realimentación del sistema. Dada la especificación para la posición de los polos del sistema realimentado, el polinomio característico resultante es:

Cálculo de la matriz de realimentación

con lo que la matriz del sistema realimentado expresada en la forma canóni-

5.5. EJEMPLOS ADICIONALES

269

ca controlable es:

Ar =

O O 1 O O 1 O O 1 O O O O O O O - 1 -5 -10 - 10

En este punto se dispone de toda la información necesaria en la forma adecuada para plantear la realimentación:

Ar = A + BK = ku = A + B k21 k31 1 a 22 a, O a42 a41 a 51 a 52
donde:

[�

[

jJ

k 12 k22 k32 O a23 O a43 a53

k1 3 k23 k33 O a 24 1 a44 a 54

k 14 k " k24 k25 k34 k35 5

a45 a 55

a21 = -

2k3 1 3404 + k ll + -19 1 36 2k3 2 123 a 22 = - 19 + k 12 + -19 2k33 840 a23 = - 361 + k 1 3 + 19 2k34 12 a24 = - - + k 14 + 19 19 2k35 102 a 25 = - - + k 1 5 + -19 361
---

1

1

26k3 1 2 108 a41 = 361 + k21 + -W26k32 16 a 42 = - + k22 + -19 19 26k33 3738 + k23 + -a43 = 19 36 1 26k34 137 a44 = - + k24 + -19 19
--

270

CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

y

1 a52 =k32 36 + k33 a5 3 = 19 a54 =k34 a55 = - - + k35 19

a5 1 =

849 + k31

resolviendo el sistema se obtiene: 7
6

y devolviendo la matriz de realimentación a la representación original del sistema queda:

2

5

-5

- 19"

19"

87 19 5 06

226

- 10

19"

32 19 397

2 39 89 19 - 70 19

- K - :K T e 1 -

que es l a matriz de realimentación que consigue situar todos los polos del sistema en - 1 al realimentar.
Utilizando dos entradas: U 1 , U 2

[ '"
1

361 26 96 361 - 92 19

443 361 420 361 22 - 19

654 - 361 2422 - 361 80 19

-

4404 361 5 1 54 361 207

1

19"

- 19"

1 4" 722 1 1967 361 164

1

Transformación a la forma canónica controlable multivariable

Se vuelve a plantear el cálculo de la forma canónica controlable, teniendo en cuenta que ahora la matriz de transformación se va a calcular sobre la base de dos entradas. Así, se utilizan columnas distintas de la matriz Q:

Qr =

comprobándose que el rango de esta matriz es cinco. Se ha construido con

2� � -44 -2 !188 ] [ 2
-1
O O O
-6 -6

O

O

- 10

16

O

5.5. EJEMPLOS ADICIONALES

las colu mnas 1 , 2, 4, 5 y 7 de la matriz 'Q, de forma que -hay tres variables de estado cuyo control queda asignado a la entrada uno (columnas 1, 4 Y 7) , mientras que dos quedan asignadas a la segunda entrada (columnas 2 y 5) . A partir de esta matriz se construye: L�

271

matriz de la que ahora se seleccionan las filas 3 y 5, para construir la inversa de la matriz de transformación, correspondientes a las tres variables de estado que se controlan con la primera entrada y a las dos que se controlan con la segunda . Siguiendo el mismo proceso que en el caso anterior, se construye la matriz inversa de transformación como: 3 5 11 1 1 - 28 21 42 7 28 5 11 9 2 20 - 42 - 7 28 - 21 - 28 e3 A 4 11 27 80 25 Te 1 - e� 2 = ., - 28 21 42 7 28 3 2 1 1 2 - 21 - 14 21 7 7 e5 A 3 2 2 8 15 - 21 - 7 - 7 21 14 de donde: 3 45 12 68 1 -7 -7 7 7 57 78 76 -2 57 -7 -7 7 7 32 52 62 8 Tc = 2 7 7 7 7 3 3 24 17 1 -7 -7 7 7 36 8 2 -7 7
4

recolocando las columnas procedentes de la I nvirtiendo esta matriz: 50 4 3 13 21 7 - 7 21 3 5 15 2 6 14 7 - 28 7 3 5 1 = 11 1 L42 7 - 28 21 5 10 10 5 21 7 7 - 21 1 2 1 2 21 7 7 - 21

[

1 -1 1 -2 4 - 8 1 -6 18 2 - 4 16 2

O O O -�O
-2 -6
-7

O O
7

matriz Q en el orden 1 ,4,7,2,5. 1 5 28 1 28

1

3 - 14

[ @l

1 [

Dadas estas matrices de transformación, la representación del sistema en

O O

272

CAPíTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

la forma canónica controlable queda: A = Te 1 ATe =

B = Tc 1 B =

[ [ �
T - '49

O O 416 - '49 O 20

1 O O 4
7

779

O 1 52 -T O O

O O O O 54 186 - '49 - 49 1 O 53 90 T

-T

O O

donde, como se observa, sólo se utilizan las dos primeras columnas de la matriz B, puesto que la tercera entrada no se utiliza , como se ha formulado en el planteamiento de este apartado. Ahora la matriz de realimentación cuenta con una fila menos, puesto que como se ha establecido se utilizan tan sólo dos entradas: Ár = Á + BK = k = A + B k ll 21 1 O = a t a3 2 O a51 a 52 donde:
Cálculo de la matriz de realimentación

�1
f

1

- -[

[i

k 12 k22 O 1 a33 O a53

k13 k23 O O a34 O a54

k 14 k 15 k24 k25 O O a a55

a3 1 = -

416 3k21 + k ll + 7 49 3k22 779 a32 = - 49 + k 12 + -7 3k23 52 a33 = - - + k 1 3 + 7 7 186 3k24 a34 = - - + k 14 + 7 49
--

--

1

]=

--

.. al igual que sucedía al utilizar tres entradas. es decir.5.." 39 7 7 71 _ 2.. 7 82 - 25 20 10 7 7 devolviendo la matriz de realimentación a la representación original del sistema queda: .+ k24 7 53 a55 = . se va a estudiar el caso en el que se quiere transferir el valor del estado entre: Dadas estas condiciones..K = KT C 1 = 7 -5 . EJEMPLOS ADICIONALES 273 a35 = - 3k 54 .. la base de comparación es la energía consumida en realizar esta transferencia en ambos sistemas realimentados. con la salvedad de que ahora se están utilizando sólo dos entradas para realizar el control." .33 que.+ k15 + 25 49 7 -- 20 a 51 = 7 + k21 4 a 52 = 7 + k22 a53 =k23 y y resolviendo el sistema se obtiene: K= - [ 90 a54 = .+ k25 7 128 ..1 24 205 .5.. es una matriz de reali­ mentación que consigue situar todos los polos del sistema en .1 . Comparación de los resultados Para establecer una comparación en la eficiencia del control planteado en ambos casos. con tres y .

CONTROL POR REALIMENTACIÓN DEL ESTADO con dos entradas. aproximadamente. 1. Ej ercicios resueltos Dado el sistema: . se calculan las entradas. • Caso de realimentación con tres entradas Haciendo los cálculos pertinentes para calcular las entradas necesarias. una ve� más. puesto que con ello se tiende a disminuir netamente el consumo energético en la conse­ cución del objetivo de control. ocho veces mayor que en el caso de utilizar tres . Como puede verse en este caso. 5. se obtiene: Este conjunto de entradas realiza un consumo energético de: • Caso de realimentación con dos entradas Como en el caso anterior. se toma como mejor caso posible la entrada de mínima energía que lo conseguiría en ambas configuraciones. Para ello.274 CAPÍTULO 5.�--:-:-:---"":'7"7-� 8 G( 8) ( + 1 ) ( 8 + 2) (8 + 3) 6 . la con­ veniencia de utilizar todas las entradas disponi b les para realizar el con trol .6. obteniéndose: que resultan en un consumo energético de: Como resultado de la comparación se puede establecer. la penalización de utilizar sólo dos entradas resulta en un consumo. respectivamente.

con los polos en los lugares solicitados.(8 + 1)(8 + 2)(8 + 3 ) 1 O -11 ::::: --. � que a su vez ha de ser igual a: por lo que despejando: Ar = A + BK [j j j] U j j] U con lo que: 1 O -11 -6 = -6 + k 1 -8 = -11 + k2 -5 = -6 + k3 K= [ O 3 1 .6. para ver que realmente se puede efectuar el control solicitado: Q = matriz con rango(Q) = 3. por lo que serán necesarias tres variables de estado. es: [0 0 1 O 1 -6 1 -6 25 ] (8 2 + 28 + 2) (8 + 3 ) = 8 3 + 58 2 + 88 + 6 por lo que la matriz Ar del sistema realimentado es: A. EJERCICIOS RESUELTOS 275 y -3 El sistema es: diseñar el control por realimentación del estado que sitúe los polos en ( -1 ± j ) G( 8) que es un sistema de tercer orden.:---:.5. por lo que el sistema es totalmente controlable y se pueden situar los polos en los lugares pedidos.:----2 3 6 8 + 68 + 118 + 6 A continuación se estudia la controlabilidad del sistema. La ecuación característica objetivo. En este caso se eligen las variables de fase para la representación del modelo de estado: 6 .

utilizando el mayor número posible los polos del sistema duplican su valor. . dado que el sistema es de tercer orden. Dado el sistema de la figuro: u(t) � 1 Xl y(t) s+a X2 1 s+b 1 X3 s+c a) Obtener el modelo de estado del sistema. Justificar brevemente la inclusión o exclusión de cada una de ellas en el modelo. la entroda U2 (t) al estado [O B Bj T . calcular la entroda U (t) que conduce al sistema al estado [O O oj T al cabo de dos segundos cuando las condiciones iniciales son [ 1 1 oj T . K = [ -168 . con lo que todas son necesarias. todas ellas podrían incluirse en el mismo modelo simultáneamente puesto que son linealmente in­ dependientes entre sí. X2 entroda U(t) es nula duronte todo ese intervalo. puesto que todas ellas aparecen como salidas de un bloque en el qu� el nu­ merador es de orden menor que el denominador. sabiendo que la d) Si en el sistema sin realimentar la entrada UI (t) conduce al sistema al estado [A A oj T . ¿ Cuál sería el valor de los polos antes de realimentar? que al realimentarlo con: b) Dado el mismo sistema expresado en su forma canónica controlable.276 CAPíTULO 5. a) Las tres variables representadas en la figura pueden ser variables de estado. = = 1 . teniendo en cuenta que en los tres casos la entroda se aplica durante dos segundos y las condiciones iniciales son nulas. se observa de variables representadas en la figuro. En cuanto a la necesidad de incluirlas todas ellas. X3 = O. par­ tiendo de las condiciones iniciales X l 1 . CONTROL POR REALIMENTACIÓN DEL ESTADO 2. serán necesarias tres variables de estado para representar completamente al sistema. y la entroda U3 (t) al estado [O O cj T .78 -9 ] c) Calcular el estado del sistema sin realimentar al cabo de dos segundos. Además.

queda como: [ Xl2 1 �X3 == aXl Xl += bX2 == Xl -X2 X2 + CX3 = X2 -X3 X3 [ -a1 --b1 -O1 1 [ XX2l 1 + [ O1 1 O 1 -e X3 O u U b) Para calcular la forma canónica tenemos varias posibilidades. partir de ella.5. se calculará dicha función de transferencia y a. dada en la matriz Ar : 1 O Ar = [ -8(abeOO+ a + e) -4(ab+be+ae+2) . Así. es decir. el modelo de estado queda: que. La primera es. los coeficientes del polinomio característico guardan una relación con los del original. este método puede resultar laborioso. el modelo en la expresión solicitada. expresado en forma m�tricial. componer la matriz de cambio de referencia y realizar la transformación para dar la expre­ sión adecuada. Reduciendo el diagrama de bloques. partiendo del modelo de estado calculado en el apartado anterior. y aplicando las relaciones de Cardano-Vietta. Otra posi­ bilidad más sencilla es sintetizar la forma canónica controlable directamente a partir del sistema dado. a partir de la función de transferencia global del diagrama de bloques propuesto.6. se puede obtener el modelo del sistema expresado en la forma canónica controlable como: + + e) s + be + 1 (s) . todas las variables representadas en el diagrama son válidas y nece­ sarias. la función de transferencia global del sistema queda: G Dada esta expresión. EJERCICIOS RESUELTOS 277 Por tanto.s3 +(a +b+e)ss22 +((abb+be+ae+2)s+ abe+a+e _ Después de la realimentación. Sin embargo. Para ello.

la expresión más cómoda es la de la matriz A diagonal. y cuya resolución conduce a los valores de las raíces del polinomio antes de realimentar. En este caso. constantes y valores iniciales y finales de los coeficientes del polinomio característico. que se obtuvo en el apartado anterior. sólo es necesario conocer el valor de los polos y el estado inicial. simplemente realizando un cálculo sobre un polinomio genérico. e) La dinámica del sistema viene fijada por los valores de los polos del sistema.9 abe + a + e = 2 4 ab + be + ae + 2 = 26 a+b+e= 9 Despejando del sistema de ecuaciones reflejado se obtiene a = 2.(ab + be + ae + 2) . será preci130 calcular los autovalores de la matriz A.168 -4(ab + be + ae + 2) = . Así. b.78 -2(a + b + e) = (a + b + e) . b.(abe + a + e) . A2 = -3. y eso hace necesario conocer el valor de las constantes (a. que daría una matriz de transición muy sencilla y manejable. A3 = -4. e) . para adecuarlo al sistema de referencia elegido.278 CAPíTULO 5. nuevamente utilizando las relaciones de Cardano-Vietta: } } � con lo cual. b = 5. lo que sitúa los polos del sistema antes de realimentar en A l = -2. Se podría haber llegado al mismo resultado sin necesidad de haber calculado los valores de las constantes ( a. CONTROL POR REALIMENTACIÓN DEL ESTADO Si se aplica la relación Ar ecuaciones: A + BK. se puede suponer que el polinomio ca­ racterístico del sistema sin realimentar es. Cálculo de los vectores propios: . Para saber cuál será el estado del sistema con entrada nula y partiendo de un estado inicial. El único problema que esto plantea es la necesidad de realizar un cambio de base del estado inicial. e) . así como ser capaces de expresarlos en el mismo sistema de referencia. que se conocen como resultado del apartado anterior. e = 2. se obtiene el siguiente sistema de -8(abe + a + e) = . Para ello. tras la realimentación se tendría: por lo que de nuevo se puede plantear un sistema de ecuaciones que incluya la información de la realimentación.

6.1 = Xo = T .5 -0.V23 _ -2 V33 = 2 V31 = V32 V32 = -2V33 V3 = _ T.5 0.1 xo = con lo cual: 1 -1O1 -1 ] [ [O] 0.5 0.5.5 0. 1 -1 -1 1 [ O� -1. EJERCICIOS RESUELTOS >. = -3 =} >. = [ O1 t = 2 y devolviendo este vector al sistema de referencia 1 11 -1 .5 0. ] . = -4 =} Con lo que la matriz de transformación del sistema inicial a la expresión diagonal queda: T= Transformando las condiciones iniciales para pasarlas al nuevo sistema de re­ ferencia: [ O1 11 .5 Sustituyendo para inicial: x(2) Tx(2) = que es el valor del estado después de dos segundos expresado en el sistema de referencia inicial. -1� ] [ ��� ] [ O� ] V2 [ �1 ] [ =�O -1� � ] [ �:� ] [ �O ] [ �1 ] V12 = = Vl 1 = V13 O VI = [ � ] V23 = 279 = V21 = V22 V22 = .

4 . Se diseña un sistema electrónico que consta de 7 resistencias (3 de ellas no lineales) .5(e . x = [-� -� j= � � 1 [¡ : 1 [ O O O O O -2 O O O x+ - 3 O O O O �� es x = [1 1 1 1 1 j T .5(e .S) + sB + te = O 1 [ 1 [ 1 [ 1 O A +r A +s B +t O B ::::} ::::} e O O e . por lo que se puede alcanzar cualquier estado aplicando una combinación lineal adecuada de estas tres entradas.S) + rA = O 0.5(e . ] . Se plantea este hecho mediante la ecuación: x(2) = De donde se puede plantear un sistema de tres ecuaciones con tres incógnitas: [ 0. 5 condensadores (2 de ellos no lineales) y 2 fu entes de tensión regulables (variables de entrada) .4 + e . así como la existencia o no de la matriz A que caracteriza su comportamiento dinámico y de la matriz de transición <I>.e .5( e . b) Una vez linealizado el sistema en torno a un punto de equilibrio y eligiendo como variables de estado una adecuada combinación lineal de la tensión en los condensadores dada por la matriz T (uc = Tx.280 d) CAPÍTULO 5. se obtiene el siguiente modelo de estado: a) Indicar qué conclusiones se pueden obtener en cuanto al número de variables Si el estado del sistema en el instante inicial calcular el estado del sistema para t 1 si ambas entradas son nulas.S) 0. siendo Uc la tensión en los condensadores) .e .S + rA + sB = O 3. En este caso se pretende alcanzar el estado nulo.4 + e . Indicar si es posible la obtención de un modelo de estado de dicho sistema. CONTROL POR REALIMENTACIÓN DEL ESTADO Los tres estados a los que conducen las distintas entradas constituyen una base del espacio tridimensional.4 . _ ::::} .+ r = . Indicar si di­ cho estado puede alcanzarse desde condiciones iniciales nulas utilizando una combinación adecuada de entradas.e 4 2Ae s es = 4 2Be s t = e s ee 4 _ de estado.S) e-s 0. número de variables de entrada y número de variables de salida del sistema. aplicando una combinación de entradas tal que contrarreste el efecto de la evolución libre del sistema calculada en el apartado anterior.

se corresponden con los elementos que excitan al sistema. a) El número de variables de estado necesarias para la representación del sistema coincide con el de elementos acumuladores de energía presentes en él. ello�. la matriz de transición � no existe. Si bien es posible obtener un modelo de estado dado por unas ecuaciones dife­ renciales no lineales. 0 [ Y�:l l [ �1 �1 �1 0� �" �'J1 K = [ O1 01 0O 0O O0 ] x. estos elementos son los condensadores. El número de salidas puede ser cualquiera. no existe un criterio para fijarlas salvo su disponibilidad para ser medidas. de forma que serán necesarias cinco variables de estado para la representación del sistema. En cuanto a las entradas. puesto que. dado que las resistencias son elementos pasivos. se efectúa una realimen­ taci6n de éste mediante la matriz: calcular la posici6n de los nuevos polos que definen el comportamiento dinámi­ co del sistema. De esta forma: x(i) � �( l)x(O) � [1 e-2 O O O O e-3 O O O O e-2 O O O O . la matriz � se puede hallar de forma muy sencilla. EJERCICIOS RESUELTOS 281 c) Si las salidas del sistema son: calcular una base del subespacio no-observable e indicar si existen estados cuya evoluci6n libre dé lugar a salidas permanentemente nulas. salvo que se linealicen las ecuaciones que rigen su comportamiento. b) Dada la expresión de la matriz A. la matriz A sólo existe para sistemas lineales. En el caso propuesto. indicando la existencia o no de los distintos subsistemas y la dimensi6n de cada uno de. Suponiendo accesibles todas las variables de estado. el cálculo del estado al cabo de un cierto tiempo con entradas nulas es muy sencillo. obtenida por linealización en torno a un punto de equilibrio.5. por la presencia de elementos no lineales. en este caso las fuentes de tensión que son dos. Por otro lado. por lo que no existe para el sistema propuesto. d) Calcular la matriz de cambio de base para realizar la descomposici6n del sis­ e) tema según Kalman.6. al ser la matriz A diagonal.

0 · 0 [ O -1 O 1 O -1 O 1 O 1 -2 -2 4 4 -8 -8 16 16 1 -3 -3 9 9 -27 -27 81 81 . desde condiciones iniciales nulas. se comienza por calcular la ma­ triz P: 1 P= donde rango(P) = 5. d) La matriz de cambio de base es la matriz identidad: 1 O O 1 1 O O 1 O O 1 O O O O O -1 -2 . dado que la base del subespacio controlable tiene para todos sus vectores las dos últimas compo­ nentes nulas.0 O 0 0 0 O O O O 0 O 0 0 0 O O O O matriz que tiene rango(Q) = 3.3 O O -2 O O O O O -3 O O 9 O O 1 4 O 4 O O O O O 9 O O O . Además. no será posible alcanzar el estado propuesto. por consiguiente no existen estados que tomados como iniciales den lugar a trayectorias de evolución libre permanentemente nula. exceptuando el origen. por lo que no existe subespacio no-observable. se halla. la matriz Q: 1 1 Q= 1 . por lo que no será posible alcanzar un esta­ do arbitrario. sobre si el estado propuesto se puede alcanzar desde condiciones iniciales nulas con una entrada adecuada.1 -8 -27 O O -8 O O O O O -27 O O O 1 16 81 O O O 16 O O O O 81 O O TK = 1 [� � O 1 O O O O O 1 O O O O O 1 O . por tanto. la respuesta pasa por determinar la controlabilidad del sistema. e) Para hacer todo el estudio de observabilidad. CONTROL POR REALIMENTACIÓN DEL ESTADO En cuanto a la segunda parte de la pregunta.282 CAPíTULO 5.

EJERCICIOS RESUELTOS 283 Como puede comprobarse. puesto que la matriz T K coincide con la ide�tidad. mientras que ( X4 .. X5 ) forman el sub. -3) . -3 .6. �spacio no controlable y observable. se aplica la fórmula gerieral: Ar = A + BK = con lo que la nueva situación de los polos del sistema es (O . no habiendo lugar para ningún otro. no existe transformación como tal. las variables ( X l . Dado el sistema de la figura: [: -: O O O O O O -3 O O -2 O O O O O O O O -3 . [ �1 !2 ] [ :: ] b) Suponiendo que la salida del sistema es YI = X3 . Po� lo �apto.subsistema controlable y observable. dentro del sistema en su expresión inicial. fo�m� eí . Y2 = X4 : 1) ¿Es observable el estado IV ? a) 1) ¿ Es alcanzable desde condiciones iniciales nulas el estado x = 2) ¿Es alcanzable desde condiciones iniciales nulas el estado x = ¿ Cuál es el mínimo número de entradas necesario para conseguirlo ? [ 1 1 1 IV ? [1 1 O OJT ? [1 1 1 . 4. e) Para calcular la nueva posición de los poios una vez aplicada la realimentación. X3 ) .5. -1. X2 . -. [ � � ] . -2..

linealizándolas en torno a un punto de funcionamiento. pudiendo utilizarse cualquiera de las dos. Ej ercicios propuestos Se tiene u n sistema hidráulico con cinco depósitos interconectados entre sí. se ob­ tiene que para pequeñas variaciones su comportamiento dinámico se ajusta . puesto que: matriz cuyo rango es dos. 2 ) Un subsistema observable es el compuesto por las variables X3 . no puede alcanzarse [1 1 1 lI T desde condiciones iniciales nulas. X 2 son independientes de la salida. c) Puesto que sólo es controlable el subsistema X l . en el que las matrices A y B ya están expresadas en la forma canónica controlable: de donde se obtiene: K = [ -99 O . por lo tanto. ningún punto del sistema es observable. solamente pueden fijarse los polos de este subsistema. CONTROL POR REALIMENTACIÓN DEL ESTADO c) Suponiendo accesibles todas las variables de estado. X 2 . 1. Se obtiene su representación de es­ tado a partir de las ecuaciones del sistema. alcanzable con una sola entrada. diseñar un control por realimentación del estado que sitúe el máximo número posible de polos del sistema en -10. El estado propuesto es. no se pueden observar sus valores y. 2 ) Hay que ver el subespacio controlable de la parte superior: 1) sí que es alcanzable. por tanto. 7. X4 están independizadas de la entrada. a) Al intentar identificar el sistema sobre su punto de funcionamiento.284 CAPíTULO 5. 2) Hallar un subsistema observable a) Puesto que las variables X3 .18 0 ] 5 . tenien­ do un único caudal controlado externamente y siendo su única salida medible el volumen de agua en uno solo de los depósitos. X4 . b) 1 ) Puesto que X l .

a partir de los cuales la evolución libre del sistema sea idéntica.7. b) Comentar si en este sistema existen estados distintos del origen. Comentar qué conclusiones se pueden obtener respecto a su controlabilidad y su observabilidad. así como res­ pecto al número de polos y su relación con la dimensión de la matriz A de su representación de estado.5. que responde a la ecuación X l O. dibujar un esquema de reali­ mentación del estado que sitúe todos los polos del sistema en diez veces su valor original. y el subespacio no-observable de dimensión uno. a partir de los cuales la evolución libre del sistema dé lugar a que la salida sea perma­ nentemente nula. = = = = = d) Si el sistema parte de un estado inicial Xo e) [1 1 1 1 l]T Y mediante entrada UI llega a un estado final X l en un tiempo t¡ . = Suponiendo accesibles todas las variables de estado del sistema (se pueden medir los volúmenes en todos los depósitos). se calcula el subespa­ cio controlable de dimensión cuatro. . Indicar la existencia o no de dichos subsistemas. EJERCICIOS PROPUESTOS 285 perfectamente a un sistema de cuarto orden. que responde a las ecuaciones X l X 2 X3 X4 o. Obtener una matriz de cambio de base que separe el sistema total en sus dis­ tintos subsistemas dados por el teorema de Kalman. e) Partiendo de la representación de estado del sistema. así como su dimensión. comentar en qué casos se puede asegurar que existe una entrada que lleve al sistema desde el estado X l hasta el estado Xo en un tiempo tI . Comentar igualmente si pueden existir dos estados iniciales distintos.

