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

. Matriz de transición . . 7. . . 9. 7. 9. Ejercicios resueltos . . Observabilidad en sistemas discretos lineales invariantes 9. Solución de la ecuación discreta de estado 343 8. .1. . . . . .6. .2.4. . . . .4. . Sistemas híbridos realimentados . . . . . . .1. . . . . . Método de la matriz resolvente 8. . .4. . .4.3. . .1. . .3. .3. . . . Modelo de estado en variables de fase 7. . Observabilidad en sistemas discretos lineales . . . . Solución de la ecuación homogénea. . 8. . . . Sistemas muestreados de control 9.2. . . Método de Cayley-Hamilton . 8. 9.5.5. . .7. 7. Método de la matriz fundamental de soluciones 8. VIII JI ÍNDICE GENERAL Sistemas discretos 341 Modelo Discreto de Estado 7. . . Introducción . . Observabilidad . . . .8. . .4. . Controlabilidad en sistemas discretos lineales invariantes .2. Sistema discreto invariante equivalente . .3. .7.4. . Sistemas muestreados . . . . .9. . . . . . . . . . 8. . . . . . .5. . .6. . . .4. . Control de sistemas discretos por realimentación del estado 9. . . . . . . . Modelo de estado en variables de Jordan . . . Sistemas variantes . . .1. . 7. . . Controlabilidad de la salida . 7. 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 . . . . . . . . . Transformaciones lineales . . Propiedades de la matriz de transición Cálculo de la matriz de transición . . . . . . . .4.3. .11. . . . . . . 7. . . .3. . . . . . . Obtención de la representación externa a partir del estado 7.4. . 8.4. 8.4. . Ejercicios resueltos . . .6. . Definición de estado para sistemas discretos Sistemas dinámicos discretos . 9. . . . . . . Método de diagonalización de Jordan 8. . 7. 9. Introducción . .5. 7. . . . . . Obtención de modelos discretos de estado .10.4. . . . Ejercicios resueltos . . . Controlabilidad . .7. . . Sistemas híbridos . . .6.2.2. . . 7.1. . . . . . . . . . . . Controlabilidad y observabilidad en sistemas muestreados 9. 9. .1.6.2. . . . .6. . . . 7. . . . . . Controlabilidad en sistemas discretos lineales . . . . Método iterativo . .4. . . . . . . Solución de la ecuación completa 8. . . . . 7. . . . . . . 9. . . . . . . . . . . . .6. 8. 9. 8. .

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

.

4. . . 5. 1. . . Separación simultánea de los subsistemas controlable y observable. . . . .6. . . 1. .3. . . 4. Realimentación constante de la salida. . Trayectoria del vector de estado en el espacio de estado. . .2.4. 1. Evolución temporal de las variables de estado . Puntos alcanzables desde (0.ín dice de figu ras 1. . 1.0 ) . . . 3. Superposición de la evolución libre con el subespacio controlable. 3. . . . 5. Representación gráfica del subsistema controlable. 1. . . . . . 3. . .10.3. . Sistemas en serie .1. . . Representación gráfica vectorial del modelo de estado. Bloque sumador . Bloque integrador.8. . Separación detallada de los subsistemas controlable y observable.. . . . . .11. . 4.2. . . . Sistemas en paralelo . 5. .9. . . . Representación gráfica del modelo de estado. . . . . ..4. . . 5. . . .2. . . . . . . 1.7. 1. .3.3. Separación de la parte no-observable. . . . . . de forma directa (línea continua) y con un punto de paso intermedio (línea discontinua). . Transición del estado entre dos puntos. .1. Adición del parámetro Kü. .1. . 5. Transformación de la matriz de realimentación K. .12.4. .4. Realimentación del estado . Sistema con realimentación de estado. . 3. . . . 4. .1.5. Realimentación en sistema de tipo uno.5. . Transitividad de estado . . . .2. . . 4. . . 1. 1. . 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 .5. Multiplicación por una matriz. .5. Sistema no controlable. 1. . 1. Control proporcional del sistema anterior. . . Sistema lineal con el conjunto de entradas de test . 3. Concepto de observabilidad.

. .3. . . . . . . Esquema del sistema con observador.1. 6. . 7. .2. . 7. .6. . . . 9. .4. . Sistema con parte discreta parte continua.7. Sistema continuo multivariable . . Esquema des sistema con observador realimentación en espacio de estado transformado. 9. . 9. . .6.2.3. Sistema híbrido realimentado.1. . . . . 6. Sistema muestreado con tiempo de cálculo nulo.5. . . 6. . . . . Sistema con retardo no múltiplo entero del tiempo de muestreo . . Conversión a sistema de tipo uno . . 7. 9. 9.2. .4. Sistema con observador matriz de transformación. Sistema muestreado . Sistema con observador realimentación del estado. .4. 6.XII ÍNDICE DE FIGURAS 5.1. . 7. . 6. . Sistema con observador realimentación. . . Sistema con observador de orden reducido. . . . Sistema muestreado con tiempo de cálculo no nulo. .6. y y y y y 246 287 288 292 293 297 300 301 310 352 353 355 357 390 392 393 394 395 396 .8. Concepto de observador. . . .3. . . . . . . Sistema muestreado con realimentación del estado. . 9. . Esquema des sistema con observador en la forma canónica observable. . . 6. 6. Sistema discreto con realimentación del estado. . . 6. . .5. Sistema discreto equivalente. .

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. el control de procesos y todas las nuevas tecnologías que permiten la realización de los modernos sistemas de control automático. tratar de llenar un hueco. que creemos que existe.). de otra. conferencias. que tienen sus orígenes en la más remota antigüedad. normas y monografías en el campo de la Automática. sino también económico. y aso­ ciaciones internacionales. El Comité Español de Automática de IFAC (CEA-IFAC). y. promover la colaboración entre socios. editar y divulgar publicaciones. Los fines del CEA-IFAC son. de manera cada vez más creciente. Esta asociación está abierta a todas aquellas personas e instituciones interesadas en los temas teóricos y prácticos propios de la automatización. con una colección de libros • • • • XIII . informes. en componentes esenciales y críticos de cualquier sistema dinámi­ co. entidades. eléctrica. entre otros: promover el estudio. etc. comisiones de trabajo y de elaboración de normas. han sustentado sus raíces en las matemáticas aplicadas y se están convirtiendo. El Control Automático es una de las pocas disciplinas que trasciende las fronteras de los campos tradicionales de la ingeniería (mecánica. nuclear. asimismo. Es.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. aplicación y mejora de las técnicas de la Automática. 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. universidades y empresas. química. Los sistemas de control automático. 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. en el área de la Automática: organizar y desarrollar cursos.

la automatización de procesos. técnicas procedimientos que demandasn las cada vez más exigentes especificaciones de la automatización de procesos. octubre de 2001 y • • • y y y y y Consultores editoriales Profesores Pedro Albertos Javier Aracil Sebastián Dormido XIV . en un sentido amplio. pues. con una amplia experiencia docente. Esta colección de libros se ha estructurado en tres direcciones que tratan de abor­ dar los diferentes aspectos que configuran. como un vehículo de comunicación de doble sentido entre la comunidad académica el mundo industrial que está trabajando en el área del Control Automático. Está escrito por un grupo de profesores. 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. En los meses sucesivos irán apare­ ciendo nuevos títulos que tratarán de ir perfilando el alcance el sentido de esta colección. que inicia su andadura con el mejor de los deseos de ser útil al lector interesado por este apasionante mundo del Control Automático. La colección de libros «Control Automático e Informática Industrial» se plantea. Madrid. 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».

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. 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. dejaron claro la gran utilidad del concepto de estado en la formulación y solución de muchos problemas de decisión y control. El enfoque de Poincaré al estudio de problemas dinámicos rápidamente se popularizó y se vino a conocer como método del espacio de estado. Se necesita un conjunto extra de variables cuyo objetivo es tomar en cuenta la historia pasada del sistema. entre otros.E. Hacia mediados de los años 50 los trabajos de Pontryagin y Bellman. Poincaré. 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. 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. el concepto de estado se hace dominante en el estudio de los sistemas dinámicos. 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. con su trabajo pionero sobre los Nuevos Métodos de la Mecánica Celeste. xv .Prefa cio A finales del siglo XIX H. La importancia creciente de los métodos del espacio de estados lleva a R. 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 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.

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. es sin lugar a dudas uno de los recursos que cualquier especialista en Control Automático debe estudiar y por supuesto conocer. Este libro con el que se inicia la serie «Fundamentos» de la colección «Control Automático e Informática Industrial» tendrá. 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. octubre de 2001 Consultores editoriales Profesores Pedro Albertos Javier Aracil Sebastián Dormido XVI . más general.A partir de estas consideraciones el estudio de los sistemas lineales invariantes en el tiempo. más riguroso y profundo enfoque de nuestro campo. Madrid. 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. La significación real de la introducción de los métodos del espacio de estado supone el comienzo de un nuevo. tanto continuos como discretos. estamos seguros.

que constituyen el denominado subsistema controlable. junto con la evolución de las entradas al mismo. junto con la relación entre sus variables y el resto del sistema. ¿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. en el que se separan claramente las variables que pueden controlarse con las entradas del sistema.Prólogo Si «la información es poder» y nuestro objetivo es poder controlar el comportamiento de un sistema. que son: 1. 3. para ser utilizada en su control? Esta es la idea básica del Control en el Espacio de Estado. Es decir. forman el denominado modelo de estado del sistema. ¿Qué parte del sistema puede controlarse con las entradas disponibles? Esta pregunta se resuelve en el Capítulo 3. información que viene representada por el denominado "estado del sistema". 2. 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. abordada en el Capítulo 2. ¿qué mejor que tener la máxima información posible sobre dicho sistema. 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. es crucial para relacionar las entradas con la evolución del sistema y ésta con sus salidas medibles. ¿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. determinan el comportamiento de cualquiera de sus variables. La evolución temporal del estado obedece a unas ecuaciones que. contar con la máxima información posible del sistema con objeto de utilizarla para controlarlo mejor. Así cada capítulo aborda y resuelve cada una de las importantes cuestiones planteadas. 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. XVII .

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

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.

lo que evidente­ mente obliga a u n conoci m iento de las condiciones q ue han actuado sobre el sistema . según la expresión : q(t) que mod ifica el vol umen de Ah(t) h(t) Ji -. es necesario cono­ cer la evolución del ca udal desde el comienzo de los tiem pos. 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.2.1 El depósito de la figu ra recibe u n ca udal líq u ido q ue contiene. normal mente fuera de a lca nce.1. q(t) = Entrada J SISTEMA Estado h �t� - L . CONCEPTO DE ESTADO 5 q(t) = V(t) = Ejemplo 1.. En la teoría clásica de control se rea l iza- ....� _1III1t:h(t) Salida • Su poniendo consta nte la sección del depósito.

la anterior definición puede expresarse de forma matemática como: (1. l. a los sistemas lineales contin­ uos y. El hecho de que no se profundice igualmente en el estudio de los sistemas no lineales viene dado por la falta de generalidad n. 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. sobre la q ue se basa la teoría moderna de control. q ue si es la mín i ma se denomina estado. pod ría ser en el presente ejemplo la altura en u n determi nado insta nte to: h(to). atendiendo. La a ltura del depósito representa el estado en el ejemplo considerado y.1) x(t) = lJ!(t. Si además se representa el conjunto de variables de entrada mediante el vector u(t) . MODELO DE ESTADO ban a lgunas simplificaciones. h(to ) . en primer lugar. de esta forma la evol ución de la altura del depósito sería : h(to) + h(t) lJ!(t. como considerar que las condiciones i n iciales era n n u las. to . en los cua les la sa lida y el estado no sólo no tienen por qué coi ncidir. u(r)) . < . 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. siendo éste el único caso estudiado a lo largo de todo este texto. Este conjunto de variables. en la segunda parte del libro. U na a lternativa a estos pla ntea mientos. recibe el nombre de vector de estado.6 CAPÍTULO 1. x(t) . to . es considerar la información que resuma todo lo acontecido en el sistema hasta ese momento. debido a su sencil lez. to t A q(r)dr to 1 < r ::. x(to ) . denomi­ nadas variables de estado del sistema. sino que n i siquiera han de poseer la misma d i mensión. to r ::. a los discretos. 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 . Esta situación no es en a bsol uto genera lizable a otros sistemas. q(r) ) . 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. coi ncide con la sa lida del sistema . Esta i nformación . sólo el valor en ese insta nte) . en el presente texto el estudio se va a centrar en los primeros.

se orienta por tanto el estudio hacia los sistemas lineales. relacionadas entre sí mediante transformaciones lineales. tal como se observa en la Figura 1. CONCEPTO DE ESTADO 7 en su tratamiento. para los que la salida ante una determinada entrada se modeliza como una cierta función de densidad de probabilidad. por lo que no se puede establecer una metodología genérica para su análisis.1 .2. según se refleja en la Ecuación 1. 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. Xo = x(to). U(T) to T � t x(t) es única.2. igualmente relacionadas entre sí por transformaciones lineales.1 para el caso de un modelo con tres variables de estado. Esta dependencia no afecta a cualquier variable externa. para los que dada una entrada se puede encontrar una salida de forma unívoca.1 se van a establecer dos hipótesis ya conocidas. en contraposición a los sistemas estocásticos. 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. el análisis se centra en los sistemas deterministas. 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. sistemas que por propia naturaleza cumplen con el principio de causalidad. en primer lugar. y que también aparecen en la teoría clásica de control. para la formulación del modelo de estado de la Ecuación 1. el estudio se centra en los sistemas físicos. que no modifican su expresión sea cual sea la representación del estado elegida. 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. por lo que siempre se parte del supuesto de que se ha de cumplir con esta propiedad.2 . < =} . En aras pues de avanzar en la introducción de los conceptos fundamentales de la teoría moderna de control. Unicidad 't/t � to. por lo que también existen infinitas posibilidades. teniendo por tanto la misma dimensión que el número de elementos de dicho vector. 1. En principio.1. 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). la combinación de estas evoluciones. como las entradas y las salidas. Dentro de los sistemas causales. por eliminación del tiempo entre todas ellas. Al ser el espacio de estado un espacio vectorial.1. se concreta en una trayectoria que el vector de estado sigue dentro del espacio de estado. admite infinitas bases. La representación del estado depende de la base elegida.

8 1. .5 1 X.1: Evolución temporal de las variables de estado.25 0.5 X. CAPÍTULO 1.5X.5 -0.75 -0.25 0.2: Trayectoria del vector de estado en el espacio de estado. -1 Figura 1. MODELO DE ESTADC -0.5 I I I ¡1 Figura 1. X. / / ¡- \ ---- ---- ---- X3 -1 / / ---- / ---- / ---- o Xl 2 I I -1 -0. o 0.

tal como se esta propiedadFigura 1. t2 siendo: x(td w(tl ... x(to ).3: 'fransitividad de estado = = < < X(t2) W(t2 . JI.3.3.1. to Continuidad t---+ to (1.. Una definición amplia de dichos sistemas es la siguiente: . U(T) ) con h T ::. 1. Las trayectorias en el espacio de estado son funciones continuas: lím x(t) = x(to ) Vt. to l trelacionado pormuestra trayectoriatransición:valor de estado tresestos tiempos. el del estado en de 2 -'--- �/:. Ecuaciones del modelo de estado Como se ha establecido con anterioridad. U(T)) con to T t2 X(t2) W(t2 . 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 ::...2) Y 3." x(to ) x(td Figura 1.. la teoría de estado representa un formalismo para el tratamiento y resolución de sistemas dinámicos deterministas. testá en la 2 . .3. to .x(h). ECUACIONES DEL MODELO DE ESTADO 9 2. ::.. to . x(to ). tl . Transitividad o propiedad de transición Si se considera en una en el espacio tiempos.

u(t)) (1. Dicha relación se establece mediante una ecuación de la forma: (1.4) (1. ya está recogida en el estado. x(t) . Como el estado es la representación suficiente del sistema. a las que se llama estados.5 se le llama ecuación de salida. por propia definición. La resolución de dicha Ecuación 1.4 con unas determinadas condiciones iniciales da lugar a la Ecuación 1. se llama orden del modelo al número de variables de estado con el que se construye. entendiendo por tales valores del estado en los que el sistema funciona por tiempo . las de entrada y las de salida: donde En la teoría moderna se añade. es posible definir una relación de la salida con éste y con la entrada. u(t) ) = r¡(t. De estas ecuaciones se intuye la continuidad de las trayectorias descritas por las variables de estado. otro conjunto de variables. Entradas y estados se encuentran relacionados como ya se vio en la Ecuación 1. u(t)) donde se puede observar que la salida en el instante t sólo depende del tiempo. De esta forma. MODELO D E ESTADO Un modelo de sistema dinámico determinista es una relación matemática entre dos conjuntos de variables.1. como el estado recoge toda la información del sistema en un determinado instante.4 y 1.3) y(t) = r¡ (t. x(t) . 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 . que representa la dinámica de la evolución del estado del sistema. para determinar su dinámi­ ca también basta el conocimiento de las variables de estado y de la ecuación de estado. x(t) . y a la Ecuación 1. no del estado y de la entrada en instantes anteriores.5 se le llama realización en el espacio de estado del sistema.10 � CAPÍTULO 1 . A la representación de estado descrita en las Ecuaciones 1.5) donde a la Ecuación 1. que describe la trayectoria seguida por el estado dentro del espacio de estado. Esto se debe a que toda esta información.4 se le llama ecuación de estado. del estado y de la entrada en ese instante. Asimismo. como ya se ha explicado. De otra parte. u(t) y(t) ¡(t.1. aspectos como la estabilidad del sistema y sus posibles estados de equi­ librio. 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.

¡ (t) : h (t) y(t) X 2 (t) 1 jj (t) = M [u(t) .Jy(t)] 1 [u(t) . Se eligen: = = = Ky(t) + J dy(t) dt = f + M Teniendo en cuenta que u(t) :i.6) J(t. a nte u na fuerza de desplaza m iento F(t): 111 1. las ecuaciones del modelo de estado será n : y(t) = y(t) d2 y(t) dt 2 = . de una masa M con consta nte elástica K y con coeficiente viscoso J.4. ECUACIONES DEL MODELO DE ESTADO 11 indefinido sin que se produzca variación alguna.1 .2 y(t) F(t) Al ser u n sistema de segu ndo orden . el estudio de estabilidad requerirá de métodos específicos según la naturaleza lineal o no lineal de esta ecuación.JX 2 (t)] M X l (t) X 2 (t) F(t) . se necesitará n dos varia bles de estado.KX 1 (t) . se estudian a partir de la Ecuación 1.Ky(t) . 3. x(t) . mientras que la determinación de los estados de equilibrio se lleva a cabo encontrando las soluciones de la ecuación: (1. u(t)) = O Ejemplo 11 O btener el modelo de estado que define la evolución del desplaza miento y(t) .

t.3. au l (t) + .B u2 (t)) = = a f (t .4. U2 (t)) n x n x n n.BX2 (t) . Las expresiones de las matrices A (t) . de dimensiones p D (t) tiene dimensiones p (en la mayoría de los sistemas es nula). aU l (t) + . de dimensión u( t) es el vector de entradas. partiendo del estado inicial X3 (tO) = aX l (tO ) + bX 2 (tO) con una entrada u3 (r) = aU l (r) + bU2 (r). n. x l (t) .9) x(t) = A (t)x(t) + B (t)u(t) y(t) = C (t)x(t) + D (t)u(t) (1. to < r :S t.Bu 2 (t)) = = a r¡(t. to < r ::. . aX l (t) + . aX l (t) + . x x m. la salida es Y3 (t) = aY l (t) + bY2 (t) . responde con otra salida Y2 (t) .8) donde f y r¡ son funciones vectoriales. Para ello se le aplica el test de superposición: Se tiene un sistema que partiendo de un estado inicial cualquiera X l (to ) . x l (t) . t. X2 (t) . n. de dimensión y(t) es el vector de salida. de dimensión p. Se dice que dicho sistema es lineal si para todo a y b reales. 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. de dimensiones C (t) es la matriz de salida. con una entrada cualquiera Ul (r) .Bf (t . X2 (t) . es necesario conocer si un sistema dinámico dado es o no lineal. 1. f (t .BX2 (t) .12 y(t) 1 . MODELO DE ESTADO X l (t) Sistemas dinámicos lineales En primer lugar. donde: x(t) es el vector de estado. La ecuación de sa lida será simplemente: = CAPÍTULO 1 . Ul (t)) + . responde con una salida Yl (t) . m. U l (t)) + .10) Ésta es la forma en la que se representa el modelo de estado de un sistema dinámico lineal. de dimensiones B (t) es la matriz de entradas.Br¡ (t . 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. U2 (t)) r¡ (t . y a partir de cualquier otro estado inicial X2 (tO) con cualquier otra entrada u 2 (r). como se detalla en la Sección 1. B (t) y C (t) dependen de la representación del estado elegida.7) (1. A(t) es la matriz del sistema. to < r ::.

ECUACIONES DEL MODELO DE ESTADO 13 Ejemplo 1. D tienen sus elementos constantes.11 . uI (r) ..2.3 Para la evol ución del desplaza m iento y(t) . pero en el instante to + T.3. e Esta propiedad de invarianza significa que. las matrices A. . . responde con una salida que es Y 2 (t + T) = YI (t) . Sistemas dinámicos invariantes y [ �� ] + [O]u(t) M 1 1 ] u(t) B. Y que produce como salida la señal YI (t) . en los sistemas lineales.3. sometido a una entrada < r � t. 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. se dice que es invariante si VT. el modelo de estado en forma matricial se ca lcula a partir de las ecuaciones dadas. to < T � t. to Un sistema. partiendo del mismo estado Xo . no son funciones del tiempo. con un estado inicial dado por Xo = x ( to) . excitado con una entrada u 2 (r + T) = U I ( T ) .

14 1 . Se define un nuevo vector de estado a partir de x(t) mediante la expresión: x(t) = T(t)5é(t) (1.1 (t)B(t)u(t) { x(t) x(t) = = (T � l ) (t)x(t) + T .12) (1. quedando: j¿ (t) (T � l ) (t)T(t)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)B (t) C (t) = C (t)T(t) D (t) = D (t) [ ] (1.4. y . se puede obtener una nueva representación de estado. equivalente a la inicial. 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. Esto es lo que se denomina una transformación lineal en el espacio de estado.11) 5é(t) = T . mediante el vector de estado 5é(t) obtenida mediante una transformación lineal que en general depende de t.1 (t)x(t) T(t)5é(t) A(t)x(t) + B (t)u(t) que junto con la ecuación: y(t) [ = = ] (1. da lugar a nuevas matrices del modelo: A (t) = (T � l ) (t)T(t) + T .13) C (t)T(t)5é(t) + D (t)u(t) y supone una nueva representación del estado. Transformaciones lineales = = CAPÍTULO 1.1 (t)A(t)T(t) 5é(t) + T .1 (t) [A(t)T(t)5é(t) + B (t)u(t)] = (T � l ) (t)T(t) + T .1 (t)A(t)T(t) B (t) = T.14) Partiendo de un modelo de estado cualquiera conociendo la matriz de transfor­ mación T(t) . Esta nueva representación del estado.

i Figura 1. La situación más común es que la matriz de transformación T sea invariante. Bloque integrador. y(t) R(t)u(t) (1. · jt00 u(r)dr - = y(to) + ( u(r)dr t it a (1. Hay tres tipos básicos de elementos: 1.4..A(t)T B (t) = T. . es decir...4: Bloque integrador. representado en la Figura 1. 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. Multiplicación por una matriz. pero sigue siendo el mismo.15) 1. y(t) = 2.1 B (t) C (t) = C (t)T D (t) = D (t) (1.(]H5. lo que simplifica la expresión de las matrices del modelo de estado en la nueva base: l A (t) = T.16) u(t) �y(t) = 0 · Figura 1. ¡ 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.5..5: Multiplicación por una matriz.. 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.17) .5. que no dependa del tiempo. representada en la Figura 1.

4 H a l lar la representación gráfica del sistema : jj (t) + aiJ (t) + by(t) = u(t) => jj (t) . Así para el siguiente sistema: ( 1 . 18) 1. M O D E L O DE ESTADO 3.6. u(t) y (t) v (t) = Figura 1 . Bloque sumador 1 . lo que hará que el mismo sistema pueda estar representado por distintas matrices A. representado en la Figura 1 .6 : Bloque sumador.aiJ (t) . 19) 1 En adelante. . -C y D.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.by(t) + u(t) El Ejemplo 1 . y(t) Ejemplo u (t) + v (t) = ( 1 . se suponen siempre positivas las entradas a todos los bloques sumadores. si no se indica lo contrario. B. Hay que recordar que un mismo sistema admite distintas representaciones de estado.16 CAPÍTULO 1 .

6. Figura 1. a partir de la representación del estado de un sistema lineal e invariante. como puede verse en la Figura 1. En lugar de operar con escalares es más útil operar con vectores.20) La representación de este sistema con los anteriores tipos de bloque será la represen­ tada en la Figura 1. 6 . 7 . Función de transferencia y modelo de estado El problema que se aborda en este apartado es obtener. u(t) Figura 1.7: Representación gráfica del modelo de estado. la función de transferencia. 1.1 . Si el sistema no . FUNCIÓN DE TRANSFERENCIA Y MODELO DE ESTADO 17 (1.8: Representación gráfica vectorial del modelo de estado.8.

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

aunque la entrada al sistema sí que las tenga. En la ecuación de salida sólo pueden estar relacionadas las variables de estado. = 19 (1 .5. 1. las entradas y las salidas. la represen­ tación del estado de un sistema no es única.1 . e igualmente válidas para la descripción del sistema. sino que pueden encontrarse infinitas. para cada una de las cuales las ecuaciones que definen su comportamiento. 4. Se admiten discontinuidades en la entrada (por ejemplo.Al por lo que los polos del sistema coinciden con los valores propios de la matriz A. por tanto.4 no estaría definida. sus primeras derivadas y las entradas. entrada en escalón). Existen distintas posibilidades de elección de las variables de estado de un sistema. 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 . C y D. pudiendo obtenerse una a partir de otra mediante transformaciones lineales. 7.4 y 1 . 7 . para representarlo mediante su modelo de estado: Ax(t) + Bu(t) = Cx(t) + Du(t) . también ha 4e ser así con la estabilidad del sistema. Las variables de estado no pueden presentar discontinuidades. La posición de los ceros del sistema viene dada por las matrices A. Métodos d e obtención del modelo d e estado Como se ha venido mencionando en distintas secciones de este capítulo. 3. 1 . En esta sección se van a explicar diferentes técnicas para obtener una representación del estado. En la ecuación de estado sólo pueden estar relacionadas las variables de estado. tienen distinta expresión. de forma que dado un sistema cada una de ellas es diferente. B. todas ellas equivalentes entre sí. 2. pues en tal caso la derivada de la variable de estado que aparece en la Ecuación 1 . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO se concluye que el polinomio característico del sistema es : p(s) det [sI . como el polinomio característico sólo depende de A.26) Polos = Valores propios de A Se ve asimismo que. En los siguientes subapartados se explican diversas metodologías para elegir variables de estado de un sistema y. por lo que en ningún caso pueden elegirse las entradas como variables de estado del sistema.

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. las dos últimas metodologías expuestas son aplicables solamente a sistemas lineales. puede considerarse con unas características intermedias. Variables de estado como salida de los integradores del sistema. Al hablar de elementos que acumulan energía. Variables de estado de fase. 1 . Según este criterio de ordenación. La segunda. se produce una transmisión de energía hasta producir un equilibrio energético. 7. se hace referencia tanto a elementos que acumulan energía potencial (un condensador.20 CAPíTULO 1 . mientras que la primera es la más genérica y menos sistematizada. 1 . Según se verá en las subsecciones siguientes. La segunda puede aplicarse también a todo tipo de sistemas. 7. como a aquellos que acumulan energía cinética (intensidades en bobinas. 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. 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 masa suspendida cae con una cierta aceleración finita. desde el punto de vista físico. la primera metodología puede considerarse como la más intuitiva. el móvil giratorio se decelera con una cierta aceleración angular. Cuando uno de estos elementos acumuladores de energía son puestos en contacto con un entorno con un nivel energético distinto. basada en la salida de los integradores. 4. MODELO DE ESTADO Variables de estado como magnitudes físicas del sistema. con la característica de que dicha transmisión no es instantánea en ningún caso: el condensador tiene una función de descarga. 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 suspendida a una cierta cota o el agua dentro de un depósito hasta una cierta altura). Variables d e estado como magnit udes físicas La idea básica es escoger como variables de estado los elementos que acumulan ener­ gía. etc. lo que impide que las variables de estado presenten discontinuidades. Variables de estado de Jordan. 2.2. según se muestra en el Subapartado 1. • . 1 . 3. Por tanto. pudiéndose aplicar a cualquier tipo de sistemas dinámicos lineales o no-lineales. una masa desplazándose a una cierta velocidad o un objeto girando a una cierta frecuencia). si bien en el caso de sistemas lineales se puede predecir la forma del modelo de estado resultante. las variables que pueden elegirse como variables de estado son aquellas que caracterizan esta transmisión de energía entre un objeto y el medio.

En sistemas hidráulicos: altura de fluido en los depósitos (energía potencial).1 . deben ser designadas con el mismo sím bolo y ser elegidas sólo como una n ueva variable de estado. Por ta nto. que en u n ci rcuito electrónico son las tensiones en los condensadores y las i ntensidades en las bobinas. que son necesarios para determinar el estado del sistema en cada insta nte. simu ltánea­ mente. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO • • 21 y • En sistemas mecánicos: las posiciones (energía potencial) las velocidades (energía cinética). 1. 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 . las tensiones Uc 1 Y Uc 2 son varia bles de estado del sistema que representa n la tensión en condensadores d iferentes. Dichas tensiones tienen en genera l va lores disti ntos q ue dependen de sus condiciones i n icia les. 7. . por los dos deva nados contiguos q ue constituyen la única bobina de esta ra m a .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. 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 . 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. 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. 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 . representa ndo en rea lidad la misma tensión física de un m ismo condensador. Por ta nto.

resultando: y(t).l + an _ 1 S n . Uc3 . simplificando con ello la notación empleada.28) donde el término entre corchetes se obtiene mediante la integración del término de la derecha de la ecuación por tanto. por consiguiente. en concreto los 1. i4 e is . y Variables de estado como salida de integradores en sistemas monovariables Para estudiar esta metodología se va a considerar. q ue una adecuada elección de las variables de estado ligada a los elementos físicos q ue com ponen el sistema es: Uc 1 . a sistemas lineales con objeto de obtener una forma genérica del modelo de estado para dichos sistemas. Sin embargo. + at )y . 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. que por tanto no presentan discontinuidades en sus valores ante discon­ tinuidades de la entrada.22 CAPÍTULO 1. de forma sistemática. y ( 1 .8. . Primeramente se reordena se saca como factor común el operador derivada en dicha ecuación genérica.7 y Se concl uye. 1 . Una opción clara para elegir variables de estado de acuerdo con su definición da­ da en la Sección 1 .30) y. 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. 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) .aoy (s n . 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. Uc 2 . . Variables d e estado como salida de los integradores 1. Este procedimiento puede aplicarse de forma genérica tanto a sistemas lineales como a sistemas no-lineales. la obtención de variables de estado de sistemas monovariables representados por una ecuación genérica del tipo: ( 1 .7. .29) ( 1 . .(bn s n. + b 1 )u ( 1 .2. descomponiéndose entonces la anterior ecuación en las dos siguientes: bou .1 + . es elegir éstas como las variables que representan las condiciones iniciales de las ecuaciones diferenciales que definen el comportamiento dinámico del sis­ tema. 2 .2 + . en primer lugar. a continuación se expone dicho procedimiento aplicado. puede ser elegido como variable de estado. .

I Y y .35) ( 1 . resultando: x I + bl u .ai . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO y 23 que son.40) + bn u ( 1 .bn a l b2 .34.l Y= [ O ] x + ba .2 + an _I S n .bn a n .2 + .aaXn + (ba . para 1 i ::.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 .38) X l = .l u ( 1 . se van obteniendo ecuaciones con la siguiente expresión genérica: ( 1 .36) la última de estas ecuaciones es la ecuación de salida del sistema monovariable.a n . .aI Y (Sn . expresado en forma matricial.32) ( 1 . se obtiene: ( 1 . la ecuación de salida del integrador la ecuación que describe la variable de estado.7. da lugar al siguiente modelo de estado: < n y ( 1 . .bn a2 bn .I bn )U.39) X i =X i . + a 2 ) Y .ai .(bn S n .bn aa )u. respectivamente.34) hasta obtener las dos últimas ecuaciones: X n . .l .I 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.I Xn + (bi _l .41 ) . que. . para i = 1 ( 1 . que puede reescribirse como: e introduciendo este valor de en las ecuaciones anteriores de salida de los integradores representadas por su expresión genérica 1 .3 + .bn aa b l .33 ) Procediendo reiteradamente de la misma forma.l .l + bn. + b2 )u ( 1 .bn u ( 1 .

q) al resto de las variables involucradas en las ecuaciones del sistema entre las que se encuentran las variables de salida consideradas.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 . y .K u .cKu = O ::::} X l X2 + aX 2 . para que el sistema esté bien definido existirán q ecua­ ciones linealmente independientes.24 Ejemplo CAPíTULO 1.cKu = O ::::} ::::} s(sy + ay . K(s + e) S2 + as + b y (t) y las ecuaciones de estado son : con lo q ue: X l + bX 2 . . 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 . MODELO DE ESTADO 1.K u sy = X l .Ku) + by . m El procedimiento anterior se puede generalizar para sistemas lineales multivariables.cKu = O � u(t) . Denomi­ nando (i = 1 . . .ay + K u ::::} X 2 = Y = = -bX 2 + cKU X l . .Ku) + by .X l = O ::::} X2 Xl sy + ay . . .K u = iJ + ay . representados por un conjunto de ecuaciones diferenciales algébricas lineales. . .aX 2 + K u -bX 2 + cKu -ax 2 + XI + Ku X2 Variables de estado como salida de integradores en sistemas multivariables Ui . ) a las distintas entradas del sistema (i = 1 .

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

de modo que: U - x = El x + B l Sustituyendo ahora en 1 . . por tanto. 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. 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. si las q ecuaciones iniciales son linealmente independientes. como la detallada anteriormente.A l A2 l B 2 )u Wi . Para elegir variables de estado no es necesario descomponer las ecuaciones diferen­ ciales del sistema hasta obtener integradores puros. Varios casos de obtención de modelos de estado según este método se pueden encontrar en los ejemplos agrupados en el Ejemplo 1 . ( 1 . la derivada de la salida si el grado del denominador supera en dos al del numerador. las variables w: x Obsérvese que.9.A l A2 l E 2) x + (B l . puesto que representan la información del sistema en cada instante y no pueden presentar discontinuidades en sus valores ante discontinuidades de la entrada. y así sucesivamente para las derivadas de orden superior de la salida.26 CAPÍTULO 1. dando como resultado una expresión de la forma: ( 1 . 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.51 ) ( 1 . la matriz A 2 . 50) (E l . pudiéndose elegir alternativamente como variables de estado la salida de una ecuación diferencial de primer orden simple.49) -A2 l (E 2 x + B 2 u) = ( 1 . de dimensiones q q . 1 0 al final del capítulo.48 se obtiene la ecuación de sistema: A l A2 l (E2X + B 2 u) w= ( 1 . 2 Como norma general . se puede elegir como variable de estado la salida del bloque si el grado del denominador supera en uno al del numerador. MODELO DE ESTADO que se pueden agrupar de forma matricial. será no singular pudiéndose despejar. 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. en el que las ecuaciones diferen­ ciales del sistema se han descompuesto en integraciones sucesivas de distintos términos. Variables de estado como salida de sistemas de orden reducido El procedimiento descrito es un método sistemático. que han sido elegidos como variables de estado del sistema.

7. . + bI S + bo) X l 1 -an . que puesta en forma matricial resultará: O O O O 1 x= O O u (1.2 X n.a l SX l . .55) = n m n.aOX l + u o O O O O 1 O O 1 O O x+ + u (1.l X l . . .an .l S + an. ..59) .l O 1 (1.53) U (1. .a l X 2 .l . 7 .57) Con lo que ya puede construirse la ecuación de estado.l u. . . .56) X n = X n. 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 + . 3 .an _2S n . Con este criterio ya se pueden escribir las ecuaciones de estado: Xn S n X l = -an _ l S n ..2 X l .58) O O O O -ao -a l -a 2 -a3 La ecuación de salida queda: y = (bm s m + .aOX l -an.1 . + 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 . ..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 . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO 27 1 ..l S +.l X n .+ a l S + ao (1.

.An -- (1 . bm O .60) Cuando n = m.4. . la representación del sistema en variables de Jordan admite las siguientes opciones: 1 .61) y En este caso. . . .Al 1 X2 = --u S .A2 X3 = S -1 A3 1 xn = --u s . entonces al ser s n X1 = xn se sustituye xn por la Ecuación 1 . 1 . . .54.63) u (1. + b1s + bo ) X l = bn [.a1X2 . Variables de Jordan Partiendo de la Ecuación 1 . 7 . .1Xn + u] + +bn .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. Se suponen todos los polos simples y se descompone en fracciones simples. .1 xn + .28 CAPÍTULO 1 . de la forma: y = (bn + �l + �2 + " ' + �) u s-A S-A S . O ] x (1 . + b1X2 + bOX1 (1 . la ecuación de salida sería de la forma: (1 .57: y (bnsn + .64) . en los casos en los que en la función de transferencia se cumple que gr(num) = gr(den) . MODELO DE ESTADO pasando esta expresión a notación matricial se obtiene: = [ bo b1 b2 .An Se le asigna una variable a cada uno de estos operadores: 1 X l = --u S . .an . .aOX1 . . lo que indica la matriz D es la acción directa de la entrada sobre la salida a la que se superpone una respuesta dinámica.

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

que darán lugar a cuatro bloques de matrices que representan lo mismo. 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 . Dos sistemas disjuntos en serie.5.7. 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. como los representados en la Figura 1. La obtención de las ecuaciones de estado del sistema global se puede realizar a partir de las ecuaciones de estado de cada subsistema. La representación gráfica llevaría integradores en serie en el bloque de raíz múltiple e integradores en paralelo en el de raíces simples. 1 . A continuación se presentan los casos de conexión de sistemas más habituales. de manera que las salidas de unos subsistemas actúan como entradas de otros de forma directa o mediante sencillas operaciones algebraicas. 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. la matriz deja de ser diagonal y pasa a ser diagonal por cajas de Jordan. 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. . 1.9.9: Sistemas en serie. = CAPÍTULO 1 . con un vector B de ceros con un uno en el último elemento.30 y y la ecuación de salida toma la forma: [ (1. MODELO DE ESTADO PI P2 Pr-l Pr Pr+l Pn ] x + bn u r x r. 70) Cuando hay raíces múltiples. Estructuras compuestas Los sistemas multivariables pueden considerarse compuestos por varios subsistemas más sencillos conectados entre sí. 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.

1 . por construcción se cumple que U2 = Y l . 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 . El estado del sistema conjunto será la unión de los dos subsistemas: De forma que sustituyendo U2 por Yl : =? 2. 7 . como los representados en la Figura 1 . Dos sistemas disjuntos en paralelo. la salida y = Y2 . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO Y 31 La entrada del sistema conjunto es u = Ul . 10: Sistemas en paralelo. 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: [ :� ] .

las ecuaciones del sistema sin realimentar son: { yx = Ax + Du = Cx + Bu w = Kx Al realimentar se cumplirá que: .l C] x + [B .Dr x = Ax + B(r . Cx Dr En un sistema con realimentación de estado como el que aparece en la Figura 1. se deducen las siguientes ecuaciones: y = Cx + D(r l.lD] r En el caso más habitual. MODELO DE ESTADO 3.l Cx .CX + [1 + DK] .BK[I + DK] .BK[I + DK] . De todo lo anterior. que la matriz D se anule. la salida continúa siendo y se sigue representando el estado con el vector x. 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.w) = Cx + Dr l. la expresión anterior queda como: x = [A .12.BKC]x + Br 4.11: Realimentación constante de la salida.32 r CAPÍTULO 1.DKy [1 + DK]y = + y = [1 + DK] .BK[I + DKtlDr x = [A .BK[I + DK] . Sistema con realimentación constante de la salida: K y w Figura 1.Ky) = Ax + Br .

En el primer depósito entra u n fl ujo F1 . cuya sección eficaz S 2 puede variar y considerarse. con lo que la Ecuación 1. u=r-w x + con lo que la nueva entrada es r. 72 queda de la forma: y = ex (1.Kx) = [e . la salida continúa siendo y el estado sigue repre­ sentado por el vector x. De todo lo anterior. que representa una variable de entrada manipu lada .8 . es frecuente que la matriz D se anule.8. se cumplirán las siguientes ecuaciones: y = Ax + B(r .73) 1 . Ejemplos adicionales un Modelo de estado de Ejemplo sistema de depósitos 1. � � � � � � � � � � � ��� ��� � 33 r ' . EJEMPLOS ADICIONALES .-----114 . y el segundo depósito tiene un orificio de sa lida l i bre de ca uda l . de sección eficaz SI . 72) Como en el caso anterior.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.BK]x + Br (1 . t w Figura 1 . como una entrada .DK]x + Dr (1 .71) y = ex D(r .1 .. por ta nto.Kx) = [A ..12: Realimentación del estado.

34 de perturbación a l sistema . obteniéndose una expresión a lternativa vá lida en el ra ngo de valores h 2 > h 1 . 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 .8 1 y'2g(h 1 .8 2 y'2gh 2 . a u nq ue las condiciones i nicia les del sistema podría n dar l ugar a q ue h 2 > h 1 . en los primeros insta ntes de tiem po. Las expresiones a nteriores son sólo vá lidas m ientras h 1 � h 2 . 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. en caso contrario es necesario ca mbiar el signo dela nte de a m bas raíces. 'c 7 CAPÍTULO 1.h 2 ) 8 1 y'2g (h 1 . se deriva n las ecuaciones a nteriores y se toman va lores incrementales respecto a l pu nto de fu ncionam iento . O bsérvese que.h 2 ) . 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 . por lo que su estado viene representado por dos varia bles. pudiendo elegirse las alturas en a m bos depósitos h 1 y h 2 . q ueda ndo: A 1 h1 A 2h2 F1 .

Al = 2 Y A 2 = 1 .5 Y tomando como punto de linealización el estado de equilibrio determinado por el flujo de entrada FlO = 1.1 . 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 1.816.25. 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 .38 Y h 20 = 0. En concreto si se supone que los parámetros físicos del sistema valen 8 1 = 0. I ntroduciendo estos valores en las ecuaciones anteriores. El modelo de estado anterior puede particularizase para cada sistema.8 . EJEMPLOS ADICIONALES 35 Simplificando la notación en las ecuaciones anteriores. 8 2 = 0. debiendo cumplirse que a3 > a2 .3.8 .

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

EJEMPLOS ADICIONALES En las que definiendo las siguientes variables de estado: X l = X.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.1. 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.COS X 3 U . que presentan una fricción viscosa de coeficientes {3l y {32 . X 2 = X .mg sin X 3 cos X 3 + u M + m sin2 X 3 = X4 (M + m)g sin X 3 . 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. y dos masas m l Y m 2 . 1.!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) . 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. Se considera además la variable intermedia T correspondiente a la tensión ejercida por el muelle K2 .9 .8.

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

.8IYI X3 = F .. 78 se obtiene KI K2 K2 .--" X3 (1 . 79) De estas últimas se pueden despejar las variables de salida e intermedias: (1 . se han obtenido cuatro ecuaciones diferenciales de primer orden: Xl = T ..82Y2 Resumiendo.KI YI X2 = X l ...X 2 = mI mI m2 K2 KI + K2 -.1.82Y2 y tres ecuaciones algébricas: (1 . 78) 1 Y2 = -X4 m2 K2 K2 T = .X4 . las ecuacio nes del sistema : y sustitu yendo en 1 ..X 2 mI m2 n .82Y2 '-v--' X4 X4 X4 m 2Y2 X 3 .X 2 .X4 ..X 2 + ..8. 77) y finalmente a partir de 1 .T '-.X 4 m2 mI . 77: s(m 2Y2 ) = X 3 .82 ) Y2 } = F . finalme nte.... EJEMPLOS ADICIONALES 39 s { (m2S + .T X 4 = X 3 .

.81 se despejan las variables de salida e intermedias invirtiendo la correspondiente matriz: -[ [. La forma matricial del sistema de ecuaciones 1 ..81) A partir de 1 .82) .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. MODELO DE ESTADO Aunque es evidente que en este caso la resolución directa presentada es la más sencilla y adecuada .X2 mI K2 k2 F . ya que es más sistemática . X2 X3 X4 = (1 ..-X4 m2 - CAPÍTULO 1.78 es: o O O -{J2 y el sistema 1 .40 {JI X l .X4 + F mI m2 {J2 X 3 . habrá otros casos más complejos donde la forma matricial resulte conveniente.X4 + m X 2 = m2 I K2 K2 .79 queda : (1.X 2 .

82. EJEMPLOS ADICIONALES 41 y sustituyendo en 1 .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 .10 u (t) Si la dinámica del sistema se puede representar mediante la ecuación dife- .8. 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.

al ser de grado uno. 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. se puede realizar descomponiendo el sistema en dos bloques.bXI Las ecuaciones de estado son : u (t) Entre otros métodos. 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) .aXI . uno que contiene un polo y otro que contiene un par polo cero.42 rencial: CAPíTULO 1 . que puede ser la salida del bloque. Como primera puede tomarse la salida del bloque. 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. MODELO DE ESTADO Ku = :Í:! + aXI el sistema posee una única variable de estado.

. 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 .8.1 .bX2 = Xl + bXI + (a -b)X2 -Au Xl -aX2 b { X2 -bXI ++ (Au-a)X2 + + B)u Xl (A y . 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 .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.

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

9. X l y X 2 . Ejercicios resueltos Hallar un modelo de estado del sistema de l a figura. el sistema de la figura posee dos variables de estado. u(t) ""Iii --- s+a =} =} 1 X2 (t) � --- s+a s+b !t . ya que para modelar el comportamiento del sistema es necesario conocer todas las variables involucradas. puede enmascarar posibles inestabilidades. 1. Por ejemplo. con sus condiciones iniciales correspondientes. sabiendo que h a de incluir el mayor número posible de las variables representadas. EJERCICIOS RESUELTOS 45 Cuando se obtiene el modelo de estado a partir de un diagrama de bloques no se pueden realizar cancelaciones. u(t) . y como se vio en la teoría clásica. Además.aX 2 + u = -bX l + U -bX l + U -aX 2 + u Xl 1.1.9. 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 .

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

1 . f) U2 . j ) h e ls 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. i) U2 Ua pueden ser variables de estado a la vez. Para el sistema de la figura. cualquiera de las dos. e) l6 puede ser variable de estado . EJERCICIOS RESUELTOS 47 2. h) U4 U5 pueden ser. k) h e 19 pueden ser variables de estado a la vez. g) U4 U5 pueden ser variables de estado a la vez.U2 16 C . variables 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 ) .9 .U3 R a) Iz puede ser variable de estado . c) la puede ser variable de estado. . y puesto que la tensión en bornes de un condensador nunca puede hacerlo. 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) . a) l2 no puede ser variable de estado. es la tensión en bornes de la resistencia de esta primera rama la que absorbe la discontinuidad de la entrada. por lo que la tensión en bornes de alguno de sus componentes colocados en serie debe tam­ bién variar bruscamente. d) l4 puede ser variable de estado. b) h puede ser variable de estado. l4 Ua pueden ser variables de estado a la vez.

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

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 . EJERCICIOS RESUELTOS y 49 y k) U2 U3• En el presente caso. cualquier entrada dará lugar a que los incrementos de intensidades sobre los valores iniciales sean siempre los mismos en ambas ramas. m. dependiendo de las condiciones iniciales. pero los valores absolutos de las intensidades que circulan por cada una de ellas pueden ser completamente distintos. Kw = 0. Siendo a. la intensidad que circula por los devanados de cada una de las bobinas es siempre la misma. m = Obtener un modelo de estado del sistema linealizado en torno a la trayectoria de referencia definida por Wo = 0. Kp constantes del sistema. las ecuaciones del sistema se pueden escribir como: -aw + Kwp cos O U _ pw 2 + Kp sin O u . a) b) Obtener un modelo de estado del sistema no lineal original .. pueden ser consideradas ambas a la vez como variables de estado. En el presente caso. Kp = 1 . independientemente de las condiciones iniciales de la evolución de la entrada. Consumo de combustible de propulsión . Por tanto. las intensidades que pasan por ambas ramas son variables físicas distintas sin ligazón lineal entre sí que. que valen respectivamente 1 . Kw .01 . y 3.01 radj s y Po = 100 m . al no variar bruscamente ante cambios bruscos de la entrada.9. por lo que sólo se tiene una única variable de estado. Ángulo de la tobera de propulsión. a) Utilizando el operador derivada. debido a la conexión en paralelo de las dos ramas con la misma impedancia. h e 19 sí que pueden ser variables de estado a la vez.1. Velocidad angular de la nave . a = 1. por un razonamiento aná­ logo al del apartado i).