.

1 : Concepto de observador. O bse rva d ores d e l esta d o Introducción En el capítulo anterior se estudió la estructura de la realimentación del estado de un sistema. 1 . en el caso más genérico. cuyo esquema se muestra en la Figura 6. que son sus salidas y sus entradas. Figura 6. El conjunto de las variables que pueden calcularse a partir de las entradas y salidas del sistema forman. como se sabe. 1 . en el que se supuso que todas las variables de estado de la parte controlable eran medibles y cuyos valores podían utilizarse de forma inmediata en dicha estructura de control. variables internas de funcionamiento del sistema cuyos valores no pueden medirse directamente sobre magnitudes físicas de éste. Las variables de estado son. los valores de las variables de estado que se desea conocer para efectuar la realimentación han de ser calculados a partir de la evolución de las señales conocidas del sistema.6 6. El cálculo de las variables de estado se realiza en el sistema denominado observador. sin embargo. el subsistema observable. En este caso general. que en todo momento es capaz de estimar los valores de las variables de estado 287 .

procediéndose a continuación a su diseño para el cumplimiento de dichas características'.1 . Figura 6. Las variables que. en este capítulo se supone que se está trabajando con la parte observable del sistema. en la que los valores de las variables realimentadas se estiman previamente para proceder a continuación a su realimentación. Por último. caracterizado por una matriz C invertible. pertenecen al subsistema controlable son las que pueden utilizarse para la realimentación del estado en una estructura de control como la de la Figura 6. tanto en sistemas monovariables como multivariables. Para la realización de un observador. dicho de otra manera. .288 CAPíTULO 6. Por tanto. en el que se considera de forma conjunta con una realimentación del estado. invariante y observable: x(t) y(t) = Definición d e observadores Ax(t) + Bu(t) = Cx(t) El esquema general de un observador es el representado en la Figura 6. OBSERVADORES DEL ESTADO reales del sistema.2: Sistema con observador y realimentación. existe un caso trivial en el que las salidas son una combinación lineal de las variables de estado. en el que éste proporciona una medida o estimación dinámica de las variables de estado del sistema a partir de la evolución de sus entradas y salidas.2. como en el caso del control por realimentación del estado.2. además de poder observarse. En este capítulo se definen las características deseables de estos sistemas observadores. se supone que se trabaja con la realización mínima del sistema. que son necesarios para su control según la matriz de realimentación del estado vista en el capítulo anterior. se determina la in­ fluencia de la dinámica del observador en el comportamiento total del sistema conjunto de la Figura 6.2. que además se supone también controlable para ser utilizada en una estructura de control. 6. Dado un sistema lineal. estableciendo la independencia en el cálculo del observador y de la matriz de realimentación del estado.

según la Ecuación 4. y hace falta construir un sistema observador con dinámica que estime la evolución actual de cada variable de estado a partir de la evolución temporal de las salidas y de las entradas. to) = ¡totI �T(r. Si por el contrario se desea obtener de forma continua la evolu­ ción de las variables de estado del sistema en cada instante. sin embargo.1 (tl' to) ¡tot I �T(r. (to) = x(to).2 . to)dr (t) = y(t) . El estado del sistema se puede calcular haciendo uso del gramiano de observabilidad. invariante y observable: x(to) = V.para cualquierambos sistemasaplicada sobre instante posteriorxexe(t) = entonces los estados coinciden para todo x(t) entrada u(t) el sistema. DEFINICIÓN DE OBSERVADORES 289 En este caso el observador del estado se resuelve simplemente invirtiendo esta matriz: = (6.2) (6.¡t C(t)�(t. y que responde a las condiciones enunciadas por el siguiente teorema: Dado un sistema lineal. el número de salidas es mucho menor que el número de va­ riables de estado. r)B(r)u(r)dr . 2. 1 ) En general.4) x (t) = Ax(t) + Bu(t) y(t) = Cx(t) se dice que el sistema definido por las ecuaciones: xe(t) = Fxe(t) + Gu(t) + Hy(t) es un observador del anterior. que tiene que ser evaluada cada cierto tiempo para obtener un estado anterior del sistema. Si los estados de coinciden en un instante to.3) (6.8 que se reproduce de nuevo a continuación: x(t) C .x(t) = O .1 y(t) siendo: Este procedimiento para obtener el estado del sistema conlleva el cálculo de una in­ tegral definida. to)CT(r)C(r)�(r. si verifica las dos condiciones siguientes: 1. to)CT(r)y(r)dr V(t¡.D(t)u(t) y ito (6.6. -+oo tlím xe(t) . :xe (t) debe tender asint6ticamente al estado x(t) para cualquier entrada u(t) y para cualesquiera estados iniciales xe(to) y x(to). se implementa un sistema dinámico que tiene como entradas las entradas y salidas del sistema.

para que los estados coincidan en todo instante se debe cumplir: Xe (t) .HC) (xe (t) .9) Xe (t) .HC es significativamente menor que la de los valores propios de la matriz A.2 para el cálculo de la matriz de realimentación del estado. que representan los polos del observador y determinan de forma Si los estados iniciales no coinciden.Ax(t) + HCx(t) F = A . los estados deben coincidir en todo instante.6) (6.Xo .B)u(t) + HCx(t) se deduce que: • (6.8 con la matriz F libremente elegida.8 representa n x n ecuaciones con sólo n x p incógnitas (elementos de H) . puedan ser utilizadas de forma eficaz como una buena estimación de las variables de estado en la realimentación del estado del sistema. como se verá en este capítulo. ante cualquier entrada. la dinámica de la diferencia entre las variables estimadas y las variables de estado viene gobernada por la matriz A . Aquí cabe plantearse si la dinámica del observador determinada por F puede fijarse libremente.8) (6. el estado estimado debe tender asintóticamente al estado del sistema. por lo que los valores propios de la matriz A .5 queda: (6.. • Adicionalmente. se sabe que si se parte de un mismo estado inicial.5) Por la primera condición. Esto se consigue si la parte real de los valores propios de la matriz A . Al igual que sucedía en la Sección 5.Ax(t) + ( G .HC deben estar en el semiplano negativo. en la práctica se necesita que la dinámica del observador dado por F sea más rápida que la del sistema dado por A.e una matriz H que satisfaga la Ecuación 6. .X (t) = Fxe (t) .x(t)) Como puede observarse de esta expresión. Así. Sin embargo. para que el observador estime las variables de estado más deprisa que la variací6n de éstos y.He .7) (6. OBSERVADORES DEL ESTADO Estas dos condiciones imponen diversas restricciones a las matrices del observador. puesto que la Ecuación 6. XeO #.x(t) = Fxe (t) . de manera que exista siempr.290 CAPíTULO 6.x(t) = (A . sí se pueden fijar libremente los n valores propios de la matriz F.7 pasa a valer: Dada esta ecuación. la matriz F no puede fijarse libremente. por tanto. si se forma la diferencia entre la evolución del estado del observador y del sistema: Xe ( t) . Para que la entrada no influya en la diferencia entre ambos se debe cumplir: G=B con lo que la Ecuación 6.HC con lo que la Ecuación 6.

3. que consigue..6. [ B ] u(t) O (6. siendo las restantes n x ( n .8 quede reducida a n x p ecuaciones compatibles. analizar la controlabilidad del sistema con el observador de forma conjunta.He x e (t) . por lo que se puede hocer una separación de la parte no controlable. (6. mediante el cambio: ( x:(t) .O A . que los elementos de· F 'Y de A estén directamente relacionados con los polos del sistema observador y del sistema.14) x t) xJ(¡tV T xe. C omp ortamiento del conj unto sistema-observador El objetivo final de la utilización de un observador es diseñar un control por realimen­ tación del estado a partir del estado estimado . O X(t) xe (t) . por tanto. y.8 en URa base del espacio de estado adecuada. el conjunto formado por los dos grupos de variables es no controlable.13) [ ] [ _ ][ ] [ ] Como puede verse fácilmente. 6. por una parte. tanto antes de realizar la realimentación del estado como después.15) .11) o escrito en forma matricial: B A O x(t) x(t) (6.3.x(t) . 6.(t) . Para ello será importante expresar la Ecuación 6. 1.x(t) _ Ecuación de la que pueden extraerse las siguientes conclusiones: [ ] [ 1 [ -1 O1 ] [ ] [ _ ] ][ ] '+.HC A . que la Ecuación 6. Si se estudia la: 'éóntrolabilidad del sistema conjunto.p) ecuaciones identidades independientes de los valores de H.HC xe (t) + B u(t) cuya representación gráfica se observa en la Figura 6. respectivamente.HC)xe (t) + Bu(t) + HCx(t) (6. Dado que se parte de que el sistema inicial es controlable. x(t) .x(t) _ _ Con lo que la nueva expresión de la ecuación de estado es: ' x(t) A . mediante la construcción de la matriz Q: (6. 10) (6.3. COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291 muy importante su dinámica.12) xe (t) . por otra. Cabe. Sin realimentación del estado Las ecuaciones tanto del sistema inicial como de su observador son: X(t) = Ax(t) + Bu(t) xe (t) = (A .3. calculando los n x p elementos que forman la matriz H. el rango de esta matriz sigue siendo n.

no hay que olvidar que no es posible realimentar x(t) . Sin embargo.x( t) = <J>A-Hc (t. como cabe esperar de las condiciones impuestas en la definición del observador. sólo a la del sistema observado. si el estado inicial para las variables reales y para las estimadas es el mismo.3: Esquema del sistema con observador. to ) (xeo . y tenderá a cero. La evolución de la parte no controlable es: Xe (t) . si siendo el estado inicial distinto. sino xe (t) .xo ) • (6. • El hecho de realimentar el estado x(t) no afecta a la dinámica del observador. • La parte no controlable es la diferencia entre el estado estimado y el estado real: actuando sobre la entrada no se modificará el comportamiento de esta diferencia.292 CAPÍTULO 6. OBSERVADORES DEL ESTADO Figura 6. los valores propios de la matriz A . 16) que corrobora lo ya conocido: será cero. al no tener acceso a estas variables. . el conjunto de variables estimadas.He tienen parte real negativa.

6.3.

COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR
Con realimentación del estado

293

Partiendo del esquema del sistema con observador representado en la Figura 6.3 y teniendo en cuenta que la realimentación se realiza utilizando el conjunto de variables estimadas, el esquema del sistema con realimentación queda como se ve en la Figura 6.4.

6.3.2.

Figura 6.4: Sistema con observador y realimentación del estado. Las ecuaciones del sistema realimentado son:
=

w(t) u(t) x(t) xe(t)

=

=

=

Kxe(t) r(t) + w(t) Ax(t) + B(r(t) + Kxe(t)) = Ax(t) + BKxe(t) + Br(t) (A - HC)xe(t) + BKxe(t) + Br(t) + HCx(t)

(6.17) (6.18) (6.19) (6.20)

Que escritas en forma matricial resultan:

X(t) X(t) B BK A [ xe(t) ] = [ HC A - HC BK ] [ xe(t) ] + [ B ] r (t) +

(6.21)

294

CAPÍTULO 6. OBSERVADORES DEL ESTADO

Si se estudia la controlabilidad del sistema conjunto, mediante la construcción de la matriz Q: Q

B (A + BK)B (A + BK)2B - [ B (A + BK)B (A + BK)2B
_

. .

. .

. .

(A + BK)n-lB (A + BK)n-lB ]

(6.22)

se observa claramente que el sistema es no controlable. Dado que por hipótesis de partida se supone que el sistema inicial es controlable, el rango de la matriz de controlabilidad es n. Así, se puede realizar la separación de la parte no controlable para el sistema conjunto, mediante la transformación descrita en la Ecuación 6.14:

X(t) 1 x(t) = [ -1 O1 ] [ xe(t) ] = [ xe(t)x(t)x(t) ] _

Con lo que la nueva representación de la ecuación de estado conjunta es:

[ xe(t)x(t)x(t) ] = [ A +OBK A BK ] [ xe(t) x- x(t) ] + [ B ] r(t) O De esta expresión se pueden extraer fácilmente las siguientes conclusiones:

-H

e

(6.23)

La parte no controlable sigue siendo la diferencia entre el estado estimado y el estado real. La estimación del estado no se modifica por la existencia de la realimentación, como ya se anticipó. La dinámica del sistema realimentado viene marcada por la expresión:

x(t) = (A + BK)x(t) + BK(xe(t) - x(t)) + Br(t)

(6.24)

donde se puede apreciar que el sistema realimentado con observador se compor­ ta de forma similar al sist��a reali�entado sjn observador, salvo en el término que tenderá a cero en función de la dinámica del observador.

BK(xe(t) - x(t)),

Los polos del observador van a aparecer como ceros del sistema realimentado, por lo que se tiende a que su valor sea claramente superior al de los polos del sistema observado. De esta forma, su efecto sobre la dinámica del sistema se ve minimizado; llega incluso a ser despreciable en el caso de que se encuentren lo suficientemente alejados del eje imaginario en relación con los polos dominantes. Esto, sin embargo, ,se consigue a costa de manejar una matriz H con coeficientes considerablemente grandes (como se verá a continuación en la sección dedicada a su cálculo) , hecho que presenta el inconveniente de hacer al observador muy sensible a cualquier ruido en la observación que pueda presentarse añadido a la variable 0e salida este ruido magnificado se usa como entrada al sumador donde se define perjudicando la y, al ser integrado, aparece como un error acumulativo en calidad de la estimación.

xe

y(t);

xe,

6.4. CÁLCULO DEL OBSERVADOR EN SISTEMAS MONOVARIABLES

295

Es necesario encontrar un compromiso entre la posición de los ceros del sistema y la sensibilidad del observador al ruido presente en la medida de la salida, por lo que se debe llegar a soluciones alternativas. En este caso, se recurre al observador óptimo; sin embargo, su obtención implica utilizar técnicas propias de optimización, lo que hace que quede fuera del alcance de este libro. La solución que se adopta en este texto es por tanto la de utilizar dinámicas arbitrariamente rápidas, remitiendo al lector a textos de optimización para la consecución del observador óptimo. El objetivo de este apartado es, dado un sistema lineal, invariante, observable y mo­ novariable, diseñar un observador que estime el estado. Conocidas las matrices A, B y C del sistema, y según se vio en la Sección 6.2, el observador debe cumplir: negativo y, además, de parte real significativamente menor que los valores propios dominantes de la matriz A o Ar, en el caso de un sistema con realimentación del estado. El objetivo es calcular H de forma que se cumplan las anteriores condiciones. La representación del estado estimado obtenido dependerá de la representación del estado elegida para expresar las matrices A, B y C . Al igual que sucediera con el mecanismo elegido para diseñar la realimentación del estado, es interesante elegir una representación que simplifique los cálculos. Así si se elige la llamada forma canónica observable, en la que para un sistema con función de transferencia genérica, donde, sin pérdida de generalidad, se ha fijado el orden del numerador igual al orden del denominador 1 :
-

6.4.

Cálculo del observador en sistemas monovariables

. G=B F = A HC, siendo H tal que los valores propios de F deben estar en el semiplano

C(s)

=

bn s n + bn _ l s n- l + s n + an _ 1 S n- l +
.

.

.

.

.

+ ba + aa
.

Y(s) = U(s )

(6.25)

la representación de las ecuaciones de estado en la forma canónica observable se puede expresar como:
Xl X2 Xn- l xn

O O 1 O O 1 O O

O O O 1

-aa -al -a2 -an- l
n,

Xl X2 + Xn - l Xn
n,

1 En cualquier caso, se puede alterar el orden del numerador sin más que hacer que todos los coeficientes por encima de uno dado se anulen, es decir:

3m <

"1m < i ::;

bi

=

O

[� 1
b" � bl - bnal ·
-

(6.26)

bn- l - bnan- l

296

CAPÍTULO

6.

OBSERVADORES DEL ESTADO

y= [ O O ... O

1]
X n- l Xn

(6.27)

donde se observa que A es la transpuesta de la que se utilizaba para expresar el sistema en variables de fase. Siendo: (6.28) el polinomio característico calculado para el observador a partir de la posición elegida para sus polos, la matriz F = A - HC que representa la dinámica del observador será de la forma: o O 1 O O 1 O O O O 1 O O 1 O O O O 1 O O 1 O O O O O -lo
- JI

F = A - HC

- 12
- In- l -ao -al -a2 -an- l - ( ao + hl ) - ( a l + h2 ) - ( a2 h 3 ) hl h2 h3 hn

1
O O O

[ O O ... O

1]=

1
O O O

1

"- (a n- l

De esta forma, variando los elementos de la matriz H, es posible fijar el valor de los coeficientes del polinomio característico del observador y, por consiguiente, la posición de sus polos, que determinan su dinámica. En resumen, los pasos a seguir son:

�)\ + hn

+

(6.29)

Expresar el sistema en su forma canónica observable; para ello es necesario determi­ nar la matriz de transformación, mediante el método que se describe en el siguiente subapartado .
.

Determinar la posición que deben ocupar los polos del observador y obtener, a continuación, los coeficientes de su polinomio característico (In , In-l , . . , lo). La

6.4. CÁLCULO DEL OBSERVADOR EN SISTEMAS MONOVARIABLES

297

posición elegida para dichos polos dependerá de la posición de los polos del sistema, de forma que la dinámica del observador sea significativamente más rápida que la del sistema observado.

Calcular los elementos de la matriz H a partir de los coeficientes del polinomio característico de F y del polinomio característico de A, según las siguientes expre­ siones deducidas de la Ecuación 6.29:

+ -ao + Jo -al JI hn = -an- l + Jn- l
hl h2

= =

(6.30)

Figura 6.5: Esquema des sistema con observador en la forma canónica observable.

Montar el observador según la Figura 6.5 permite obtener una estimación del estado expresado en la forma canónica observable, a partir de las matrices B, F y H anteriormente calculadas.

Obsérvese que todas las matrices involucradas en el esquema de la Figura 6.5 están expresadas en la forma canónica observable.

298

Ejemplo 6 . 1

CAPÍTULO 6 . OBSERVADORES DEL ESTADO

Se supone el caso del Ejemplo 5.2, en el que se diseña un control por reali­ mentación del estado para el sistema:

para este sistema. La primera elección es la posición de sus polos: en este caso, para garantizar una dinámica lo suficientemente rápida, se sitúan todos ellos en 8 1 , 2 , 3 = -10, resultando un polinomio característico: con lo que la matriz del observador es:

8 1 , 2 = -1 ± j y 8 3 = -10. Se pretende ahora diseñar un observador del estado
G (8)
_

38 + 6 - 8 3 + 38 2 + 78 + 1

mediante el que los polos en cadena cerrada del sistema se han situado en

Po (8) = (8 + 10) 3 = 8 3 + 308 2 + 3008 + 1000
F=
A

siendo las matrices del sistema en la forma canónica observable:

[

O O -1000 1 O -300 O 1 -30

1

O 1 -3 B= [ O 0 1 ]
,

=

Sabiendo además que léffor ma de la matriz H es: H=

[ � � =� 1 [ 1
hu h21 h31

se puede plantear la ecuación de la que se despejan sus elementos:

6 . 4 . CÁLCULO DEL OBSERVADOR EN SISTEMAS MONOVARIABLES

299

resultando:

En este caso se puede observar el efecto comentado de cómo, al imponer una dinámica muy rápida en el observador, los elementos de la matriz se hacen muy grandes, ampliando mucho los errores de medida que se puedan presentar en la salida.
6.4. 1 . Cálculo de la matriz de transformación

= [ 999 1 H 2ii =

H

En este apartado se calcula la matriz de transformación que permite obtener la re­ presentación del estado en la forma canónica observable, x(t) , a partir de cualquier otra, x(t) : x(t) Tox(t) (6.31) Para ello se parte de la matriz de observabilidad P, que posee inversa por ser el sistema observable: (6.32) pudiéndose demostrar que la matriz T o buscada se construye de la siguiente forma: (6.33) Obsérvese que, en el esquema del observador representado en la Figura 6.5, todas las matrices del sistema involucradas en el cálculo del observador (A, B, C) están expresadas en la forma canónica observable; por tanto, las variables estimadas por el observador, xe , están expresadas en dicha base. Si se desea estimar las variables de estado en la base original, se introduce la matriz T o en serie con el observador, según se puede apreciar en la Figura 6.6. Debe tenerse en cuenta que, en dicha figura, la matriz de entrada del observador, B, viene expresada en la forma canónica observable, según se ve en la Figura 6.5, pero que ahora se renombra para indicar que, dado que rara vez el sistema vendrá expresado en esta base canónica, será necesario calcularla a partir de la matriz B original del sistema mediante la matriz T o obtenida mediante: (6.34) Uno de los principales objetivos en la estimación del estado es su uso para la reali­ mentación del sistema. Para ello, y según se vio en el anterior capítulo, es necesario expresar el estado en la forma canónica controlable. Para tal fin es necesario calcular la matriz de transformación Teo que relaciona la forma canónica controlable, xc (t) , con el estado estimado expresado en la forma canónica observable, xe :

300

CAPÍTULO

6.

OBSERVADORES DEL ESTADO

Figura 6.6: Sistema con observador y matriz de transformación. Esta matriz Tea se puede calcular a partir de las matrices T a este subapartado y en la Sección 5.3.2 mediante:
Xc y

T e obtenidas en

-

= T- 1 Xc = Te 1 T a Xea e

(6.35) (6.36)

con lo que:

según puede verse en la Figura 6.7. Obsérvese que, en dicha figura, la matriz :K e realimenta las variables de estado en la forma canónica controlable y el observador estima el valor de las variables en la forma canónica observable.
6.5.

bles

6 Cálculo del observador e n sistemas mult ivaria­

Los razonamientos planteados para el caso monovariable se pueden extender a un sis­ tema multivariable, lineal, invariante y observable, con n variables de estado, m entradas

37) (6.6. obteniéndose las siguientes expresiones para sus matrices A y e: A e Apl Ap2 [ e l e2 [ AH Al2 A2 1 A 22 . ésta sería consecuentemente supri­ mida como variable de salida en las ecuaciones de estado del sistema. Si alguna de las variables inicialmente consideradas como variable de salida no se utilizase. quedando finalmente un vector de salida de dimensión p. A 2p . App ep ] 1 (6. . CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 301 r (t ) Te o Figura 6. 6. . . . Este sistema se puede expresar en función de la denominada forma canónica obser­ vable. A .. y p salidas. . .7: Esquema des sistema con observador y realimentación en espacio de estado transformado. .5. Se supone que todas las variables de salida del sistema se utilizan como entrada al observador para estimar el estado del sistema.38) .

42) lo F = A . con el significado mencionado anteriormente. .39) de dimensiones ni x ni .43) 1 . :. a la hora de calcular la matriz T o de la forma canónica observable. A ij = [ O .+1 0"i O -aO"i -ni+ 2 0"i O -aO"i -n. .i +. O O . según se verá con detalle en el siguiente subapartado.+ 3 0". .HC = . O de dimensiones p x ni .p (6. O -0!0"i -ni +2 0"j : . +.40) de dimensiones ni x nj .302 CAPÍTULO 6 .In .12 (6. OBSERVADORES DEL ESTADO donde las distintas submatrices involucradas tienen las siguientes expresiones: o O 1 O O 1 O O O -aO"i -n. . Si se plantea un observador del estado con una matriz de dimensiones n x p definida como: H= siendo la dinámica deseada para dicho observador la representada por: O O 1 O O 1 O O O O O -f¡ - [� h l hp hn1 hnp � 1 H (6.1 +. : . . Su valor se elige.41) 1 O O Ci+ 1 0". siendo ni el número de variables de estado que son estimadas con la salida i-ésima.l . O Ci = O O O O O Cp 0". En las anteriores expresiones p representa el número de salidas utilizadas para la implementación del observador.O!O"i O"j • . 1 -a O'i Ui Aii = (6. • • 1 (6. . O -0!0"i -ni + 1 0"j O .i + 1 +.