0001x 3 + 4. Se dispone de dos depósitos de agua de sección constante A l y A 2 . X2 X3 b) -aX I + Kw X 3 cos 8 u 1 .O IB (t) y'2 1 -O. MODELO DE ESTADO Eligiendo como variables de estado la salida de los integradores en ambas ecuaciones.2w(t) + u(t) + 0.O.OOOlp(t) . h. se obtiene el siguiente modelo de estado lineal del sistema en torno a la trayectoria de referencia: 1 U . y ambos vierten a una misma tubería .50 CAPÍTULO 1. con lo que las ecuaciones linealizadas del sistema en torno a estos valores de referencia son: w(t) p (t) -w(t) + O.OOOlp(t) + 1 u(t) .0l8(t) y'2 Eligiendo las mismas variables de estado. Hallar un modelo de estado: B . se obtiene: Con lo que las ecuaciones de estado quedan: Xl . Ambos están alimentados por un caudal qe .018 y'2 X2 -X l + 0.0.018 y'2 1 -2X I .-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. En cada depósito el caudal de salida es proporcional con una constante a la altura del líquido. respectivamente. .01 y'2.0001x 3 + u + 0.0.

qe .9 . b) A partir del diagrama de bloques. EJERCICIOS RESUELTOS 51 a) A partir del sistema físico. 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. A Xl = --Xl + A1l Bl . se omite la dependencia del tiempo de las variables.qe .1 . a) Se eligen como variables de estado: y sustituyendo en las ecuaciones físicas: = ::::} ::::} B .X2 --X2 + A1 A2 2 . Las ecuaciones físicas del sistema son: qe . para mayor claridad en el desarrollo. c) Usando variables de fase.

52 CAPÍTULO 1. A lhl + XI = El XI + XI . A. 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 = . A2 . = 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: .

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.X2 ) + �2 (X l . EJERCICIOS RESUELTOS 53 B -. por ejemplo: con lo que quedarían las ecuaciones: B B X.X2 ) = �2 qe AiS _B = +_ s + Ai B = X l = qs = Y X2 qS l JI. 2 + Al X2 = A l qe (Xl . 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 .--_ Eligiendo como variables de estado. para cada depósito Ai y expresado en forma matricial: -2 [! e) Para utilizar las variables de fase.

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

EJERCICIOS RESUELTOS y 55 El sistema precisa de cuatro variables de estado para su representación. es necesario encontrar otra asociada al bloque de segundo orden. Dado e l sistema d e l a figura. elegir u n modelo d e estado que contenga como variables de estado el máximo número posible del conjunto de variables [Xl> X 2 ] .X3 X4 2XI . .1. de segundo orden.3X3 .X4 3X3 + 3X4 y que expresado en forma matricial es: U U 6. dadas estas tres variables.9.3X3 . que pueden ser tomadas como variables de estado. una por cada uno de los bloques de primer orden. En el diagrama aparecen tres variables. Esta variable se obtiene como: con lo que las ecuaciones quedan: Xl -Xl + X2 . las de salida de cada uno de los blo­ ques. dos para el primer bloque.3X4 + X3 Xl .3X4 + X2 -Xl .

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

[ �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 . concentración. EJERCICIOS RESUELTOS Por último.F Flujo de salida: donde: h('l I F. En el sistema de la figura.9.1 . deducir las ecuaciones de estado. para el sistema linealizado. 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. tomando como variables como salidas el flujo de estado el volumen y la concentración de salida. C F kv'h k � = = .

V.58 • • • CAPÍTULO 1.Ul .-C .F év + cv = Cl Fl + C2F2 .�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. h representa la altura de fluido en el S y y Linealizando en torno a este punto de equilibrio: = V Fl + F2 . Va Va Ca Va Va Cl C Ca F Ca Ca C.CF �é + �V = �H + �� ...F = Ul + U2 . F representa el caudal de salida. MODELO DE ESTADO depósito. En el punto de equilibrio se cumplirá que: • • • • V representa el volumen de fluido en el depósito..� F .---C1 . que supone constante. C representa la concentración de salida...CO 1 -----v. representa la superficie del depósito.Ul + -2 U2 . Cl C2 representan las concentraciones de entrada.Yl Ul + U2 . Cl + -2 U2 .F ..-a C . . que se suponen constantes.F .CO 1 ..-V 2Va C Ca Fa Ca C.---C2 .. 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. H F2 representan los caudales de entrada.

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. consecuentemente. . 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.9. 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.1. puede ser elegida como variable de estado. y. por tanto. No sucede lo mismo con la derivada de la salida. 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. EJERCICIOS RESUELTOS + 59 8. en este caso dos.

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

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 .1 . elegir un modelo de estado que contenga el mayor número posible de variables de estado entre l¡ . 14 . 15 . tomando X l y X 2 como variables de estado. . EJERCICIOS PROPUESTOS + L e 15 R 61 '-----.----. Obtener el modelo de estado del sistema representado por el siguiente diagrama de bloques. = 3. h . 2. h .O1 O2 ] [ XX2l ] [ O1 11 ] [ UUI2 ] [ O 1 ] [ �� ] [ O 1 ] [ �� ] + + Lrj. 10. Obtener l a matriz d e funciones d e transferencia corrrespondiente a l sistema repre­ sentado por el siguiente modelo de estado: - y [ .

Haltar un modelo de estado no lineal del siguiente sistema: . X 2 . X4 como variables de estado. u(t) 6.62 82 + 8 + 1 8 + 1 1 8 + 1 CAPÍTULO 1 . X 3 . Obtener el modelo de estado del sistema representado por el siguiente diagrama de bloques tomando X l . MODELO DE ESTADO u(t) Xl v (t) 5.

Es por este motivo que en este capítulo el desarrollo se va a ceñir a ecuaciones diferenciales lineales. Como ecuación diferencial que es. 63 . Obviamente el problema es aún abordable haciendo uso de métodos numéricos de solución. pero estas técnicas quedan fuera del ámbito de estudio del presente texto. La solución de la ecuación en su forma más genérica. sino en la posibilidad práctica de resolución analítica del problema matemático subyacente. es necesario resolver esta ecuación diferencial para tener un conocimiento explícito de la evolución de dicho sistema. incluyendo la posibilidad de aparición de no linealidades arbitrarias. 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. sin la posibilidad de obtener una solución analítica. dada la diversidad en la naturaleza y comportamiento de los sistemas que pueden ser representados con esta metodología. lo que nos permitiría extraer conclusiones detalladas sobre su régimen de funcionamiento. como en la mayoría de los casos de ecuaciones diferenciales no lineales. salvo los ya conocidos de causalidad y determinismo. En principio. tal como se encuentra formulada toma la forma de ecuación diferencial de primer orden.2 2. la ecuación de estado describe completamente el comportamiento del sistema al que representa y. 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. no existe ninguna restricción en la forma de dicha ecuación. tanto dinámico como estático. muchas veces. sin embargo. no puede abordarse de forma general.

2. por consiguiente. Caso general = Xo .4) (2.64 CAPÍTULO 2. por lo que la ecuación a resolver es: x(t) = A(t)x(t) (2. es decir. u(t) . 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) . Por contra. a semejanza con las ecuaciones diferenciales usuales.2) con condiciones iniciales x(to) 2. en dos fases: resolución de la ecuación homogénea y resolución de la ecuación completa. que dicho sistema no recibe estímulo externo alguno. U(T) . la ecuación completa contempla tanto esta evolución libre como la respuesta del sistema ante el estímulo externo mencionado.2 se obtiene la sucesión: = (2. 1. se puede obtener = (2.1) La solución de esta ecuación se plantea. 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. Solución de la ecuación homogénea . t) x( to ) Xo . resolver la ecuación de estado de un sistema lineal en el caso más general.2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES El objetivo en este capítulo es. por lo que la respuesta de éste vendrá dada por su evolución libre. es decir: x(t) = A(t)x(t) + B (t)u(t) (2. Matriz de tran­ sición En la ecuación homogénea se supone que la entrada u(t) es nula. Cabe recordar que se conoce como ecuación homogénea aquella para la cual la entrada al sistema se anula.3) la solución de dicha ecuación (2. 2.6) .5) 'Po = Xo = 'P k (t) 'P o + it f ( 'P k .l (T) . Para encontrar la solución de la ecuación homogénea se puede utilizar el método de integración por aproximaciones sucesivas de Peano-Baker.

9) El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales x(to) = Xo .7) donde cp (t. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. to) es la llamada matriz de transición. cuando el producto de A(t) y Jt: A(T)dT es conmutativo.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. después de la extracción de este factor común la expresión a la que se tiende es: X(t) = cp(t. to)xo (2.2. Casos particulares de la matriz de transición La Ecuación 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. mediante la que se construye la solución de la ecuación diferencial. 2.2.2.2 tiene una solución sencilla mediante el método de integración por aproximaciones sucesivas de Peano-Baker. y cuya expresión es: (2 . Se puede demostrar además que esta solución es única. En este caso la matriz de transición viene dada por: (2.2.10) Teniendo en cuenta que: Al entrar con este resultado en el término general de la solución de Peano-Baker: . se com­ prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la derecha.

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

t a ) O et .a a ( T)dT _ _ (2. l )x. to) = e a (2 .e A (t .ta) 'l' _ _ En este caso. La matriz A(t) es un escalar: en este caso. to) = e A(t . to) sólo de la diferencia entre el instante inicial el final.2 (t . la matriz conmuta con su integral. a (T) dT y y (2.e M J. puesto que en ambos casos se trata de escalares para los que siempre se da la propiedad de conmutación en el producto.1 _e.14) La matriz A es invariante: en este caso. 1 q>(t.e J.2 (t .(t . de forma que se puede aplicar la expresión general: "' (t . Entonces: "' 'l' (t . es evidente que la matriz su integral conmutan.e A J.l ) O e. Como la matriz del sistema es O e . t o ) . por lo que la matriz de transición toma la forma: J. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. Es decir. 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.a dT .t a ) = [ - e t . � [ O O e.(t .e J.a Ma (T) dT .l ) O 1 .l ) �1 x con lo que la evolución libre del estado es: x(t) � " (t. entonces se cumple el producto conmutativo del supuesto. se suele utilizar la notación q>(t .e Jtta A (T) dT . si: A (t) = Ma(t) donde M es una matriz invariante y a(t) es un escalar. al depender la expresión de la matriz de transición q>(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.ta � 1 2V . de forma que se pueda expresar como el producto de una matriz invariante por dicha función. 15) Ejemplo 2 .2 (t .2.l ) 2 e.2.a A dT . t o ) .to ) .13) (2.

68 CAPÍTULO 2.2. lo que significa que cualquier solución que se obtenga. como queda reflejado en la expresión. 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. = 3. por lo que y to coincide con el �pecificado al particularizar la sohición para este instante inicial. to)x(to ) :::} iJ>(to . to) = 1 (2. puede observarse que la matriz iJ> (t. n 2. to) mediante la serie de Peano-Baker (Ecuación 2. Valor de la matriz de transición en to El valor de la variable x(t) para el instante t como condición inicial. después de esta extracción. se tiene: = ¡ t A(T)dT ta + . se obtiene: . que la particularización de la matriz de transición para el instante inicial debe dar como resultado la matriz identidad de la misma dimensión. teniendo en cuenta que la ecuación se cumple para cualquier estado inicial.3. lo que queda vuelve a ser la suma infinita que define a la matriz de transición.2) . es decir xo . 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. dadas unas condiciones iniciales. Transitividad de la solución de la ecuación homogénea Si se calcula la solución de la ecuación homogénea para cualquier instante t2 . . to) (2.8) . Derivación respecto al tiempo diJ>(t ' to) dt A(t) + A(t) Si se deriva la expresión genérica de la matriz de transición. Propiedades de la matriz de transición 1 . to) cumple con la misma ecuación diferencial que el estado (Ecuación 2.6 al final de este capítulo. Además. 2. por lo que la matriz A(t) puede ser extraída de todos los términos como factor común por la izquierda. la derivación cancela el primer integrando de todos los sumandos. A esta conclusión se llega igualmente haciendo t to en la expresión de iJ>(t. Se puede demostrar además que estas columnas forman un sistema generador del espacio de soluciones de la Ecuación 2. se puede expresar como una combinación lineal de dichos vectores columna. por lo que todas las integrales se anulan permaneciendo únicamente la matriz identidad. = A(t)iJ> (t. 18) es decir.17) Como se observa. . se deduce que: = x(to) = iJ> (to .

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

28. Si la hipótesis formulada es correcta. 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. to) z (t) + <Í> (t. to)z(t) + cI> (t. to ) fuera de la integral.25) (2. entonces esta expresión de x(t) debe verificar la ecuación completa. es decir. = cI> (t. demostrando que existe la z(t) que cumple con la hipótesis formulada en principio: z(t) = = cI> .27) donde al aplicar la propiedad de inversión de tiempos a la matriz cI> (t. T)B(T)U(T)dT (2. calculando la z(t) que lo cumple.l (T. y al producto entre ésta . to ) es no singular. to)xo + cI>(t. se obtiene: z(t) = z(to) t ( cI> .70 2. to) z (t) .A(t) cI>(t.23) Para calcular la solución de esta ecuación se utiliza el método de variación de las constantes.24) cI> (t. y teniendo en cuenta que z(to) x(to ) a partir de la ecuación 2. to)z(t) = (2. to)B(T)U(T)dT ita t ( cI>(to . como cI> (t. to) . T)B(T)U(T)dT ita t ta (2. to) i( cI> (to . tal que la solución de la ecuación completa se puede expresar de la forma: x(t) hipótesis que se verificará a continuación. to) z(t) v [ A(t) cI> (t. to)B (t)u(t) + (2. según el cual se va a suponer que existe una z(t) . cuando existen condiciones iniciales no nulas y entrada: x(t) = A (t)x(t) + B (t)u(t) (2.1 donde el término entre corchetes se anula por la primera propiedad vista para la matriz de transición y.24 se obtiene: x(t) = = x(to) + (2.29) cI>(t. se puede despejar z (t) como: z (t) o ] (2. to)z(t) + B (t)u(t) = . to) .28) Si se sustituye esta expresión en la Ecuación 2. por lo que sustituyendo en la Ecuación 2.30) En el segundo término aparece cI> (t.26) B (t)u(t) que mediante integración se resuelve.l (t. pero como no depende de la variable de integración puede introducirse dentro de la misma. CAPÍTULO 2.4.23 queda: <Í> (t.

este término existe si sólo si existen condiciones iniciales no nulas. T)B (T)U(T)dT ta t (2. la evolución del estado ante entrada escalón es: . debida a las condiciones iniciales cuando la entrada es nula. dicho de otro modo.1 =[ <I> (t. 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 . aplicando superposición .2( t-t a l O �l O así como la evolución libre del sistema partiendo de las condiciones iniciales dadas. 1 se sabe que: e. Del Ejemplo 2 . El segundo representa la evolución forzada del sistema.4. debida a la acción producida por la entrada del sistema. 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.2.31) y Ejemplo 2 . y SOLUCIÓN DE LA ECUACIÓN COMPLETA 71 <I>(to . por lo que. to) = Y eA ( t-t a l e t-t a �l � [ 2 ] T . to )xo + i( <I> (t. Como puede verse. • = <I> (t. T) aplicarle la propiedad de transitividad para reducirlo.

2. t) .34) 1 .6 al final del capítulo. por el teorema de Cayley-Hamilton este polinomio infinito particularizado en A(t) puede calcularse mediante un polinomio R(M.. to) Se van a estudiar tres métodos para la obtención del resultado de esta expresión. t) donde C(>'.'o A (r) dr Para los casos en que la matriz A(t) sea factorizable según la Ecuación 2. t) = C(>'.Hamilton = eJ.32) (2.72 CAPÍTULO 2. que no es sino un polinomio infinito que depende de M y de t: e M J. de grado finito y menor que Llamando P(>') al polinomio característico de la matriz M.5. n. que incluye el caso invariante. 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. 1. t) es un polinomio de grado la división entre el polinomio infinito y el polinomio característico: R(>'. el cálculo de la matriz de transición de un sistema es equivalente al cálculo de la exponencial de una matriz: <I>(t.33) Para el caso de matriz A invariante el planteamiento sería el mismo. Como se verá a continuación. Método de Cayley. 2. Cálculo de la matriz de transición Por lo expresado en el apartado anterior.13.36) . 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. la matriz de transición se puede expresar mediante su desarrollo en serie. t) (2. t) Por el teorema de Cayley-Hamilton: L = nj=-Ol hj (t)>. obteniéndose la expresión: n.j n - (2. Q (>.35) P(M) (2. resto de (2. t) es el polinomio cociente y R(>'. t)P(>.) =O + R(>'. salvo por el hecho de que la función a(t) es igual a uno.5.'o a(r)dr donde: = k=O 00 L a k (t)M k = Q(M.

34 A M.40. ta ) = � (4e. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 73 es decir. comprobándose que sus valores son A l .2.e-4 (t-to) ) . t ) R(M.(t-to) .1 e Ai J:o Q{ r)dr R ( A i t ) L hj ( t)A{ que permitiría obtener las incógnitas hj ( t). Para obtener los coeficientes del polinomio R(M.5. que el polinomio característico de M se anula particularizado para sí misma. con lo que resulta : despejando este sistema resulta : ha = por lo que la matriz de transición resulta : <I> ( t. se puede deducir que: Q(M. sustituyendo en la Ecuación 2 .h 1 ha .1 .40) Calcular la matriz de transición del sistema definido por la matriz: A = = = - [ -22 13 ] y En primer lugar se calculan sus autovalores.39) . A continuación.38) donde los Ai son los valores propios de la matriz M. h 1 � (e. por lo que: con lo que se obtiene un sistema de ecuaciones: n. = n j= a (2.4h 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) ) _ ] . Ejemplo 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. sustituyendo en la Ecuación 2. se plantea la ecuación asociada a cada uno de ellos. t) se hace uso de la propiedad de que los valores propios anulan el polinomio característico: = = (2.(t-to) = = e-(t-to) { e-4(t-to) = = ha . 3 = n (2.4 . t) (2. A 2 . por lo que.

44) sabiendo que to = o.42) _ Ai ) m i (2. 2 1 .74 CAPÍTULO 2. t) en Ai . t) Pi (A) (A _ Ai ) mi _ expresión en la que todos los términos se anulan al particularizar para Ai salvo el último. es decir. para obtener t�tas ecuaciones distintas como incógnitas. En primer lugar se determinan los valores propios de la matriz dada .41) con lo que la expresión del cociente entre polinomios queda: Si se deriva esta expresión respecto a A. t) dA + d C(A. t) se seguirá cumpliendo hasta la derivada de orden mi . t) + �y R�� (2. el polinomio característico es de la forma: (2. quedando: dQ (A.l + d . t)Pi (A)mi (A C��. En el caso de que la matriz M presente algún valor propio múltiple. resulta: dQ(A. t) la del polinomio R( A.Ai ) que.1 inclusive. A partir de este orden aparecen sumandos que no dependen de (A .7 al final de este capítulo.43) dR(A. por lo tanto. 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. Se cum ple que: Obtener la matriz de transición del sistema definido por: [ -21 O1 ] = . com­ probándose que ambos coinciden en A l . t) dA y Esta igualdad entre la derivada de Q (A. un valor propio doble.34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. Dado un valor propio Ai con multiplicidad mi .4 A = I A=� Y = Ai ) d ) (A C(A. t) dA I A=� (2. t) m i . no se anularán cuando se particularice la derivada de orden superior de Q (A. se deben utilizar las derivadas de la Ecuación 2. Ejemplo 2.

t) t =} t e A . conocida como forma canónica de Jordan. si se consigue encontrar la matriz de transición para el sistema en el nuevo sistema de referencia. �(t. Tal como se vio en el teorema de cambio de representación de estado.h 1 d>' .13. en el caso de que todos los autovalores sean distintos. la exponencial de una matriz en cajas .2.2.5.t)é Sustituyendo en el polinomio resto queda : ] 2. ésta se compone.45) (2. es posible obtener la del sistema original mediante la transformación: <l> (t. Mét o do de J ordan Al igual que para el método de Cayley-Hamilton.47) T . t) dR(>'. se ha de cumplir también que: e t = ho + h 1 t e t = h 1 =} ho _ _ dQ (>.5. al ser el valor propio doble. de los vectores propios asociados a los valores propios de la matriz M. La ventaja de esta transformación es que la exponencial de una matriz diagonal en cajas de Jordan se calcula de forma muy sencilla. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 75 y.d>' De donde. se tiene el sistema de ecuaciones: = (1 - t) e t tet (1 .. to) . sustituyendo >. por su valor.1 (2. se parte de una forma de la matriz que permita su factorización de la forma que se expresa en la Ecuación 2. to) T�(t. por columnas. 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.46) Para el cálculo de la matriz T se sabe que. to)T .1 MTa(t) (2.1 A(t)T = T .

u(r)dr Valor propio múltiple: si la matriz es: M i a(t) Á i (t) = = ). Sección A.48) donde M i a(t) son cajas de Jordan I de la matriz Á (t) . 1 O O ). a(t) .49) 1 En el Apéndice A de este libro . 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.76 CAPÍTULO 2. 1 O O ).t u(r)dr e Mi It o" O O (2. 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 . O O O O O O O (2. 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:. se muestra un método para la obtención de la matriz diagonal en caj as de Jordan ).2.

l .4 . CÁLCULO DE LA MATRIZ DE TRANSICIÓN la exponencial es: - = e A f:� a(r)dr . Multiplicación de esta matriz por las matrices de transformación para devolver el sistema a su expresión original.3 sabemos que los autovalores de esta matriz son A l = . to) . to) = [ e -(t . to) . mediante el cálculo previo de las matrices T T. 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.5.to ) 2 .3) ! - (n .1 .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 .2. � (t.3 ( n . A 2 = .50) 1 De esta forma. <p(t.l Ut: a(T)dT) n . • Ejemplo 2 . 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.2 (n 2 ) ! Utto a(T)dT) n . 5 • • y Del Ejemplo 2. A continuación se calculan los vectores propios asociados.1 ) ! (2.

. Mediante la transformada inversa de Laplace Si el sistema es invariante. que: l .A) .8.[(sI _ A) . se observa que la matriz de transición se puede hallar como : En cuanto al segundo sumando. mediante la transformada de Laplace. convolución que aparece como segundo sumando de la solución general de la Ecuación completa 2. al final del capítulo.l XO + (sI .l ] Xo + . se comprueba. la ecuación de estado se puede resolver mediante la trans­ formada de Laplace.A) .:¿ . identificando el primer término.l BU(s)] = (2.] Xo (2.A) . 2.l BU(s)] = sX(s) .A)X(s) = Xo + BU(s) =} X(s) = (sI . mientras que en el Ejercicio 3 se puede ver un caso de aplicación de estas metodologías para un caso no invariante. y la expresión general hallada en la sección anterior.l BU(s) x(t) Ax(t) + Bu(t) = (2. se puede establecer una correspondencia entre la expresión de la solución completa. De esta forma.3.51) (2. la situación de entrada nula es la que se plantea para la ecuación homogénea.[(sI _ A) . como se acaba de hacer. Como puede observarse en la Ecuación 2. Por otro lado.52. puede encontrarse un caso de cómputo de la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del de Jordan. por lo que se propone un método alternativo para hallar su solución como: l -l x(t) . por las propiedades de la transformada de Laplace.53) Por tanto. Se parte de la ecuación: Tomando la transformada de Laplace: y = =} =} tomando antitransformada de Laplace: x(t) l -l .52. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el Ejemplo 2.55) que se corresponde con una integral de convolución en el dominio del tiempo.:¿ .78 CAPÍTULO 2.5.:¿ [(sI . el segundo sumando se anula.Xo = AX(s) + BU(s) =} (sI .A) . si la entrada al sistema es nula.54) cI> (t) * Bu(t) (2.52) Esta expresión permite obtener la evolución del estado en función de las matrices de las ecuaciones de estado y del estado inicial.:¿ [(sI .