49) en caso contrario Cada uno de estos sistemas siempre posee solución. + np = n 1··· i (6. . (jtCTj = { O1 1 . . CALCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 303 es posible construirlo.hi 3 C3 CT2 .hipCp CT2 1· i O h dp] nI + .. . cada fila de la matriz H sólo influye en la respectiva fila de la matriz HC.hipcp CTl (ji CT2 = -ai CT2 .47) (6.5.44) se aprecia que la diferencia entre las matrices A y F radica solamente en las últimas columnas de cada bloque.6.48) si aj = i (6 .efecto. el resto son ceros. . . por lo que por comodidad de representación. p) que son: [O hil + hi2C2CTl + .HC produce n sistemas (i = con p incógnitas ( hij con j = .) + + 1 -QCTp -np+ l CTp -QCTp -np + 2 CTp -aup Up El cálculo del observador F = A . D.. . El resto de la estructura es idéntica. . .hi1 . Además.nI +2 CTl O O O O -QCTp -np + l CTl O -QCTp -np +2 CTl O -QCTp CTl 1 O O O O O O O O O O -QCTl -nI + 1 CTp -QCTl -nI +2 CTp -QCTl CTp -QCTl CTl 1 (6.45) n) de p ecuaciones (6. En .46) (6. Se recuerda que: donde: . se considera la fila i de la matriz HC: (AHC) ( i .hi2C2CTl . . pudiéndose obtener los valores incógnitas de la matriz H resolvien­ do n sistemas de p ecuaciones con p incógnitas cada uno. + hipCPCTl (ji CTl = -aiCTl . visualizando la expresión global de la matriz A expresada en la forma canónica observable: o O A= 1 O -QCTl -nI + 1 CTl O -QCTl .hi2 . el producto HC sólo tiene elementos no nulos en la última columna de cada bloque. pues la matriz del sistema es trian­ gular con elementos unidad en la diagonal superior. . . Por otra parte.) = A( i . y sin pérdida de generalidad.

a 24 -a 34 -a44 ] O O O -JO 1 O O -f¡ O 1 O . siendo además la aportación de cada salida al observador n I = 2. las matrices del sistema expresadas en la forma canónica observable son: = -a 1 2 .a22 -a 32 -a 42 OO1 O -a 14 La forma deseada para la matriz del observador es: F= [ C22 1 O O O 1 ] . que es el coeficiente del polinomio característico del observador cambiado de signo.304 • CAPíTULO hij es el elemento de la matriz 6.au. que se encuentra en la fila O"i y columna O"j . fila i columna j .l es el elemento de la matriz del observador. Supóngase un sistema con n = 4 variables de estado y p 2 salidas. cuyo ordinal es O"j . • • H. OBSERVADORES DEL ESTADO . fila i y última columna.h . Teniendo en cuenta que 0"1 = nI = 2 y 0"2 = nI + n2 = 4. n2 = 2 .12 O O 1 -fa ] Las incógnitas que se desea obtener son los elementos de la matriz H: . . Uj e s el elemento d e l a matriz A expresada e n l a forma canónica observable. Ejemplo 6.2 • Ciuj es el elemento de la matriz e que se encuentra en la fila i y en la última columna del bloque j.

hll .h12C22 .12 . se supone que el sistema es observable.h4 2C22 [� hll h12C22 h21 h22C22 h 3 1 h12C22 h 4 1 + h12C22 + + + oo o O h" h22 h 32 h42 1 oo oo -a14 -a24 -a34 -a44 .13 .hll .h4 1 .13 = -a44 .a32 .5.h32C22 . Además. En caso contrario será necesario realizar una sepa­ ración de la parte observable. Efectuando F = A . Cálculo de la matriz d e transformación Para obtener la matriz T de transformación que representa el estado según la forma canónica observable en sistemas multivariables.h21 .h12 .h42C22 .h22 .h4 2 1 Fila 2 Fila 3 Fila 4 => => 1 Que se resuelve como 4 sistemas de 2 ecuaciones y 2 incógnitas cada uno. teniendo en cuenta únicamente dicha parte del sistema para .6. 6. CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 305 Con lo que el producto He es: He Donde se observa que la matriz producto sólo tiene elementos no nulos en la última columna de cada bloque.h21 .h31 .h4 1 .h3 1 .h12C22 .h 32C22 .h32 0 = -a42 .h22 = . cada fila de la matriz H sólo influye en la respectiva fila de la matriz He .h22C22 .h12 0 = -a22 .He: [ 1 hll h21 h31 h4 1 h" h22 h 32 h4 2 [ oo C22 1 oo � ] -a12 -a22 -a32 -a4 2 De donde se obtiene el siguiente sistema de ecuaciones: Fila => => o�o o�1 o�1 =j� 1 [ oo� [ 1 .. 1.5.12 = -a34 .Jo = -a1 4 . a partir de cualquier otra representación. t::.h4 2 O = -a12 .h3 2 .h22C22 -f¡ = -a24 .

. existen distintos conj untos de vectores fila que cumplen esta condición. a continuación. Por tanto. . . rango(P) = n. con lo que se desaprovechan sus posibilidades de estimación del estado. Primeramente. . se eligen n filas linealmente independientes de P. ci A. agrupándose según la pertenencia a cada salida. una buena alternativa es elegir las primeras filas linealmente independientes de P. forzando el comportamiento del observador para conseguirlo. Ta. se forma la matriz de observabilidad: (6. en géneral e's conveniente elegir un número equilibrado de filas asociado a cada salida. eligiendo siempre para cada salida las primeras filas asociadas a dicha salida Ci . Por el contrario.50) donde Ci representa la fila i-ésima de la matriz C. significa que esa salida servirá para estimar muchas variables de estado. ésta no se utilizará en el observador del estado que se está diseñando. ci A ni .306 CAPÍTULO 6. obteniéndose en cada caso diversas posibilidades para observar el sistema. Para el cálculo de la matriz de cambio de base. Así. Contando con esta hipótesis de partida. se pueden elegir otras opciones. . puesto que el número de filas asociadas a cada salida indica el número de variables de estado que van a ser observadas con dicha salida. OBSERVADORES DEL ESTADO los cálculos. Esta elección de filas es de gran importancia en el observador que se está diseñando.l . si no se eligen filas asociadas a una salida concreta. aunque dependiendo de un estudio del significado físico de las variables de salida. Si una salida tiene asociado comparativamente un número elevado de filas. se procede de la forma explicada Al ser el sistema observable. tal como se ha descrito en el capítulo dedicado a la observabilidad. A continuación se ordenan las filas.

5 . al i ] Se extraen las columnas existentes en las posiciones finales de cada bloque. x(t) . .6. (6. . en la co­ rrespondiente a la forma canónica observable x ( t ) .51) Donde p representa el número de variables de salida. + np = e<7p nI = en . e<7 1 ' e<72 ' .5 al final de este capítulo puede verse un caso de diseño de un observador para un sistema multivariable. Á B = e = Tox ( t ) Te / ATo To I B CTo (6.57) .53) pudiéndose desmostrar que tiene inversa. Para ello se calcula la inversa de la matriz L: nI + . y a partir de ellas se forma la matriz: ap = n (6.55) (6. Esta matriz permite transformar la representación inicial del estado. Esta matriz permite calcular la matriz de transformación a la forma canónica obser­ vable.52) • • . 6 CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 307 y formándose la matriz L: CI cl A L= (6. mediante la transformación dada por To : x( t ) En el Ejemplo 6.54) (6.56) (6.

Sin embargo. Realizando entonces el cambio: x = Tx (6. el estado total se puede representar por: x= donde w es el conjunto de variables de estado no accesibles y cuyo valor se pretende esti­ mar. Si la ecuación de estado se representa separando variables accesibles y no accesibles.64) (6. entonces la submatriz e ' 1 .58) (6.6. OBSERVADORES DEL ESTADO Observadores d e orden reducido En anteriores apartados se ha descrito la posibilidad de obtener una estimación del estado a partir de la información de la entrada y de la salida. queda: [�] (6. pues. A esta repre­ sentación del estado se puede llegar a partir de otra cualquiera: y x = A'x + B'u = e'x = [e'! l e' 2 J x (6. incorpora más información del sistema que el .308 6. de la salida y de la derivada de la salida. de una representación de estado tal que las salidas coincidan con las variables de estado accesibles.61) Si se toman como salidas únicamente aquellas que sean linealmente independientes. y pese a que la totalidad del estado no sea accesible. reordenando adecuadamente. en ocasiones. En estos casos parece ilógico no tener en cuenta esta información y estimar variables que ya son accesibles.63) Partiendo.60) (6.65) El modelo de observador que se propone utiliza información de la entrada. CAPíTULO 6. Esta estimación del estado presenta un buen comportamiento bajo las condiciones ya descritas. de dimensiones p x p. puede que parte de éste lo sea.62) con (6. será no singular. Se parte de una representación del estado que cumpla: x = Ax + Bu (6. A tal fin se incorpora un modelo de observador que tiene en cuenta esta característica del sistema y que se denomina observador de orden reducido. en este aspecto.59) seleccionando como salidas del sistema las p variables de estado accesibles.

B2 ) u (6.67) (6.8: • • .(A2 1 y + A22W + B2u) (6.H 2 AI 2 )W + (HI + H 2 AU . el siguiente: • Se define la dinámica del observador. como se ve en la Figura 6. por lo que: (6. La ecuación que modeliza el comportamiento del observador viene dada por: We = FWe + GU + HI y + Há (6.73 se despeja H 2 .(A22 . por tanto. se debe cumplir que: • we . derivada de una combinación lineal de variables de estado.H2AI2 (6. puesto que la derivada de la salida ha de existir al ser.A2 1 )y + (G + H2B I .W = FWe + Gu + HIy + H 2 AUY + H2AI2W + H2B I u . De la Ecuación 6. partiendo del cono­ cimiento de Au .66) Sustituyendo en esta ecuación y por su valor: queda una expresión para l a ecuación del estimador d e l a forma: La evolución de la diferencia entre las variables de estado estimadas y su valor real es: y = A u Y + AI 2W + B I u (6.70) Ha de ser independiente de la entrada.69) Para que la evolución de la diferencia entre las variables de estado estimadas y su valor real tienda a cero bajo cualquier circunstancia. De la Ecuación 6. por definición del modelo. OBSERVADORES DE ORDEN REDUCIDO 309 observador de orden máximo y no presenta ningún inconveniente. que se verá reflejada en los coeficientes de la matriz F.73) El procedimiento para diseñar el observador de orden reducido.72) • Para asegurar la convergencia se debe cumplir que: F = A 22 . De la Ecuación 6.72 se despeja HI .71 se despeja G. • Se puede representar gráficamente el esquema del observador diseñado. B I Y B2 es. y.w = FWe .71) • No debe ser influida por el conjunto de variables de estado accesibles.6.6. por lo que: (6. A2 1 .68) we = FWe + Gu + HI y + H 2 AUY + H 2AI2 W + H2B I u de forma que agrupando se llega a: We . A 12 . A 22 .

3 Figura 6. Sobre esta base se realiza la división del sistema: .310 CAPíTULO 6. OBSERVADORES DEL ESTADO Ejemplo 6 . Del propio enunciado se deduce que la única variable cuyo valor es necesario estimar es X3 .8: Sistema con observador de orden reducido. dado que Xl y X2 se han tomado como salidas del sistema. Sea el sistema dado por las ecuaciones: para el que se pide calcular un observador de orden reducido.

al despejar la matriz H 2 .A 21 = O = [ h 11 h 12 ] + [ O -4 ] H 1 = [ O -8 ] 9 G + H2 B 1 .6. 3 = .1 ] .22 ] B1 = [ � ] el = [ � � ] A 12 = [ �3 ] A 21 = [ O O ] A22 = [ .1 . .1 ] B2 = [ 1 ] A partir de esta definición del sistema y del número de variables conocidas y las que se han de estimar. OBSERVADORES DE ORDEN REDUCIDO 311 identificándose: A ll = [ �3 . se fija l a posición del del observador e n 8 = . por ser irrelevante el valor que éste pueda tomar. 2 . se tiene que la siguiente forma pa'ra' las matrices del observador: El siguiente paso es fij ar la dinámica del observador de X 3 . Suponiendo que la posterior realimentación del estado situara los polos del sistema en 8 1 .B2 = O = [ ] + [ O -4 ] =? G = [ 9 ] [�]-[1] [ -3 _ 22 ] . se ha anulado el elemento h21 . se pueden despejar ya sus matrices: F = A22 .6.5 . resultando por tanto: F = [ -5 ] Conocida la división del sistema y la posición del polo del observador.H 2 A 12 =? [ -5 ] = [ .[ h21 h22 ] =? H 2 = [ O =? -4 ] [ �3 ] =? O ] H 1 + H 2 A ll .[ O O Nótese cómo.

". la posición de la base del péndulo x(t) ._-.__"".. Ejemplo 6. sino que deben ser estimadas mediante un observador a partir de la evolución de la única variable medible del sistema.8.. OBSERVADORES DEL ESTADO Ej emplos adicionales Control de la posición de la base del péndulo invertido con observador En este ejemplo se desea realizar un control por realimentación del estado del péndulo invertido con las mismas características que las del sistema de control realizado en el Ejemplo 5. en la que la salida del sistema viene dada por la siguiente ecuación de salida : ... Para ello se utiliza una estructura de control por realimentación del estado. .4 CAPíTULO 6. 7.. servoposicionador y observador como la indicada en la Figura 1. Péndulo invertido 1. y de la entrada de éste u(t) ...312 6 .. pero con la importante diferencia de que ahora las variables de estado del sistema no son directamente medibles.. x Figura 1: Estructura de control por realimentación del estado incluyendo un servoposicionador de la variable x(t) y un observador de orden completo...

7 . Por otra parte. se necesita calcular la matriz de tra nsformación To .HC ::::} y sustituyendo: 625 500 fI = 170 20 [ ] { h l = fo . que permite calcular las variables esti­ madas en la base original (usada en la realimentación del estado) a partir de las variables xe estimadas por el observador en la forma canónica observable.a 3 U na vez obtenidas las matrices F y H del observador..6. es necesario obtener la matriz To de cam bio de las variables estimadas xe a las variables originales. fij ar sus polos.ao h2 = f¡ .al j h 3 = 2 .10 O O 1] . por tanto. para cuyo cálculo se parte de la matriz de observabilidad del sistema: 1 O P= O O [ O O 1 O O . que determinan su matriz de dinámica interna F. la matriz F de la dinámica del observador es: F= [ O O O O O O O O O O O O -625 -500 -150 -20 ] Los elementos de la matriz fI se calculan a partir de los coeficientes del polinomio característico del observador y de los coeficientes del polinomio car­ acterístico del sistema original : . EJEMPLOS ADICIONALES 313 Para el cálculo del observador se necesita.a2 h4 = h . por lo que una buena elééción de los polos del observador puede ser situarlos todos en -5. con lo que el polinomio característico del observador resulta : Po (8) = (8 + 5) 4 = 8 4 + 208 3 + 15082 + 5008 + 625 y.F = A . Los polos del observador deben ser más rápidos que los polos dominantes del sistema. por una parte.. que se fij aron en -1. para calcular a continuación la matriz fI de ponderación de las salidas del sistema.

y el servoposicionador de constante Ko . el .1 O -2 O -2 O -0.25 19.l . Y.1 1] ] Las matrices anteriormente calculadas. calculada anteriormente en el Ejemplo 5. B = Ta l B y Co = CTo queden expresadas según la forma canónica observable. OBSERVADORES DEL ESTADO obteniéndose su matriz inversa como: p-l = A partir de la última columna de p .65 4.65 1 .1 O O O 1 O 1 O O -0.75 ] Ko = -0. se puede realizar la comprobación de que las matrices Á = Ta l ATo . B y To .314 CAPíTULO 6. calculada igualmente en dicho ejemplo: Co =CTo = B � To l B � [ O O O 1 ] [� � [T] O O O O O 1 O 20 O O 1 O ] K = [ 0. se va a utilizar ahora la misma referencia de posición xre f = . en la que dicho observador se integra junto con el control de realimentación del estado mediante la matriz K. R. obteniéndose: Á -To 1 AT 0 .15 Con objeto de comparar los resultados del esquema actual con observador respecto al del ejemplo anterior con realimentación directa de las variables de estado.1 . se obtiene la matriz To : U na vez calculada esta matriz.To = [� [ 1 O O O O O O 1 O -0. se utilizan en el ob­ servador del estado del sistema real no lineal de la primera figura de este ejemplo.8.

ntre las variables reales y las estimadas por el ob­ servador. Figura 2 : Diferencia e.-7--�-4 2 > 3 -2 � 5 S '" .Oe(t).xe(t). Si se utiliza el observador lineal calculado sobre el sistema real no lineal. EJEMPLOS ADICIONALES mismo valor de la perturbación Up x(O) x(O) Xo = � (O) 0(0) El comportamiento del sistema global (observador + realimentación del es­ tado estimado + servoposicionador) depende de las condiciones iniciales del observador.7. que representan el valor inicial de las variables de estado estimadas expresadas en la base observable: [ 1 [ 1 100 = 0. � Ue. en la que se observa una . según la primera de las condiciones para el cálculo del observador. Sin embargo.!. ángulo inicial 0(0) = 10°.1 Nw.4> -0 05 -o 0 05 o -0 2 -0 1 15 2 3 4 5 y Si las variables estimadas coinciden inicialmente con las variables de estado del sist�ma.6. la estimada x(t) . partiendo de error nulo en la estimación inicial. cabría esperar una coincidencia de dichas variables en todo instante t posterior.�--�--7-�. se obtiene la diferencia entre las variables reales y las observadas que se representa en la Figura 2. esto sólo es cierto si el sistema que se está observando es lineal y se conoce perfectamente su modelo.1 Nw. cambio de ref� re � cia Xref = 1 m y perturbación constante up(t) = 0. y las mismas condiciones iniciales: O O O 315 3 ( a ) Diferencia entre la posición real y ( b ) Diferencia entre el ángulo real el estimado O(t) .po (s ) tiempo (s ) - .

estado medido directament 5 (a) Posición x(t).100�--"""7---1"=----7 5 tiempo (s ) 0 15 Si.. tiempo (s ) �-O 5 -1 -1 50�---:5O-----:10:--!15.estado medIdo directament co n obse rvado' del esat do 1 0r----¡r======'======::"=::='===5:::::¡] . (b) Ángulo O(t).8. En la Figura 4 se puede observar la evolución de la diferencia entre las variables reales y las estimadas para varios valores en la estimación inicial del ángulo Oe(O)..1 Nw. ángulo inicial 0(0) = 10°. estas variables estimadas diferirán en mayor medida de los valores reales.316 CAPíTULO 6. en este caso las variables reales y las estimadas son parecidas. . para el caso de error inicial nulo en la estimación de las variables de estado.. que por otra parte se estabilizarán debido a la estructura de control. OBSERVADORES DEL ESTADO discrepancia entre las variables reales y las estimadas a pesar de que coinciden en el instate inicial t = O. como muestra la Figura 2. partiendo en ambos casos de error nulo en la estimación inicial. volviendo a coincidir en régimen permanente una vez que el sistema de control estabiliza el sistema. se tiene un error inicial no nulo en la estimación de las variables de estado del sistema . Puesto que. . cam bio de referencia xref = .1 m y perturbación constante up(t) = 0. en el que se utilizan los valores reales de las variables de estado en la realimentación. del estado . como es es lógico suponer. en las que se compara la evolución de x(t) y de O(t) en ambos casos: utilizando el observador y con realimentación de las variables de estado reales.. que no existe error inicial en la estimación de la variable medida xe (O) = O ni en la derivada de las variables Be(O) = O y xe (O) = o.con observado. cabe esperar que el control con estimación del estado se comporte de manera muy similar al control del Ejemplo 5. Este hecho puede comprobarse en las gráficas de la Figura 3. suponiendo. necesitándose un tiempo para que converjan al valor de las variables reales. Figura 3: Comparativa de la evolución de la posición x(t) y ángulo O(t) en la estructura con observador y con la realimentación directa del estao. en todos los casos. .

la variable estimada presenta una mayor sobreoscilación y tarda más tiempo en converger al valor real de la variable. EJEMPLOS ADICIONALES 1 0 r------�-___.(0)=1 50 . sino que son sus valores reales. 8. " . una mejor estimación inicial del ángulo (valores más cercanos a su valor real 8(0) = 10°) da lugar a una convergencia más rápida y con menos sobreoscilación de las variables estimadas al valor real de la variable..(0)=200 _ 8..(0)=50 8. . . Una vez vista la convergencia de las variables estimadas hacia las variables reales en la estructura de control utilizada . en el que las variables realimentadas no son estimadas por el observador. . :" ' . .. partiendo de error nulo en la estimación inicial de las otras variables de estado. •• .----1 " . . . . valores bastante alejados del valor real inicial 8(0) 10°. por el contrario. Como puede verse en la Figura 4.xe (t) . pudiendo llegar a inestabilizarse cuando la estimación inicial está muy alejada del valor inicial de la variable real . En ambos casos se compara la evolución de las variables del sistema respecto al comportamiento de dichas variables en el caso del Ejemplo 5. 7. Todo el estudio anterior ha sido realizado para una dinámica del observador definida por la situación de sus polos en --5. . interesa ver cómo evolucionan las variables del sistema que se está controlando. . Figura 4: Diferencia entre las variables reales y las estimadas por el ob­ servador para distintos errores en la estimación inicial del ángulo 8e(0).(0)=20 • (a) Diferencia entre la posición real y (b) Diferencia entre el ángulo real y el estimado 8(t) . . afecta al comportamiento = - . .6 .1 50 3 '---�-�-�--�---' 2 5 4 tiempo (5 ) "': " P .8e (t) .. 5 o 31 7 e t -o 01 '---�-�-�-----' . cambio de referencia xref = -1 m y perturbación constante up(t) = 0... ée(O) '= O y xe (O) = O. xe (O)=O.8. Si..Q1 -5 -1 0 0 2 tiempo (5 ) 3 4 5 .' . para 8e (0) = 5° y para 8e (0) = 15° (valor real inicial 8(0) = 10°). ángulo inicial 8(0) = 10°.: . la estimada x(t) .1 Nw. . definida por la situación de sus polos. \� :'="''"" '. que en principio se ha supuesto adecuado respecto a la dinámica del sistema en cadena cerrada definida por sus polos dominantes en l A continuación se va a estudiar cómo la dinámica del observador.""' . Para ello en la Figura 5 se muestra la evolución de las variables x(t) y 8(t) para dos casos diferentes de estimación del ángulo inicial . lo que sucede para 8e (0) = 1° Y para 8e(0) = 22° (no representados en la figura). .. .... 8. se parte de una mala estimación inicial de la variable original .. '.

para los casos de estimación inicial del ángulo Oe (O) = 15° Y Oe = 5°. por ejemplo en -3..estado medido directament 5 O ¡: 5 tiempo (s ) -5 10 15 O 5 tiempo ( s } 10 15 (a) Posición x(t) cuando Oe (O) 15°. Oe(O) = O y xe (O) = O.1 Nw.. siendo el ángulo inicial real 0 ( 0 ) = 10°. (d) Ángulo O(t) cuando Oe (O) = 5°. -con observador del estado .estado medido directament 10 c: .con observador del estado . ángulo inicial 0 ( 0 ) = 10°.318 CAPÍTULO 6.0625 (c) Posición x(t) cuando Oe(O) = 5°.58 2 + 171 ..con observador del estado . cam bio de referencia xref = .5.1 m y perturbación constante up(t) = 0.. xe (O)=O. . error nulo en la estimación inicial de las otras variables de estado.. Figura 5 : Comparativa de la evolución de la posición x(t) y del ángulo O(t) en la estructura con observador y la que tiene realimentación directa del estado. OBSERVADORES DEL ESTADO global del sistema.5 ) 4 = 84 + 148 3 + 73.58 + 150..estado medido directament (b) Ángulo O(t) cuando 15 10 � 5: O Oe(O) = 15°..estado medido directamenttJ con observador del estad� tiempo (s ) 10 15 Si se diseña un observador con sus polos más lentos. 15 .. c: ¡: -5 � 10 15 -10 -15 -20 0 V �---5 I . su polinomio característico es: Po ( 8 ) = ( 8 + 3. � -0 5 -1 -1 50 tiempo (s ) É.

5 .. 14 y Por el contrario. Figura 6: Diferencia entre las variables reales y las estimadas por el obser­ vador para distintas posiciones de sus polos.polos del observador en -5 .1 m y perturbación up{t) = 0.' : j � I ¡: -2 : / :f 4 .7.:=='=obse rvado r ::::= 1 :il : : :::'. ' 1 . ángulo inicial (}(O) = 100. EJEMPLOS ADICIONALES 319 con lo que se obtienen las siguientes matrices del observador: F1 _ - [ O O O O O O O O O .. i '. cuanto más rápida es la dinámica del observador.polos del observador e n -5 .10.:CD O : : . 1' .171..5 9 3. el estimado (}(t) ...5 O -73 O . ( a ) Diferencia entre la posición real y O�--�2----�4--�6--�8 tiempo (s ) • • -5 i i i i i t _-. i ..polos del observador en .14 ] H1 _ - [ ] 150.. partiendo de error nulo en la estimación inicial de las otras variables.. '.6. ' .10000 O -4000 O -600 O -40 ] H2 _ - [ ] 10000 4000 620 40 . con una estimación inicial del ángulo Oe {O) = 150.0625 171. 'i j' " .0625 O .:=:::= en:: -7.---1'=::::==::=:=:.150..Polos del observador en -3 c ( b ) Diferencia entre el ángulo real la estimada x{t) . xe{O)=O.1 0 .. cambio de referencia xref = .po los de 1 ::. Se advierte una convergencia más rápida hacia las variables reales y con menos sobreoscilación.Polos del observador en -3 � J I - -��--�2----�4--�6--�8 tiempo (s ) . . � . Oe{O) = O y xe{O) = O. utilizando cada uno de los tres observadores calculados.. i . 2 4 .i y ..Oe {t). si se elige un observador más rápido situando sus polos en .1 Nw. .: : . .. - [ O O O O O O O O O . .xe {t). su poli nomio característico es: Po (8) = (8 + 10 ) 4 = 8 4 + 408 3 + 6008 2 + 40008 + 10000 las matrices del observador son en este caso: F2 _ En la Figura 6 se puede observar la evolución de la diferencia entre las variables estimadas y las reales. .

. Se advierte un comportamiento menos oscilatorio y más parecido al sistema con realimentación de las auténticas variables de estado (sin observador) . xe (O)=O.. un cambio de referencia xref = . tiempo (s ) (a) Posición x(t).::=O =...polos del observador en -3 .polos del observador en • polos del observador en -3 -estado medido directamente OBSERVADORES DEL ESTADO -10 -5 � -0 5 -1 50�--�5�---:'10:----. (b) Ángulo O(t). así como de los valores de las entradas de referencia y de perturbación . En el presente ejemplo. .polos del observador en _ . tiempo (s ) -1 � � : ¡\·t"��. partiendo de error nulo en la estimación inicial de las otras variables de estado. en el que se presentan los resultados para una estimación inicial del ángulo Oe (O) = 15°. un ángulo inicial 0(0) 10°. . y el comportamiento del sistema se asemeja más al del sistema con realimentación directa de las variables de estado. :il :=.. Óe(O) = O y xe (O) O.polos del observador en -5 10 . cambio de referencia xref = . Óe(O) = O y xe (O) O.320 En la Figura 7 puede observarse la evolución de las variables x(t) y O(t) para las distintas dinámicas de los tres observadores diseñados.. CAPÍTULO 6. .J 15. dando lugar a inestabilidad en el sistema global realimentado. = = = - . Figura 7: Comparativ de la evolución de la posición x(t) y el ángulo O(t) para distintas posiciones de los polos del observador..----¡:==. -5 IV/-: -10 15 .. Este mejor comportamiento del sistema tam­ bién repercute en un aumento del rango de valores de las variables estimadas.1 m y perturbación constante up (t) = 0. éste no puede llegar a estimar los valores de las variables reales.=.==::::=====. error nulo en la estimación inicial de las otras variables de estado xe (O) = O.: :. y una perturbación constante up(t) = 0. se puede comprobar que el sistema se inestabiliza para dinámicas del observador más lentas que la correspondiente a posiciones de todos sus polos en 3 Por el contrario. cuanto más rápida es la dinámica del observador utilizado. Este límite de la estabilidad depende de la bon­ dad de las estimaciones iniciales de las variables de estado y de estas mismas condiciones iniciales. 1 Nw. .polos del observador en -10 .. éste estima las variables reales de forma más rápida y con menos oscilaciones. con una estimación inicial del ángulo Oe (O) = 15°. :..estado medido directamente '"'-----j ' '-- -1 50�---:5�---:'10::----. ángulo inicial 0(0) = 10°.1 Nw.J 15· Si la dinámica del observador se hace demasiado lenta .. cuanto más rápida sea la dinámica del observador.1 m .

5 en el que el sistema presenta un comportamiento estable. cualquier error en la medida de la salida se ve amplificado en la com posición de Xe . cuyos coeficientes crecen a medida que se diseña una posición más rápida de los polos en cadena cerrada del sistema realimentado. más elevados son los coeficientes de la matriz H y. cuanto más rápida es la dinámica del observador.8 para el cálculo de la matriz de realimentación del estado K. definido por las matrices: A� Y -1 -1 C� 3 1 se pide calcular un observador de orden completo de sus variables de estado. Según el razonamiento anterior.9. EJEMPLOS ADICIONALES 321 Observador de orden completo de un sistema multivariable Ejemplo 6.1 I t 22 � 1 � � 2 B= O 1 O l .130 y 37°. lo que da lugar a realimentaciones del estado físicamente no realizables. con lo que se consigue en consecuencia u n comportamiento del sistema global muy similar al previsto originalmente en el cálculo de la realimentación del estado (matriz K y realimentación Ko ) . En el presente ejem­ plo. 7. dando lugar a que grandes errores en la estimación . que pueden llegar a provocar la inestabilidad del sistema . Como ya se ha mencionado. parece que la dinámica del observador puede diseñarse arbitrariamente rápida . cuando la dinámica del observador se hace más rápida situando sus polos en . Esta limitación práctica es análoga a la que aparece en el Ejemplo 5. -3 2 siendo: I -1 O O O O -2 O O O O O O O O -3 O O -4 O O -5 [ � -2 1 1 .6 . por tanto. se com prueba que el rango de estabilidad del sistema respecto a la estimación inicial de la variable Oe (O) está entre los valores . en el sentido de que las variables estimadas se aproximan de forma rápida y sin grandes sobreoscilaciones a las variables reales.lO. cuando los polos del observador están situados en -5 . obteniéndose un mejor comportamiento del sistema cuanto más rápida sea. 2° Dado el sistema del Ejemplo 5. que es mayor que el rango comentado anteriormente entre y 21°. Según este razonamiento la elección de la posición de los polos del observador está limitada en la práctica.

1 -2 -2 6 -3 4 10 O 2 1 -1 O O -4 -3 4 O 2 1 -2 3 O 1 =} L . 3}.16 : 13 8 -8 -3 -5 1 . por tanto. dos a la segunda y una a la tercera . con lo que se comprueba que el sistema es observable. 5.10 -2 2 -6 8 208 78 -32 : 40 8 20 4 178 66 .1 6 -27 64 54 .18 2 O 48 4 -2 24 -27 250 64 O O . El primer tanteo se hace con las cinco primeras filas: Pe comprobándose que su rango es también cinco.12 9 -16 O O 9 8 . constru­ yendo la correspondiente matriz P: -2 -1 1 2 -3 1 O O -1 2 -2 2 3 O 1 -2 6 -3 10 4 O -4 -3 O 4 -2 -2 O 6 -12 . L= �[ ¡ -3 1 . OBSERVADORES DEL ESTADO En primer lugar se ha de comprobar la observabilidad del problema. trans­ formar la representación del sistema a la forma canónica observable.1 250 O 81 -256 O 32 2 O 16 . Se reordenan ahora las filas. 4.1 6 -50 2 .1 = � 54 15 3 -30 . el observador del estado.322 CAPÍTULO 6 .18 15 . por lo que la asignación de salidas a variables de estado queda como sigue: dos a la primera salida. Se puede calcular. es decir {l. Para el cálculo de la matriz de transformación se comienza por seleccionar cinco filas linealmente independientes de la matriz P.162 768 P= siendo rango(P) = 5. en primer lugar. 2.192 -2 -8 O 2 -48 81 -256 . Para realizar el cálculo del observador es necesario. colocando juntas aquellas correspondientes a las mismas salidas.1 2 1 -1 1 -2 3 -2 6 -3 4 O -4 -3 4 � 2 10 O 2 -3 1 .

18 18 12 --:-6 4 -24 78 .g 1 12 O .27 . 4 Y 5 para construir la matriz To .1606 243 29 308 35 . To [ el � e3 I e4 1 � ] = [ e2 Ae2 e4 Ae4 e5 l � � Tc / 1 = 27 [[ : 15 -3 . = Para el cálculo élel observador se va a asignar una dinámica mucho más rápida que l a del sistema realimentado.6729 O .1 5 14 1 16 .81 27 .16 15 5 -49 -3 300 -213 184 .8 27 -27 54 O 56 300 85 -58 -2 3 -2 � � 1 Y. EJEMPLOS ADICIONALES 323 seleccionando de L .1 : L.g A = To 1 ATo - = B = To 1 B = - [ . transformando el sistema según estas matrices.5 27 27 1 4 -3 466 137 .52436 181 .97 .16 27 27 1 O O O O 1 1 46 .6 . queda: 2 86 02 o . 7. el polinomio característico queda : po (s) = S 5 + 150s4 + 9 000s 3 + 270000s 2 + 4050000s + 24300000 [� n .28 1 .1 = Dada la asignación de salidas a la estimación de las variables de estado.556 O .157 -92 54 . se seleccionan las colu m nas 2.264 .27 O .3616 243 729 67 4 O .729 O . por l o que se opta por situar los polos d e dicho observador en -30.54 282 124 .27 27 -5 .27 O .16 66 . Así.2 .27 1 .-9O .234 .27 1 C = CTo ' . 76 27 O 16 27 O 23 .

h 22 + 46h23 9 .��� .h 11 + !ill.g� h51 + � - y O O O 1 O _ 5026 _ h 12 + 46h13 9 243 -28 .h31 + � O .-9. OBSERVADORES DEL ESTADO 1 La matriz del observador que se va a calcular es: que se halla resolviendo la ecuación : F = Á .h 21 + � O .h53 �� .h 52 + 46�53 656100076 27 4050000 7290016 -2 79000 4027 27 .6286 .h 13 La dinámica de la evolución de la diferencia entre las variables reales del sistema y las estimadas viene dada.h41 + W O . por la matriz: F = To FTo 1 = despejando por filas se obtiene: 24299770 27 4049819 -2 7269953 H= 27 8996 27 145 27 3353399830 27 186299972 9 37259680 27 413933 27 20377 --zr .2� .126J36 .HC = O .h23 �� .�� .32�136 . _ h42 + 46�43 . 27 729 1 . en la representación original del sistema ..150 1 F= [ CAPÍTULO 6.324 con lo que la matriz del observador es: O 1 O O O O O 1 O O O O O 1 O O -24300000 O -4050000 O -270000 -9000 O .h32 + 46�33 _ 6.128/ .h33 -h43 .

C 3 ) es observable con sus dos polos en -3. de ma­ nera que queda dividido en los tres subsistemas de la figura. u(t) - . ficaciones del observador. B 1 . 6.8.1 .8. Ej ercicios resueltos En un sistema con seis variables de estado s e efectúa un cambio de base. C 1 ) es controlable y observable con sus polos en . 523173292 243 949502902 729 1084060042 243 1339566538 729 888285181 729 1. en el que se sabe que: el subsistema (A 11 . el subsistema (A 22 . B 2 ) es controlable con sus dos polos en 2 y el subsistema (A33 . EJERCICIOS RESUELTOS 325 541857551 18684934 243 243 983414123 33910870 729 729 1122779804 38716378 243 243 1387419785 47841610 729 729 31726111 1840011541 729 1458 tal como se fijó en las especi­ 1588203217 1868474113 162 486 1695540575 1441210139 243 729 1935823829 1645452365 243 81 2033285165 2392092875 729 729 3172420759 1348283483 729 486 se comprueba que todos sus autovalores son -30.6.

. el sistema alcanza el estado X l en un tiempo t I . Suponiendo accesibles todas las variables de estado. indicar cuál es el estado del sistema a los t I segundos.326 CAPÍTULO 6. Razonar si se puede alcanzar cualquier valor de Y l + Y2 con una entrada ade­ cuada y desde condiciones iniciales nulas.2 . partiendo del estado inicial X l y ante entrada nula. dibujar el esquema de una realimentación de estado que sitúe todos los polos en . OBSERVADORES DEL ESTADO a) b) Escribir las ecuaciones de estado del sistema total en su notación matricial. desde condiciones iniciales nulas y aplicando la entrada u ¡ . Si la matriz que ha efectuado el cambio de base es: T. e) f) Una vez realizado un observador de las variablés X l y X2 . Si se parte del estado X l y se aplica el doble de la entrada U l . indicar en qué tiempo se puede considerar que las variables de salida del observador coinciden con los valores de las variables observadas (X l . y además se sabe que. A A ú a) El modelo de estado del sistema propuesto es: Xl X2 X3 X4 X5 X6 = [ �� ] = [ �l [ O A" 12 A22 A32 O O A33 O O O C3 ] Xl X2 X3 X4 X5 X6 1 Xl X2 X3 X4 X5 X6 +[ �: ] . X2 ) e indicar cómo influye la entrada en dicho tiempo.l = 1 O O O O O 1 1 O O O O O 1 1 O O O O O 1 1 O O O O O 1 1 O O O O O 1 1 d) e) Calcular cuál era la posición inicial de los polos del sistema antes de efectuar el cambio de base. el sistema alcanza el estado X2 en el mismo tiempo t I . Se sabe que.

1 . no se ve afectada por la entrada. Por linealidad del sistema: Y l es controlable. siendo (J' la situación de dichos polos. por tanto.8. iniciales siempre valdrá cero. . que seguirán siendo ( . con caudal de entrada qe repartido a partes iguales entre los dos depósitos. ante cualquier cambio de base. El sistema de la figura está formado por dos depósitos de alturas de líquido (h l . Se pide: . puesto que las variables X 5 . por tanto. h 2 ) y de áreas (A l . no puede representar un cambio de base. .6. t 2. Y2 no es controlable. -3) .l del enunciado no es invertible y. siempre y cuando el =1. Yl + Y2 es controlable. y con caudal de salida q2 . partiendo de condiciones d) e) f) La estructura de la realimentación del estado pedida es imposible de conseguir. ninguna real­ imentación del estado variará sus polos de los valores (-3. al serlo Y l . -2. 3 ) La evolución temporal de la variable x . La matriz T .o . pudiendo estimarse que x � Xe en = 3 � . A 2 ) . -3.Xe es independiente de la entrada y será tanto más rápida hacia el valor nulo ( x = xe ) cuanto más alejados del origen hacia el semiplano real negativo estén los polos del observador (valores propios de F). EJERCICIOS RESUELTOS 327 b) e) Ningún cambio de base altera los polos de un sistema. -2. X6 no son controlables y.1 .

permita que. A 2 = 1) Caudal de salida libre (sobre el aire) de cada depósito en función de la altura del mismo: q = kh (tomar k = 1). DA TOS: • • Diseñar un control por realimentación del estado que. (Tomar en este apartado A l = 2. A2 = 3) Estudiar la controlabilidad del sistema en función de las áreas de cada depósito.328 b) c) a) Modelo de estado del sistema.hl + h2 + A 2 k2 = h l . y actuando sobre este caudal. captando únicamente la altura h l y el caudal de entrada qe . hallando en caso afirmativo cuál es. existe alguna relación lineal entre las dos alturas.2h2 + qe qe Si se eligen como variables de estado h l . (Tomar en este apartado A l = 1 . h 2 . A2 = 1) = K fj. el caudal q2 presente un error en régimen permanente nulo y una sobreoscilación menor del 4 %. partiendo de algún estado inicial y de cualquier entrada. ante una variación brusca en el caudal qe . Caudal entre dos depósitos: q Estudiar si.h (tomar k = 1). a) Las ecuaciones del sistema son: { Al kl = . (Tomar en este apartado A l = 1 . partiendo de algún estado inicial y de cualquier entrada. las ecuaciones matriciales son: b) La controlabilidad del sistema depende de la matriz Q : Q = [ B AB J = y para que el sistema sea totalmente controlable su determinante debe ser distinto de cero: [+ A2 det( Q) . existe alguna relación lineal entre las dos alturas. hallando en caso afirmativo cuál es. CAPíTULO 6 . OBSERVADORES DEL ESTADO d) e) Estudiar si.

� � ] [ �� ] + [ � ] qe O ] [ �� ] _ Las matrices de controlabilidad y observabilidad son: con ambas matrices de rango dos. por lo que el sistema es controlable y ob­ servable. previa estimación del estado.[ -232 O1 ] [ h2l ] [ h Te 1 _ [ 2 �] 2 -3 y como X 2 debe ser idénticamente cero: d) e) Para estas áreas el sistema es controlable. Por este motivo es posible realizar una realimentación del estado. partiendo del estado nulo. pues con estas áreas el sistema no es controlable y.Te 1 x . . por lo que no existe ninguna relación. En este caso las ecuaciones de estado son: [ y= [ l Z� ] [ . EJERCICIOS RESUELTOS 329 2 3 por lo que para que sea controlable debe ser: e) Sí va a ser posible.6. por lo que será siempre cero: _ _ x .8. existirá una relación lineal entre las alturas. Para hallar la relación basta con separar la parte controlable y la no controlable. A tal efecto se realiza el cambio = T e X: x La parte controlable es Xl y la no controlable es X 2 .

hay que realizar la realimentación de estado. Para ello es preciso expresar el estado en la forma canónica observable: siendo la matriz de cambio x = T oxo con: Las nuevas matrices del sistema expresadas en la forma canónica observable son las siguientes: Ao = T o 1 ATo = 130 Co Los polos del observador deben estar lo suficientemente alejados para que no influyan en la dinámica del sistema.. + 10) 2 = ). por lo que hay que expresar el sistema en su forma canónica controlable (a partir de la forma canónica observable) . OBSERVADORES DEL ESTADO Para estimar el estado es necesario diseñar un observador. Por ejemplo.31 ] [�] Una vez obtenido el estado en la forma canónica observable.330 CAPíTULO 6.O1 31 ] = [ qq12 ] . Para realizar la transformación.10. 2 + 20)" + 100 T0 1 B = CT o = [ O 1 ] [ O1 . La matriz H se calcula a partir de la matriz F cumpliendo: P()") = ( ).. se parte de la matriz de controlabilidad: hay que hallar la matriz de cambio xo = T o cxc : Qo = [ 31 -O1 ] => Qo 1 = [ . ambos en .

EJERCICIOS RESUELTOS 331 Las nuevas matrices del sistema expresadas en la forma canónica controlable son las siguientes: Ae Be Ce = T ob A o T oe = = Tob B o = [ _ � _� ] 1 [�] ] 4 Se impone la condición dinámica de que la sobreoscilación sea menor del . la función de transferencia del sistema realimentado es: Gr ( 8 ) al imponer la condición de ganancia unitaria se obtiene: � = l .= A e + Be K e '* -3 V6 = e igualando se obtiene: { kl2 = 3-2.V6 k = [ ] [ -1 1 -3 + ] [ 01 ] [ k. en el que se estima únicamente el valor de aquellas variables de estado que no son accesiblel.. y que el error de posición sea nulo (ganancia uniÜ ru:ia) : con lo que la ecuación característica: es de la forma: Mp = 100e -1r CotgO ::.* a = � 2a2 V "2 Gr ( 8 ) ° = 2 8+3 8 + V68 + 3 Para obtener esta función de transferencia es necesario realizar una reali­ mentación de estado que cumpla: Ar 0 1 .6. De esta forma.l" Es necesario expresar la salida como las variables de estado accesibles. por lo que es N (8) = 8 + 3. 4 % '* () = 450 Pe (s) = C o T oe = [ 3 % = (8 + a) 2 + a2 + = (8 +8a) 2 3+ a2 � Los ceros del sistema se mantienen con la realimentación.8.V6 ] Existe una forma alternat�va de resolver el observador: haciendo uso de uno de orden reducido. En este caso ya están expresadas así: .1 '* Ke = [ -2 3 .

. OBSERVADORES DEL ESTADO El estado se compone de una parte accesible estimar (w) : (y) y otra que es la que se desea La dinámica del observador viene dada por: Si se desea que el polo del observador esté en -10: F = A 22 . Dado el sistema definido por las siguientes ecuaciones: y = [ O 2 ] �� a) [ -31 -31 ] [ XXl2 ] + [ 11 2O ] [ UUl2 ] [ ] x(O) = [ 1 lJT : 2) 1) Partiendo del estado inicial t= 9) b) \ Calcular qué puntos del espacio de estado alcanza el sistema en el instante 0.1O = -2 . Calcular y dibujar un control por realimentación del estado que sitúe todos los polos posibles del sistema en -10.5) ante evolución libre e indicar cómo se podría calcular el estado del sistema en ese instante. utilizando para ello la entrada adecuada que lo permitiese. utilizando para ello un observador de orden completo y el mayor número posible de entradas en la realimentación.1 = O Hl + H2 AU . conociendo solamente el valor calculado de y(0. Calcular qué puntos del espacio de estado se pueden alcanzar en el instante t = 0.1 = 0 De donde se obtiene que: 3.B2 = O ::::} G + 8 .332 CAPíTULO 6.5 ante evolución libre (entrada permanentemente nula).H2 G + H2 Bl .A2 l = 0 ::::} Hl + 8(-I) .5.5) y sabiendo que la entrada es nula. Calcular la salida y(0.H2 Al 2 ::::} .

11 .6.I «J?( t)Tx( O) «J?(t) = T�T .0 . EJERCICIOS RESUELTOS 333 c) a) Calcular y dibujar un control por realimentaci6n del estado que sitúe todos los polos posibles del sistema en .11 ] [ VV2I ] = [ OO ] .22 V2 = [ _ � V2I = . 1 Para realizar el cálculo de cuál es el estado al que se llega transcurrido un cierto tiempo y ante una cierta entrada. utilizando para ello un observador de orden reducido y el menor número posible de entradas en la realimentaci6n.V22 ] [� A= [ � Dado que: entonces: T= x(t) = «J?( t)x(O) Tx(t) = «J? (t)Tx (O) � (t) = T .� ] [ ��� ] '= [ � ] [ -� VI = [ � ] Vl l = V I2 [ .8..I «J?(t)T * * x(t) = T. es necesario calcular la matriz de transición del sistema «J?( t) : «J?(t) = e At Para hallar esta expresión se calculan los valores propios: * * A = -2 A = -4 * * por lo que: .I de donde: .

5. b) Dado que es necesario utilizar el mayor número de entradas posible. se precisa conocer la dinámica. Se comienza por construir la matriz de transformación: 2 ] [ :=� ] 2e.100O . en la que se deben colocar los polos del sistema en . _ -2 .334 1) CAPÍTULO 6.201 ] [ -2O -42 ] [ O1 O1 ] [ k�21 1l = + . por lo que todos los puntos del espacio de estado son alcanzables mediante la entrada adecuada para t = 0. se utilizan las dos disponibles.1 = Por lo que: Á = O 1 ] [ -31 . su polinomio característico tras dicha realimentación debe ser: PC (8) = (8 + 10) 2 = 8 2 + 208 + 100 con lo que se dispone de los coeficientes para ajustar el valor de las constantes de realimentación: Ár = Á + B K [ .[ 11 O2 -2 -62 ] y(0.5) = [ O No se puede calcular el estado en este instante. OBSERVADORES DEL ESTADO 2) Q 3) Del análisis de la matriz Q se deduce que el sistema es controlable. Aunque el sistema es observable.10.31 ] [ 11 2O ] = Dada la realimentación propuesta.

8. p= [ -! .124 .6..HC para lo que es necesaria la matriz de transformación.[ .42 ] = � [ -62 -12 ] 4 -64 ] - _ Por lo que la matriz C o = C e Toe = � [ = C o q�eda: Se ajusta la dinámica del observador para ser menos significativa que la del sistema: con lo que ya se puede construir el observador de orden completo: �[ 1 4 ] [ i -� ] = 2 ] [ i -� ] = � [ O 2 ] = [ O 1 ] 2 _ _ Pep(S) = ( + 30) 2 = S 2 + 60s + 900 s F = Á .HC .100 -161 ] 2 F = A .�T oe: con lo que: de donde se obtiene: . y.. EJERCICIOS RESUELTOS 335 de donde. despejando: K= Queda construir el observador de orden completo: .1� ] = � por lo tanto: 1 T oe = 4 .1 [ 2 -64 ] � L-1 = _ � 8 [ .

900 .� ] [ ! � ] = [ -� ... • [ O 1 Utilizando una única entrada.100 -1 ...16 ] �c(t) [ 8 ] .. (t). e) de donde: 2 .� ] = � [ � � ] 2 .1 = � [ =� .336 de donde se despeja: [ 01 9 --6000 ] [ O1 -6 ] _ [ �h21 ] [ O 1 ] -8 = CAPíTULO 6. [ w. U2 en este caso: L= [ � _� ] � L ..� ] = = .1 ATe [ -31 O1 ] [ -31 . OBSERVADORES DEL ESTADO ... ] x __ y de ahí: -61 ] Te.60 12 4 t} _ .

5 O1 ] = .6. -� ] [ 0�5 � ] = [ . despejando: 27 H l + H 2 A U . ] = [ � � ] [ � � ] = [ i � ] = [ O 2 ] [ 0�5 � ] = [ 1 O ] F = -30 con lo que.1 B e CT Dado que el observador es de orden reducido.5 -1 1 O] 1 � -3 0 1 2 [ ] [ 11 02 ] = 1 [ -21 02 ] 2 337 [ .2 6 -54 ] .10� 2� ] = [ _� _! ] + [ � ] [ kl Ár = Ác + BcK - k2 ] K = [ -92 . [ 0. por lo que: [ -.A2 1 =} H l = 0.8. se estima el valor de una única variable.� [ _� - � ] = [ O. con lo que el orden de dicho observador es uno.�� -. a través de la matriz: T. EJERCICIOS RESUELTOS Te 1 B = = Con lo que ya se puede calcular la matriz de realimentación para conseguir situar los polos del sistema en la posición deseada.1 = [� = = con lo que las matrices del sistema se transforman en: �] =} T= Á O [ O1 2O ] [ -31 -31 ] [ 0.5 + 2" 3 = 41 27 G = -H 2 B 1 + B 2 = .� � ] B = T.14 ] Para el cálculo del observador de orden reducido es necesario realizar una nueva transformación en la representación del estado. poseyendo por lo tanto un único polo que se sitúa en -30.2" [ 2 4 ] + [ 1 O ] = [ .

338 CAPÍTULO 6. de manera que el comportamiento dinámico del sistema queda expresado por las siguientes matrices: a) b) ¿Es alcanzable el estado tiempo ? ¿Es alcanzable el estado tiempo ? [1 1 1 [1 1 1 lJT desde condiciones iniciales nulas ? ¿En qué lJT desde el estado inicial [2 2 2 2JT ? ¿En qué . OBSERVADORES DEL ESTADO 6. Ej ercicios propuestos En un sistema de 4° orden s e elige una base del espacio de estado. 1.9.