2. c. cá lculo que resu lta trivia l en este caso a l ser la matriz A diagon a l . O)xo = [ e-t O2 ] [ 2 ] = [ 24ee-t2t ] O e.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 . Ante entrada n u l a . X2 + Calcular la evol ución del estado del sistema dado por: to O x(to) = Xo = [2] -4 a . b. a .. Ejemplos adicionales Xl 1 [ �l ] = [ -O1 -O2 ] [ X2 ] [ -3 ] u(t) .6. Cuando la entrada e s u n esca lón u n itario. Cuando la entrada es u(t) = sin(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. EJEMPLOS ADICIONALES 79 Determinación de la evolución del estado = Ejemplo 2 .. 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 .6. En pri mer l ugar se ha de ca lcular la matriz de tra nsición del sistema . Ante entrada n u l a ...c-s 0. x(t) = <p(t.--. 6 2.---:4.t - +---:-----:==---.

2 ( t. 5 -1 -2 3 - -4 .( t. 0 . O)xo + Jt <I> (t.2t + 1 + e-t � ( e.5 5 t Xl X2 = <I> (t.5 1 0. 5 1 1 . Ante entrada esca lón u nitario.r) _4 e.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. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 1.80 CAPÍTULO 2.2 t . T)B (T)U(T)dT = = [ ] +¡ [ O O =[ 2 e-t _4 e. 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.r) 1 -1 -2 -3 -4 e.5 -1 -2 -3 -4 b.2t to to t e .

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

A = -5.5h 1 ho h1 � ( e -5(1 -COS(t)) + 5 e ( 1 -COS(t)) ) � ( _ e . el siguiente paso es el cá lculo de los va lores propios de la matriz M. 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 = .COS(t)) ) . a plicada sobre los va lores propios.cos (t)) = ho + h 1 e -5(1 -cos (t)) = ho .c os (t)) + 5 e (1 .U . 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 . 2 sin(t) -3 sin(t) ] [ -41 -3 ] sin(t) 2 = =} { [ U na vez identificados los factores. 7 CAPÍTULO 2 . 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.5(1 .l ) (A + 5) que.82 Evolución del estado de un sistema no invariante Ejemplo 2 . q ue posteriormente servirán para pla ntear las ecuaciones media nte las que se despej a n los coeficientes del pol inomio resto. 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) .H a m i lton .5 = =} =} que despeja ndo dej a : e (1 . origi na el sistema de ecuaciones : Ai 1 Ai = .5 Al 2 = (A .-3 4 a(t) = sin(t) ] 2 det [. por lo q ue es susceptible de utilizarse el método de Cayley.M] = A + 4A . 13. con lo que los a utova lores son = 1 .

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

A l eA2 t A2 . 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 . q ue se va a resolver primero media nte el método de Cayley.H a m i lton y después media nte el método de Jord a n .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 .A2 .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. 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. polos del sistema ) . Resolviendo este polinomio característico se obtienen los dos polos rea les del sistema q ue denomina mos A l y A 2 .84 CAPÍTULO 2. M atriz de transición por 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.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 . 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 . .

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: .¡t . formada por a m bos vectores propios. 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.¡t .Ad [ al � Al al � '\2 ] [ � e�2 t ] [ ��l _ �l ��l ] = al (A + al)e).e). por lo ta nto la matriz de ca m bio de base d iagonal iza nte.l = 1 e ¡t +A al(A2 . [A. 2 i = 1.2 t)2 -al (Al + ade). q ueda la siguiente ecuación aplicable a cada va lor propio: = 1.2. 2 Supri miendo la segunda ecuación por ser combi nación l i nea l de la pri mera es u n va lor propio ) . O) = eAt = TeÁtT.al (Al + ade).I .¡t + al(A22 + al)e).¡t + aie). t [ (al 2+ Al)(A2 + ad(e). se obtiene Vi 2 = al + Ai. t -aie). 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 .6.2 t ai Ai.Al [ �:� ] A: [�] VI V2 i = 1. 2 Haciendo por ejemplo Vil = al.

pudiendo va ler O en el caso de que no exista ca udal de entrada . . En nuestro caso esta mos interesados en ver la evolución cuando el fl ujo es consta nte Fl (t) = F. 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 . 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. la evol ución de las a lturas desde sus cond iciones i n icia les en a usencia de ca udal de entrada. sin embargo. si se utiliza n las ecuaciones no l i nea les origi nales del sistema . porque e l sistema h a sido previa mente l i nea l izado en torno a un pu nto de funcionamiento. Por ta nto. Esta resol ución analítica media nte la matriz de tra nsición no es posible. es deci r. Obsérvese q u e este sistema ha podido resolverse analítica mente media nte l a matriz d e tra nsición . 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. 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. 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.86 CAPÍTULO 2.

2606 0.0..1 .139t + 0O..1 82 7 8( e .1 ) + 0 . 0.. O) = 7 394 13 9t [ 0 .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. 3 t .'506gee--00.3802 e . cuyas ecuaciones son : [ h�21 ] = [ -0.139t + 0.441 -0.11 . 7394 e.2606 e .. EJEMPLOS ADICIONALES 87 Si se considera el sistema concreto del Ejem plo 1 .33tt 2606 ).2606 13 9t 0. se obtiene la evol ución de las alturas representada en la siguiente figura : 2 5 r-----�--�--__.5 0.588 O _ 0.0 .139t . 13 9t .441 0.3802ee-.1 .1 + F [ -0 .33tt 0.0 . 3t ] y la evol ución de las alturas resulta : _ [ hh2l (t) ] (t) [ 0. 1952( e .2.3802 e .5f e i ntrod uciendo u na entrada consta nte de va lor F = 1 .0 .7 .11 . 13 9t 1) .3802ee--00. 3 t 0.3. siendo todos estos valores i ncrementa les sobre el p unto de l i nea lización . 7 394 .2 6661 ( e . 139t + 0.11 . 13 9t . 5 � E 2 � � 0� ----2 ----�----��----�--�0 4 6 1 8 tiempo (5 ) 1 2 S 08 N §.1 ..0. 3 t . � 06 O \ ----�----�----�------�--�0 � 4 6 2 8 1 tiempo (5 ) .6.1 .506gee-. S� 1 ..139 Y ).506gee -.5O ] F1 de donde se tienen los siguientes polos del sistema: con lo que la matriz de tra nsición resulta nte es: <p(t. 1003( e .1 .00. 7 394 13 9t 0 .'506gee-.0 .2 = .996 ] [ hh21 ] + [ 0.33tt ] [ hh2lO0 ] 0. 1 = -0.

modelo linealizad ///'/'�-------l tiempo (s ) . 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. 816. 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.modelo linealizad 10 --� � 1 0��2� O�=7.88 CAPÍTULO 2. la evolución fi nal de los i ncrementos de las alturas cua ndo existen condiciones i nicia les y entrada . : 5 3 35 " .desde e i nula -. La resol ución analítica del modelo de estado no l i nea l no es posi ble de forma genera l .. .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../ 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 ..38 Y h 2 0 = 0. que por ta nto no figu ra de forma explícita .0� h1 (t) (m ) s � g4 .. como suma de las dos trayectorias a nteriores . 12 evolucion libre . la evol ución desde condiciones i nicia les n u las y con entrada incrementa l y.. según se verá en capítu los posteriores. En d icha figura puede observarse la evol ución l i bre de los incrementos de las alturas ( es deci r.. a nte entrada i ncrementa l n u la ) . h lO = 1 .�==� 30 4O==� 50 . 2==�5 2 15 % -�� 5--�1���===� �� .s � E"' 0 6 04 02 °B 1 4r-----�--�--_.modelo no lineal . por ú ltimo. 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 .//. 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... siendo ésta una cu rva para métrica en fu nción del tiem po.

para 2 .2 . lo que será objeto de estudio en ca pítu los posteriores. En el ejemplo propuesto esta d iferencia se hace m uy nota ble en régimen permanente. que como ya se sabe coinciden con los polos del sistema. 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. Estas diferencias entre a m bos modelos será n . 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. • Método de Cayley-Hamilton Se plantea el sistema de ecuaciones correspondientes a la particularización . 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 . sin embargo.1] = (A + 3) (A + 2) (A + 4) (A + 3) [(A + 3) Al = . 1.4 Por lo que se tiene que los valores propios son: A partir del conocimiento de estos valores propios.2 A 2 = -3 A3 = . 7. Para ello. 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.A) A + 3 -1 O O -1 A + 3 = (A + 3) 3 _ (A + 3) = O A+3 O 2 . 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. se ha de resolver el polinomio característico: det ( AI . los polos del sistema� existen dos posibilidades para calcular la matriz de transición: utilizar el método de Cayley­ Hamilton o el de Jordan. 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 . [h lO h 2 0 V = [O oV . esto es. EJERCICIOS RESUELTOS 89 no linea l .38 Y h 2 0 = 0. 816. 7 .

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

=} 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.e .1 = 1 � ( e .4t ) 1 . se obtiene la expresión de la matriz de transición en el sistema de referencia inicial: ll (t) = T<1>T . 7 .4 t ) "2 ( e . EJERCICIOS RESUELTOS 91 A = -3.3t O O O 1 y + 7fj + 14y + 8y = O con las siguientes condiciones de contorno: to = O y (to) = 2 y(to) = .V32 V33 = O =} V32 V33 v3 � y Aplicando la transformación dada por T a la matriz <1>. 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 .2 .2 t .2t + e .2t .1 fj (to) = 1 .e .4.4t ) _ ( e .2 t + e .4t ) 2 2 2. � O O v" V21 = O - =} V22 V23 V2 = -1 O -1 -1 O O O 1 V31 = .( e . =} A = .

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

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

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. to) = T<I>T .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) : . to) = [ . es posible hallar la matriz llI(t. -2 = - [�] Con lo que la matriz de transición en el sistema de referencia inicial queda como: llI (t. . se construye por columnas con los vectores propios de la matriz A: ). Dicha matriz de transformación.94 CAPÍTULO 2. to) en el sis­ tema de referencia inicial.O O ] � [ e '2Q�'2 2 e 4 = .1 =} =} ). = <I> (t.'5 e 2 = ho . como ya es sabido. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el sistema de referencia diagonalizado.h 1 2 e 2 ( t -t � ) = ho + 4h 1 .V 1 2 Vl = [ � [ -� ] [ V2 1 ] [ � ] V22 . = 4 =} Por lo que la matriz de transformación queda como: =} 3 V2 1 = 2 V22 V2 = [ -3 -3 ] [ Vll2 ] [ � ] -2 V1 ] Vll .

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

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

determinar l a evolución d e l a tensión e n cada conden­ sador.1 [ -ii(--1-_e--6(t -1) )++2e -6t) ] 2e-6t) ( e En este intervalo existe un valor inicial.::: 2 .2.1 ) + e -6(t-2)) ] O O -2 -6t -6(t-1) -6(t. por lo que la variación del estado se debe exclusivamente a su evolución libre: Xb (t) = cI>(t. En e l sistema d e l a figura.2) ) [ _16( (-2ee-6t ++ee-6(t-1) ++ee-6(t-2)) ) ] i - que en su representación original es: x b ( t ) . 6 y t . en los siguientes casos: 11 Ug + R1 U c1 • C1 R2 12 U c2 • C2 . u(t) = O 2) [ 1 ( . fijado por la evolución del estado al final del intervalo anterior: lo que no existe es término debido a la evolución forzada.Tx b ( t - 5. EJERCICIOS RESUELTOS 97 que en la representación original del sistema equivale a: Xb (t) = T Xb (t) = • 1 6(t. así como la diferencia entre ambas.e -6 + 2 e .7.1 . a partir del instante to = O.1 2 ) ] = [ _ -61 ( -2e -6t + e -6(t. puesto que la entrada se anula.

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

O 2 O 4 O 6 O B 1 O 2 O 4 O 6 O B 1 t a) Si el = 10 .R2 G2 1 ] Ub ( t .7.t o ) Al ser la matriz A diagonal. to)x(to ) = [ �� e- �Ol La salida es: .to ) [ _. sin necesidad de aplicar los métodos de Caley-Hamilton o Jordan. .. O 6 t O B O 4 O 2 Entrada u. tO )X(tO ) + i¡ot 4>(t..2. 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. 1 ) Si la entrada es nula. cuya expresión es: x(t) = 4>(t. en la evolución del estado sólo influye el término debido a la evolución libre: x (t) = 4>(t. tO ) = e A ( t . r)B (r)u(r)dr t donde se aprecia el término debido a la evolución libre y el término debido a la entrada. 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. se puede expresar como: 4>(t. Para calcular la evolución del estado es necesario obtener previamente la matriz de transición. Como A es invariante. 4> (t.t o ) = e Ent rada [ 1 O u.!.=!o. to) = e A ( t . la expresión de la matriz de transición es sencilla de calcular.R1 Gl O .6 F.

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

RICI .e.2 __�� 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 .2.4 __ t �� __�� ____ � 0.l �____�� O 0.7. EJERCICIOS RESUELTOS � 101 Sustituyendo: x(t) + [ e RICI - O R I CI R2 C2 1 1 x(t) 1 l . 2 1 Ent rada ub .5t 2 e .e.6 0. 5 .to � La salida será: Dando valores.10t 2 e .l Ot ] =} y(t) = e .5 O �--�----� -0 . xo = [ 2 _l J T .5 1 Es t ado 0.R2C2 t .8 1 . se obtiene: x(t) = 1 1 [ + e .

entre [to . la evolución del estado será: Donde hay que distinguir dos casos: Primer caso: si t t I .2 0. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Evo l u c i ó n de la s a l ida . xo = [ 2 _l] T o ���������==� 0.6 0.4 0. Ent rada ub . t I ] . sustituyendo: • • x(t) = <p (t. entonces.8 O t 1 3) Si la entrada es un rectángulo de altura unidad. Segundo caso: si t � t I . será igual que el apartado anterior . to)x(to) < + it <p (t.102 CAPÍTULO 2. r)B (r)u(r)dr ta x(t) + x(t) .

5 1 0. xo = [ 2 _l]T = e .6 t .1O(t .8 O 0.5 t + e .6 0.4 0.4 t 0.5( t-O.7.5( t-O.5) y [ e . EJERCICIOS RESUELTOS 103 Mientras que la salida será: Dando valores. 5) + 2e .2.2 e. xo = [ 2 _l] T S a l 1 da 1 .2 0.5 0.l O t + e.8 1 Evo luc i ón de la s a l 1 da .lO t + e . 5) .O.5 O �������� 0.O . Entrada u c .5t ] _ e .1O(t . Entrada ub . 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) 1 E s t ado 0.

1) Entrada nula.0 .104 b) CAPÍTULO Si el = 2 1 O .5 t 3 e . 8 0 0 2 0 6 t Evo luclón de la sal ida Ent rada ua .�-.1� � ���� ---�. xo = [ 2 2 E s t ado 0.8 O 0. Entrada ua . l : x 2.2 0.5t [ ] _l ] T La representación gráfica del estado y de la salida es la siguiente: Evo l u c i ón del es tado . xo = [ 2 _l]T 0.6 F. 5 .5 t _ e. �� .����4 1 0 .5 -0 .4 O 6 t . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES x(t) y(t) Se obtiene: x(t) y(t) 2 e.5 o���������� 0. Sustituyendo en las ecuaciones obtenidas en a.

Sustituyendo en las ecuaciones obtenidas en a.2.RlCl x(t) 1 .8 1 Evo luc i ón de l a s a l l da .4 t 0. xo = [ 2 _l] T 0 �--�-----1 0.R2 c2 e RlCl + 2 e R2C2 y(t) Se obtiene: [ 11 -+2ee.2 0. xo = [ 2 _l] T 1 0.4 0 6 0.=��� 0. Ent rada ub .2 e.5t5t x(t) = . 2 1.2 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 .8 1 O t . 2 : 1 + e.6 0.5 1 E s t ado 0. EJERCICIOS RESUELTOS 105 2) Entrada escalón.7.5 O ������.5 Entrada ub .

8 1 . entonces.5 1 E s t ado 0. xo = [ 2 0. t¡J .O. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 3) La entrada es un rectángulo de altura unidad.!.5) .O.106 CAPÍTULO 2. 3 : • < • x(t) y(t) e _ . Se distinguen dos casos: Primer caso: si t t l .!::!L _ . 2 1.6 0.í Segundo caso: si t .5 Entrada uc .5( t.4 t 0.5( t.!. sustituyendo en las ecuaciones obtenidas en a.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 .5) 3 e. entre [to . será igual que el apartado b.2 é t + e.5 t + e.::: t l .=!lL - e _ R2 C12 t-t Se obtiene: x(t) y (t) e.=!lL R1Cl + e R1Cl + 2 e R2C2 _ .

2.5 O� O __ �����. una vez particularizados los datos: y(t) . La dinámica del sistema se aprecia en la ecuación de estado. pero en cambio no es posible obtener los dos a la vez.8 1 t Se observa que con cualquiera de las tres entradas.6 0. esto significa que el sistema impone una restricción a las variables de estado: dadas unas condiciones iniciales determinadas. Entrada ub . achacable al' sistema.7. será profundamente tratada en el siguiente capítulo. pues su diferencia ya está fijada. Está motivada por la coincidencia en la dinámica de las dos variables de estado. para el segundo valor del condensador el . la salida es la misma. Esta limitación. xo = [ 2 0. por lo que los incrementos en su evolución serán los mismos.2 0.4 0. Como dicha salida es la diferencia de las dos variables de estado.=======� 0. se puede conseguir por separado cualquier valor del estado. EJERCICIOS RESUELTOS _l]T 107 Evo l u c � ó n de l a s a l � da .

.

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

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

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) . Si la situación i n icial no fuera de eq u i l i brio. de ma nera que las tensiones i ncrementa les en a m bos condensadores será n d iferentes entre sí. sea cual sea la ley de variación de la tension de entrada u(t) uti l izada. Ejemplo 3 . pu ntos del espacio de estado) . u Si las consta ntes de tiempo de a m bas ra mas son disti ntas. En el caso de que las consta ntes de tiempo de carga de a m bos condensadores sea n idénticas. 1 INTRODUCCIÓN 111 L a figu ra representa u n ci rcu ito eléctrico formado por dos ra mas RC e n para lelo. 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. En este caso cabe pregu ntarse. pues. R 1 Cl =f. 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. 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. cuá les son estos pu ntos controla bles en un tiem po determi nado. así como las propiedades de d icha entrada uti l izada . dependiendo la evol ución de cada u na de ellas de la ley de variación de la entrada u(t) uti lizada . las tensiones en a m bos condensadores tendería n a igualarse . R2 C2 . 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. 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) . cada condensador se carga a d istinta velocidad. Las cuestiones pla nteadas en este ejemplo son objeto de estudio del presente = .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) . q ue dependen de las tensiones i n icia les de a m bos condensadores. 1 . ca be pregu ntarse cómo es posible encontrar una entrada o conj u nto de entradas que consiguen controlar dichos puntos. R l Cl R2 C2 .

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

Dicho de otra forma. 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. 1 ) de forma que puede reducirse la Ecuación 3 . en la definición de controlabilidad de un sistema.3. de esta forma. in­ dependientemente del valor de Xo . to ) es función propia de A(t) . El estudio de la controlabilidad de un sistema se basa en el siguiente teorema: . Las ideas expuestas en esta sección se generalizan a la controlabilidad de la salida en lugar del estado. 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. aspecto que se estudiará en secciones posteriores de este capítulo. la controlabilidad depende exclusivamente de A(t) y B (t) . sino que es posible encontrar una entrada tal que el estado describa una trayectoria que incluya al punto controlable. pero no que se detenga en él. B (t)) para referirse a la controlabilidad de los sistemas. CONTROLABILIDAD EN SISTEMAS LINEALES 1 13 Obsérvese que la controlabilidad de un punto no implica que éste sea un estado de equilibrio. dicho de otra forma. to) y B(t) . y puesto que 4>(t. 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. Obsérvese que.3. 2 a: (3. la controlabilidad de un punto implica que la trayectoria en el espacio de estado pasa por él. como ocurriría con un punto de equilibrio. El concepto de controlabilidad de un punto del espacio de estado de un sistema se amplía al concepto de controlabilidad de un sistema. 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) . ¿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.3. definido como: Un sistema se dice controlable si todos los puntos de su espacio de estado son controlables.3) La controlabilidad de un sistema lineal depende de las matrices 4>(t. 3. un sistema es controlable bajo las mismas restricciones que lo son dichos puntos. utilizándose entonces la expre­ sión par (A(t) .2) x Y x T (3 .

por lo que W(t. por lo que: det [W(t l . correspondiente a ese valor propio nulo se veri­ ficará que: v.5. = A(t)x(t) + B (t)u(t) W(t l . to) puede salir fuera de la integral. t l ] si y sólo si su gramiano de controlabilidad. to) es no singular. se puede encontrar al menos una entrada que transfiere el estado desde el origen hasta cualquier estado x 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. siendo esta entrada la expresada por la Ecuación 3. Para ello se considera como entrada: (3. CONTROLABILIDAD X{ t) es controlable en definido como: [to . Si se considera el vector propio. Se parte de que W(t l .l (t l .3. y lo mismo sucede con X l . to) es singular.7) Si W(h .9) . Condición necesaria Si se supone W(t l . to) . to) (3. quedando: (3. to)] = O (3.5) Sustituyendo: (3. se demuestra que existen puntos del espacio de estado que no son controlables.8) El determinante coincide con el producto de los valores propios de la matriz. (3. desde el estado inicial nulo hasta el estado X l .6) W . lo que es lo mismo.1 14 Un sistema con una ecuación de estado: CAPÍTULO 3. según la Ecuación 3. • singular.4) es no singular. to) tiene al menos un valor propio cero.

Por tanto. to) : (3. sino sólo aquellos que se encuentren sobre un vector ortogonal al vector propio yT .3. sustituyendo el valor de W(t l . se va a tener un estado que al ser multiplicado por el vector yT va a resultar cero. D x lh cI> (t l . por lo que es un vector de estado ortogonal a éste.3. partiendo del origen y ante la e integrando se obtiene: yT u( (3. 14 significa que. La Ecuación 3 . Por consiguiente. to ::::. cualquiera que sea la señal de entrada con la que se excite al sistema. Sólo se alcanzarán puntos que verifiquen la condición: vT ( tI ) = O. 1 1 ) integral de una función siempre positiva que tiene que ser igual a cero. Para a n a l izar la controlabi l idad media nte el estudio del com porta m iento del .12) Formando el producto por Ejemplo 3 . 2 entrada genérica u(r) .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. CONTROLABILIDAD EN SISTEMAS LINEALES 115 Esto supone que si se multiplica por la izquierda por yT : (3. h: (3. 10) y entonces. r ::::. r)B (r)u(r)dr = O to yT X(tI ) = 0 (3. 14) siendo x(tI ) el estado del sistema en el instante h. t I ] . el sistema no es controlable en [to . desde el estado inicial nulo. Para que esto se verifique se tiene que cumplir que �(r) = O . no se puede alcanzar cualquier punto del espacio de estado.

q ue su determina nte es d isti nto de cero.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. CONTROLABILIDAD ] U na vez que se d ispone de la matriz de tra nsición 1> (t. 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.2 t 32 48 En la Ecuación 3. se com prueba que el va lor tota l del determ ina nte va a u mentando. Para sucesivos insta ntes de tiem po.8t _ _ e .4t _ _ e . todos los suma ndos exponencia les tienen un valor despreciable. es deci r. Por lo ta nto.2. es necesario com probar q ue éste es invertible. tra nscu rrido u n tiem po suficiente.6t 1 92 48 = + 1 1 _ e . sa lvo cua ndo éste sea ta m bién el fi nal de dicho interva lo.e . Cálculo de la entrada e n sistemas lineales 1 1 _ e . O) es d isti nto de cero.116 2 CAPÍTULO gra m iano. perma neciendo solamente el pri mero. hasta q ue.3t 3. 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. Por lo ta nto. 3.3. A partir de este i nsta nte. 1> ( h to)x(to ) . el primer paso es ca lcular la matriz de tra nsició n : 3 ( e -t . el va lor del determina nte permanece práctica mente consta nte.3 t ) e . puesto q ue en ese caso los l ím ites de la integra l que define W(t. O) . 1 . O) coinciden . Para ello se ca lcula primero dicho determina nte : 1 det [W(t . 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. O) ] = 1 92 + Es fácil deducir q ue se ha de a n u la r para t O. .

Moore referenciado en la Bibliografía . to)xa . 15) Además.3 se puede observar gráficamente este procedimiento de generación de nuevas entradas por elección de un punto de paso. 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. En la Figura 3. pasando por un punto arbitrario Xa en el instante intermedio tao Como tanto Xa como ta pueden tomar valores cualesquiera arbitrariamente elegidos. Yuxtaponiendo ambas entradas en el tiempo se obtiene una nueva entrada que lleva al sistema desde Xo en to a X l en t¡ . entendiendo energía como: (3. to � t < ta BT (t)<flT (t¡ . ta)XI .2.<fl (t l . C . 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. t)W . 1 Véase el artículo de B .I (t l . 16) donde: Caso 2: 'Iransición con punto de paso intermedio BT (t)<flT (ta . ta � t < t¡ (3. 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 . se calcula una entrada que lleve al sistema desde este estado intermedio Xa en ta al estado final X l en tI .3.3. ta)Xa según se ve en la Ecuación 3.<fl(ta .I (ta . to)Xo X l =XI . 1 7) donde: Xa =Xa . t)W . a continuación.

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 . ta \ Xl -8 -6 -4 -2 2 Figura 3. CONTROLABILIDAD \ / U2 . de forma directa (línea continua) con un punto de paso intermedio (línea discontinua). \ I Xa t > U2 . Ejemplo 3 . [ -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. 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 .118 I t < ta x. Por lo ta nto es posi ble pasar di recta mente al cá lculo de la evol ución l i bre del sistema .3: Transición del estado entre dos puntos. 3 y 11 Dado el sistema controla ble defi nido por la ecuación de estado: x= . 2 25 2 CAPÍTULO � 3. no es nece­ sario rea l izar la correspond iente com probación .

1 grados de libertad. aplica ndo la Ecuación 3. que se obtiene de la Ecuación 3.[ 0.3. 5 xo = e . Una posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el problema a otro con n grados de libertad. O) por lo que. T)B (T)B (T)<P (0.5.5. 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 [ 11 ] . es la m isma q ue la que lo llevaría desde el estado i n icia l n u lo a: Xl 0.��� ] T T W(0. O) _ La entrada necesaria para llevar a l estado a l va lor propuesto. resu lta ndo: 1 19 = [ e .2te -t e-t e-O2t ] [ -t =} x(0.05 7 1 0. e -t <P (t. la entrada que consigue rea l izar la tra n­ sición propuesta para el estado con el mínimo coste energético es: 0.1292 ] De las i nfi nitas entradas posibles.5.1 longitudes de subintervalo.2 .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.[ �:���� ] = [ �:.5) = <P(t. 0) l t = 0 . supuesta fija la longitud del intervalo total.5 . Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud se fija arbitrariamente. • • . se ca lcula la de mínima energía . por lo que es necesario ca lcular el gra miano para el i nterva lo propuesto: = [ � ] . utilizándose como método general la división del tiempo disponible para realizar la transición en n subintervalos de igual longitud. consiste en: Fijar el número de escalones que se utilizarán: en general.0571 -0. T)dT = [ -0. CONTROLABILIDAD EN SISTEMAS LINEALES en el Ca pítulo 2 de este li bro. n alturas y n .5. partiendo de este estado i n icia l . De forma resumida.6065 ] t=0 .3.5 <P (0. Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n .3160 = J[o0 .

Al final del capítulo. como pueden ser: = i¡tot l T . la entrada sí que es invariante ante trans­ formación lineal. que aunque los autovalores de la matriz A son invariantes ante transformación lineal. También se puede ajustar la secuencia de escalones prefijando una combinación de 1 parámetros (alturas y/o subintervalos). como ya se ha comentado. Sin embargo. se ha incluido la solución del mismo planteamiento del Ejemplo 3. y en concreto también la de mínima energía. to) es decir. to)T (3. un sistema determinado en el que se utilizan parámetros (alturas de los escalones) para el ajuste de variables (las componentes del vector de estado).8. to)T. por lo que el gramiano no ofrece una información concluyente sobre la facilidad de controlar el estado para un sistema concreto. La forma elegida dependerá.l B (T)BT (T)T. problema que en su resolución implicaría la utilización de técnicas de Control Óptimo. en el Ejemplo 3.18) . por lo que dicha energía mínima puede tomarse como un indicador de controlabilidad. n CONTROLABILIDAD resultando. procediendo luego al ajuste de la entrada con los grados de libertad restantes.l (t.T = T-. tfT. por lo general.l W(tl .T = = T . mediante la comparación del desplazamiento inducido en el valor del estado y la energía en la entrada para con­ seguirlo.T TT <P (tl . por tanto. los autovalores del gramiano de controlabilidad no lo son. como ya se ha referido anteriormente.3 por dos métdos de ajuste de un par de escalones secuenciados. 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. 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 . existen infinitas entradas capaces de transferir el estado entre dos valores cualesquiera para un sistema controlable.120 n n n CAPíTULO 3.ll AT = toT) =BT . En conclusión. = Tx(t) <P (t.l <P (tl ' T)TT .

en general se modifica la energía necesaria para una misma distancia desplazada.3. 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 .3. CONTROLABILIDAD EN SISTEMAS LINEALES • • • 121 Ejemplo 3. Un indicador de la diferencia de coste según la dirección es el número de condición del gramiano2 . como queda patente en el Ejemplo 3 .5. 222.27.29. 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 . En este segundo caso se com prueba además cómo evol uciona la a nisotropía del espacio de estado. lo que en pri ncipio indica m uy diferente controlabili­ dad según la d i rección de desplaza m iento elegida para el estado. Sin embargo. l o que indica u n mejor equ i l i brio entre las d i recciones de desplaza miento del estado. 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 . . a medida q ue el tiempo se hace mayor. 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. 77. El EjemI?lo ?? contiene un estudio de este comportamiento. se tiende a necesitar más energía. 10.2 3 10 1 3 . como puede deducirse fácilmente.44 y 43 . O) .4 A menor longitud de intervalo [ta . como se demuestra en la Sección 3 .44. Dependiendo de la dirección de avance del estado. t 1 Yt 2 . Cuanto más rápida es la dinámica del sistema. que tienen como n ú mero de condición de W (h . t 1 l mayor es la energía necesaria.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) . respectiva mente.

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

2 ho (T)I + h 1 (T)A + . La solución de la ecuación de estado.4. • n Se supone que el sistema no es controlable y se verá que no existen columnas de la matriz Q linealmente independientes.T) + 2. CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES 123 Demostración • Si el sistema es controlable. .20) El estado x(tI ) que se puede alcanzar desde el origen es combinación lineal de las columnas de la matriz Q. es necesario que de todas las columnas que aparecen haya linealmente independientes. .3. si se parte de un estado inicial nulo. + hn . 19 se obtiene: (3.22) -1 veces respecto al tiempo: (3. para que x(tI ) pueda ser cualquier punto del espacio de estado. 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 (3.23) . 19) Condición necesaria n Aplicando entonces el método de Cayley-Hamilton: e A ( t . la matriz W es singular.21) = = 1 + A(t l .T) y sustituyendo en la Ecuación 3.1 (T)A n . 13: v T <I>(t l .l . por lo tanto su determinante es nulo y tiene un valor propio nulo.-! A 2 (t l . = (3. .T) 2 + . es: (3. es necesario que existan columnas de la matriz Q linealmente independientes. cuyo vector propio correspondiente verifica la Ecuación 3. Por lo tanto. Si el sistema no es controlable. .

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

si el sistema es controlable con Q también lo será con Q. Partiendo de la definición del gramiano de controlabilidad.3. como se ha mencionado anteriormente en este capítulo. 5 . 3. como se explica a continuación. . con un conjunto de valores propios reales f � � � . por lo tanto. dada en la Ecuación 3. Así. con lo que cada columna supondría el efecto de cada entrada sobre el conjunto de variables. .4: L:. V2 . 6 INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILIDAD Invarianza de la controlabilidad ante cambio de base 125 3. 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 .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. Interpretación geométrica de la controlabilidad a . F(t) representa la aplicación de un conjunto de señales vectoriales influyendo sobre variables de estado. . � . El concepto que subyace se puede explicar. el gramiano de controlabilidad es una matriz semidefinida po­ sitiva.I ATx(t) + T . . se puede entender el término F (t . Por propia definición. 1. para sistemas lineales e invariantes. h] . El número de condición del gramiano de controlabilidad es.4. � O y el correspondiente conjunto de autovectores ortonormales VI . en términos de respuesta del sistema ante un determinado conjunto de s eñales. .5. Vn .T)B como una aplicación F lR --+ lRn x m . el rango de Q coincidirá con el de Q. 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. . n m : a a . La integral Jt:' II F (T) II . dT representa la energía total del conjunto de señales en el intervalo [ta .T) = 1>(t . La controlabilidad de un sistema es independiente de la representación de estado que se maneje. 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.

28) (3. IR n : x = ax con x E S 1. V E IR 2 126 CAPÍTULO 3.25) donde Pcm [to .5.24) La imagen de la convolución: {x E x = 1: F (t . es el sub espacio generado por los vectores propios. como ya se adelantó en el Ejemplo 3. .27) Sea el conjunto: s = {x E es decir.T)U(T)dT.T)U(T)dT. correspondientes a los autovalores distintos de cero. Sean i = 1. n. . . y sea n la clase de todas las funciones de entrada continuas a trozos en [to . . U(T) E PCffi [to . . Ilp ll = 1 } . n. . CONTROLABILIDAD IR n : m Vi . . h ] . ai Y IR n IR n : x Vi . t � t I U(T) E n } (3. td } (3. t I ] . siendo raíces cuadradas de los valores propios del gramiano de controlabilidad y vectores propios asociados. t � t I . El conjunto contenido en este subespacio: = 1: F (t . h ] representa el conjunto de vectores de entrada de dimensión continuos a trozos en el intervalo [to . . las los . 2.29) Entonces se demuestra que el (3. . 2. las raíces cuadradas de los autovalores del gramiano de controlabilidad y los vectores propios asociados en [to . Y i = (3. F(t . sean E . que S es la superficie de S.T) El conjunto S = S= {x E IR n aiVi . .T)B con una entrada de norma unitaria coincide con la su­ ai Vi de de estados que resultan de la convolución = 1. Considérese el conjunto de posibles entradas al sistema u(t) E m . <I> ( (t . i . 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 . t I ] que satisfacen la restricción en su norma: (1: 1 Il u(T) II � dT) 1 � 1 (3.26) s = {x E aporta información sobre la estructura de dicho subespacio. t d .reflejando los autovalores y sus correspondientes autovectores la distribución espacial de esta energía. : x = VEp. un elipsoide con semiejes conjunto S se puede caracterizar como: es decir.n Y IR n x n : (3.30) de O � a � 1} perficie de un elipsoide cuyos semiejes son ai Vi .

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 .3. como aparece en la figura del Ejemplo 3.� = B T <I> T (t l . to ) = . _ r)F T (tI _ r)qdr I pT E . según la Ecuación 3 .31) Suponiendo O'n O (sistema controlable).p = = = 1 (3.T V T [1: 1 F (tI . De la definición de dicha entrada se tiene: .4.t)q conduce al estado x(t) al valor x en el instante tI .32) que es.I p. t)W (t l . to)q. si se define q = V E . t)x (3. 6. 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. 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. A partir de esta definición de entrada se obtiene que: (3. Demostración lo que significa que. se cumple que x = W(h . p • I -I = B T <I> T (h .5 la entrada de mínima energía que transfiere el estado desde el origen hasta x. ".:.. para todo x E S existe un vector p.Ip W ( t ¡ . INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILlDAD 127 Este resultado indica que al aplicar una entrada con una cierta energía. 1 que satisface que x = VEp..5.33) q . t) VE .r)dr] VE .r)FT (tI . lo que supone que la entrada u(t) = F(h . pT E .T VT VE 2 VT VE .. 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. 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 .

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. Según se ha detallado en los anteriores apartados. se puede observar un caso claro de cómo una transición matemáti­ camente posible se revela inviable en la práctica. partiendo desde cualquier estado inicial. en un sistema lineal e invarian­ te que sea controlable se va a poder alcanzar un estado determinado. lR. 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. En el Ejemplo 3. No obstante parece interesante. Sin embargo. se alcanza el estado X2 . no se va a poder alcanzar cualquier estado. siendo mayor el coste cuanto menor sea el valor propio asociado a la dirección elegida.11. ante una entrada U2. es decir. la estructura del gramiano de controlabilidad revela las posibilidades prácticas de realizar transiciones en el espacio de estado. en estos casos. f3 E Estos puntos forman un espacio vectorial. pues el origen pertenece a él y además cumplen la condición de linealidad: si partiendo de un estado inicial nulo. se alcanzará el estado: . al final de este capítulo. Subespacio controlable 3. Dado que dicho gramiano no es invariante. al que se denomina subespacio con­ trolable.128 • CAPÍTULO 3. ante una entrada U I . así como su coste energético relativo dependiendo de la dirección elegida para la transición. 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. para posteriormente generalizarlo para cualquier estado inicial. si no es controlable. eligiendo la entrada adecuada. = Ax(t) + Bu(t) a .6. este estudio es concluyente en tanto en cuanto se utilice una representación del estado en la que sus variables tengan un significado físico claro. generado por los vectores columna de Q . caracterizar aquellos puntos que van a ser controlables. se alcanza el estado X l y. que se van a poder alcanzar. entonces para cualquier combinación lineal: aUI + f3u2 . En la circunstancia de utilizar una representación con correspondencia física. Xc .

36) donde 8(t) representa el impulso de Dirac.37) (3. la respuesta impulsional del sistema. partiendo del estado inicial nulo. Xc . . repitiendo para todas las ui (t) queda: = <I>(t.38) es decir. Dado que se trata de un sistema lineal. O . para todo t E [ta . t I ]. m (3. a un conjunto de señales de test presentadas en su entrada.3. ta)bi (3.6. las regiones del espacio de estado para los que dicha respuesta es cero tendrán respuesta nula para cualquier otra entrada. .34) ui (t) . Xc . . en función de la res­ puesta de las variables de estado del sistema.38 se corresponde con el subespacio controlable. . xr' (t) ] (3. es el subespacio de menor dimensión que contiene a la imagen de la transformación definida por X t (t) . . El subespacio controlable. . . o o Demostración i = l. con lo que la imagen del mapa dado por 3. SUBESPACIO CONTROLABLE 1 29 Se puede plantear la definición del subespacio controlable.35) Si se se define el conjunto de entradas de test: o i o = l. . entonces es: con lo que. . siendo: Xt (t) donde x� (t) representa la evolución del estado ante la entrada de test definida como: = [ xi (t) x� (t) . . m (3.

. Ai r A '+ k b 1 + A i2 A '+ k b2 + . la columna Ai bj es linealmente dependiente de sus anteriores columnas: A i bj > + AO l b 1 + A 0 2b2 + . .39) entonces Ai + k bj . .130 3.1 A'+ k bj . • • = x(t) + <I>(t. El proceso termina cuando todas las columnas de un grupo i Ai B sean linealmente dependientes. . 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. + Ai .41) . j . .1. 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)) .39 por la izquierda por A k se obtiene que: Ai + k bj + AOI A k b 1 + A0 2 A k b2 + . + Aom bm + A l l A b1 + . to)x(to ) (3.2. + Ai . que constituye el subespacio director de la variedad. .6. .4. . . + A l m A l + k bm + . 3. de donde: x(t) De esta forma. + A l m Abm + . . j _ 1 A i bj _ 1 (3.6. .2. viene dada por la cuación 3. por lo tanto una posible base de este espacio vectorial son las columnas linealmente independientes de la matriz Q. . Xc . + Aom A k bm + A l l A l + k b 1 + . Base del sub espacio controlable CAPÍTULO 3. .40) El método consiste entonces en ir seleccionando columnas de izquierda a derecha y. .1 (3. . iseak linealmente dependiente de las anteriores. entonces se descartan ésta y todas las A + bj posteriores. CONTROLABILIDAD Según se deduce de la demostración de la Sección 3. ya que a partir de entonces los restantes grupos A + k B también lo serán. La componente que depende del sistema y de las condiciones iniciales representa la evolución libre del sistema ante entrada nula. también será linealmente dependiente de sus dos anteriores columnas. siendo la dimensión del mismo su rango Para el cálculo de una base del subespacio controlable basta observar que si en la matriz: rQ . Ail A i bl + A i2 A i b2 + . con k O. Ai bj . los vectores columna de Q generan el espacio controlable. cuando una de ellas. Estados alcanzables La relación de los estados controlables. .

.4: Superposición de la evolución libre con el subespacio controlable. 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..7.42) verificándose que el subsistema formado por las variables xa . coincide con el sub espacio controlable.' lo �----------��------________ I I t 1. . Ba). dim ( Xc ) = Separación del subsistema controlable x(t) existe una matriz de transformación T. .3. Como puede verse.7. de dimensión uno . cuya dinánlica viene re­ presentada por las matrices (Aaa .. t I t2 . siendo su .40..4 puede verse un espacio de estado de dimensión dos en el que se ha representado: Una recta que representa el subespacio controlable... En la Figura 3. .. como describe la Ecuación 3 . rQ < n: Dado el sistema lineal invariante con dimensión del subespacio controlable. Una línea discontinua que representa la evolución libre del sistema. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 131 --- . • • Y 3. ' .- X(t) � X1 A X(t1 ) A Figura 3.. el estado para cada uno de estos instantes se obtiene mediante la superposición de ambos valores. Sobre ambas curvas se han resaltado los valores del estado para los instantes tQ .

6 Dado el sistema : o 1 O .42. la dimensión de Si sería dos. por lo que se podrían separar dos valores de estado que se podrían llevar a cualquier valor. y las otras dos evolucionan de forma independiente de la entrada. O) . Si el subespacio controlable fuese un plano. tiene un comportamiento independiente de la entrada. y según se deduce de la Ecuación 3. son distintas realizaciones del mismo sistema. 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. lo que se está haciendo es girar los ejes de coordenadas de manera que uno de ellos se sitúe sobre la recta controlable. pues. - n rQ u. CAPÍTULO 3. es decir. La matriz T que realiza esta transformación se construye: (3. este subsistema está caracterizado por las matrices (Abb . Así se tiene una variable de estado totalmente controlable.5.44) donde Ta se forma con una base cualquiera del subespacio controlable. CONTROLABILIDAD dimensión por tanto la dimensión del subsistema formado por las variables Xb es Adicionalmente. rQ . Se consigue. 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. por lo que no es controlable.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 .42. en otras palabras. que ante la misma entrada todas generan la misma salida. la que está sobre la recta (subespacio controlable). Ejemplo 3. La ecuación de estado de orden reducido de los estados controlables: - Y (3.132 n rQ . Si en un espacio total de dimensión tres se supone que el subespacio controlable es de dimensión uno.

SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 133 Figura 3.13. La base del subespacio controlable será : .7.5: Representación gráfica del subsistema controlable. su matriz de controla bi l idad es: Q = [ -13 -5 -13 ] 15 7 1 2 4 Rango(Q) 2 3 = < => Sistema no controlable.

El su bsistema controlable está formado por X l y X2 . tal que para todo punto de origen en to consiga que la salida valga Yl en t l . existe una entrada u en el intervalo [to .134 con lo que las matrices tra nsformadas q ueda n : CAPÍTULO 3. t l ] . expresados en la base i n icia l . para determinar la controla­ bilidad de la salida de un sistema lineal se utiliza el siguiente teorema: . q ue. de forma similar a como se hizo en la Sección 3 .8. 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. es controlable en [to . son : Rango ( Q ) = 2 3. Los teoremas de controlabilidad del estado se pueden generalizar de forma sencilla a los siguientes teoremas de controlabilidad de la salida. 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. con t l finito. td si existe una entrada u definida en el intervalo [to . CONTROLABILIDAD Á = T . Así.3 . 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. Y l . t l ] . 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.1 AT = [ 0°1 -�2 O� 1 y la matriz de controlabilidad .

Para sistemas en los que además de la condición de linealidad se cumpla la de invari­ anza. se puede aplicar el siguiente teorema. se puede calcular la entrada de mínima energía que desplaza el valor de la salida a un punto dado. Se comprueba además que. t d : (3.C (t¡ )<I>(to . como también ocurre en el caso de controlabilidad del estado. a partir de la definición del gramiano de controlabilidad de la salida. CONTROLABILIDAD DE LA SALIDA Dado el sistema: 135 la salida es controlable en [to . el rango del gramiano de controlabilidad de la salida indica la dimensión del subespacio de salida controlable. en un intervalo [to . Y l . tl )XO = Ax(t) + Bu(t) = Cx(t) (3.3. de forma similar a lo visto al estudiar la controlabilidad del estado.45) donde: YI Además.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. = CQ). 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. basado en unos cálculos más sencillos que el anterior: Dado el sistema lineal e invariante: = Yl .8. que los vectores linealmente independientes de la matriz Qc generan el subespacio de salida controlable. .

T) CT (T)dT = • matriz q ue. A conti n uación se pla ntea n a m bas soluciones. como puede fácilmente com probarse. que el su bespacio de sa lida controlable es de di mensión uno. 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. • � -10 -11 1 1 -. y que la base de dicho espacio es: [� �] . por lo ta nto.7 136 CAPÍTULO 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. T)B (T)B T (7")1I>T (t.Ejemplo 3. 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. 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 . es de ra ngo uno. 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 . El problema se puede resolver por dos vías.

se pla ntea la ecuación q ue ca lcula la evol ución del estado: u(t) = x(0.25 < t � 0. la entrada que se va a aplicar es de la forma : Dada esta entrada . Ejemplos adicionales Transición de estado mediante una secuencia de escalones Ejemplo 3 . 2 5 <1> (0.0529n: .0. 1 2 . T)Bf3dT = 0.3. 3.024 f3 La evol ución de la entrada resu lta nte se puede apreciar en la siguiente figu ra : = -26.976 ] = [ 11 ] { n: = 22. 129 . O)xo + Y. T)Bn:dT + ¡0.5) = <1> (0. 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 .1 -2 ] x+ [ 1 ] u ° De esta forma .788 f3 .606 + 0.0. x= [ -1 0 .3.172n: + 0.0529n: .9. 5 <1>(0.5 . 2 5 = [ 0.5 0. se rea liza el aj uste para q ue el estado fi nal sea el propuesto: ¡0.5 .25 0.172n: + 0. a conti n uación .606 + 0. uti l iza ndo a hora un tren de esca lones en l ugar de la entrada de mínima energía .221 f3 ] ° { �: 0 < t � 0.5 . 8 Se trata de resolver el m ismo caso propuesto en el Ejemplo 3.0.024 f3 [ 0.129 * 0. Para el sistema : ca lcular la entrada necesaria para rea l izar la tra nsferencia del estado: .9.221 f3 0.

la entrada es: u(t) - _ { -20 f3 si si 0<t�a a < t ::.5 . 3 0 . De esta forma .5 .5) = <1> (0. como puede a preciarse. deja ndo como pará metros de aj uste el primer subi nterva lo y la a m p l itud del segundo esca lón. O)xo + Jt' <1> (0. r)B ( -20)dr o + 1°. 1 0 .5 u2 (r)dr Es tado 1 - 2 a 2 dr + f3 2 dr = Xl X2 ).5 . 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 t energía . 1 0 . 5 <1> (0. 0. pasa por el estado fi nal marcado por el enu nciado de este ejemplo cuando t 0. 3 0 . 4 0 . 5 1°. es u n consumo su perior Eu ( t ) = Esta entrada com porta u n consumo energético: = 10. la evol ución del estado es: x(0. r)Bf3dr = a .a l5 de la entrada de mínima ° ° que. 2 0 . CONTROLABILIDAD 20 10 -2 0 -10 0 . q ue. 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. 4 0 . como ca be esperar. 2 0 . _ _ _ _ _ _ _ _ -1 -3 -2 0 .5 Con esta entrada .767 0 .5 s (en línea conti nua y en d iscontinua 1°.138 u (t) CAPÍTULO 3.2 5 = 31 1 .