En el esquema del apartado anterior. Sea el sistema: diseñar un observador del estado 'con todos sus polos en -10.0 1 2. Suponiendo accesibles todas las variables de estado ( Xl . X 2 .6. Dado un sistema cuyo comportamiento dinámico viene definico por las siguientes ecuaciones de estado: [ -1 O O O O O -2 O O O -3 O O O O -4 O O O O -5 O O O O + i �1 O 1 O 1 [U ] Ul 2 . [ � O O ' 1 O O O ' 1 . EJERCICIOS PROPUESTOS e) 339 d) Suponiendo que la única salida del sistema es y = Xl +X 2 . ' " a) b) En el esquema de la figura se desea efectuar una realimentación de las variables de estado Xl y X 2 mediante la matriz K = [-2 O] . � 3. . teniendo en cuenta que solamente es accesible la salida y . calcular las matrices de la representación de estado que incluye todas las variables que intervienen. Comentar la dinámi­ ca de dichas variables. . así como la nueva situación de los polos del sistema. Si la matriz de salida es: y= . Indicar igualmente la controlabilidad de dicho sistema.9. X 3 . Dibujar el esquema de la realimentación efectuada. se efectúa un control por realimentación de dichas variables de estado con la matriz: 1 1 X= O 0 0 O 1 1 [ ] t • I e) Calcular cuál es la posición de los nuevos polos del sistema. X4 ) . indicando clara­ mente en qué base f!{Jtán expr:esa4as las variables de estado observadas . calculando el valor de todas las matrices que intervienen. hallar un subsistema observable. .

calcular la evolución temporal de y = 1 1 [ Xl X3 X4 X5 X2 [2 2 2 2 2] T e) f) Indicar si es posible construir un observador estático (sin parte dinámica) para la parte observable del sistema. [1 1 1 1 1]T es observable con todas las . x = ante entrada impulso en [El -[¡ 1 -1 2 2 2 O O 3 3 5 O O 4 5 3 O O 5 4 4 x = Ul Y U2 · [1 1 1 1 1]T. ante entrada escalón en Ul Y U2 · Yl .340 CAPíTULO 6 . calcular la evolución temporal de Yl . Indicar si con una entrada adecuada podría obtenerse la salida a partir del estado inicial Xo = [1 1 1 1 1 ] T . Indicar si el estado del sistema salidas. Indicar si las salidas podrían ser consideradas como variables de estado del sistema. OBSERVADORES DEL ESTADO y cuyas salidas son las siguientes combinaciones linealmente independientes de las variables de estado: b) A partir del estado inicial d) e) a) A partir del estado inicial x = [1 1 1 1 1]T.

Sistemas discretos Parte II 341 .

.

Asimismo no es posible el estudio de sistemas lineales de parámetros variables. • • • El estudio de los sistemas en el espacio de estado resuelve en gran medida estos problemas. Sin embargo. particularizándolos para los sistemas discretos. Las especificaciones clásicas son empíricas y únicamente válidas para sistemas de orden reducido. para posteriormente relacionarlos con los sistemas continuos. añadiendo la ventaja de permitir el diseño analítico por computador y tener una aplicación natural a problemas de identificación. d e esta do Intro ducción La necesidad de estudio de los sistemas discretos en el espacio de estado viene motiva­ da por las mismas razones que llevaron a estudiar los sistemas continuos con esta técnica.7 7. 343 . control adaptativo y óptimo. el que la teoría moderna de control sea más potente no invalida las técnicas de la clásica. pues las técnicas de estado implican una complicación innecesaria. y que la teoría moderna resuelve de modo sencillo: • La teoría moderna presenta mayor potencia de control al utilizar la realimentación de todo el sistema y no sólo de las salidas. en primer lugar. Las razones son las insuficiencias que la teoría clásica presenta en ciertos aspectos. los conceptos básicos del estudio en el espacio de estado. Hay gran cantidad de problemas de control para los que la teoría clásica es más adecuada. viendo la representación global de estado en los sistemas muestreados. M od e l o d isc reto . La teoría clásica presenta graves problemas para el análisis y diseño de sistemas multivariables. 1 . En este capítulo se repasan.

las variables de estado son linealmente independientes y. donde la sucesión de elementos viene marcada por el índice de la secuencia. se define el espacio de estado como el espacio vectorial donde toma valores el vector x(k) de variables de estado. la dimensión del espacio de estado coincide con el número de variables de estado. k. De esta forma.344 CAPÍTULO 7. dada la entrada u( >. La evolución. por tanto: x(k) = <I> (x(ka ) . >. se puede volver a escribir la definición de estado desde el enfoque discreto como: Se define «estado de un sistema discreto» como la mínima cantidad de infor­ mación necesaria para un elemento de índice ka de las secuencias del sistema. sino que forman una secuencia de puntos del espacio de estado. El concepto de estado de un sistema discreto en un elemento se puede ampliar al de variable de estado. Definición d e estado para sistemas discretos Se comienza por replantear la definición de estado. De la misma manera. con ka :::. no son continuas. :::. k (7. teniendo en cuenta que el estado se define como la mínima cantidad de información.2. se pueda determinar el valor de todas las variables del sistema para cualquier elemento posterior. Se puede observar que en sistemas muestreados esta definición coincide con la de los sistemas continuos. u(>. pudiéndose definir como la secuencia vectorial cuyo valor en cualquier elemento es el del estado para dicho elemento. 7. ) . en función del índice. Estas trayectorias. Al igual que en los sistemas continuos. para que. k) . >. ka . k) . que se denota por el vector {x( k) } . cualquier conjunto de variables del sistema r(k) se puede expresar como: r (k) = g (x(ka ) . ya que el elemento ka-ésimo corresponderá al instante kaT. La adaptación debe contar con que ahora se trabaja con secuencias. puesto que la variable tiempo ha dejado de ser significativa para el problema. y donde a <I> se le llama función de transición. MODELO DISCRETO DE ESTADO 7.) . u( >. a diferencia de las de los sistemas continuos. ) . (7. 1) donde x(k) representa el estado del sistema para el elemento k-ésimo. Dado que el estado en ka junto con la entrada a partir de ese elemento determinan el comportamiento posterior del sistema. linealidad e invarianza. el estado del sistema es tal que si se conoce el elemento ka . ka :::. conociendo la entrada a partir de ese elemento. Según esta definición. :::. del vector de estado se denomina trayectoria. conviene particularizarlos en este apartado refiriéndolos exclusivamente a los sistemas . Sistemas dinámicos discretos Aunque ya han sido vistos los conceptos de sistema dinámico. por tanto. ka . definen también las trayectorias y.3.2) lo que representa la solución de la ecuación de estado.

4) .7.3 y 7.5) ante la entrada: (7. En estos sistemas las relaciones entre entradas. Las salidas y(k) no dependen de las entradas u(n) para n > k. partiendo del estado inicial: x(k + 1) y(k) f (x(k) .4) a y (7. Se entiende como sistema dinámico discreto una relación matemática entre dos con­ juntos de secuencias {u(k) } e {y(k) } denominadas entradas y salidas. es decir que las Ecuaciones 7. responde con una salida y l (k) . Estas condiciones definen a todo sistema discreto causal. es que la variable x( k) representa el estado del sistema. k) r¡(x(k) . Esta condición recibe el nombre de causalidad. u(k) . k) (7. frente a las ecuaciones diferenciales mediante las que se modelizan el estado y la salida del sistema para los sistemas continuos. y viceversa. SISTEMAS DINÁMICOS DISCRETOS 345 discretos. y que. 2.3. ka � A � k.8) (7.3) (7. pero el estudio que se va a realizar está restringido a los sistemas discretos expresables en diferencias. ka � A � k. Para toda secuencia real de entrada {u( k) } existe una única secuencia de salida {y(k) } .6) (7.7) se obtiene una salida: En sistemas expresables en diferencias.4 se pueden expresar.3 . y partiendo de x2 (ka) ante U2 (A) . con un estado inicial cualquiera x l (ka) y ante una entrada real U I (A) . esta condición se traduce en que tanto la ecuación de estado como la ecuación de salida son lineales en el estado y en la entrada conjuntamente. como: x(k + 1 ) y(k) = A(k)x(k ) + B (k)u( k ) C(k)x(k) + D(k)u(k) (7. se obtiene y2 (k) . se formulan como ecuaciones en diferencias. respectivamente. u(k) . estados y salidas se pueden resumir en las ecua­ ciones: que se conocen como ecuación de estado del sistema (7. cumpliendo: 1. El concepto de linealidad en los sistemas discretos es idéntico al de los sistemas continuos.3) y ecuación de salida del sistema (7. Si un sistema. entonces se dice que es lineal si para cualquier par de números reales y {3.9) donde se sigue la siguiente nomenclatura: . como puede verse. Si el comportamiento del sistema puede expresarse mediante la Ecuación 7.

12) donde tanto los ai como los bi pueden ser nulos. la matriz D(k) carece de importancia desde el punto de vista del análisis. se puede partir de la función de transferencia en z del sistema discreto: Y(z) U(z) bn z n + bn _ I zn.b l z + ba z n + an _ I Z n . u( k) es el vector de entrada en el instante k (de dimensión m) . MODELO DISCRETO DE ESTADO x( k) es el vector de estado en el instante k (de dimensión n) . . 7. y(k) es el vector de salida en el instante k (de dimensión p) . C y D son constantes independientes del índice. C(k) es la matriz 'de salidas del sistema (de dimensión p x n) . Obt ención d e mo delos discretos d e estado La primera observación necesaria para la obtención de modelos de estado es que el posible conjunto de variables de estado no es único. . X2 } determinan el estado. 10) (7. Hecha esta puntualización. Xl + X2 } lo determinan. se dice que es invariante respecto al tiempo si. k.4. B . (7.9 representa que dichas ecuaciones tomen. la forma: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) + Du(k) (7. . partiendo de un estado inicial Xa para un índice ka y que ante una entrada cualquiera U(A) . 1 1 ) donde las matrices A. partiendo para cualquier N del mismo estado inicial Xa para el índice ka + N y ante la misma entrada deplazada U(A + N) . si para un sistema las variables { X l . . A :::. A(k) es la matriz del sistema (de dimensión n x n) . respectivamente. El concepto de invarianza es también equivalente al de los sistemas continuos. ka :::.346 • CAPÍTULO 7. puesto que expresa una simple relación estática adicional entre entrada y salida.1 + 4. también {Xl . D(k) es la matriz de transmisión directa entrada-salida (de dimensión • • • • • • p x m) . Un sistema que. B (k) es la matriz de entradas del sistema (de dimensión n x m) . responde con una salida y(k) .1 + . ya que conocido un conjunto es de inmediata determinación el otro. Por ejemplo. La propiedad de invarianza en los sistemas expresables en diferencias lineales dados por las Ecuaciones 7.8 y 7. Al igual que en los sistemas continuos. se obtiene la misma salida desplazada y(k + N) . + a l Z + a a . .

14) = (7. haciendo uso de éste para el cálculo del modelo.l 1 (7. manteníéndose de esta forma la analogía entre el caso discreto y el caso continuo: 2 Teniendo en cuenta el establecimiento de esta correspondencia entre sistemas con­ tinuos y discretos. . 12.7.aobn . 17) .aob� ] + bn u(k) xn . 1 .l (k + 1) xn (k + 1) O O O O O 1 O 1 O O x I (k) x2 (k) + Xn . ahora desde el punto de vista discreto.l . . 7. 16) y(k) = [ bo . se pueden volver a plantear los mismos métodos utilizados para la obtención de modelos de estado continuos.4 . definida como: a partir de la cual se obtienen las variables de estado de la siguiente forma: W(z) = z n + a Z n -U(z). � [x(k + l ) J = z � [x(k) J (7. 13) Partiendo de la expresión de la función de transferencia en z dada en 7.l (k) xn (k) (7. . dicho operador se sustituye por el de desplaza­ miento. + al Z + ao n_I 1 + x I (k) x2 (k) x3 (k) w(k) x I (k + 1) x2 (k + 1) (7. para la obtención del modelo de estado en vari �bles de fase se utiliza la variable auxiliar W(z).l (k) xn (k) X I ( �) x2 (k) O O u(k) O O -ao -al -a2 1 -an . 15) de manera que las ecuaciones del modelo de estado quedan como: x I (k + 1) x2 (k + 1) xn .4. . �n . OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 347 En el caso de los sistemas continuos se utiliza para la obtención del modelo de estado el operador derivada. Modelo de estado e n variables de fase [x(t) J = s 2 [x(t) J --. En el caso discreto.

l Al + . se realiza una descomposición en fracciones simples de la forma: Y(z) U(z) donde los Ai son los valores propios de la matriz A. Dada esta descomposición. . 18) Xl (z) X2 (z) X3 (Z) = U(z) Z .Al + .A 2 . (7. + Z .20) 1 x.An ( 7. . . + � + bn n = (7. (k) x� �� ) + bn u(k) xn (k) (7.A3 U(z) Z .23) .P2 ) q . Z-A z .Al U(z) Z . + � Pq+ l + Pn Z .21) (7.A2 U(z) Z . se obtiene el modelo de estado a partir de las transformadas de las variables de estado: =� . que la factorización queda como: P G(z) = (z .Al + Z .4 . (k) 1 x2 (k) + : u(k) : 1 xn (k) x. que por simplicidad se suponen de multiplicidad uno.lA¡ ) q + (z . MODELO DISCRETO DE ESTADO Modelo d e estado e n variables d e Jordan Partiendo de la misma expresión de la función de transferencia en z que en el caso anterior. es decir. Pn ] q [1 A2 O O : An ][ 1 [ 1 [ 1 .An . ( 7. 2 .q+ l . CAPíTULO 7. . . (k + 1) x2 (k + 1) xn (k + 1) = = AlXl (k) + u(k) An xn (k) + u(k) O O xn (k + 1) = y = [ p l P2 . 19) es decir: xl (k + l ) o bien de forma matricial: [ 1 x.22) Caso de rafces de multiplicidad Si el sistema no admite una descomposición en fracciones simples porque existe una raíz con una multiplicidad q.348 7.

1 (k + 1) xq (k + 1) xq+1 (k + 1) xn (k + 1) Al 1 O O Al 1 O O O O O O O O O O O O O O O O O O O O O Xl (k) x2 (k) O O 1 O Al O O A2 O O xq .1 (k) + O u(k) xq (k) 1 xq+1 (k) 1 xn (k) (7.25) A 1 X q (k) + u(k) An .7.26) An . quedan como: x 1 (k + 1) x2 (k + 1) xq (k + 1) xn (k + 1) y expresadas en forma matricial: A 1 X 1 (k) + x2 (k) A 1 X2 (k) + x3 (k) (7.4.24) z - U (z) An .q+1 que.q+1 1 . OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 349 se eligen como transformadas z de las variables de estado: U (z) z )'1 - (7. pasadas a su expresión como ecuación en diferencias mediante la transformada in­ versa z.q+1 xn (k) + u(k) x 1 (k + 1) x2 (k + 1) Xq .

29 ) y: (7.33) x = Tw (7. Si (Xl . Transformaciones lineales La falta de unicidad en la representación de estado de un sistema se explica con­ siderando que el espacio de estados es un espacio vectorial: todo espacio vectorial de dimensión n queda determinado por cualquier conjunto de n vectores de dicho espacio que sean linealmente independientes. entonces el vector se puede expresar como: Denominando a la matriz formada por las componentes de los vectores de la nueva base respecto de la antigua: (7.29 se convierte en: Teniendo en cuenta que independientes: T es no singular.28) (7.31) la Ecuación 7.4 . aparecen elementos unitarios en la diagonal inmediata­ mente superior. MODELO DISCRETO DE ESTADO x I (k) x2 (k) y (k) = [ PI P2 Pn ] xq (k) xq+1 (k) xn (k) (7. en las que. además de tener en la diagonal el polo múltiple. X n ) son las componentes de un vector respecto de una base: y se toma una segunda base formada por los vectores linealmente independientes ( tI . . tal como se puede apreciar en la Ecuación 7. Estas submatrices se denominan bloques de Jordan. .26. X 2 . t 2 . 3 .350 CAPíTULO 7.30) T x (7. .32) . 7. . · · · . . 2 7) Obsérvese que la existencia de polos múltiples genera en la matriz del sistema unas submatrices. . . ya que sus columnas son vectores linealmente (7. t n ) .

44) .41) se toman transformadas en z.39) quedando.5. obteniéndose: (7.l B U(z) (7. se tiene el sistema: x(k + 1) Ax(k) + B u(k) y(k) = Cx(k) + Du(k) y se realiza la transformación: (7. por ejemplo.3 8 y 7.36) x = Tw la ecuación de estado se modifica de la forma: Tw(k + 1) = ATw(k) + B u(k) y premultiplicando por T.35) (7.37) w(k + 1) = T . Estas transformaciones se pueden utilizar para obtener diversas representaciones de estado de los sistemas. por tanto.43) (Iz . Obtención d e la representación externa a partir del estado La representación externa por medio de la función de transferencia en z únicamente contempla los sistemas lineales invariantes con el tiempo.1 B u(k) mientras que la ecuación de salida resulta: (7.1 ATw(k) + T .1 : (7. Si. de un sistema de este tipo: x(k + 1) y(k) zX(z) Vez) y resolviendo la Ecuación 7.40) (7. por consiguiente. Partiendo.34) (7.42) (7.A)X(z) = BU(z) X(z) = [Iz .7. OBTENCIÓN DE LA REPRESENTACIÓN EXTERNA A PARTIR DEL ESTADO 351 transformación lineal que da las componentes del vector respecto a la nueva base.38) y(k) = CTw(k) + Du(k) (7. 7.39 una nueva representación del estado del sistema.A] .42 en X(z) : ::::} Ax(k) + B u(k) Cx(k) + Du(k) AX(z) + BU(z) CX(z) + DU(z) (7. 5 . definida por las Ecuaciones 7.

45) e (zI . como los valores propios de la matriz A son las soluciones de la ecuación: det (zI .1 .48) es decir.352 = CAPíTULO 7.B + D U(z) = y. 1 .47) Además.sistema continuo . x(t) y(t) Ax(t) + B u(t) ex(t) + Du(t) (7. 7.1 : Sistema continuo multivariable. que responda a las ecuaciones: Figura 7. las raíces del polinomio característico.l es la adjunta de la transpuesta G(z) dividida por el determinante.A) = O (7. se tiene que dichos valores propios son los polos del sistema.6.6.A) (7. resulta que el polinomio característico del sistema viene dado por dicho determinante: p(z) = det (zI . Sistemas muestreados S istema discreto invariante equivalente Se pretende ahora deducir la representación de estado del sistema discreto equiva­ lente del conjunto bloqueador . por tanto.A) . p salidas y n variables de estado.Aj .l B + D (7.muestreador. Supóngase un sistema continuo invariante con m entradas. MODELO DISCRETO DE ESTADO Sustituyendo en la ecuación de salida 7.50) . la matriz de funciones de transferencia viene dada por: [ ] (7.43 queda: => Y(z) Y(z) ex(z) + DU(z) l = e [Iz .46) Teniendo en cuenta que la inversa de (zI . 7. mostrado en la Figura 7.49) (7.A) .

r)Bdr] u(kT) = (7.6 .7.52 se puede poner como: y.55) q>(T)x(kT) + 8 (T)u(kT) .52) (7. se obtiene: (7.r)Bdr [t [1: q>(t . En este caso.51 to = kT. tal como se indica en la Figura 7.to )x(to ) + donde q>(t) es la matriz de transición.kT) la Ecuación 7. Xn Figura 7. SISTEMAS MUESTREADOS 353 En este caso.kT)u(kT) = (7. ltot q>(t . Por tanto.54) particularizando para el instante de muestreo t x [(k + l )T) (k + l)T. las entradas continuas al sistema. la solución para dicho intervalo vendrá dada por: y x(t) haciendo: = q>(t - kT)x(kT) + = 8(t . la resolución de la Ecuación de estado 7.51) X ¡ . tomando en la Ecuación 7.2: Sistema discreto equivalente. X2 . serán constantes en cada intervalo kT � t < (k + I)T. = JkT q>(t .49 viene dada por: x(t) = q>(t . · · · .r)Bu(r)dr (7.2. por provenir de bloqueadores de orden cero. Para el cálculo del sistema discreto equivalente se va a suponer ahora que las entradas al sistema continuo provienen de bloqueadores de orden cero.53) x(t) q>(t .kT)x(kT) + 8 (t . mientras que las salidas están muestreadas.

1 sea variante con el tiempo.X < 1 (7. MODELO DISCRETO DE ESTADO i=O 2.56) = Beq 8(T) = La Ecuación 7.354 CAPíTULO es decir. (7.63) . si bien una vez elegido se mantendrá la invarianza en dicho comportamiento. Esto significa que del comportamiento que se observe en dicho sistema va a depender la elección de dicho período de muestreo.60) En el caso de que el sistema de la Figura 7. = e AT = .57) Cabe destacar que. x(t) y(t) A(t)x(t) + B (t)u(t) C(t)x(t) + D (t)u(t) 8<P(t. 7. verificando: = A(t)<P(t. como queda patente en las ecuaciones del sistema discreto equivalente.55 junto con la ecuación de salida particularizada para el instante de muestreo: y(kT) = Cx(kT) + Du(kT) (7.54 y se obtiene: l(k+l)T <P [(k + l)T .)Bd 'x 'x (7.59) en la Ecuación 7. responderá a unas ecuaciones de la forma: . ) T (7. T) es la matriz de transición.58) definen el sistema discreto equivalente buscado.XT + kT. la matriz de sistema del equivalente discreto es: A eq y l a matriz d e entrada: = = <P(T) . por tanto. 00 '"' A i 1" T' � 7. basta tomar: t = . S istemas variantes x [(k + 'x )T] = <P( 'xT)x(kT) + 8( 'xT )u(kT) (7. O < .6.61) (7. pese a que por hipótesis el sistema es invariante y.62 ) entonces.2. T) 8t (7. existe una dependencia entre dichas matrices y el valor del período de muestreo elegido T.T] BdT kT 1T <P(T . todas sus matrices son constantes. En el caso de querer conocer la salida en instantes intermedios a los de muestreo. si <P(t.

(k + l )T] Y particularizando para t (k + l )T. igual que en el caso invariante.7.70) . kT] u(kT) A partir de ahora. en los sistemas muestreados. la particularización de 7. se sustituye la referencia temporal k T por el índice de la correspondiente secuencia k.6. 7. Sistemas híbridos = C(kT)x(kT) = i(k+ l)T <P " kT : (7.65) . [(k + l)T. to)x(to) J{tat <p (t.66) + D (kT)u(kT) (7. tomando to kT.3.69) Estas salidas {w(k) } pasan a través de bloqueadores de orden cero y forman las entradas del sistema continuo: xc ( t ) Acxc ( t ) + B cw ( t ) (7. kT] = = = <p = <p (t.64) [(k + l )T.61 viene dada por: x(t) El sistema discreto equivalente de la Figura 7..el instante de muestreo: y(kT) e [(k + l) T. tal como el que muestra la Figura 7.6. El sistema se compone de una parte discreta que responde a las ecuaciones: xD ( k + 1) w(k) = ADx[j ( k ) + BDU(k) CDXD (k) + D DU (k) (7. SISTEMAS MUESTREADOS ' 355 la solución de la Ecuación de estado 7. T] B (T)dT (7.3: Sistema con parte discreta y parte continua.67) Se consideran en este apartado los sistemas en cadena abierta con parte continua y parte discreta.62 para . imponiendo la entrada constante en el intervalo [kT. Figura 7. kT] x(kT) + e [(k + l )T.68) (7. T)B(T)U(T)dT + (7. con lo que se obtiene: x [(k + l ) T] donde La ecuación de salida del sistema discreto sérá.2 se obtiene igual que en el caso inva­ riante.3.

Tal como se ha visto anteriormente.69.4.77) 7.78) Al incluir dicha realimentación en las ecuaciones de estado del sistema conjunto quedan como: 7.79) [1 + DeDD] U(k) r(k) . que viene dado por: yc (t) = Cexc (t) + Dew(t) (7.[ Ce DeCD ] x(k) .74 y 7.75) Cexc (k) + DeCDXD (k) + DeDDU(k) = Para representar de una manera conjunta todo el sistema. ya que las salidas de uno son las entradas del otro. El sistema híbrido del apartado anterior se realimenta como se observa en la Figura = = u(k) agrupando: y despejando: r(k) .4.71) Ahora bien.72 y 7.75 se puede expresar como: ] x(k) [ BeqDD ] u(k) BD + (7.[ Ce DeCD ] x(k) (7.73: xe [(k + 1)] = Aeqxc (k) + Beq (T)w(k) yc (k) = Cexe (k) + Dew(k) (7.l r(k) .76) x(k + 1) [ AOeq BeqCD AD y la Ecuación de salida 7.[1 + DeDD].73.6.l [ ? e DeCD ] x(k) .74) (7. el sistema discreto dado por las Ecuaciones 7.73) xc [(k + 1)] = Aeq (T)xc (k) + Beq (T)CDXD (k) + Beq (T)DDU(k) y(k) = (7. se va a tomar como vector de estado el formado por los otros dos: x(k) = con lo que las dos ecuaciones que definen el estado 7. con lo que se puede sustituir 7. MODELO DISCRETO DE ESTADO donde la variable w(t) es la salida del bloqueador de orden cero que recibe a la entrada la secuencia {w ( k ) } . están íntimamente relacionados.80) u(k) = [1 + DeDD] .72) (7. así como el equivalente discreto dado por 7.75 se pueden agrupar como: [ xD (k) ] xc (k) (7.72 y 7. es posible encontrar el sistema discreto equivalente a la parte continua.y(k) r(k) .69 en 7. S istemas híbridos realimentados y(k) = [ Ce DeCD ] x(k) + DeDDU(k) (7.356 CAPÍTULO 7.68 y 7.DeDDU(k) = (7.

5 2 . cuando De = O. esto es. es cuando en el sistema continuo la entrada no tiene influencia directa sobre la salida.77.5z z .5 z + 0. Ej ercicios resueltos Dado el sistema de la figura: obtener los modelos de estado en variables de fase y en variables de Jordan. sustituyendo en 7. 7.4: Sistema híbrido realimentado. pero importante.0.1 z + 0.[ Ce O ] x(k) BeqC D AD ] x(k) [ BeqDD ] r(k) BD = + (7. 83) 7 . 1.7.5 0.7.79 queda de la forma: con lo que.81) (7.77 y 7.= �----- 0.78 .5 z 1 + _1-_� z 1 z + 0. EJERCICIOS RESUELTOS 357 Figura 7. se obtienen las nuevas ecuaciones del estado y de salida del sistema realimentado.0. Un caso simplificado.5z .0.5 2 . se obtiene la nueva ecuación de estado: x(k mientras que la ecuación de salida queda de la forma: y(k) + 1 ) [ Aeq -BBeqDD Ce D Ce = u(k) = r(k) . En ambos casos será necesario obtener la función de transferencia del sistema dis­ creto: Y(z) U(z) 1. sustituyendo esta expresión en las Ecuaciones 7. por la frecuencia con que aparece.82) [ Ce O ] x(k) (7. En este caso la Ecuación 7.5 0.5 �------------. con lo que.

0. expresadas en forma matricial.0.5w(k) = 0.� .358 a) CAPíTULO Variables de fase 7.5X 2 (k) = u(k) x2 (k + 1) = 0. teniendo en cuenta que los polos del sistema son: .5Xl (k) ::::} X 1 (k) [ 0 .5 ] [ x$2l (k) ] + [ °1 ] u(k) (k 1 = x2 (k + 1) .5W(z) 0.5w(k + 1) = u(k) w(k + 1) w(k + 2) = xl (k + 1) = x2 (k) se obtiene que: xl (k + 1) = x2 (k) xl (k + 2) = x2 (k + 1) ecuaciones que.5W(z) = U(z) ::::} w(k + 2) . MODELO DISCRETO DE ESTADO Se elige como variable auxiliar: y se eligen como variables de estado: W(z) = z 2 U(z) .5z = xl (k) x2 (k) w(k) xl (k + 1) La primera ecuación de estado se obtiene directamente por la definición de la segunda variable: mientras que para obtener la segunda ecuación se parte de la variable auxiliar: teniendo en cuenta que: z 2 W(z) .0.0. 5 z U(z) = 0.5X2 (k) + u(k) Y(z) y(k) y(k) b) Variables de Jordan = o. quedan: + siendo la ecuación de salida: ( k) [ xxl2 (k + 11)) ] [ °0 0. 5 0 ] x2 (k) [ ] Partiendo de la función de transferencia y. z 2 .

El esquema de la figura refleja el control discreto de un sistema continuo de primer orden: 1 8+1 1 x I (k) y(k) = [ .= z z .� : Z PI . EJERCICIOS RESUELTOS 359 se puede realizar la descomposición en fracciones simples: Y(z) U(Z) -.5 ::::} --'--'---.1 P2 = 1 ecuaciones que escritas en forma matricial quedan: y X1 (z) = U(Z) Z U(Z) X2 (Z) = z .7.7.5z Z de donde se obtiene: { °0.:----'---=- 0.5X2 (k) = u(k) x I (k + 1) = u(k) que expresada en forma matricial queda: 2.:-'-"::-"::---'.5PI + P2 Z z 2 .0.5 ] [ xx2I (k) ] + [ 1 ] u(k) 1 x2 (k + 1) .5PI + P2 = = ::::} ::::} P2 PI = .+ -.0.5 PI-0.1 1 ] x2 (k) 4 [ ] y (t ) Z.5 2 .5z ::::} Si se eligen como variables de estado: PI = .5 = la salida se puede expresar como: 0 (k) (k + 1) [ xx2I (k + 1) ] [ °0 0. .0.0.0.0.l Se pide: a) Obtener el modelo de estado del regulador.

Estudiar el rango de valores de T que hacen inestable al sistema realimentado. quedan: donde: b) El modelo de estado del sistema continuo se obtiene tomando como variable de estado la salida del sistema continuo: AD = [ 1 ] BD = [ 1 ] CD = [ 1 ] DD = [ 1 ] xD (k + 1) = [ 1 ] xD (k) + [ 1 ] e(k) w(k) = [ 1 ] xD (k) + [ 1 ] e(k) con lo que: Xc(t) = y(t) 4w(t) = xc(t) + xc(t) xc (t) = -xc(t) + 4w(t) y(t) = xc (t) [ -1 ] xc (t) + [ 4 ] w(t) [ 1 ] xc(t) + [ O ] u(k) o en forma matricial: [ xc(t) ] y(t) . expresadas en forma matricial. MODELO DISCRETO DE ESTADO Obtener el modelo de estado del sistema continuo.xD (k) = e(k) xD (k + 1) = x D (k) + e(k) w(k) = x D (k) + e(k) ecuaciones que. Obtener el modelo de estado del sistema discreto equivalente del sistema continuo.1 E (z) = z XD ( z _ 1 E (z) = z _ E (z) + E (z) 1 1 _ la ecuación de estado queda: Z) = Z 1 1 E (z) y la ecuación de salida: xD (k + 1) .360 b) c) d) e) a) CAPÍTULO 7. La función de transferencia del regulador es: Si se toma como variable de estado: 1 W (z) = 1 _ Z . Obtener el modelo de estado del sistema realimentado.

4 (1 . y Ae . Be .��) [ BeqBD ] u(k) BD ] Aeq .e . Sustituyendo: = 4>(T) = eA c T y Beq = foT 4>(T . C e y Aeq Beq xc ((k + l )T) y(k) = = Aeq x e (kT) + Beq w(k) C e xc (kT) + D e w(k) = foT e .BeqDD Ce BeqCD -BDC e AD BeqDD BD Ce x(k + 1) = = = = con lo que matricialmente queda: y(k) = [ [ 5e-�1.e -T ) = 4 .4e-T 1 1 4 .x = = [4eA -T]� = 4 (1 .T ] x(k) + e-T .T) e-T las ecuaciones matriciales quedan como: xc ((k + l)T) y(k) d) = = [ e-T ] x e (kT) + [ 4 (1 .( T . EJERCICIOS RESUELTOS 361 e) El modelo de estado del sistema discreto equivalente es el siguiente: siendo A eq D e las matrices obtenidas en el apartado anterior.e-T) ] w(k) [ 1 ] xc (kT) + [ O ] w(k) BeqCD AD El modelo de estado del sistema realimentado es: x(k + 1) y(k) donde: = [ C e O ] x(k) x(k) [ Aeq ..BeqDDCe -BD C e ] x(k) + Reduciendo los términos de las matrices del modelo: = [ x�.T 4d. 7.x)Bed.7 .4 4 (1 .ie .x.e-T ) O ] x(k) + [ O ] u(k) [ 4 .4e .T -1 · 1 = -1 1 4 (1 .e -T) 1 = 4 .x = foT e A .4 1 1 · 1 = 5e-T .ie-T ] u(k) .A) 4d.

1 4(1--e-T) 1z -'------='---:-.l ) 4 1 .1 l ..362 e) CAPÍTULO 7.1 e .epTz .l .J Res L. .1 ) 4 1 + -1 1 .T )z e .. (1 . Para analizar la estabilidad.e-Tz.z z 2 .z1 .l ) ".T )z = z 2 (3 .J -.T )z . ( 1 . lo más sencillo es partir de la función de transferencia: • Del regulador: • • R (z) Del sistema continuo: Del sistema muestreado: B G(z ) = z = -1 zG(8) = 8 4 1 Polos 4 1 (p + 1) 1 . MODELO DISCRETO DE ESTADO Para estudiar el rango de valores de T que hacen estable al sistema realimen­ tado..T )z e ..e-Tz.1 + Z .l p 1-e = = ]= Por lo que la función de transferencia del sistema en cadena cerrada es: Como l e .1 p 1 4 1 (1 .T (4 . lo que no garantiza la estabilidad del sistema si las raíces son reales.(1 e .T I < 1 el producto de las raíces siempre es menor que uno.e.4 e .Tz .T = 1+ O + + + + + O O � . e z --1 4(1 --e--TT ) = � z.1 0..Z . + ( [ � Res 1 G(p) pT Z .5e .l eT 4 (1 .Z-l ) " L.z . se puede dibujar el lugar de las raíces.e-Tz.

U¡ 5e-T . Sus raíces son los valores propios de la matriz A y los polos del sistema.A) + 4 .4229 y Si T = 1. lo que ocurre para z = -1. por ejemplo: Al = -0.5e-TA + 4A + A 2 + 4 .10 =} { Al2 = -1.0041 A = -0. Así. EJERCICIOS RESUELTOS 363 El sistema es inestable cuando alguna de las ramas abandone el círculo unidad.4e-T = A 2 + (3 .0987.A .4 e .5e-T ) A + e-T = que coincide con la ecuación obtenida anteriormente.4e-T =} 6e-T < 2 =} e-T < 0.e-T ) < por lo que el sistema es inestable si T 1.A) ( l .4 . A la misma conclusión se puede llegar analizando la matriz del sistema reali­ mentado: 5e -4 4..T = ¡A .7.e A cuyo polinomio característico es: (5e-T .8273 Si T = 1.4 .3315 ° =[ > =} 2 + 2 e-T < 4 .333 - �1 i -T ] . La KLDR para ese punto es: por lo que el sistema es inestable si: KLDR = 2(1 + e-T) 4(1 .05 =} { A2 = -0.7.

.

en primer lugar. 8. la ecuación homogénea es la misma que 8. el estudio de la resolución de esta ecuación se aborda en dos etapas. 1 .8 8. en el caso discreto se trata de encontrar una solución para la ecuación discreta de estado para sistemas lineales. se considera la ecuación completa. Matriz de tran­ sición = (8. es decir: x(k + 1) A(k)x(k) 365 = (8.2) . por lo que se obtiene la evolución libre del sistema desde su estado inicial.1) Como ya se ha anticipado. para la que ya se tiene en cuenta la acción de las entradas sobre el sistema a la hora de calcular la evolución del estado. A continuación. S olu ción de la ecu a ción discreta de esta do Introducción Al igual que en el caso del estudio de la ecuación de estado continuo. se expresa de la forma: x(k + 1) A(k)x(k) + B (k)u(k) De la misma manera que en el caso continuo. como se ya se ha visto. Solución de la ecuación homogénea . para la cual las entradas se anulan. que.2. para la que se han anulado las entradas. se halla la solución de la ecuación homogénea.1 .

debe ser forzosamente: (8. ko) = A(k)<I>(k. k)x(k) Como esta expresión se ha de cumplir para todo estado inicial Xo. hecho establecido por hipótesis. 8. 2. Teniendo en cuenta que se trata de la solución de la ecuación homogénea y que.6) <I>(k + 1. ko)xo = (8. la ecuación anterior queda: (8. ko) = I = <I>(ko. ko) (8. Identidad (8.) . u(>.5 se verifica para todo k se ha de cumplir también para ko.5) La matriz <I>(k. si se tiene en cuenta que la ecuación es lineal. 1. Verifica la ecuación homogénea Sustituyendo 8. es decir: Xo 3. la solución formulada con la ecuación anterior debe adoptar la forma: (8. Transitividad El estado para una determinada muestra m 2: k se puede obtener como: x(m) <I>(m.9) <I>(ko. ko).366 CAPÍTULO 8. ko)xo.7) Propiedades de la matriz de transición Dado que la Ecuación 8. se define como matriz de transición . SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO y considerando que inicialmente el estado se encuentra en un estado Xo solución general de la ecuación discreta de estado es.3) Del mismo modo. x(k) = <I>(k. ko)xo = A(k)<I>(k. como se vio en el capítulo anterior. ko)xo Como esta expresión se cumple para cualquier valor de Xo. La (8. comprobándose por lo tanto que la matriz de tran­ sición verifica la ecuación homogénea. ko).4) x(k) = <I>(xo. por lo tanto. se puede establecer que: <I>(k + 1. = x( ko).10) . la entrada se supone nula en todo instante. k.2 se tiene: Expresión que coincide con 8.3. k. ko).8) (8.2. como ya se vio: x(k) = <I>(xo .5 en la Ecuación 8.

k) = <P(k. x(m)).4.16) Y con lo que. m)x(m) (8. Inversión Dado un par de valores del estado (x(k) .8. k )x(k) (8. se debe cumplir entonces: <P(l. 14) Como esto es cierto para cualquier estado inicial y final. m)<P(m. 1 .4. 17) Como esto se ha de cumplir para cualquier estado. 13) (8. k) x(m) = <P(m. k)x(k) x(l) = <P(l. 8 . resulta: x(k) = <P(k. 18) 8. k) <P(m.l (8. k)x(k) 4. m) . al hacer la composición de ambas expresiones. partiendo del estado x(m).2. m)<P(m. se puede calcular su valor para una muestra posterior l 2:: m como: DE LA MATRIZ DE TRANSICIÓN 367 x(l) = <P(l. 1 1) y componiendo las dos expresiones: x(l) = <P(I. particularizada para la muestra inicial ka: x(ka + 1) = A(ka)x(ka) (8. se verifica que: 1 = <P(k. CÁLCULO Asimismo. k) = <P(l. si la matriz A(k) es invertible. m)<P(m.5 se cumple que: (8.19) . m)<P(m. por 8. de entre los cuales se pasan a detallar los más significativos a continuación. con k � m.4. utilizando 8.2 es posible calcular x(k) a partir de x( k + 1) generalizando: x(k) = <P(k. 15) Asimismo. Cálculo de la matriz de transición Existen diferentes métodos para calcular la matriz de transición. Método iterat ivo Partiendo de la Ecuación 8. k)x(k) =? (8.12) Pero también se puede calcular este último estado partiendo del inicial x( k) me­ diante la expresión: (8. m)x(m) (8.

. x2 (k) .2. . . .25) como: = == . ko) + k . es decir. . .21) (8. entonces también lo son x l (k) . . suponiendo que A(k) es invertible para cualquier valor de k. kO)x2 (ko ) (8. ka) (a l x l (ko ) + a 2 x 2 (ko ) + . . Método de la matriz fundamental de soluciones y Partiendo de la Ecuación homogénea 8. propiedad que ha sido aludida sin demostración anteriormente. an =1. ko) = A por lo tantol: <T>(k. . . x (k). de suponer que existe una tupla de números a l . .n. La demostración de que si para cualquier valor de k.22) 8. + a n x n (k) O <T>(k.l )A(k . . A(ko + l )A(ko)x(ko ) + . . se le denomina conjunto fundamental de soluciones. = A(ko l)A(ko)x(ko ) (8. SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO Los sucesivos valores del vector de estado se pueden calcular como: x(ko + 2) y A(ko + l )x(ko + 1 ) A(k . x2 (k) . X2 (ko ) .20) (8. sea x l (k) .ka 2) · . . ka ) .23) Si se supone que dicho conjunto de soluciones cumple además con la propiedad de ser vectores linealmente independientes para cualquier valor del subíndice k. lo e s asimismo la matriz de transición <I>(k.24) (8. a 2 . xn (ko ) son linealmente independientes.2.4. kO)x l (ko) <T>(k. A(k) es invertible los esta­ dos x l (ko ) . expresadas por el superíndice: X l (k) x 2 (k) <T>(k. .l)A(k - x(k) = A ( k . . .368 CAPÍTULO 8 .2) · · · A(ko l)A(ko ) por lo que en el caso de que el sistema sea además invariante: <T>(k. + an x n (ko)) (8. . se refiere a continuación: Se parte de la hipótesis contraria.O tales que: y y l De esta expresión e s fácil comprobar que s i la matriz A(k) e s invertible . . xn (k) un conjunto de soluciones de la ecuación homogénea para distintas condiciones iniciales. a l x l (k) + a 2 x 2 (k) + .

8.4.

CÁLCULO

DE

LA MATRIZ

DE

TRANSICIÓN

369

entonces <I>(k, ko) tiene un valor propio nulo y, por tanto, es no invertible, lo que se contradice con la hipótesis de partida de que A(k) es invertible. Partiendo de los elementos de este conjunto, se construye la matriz:
(8.26)

que se denomina matriz fundamental de soluciones. La matriz fundamental de soluciones cumple con la Ecuación homogénea 8.2, al ser sus columnas vectores solución de dicha ecuación:
X(k + 1) A(k)X(k) X(k) <I>(k, ko)X(ko)

Cumple también con la expresión de la ecuación homogénea, por el mismo motivo:
(8.28)

y además es invertible, puesto que por hipótesis sus columnas son linealmente indepen­ dientes. Contando con estas propiedades se puede calcular la matriz de transición, partiendo de la Ecuación 8 . 28 y despejando del segundo término:
Ejemplo 8 . 1

=

=

(8.27)

<I>(k, ko) X(k)X(ko) - 1

=

(8.29)

Dado el sistema :

se toman como valores iniciales:
y y

(k + 1) [ XXl2 (k + 1) ] [ �

k+1 1

(k) ] [ xXl2 (k) ]

entonces: a partir de

[ � 1 ' [ : 1 ' [ � 1 ' [ � 1 ' [ \0 1

x2 (O) se obtiene la secuencia :

o>

[ ti) 1
k(k

370
con lo que:
y

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

X(k)
dado q ue:

=

X(O) 1
=

[�

k(k 1)

i

1

entonces es:

8.4.3.

Método de diagonalización de Jordan

Como ya se ha comprobado, para un sistema lineal e invariante, la matriz de transición se puede calcular como: k ka
<p(k, ka) A -

Al igual que en el caso de sistemas continuos, una forma sencilla de calcular la expo­ nencial de la matriz A es encontrar una transformación que la diagonalice en cajas de Jordan, resultando una matriz J :
(8 . 31)

=

(8.30)

de forma que se cumple que:
<p(k, ka) A k - ka
8.4.4.
= =

TJ k - ka T - 1

(8 . 32)

Método de Cayley- Hamilton

Este método se basa en el teorema de Cayley-Hamilton, que dice que toda matriz verifica su propia ecuación característica. Como conclusión directa se tiene que si A es de dimensión n, entonces toda potencia de A de grado superior o igual a n se puede poner en función de las sucesivas potencias de A hasta el grado n - l o Por tanto, si F(A) es una función cualquiera que admite un desarrollo en serie de Taylor, entonces existe un polinomio R(A) de grado n - 1 tal que: Se parte nuevamente del caso en que el sistema es lineal e invariante, por lo que se cumple la expresión: k ka
=

la expresión:

<p(k, ka) A - = F(A, k - ka) (8.34) Dividiendo ahora F( :A , k - ka) por el polinomio característico P(:A), de orden n, resulta F(A) R(A) (8 . 33) F( :A , k - ka) Q ( :A , k - ka)P( :A ) + R( :A , k - ka)
=

=

(8.35)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

371

donde R()", k - ko ) representa el resto de la división, de orden n - 1 , y tiene una expresión: R()", k - ko ) =
n- l

L ri (k - ko) ..i
i
=O

(8.36)

Dado que tanto los valores propios de la matriz A como ella misma cumplen la expresión del polinomio característico: P().. i ) = O P(A) = O (8.37) (8.38) (8.39)

se cumple entonces que:

lo que indica que la matriz de transición se puede encontrar mediante una expresión polinómica de orden n - 1 de la matriz A. Para calcular los coeficientes de dicha expresión basta observar que la Ecuación 8.39 también la cumplen los valores propios de la matriz A, de donde se puede obtener un sistema de n ecuaciones (una por cada valor propio ) con n incógnitas (los coeficientes del polinomio R().. i , k - ko ) ) : (8.40) Si )..i es raíz de multiplicidad mi de la ecuación característica, entonces también es raíz de las mi - 1 primeras derivadas de ésta, y se verifica:
Ejemplo 8 . 2

F (A, k - ko ) = R(A, k - ko )

di F ().. , k - ko) d)").

de manera que también se obtienen n ecuaciones con n incógnitas.

I

A=Ai

=

di R().. , k - ko ) d)")

I

A=Ai

(8.41 )

Dado el sistema cuya matriz A es:

entonces su ecuación característica es:

y por tanto:

det[)"I - Al = ).. ( ).. - 7) + 10 = O

372

CAPÍTULO 8 . SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

Por ser la matriz A de grado 2, cualquier potencia suya se puede igualar a la expresión: Ak = aaI + a l A y puesto que debe cumplir dicha ecuación sus valores propios:

con lo que:
y

aa = (5 2k _ 2 5k) a l = - (5 k - 2 k ) 3
siendo:


1

8 .4 . 5 .

Método d e l a matriz resolvente

En el caso de que el sistema sea lineal e invariante se cumple que:

ct>(k , ka ) = ct>(k - ka) = A k - ko
Si se establece la hipótesis de que ka = 0, entonces es:
fe =

(8.42)

ct>(k, O)

Ak

(8.43)

Dada esta expresión se comprueba que se cumple:

[A k] = z(zI - A) - l

(8.44)

o, lo que es lo mismo, la matriz de transición puede calcularse como:

(8.45)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

373

Para demostrar que la anterior expresión es cierta, se parte de la definición de la transformada de una secuencia:
00

sión inicial menos la multiplicada queda:

z fZ [Ak ] = ¿ Ak z- k = 1 + Az-1 + A2 Z - 2 + A3 z -3 + . . . (8.46) k=O Premultiplicando en ambos miembros de la expresión por A z-1, y restando la expre­

de donde resulta inmediato:
Ejemplo 8 . 3

(8.48)

y antitransformando:

Dada la matriz:

se calcula la matriz resolvente como:
y

A = [ _ l� z [ 10

�] � ]}

(zI - A ) (zI - A ) -l
por tanto:

Hallando la antitransformada de cada término:

Ak = fZ -1 { Z 2 _ :z + 1O [ z_� ;

1 Z-7 1 z2 - 7z + 10 [ -10 z ]

-1 z-7 ]

3 74

CAPÍTULO

Por lo que la matriz de transición queda:

lOz [ z2 --7z + 12 ] = _ 1O [5k _ 2k 3 ] = �3 2k 1 _ �3 5k+l !& - l [ z 2 - 7z + 12
!& - l
Z

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

+

]

8.5.

S olución de la ecuación completa

Resuelto el problema de la ecuación homogénea, el estudio ahora se centra en resolver la ecuación completa, para la cual las entradas no son nulas, con lo que la expresión de dicha ecuación en diferencias es:
x(k

+ 1)

Para resolver este problema, se parte de la matriz de transición, solución de la ecuación homogénea, cJI (k, ko ) . Se tiene entonces, que la solución de la ecuación completa se puede encontrar según la expresión: Para demostrar que la Ecuación 8.50 es realmente la solución de la ecuación comple­ ta se puede aplicar el método de inducción. Se comienza por comprobar que es válida particularizando para k = ko , y luego se supone que se cumple para un valor genérico de k y se comprueba que se cumple para k + 1.
l=ko

=

A(k)x(k)

+ B ( k )u( k)

(8.49)

x(k)

=

cJI (k, ko )x(ko )

+

k- l

L cJI (k, l + I ) B (l) u ( l)

(8.50)

Comprobación para k

x(ko )

=

ko
=

cJI (ko , ko )x(ko )

+

Comprobación para k + 1 Supuesta la expresión cierta para k, la expresión de x(k) se sustituye en la ecuación completa:
x(H

0=

x(ko )

(8.51)

=

1)

A(k) 'P (k, ko )x(ko )

A(k)cJI(k, ko )x(ko )

[

+

+ A(k)

¡�

'P (k, 1

+ 1 ) B (l)u( l) + B ( k )u( k)

k- l

l= ko

L cJI (k, l + I )B ( l )u( l) + B (k)u( k)

1

=

8.6. EJERCICIOS RESUELTOS

375

= <I>(k + 1 , ko) x (ko) + L <I>(k + 1, 1 + l )B( l)u(l ) + L <I>(k + 1 , 1 + 1 ) B(l)u(l) =

l=ko

k- l

,

k = <I> (k + 1 , ko) x (ko) + L <I> (k + 1, 1 + l )B( l ) u(l ) (8.52) l=ko
(8.53)

l=k

k

...

1

Para el caso de sistemas invariantes, la Ecuación 8.50 .se convierte en:

término es una convolución, queda:

k- l x (k) = A k - ko x (ko) + L A k - l -1 Bu(l) l=ko Si además se considera como muestra inicial ko = O, se obtiene: k- l x (k) = A k x (O) + L A k - 1 -1 Bu( l ) 1 =0 Aplicando transformada z a esta expresión, y teniendo en cuenta X( z ) X( z)
=

(8.54)
que el segundo

fZ'

=

z ( zI - A) - lx ( O) + fZ' [A k - l ] fZ' [Bu( l ) ] z ( zI - A) - lx ( O) + z - lz ( zI - A) - lBU ( z ) z ( zI - A) - lX ( O) + ( zI - A ) - lBU(z)

[A k x(O)]

+ fZ'

[� A k - l -1 B U (l) l

(8.55)

8.6.