.0. 0.1 +eeaa ++ 1(-0.3. 184 e 2 a) . EJEMPLOS ADICIONALES 139 12.3 0. 129 .a12.B = 0.4 0.6065 e a).4 o 5 t -2 -3 -4 .1 -10 0.606 e a .7371 1306 ( .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 0.2 0.678( -2.3.297 + . obteniéndose: [ ] {a u (t) 30 20 10 = 0.5 t .B ) e )( e iguala ndo este va lor a l estado fi nal objetivo se despej a .9.5 + 0.2 O .0.394 La entrada que se obtiene está representada en la siguiente figura : 0.B = 30.3209 .

que la controlabi l idad del sistema es relativa mente buena . para rea l izar este estudio bastaría con com probar el ra ngo de la matriz Q .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 . es posi ble rea lizar la tra nsición propuesta en cualquier i nterva lo de tiem po. Para ello se com ienza por determ i nar el va lor del gra m ia no de controla bi l idad . Dado q ue el sistema es l i nea l e i nvaria nte. por otro. Según este resultado. 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. por u n lado. 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 . Dado q ue el enu nciado no fija la longitud de dicho interva lo. que el sistema es cual itativa mente controla ble y.Controlabilidad Ejemplo 3 . Q = [ B AB A 2 B ] = cuyo determina nte vale 4 lo que permite concl uir. 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 . 9 140 CAPÍTULO y 3.

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. se muestra la sigu iente gráfica .1 2 t e . 00004 0 .7t 2 e . provoca ndo en consecuencia que la entrada necesaria dism i n uya de ra ngo.9.9t 7e .8t 2 e .3t e . a med ida q ue el la longitud del i nterva lo empleado para rea l izar la tra nsición del estado varía .10 t 2 e . se obtiene la gráfica : De t [ W ] 0 . a medida q ue el i nterva lo se alarga . 00008 det (W (t . �-L��----�4--�6�--�8--�10 tl 4 5 . 00002 Como se ve.3.5 t 7e . 00006 0 . E [u ( t ) 1 30000 25000 20000 15000 10000 5000 t.4 t 2 e . el valor del determ ina nte crece . lo q ue hace prever va lores de la entrada m uy a ltos. en la que se representa la evol ución d icha energía . Para com pletar el estudio. EJEMPLOS ADICIONALES matriz cuyo determ i na nte va le: 141 e . O)) = 0 . uti liza ndo la energía consum ida en la entrada como i nd icador cua ntitativo de la controla bilidad .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.

todos los cálcu los q ueda rá n en fu nción de t I . en disconti nuo. . con trazo continuo. 3 Controlabilidad Ejemplo 3 . 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.142 CAPÍTULO 3. � A. Se muestra en un d iagra ma sem i logarítm ico. a l a u mentar el tiem po en que se entrega dicha energía . 1 0 y dinámica del sistema Dados los sistemas li nea les e i nvaria ntes caracterizados por las matrices: A. para el defi nido por A 2 . 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. a u nque obvia mente se consigue dism i n u i r la potencia req uerida . CONTROLABILIDAD '" Como p uede verse en la figu ra . es deci r. como no se pla ntea cuál debe ser el i nsta nte fi n a l . B¡ = B2 = [t] [:] En pri mer l ugar. a parece para el sistema definido por A l y. 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. Como pri mer paso. � 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. donde.

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

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. en cada caso. O) = l <P(t.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 .Controlabilidad Ejemplo 3 . El gra m i a no va le en este = = . CONTROLABILIDAD y energía de la señal de entrada S e considera el m ismo caso d e l Ejem plo 3 . 1 1 144 CAPÍTULO 3 .e . [O. t] . como: = Debido a que se trata de u n sistema linea l . coi ncidiendo por ta nto las consta ntes de tiempo de carga de am bos condensadores R l Cl R2 C2 . puede estudiarse su controlabilidad en u n i nterva lo dado [O. por ejemplo t O) . R l Cl y R2 C2 . T)B (T)B T (T)<pT (t. del sistema y para varias longitudes del i nterva lo.5A l ( 1 . 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. 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 . 1 d e la i ntrod ucción d e este ca pí­ tulo. q ue depende del tiem po t considerado para su control .e . Igual mente se va a proceder al cá lculo de la entrada de mínima energía que. t] media nte la matriz W(t. ca lculá ndose dicho gra m i a no como: = W(t.2 A 1 t ) A 1 A2 ( 1 . así como de los parámetros concretos del sistema . l leva a l sistema desde condiciones i nicia les n u las al va lor de las tensiones en los condensadores: = [ = 0. q ue representa n las inversas de las consta ntes de tiempo de a m bas ra mas.

1 ) - cuyo determ i na nte va le det [W( l .22 A1 tt )) e0.5A 1 ( 1 e.1580 ] u(t) = B T <I> T ( 1 .4323 0. así como la evol ución de ambas varia bles de estado [Uc 1 (t) Uc 2 (t)]T . 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. 1 de forma i ntuitiva . 1] .2 A1 t ) 0. por ta nto. 5 t-O . 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. por ejemplo A l = 1 Y A 2 = 0. q ue es del m ismo orden que las consta ntes de tiem po i nvol ucradas en el sistema . eligiéndose por a hora el tiempo t = 1 .1 - [ e -OHt 33.5.25 ( 1 . uti liza ndo para ello la entrada de mín i ma energía dada por la Ecuación 3. t)W .2590 0. 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. Esta m isma concl usión se alca nzó en el Ejemplo 3 .5: 1 = [ 0.e. por ta nto.9.88 e.e. O) = 1 _ 0.1 ( 1 .2590 0. Por lo q ue el gra m iano eva l uado en d icho i nterva lo [0.2 e t .0013 -1 O y.1 0.3 . 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. 5 +t e O.e. 1] va le: n ( l e.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.5 >\ 1 (( 11 .5A 145 W(t.O . observá ndose que éstas parten de condiciones .1 . 5 [�]= O ] [ 0. 0) = [ 1 0. O)] = 0.5 ) 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. se puede afi rmar que este sistema es controlable en el i nterva lo [0.5 ] = 45.2590 .2590 0. siendo. 1] . EJEMPLOS ADICIONALES caso: A1 [ 0.5A 1 ( 1 .4323 0.

. CONTROLABILIDAD en el tiempo [2 l] T 2 u(t) ..-� 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.. -r 1 1F=�T..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.-.. los condensadores..1 1 ..1 1 . 2 u(t) 1 rF=�=r�-��-�-.:.:: V2 I . 1 = �: : I -2 -40 0 ( a ) Evol ución tem pora l de la entrada sadores...:.. 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..--.---�---"---.::.l I Elu(t)l_ 23:.:�'-...�1 I Elu(t)l_ : 23 V2 I . 16 . 1 = �: 1 02 03 04 05 t 06 y 07 08 09 : -2 -40 -��_ _ _ _� _�� _ � _ _ _ °l� _ �_=�_� _ _� _ _ _�_ _���� I de las tensiones de los conden­ __ -.-.='.

así como las tensiones en a m bos condensadores hasta l legar a su estado final deseado en t = 0. 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.7 .O. O) = [ 1 0.e.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 23.16. 0. 1] del m ismo orden de las consta ntes de tiem po del sistema considerado.0464 l 0. O)] = 4.0464 . 0. 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. en el que se estudiaba la controlabi lidad en el i nterva lo mayor [O. 5 t. Debe notarse que el valor del determ ina nte del gramiano ha dism i n u ido nota blemente respecto al caso a nterior. 0.68 . por ejemplo [O.O .9. En la Figu ra 2 se puede ver la evol ución d e la entrada ca lculada . necesaria para controlar el sistema entre los dos mismos estados i nicia les y fi na les . I .0906 0.5 ] O e t . 1] y. o u 2 (r)dr = 168.1 0. 5 +t e O . la energía de la entrada necesaria para ello crece enormemente. O) = con lo que su determ i n a nte va le det [W(O.l .1 s . acercá ndose en este caso a l va lor n u lo q ue hace que el sistema no sea controlable. pudiendo l legar a hacer i nviable su controlabi lidad en la práctica . el gra m i a no ca lcu lado a nterior­ mente particu larizado para este va lor de t = 0 . O bsérvese q ue ahora la evolución de la entrada ha tenido J rO. 2 ) ( 1 e-O. 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.48 10.1] . por lo ta nto. t)W .15 ) _ M ( 1 . 1 5 ) � . 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.l ( I . 1 va le: 147 W(O.2481 = 2564 [ e. 1 ) _ 1 = 0906 [ 0O :0464 0 0464 0 : 0238 ] u(t) = B T � T ( I . Este hecho i m p l ica en la práctica q ue. 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 .O. � 5 (1 C0 .O. a u nque el sistema es teórica mente controlable.3. I .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 .5 [�]= O ] [ 0.1 + t e.

05 -0 5 -1 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 .. 0.148 CAPÍTULO 3. 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.L 2 �:"":':c _o s---7---:':'--�-----. . (b) Evol ución tem pora l de las tensiones en los condensadores.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) .'---:: 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 �. 0 0 01 0 02 0 03 0 04 0 05 1 0 06 0 07 0 08 0 09 01 UC 2 (t) .1] .

3808 ] . ha biéndose ta m bién estudiado. 454 5(1 = _ _ e . O bsérvese q ue en cuyo determina nte vale det[W (O. 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.5 .2t ) C l . 909 l t ) 0.9. 1] _ - = = [ 1 0.4056 0. O) 9. 909 l ( t. 909 l ( l -t ) ° ] [ 0.3.9091.9091 ] [ e = 3733 3613 et . 909 l t ) e .l . 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. 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 . O) = 0.4323 0.4056 0.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) .4 76 2(1 0.4323 0. Para ello se va a estudiar el caso en el q ue R l Cl 1 Y R2 C2 = 1.3808 e.l +t e O.l .O . O ) ] este caso el sistema es teórica mente controlable.1 y por ta nto A l 1 Y A 2 0. pero.4056 0.5(1 2(1 = [ 0. se obtiene: = [ 0.l .4762(1 e.9 09 l ) 0.2 ) e .e .4056 ] 0.l . 909 l ) 0.1 [ 21 ] con u n consumo energético de: .l ) ° e.l - .5(1 W ( t .4545(1 . 476 2(1 _ _ e . pudiendo l legar a hacerlo i nviable. la i nfluencia del i nter­ va lo de tiempo en la controlabilidad del sistema .l . 53 10.4760. 8 1 8 ) - ] [O. 8 1 8t ) = ] W (l . 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. en este ú ltimo caso.

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 ) . -5 �� . 1] .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 . [2 .1 0 -15 -20 _�S -. ' 08 09 (b) Evolución tem pora l de las tensiones en los condensadores. 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. (e) Evol ución en el espacio de estado de las tensiones en los condensadores.1 50 I E[u(tH" 953290 V2 I CAPÍTULO 3. -5 -10 -1 5 -20 -25 0 0 1 02 03 04 05 1 06 07 . U C 1 (t ) Y U C 2 (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.9. 151 Entrada para modificar el vector de salida Ejemplo 3 . 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 . r)BB T <JI T (t.49 5 . siendo necesario e n la práctica q u e su valor sea signi­ ficativa mente mayor q ue cero. r)C T dr = [ 0. 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. 38 ] . pero no igua les. 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 . que fue estudiado a nteriormente.3. 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. 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. 37 5 . O) = 1o 2 C <JI ( 2 . 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. 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 .

por tanto el espacio total de estado es controlable. a n . = [ B AB con rango Q = n. y (t ) . por lo q ue se com prueba q ue la transición de los va lores de la sa lida que se propone es factible. mediante la elección adecuada de la entrada. T)Bu(T)dT = [ � ] 3. ( ) .152 CAPÍTULO 3. 1. . . X 2 .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. A partir de este resu ltado se ca lcula la entrada necesaria apl ica ndo la Ecuación 3. 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 .46. CONTROLABILIDAD matriz cuyo ra ngo es dos. Xn . . . . 10.. . . respectivamente. a l ser el estado i n icia l n u lo. Es un sistema de dimensión n.P (2. Com probá ndose que: y(t = 2) = e 12 <. .] . . . en función de los parámetros a l . pudiendo de este modo llevarse el estado del sistema desde condiciones iniciales nulas a cualquier . 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. Ejercicios resueltos Calcular la dimensión del subespacio controlable del sistema de la figura.

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

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

64 1 44 . Por tanto. como las variables de salida de los dos primeros bloques son controladas por las entradas UI y/o U2 . -8 -4 3 O O -4 1 O O O -4 2 32 16 -24 5 O 16 -8 2 O O 16 -10 . puesto que U2 no le afecta. por lo que se puede suprimir dicha columna. luego no afecta a la controla­ bilidad del sistema. Otra forma de llegar a la misma conclusión es realizar el estudio de las matrices de controlabilidad. partiendo de condiciones iniciales nulas. Reduciendo el sistema realimentado resulta: Para controlar X l es necesaria la entrada UI .18 -6 42 por lo que el sistema es controlable con las entradas U l . U2 Y q . pues al tener ambos blo­ ques el mismo comportamiento dinámico.10. Para ver si la entrada UI es suficiente para garantizar la controlabilidad de los dos primeros bloques (y por tanto del sistema). EJERCICIOS RESUELTOS 155 La entrada U4 no afecta a ninguna variable de estado. La entrada U3 afecta a las variables de estado correspondientes a los últimos bloques. pero.54 O -64 48 . Por lo que la entrada U3 no es necesaria para la controlabilidad de los dos últimos bloques colocados en serie. habrá que ver si ambos bloques tienen el mismo comportamiento dinámico. el valor de X l será siempre doble que el de X2 . entonces la variable de entrada al tercer bloque también está controlada con independencia de U3 . 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).1 28 . Para controlar simultáneamente X l y X2 no basta con UI .3. el conjunto mínimo de entradas necesarias para controlar el sistema son UI Y U2 . Con ello la matriz de controlabilidad queda: Q� donde rango(Q) U3 · U O 1 O O = O O 1 O 4.

Para la entrada U3 queda: O O = ] 3Nótese que. q � r¡ = ] UI . con lo que el rango(Q 3 ) 2 por tanto. quedando rango(Q 2 ) 3. CONTROLABILIDAD Para analizar el número de entradas que garantizan la controlabilidad del sistema. se verá primeramente si éste puede ser controlado mediante una única entrada. quedando rango( Q d 3. Dado que con ninguna entrada en solitario se puede controlar el 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 ) . partiendo de condiciones iniciales nulas y utilizando sólo la entrada vale siempre el doble que la X 2 . Para calcular cada Q i . 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. con lo que el sistema no es controlable utilizando únicamente U l . 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 segunda3.156 CAPÍTULO 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). 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. Utilizando sólo la entrada U2 . se utilizan las columnas de Q correspondientes a la i-ésima entrada. 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. el sistema no es controlable sólo con U3 . con lo que el sistema no es controlable con U 2 . la variable Xl .

donde 157 u(t) es la tensión de entrada: 1 KO 1 mF 5000 5000 U(t) + 2mF 1 mF a) b) c) Calcular. 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 . 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.3. las tensiones en los condensadores al cabo de 1 s. U2 = V y U3 = V.10. Partiendo de tensiones iniciales nulas en todos los condensadores: 1 ) ¿Pueden alcanzarse e n 1s las tensiones U l = V. EJERCICIOS RESUELTOS 4. y aplicando durante todo el intervalo de tiempo una tensión de entrada constante u(t) = V. utilizando la solución de la ecuación de estado. partiendo de las tensiones iniciales U l = O. 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. U 2 = V y U3 = 1 V? 2) ¿Pueden alcanzarse en 2s las tensiones U l = O. Dado el sistema de la figura.

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

. .2 0. . como el presente. Como se ha visto en este capítulo. como se ha explicado en este capítulo: Como se observa en la expresión de la matriz Q. El estudio de la controlabilidad en sistemas lineales invariantes. las dos primeras filas son iguales. una posible base del sub­ espacio controlable la constituyen las columnas linealmente independientes de . al dar el dato de que las tensiones iniciales son nulas. puesto que se pregunta sobre un estado que presuntamente debe alcanzarse gracias a alguna entrada. para ver si los puntos correspondientes están contenidos en dicho espacio. 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 . pasa por el cómputo de la matriz Q. \ \ '\ \ . es necesario calcular la base del sub­ espacio controlable.8 1 b) Este apartado hace referencia a la controlabilidad del sistema.10. 0. EJERCICIOS RESUELTOS E s t ado 10 159 6 4 2 \ . \ \ \ \ \ .4 0. Para saber si los estados que se propo­ nen son alcanzables con alguna entrada.6 0. por lo que será rango(Q) = 2.3.

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

la primera y la segunda ecuaciones son iguales..e(t l -t) e ( t ¡ ..5 2 1.. en este caso.5 t I / ..6 0.. .2386b + 0.6321c { e = 0.e l ) ::::} E s t ado 2.1 ) e-2 igualdad: [ 11 1 b [ 1 = ::::} Como puede observarse. El origen del plano controlable se desplazando según esa trayectoria: va .5 1 0.e . .e .. .e-O.. que se obtuvo en el apartado a).e . 5 .. / ..t) c(l . Dicha solución da lugar a que el estado describa una trayectoria dentro del espacio de estado como la que se refleja en la figura.t) e2 ( t ¡ .. .l e(t¡ .1 _ 1_ . . se fija tI 0.l e2 ( t l .2 ) c(l .. cuando se tiene en cuenta tanto el estado inicial como la acción de la entrada.2325b { b1 = 4.l .O . EJERCICIOS RESUELTOS 161 e (t l ...58: 1 + 1= + { 1 0.0206 + 0. " .. 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. " " 0.1 ) .l ) .l ) ::::} = b (e . Esto permite dar un valor arbitrario a cualquiera de ellas para fijar las otras dos. por lo que sólo hay dos ecuaciones linealmente independientes con tres incógnitas...e .2 e 0.8 1 ) El conjunto de estados alcanzables.3 . 10 .4 0.1029 En la gráfica puede observarse la evolución del estado ante esta entrada: = = 1 [ 11 .5 ) ::::} +e b (e .3934c = 0.

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 . 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.162 CAPÍTULO 3. CONTROLABILIDAD 1) 2) Como puede verse en la figura.t ) + e 2 ( tl .X l .e ( to . (3 = 0. 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. ::.t O x(to ) + b O e -2 t 1 1 e to tI ::. El punto [O 1 1 j T sí se puede alcanzar en un tiempo finito.t ) e ( '' .< ) .3025.' ) e ( t ¡ .t O x(to ) + ' to O e -2 t e ' O O e .9 y t = 2.t ) e 2 ( to . Probando nuevamente con una entrada de la forma: u(r) � lO -t + + (3 1 10e -2 t O = O.t ) _ [ 1 1 . tI t [ e (H) e (r.t ) u(T)dT = e 2(r. justo en el tiempo que emplea el sistema en pasar desde las condiciones iniciales Xo hasta el punto X l .e ( " .t ) . se puede calcular la entrada que lo permita. < T T ¡ ::. excepto para un tiempo infinito. por la evolución libre del sistema. a [ la evolución del estado queda: x(t) [� [� { b e ' O O e .

.-- t -2 -4 .".. de forma que se puede plantear la ecuación: [1 [ 1 [ O 1 1 = lO e. las dos ecuaciones son la misma.-=.e (tl -t ) 1 e (tl -t ) 1 e 2 ( tl . . En este caso se hace h = 18.2 71 8 \ \ . por lo que quedarán sólo dos ecuaciones linealmente independientes con tres incógnitas. .3733 = e .9 = 0.0638b + 0.1 =} t = 2.2 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.t 1 0 e. 302 5 = 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 .e.5.2 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.92 6 1c b = .3.t e ( tl -t ) .3025 De esta forma.e. ..10. EJERCICIOS RESUELTOS 1 ... \. -..t ) - 1 e ( t 1 -t ) .t e 2 ( t l -t ) _ e. Esto hace que se pueda dar un valor arbitrario a cualquiera de ellas.1 . . .. { { 0 = 0.1 7 18b + 0.819 7 e = 1. 7281c =} 0. . ... .

desde su expresión actual a la forma diagonalizada. a x = [1 I] T en t = 28.164 CAPÍTULO 3. la matriz T de transformación del sistema.11 ] . Para poder trabajar en este sistema de referencia es necesario [ -23 . 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. es necesario calcular la matriz de transición del sistema.1 = [ -� ] [ -� . por tanto. = [1 IV en t = 0. CONTROLABILIDAD 5. Para conocer la evolución del sistema y calcular la ley de control. Se comienza por calcular los valores propios de la matriz A: A continuación. por lo que se va a obtener la solución del pro­ blema en esta base.] [ ��� ] = [ � ] � 3 V2 1 = -V22 . 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. por lo que el sistema es controlable.V 1 2 . de la matriz de transición. 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. que resulta mucho más sencilla de manejar para realizar los cálculos. V2 = [ _� ] 2 v u = . Dado el sistema: x se desea llevarlo de control u(t) .

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. dado que el sistema es controlable.5 ( 2. B.T) 2 ge .2e -3(2. por lo que.r.2 ( 2.3( 2. es decir. Una vez que se conoce la solución de la ecuación homogénea. como primer paso. 165 transformar todas las matrices implicadas en la resolución del problema.T) 1: .'(' .T) 1 dT = [ g e .T) 6 1 .:l e .6(2 . es necesario calcular dicha evolución libre.5 (2 -T) 4e .4( 2.T) 2 . e . la matriz es invertible.T) - 1 o e . 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 .3( 2 .T) 6 .' ) 1 4 dT .' 3. A.T) _ 2 e . 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. e .T) -6 e . EJERCICIOS RESUELTOS Xo y Xl .r.4( 2 . 10.5 ( 2 .T) = 2 3 e .[ = [ _ 6e .6( 2.

t ) + 67. la expresión de la entrada no depende del sistema de refe­ rencia elegido para representar el estado del sistema. el estado no es más que un modelo.t ) ] [ -3. 1822 20.1271 20.5 2 . En resumen. independientemente de que los cálculos se hayan realizado en un sistema de referencia distinto al inicial. por tanto.166 CAPÍTULO 3. se puede calcular la entrada necesaria para cumplir con las especificaciones del problema: � (1 .9696e -2(2. por lo que no tiene sentido que influya en la forma de la entrada que recibe el sistema que.739 g e -3(2.1 2 ) 1 1 . es independiente de la representación del sistema. 7274 = .92676 ] 2.e .48.1271 37 . CONTROLABILIDAD Una vez calculado el valor de la matriz W.992 Como resulta evidente. la expresión de la entrada hallada es la buscada. 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.

\ \ 167 / \ .4 ( 2.54e .t) ):: = 37.t ) ) 2 = ta ( .2 (tl .71e .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 ) ) dT i(h 239 7.739 g e .�:uo.t ) + 764.t ) _ 6333.T ) tl 4 e -� .6 (t -2) .5 ( 2. T)B (T)u(T)dT ¡tatl e . / / 1 1.9696e -2(2.43e -2(2.t ) + 4588. EJERCICIOS RESUELTOS E s t ado 2 1 \ / / / / / / / .7 2e ta ( 599.3(2.1326.48.t ) + 67.26 = Otra posible entrada que consigue llevar el estado del sistema entre los valores deseados es una compuesta por dos escalones desplazados: A Y B. 08e -6 ( 2 .68 .3 + ta e -3tl x(t) ° ][ ] [ ° . 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 .

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. como podría ser el forzar a que las variables de estado se encuentren siempre dentro de un rango de funcionamiento. 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.to ) + (UB ) 2 (t l . 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) = { . que suele ocasionar que el estado alcance valores mayores. Dada esta segunda entrada. 7 1 14 1 :S T :S 2 Dada esta entrada.1 9. se puede representar la evolución tanto de ella misma como de las variables de estado: .t 2 ) 425.3 t l ) ] to = CAPíTULO 3.e . frente a la primera.830 7 O :S T < 1 5. Por contra. es su mayor energía.e . se puede calcular su energía para compararla con la de la primera: E (UA ) 2 (t 2 .2t l ) -3(1 .168 [ se obtiene: 4(1 .

... .. .71.0852 o � 1.5 2 E s t ado 10 5 ...58.5 2 Si se elige como tiempo intermedio t2 = 1.5 -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. " . .. " " " " " t 0...3. la entrada que se obtiene es: -6.10.5 7. La evolución de la entrada y de .5064 1..2 0 �----� 1..5 -5 -10 -15 . . EJERCICIOS RESUELTOS Entrada 5 t 169 0.

. La evolución de la entrada y de las variables de estado para este caso es: . . CONTROLABILIDAD 1 5 2 t . ::. 2 cuya energía es = 5377.5 -2 -4 1 CAPÍTULO 3. .1467 5..6 �----� E s tado 4 2 " " " . . T < 0. . T O ::. .24..170 Entrada 6 4 2 0.1776 E O. t Por último. la entrada que se obtiene es: -73. . .. si se elige como tiempo intermedio t2 = 0.58.5 ::.