Ej ercicios resueltos

1. Dado el sistema lineal discreto definido por las matrices:
y

obtener las tres primeras muestras del estado
y

de la salida cuando la entrada es:

el estado inicial es:

{u (k) } = { 2, 1, 1 } x(O) =

[�]

376

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

La evolución del estado viene dada por la expresión:

donde ko = O y <I> (k, ko) =

Ak - ko . Sustituyendo en la expresión anterior: k- l x(k) = Akx(O) + L A k - l - l Bu( l ) 1 =0 Es necesario calcular las potencias de la matriz A, siendo éstas:
Así, para k = para k =

x(k) = <I> (k, ko)x(ko) +

k- l L <I> (k, l + l) B ( l )u( l ) l = ko

o:
x(l) =

para k = 2:

[ � _ � ] [ � ] + t, A1 -1- 1 [ - � ] u(l ) x(l) = [ � ] + [ � � ] [ - � ] 2 = [ � ] + [ - ; ] = [ - ; ]

1:

x(O) =

[�]

x(2)

Con lo que la secuencia de estados queda:

[ _ � -! ] [ � ] + t, A2-1-1 [ - � ] u(l ) = [ _ � ] + A1 [ - � ] u(O) + Ao [ - � ] u(l) = [ _� ] + [ � _ � ] [ - � ] 2 + [ � � ] [ - � ] 1 = [ - � ] + [ -� ] + [ - � ] = [ -1� ]
{x(k) } =

{ [ � ] , [ - ; ] , [ -1� ] }

8. EJERCICIOS RESUELTOS 377 Siendo la salida: Para para para k = O: k = 1: k = 2: y (k) = [ 1 -1 ] x ( k ) + [3]u (k) y (O) = 1 + 6 = 7 y (1) = -2 . 17 } Por lo que l a secuencia de valores de l a salida es: .6.5 + 3 = -4 y (2) = 4 + 10 + 3 = 17 {y ( k)} = { 7. -4 .

.

Esta diferencia intro­ duce cambios radicales en el planteamiento de la controlabilidad del sistema. Como tercer objetivo se pretende el análisis de controlabilidad de los sistemas multivariables. 1 . con la salvedad de que en vez del tiempo interviene el número de elementos de las secuencias. este hecho impone restricciones adicionales a la hora de establecer la controlabilidad de un sistema discreto. en el caso de no poder alcanzar cualquier punto. cuáles son los puntos alcanzables a partir de uno dado. tando del estado como de la salida de sistemas discretos. en una señal continua se puede incluir una información teóricamente infinita.9 9. se pueden establecer las definiciones pertinentes. son semejantes a los de los sistemas continuos. Co n t ro l d i sc reto por rea I i m e n ta c i ó n d e l esta d o Controlabilidad Los objetivos que se plantean con el análisis de controlabilidad en sistemas discretos son los mismos que para los sistemas continuos. por la propiedad de densidad. puesto que. mientras que en una secuencia la cantidad de información codifi­ cable es limitada. Lo que se busca es conocer en qué sistemas es posible transferir el estado o la salida de un punto a otro de sus respectivos espacios en un número finito de elementos de sus secuencias. Partiendo de estos conceptos. rela­ tivas a la controlabilidad: 379 . De la misma manera se desea conocer. Los conceptos de controlabilidad.

. · . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Controlabilidad en un intervalo Se dice que un punto del espacio de estados Xl de un sistema discreto es contro­ lable en [ko .2) con lo que. el estudio de la controlabilidad de los sistemas discretos lineales se puede reducir al estudio de los puntos alcanzables desde el estado inicial nulo. u(kl . existe una secuencfa de entrada u(ko ) . partiendo de la expresión: x(k ¡ ) = cp (kl . kl l si existe una secuencia de entrada.2. .3) cp (k1 .l x(kl ) = (9. se define la controlabilidad de la salida aplicando los conceptos anteriores a puntos del espacio de salidas en vez de puntos del espacio de estados. De la misma manera. En efecto.l l=ko L cp (kl .380 • CAPÍTULO 9. . . u(ko ) ' u(ko + 1 ) . Controlabilidad e n sistemas discretos lineales Al igual que en los sistemas continuos. l + l ) B (l )u(l) (9. l + l ) B (l )u(l) l=ko L . los puntos alcanzables vienen dados por la expresión: kl . kl l y controlabilidad del sistema cuando todos los puntos del espacio de estados lo son. dada la linealidad del sistema planteada por hipótesis. a partir del estado inicial nulo. . 1) se observa que el cambio ep. el vector de estado es equivalente al que se obtiene al transferir el estado desde un valor inicial nulo al valor final: (9. ko)xo (ko ) + kl . • Controlabilidad en cualquier intervalo Estos conceptos se amplían a los de controlabilidad del sistema discreto en [ko . u(ko + 1 ) .1 ) que transfiera el sistema al estado xl (kl ) de índice kl finito. . 9. Se dice que un punto del espacio de estado Xl de un sistema discreto es con­ trolable si. u(kl . tal que transfiera e l estado del sistema desde cualquier punto Xo de índice ko a Xl de índice kl .1 ) . partiendo de cualquier estado inicial Xo de un índice cualquiera ko .

k 1 l si y sólo si la matriz denominada gramiano discreto de controlabilidad y definida como: x(k + 1) = A(k)x(k) + B(k)u(k) k l=ko (9. a su vez. para un estado final X l cualquiera existe una entrada: (9. ka)v = O (9.2.5) La demostración de este criterio sigue los mismos pasos que la del criterio análogo formulado para los sistemas continuos. ka) es singular. El criterio de controlabilidad para los sistemas discretos lineales se formula de manera muy similar al establecido para los sistemas continuos: Dado el sistema discreto cuya ecuación de estado se expresa como: es controlable en [ka . ka) = es no singular. l 1 :L <l>(kl . 1 + l)B(l)u(l) (9.9.8) . ka) y B(k) . l + 1)B(l)BT (l)<l>T (k1 . como. • Condición suficiente Si la matriz W(k 1 . l + 1)B(l)BT (1)<l>T (k1 .4) W(k 1 . 1 + 1) (9. se puede establecer que la controlabilidad depende de A(k) y B(k). debe existir un vector v no nulo tal que: k - por tanto: l=ko l 1 L vT<l>(kl .6) que transfiere al sistema desde el estado inicial nulo al estado X l en k1 muestras. ka) es no singular.7) • Condición necesaria Si W (k l . ya que: x(k¡ ) k1 .1 l=ko L <l>(k1 . 1 + l)v = O vTW(k1 . la matriz <l>(k. CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES 381 La controlabilidad del sistema depende entonces exclusivamente de las matrices <l>(k. ka) depende únicamente de la matriz A(k).

9) vT kl . (k l .1 se cumple: Así pues.9 se siga verificando. Dado el sistema discreto de dimensión n cuya ecuación de estado se expresa como: es controlable s i y sólo s i la matriz de controlabilidad definida como: x(k + 1) = Ax(k) + Bu(k) (9. hay que tomar en 9. por lo tanto el sistema no es controlable.12) es de rango n.382 CAPÍTULO 9. B) es controlable.5 las matrices conjugadas de las transpuestas en lugar de las transpuestas. es imprescin­ dible que Q tenga n vectores columna linealmente independientes.l l= ko L q. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que para ka ::. l + l)Bu(l) = . Controlabilidad e n sistemas discretos lineales in­ variantes El criterio utilizado para determinar la controlabilidad en el caso de sistemas discretos lineales e invariantes es idéntico al utilizado para los sistemas continuos con las mismas características .(k.11) (9.(k1 . l + l)B(l)u(l) = vTx(k1 ) = O (9. k1 . la demostración de este criterio pasa por probar que es necesaria y suficiente. existe un vector respecto al cual siempre es ortogonal. Al igual que en el caso continuo. Suponiendo que se parte de un estado inicial nulo: x(k) = k. sea cual sea el valor que alcance el estado. si las matrices q. por lo que no se pueden alcanzar todos los puntos del espacio de estado. 9. l ::. Al igual que en sistemas continuos. o B son de coeficientes complejos para que la expresión 9. • Condición necesaria La prueba consiste en demostrar que si el par (A. l + l)B(l) = O (9.1 l= ko L q. 10) Lo que supone que. para cualquier entrada U(k): vTq.3.

1) (9.1 Bu(ko ) + A k . 15) y suponiendo que en la matriz Q existen n vectores columna linealmente indepen­ dientes.16) tenga rango n.9. se puede observar fácilmente que la dimensión del subespacio controlable (cuya definición coincide . Si no se pueden al­ canzar todos los puntos del espacio de estado. hay que añadir el número de elementos de la secuencia de entrada para el que puede alcanzarse el estado deseado.13) y teniendo en cuenta el teorema de Cayley-Hamilton: (9. pero tiene un mínimo. . . u(n . es posible elegir la secuencia de entrada {u(ko) . Como puede observarse. es evidente que. el sistema no es controlable. por lo tanto. CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES = 383 Ak . y al igual que sucede en el caso de sistemas continuos.1)}.l Bu(ko) + An . mientras que.kO -2 Bu(ko + 1 ) + . en el caso discreto. + ABu(n . Subespacio controlable De la demostración. · · · . por debajo del cual no se puede garantizar la transferencia entre los valores del estado. puesto que partiendo de la expresión: Condición suficiente = x(ko + n) An . · + ABu(k . Éste es uno de los puntos fundamentales de diferencia entre el comportamiento de los sistemas discretos respecto a los sistemas continuos. En estos últimos. . • La demostración de esta condición de suficiencia es inmediata.2 Bu(ko + 1) + . por definición.3 .2) + Bu(n . el sistema es o no controlable. con independencia del tiempo disponible para transferir el estado desde su valor inicial al final.1) (9. u(ko + 1) . Este mínimo de elementos de la secuencia de entrada será el menor i que verifique que la matriz: (9. se condiciona la controlabilidad a disponer del número de elementos de la secuencia de entrada necesarios para conseguir alcanzar el estado deseado. Este número de elementos de la secuencia de entrada es finito para cualquier sistema controlable.kO . para que e l estado en e l elemento de l a secuencia k + n tome cualquier valor dentro del espacio de estado. al hecho de que el sistema sea o no controlable.14) con lo que se demuestra que el estado para la muestra k se puede obtener como combinación lineal de los vectores columna de la matriz Q. es imposi­ ble alcanzar cualquier punto del espacio de estado si no existen al menos n vectores columna linealmente independientes dentro de dicha matriz.2) + Bu(k .

se puede establecer que el subespacio controlable atiende en ambos casos al mismo comportamiento.20) Caso lineal e invariante En el caso de que el sistema discreto sea lineal e invariante. se establece el criterio: Dado el sistema discreto lineal de dimensión n definido por las ecuaciones: entonces la salida es controlable en [ko.1 l= ko L C(kd<'J?(k1 . en la Ecuación 9. se obtiene también como el número de columnas linealmente independientes de la matriz Q.3 del estado en función de la entrada. De otra parte.384 CAPÍTULO 9. l + l ) CT (kd (9. es decir. kl . Controlabilidad d e l a salida Al igual que viene ocurriendo con el estudio de otras propiedades de los sistemas con­ tinuos y discretos. l + 1 ) CT (k1 ) (9. ko ) = es no singular. suponiendo que se parte de salida inicial nula: y comparar esta expresión con la Ecuación 9. basta con expresar la salida en función de la entrada.4. el criterio para estudiar la controlabilidad de la salida se formula exactamente igual a como se hace para el caso continuo: . l + 1)B(l)BT (l)<'J?T (k1 . la controlabilidad de la salida de estos últimos sigue manteniendo una clara semejanza con la estudiada para los sistemas continuos. 18) Wc (k 1 . Si alguna de las matrices del sistema es de coeficientes complejos. tanto en la forma de la obtención de su base como en su invarianza ante transformaciones en la representación del estado. en el caso de sistemas discretos lineales. k 1 l si y sólo si la matriz denominada gramiano de controlabilidad de la salida y definida como: x(k + 1) y(k) A(k)x(k) + B(k)u(k) C (k)x(k) (9. 9. Así.19) Para realizar la demostración de la efectividad de este criterio. 19 hay que tomar las matrices conjugadas de las transpuestas en lugar de las transpuestas. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO asimismo con la del caso continuo) . y(kd = k1 . y dada la evidente dualidad entre las conclusiones obtenidas en el estudio de los sistemas discretos en relación con los continuos. al ser una propiedad intrínseca del sistema. como el rango de dicha matriz. 17) (9.1 l= ko L C(kd<'J?(k1 . igual que en casos anteriores. l + l)B(l)BT (l)<'J?T (kl .

permite determinar . por una parte.14 y 9. por otra.er ' en qué sistemas es posible determinar su estado inicial a partir de su entrada y su sali d� . para ko ::. ellas son necesarias para deducir el estado del ' . permite determinar el estado inicial Xo de índice ko . Dado que la evolución del sistem. CAB. Teniendo en cuenta que el estado define el comportamiento del sistema. para todo índice inicial ko . exist'e un índice k1 finito tal que el conocimiento de las secuencias de entrada u( k) y de salida y( k). no determinables pués me(Ii�tJ �I conocimiento de ésta. depende del estado inicial y de la entrada. el objetivo será conoc. Qc = [ CB CAB CA 2 B (9. el estado inicial Xo de índice ko . ' " . pero que en muchas ocasiones resulta inaccesible. . k ::. en sistemas con varias salidas. determinar cuáÍes de'. determinar cuáles son ' las variables de estado que no influyen sobre '' la salida. CA n . los otros dos puntos de interés en este análisis serán. para ko ::. k ::. . k l . y.5. k l . basta con tener en cuenta que multiplicando por la izquierda por la matriz' C las Ecuaciones 9. .a.21) Para demostrar este criterio. OBSERVABILIDAD 385 Dado el sistema discreto lineal e invariante de dimensión n definido por las ecuaciones: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) con espacio de salida de dimensión p. Al igual que en sistemas éoÍlÜnuos.' l sistema.15 se obtiene la salida en función de las matrices CB.l B. k l ] si el conocimiento de las secuencias de entrada u(k) y de salida y(k).5. 9.9. conocidas sus ecuaciones. entonces la salida es controlable si si la matriz definida como: y sólo es de rango p. El análisis de observabilidad de sistemas discretos tiene los mismos objetivos que en sistemas continuos. se plantea como problema el calcular éste a partir del conocimiento del comportamiento externo del sistema. El concepto de observabilidad en 'sistemas discretos viene determinado por las siguien­ tes definiciones: ' " > o bservabilidad Se dice que un punto del espacio de estado de un sistema discreto es observable en [ko . La observabilidad de un punto en cualquier instante como: Se dice que un punto del espacio de estado de un sistema discreto Xo es observa­ ble si.

27) El caso general de observabilidad se puede determinar por el siguiente criterio: .D(k)u(k) (9.22) L cp (k. ante entrada nula: = C (k) cp (k.23) Al igual que en los sistemas continuos. por tanto. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Como en todos los casos anteriores. por lo que por comodidad se puede elegir. únicamente de las matri­ ces cP y C. l + l)B(l)u(l) . una entrada nula. función de las matrices A y C. E l caso trivial d e observabilidad será. se parte de la ecuación de la salida: con: y(k) = C (k)x(k) + D(k)u(k) x(k) = cp (k.26) y para todo índice k: (9. este análisis se puede reducir al caso de entrada nula.386 CAPÍTULO 9. ko)xo (ko ) + k-l l=ko k-l (9. La observabilidad del sistema vuelve a depender. ko)xo (ko) l=ko L cp (k.25) (9. de hecho se puede demostrar que la posibilidad de conocer el estado a partir de la entrada y de la salida es independiente de cuál sea la entrada.6. estos conceptos se extienden a los de observa­ bilidad del sistema discreto en [ko . pues.C (k) Estas dos salidas coinciden si la entrada en el intervalo considerado es nula.24) y si C es no singular para un determinado ks : x(k) = C . ya que entonces. l + l)B(l)u(l) (9. ya que conocidas la entrada y la salida se puede formar una nueva salida que cumpla: y (k) y(k) . k 1 l y de observabilidad del sistema cuando todos los puntos del espacio de estado lo son.1 y(k) (9. asimismo. conociendo las secuencias de entrada y salida. para realizar el estudio. 9. cuando l a matriz C sea d e dimensión n x n y no singular Vk. Observabilidad e n sistemas discretos lineales Para determinar bajo qué condiciones se puede obtener el estado inicial. la observabilidad será.

28) (9.32) y por lo tanto: k1 l=ko L x6 cI> T (l.9.34) su evolución ante entrada nula.33) Condición necesaria = V. 3 0) Para demostrar la validez de este criterio. es también nula. lo que es lo mismo. ko) es singular. k 1 l si observabilidad y definida como: y A(k)x(k) + B (k)u(k) C (k)x(k) + D(k)u(k) (9. kO)C T (l) C (l) cI> (l . ko) kl (9. ko) Xo ) (9. l=ko L cI> T (l . ko)xo = O (9. por lo que existe un vector Xo distinto de cero que verifica: X6V(k 1 .¡. por lo que no es posible distinguir mediante la observación de la salida entre el estado inicial nulo y el estado inicial xo · (9. ko) es invertible. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES Dado un sistema discreto lineal con una representación de estado: 387 x(k + 1) y(k) entonces es observable en [ko . ko)xo = O o. la evolución libre del sistema.6.¡. ko ) L cI>T (l.T (1 . ko)xo l 1 2 O l=ko y puesto que es un sumatorio de términos mayores o iguales que cero Vl. ko � l � k1 : = kl = (9. kO)C T (l) C (l) cI> (l .3 1 ) (9. hay que probar que es necesario y suficiente: • La prueba de que el cumplimiento del criterio es condición suficiente es inmediata. pues si la matriz V(k1 . .35) C (l) cI> (l . partiendo del estado inicial Xo .( 1 . ko)xo L II C (l) cI> (l .1 (kl . entonces: l=ko Condición suficiente k1 L cI>T (l . ko) = es no singular. ko)CT (l)y(l) k1 l= ko V(k 1 . ko) C T (I)e( l).29) sólo si la matriz denominada gramiano de V(k 1 . kO)C T (l)y(l) Xo y por lo tanto: • La prueba de que es también condición necesaria parte de que V (k 1 . ko)xo C� .

en lugar de las transpuestas.37) (9. = es de rango • [ c� 1 CA n . se deben utilizar en la Ecuación 9. tomados como estado inicial. 9 .1 Ax(k) + Bu(k) Cx(k) + Du(k) (9. 7. si las matrices el> o C son de coeficientes com­ plejos. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Se dice que un punto del espacio de estado Xa es no observable en [ka . puesto que cualquiera de ellos produce la misma salida que su suma con un punto no observable. Si el sistema no es observable. ya que si el rango de la matriz Condición suficiente . llevan de manera semejante a los sistemas continuos a las siguientes definiciones: 388 CAPÍTULO 9. producen una res­ puesta libre del sistema nula.Al igual que en los sistemas continuos. Observabilidad en sistemas discretos lineales in­ variantes El criterio para determinar la observabilidad de los sistemas discretos lineales inva­ riantes se puede enunciar de la siguiente manera: Dado un sistema discreto lineal invariante con una representación de estado: x(k + 1) y(k) entonces es observable si y sólo si la matriz P definida como: P n. La existencia de estos puntos que. k 1 l ante entrada nula. El resto de los puntos del espacio no son observables. por linealidad. puntos que se denominan no-observables.38) La condición impuesta por el criterio es suficiente. existen puntos que producen salida nula en el intervalo [ka .36) (9.30 las matrices conjugadas de las transpuestas. k 1 l si la respuesta del sistema ante entrada nula y estado inicial Xa es idénticamente nula para ka :S k :S k 1 · Un punto del espacio de estado Xa es no observable si la respuesta del sistema ante entrada nula y estado inicial Xa es idénticamente nula. por lo que no se puede distinguir entre ellos.

al compararla con las Ecuaciones 9. se llega. de forma que no se ve afectada por la representación del estado elegida. aunque dicha representación se vea sometida a una transformación lineal. necesitándose como máximo n elementos y como mínimo el menor valor de i que verifique que la matriz: (9.41) = (9. . • Si la matriz P es de rango menor que n.1 ) . . . Si se define el subespacio no-observable como el conjunto de puntos no-observables.40) y.42) sea de rango n.39. . por tanto. La observabilidad del sistema también está condicionada al número de elementos de la secuencia de salida disponibles. Xo será no-observable.n� l para todo índice l la matriz CAl es Como combinación lineal de (C. De esta forma se garantiza que. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES 389 P es n. Como sucede también en el caso continuo. r. ko + 1 . r . " . la observabilidad del sistema seguirá siendo la misma. a que dicho sub espacio está generado por el núcleo de la aplicación definida por la matriz P.donde es el rango de P. CA. existe un vector Xo no nulo que cumple: PXo O Condición necesaria ecuación que. cuya dimensión será por tanto n .7.39) se pueden seleccionar n ecuaciones linealmente independientes y. . la observabilidad es una propiedad in­ trínseca del sistema. entonces de: y(ko ) y(ko + 1 ) y(ko + n . al igual que para los sistemas continuos. indica que el vector de salida es nulo para (ko . entonces: (9. determinar cuál es el estado xo . a partir de ellas. ko + n .1 ) CXo CAxo (9. CA ) .9.

Y2 (t) . no se verifican las condiciones del teorema de muestreo. En cambio. si el conocimiento de la salida y( t) = (Yl (t) . Yp (k))T . es decir. ' " .8. siendo pues menores las posibilidades de controlar el sistema. . yP . no será posible conseguir algún determinado estado con ninguna entrada u(t) = (U l (t) . y en particular con ninguna entrada procedente del bloqueo de u(k) = (u l (k) . ' " . · · · . U2 (t) . Resulta inmediato en este tipo de sistemas deducir que si el sistema continuo no es controlable o no es observable. um (k))T. cuyas entradas Ui (k) provienen del bloqueo de secuencias {Ui (k) } y cuyas salidas Yi (t) se muestrean obteniéndose las secuencias de salida { Yi (k) } . un sistema continuo. (t)) T a lo largo del tiempo no permite determinar el estado inicial del sistema. si el sistema continuo es no-observable. tampoco lo permitirá el conocimiento de estas señales en los instantes de muestreo y(k) = ( Yl (k) . mientras que el discreto equivalente no lo sea. Por otra parte. . como es frecuente. La aparición de estos casos es natural. . Por otra parte. dependiendo del período de muestreo T . existe pérdida de información y la posibilidad de que dicha información perdida resulte necesaria para la determinación del estado inicial. en el proceso de muestreo de las salidas si. C ) Figura 9. B .390 CAPÍTULO 9. treados Controlabilidad y observabilidad en sist emas mues­ Se analizan en este apartado las propiedades de controlabilidad y observabilidad del sistema discreto equivalente a un sistema muestreado. se puede dar el caso de que el sistema continuo sea controlable u observable. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO 9. (A . como el de la Figura 9. 1 . 1 : Sistema muestreado. por una parte. no resultando obser­ vable el sistema equivalente. . el conjunto de las posibles entradas al sistema continuo se restringe a las procedentes de bloqueo. u2 (k) . el discreto equivalente tampoco lo será. ya que. um (t))T . Y2 (k) . Por una parte.

Ejemplo 9 . toman los valores: 9 (T) [ � ] <f> (T) = � � ] [ (1 = es decir. tiene como matrices de sistema y entrada : <f> (T) y por tanto: cos sin wT [ -w sinwT wcos wT ] wT T 9 (T) = { <f> (T _ >')B d>' = [ �2 -: cos wT) ] � sm wT Jo que.8.S2 w W2 + son de rango dos. 1 CONTROLABILIDAD y OBSERVABILIDAD EN SISTEMAS MUESTREADOS 391 Dado el sistema continuo: G(s) _ [ _�2 � ] x(t) [ � ] U(t) [ W O ] x(t) y(t) es controlable y observable. que el sistema discreto equivalente no será ni controlable ni observable.9. el sistema discreto equivalente: x(k + 1 ) y(t) <f> (T)x(k) + 9 (k)u(k) C (T)x(k) 1. particularizadas para el período de muestreo T = 2: . ya que las dos matrices: p= [ � � ] x(t) + con representación de estado en variables de fase: . Q= [ � � ] p= [ � � ] . En cambio.

también la dinámica del sistema viene determinada por: Ar A + BK (9.9. Obviamente los objetivos de diseño serán distintos.2: Sistema discreto con realimentación del estado. B y C. .46) por tanto. {v(k) } { y (k) } Figura 9. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Control de sistemas discretos por realimentación del estado El control de un sistema discreto mediante la realimentación de sus variables de estado es paralelo en todos sus métodos a los estudiados para sistemas continuos.47) Bajo las condiciones adecuadas de controlabilidad del sistema. también se podrán fijar aquí los valores propios de la matriz Ar .44) y mediante la inclusión del lazo de realimentación: u(k) x(k + 1) v(k) + Kx(k) Ax(k) + Bv(k) + BKx(k) [A + BK] x(k) + Bv(k) = = (9. el objetivo es diseñar una matriz de realimentación constante K. Igual que en los sistemas continuos se cumple que: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) (9. ya que los valores propios que se buscan estarán en una región distinta de diseño dentro del círculo unidad. dado un sistema discreto en su representación de estado. Tal y como se ve en la Figura 9. determinando los valores adecuados de la matriz K. CAPÍTULO 9.2. de modo que el sistema total cumpla los objetivos de diseño planteados. 45) (9. definido por sus matrices A. por motivos cuyo estudio se aborda en otros textos.43) (9.392 9.