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

15 V. 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 respectivamente en 10 ms. b . Determinar el mínimo número de fuentes variables de tensión que hay que conectar a uno o varios de los puntos ( a . 10 V.172 CAPÍTULO 3. y (t) . 15 V respectivamente en 5 ms. CONTROLABILIDAD 2. En el sistema de la figura: b) a) O a 10 De O a 10 De V. V.

X5)) . de entre las variables o pares de variables representadas entre paréntesis. . X5 . X2 ) . X5 ) . ( X l . EJERCICIOS PROPUESTOS 173 indicar. 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 . X 3 . cuáles cumplen la afirmación de cada apartado.3. (( X l . ( X2 . ( X I .1 1 . ( X l . X2 ) . X6 ) . a) Pueden ser por separado variables de estado b) Pueden ser a la vez variables de estado el conjunto ( X2 . X3 ) . X4)) .

.

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

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

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

Este problema de la observabilidad se resuelve mediante el siguiente teorema: .4) o lo que es lo mismo: <P (t.3. to)x(to) = x(t) = C . Teorema En general es necesario conocer la evolución de la salida en un intervalo de tiempo para poder calcular el estado del sistema.3) t donde y(t) representa la componente de salida debida sólo a la existencia de condiciones iniciales no nulas. r)B(r)u(r)dr . es decir. basta conocer la salida en un solo instante para conocer el estado del sistema. por tanto. to)x(to) (4. que se suponen conocidas. r)B(r)u(r)dr + D(t)u(t) t (4. x(to) (4. se obtiene: o. to). se puede despejar de la ecuación anterior: y(t) = y(t) . 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.178 y teniendo en cuenta la ecuación de salida: CAPÍTULO 4.2) Agrupando los términos que dependen de la entrada y la salida. 4.5) Obsérvese que en este caso la salida representa un cambio de base de las variables de estado mediante la matriz e y. la aportación a la salida dada por la evolución libre del sistema C(t) <P(t. C(t) A (t). tO )X( tO ) + ito C(t) <P (t.ito C(t) <P (t. la salida del sistema ante entrada nula.D(t)u(t) = C(t) <P(t.2. 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.1 y(t) (4. lo que es lo mismo.

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

1 1) Para que se cumpla esta expresión es necesario que e(T) = VT. cuyo determinante es: . 10) (4. to) por su valor: (4. tanto para este estado como para el estado nulo. O XoO. Por lo tanto. 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.2 La conclusión que se deduce es que. por lo que: (4. la salida ante entrada nula va a ser la misma. 1 hasta el instante = En primer lugar se calcula el gramia no de observabilidad. el sistema no es observable. to)xo = y (t) = O. Ejemplo 4. Y(T) = por lo que no va a O ser posible distinguirlos. OBSERVABILIDAD sustituyendo V(t¡.2t 2e -t + + to = O.180 CAPÍTULO 4. C(t)�(t. para verificar que el sistema es efectivamente observable: t 2. Xo =/:. 12 ) O.

tal como se especifica en la Ecuación 4.3. como cabía esperar.(t. El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el condi­ cionamiento del gramiano correspondiente. como se puede observar. sin errores en la determinación de sus parámetros ni en la medida de la salida. y es en presencia de estos errores en la medida cuando el condicionamiento del gramiano toma importancia. por lo que no cabría la discusión sobre la mejor o peor observabilidad de un sistema como sucedía con la controlabilidad.7t 6e-5t 21 e-4t 2e-3t 3e-2t 1200 .1 (t. en principio. 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. puesto que el sistema es observable para todo valor de t.Q)cT(7)y(7)d7 resultado que. como este resultado se ha de repetir sea cual sea la duración del intervalo. situación posible en teoría pero muy poco realista en la práctica. es independiente del tiempo.3.3.12t 3e. Sin embargo. es posible calcular el estado inicial desde el que evoluciona.Q) l' . en concreto. Además. por lo que hay que contar con esta incertidumbre. aplicando la Ecuación 4.8.lt C q.9 al final .T (7.3: 1 e .1200 + --¡()()-� + ---so -� + � ----so + �.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.¡. este resultado. 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. det[V(t. En la Ecuación 4. O)] = y (t) = y (t) De hecho.lOt 2e -9t 21 e-8t 6e. por lo que se puede afirmar que el sistema es controlable para cualquier valor de t final del intervalo y. para t = Dada la observabilidad del sistema. pudiendo manifestarse entonces esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en el Ejemplo 4.4. r)B(r)u(r)dr = _ 3e-3t + 2e-2t + 3e-t � V. 4.100 2. objeto de la definición de observabilidad. Para ello el paso previo es calcular y (t). OBSERVABILIDAD EN SISTEMAS LINEALES 181 Se puede com probar fácilmente que el determinante no se anula salvo para t = O. no se ve influido por el valor concreto del gramiano. se cumple que: Xo � . esta afirmación sólo es cierta en caso de que se disponga de un conocimiento perfecto del modelo.

que el valor del gramiano no es invariante ante transformación lineal.1 <I> (t. 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) .182 CAPÍTULO 4. 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. Un indicador de estas diferencias la da el número de condición de la matriz como se demuestra en la Sección 4. 3 V(tl. como puede verse de forma inmediata de la disminución del valor del gramiano. repercutirá en mayor o menor medida a la hora de estimar el estado actual. La presencia de dinámicas muy rápidas en el sistema también tiende a aumentar la incertidumbre de la estimación del estado. dependiendo del condicionamiento del problema. to)T y el valor del gramiano de observabilidad queda modificado según: (4. como ocurría con el estudio de la controlabilidad. Como en el caso del gramiano de controlabilidad. error que. • • Ejemplo 4 .1 AT C = CT � (t. OBSERVABILIDAD de este capítulo. No todos los estados iniciales son igualmente observables desde la salida.5 . Si se considera una transformación del estado mediante la matriz invertible entonces: T: x(t) = Tx(t) A = T. Para estudiar el condicionamiento del problema de observabilidad. to) = T . como ya explicó también en el caso de la controlabilidad. 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. hay que tener en cuenta. to).

si el estado inicial es la suma de los dos anteriores: (4. • y(t) = C(t) éP (to. pero que no son observables. Por tanto. Xo =f.4. t)Xl = Yl(t) =f. Puntos como X ¡ . generan salida idénticamente nula cuando se toman como estado inicial. Xl Xo Xl .3. 3 .041 10 1 3 . Xo. t)(xo + x¡) = yo(t) + Yl (t) = Yl (t) haber generado por la superposición con un punto no-observable. Sin embargo. 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. que. ante entrada nula. si se tiene otro estado inicial tal que: Xl . lo que en principio indica muy diferente observabilidad según la dirección dentro del espacio de estado. tal que: y(t) = C(t) éP (to. 15) entonces. OBSERVABILIDAD EN SISTEMAS LINEALES 183 Calculando el gramiano de observabilidad y sus valores singulares para = 1 se obtiene un número de condición de 1.44.16) 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 . que se denominan no-observables. por linealidad. O Xl . por tanto a que el sistema no sea observable. Vt > to y(t) = C(t) éP (to. la existencia de puntos no-observables da lugar a que ningún punto del espacio sea observable y. 4 . como se demuestra fácilmente. ante entrada nula. (4.4. 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. t)xo = yo(t) = O.14) hace que el sistema no sea observable. puesto que la misma salida se puede . lo que indica un mejor equilibrio entre las direcciones de observación del estado. si el sistema no es observable. Según el razonamiento anterior. existen dos clases de puntos: • Puntos como que. no dan la salida nula al ser tomados como estado inicial. O.

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

n • es decir. + an _ l(t)CAn.4. se verificará que: y(t) = n . los estados iniciales d e l a forma son no-observables. Demostración • n.19) Xo que.to) + �. Se supone que existe un vector Condición suficiente (4. . . que el sistema evoluciona con salida nula a partir del estado Xo. mientras que los puntos con la forma de (caso que incluye a no pueden ser observados. Xa Xl X ) 2 4. 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. Si a este vector se le llama Xo. Condición necesaria A partir de la expresión de la salida del sistema ante entrada nula evolucionan­ do desde un estado inicial genérico.4.tO ) 2 + ] Xo = [ao(t)C + al(t)CA + . (t .n-l 1 Xo. considerado como estado inicial. p < n. .l ] Xo (4. y por aplicación del método de Cayley­ Hamilton: CeA(t -to) xo C [1 + A (t .4.18) Si en la matriz P no existen filas que son linealmente independientes. . = A [ C�:.17) es de rango máximo. es tal que . 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. SISTEMAS LINEALES INVARIANTES 185 tanto.

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

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

24) y(t) Este vector se añade para el estudio de observabilidad y no está relacionado con la posible realidad física del sistema. el número de condición de la matriz que define el gramiano de observabilidad es un indicador de la anisotropía del espacio de estado.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 .5. se tiene que la salida del sistema es: d(t) influyen en p salidas. en el que a la estructura usual se ha añadido un vector de entradas adicionales. en cuanto a la dificultad de observar un determinado valor inicial dependiendo de la posición en la que se encuentre. para llegar a la conclusión de que el gramiano de observabilidad describe la 1 En este caso se demuestra que.51 . . Sea el sistema lineal e invariane representado en la Figura 4.2. por lo que el modelo del sistema toma la forma: 6. (4. se sigue una demostración similar a la que aparece en la Sección 3.188 4. Al igual que sucedía con el estudio geométrico de la controlabilidad. este hecho se puede explicar haciendo uso de la respuesta del sistema ante un determinado conjunto de señales. para generar una salida con energía unitaria. representando cada columna el efecto de una variable de estado sobre el conjunto de las salidas.23) (4. y manteniendo el vector como entradaal sistema. CAPÍTULO 4 . Interpretación geométrica d e la observabilidad d(t). OBSERVABILIDAD Como ya se ha referido en este capítulo. se realiza una aportación desde las variables de estado que describe un elipsoide en el espacio de estado. A partir de esta definición.2: Sistema lineal con el conjunto de entradas de test Supuesto el estado inicial nulo. d(t) Figura 4. x(t) = Ax(t) + Bu(t) + d(t) y Cx(t) = (4.25) y(t) = i(tat CiP(t. anulando la entrada del sistema.

2. 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. Al igual que al abordar el estudio del subespacio controlable. . ante entrada nula: • si se toma el origen como estado inicial. Así. Dicha transmisión se realizaría una vez más según un patrón elipsoidal. entonces. 4. SUBESPACIO NO-OBSERVABLE 189 forma en la que se transmite energía desde el estado hacia la salida.4.la longitud de cada semieje indica la proporción del acoplamiento estado-salida en esa dirección. por linealidad. tales que tomados como estado inicial ambos generen salida idénticamente nula.6. x(t ) = Ax(t ) + Bu(t ) y(t) = Cx(t ) + Du(t ) Estos puntos forman un espacio vectorial puesto que. la salida generada es idénticamente nula. 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. mediante el conjunto de señales de test representado en la Figura 4. 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.6. forman un subespacio vectorial que se denomina subespacio no­ observable. Xo . en el que . si se encuentran dos puntos Xl y X2 . se puede analizar el subespacio no-observable.

rp vectores que verifiquen esta ecuación y que sean linealmente independientes. ecuación más sencilla. Basta observar que si en la matriz P la fila cjAi es linealmente de­ pendiente de sus anteriores filas.28) = PeA(t-to) xo. cuando cjAi sea linealmente dependiente de las anteriores.6. la dimensión del núcleo de esta aplicación es n-rp. Una vez obtenida esta matriz se pueden obtener los n-rp vectores de la base mediante la resolución directa de: (4. El método consiste entonces en ir seleccionando filas de arriba abajo y. Para determinar una base de ese sub espacio no-observable lo que se debe determinar son n .. y el sub espacio no-observable constituye el núcleo de dicha aplicación. 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. .n (4. entonces cjA i+ k . Yt (t) = [ yl(t) y�(t) . entonces se descartan ésta y todas las cj Ai+ k posteriores.21 : dependiente de sus anteriores filas.6 al enunciar la definición de subespacio controlable. Base del sub espacio no-observable o Para determinar la base del subespacio no-observable se va a partir de la Ecuación 4. OBSERVABILIDAD t [to. . se puede utilizar un método semejante al estudiado en controlabilidad. defini­ o o i = 1. donde da como: El subespacio no-observable.. . Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida. Xó .26) (4. yHt) representa la evolución de la salida ante la entrada de test di . Prx = O . yf(t) ] .27) La demostración es igual a la que se incluye en la Sección 3. que resulta O = PXo. Para obtener estos vectores. también será linealmente Pr. es el subespacio de mayor dimensión que está contenido dentro del núcleo de la transformación definida por para todo siendo: E Yt (t). La base se construye encontrando n .rp vectores linealmente independientes que sean ortogonales a las filas de la matriz P.190 CAPÍTULO 4. 4. con k > O. Si rango ( P ) = rp y la dimensión del espacio de estado es n. Vt Particularizando esta ecuación para t = to. tI]. 1 .

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) . En primer lugar se eligen dos filas linealmente independientes.4. 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.7. siendo r ango(P) = rp < n. Ejemplo 4.rp.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. 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 . 4. por ejemplo las dos primeras: Así que el vector será : [ 00 ] [ 00 51 62 ] [ VI 1 �: = 1 2] 17 18 2 = 1.

en otras palabras. Ca). Adicionalmente el subsistema formado por las variables Xb.31) (4. O ) . 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) (4.30) El subsistema formado por las variables es observable y de dimensión rp . es decir. y(t) Vb .29) (4.192 del vector de estado según la ecuación: = CAPÍTULO 4. caracterizado por las matrices ( Abb.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. Ta T formado por rp filas linealmente independientes de P y por n . según se puede deducir de la Ecuación 4.31 y 4.32 representan otra realización del mismo sistema.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 4.30.34) Va Xb.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. presenta una evolución del estado desacoplado de la salida del sistema.29 y 4. caracterizado por las matrices (Aaa.3. que ante la misma entrada ambos generan la misma salida. Lo que se consigue es desconectar la salida en (4. las Ecuaciones 4. El modelo de estado que describe el comportamiento de los estados observables: Xa. 5ca y(t) = = Aaaxa + Bau(t) CaXa (4. Vb.30. La matriz de cambio de base que consigue esta separación en los subsistemas men­ cionados se construye como: (4.

dentro de la imposibilidad de observar el estado del sistema.7 Dado un sistema definido por las siguientes matrices : A= [� o 1 - 3 O O 5 1 . La dimensión de es n Tp Y la de es Tp . Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al cual se definen los vectores. desplazándolo para que tantos de ellos como sea necesario coincidan con la base del subespacio no-observable.3: Separación de la parte no-observable.7. Se han separado. 82 - 81 Ejemplo 4.. unas observables y otras que no lo son.4. las variables de estado en dos grupos. SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 193 Figura 4.

8. 5 4. 5 0 .separar simultáneamente la parte observable de la no-observable y la parte controlable de la no controlable de un sistema lineal invariante. OBSERVABILIDAD ] rango(P) = 2 T. como demuestra el hecho de que el rango de la matriz P sea menor que tres. se puede proceder a la separación del sistema en sus partes observable y no-observable. vable Separación d e los subsistemas controlable y obser­ El objetivo de este apartado es . Para comenzar se construye la matriz P: P= Dado que el sistema no es observable.1 AT = e = -� ! �1 CT = [ 1 O O ] [ [ 1 =t n ] -0 . 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).194 separar el sistema en la parte observable y no-observable.1 = Con lo que las matrices transformadas resultan : [ 4 -2 2 1 0 -8 1 01 O O = ] =} T= Á T. 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. de modo que el sistema referido a las nuevas variables de estado x queda definido por las .

35) (4. El subsistema formado por las variables C = CT = [ ea o C e o ] [ � '] Ha • o Áae Á:lib Ábe '. [[ 1:: lbb ] . SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 195 matrices: B � T. que caracteriza la realización mínima de un sistema en términos de controlabmdad y observabilidad: . 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. Xd) un subsis­ tema con comportamiento desacoplado de las salidas. lo que significa que los tres son realizaciones diferentes de un mismo sistema en términos de entrada-salida.36) (4.4.1 B � y además se verifica que: 1. xc) y caracterizado por las matrices: es un subsistema observable. Existe un teorema.8. Los tres subsistemas descritos en la anterior enumeración tienen la particularidad de generar la misma función de transferencia. debido a Kalman. En concreto. El subsistema formado por las '\'ariábles xa y caracterizado por las matrices: es un subsistema controlable y observable. Xb ) y caracterizado por las matrices: o] ] (xc. En cuanto al primero. formando el resto de las variables tema con comportamiento desacoplado de las entradas. El subsistema formado por las variables (xa. [ Ca (xa . [ :: ] . 2. y el tercero como subsistema observable. por lo que se le conoce como realización mínima del sistema. el segundo ya se ha estudiado como subsistema controlable. Al orden de dicha realización mínima se le conoce también como grado de McMillan de dicho sistema. Xd) un subsis­ 3. (4. 0 Áee O Áde .37) es un subsistema controlable. formando el resto de las variables (Xb .

que describe la realización mínima del sistema. cualquier par de realizaciones mínimas están relacionadas por una transformación lineal. junto al primero. en consecuencia.5 y de forma reducida en la Figura 4. . está desconectado de la entrada y. existe un subsistema que no pertenece a la parte observable y tam­ poco a la parte controlable. Esto no quiere decir que este subsistema sea observable aisladamente (subíndice c) . Sin embargo. y como ya se ha comentado en otras ocasiones. un sistema lineal e in­ variante no posee una única realización en el espacio de estado. u (t) y(t) Observable Figura 4.196 CAPÍTULO 4 . así que no es ninguna de las dos cosas. OBSERVABILIDAD Una realización dada por (A.4. donde cada subsistema se compone de un grupo de variables de estado. pero separado del anterior porque éste es no-observable. Gráficamente la separación en subsistemas se puede representar de la forma mostrada en detalle en la Figura 4. en otras palabras. D) es mínima si observable. es observable. Analizándolos se tiene que: • • Existe un subsistema que es controlable y observable (subíndice a) . • • Finalmente. no es controlable. las repre­ sentaciones mínimas son únicas salvo por un cambio de base. ya que está desconectado de la entrada y de la salida (subíndice d). Existe un subsistema que. y sólo si es controlable y En general. e. B.4: Separación simultánea de los subsistemas controlable y observable. Esto no supone que este subsistema sea controlable aisladamente (subíndice b) . Existe un subsistema que junto con el anterior forma un subsistema controlable.

Tb separan el subespacio controlable. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 197 Figura 4. y entre observable y no-observable.8.38) .5: Separación detallada de los subsistemas controlable y observable. según la Sección 3.4. Ta U T b == Be (4. 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. así que en conjunto los vectores columna Ta y de Tb serán una base del subespacio controlable. 1 . unos cambios de ejes para que coincidan con la base del sub espacio controlable y observable.5. Con esta transformación se consigue algo parecido a lo que se hacía al realizar las separaciones entre controlable y no controlable. 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. se determina que las cajas que componen la matriz de transformación cumplen que: • T = [ Ta Tb Te T4 ] de Ta.8. 4.

9. y la dimensión del subsistema observable. En el Ejemplo 4. así que. del subespacio no-observable. 4. coincide con el número de vectores columna de Ta junto con Tb .38 y 4. !::::. • Por tanto. según la Sección 4. aproxi­ madamente.39) T Desde el punto de vista práctico. al problema de encontrar dicho modelo de orden inferior se le conoce como problema de la reducción del modelo. Td deben ser base del subespacio no-observable.198 • CAPíTULO 4. Te separan el subsistema observable. Reducción del modelo . los vectores columna de Tb . Tb es una base de la intersección del subespacio controlable y del subespacio no-observable. coincide con el núm�ro de vectores columna de Ta junto con Te. la misma respuesta impulsional que dicha realización mínima. Ta : conjunto de vectores columna tales que conjuntamente con Tb forman una base del subespacio controlable. como el modelo de estado con menor número de variables que explica la relación entre la entrada y la salida del mismo. (4. Tb y Td forman una base del espacio de estado. rp .39. OBSERVABILIDAD Ta . 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.10 de este capítulo se puede ver . la dimensión del subsistema controlable. existe la posibilidad de que exista un modelo de un orden inferior al grado de McMillan que genere. rQ . según las Ecuaciones 4.un caso de separación de un modelo de estado en sus distintos subsistemas. 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 .5. En la sección anteriori se ha introducido el concepto de realización mínima de un de­ terminado sistema. Te : conjunto de vectores columna tales que conjuntamente con Ta . Sin embargo.40) (4.

1 . to) y V(oo. Sin embargo. se tiene que ambos gramianos. . D) con grado de McMillan los valores singulares de Hankel del sistema son: i = 1.T TT V(OO. to)Va = Ea (4. Dada una realización mínima de un sistema (A. Son de especial interés ciertas transformaciones lineales que ponen este hecho de manifiesto. (4. .45) .n n. Asumiendo que se parte de la realización mínima del sistema. Dado un sistema estable. Como ya se ha mencionado en este texto.4. e. to)T = T .44) V�W(oo. B. tO)T. por lo que es nece­ sario relativizar la información que nos ofrecen al sistema de referencia en el que viene expresado el modelo. como puede comprob�e fácilmente.1 W(00.42) Estos valores reflejan las propiedades de entrada-salida del sistema y juegan un pa­ pel central en la reducción de modelos. de controlabilidad y de observabilidad. to)T (4.9. to) sean ambas di­ agonales se conoce como transformación contragrediente. Además.edientes. por lo tanto controlable y observ­ able. los autovalores del producto entre ambos gramianos sí son invariantes ante transformación. . existe una matriz ortogonal U y otra diagonal y positiva E. tal que: donde Ea es diagonal y positiva.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. to)V(oo.l W(oo. tal que: (4. . Son particularmente interesantes tres transformaciones contrag¡. las llamadas transformaciones contragre­ dientes : Una transformación T que produce que W(oo. to) = T . son matrices definidas positivas y simétricas. se plantea el valor de este producto cuando se considera t l = 00: W(oo.9. � REDUCCIÓN DEL MODELO 4.43) Si ahora se considera la familia de transformaciones: (4. entonces existe una matriz ortogonal Va (compuesta por los vectores propios ortonormales) . to)V(oo. tanto el gramiano de controlabilidad como el de observabilidad no presentan invarianza ant� cambios de base.

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

respectivamente. Un ejemplo de cálculo de una transformación contragrediente se puede ver en el Ejemplo 4.50) y a partir de ella se construye la transformación a la realización internamente equilibrada: (4.2. L una matriz triangular inferior.54) .4.51 ) Nótese que: (4. REDUCCIÓN DEL MODELO 201 4. simétrica dicha matriz se puede descomponer como: definida positiva. = t Descomposición de Cholesky y Sea M una matriz de elementos reales.8. con los elementos en la diagonal posi­ Existen varios métodos para el cálculo de la factorización de Cholesky. lo que simplemente hubiera intercambiado los papeles de U y V. se calcula la descomposición en valores singulares (véase :1: en esta sección) del producto de los factores de Cholesky: (4.49) donde Le y L o representan los factores triangulares inferiores de Cholesky de los gra­ mianos de controlabilidad y observabilidad.52) Nótese también que en el paso descrito en la Ecuación 4. A continuación. to) V(oo. siendo los más conocidos: Método de Cholesky Se trata de un algoritmo recursivo que comienza con i = 1 y: (4.48) (4.53) siendo tivos. to) = = LeL& L o Lb (4.9. entonces (4. l::. 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.9.50 se podría haber realizado la descomposición de L&Lo VEUT .

62) k= 1 es real y . . In' ln2 lnn I g l2 1 l22 = LLT : O O (4. ili mii Ll = para i > j l�k M (4.60) 1 se obtiene la expresión general para los elementos de L: siendo la raíz cuadrada de la Ecuación 4.59) l l. .62 siempre positiva si definida positiva. . tras n pasos.58) Repitiendo esta operación para i = 1 . n .l m' .l Li = O O (4.55) entonces se puede escribir: donde: y'mii O (4. ." m2 1 m22 . . la matriz Mi tiene la forma: donde denota la matriz identidad de dimensión i .57) (4. . m2n · · · mn l mn2 mnn ][ In l2 1 .61) - (4. [ Ii.56) (4.1. . m . 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 . OBSERVABILIDAD En el paso i-ésimo. S i ahora s e define la matriz como: 1 __ b'l· . . li . . h2 O � ln l ln2 lnn ][ (4.202 CAPÍTULO 4.¡m:¡. .