Se puede considerar todo el sistema como continuo.9. y y (t) Computador I nterfase Sistema continuo Figura 9. las matrices de transformación y toda la metodología estudiada para aquellos sistemas es válida para el diseño de sistemas discre­ tos. 10. diseñar la correspondiente matriz de realimentación K para dicho sistema .3: Sistema muestreado con realimentación del estado. La configuración del sistema suele ser la que se indica en la Figura 9.3. Sistemas muestreados de control El caso que se plantea aquí es el común de los sistemas actuales de control. la diferencia se lleva mediante un bloqueador normalmente de orden cero.48) (9.49) son las mismas que en sistemas continuos. convertidor digital-analógico. 10. el conjunto de variables de estado x(t) se muestrea con un período T mediante un convertidor analógico-digital. obteniéndose la secuencia discreta {x( k) } . este vector se realimenta se compara con un vector de referencias. El diseño se puede enfocar de dos maneras. en el que se pretende controlar un sistema continuo mediante el uso de un computador. 9. a las variables de actuación del sistema u(t) . por naturaleza discreto. se multiplica por la matriz de constantes K.1 (9. SISTEMAS MUESTREADOS DE CONTROL 393 Teniendo en cuenta que tanto la matriz de controlabilidad: Q = [ B AB A2 � como la de observabilidad: p= C CA CA 2 CAn .

ya que. {v(k) } r. como la matriz K es constante. se discretiza directamente el sistema continuo mediante el método estudiado en 7.51) y realimentando mediante la matriz K de constantes se llega al sistema: = � (T)x(k) + 8 (T)v(k) + 8 (T)Kx(k) (�(T) + 8(T)K) x(k) + 8v(k) (9. se pueden asignar libremente los polos del sistema.50) (9.4: Sistema muestreado con tiempo de cálculo nulo.53) Aunque con los sistemas actuales de cómputo lo normal sea despreciar el tiempo de cálculo. como es sabido.�(T) . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO continuo. El otro enfoque del problema es calcular un equivalente discreto del sistema continuo. operación exacta sin pérdida de información.8 (T)K I (9. En el caso más sencillo en el que se pueda suponer que el tiempo de cálculo es nulo. 8 (T)) es controlable. e {y(k) } Figura 9.6. únicamente es aproximado pues tanto en el proceso de muestreo como en el de reconstrucción hay siempre una pérdida de información. reflejado en la Figura 9 .394 CAPíTULO 9. con el fin de calcular un equivalente discreto de esta matriz. Discretizando se obtiene el sistema: x(k + 1 ) u(k) x(k + 1) � (T)x(k) + 8 (T)u(k) v(k) + Kx(k) = (9. Este enfoque. si el sistema (�(T) . p(A) = I AI .52) en el que.�--. para hacer luego el diseño como sistema discreto.. 4. . Este caso es inmediato. cabe dentro de lo posible que en algún sistema con período de muestreo muy bajo sea necesaria su consideración. cualquier método de discretización da como resultado la misma matriz K . como es sabido.

el sub­ sistema controlable del sistema con retardo contiene al menos al sistema primitivo. En este caso el esquema es equivalente al de la Figura 9.57) .10.l . Se puede sacar como conclusión que si el sistema sin retardo era controlable.5) Las ecuaciones de este nuevo sistema antes de realimentar (parte derecha de la Figura serían de la forma: [ x(k + 1) n w(k + 1 ) La matriz de controlabilidad. 9. equivalente a actuar sobre el sistema obtener sus medidas en el instante de muestreo. dedicando el tiempo entre muestra muestra para calcular la siguiente actuación sobre el sistema.56) (9.55) que coincide en sus primeras filas con la matriz de controlabilidad Q del sistema [<I> (T) . SISTEMAS MUESTREADOS DE CONTROL y 395 y La suposición más sencilla es considerar un tiempo de cálculo igual al período de muestreo. utilizando la notación forma: ] = [ <I> (T) OO ] [ w(k) ] + [ 8 O(T) ] u(k) X(k) 1 <1> = <I>(T) y (9.5. {v (k) } �___ {y(k) } {w(k) } Figura 9 . 5: Sistema muestreado con tiempo de cálculo no nulo. 8(T)] . Realimentando entonces con: u(k) = v (k) + [ O K ] se obtiene el sistema total: w(k + 1) [ x(k + 1 ) ] X(k) [ w(k) ] (9. donde el tiempo de cálculo se representa mediante un retraso Z .9.54) 8 = 8 (T) . es de la (9.

A)T) u(k) (9. como se muestra en la Figura 9.A)T) = el>(T) } ==} w(k) = x(k) 8 ( ( 1 A)T) = 8(T) (9. En el caso más general se puede estudiar el comportamiento del sistema considerando un tiempo de cálculo AT.58) {v(k) } {u(k) } .A)T) x(k) + 8 ((1 .AT) = el> ( (1 .63) .6: Sistema con retardo no múltiplo entero del tiempo de muestreo.62) (9. a la hora de su estudio puede resultar algo más sencillo considerar que el retardo se produce en la parte continua. En este caso. T)Bu(T)dT it o (9. to)x(to) + se obtiene que: x(k + 1) w(k + 1 ) ¡ t el> (t. mediante la adecuada elección de la matriz K. y ] (9.396 CAPÍTULO 9. se pueden ajustar los valores propios del sistema.6. considerando u(k) x(k) en el instante de actuación w(k) en el de muestreo . con O ::.59 ) el> (T)X(k) + 8 (T)u(k) x ( (k + 1)T . 1 . dado que: x(t) = el> (t. Aunque este retardo se produce en la parte discreta del sistema.61) por lo que el nuevo sistema antes de realimentar (parte derecha de la Figura 9. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO y(k) = [ e o x(k) 1 w(k) [ en el que.6) viene determinado por: Obsérvese que para A = O se está en el primero de los casos estudiados: A = O ==} _ O x(k X(k) [ w(k + 1) ] = [ el> ( (1el>(T)A)T) O ] [ w(k) ] + [ 8 ( (18 (T)A)T) ] u(k) + 1) - { el> ( ( 1 . I I y y(t) Figura 9.60) (9. A ::.

. <I> e .9. En este caso la realimentación es también: n. .65) n.>')T) . Determinar igualmente si.>')T)K y(k) = [ e [ x(k + 1) ] = [ sistema en el que una adecuada elección de K permite la asignación de polos del sistema.5 O [ 1 y(k) ] [ x l (k) ] + [ 11 ] u(k) x 2 (k) [ O ] X l (k) ] -0. Vuelve a suceder aquí que si el sistema sin retardo.11.67) (9.2 e (9. = e ( ( l . Ejercicios resueltos O ] [ :��) ] ] [ w(k)) ] + [ e ( (e-(T)>')T) ] v (k) X(k l n (9. <I>). .66) obteniéndose como sistema realimentado: w(k + 1) e (k)K <I>(T) <I> ( (1 .>')T) e ( ( l .l e <I>).>')T) = 1O } � w(k + l ) = x(k) >')T) <I>e <I> 2 e .. = 1 se está en el segundo de los casos: >. la dimensión del subespacio del sistema con retardo es al menos conteniendo al sistema original. )T) es de la forma: Q= e [ e). .11. 9.. <I> n. e <I>). = <I> (( 1 . La matriz de controlabilidad en este caso.. (9. existe alguna secuencia que permita alcanzar los si­ guientes estados finales en el número de muestras indicado en cada caso: a) x(l ) = [3 3V .. <I> n . y EJERCICIOS RESUELTOS 397 que para >.>..68) 1 . de dimensión es con­ trolable. partiendo del estado inicial x(O) = [1 I V .5 O x 2 (k) Estudiar la controlabilidad del sistema. coincidiendo también en sus primeras filas con la matriz de controlabilidad del sistema sin retardo. Dado un sistema discreto definido por las ecuaciones: [ Xx2l (k + 1l)) ] (k + [ 0.64) e).. n ] (9. = 1 � e ((l = y {I <I> ( (1 . utilizando como notación <I>).

Con un valor menor de k1 se pueden alcanzar también algunos puntos. � � u(O) 2. que se alcanzará cualquier estado final si se fija un k1 igual o superior a k1 = 2.ko x(ko ) + k. entonces: O 1 -0.398 b) x(2) = [3 3f c) x(3) = [3 3f d) x(l) = [3 2]T La controlabilidad del sistema entre la muestra ko la muestra k1 depende del rango de la matriz: CAPÍTULO 9.ko 1 y [�] � rango(Q) = 1 � o. A i . Se puede afirmar. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que el sistema no es controlable con k 1 = 1 . el punto que se desea alcan�ar debe ser la suma de la evolución libre de un vector correspondiente al subespacio controlable para ese k1 .5 ] [ 11 ] u(O) O [ a x(k) = A k . ko = O.5 ] [ 11 ] [ 0. k 1 = 1 .l .1 B . Para k1 = 1 : Q= [ B Qi = [ B AB . para k1 = 3 el sistema sigue siendo controlable.1 Bu(l) Como puede comprobarse. pero no todos los del espacio de estado. Para k1 = 2 : 0.5 � = + = .5 ] rango(Q) = 2 por lo que el sistema es controlable para k1 = 2. . lo que es lo mismo.5 Q = [ B AB 1 = � [ -0. i = k 1 . Para alcanzar un punto debe existir una secuencia de entrada que cumpla la ecuación de la evolución del estado: 1= con ko = O para este problema. pues. no existe una secuencia de entrada que permita alcanzar dicho estado para k1 = 1 . .1 y l = ko L A k .5 [ � ] [ _�:� ] [ � ] u(O) { u(O) = 3. Obviamente.1 O 1 -0 � ] = [ 005 -0. ) Si x(l) = [3 3]T.5 -0.

1 [ + [ 005 .[ 1 ] u(l) [ � ] = [ � :.1 [ � ] u(l) + [ 005 . 5 u(0) + u(l) 2.[ � ] u(2) [ � ] = [ _ � :�.�. Si x(3) = [3 3jT. { u(l) = 2. � ] + [ _ � :� ] u(O) + [ � ] u(l) = = =} { 2.O . 5u(0) .1 [ � ] u(O) [ .75 = 0. 55 u(1) + u(2) { 3. 5 r.1 � ] u(O) + [�]=[ r[ 0 .0 1 ] + O 5 O ] 2 . 2 5 .5 2. 5 u(0) + u(l) { u(O) = O2.75 u(l) Luego con la secuencia de entrada {u (k)} = {O. { u(l) = O-0. ] = [ 005 . ] = [ _ �: � ] + [ � ] u(O) { ���� : . k1 = 1.�. ko 2= O.5 r-O. 2 5 .0 . 5 o [ � ] + 0 5 � r.5 ] 3 . entonces: 33 ] = 0 . u(1) + u(2) Si x(2) = [3 3jT.75} se logra llevar el sistema al estado deseado. 5 ] 3 . Esta conclusión era esperable. ko = O: 005 -� .4 2 5 -0. k =} =} =} =} =} =} =} { u(O) u(l) . 22 5u(0 ) + 0. ko = O.875 = 0. 5 ] . Si x(l) = [3 2jT. : � = = = =} =} =} ecuaciones para las que se pueden obtener infinitas soluciones.�.125 = 0. 1 1 . 5 [1 2 1-1 1 O5 O + [ O . � ] u(O) + [ _ �: � ] u(l) + [ � ] u(2) 2.o [ � ] + [ 005 -� .. EJERCICIOS RESUELTOS 399 b) e ) d) 12 = u(O) = u(O) = -0.0. 2. k1 =1 3.1 1 ] u(O) + [ [ 0 -0.75 -0. entonces: [ .0. pues ya se ha demostrado que el sistema es controlable para k1 = 3.9 . 5 [ 1 [ O -0.1 .� ] + [ � : . 5 O ] .4 Esta conclusión era esperable. u(2) O u(2) 3 u(2) = 2. puesto que el sistema es controlable cuando k = 2 como ya se ha demostrado. como por ejem­ plo: 1 = 2.

entonces es evidente que k1 = ko + 1. por lo que el sistema es observable se puede conocer el estado inicial.k¡ ) = 1 por lo que el sistema es observable. es posible alcanzar algunos puntos del espacio de estado. 5 } . 5} . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Luego con la secuencia { u(k) } = {2. 1 } la salida { y(k) } = {4. Determinar el estado inicial.5 ] [ ] k1 depende del rango de la matriz: Si k1 = ko es: + luego el sistema no es observable para k1 = ko .5 + [ 1 1 ] x(k) [ 1 ] u(k) O [ 0. Si dicho estado inicial x(ko ) se representa por: y x(ko ) = se cumple que para k1 = ko : y(ko ) 4= [ 1 1 1 [ XXO20l ] = Cx(ko ) + Du(ko ) + [ XXO02l ] 2 =} 2 = XO l + X 02 . 1 } . ante entrada { u(k) } = {2.k¡ = [ C ] =} rango(Pko .5} se consigue. Si se conoce la entrada { u(k) } = {2. si se conoce que.400 CAPÍTULO 9. entonces: Y Pko . Aunque el sistema no es controlable para k1 = 1. y O x(k) + 1 u(k ) 1 -0. Si k1 = ko 1 . la salida es { y (k) } = {4. siempre que sea posible. 2. Dado el sistema: x(k + 1) y(k) La observabilidad del sistema entre ko Estudiar su observabilidad.

I .5X02l + 22 ] + [ 1 ] 1 + con: 2 = XO l + X0 2 Es decir.5XO [ -0.9 . que el estado inicial es: x(ko) = [�] { XO02l = 11 X = =* O = XO l .5 XO l X0 2 O -0.5X 0 2 + 2 + 1 0.X0 2 .l Para k1 = ko + 1 : con: x(kI ) [ [ l = ko O 0. 1 1 . EJERCICIOS RESUELTOS 401 y(kd = Cx(kd + Du(kd A k l -ko x(ko) + k.0.1 Bu(l) = + Ao [ 11 ] u(O) = =* Sustituyendo en la ecuación de salida: 5= [ 1 1 ] 5 = 0.5 2 0.5x Q1 -0.5XO l + 2 . .5X 0 2 + 2 ][ ] ] [ ] =* L A kl .

.

Parte III Apéndices 403 .

.

2) . lo • Va lores y vectores prop i os • Definiciones = Se definen a continuación los conceptos de valor y vector propio: Los valores propios de una matriz A son las raíces de su polinomio característico. Es el vector u que cumple la expresión: Au 405 AU (A. Raíz real o compleja con orden de multiplicidad mayor que uno . Raíz compleja con orden de multiplicidad uno (al ser una matriz de coeficientes reales también será valor propio el conjugado de este valor). = Vector propio asociado a una matriz A y valor propio A. se distinguen los siguientes casos: • • • • Raíz real con orden de multiplicidad uno.A A. que se construye como: det [A - Al] O (A. l ) Según la naturaleza y número de los valores propios.

9) [ ��� ��� ] [ � � ] = [ � � ] [ ��� ��� ] ( A .7) donde: Si fuese posible la transformación mediante esta matriz T. de dimensión mediante una transformación lineal: A => A = T. Diagonalización de una matriz en caj as de Jordan n x n Cualquier matriz A. I O) .1 AT _ [el = 6 o se puede diagonalizar en cajas de Jordan.8) [ �� � ��� ] ( A .3) Una matriz diagonal en cajas de Jordan presenta la siguiente estructura para cada caja. es decir: = T= ( A . se muestra la imposibilidad de diagonalizar la matriz: IR => [ -ab ab ] mediante una matriz de transformación T: A= [ � � ] ( A . debería cumplirse que TA AT.5) • Un valor propio real de orden de multiplicidad mayor que uno (por ejemplo doble) .6) El que se produzca una u otra situación depende sólo de la matriz inicial A. Así. o ( A .2. en función de los valores propios de la matriz A de partida: • Un valor propio real de multiplicidad produce la siguiente caja: [A] • (A. VALORES y VECTORES PROPIOS A.406 APÉNDICE A. por ejemplo. puede originar distintas cajas : (A.4) Un valor propio complejo y su conjugado de orden de multiplicidad uno producen la siguiente caja: ( A .

3. T. La matriz tiene m conjuntos de vectores columna.l3) (A. aspecto íntimamente relacionado al de la En el presente apartado se plantea el problema de la obtención del vector propio T. por lo que se llega a la conclusión de que no existe la matriz que permita el cambio. La situación es similar a la del punto anterior. asociado al valor propio A en la matriz A. se cumple: T ::::} ( A . Valor propio real simple Au = AU El vector propio se obtiene resolviendo un sistema con n ecuaciones y n incógnitas. se presentan los siguientes casos: • u. el tratamiento es similar al caso anterior.A.ll) Igualdades que sólo se cumplen en el caso: lo que haría que la matriz no fuera invertible.l4) . Si se trabaja en el plano real. lo que es lo mismo. para una matriz A con valores propios ( a ± jb) y con vectores propios ( u ± jv) . • Valor propio complejo Si se trabaja en el plano complejo. T T ( A. se va a determinar el conjunto de vectores columna que conforman la matriz Según la naturaleza de las cajas de Jordan. C álculo del vector propio asociado a un valor pro.3.l2) T A. plO construcción de la matriz de transformación Para cada valor propio distinto. que a su vez origina una caja de Jordan.Al) = O ( A. Este valor propio aporta a la matriz el mencionado vector propio . siendo la dimensión de cada conjunto igual a la dimensión de la caja correspondiente. por lo que no existiría posibilidad de realizar la transformación. cada uno correspondiente a una caja. CÁLCULO DEL VECTOR PROPIO ASOCIADO A UN VALOR PROPIO 407 o. elemento a elemento: Atn + t 21 = Atn At 21 = At 21 At 12 + t 22 = Ah2 At 22 = At 22 ( A. • Valor propio complejo de orden de multiplicidad mayor que uno.

El valor propio complejo y su conjugado aportan a la matriz T dos vectores.bv (A.l8) ( . igualando la parte real y la parte imaginaria de cada ecuación: { Av = av + bu Au = au . que se corresponden con la parte real e imaginaria del vector propio correspondiente.2l) Au = De donde.aI)u (A. o bien coincida con el orden de mul­ tiplicidad del valor propio (en cuyo caso se comporta como varios valores propios '* (A . se puede hallar una variedad lineal de vectores propios cuya dimensión. Para calcular el vector propio se opera: [ u v 1 [ �b ! ] = A [ u v 1 T Á = AT (A.23) para un valor propio de multiplicidad mayor que uno.l6) { Av = bu +.22) que demuestra lo propuesto.aI)u = bu . Se puede demostrar que la matriz de cambio T está formada por la parte real e imaginaria del vector propio.xI)u = O .av v = ( -� ) (A . n - [( � ) A2 + 2ba A . Así se cumple: jv) = (a jb) (u jv) { A(u + jv) = (a + jb) (u + jv) (A. se obtiene el vector u y.l9) Se resuelve un sistema de ecuaciones y incógnitas.20) A(u { Au + jAv = au .408 APÉNDICE A. se calcula el vector v.l7) y sustituyendo en la segunda ecuación se obtiene: (A.bv + jj (av + bu) jAv au .xu (A.bv (av + bu) (A.bI .� (A . VALORES y VECTORES PROPIOS con T = [u v] .� ) A(A .aI)u '* '* '* '* (A..ab2 1] u = O n • Valor real propio de orden de multiplicidad mayor que uno Al resolver la ecuación: Au = . sustituyendo.l5) AU = au bv (A.

se plantea cómo con­ seguir en la matriz de transformación T la aportación de este valor propio. En este caso no coincide el número de valores propios vectores propios.3. CÁLCULO DEL VECTOR PROPIO ASOCIADO A UN VALOR PROPIO y 409 simples) o por el contrario sea menor que el orden de multiplicidad. Una vez hallado el vector propio u asociado al valor propio. y =* =* .27) Ax De esta última ecuación se obtiene el vector x. Se cumplirá: (A. para el caso en que el orden de multiplicidad sea dos.26) { Au = u'\u+ '\x(A -(A'\I)u'\I)xO = u = = (A. la aportación será de dos vectores columnas que se expresan como: (A.24) T= [ u x ] siendo conocido u desconocido x.A.25) de donde: A [ u x ] = [ u x J [ � � ] = [ '\u u + '\x ] (A. Así. siendo la caja de Jordan asociada igual a una matriz diagonal con una subdiagonal superior de unos.

132 y sub espacio observable. 201 Descomposición en valores singulares. 112. 28. 239. 125 matriz. 243.ín dice a lfa bético Cayley-Hamilton método. 117 escalón. 390. 370 variables. 7. 117 Entrada de mínima energía. 395 teorema. 354. 294. 75 método. 195 y sub espacio controlable. 78. 305 Función de transferencia. 198 Integrador. 65. 346 Jordan forma canónica. 299 observable. 345 Matriz de transición. 112 elipsoide. 351 y realización mínima. 367. 238. 112 de la salida. 114. 78 transformada. 301. 72 . 366. 113 desde cualquier punto en un intervalo. 344 inicial. 119 Estado controlable. 4. 123. 15. 384 gramiano. 365 espacio. 109. 12. 192 Ganancia del sistema. 64. 72. 291. 251. 181 Forma canónica controlable. 200 en un intervalo. 346. 345. 185. 122. 135 de la salida en un intervalo. 231. 347. 294 Controlabilidad. 112. 195. 239. 348 Laplace antitransformada. 235. 13. 78 Linealidad. 134 de un punto en cualquier intervalo. 382. 201 Ecuación diferencial completa. 383 Ceros del sistema. 299. 70 homogénea. 243 Grado de McMillan. 380 de un sistema. 134. 344 ecuación. 135 matriz. 295. 380 gramiano. 17. 393. 374 cálculo. 392 de cualquier punto en cualquier in­ tervalo. 253. 113 definición. 130 410 de equilibrio. 78 Energía de una señal. 381 Descomposición de Cholesky. 64. 296. 370. 126. 10. 246 Invarianza.

299. 131 controlable observable separación. 296. 243 Sistema discreto equivalente. 75 Modos de segundo orden. 10 del sistema. 197. 177. 204 Variables de fase. 132.ÍNDICE ALFABÉTICO 41 1 propiedades. 199 Multiplicador. 191 Sumador. 238. 200. 287 de orden reducido. 74 Valores singulares de Hankel. 296. 387 Observador. 388. 10 Servosistemas. 234. 390 de un punto en cualquier instante. 204 mínima. 27. 392 Realización. 179 matriz. 125 y . 243. 231 . 306. 75. 243. 73. 385 de un sistema. 64 Período de muestreo. 394 Subespacio controlable. 199. 200 gramiano. 198. 393 teorema. 352. 233. 385 de un punto en un intervalo. 383 base. 1 77 de un sistema en un intervalo. 200 equilibrada a la salida. 130 separación. 348. 308 definición. 355. 245 Transformación contragrediente. 291 . 185. 394 asignación. 231 . 191. 199 Valores propios. 198. 354. 70 Vectores propios. 294. 241 . 252. 194 no-observable. 352. 12 Tipo del sistema. 239. 347 Variación de las constantes. 68 transformación. 200 internamente equilibrada. 234 cálculo. 231 . 192 equilibrada a la entrada. 243. 371 . 288 Salida ecuación. 128. 15 Número de condición. 352 Polos del sistema. 189. 238 Realimentación del estado. 239. 19. 296. 393 Polinomio característico. 121. 16 Superposición. 352. 177 elipsoide. 235. 190 separación. 19 Régimen permanente. 287. 1 77. método. 195. 392. 243. 299. 245. 72. 289 Peano-Baker. 231 . 204. 389 base. 396 múltiples. 189. 182 Observabilidad.

.

Heath. RC.T. 1986. Addison . M. Kucera 91 V. 1991. Linear System Theory.Wesley. IEEE Trans. Modern Control Theory. M. Linear Systems. February 1987. A. M. A. 2 a edición. McGraw­ Hill. Dorf. Addison -Wesley. on Automatic Control. Laub. Desoer.C. Dorf 92 R C. 1991. New York. C. 1975. Modern Control System Engineering. C. Kailath. Brogan 91 W. Kuo 96 B. Analysis and Design of Discrete Linear Control Systems. Borrie. Hsu and A. 6th edition. 7 a edición 1996. Control System Design: An Introduction to State Space Methods. Lelic. Prentice Hall. Callier. Friedland. Dorf 8 9 R C. Hsu 75 J. Paige. Pren­ tice Hall. Addison -Wesley. L aub 87 A. Kuo. 3rd edition. Modern Control Systems: A manual of design methods. 1993.93 R H. Springer Verlag. Prentice Hall. Bishop.Wesley. 1991. Kucera. Brogan. Sistemas de Control Automático. No. Modern Control Principles and Applications. Modern Control Systems. Kailath 80 T.J. Gajic. Computation of System Bal­ ancing Transformations and Other Applications of Simultaneous Diagonalization Algorithms. Prentice Hall. Friedland 86 B. Dorf. Dorf 9 6 R C. 413 B ibliogra fía Bishop 1. U . Prentice Hall. Gajic 96 Z .C. . Modern control systems analysis and design using MA TLAB. Vol. 1989. Modern Control Systems. McGraw-Hill. Bishop. 2. Dorf. Meyer. Ward. Callier 91 F. 1986. Borrie 8 6 J. 1992. AC-32. 1996. Prentice Hall. Addison . 1980. Sistemas Modernos d e Control. 1996. C. seventh edition f3 using MA TLAB bundle. New York. R H.

M.C. 1993 Shinners 92 S. J. Linear Systems Theory. Observability and Model Reduction. Moore. Prentice Hall.0. 1 992 . Vol. Modern Control System Theory and Design. February Ogata 98 K. Wiberg 71 Wiberg. Prentice Hall. 1971 Principal Component Analysis in Linear Systems: Controllabil­ ity. No. on Automatic Control. John Wiley & Sons. 1981 . M. Strwn 94 R. 1994. J. Digital Control: A State-Space Approach. State Space and Linear Systems. McGraw-Hill. 1998 . Strum. Vaccaro. IEEE 1.Moore 81 414 BIBLIOGRAFíA B. Kirk. PWS Publishing Company. . Rugh. Contemporary Linear Systems Using MA TLA B 4. Vaccaro 95 R. Trans. Donald. Ogata. Shinners. Ingeniería de Control Moderna. McGraw-Hill. serie de Schaum en ingenieria. D. Rugh 93 W. AC-26. 1995. 3a edición.