. El cálculo se ordena entonces en cualquiera de las dos .4.64) Los CTi son los valores singulares de M. . mientras que los de M™ son las columnas de la matriz U. Calcular la descomposición en valores singulares consiste en calcular los valores y vectores propios de MMT y de MT M. REDUCCIÓN DEL MODELO 203 De esta forma se puede calcular el elemento l ij conocidos los elementos a su izquierda y arriba. • El algoritmo de Cholesky-Grout comienza ·por el 'elemento de la esquina superior izquierda y prosigUe columna por columna.64.fila por fila. disminuyendo su dimensión en consecuencia las matrices U y V. formas siguientes: • El algoritmo de Cholesky-Banachiewiez comienza por la esquina superior izquierda de la matriz L y �rosigue .63) � donde U es una matriz ortogonal de dimensiones m x m . /:::. Si se supone que m � n y rang o(M ) = r < n. 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.n) O (4.65) [�] si m � n. las columnas de U se definen como los vectores singulares por la izquierda de 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. entonces: (4. 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.. Los autovectores de MMT constituyen las columnas de V. y [ E O ] si m < n y además S se convierte en una matriz de dimensiones r x r.9. :j: Descomposición en valores singulares (SVD) m Cualquier matriz real M de dimensiones x n puede ser descompuesta como: (4.

La idea básica en la que se basa la reducción del modelo es la siguiente: supóngase un sistema exprsesado en su realización internamente equilibrada.9. (A. 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. Por lo tanto. el procedimiento de reducción es el siguiente. sino enunciar las guías para proceder con esta simplificación. y dada la característica anterior. D): 1. como en cualquier algoritmo de aproximación. se reducen las matrices del sistema de la . respectivamente.204 4.k variables. 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. no se puede especificar un criterio general de reducción. B. 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. podrían ser despreciadas. son variables difíciles de controlar y de observar. 4. se debe siempre alcanzar un compromiso entre simplicidad y precisión.66) donde I k es la matriz identidad de dimensión k. e. 3. sino que vendrá fijado por las necesidades de exactitud con la que se deba reflejar el comportamiento real del sistema. por lo que si se tratara de un modelo de caja negra. OBSERVABILIDAD En la determinación de un modelo reducido equivalente. enunciado en la Sección 4.8. 2. Si el teorema de realización mínima de Kalman. el modelo resultante de orden reducido se comportaría aproximadamente igual al original. lo que significa. D ) . Reducción del modelo CAPíTULO 4. dada la realización que se está manejando. Dado un sistema definido por las matrices e. son variables que contribuyen muy débilmente al acoplamiento entrada-salida del sistema. se aplica al modelo internamente equili­ brado para el que X l se toma como una buena aproximación a XC Q . 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. En segundo lugar. n . conservando las propiedades de estabilidad y equilibrio interno. se comportaría aproximadamente como Xc y X3 a la vez. • Por lo tanto.3. Esto tiene dos consecuencias claras: • [�] En primer lugar. B. Se toman los valores singulares de Hankel y se descartan los que sean significativa­ mente inferiores a los demás.

4.14132 W(oo.8 Dado el sistema descrito por la realización mínima: x(t) = y(t) = [ 3 [ -��84 1 O O ] x(t) � � .k últimas filas de la matriz B. Se eliminan las n .k últimas columnas de la matriz A. En primer lugar se calculan los gramianos de controlabilidad y observabilidad: 1 . 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 [ =. Ejemplo 4. REDUCCIÓN DEL MODELO • 205 • • Se eliminan las n .tI 1 1 .80640 O 1 80640 0 . 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.k últimas filas y n . O) = O 80640 O1 4032 151 O O .k últimas columnas de la matriz Se eliminan las n . C. /::.403 5040 693 21697 21344 6720 23 560 11543 305 673 56 2693 115 20 2304 107520 V(oo.�OO -�40 5 O �1 -20 x(t) + [�1 1 u (t ) plantear los posibles modelos de orden reducido. .9.

206 4 293� 48 1 697 48"'80 1 85 3 y' 2��1 64 CAPíTULO 4.646 -0.195 0.198 12.604 0.018 -0.729 O O 0.483 -2.680 -0.073 0.214 -15.002 0.951 -0.014 0.248 -0.690 -4.561 -0.156 ] ] .751 -0.803 0.307 -0..612 -0.018 -0.134 -4.471 O 0.456 6.533 0.434 4.238 -0.647 3. 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 .033 -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.008 0.332 0.562 -0.032 -0.776 -o.163 -0.404 0.001 0.997 U = -0.264 0.018 -0.0986 -0.020 0.632 V = -0.308 -0.612 .10.380 -0.308 0.763 -2.099 -0. se procede a la descomposición en valores singulares del producto: resultando: -0.0005 -0.001 0.195 0.803 0.264 -4.0724 -0.0001 O -0. y a partir de estos valores se genera la matriz de transformación a la realización internamente equilibrada del sistema: Aplicando esta transformación.397 0.00488 O E= ° O [ [ [ LbLc = UEVT 0.946 -0.690 3.992 -0.186 0.' ] ] -0.134 2.238 -0.516 -2.00109 O O -0. las matrices del sistema resultan : A _ - [ [ J ] IO .

.086 0.00109 O O O O 0. por lo que se puede plantear un modelo reducido de orden dos... REDUCCIÓN DEL MODELO B= [ ] -0....046 0..434 4... .086 -0.. O) = V(oo...10.046 ] -0.238 -4.. 006 0 . y el de orden dos. \\ \\ \ \...086 0. • Eliminando la cuarta variable de estado se obtiene el modelo de orden tres: Al = Ih = Yl ( t ) [ [ -0.803 -4..098 -0.098 -0.008 207 C = [ -0.00488 O O O O 0. ...4... el modelo de orden tres. . .... _.0001 O O O O 6.. .008 ] siendo los gramianos matrices diagonales con los valores singulares de Hankel del sistema ordenados de forma descendente: W(oo.. .... Se plantean dos alternativas.. 002 ! !¡ ¡ ¡ :! . 008 0 .763 2. eliminando la cuarta variable de estado de la realización internamente equilibrada .9. . eliminando la tercera y la cuarta.." \..803 -2. 004 0 .046 ] ] cuya respuesta impulsional es la que se representa en la siguiente figura: 0 .098 Cl = [ -0. O) = E = [ 0.612 -0.. .612 . \... .238 -0.086 -0.647 -0. \" \\ .. : ¡ ¡ ! ! \ :.046 0.098 -0......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. b.

434 ] 0. el de orden tres (línea discontinua corta) y el de orden dos (línea discontinua larga) .208 • CAPíTULO 4. y(t) o 002 -o 002 . 098 -0. OBSERVABILIDAD Eliminando la tercera y cuarta variables de estado se el modelo: Á2 = [ 13 2 = [ C2 = -0.086 -0 .086 ] 2 . 238 -4 . a continuación se muestra la comparación entre la salida del sistema original (trazo continuo) . 004 0 . 008 y. ( t ) o 006 0 . 238 -0 .763 -2 .098 ] cuya respuesta impulsional es la que se m uestra en la siguiente figura : 0 . 002 I I I I I I I I I I I I I I l' \ \ \ \ \ \\ \ \ \ \ ' " '._ -o 002 Para poder evaluar la calidad d e ambas aproximaciones.

01 sin( lOOt ) Para calcular el estado inicial .2) : y. se ha de calcular el gramiano de observabilidad del sistema (ya calculado en el Ejemplo 4. y para poder determinar el estado inicial .10. para dejar únicamente la porción debida a la evolución libre desde el estado inicial: A continuación.9 4. a partir del conocimiento del gramiano de observabilidad. 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 . se puede despejar la estimación del estado inicial. En este caso se hace sin especificar el tiempo de observación de la salida . Esta dependencia sólo ocurre en el caso de que haya errores en . se descuenta de la salida medida la parte corres­ pondiente a la excitación producida por la entrada. 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) .4e .4.3t + 3e.2t + 2e. C= [ l 2 3] cuando la salida ante escalón medida es la salida real corrompida con un ruido. por lo que el estado inicial depende de t . Para simplificar. se supondrá que el ruido es una senoide.t + 0. Ejemplo 4. 10. con lo que dicha salida medida es: Ymedida (t) = 1 . en el sentido de que se obtendrá un valor distinto al cambiar el periodo sobre el que se realiza la evaluación.

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

se extraen tres vectores columna linealmente independientes de dicha matriz.2 A = -3 O -3 -3 3 3 En primer lugar es necesario conocer las dimensiones de los subespacios controlable y observable del sistema . en este caso los tres primeros: .10. 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 . PaFa obtener su basE!.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 . EJEMPLOS ADICIONALES 211 Separación en subsistemas Ejemplo 4.4.

por lo que primero se calcula la dimensión de dicha intersección: y. 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. 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 . se plantea la ecuación: .212 En cuanto a l estudio de controlabilidad: P= siendo el rango de la matriz P también 3 .] [H] [ CA CA 2 C A3 C A4 = -6 -12 -24 -48 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. por lo que la dimensión del subespacio no-observable es 2. [e1 [ 3 1 [ 3 3 -3 .

T. {J = .� 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 . 'Y = .l . base del subespacio no-observable: Td • Resto de la ba .4.pocio contmlable y no-ob... "'able.1 = �1 [ = [11 [ � .10.� y /1 = . EJEMPLOS ADICIONALES 213 que despejando resulta a = � . base del subespacio controlable: T a = • Junto a Tb. 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.ube. � • Junto a Tb . 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 .� .

1 AT = B =T . 1 1 . . Tomando: [� �1 O 2 -1 -4 O O .1 Ba = ( s + 2 ) ( s .Aaa ) .1 B = 3( s + 1) (s .1 ) mientras que si se toma la realización completa original : C (s) = C ( I 4.2) 3(8 + 1) (8 + 2)(8 .1)(s + 1) 2 (s . Ej ercicios resueltos Para el sistema siguiente: Determinar: [ !: J [ -� ! j ] [ :: J [ � ] [ :: 1 + - y " � [1 1 OJ a) La observabilidad del sistema.1) 1.1 -3 O 2 O O O O O CAPíTULO O O O O O O 4.214 Con esta matriz se realiza la separación en los distintos subsistemas. quedando: A =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.2)(s + 1) 2 (s + 2)(s . OBSERVABILIDAD -1 o -3 ] 3(s + 1) Ce o(s) = Ca ( sI . s _ A) .

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

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

2 t = 1 + 2e .+ 1 . EJERCICIOS RESUELTOS e) S i la entrada es 217 un escalón. Yc(t).2t = 1 + 2e .2t e .2t + e .2t e .4.: [ 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 . habrá que sumarle a la salida el término debido a la evolución forzada.t + t => yc(t) = e . lo que confirma que. 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.2e . independientemente de la entrada que actúe. no existe ningún punto observable.t + 2 2 - t => Yb ( t ) = e .t + 2 2 Analizando las salidas se ve que no es posible distinguir cuál es el estado inicial observando Yb(t) e.2e .2t 1 2e .11. . que es independiente del estado inicial: t jj(t) = c l �(t.2 + e . cuando el sistema no es observable.

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

+ 3 1 2 -1 -1 1 VF ( >' + 1)( >' + 2)(>' + 3) .A ) Conocidos los valores propios. expresadas en forma matricial. Para ello se seguirá el procedimiento habitual de hallar la transformación de diagonalización para resolver en el sistema diagonalizado: Dado este sistema.4. e) . + 2 >.11. se puede abordar la resolución de las distintas cuestiones que plantea el ejercicio. -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 >. se calculan sus vectores propios asociados: [ XX3l 1 [ O �2 =[ O >' = -1 => -1 1 -2 >' + 1 . a) YI [ Y2 ] = [ OO O ] 1 1 1 Dados los valores de las constantes ( a . EJERCICIOS RESUELTOS 219 que. b. se calculan los valores propios de la matriz A: det(>'I . hallar la evolución temporal del sistema implica el cálculo de la matriz de transición.1 >. quedan: Una vez que se dispone del modelo del sistema. donde ya se han sustituido los valores de las constantes.

] 1 = 1 1 1 1 1 .220 A -3 � => con lo que la matriz de cambio de base queda: Así. ] [ :�. 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 ] [ :�:. ] OO Á = = [ =� -! � ] [ [ V31 O 3 [ :::] l n V3 2 O V � O o O] O = = = CAPÍTULO 4 .. 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 AT [ O ] '¡'(t) eÁt [ e-t e-OO2t ).

ha de poder expresarse como combinación lineal de los vectores de la base del sub espacio controlable ( que podría ser todo el espacio) y.e -a . b. 2) La matriz P de observabilidad es: [ -a . e) . . por tanto. d) La matriz Q de controlabilidad es: -b O -b . 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 . el sistema no es observable para ninguna e) combinación de valores de (a. 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. Como se indica en el apartado b. cualquier estado del sistema puede ser alcanzado desde condiciones iniciales nulas. b.l . luego el sistema no será nunca observable uti­ lizando sólo esta salida. independientemente de los valores de (a. por lo que el sistema es observable para cualquier combinación de valores de (a. e) .b -a .a . .b b2 c2 O O 1 1 O 1 Q� con rango(Q) = 3.b b2 O . 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. luego ningún estado del sistema puede ser observado.b b2 O � -� � 1 1 1 P= con rango(P) = 3. por tanto.11.4.b o O c2 1 Ql . e) . luego el sistema es controlable y. b.

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

Si fuera posible.4. de estado del sistema. si a + b = 1. es alcanzable. y no lo es en caso contrario. tal que sus va­ riables sean controlables y/o observables. En primer lugar hay que elegir las variables de estado con las que construir el modelo. a) par de valores prefijados. indicar el mínimo número de salidas necesarias para construirlo. 1 -a 1 1 1 =2-a-1-b=1-a-b 1 -b 2 luego.11. EJERCICIOS RESUELTOS • Si a = c O O 223 1 -a 1 1 1 1 -a 2 :f 0 • luego no es alcanzable . X3 Si b = c 3. ecuaciones de estado que definen el comportamiento del sistema. En el primer bloque hacen falta dos variables de estado: donde definiendo: S(SX I + x¡ ) = -X l + U X 5 = SXI + X l . en esa base del espacio de estado las. desde condiciones iniciales nulas de las variables de estado. 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. 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. posible de entre las salidas de cada bloque y expresar.

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

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) = 4.4. Utilizando sólo la salida Yl . hacen falta las dos salidas para poder hacerlo. donde es la tensión en bornes de entrada. Del mismo modo. u El sistema de la figura representa la función de transferencia de un motor. con rango(P 2 ) = 3. . y dado que el sistema no es controlable.11. por lo que usando la segunda salida tampoco 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 no sería posible construir el observador. por lo que el sistema es observable y sí se podría construir el observador. Utilizando sólo la salida Y2: P2 = [ 1 O -1 1 O O 1 -2 O O O O 1 -1 1 -1 ] 4. d) Como el sistema es observable. X2 es la velocidad angular y X l es el ángulo girado. serán observables cualesquiera variables de estado en las que se exprese. no lo será cualesquiera que sean las variables de estado elegidas para su representación.

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

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

X3 1 ? Si la salida del sistema es nula. 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 .-f. ¿ qué conclusiones se pueden sacar sobre los valores de X l . Para ello se comienza por ver la controlabilidad: Q= [ B AB A 2 B ] matriz que cumple controlable es: rango(Q) 1 . X2 Y X3 ? == == == = 1 1 1 1 1 1 Se trata de realizar la descomposición en los distintos subsistemas.e . es posi­ ble conseguir dicho efecto mediante la combinación lineal de U I Y U 2 : u 5. OBSERVABILIDAD Aplicando linealidad sobre las dos entradas que propone el enunciado. X2 ¿Puede ser observado el estado del sistema X l 2. )u I + ( 1 . 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 .228 CAPíTULO 4 .-f. Dado el sistema definido por las siguientes ecuaciones de estado: = - T ( I e . 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. )u2 - a) Descomponerlo en sus distintos subsistemas.

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

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

tanto en el caso de sistemas monovariables como multivariables. En el capítulo siguiente se aborda el hecho de que las varia­ bles de estado no sean directamente medibles. Como se vio en el capítulo anterior.5 5. estimar el verdadero 'valor de las variables de estado de la parte observable. Para proceder a la aplicación de un control por realimentación del estado. para actuar sobre las variables de entrada del sistema según el esquema de la Figura 5. Primeramente se realiza un análisis de la dinámica del sistema cuando se efectúa la realimentación de sus variables de estado. no puede modificarse mediante ninguna realimentación 231 . justificándose la asignación directa de todos los polos de la parte controlable del sistema. 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. La parte no controlable del sistema total tiene un comportamiento independi­ ente de las entradas y.1. que permiten. a partir del conocimiento de la evolución de las variables de entrada y de salida del sistema. se aborda el diseño de la matriz de realimentación del estado con objeto de fijar el comportamiento dinámico del sistema. en cuyo caso se 4iseñan unas estructuras denominadas observadores . que se suponen directamente medibles. A. conocido como realización mínima del sistema . por tanto. continuación. se parte en este capítulo del conocimiento de las variables de estado del sistema. 1 . que constituyen la información accesible de éste. mediante una matriz constante. existiendo un subsistema que es a la vez controlable y observable. poniendo de manifiesto la potencia de esta estructura de control para fijar las características del comportamiento dinámico de un sistema. un sistema puede descomponerse en varios subsis­ temas atendiendo a sus características de cóntrolabilidad y observabilidad.

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

Realimentación del estado Dada la realización mínima de un sistema. Se observa que este esquema representa una estructura clásica de control con un regulador de tipo PO. 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. actuando solamente sobre la señal de error de la salida. la evolución de las variables del sistema .1: se cumple: Figura 5. pero en la que se ha suprimido el cero de cadena abierta introducido por el mismo. mientras que en la estructura clásica es necesaria la con­ strucción de derivadores puros de difícil realización física. de forma natural.1) (5. 5. mediante unas pocas operaciones del diagrama de bloques. x(t ) y(t ) = Ax(t) + Bu(t) = Cx(t) + Du(t) (5. 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. REALIMENTACIÓN DEL ESTADO 233 Este esquema de control es equivalente al representado en la siguiente figura. representada en la Figura 5.5.1: Sistema con realimentación de estado.2.2.2) .

+ aoy = bn .+ bou dtn dt 1 dtn dtn . + b 1 . 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. 5. la inclusión del lazo de realimentación.+ an . eligiendo adecuadamente Ar y despejando K de la Ecuación 5. .3.+ .1 d n . con el máximo orden de derivación de la entrada igual al de la salida. No obstante.+ bn .1 y du . 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. no va a ser posible ajustar los n x n elementos de la matriz Ar de forma arbitraria. dado que normalmente va a haber menos entradas m que variables de estado n.234 CAPÍTULO 5.y + . puesto que no se cuenta con los suficientes grados de libertad en la matriz K para ello. porque dicha expresión representa n x n ecuaciones (dimensión de A) con m x n incógnitas (dimensión de K). en el que el número de ecuaciones superaría al número de incógnitas.3 ) ( 5. 5.1 dn y dy dn u dn . de forma que el sistema se torna compatible. . + a 1 .3. resultaría un sistema incompatible. 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.1 dt dt -- siendo ésta su expresión más general. Sin embargo.7) . 1. quedando reducidas las restantes ecuaciones a identidades independientes de los valores de los elementos de 1 ( 5.4 ) K. .5. 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. a través de la matriz constante K.5 ) Se puede cambiar la matriz Ar que representa la dinámica del sistema realimentado mediante la libre elección de la matriz K.6 ) Vi> r bi = O ( 5. en particular sus polos. como se verá en este capítulo. Si así se intentara.1 -. La respuesta es negativa. :3 ( 5. por lo tanto se pueden cambiar las propiedades del sistema.5. podría darse el caso en que no fuese así. A raíz de la afirmación anterior. siendo: r < n. La solución a este primer problema pasa. CONTROL POR REALIMENTACIÓN DEL ESTADO ecuaciones ya conocidas para un sistema lineal invariante. .

a l k3 .5.l + .a2 kn . bn . u (5.an-l 1 y la matriz e de salida permanece sin cambios. .bn a l .l .ao k2 . .. Transformando por Laplace: ( sn + an_l Sn . 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. 13) . kn ] .bnan . + a l S + ao ) y = (bnsn + bn_lsn .9) Este sistema puede ser representado mediante variables de estado.ao -a l -a2 1 O O O 1 O [ k l k2 k3 . 1 1) Si se realimenta como se ha indicado.l + .bn an .l + .l ] x(t) (5. . -an . 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 + -.lS n . .2 . 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 . (5.8) de donde se puede extraer la función de transferencia: o G(s) bn_ls = bsnnsn++an_l Snn--l l++. 10) 1 -an . + a l S + ao = . . ++abl sl S++aobo (5. . CONTROL DE SISTEMAS MONOVARIABLES 235 es decir.bnao bl . + blS + bo ) . que puede haber casos en los que el mayor orden de derivación de la entrada sea inferior a n. . .2 bn .l 1 O 1 O O = (5. . 1 2) k l . Entre las infinitas posibles representaciones que admite. .3. .l -ao -a l -a2 y(t) [ bo .

l . M(s) = s n + (a bn.bnan . . an . .l ] = = [ bo . que forman la ecuación de salida del sistema tras la realimentación. • Cr = C + DK = = [ bo . 1 4) y(t) = Cx(t) + D (v(t) + Kx(t)) = (C + DK)x(t) + Dv(t) con lo quel (5.l n n- (5 .l ] = = [ bo . por tanto.l . se calcula el polinomio característico del sistema ya realil Véase Sección 1.l ] + bn [ ao .7. .bn an .bn ao + bn ao .1 ± j Y S 3 = -10 . se toma la Ecuación 5. bn . .bnO!o .l . .3 y se introduce en la ecuación de salida del sistema sin realimentar: ki = ai .l . . 1 5) Dr = D = bn . . .bnO!n .l ] (5. . .O!n .3 . La función de transferencia del sistema realimentado queda entonces: Ejemplo 5. bn .l .bnO!o .O!o .++.O!i .bn ao .l . mientras que: .k+)sn_ll s+ .12: Falta por determinar la forma de las matrices Cr y Dr. sabiendo que la matriz B va a permanecer sin modificaciones al estar representado el sistema realimentado en su forma canónica controlable. .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 . Para calcularlas.l . los coeficientes del numerador de la función de trans­ ferencia siguen siendo los mismos que para el sistema sin realimentar. .2 sn b n . . (a +-bIS + bo (ao . i = 1.k ) l k2 )s + l n. En primer lugar. De la forma de estas dos matrices depende la posición que tomen los ceros del sistema realimentado.bnO!n .236 CAPÍTULO 5 . aunque se produce un cambio en la ecuación de salida del sistema al pasar de C a Cr. 2 = . los ceros del sistema no se modifican al realizar una realimentación del estado en un sistema monovariable. 1 6) 1 - con lo que se comprueba que. bn . n (5. 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.l + bn an .

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 . 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 . para poder generar la matriz Ar: S l.Ul i7 J ] n } [� 1 O [ k ( . puesto que los cálculos se realizarán posteriormente en esta representación . CONTROL DE SISTEMAS MONOVARIABLES 237 mentado. A partir del conocimiento de las matrices del sistema antes y después de la realimentación . se opta por la forma canónica controlable (variables de fase) .k2 12 = 3 k3 - -t ] .3.k1 22 = 7 . Dado que se puede elegir la representación en la que se va a generar. se plantea la ecuación que permite despejar el valor de las constantes incluidas en la matriz K: x= -1 . 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 .5.

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

posiblemente no deseado.22) 1 B = Te 1 B = (5. el polo libre se puede posicionar en un punto no deseado. los ceros del sistema permanecen invariantes.5.2: u(t) = v(t) + Kx(t) = v(t) + KTc 1 x(t) '* K = KTc 1 (5.3. Si con esta matriz se hace una transformación de estado. correspondiente a las variables de fase. mediante la modificación de los parámetros del polinomio característico. se obtiene el estado representado en variables de fase a partir de cualquier otra representación. caracterizada por las matrices Á y :B. que queda libre.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. por tanto. la inversa de ésta (se demuestra que Te? es invertible) .21) o O (5. según se muestra en la Figura 5 . al fijar la ganancia y el resto de los polos. el polinomio numerador y.3. que se han de convertir a las variables accesibles del sistema.25) puede tomar cualquier valor arbitrario. CONTROL DE SISTEMAS MONOVARIABLES 239 La matriz de cambio es Te. . el control por realimentación del estado permite la locali­ zación de los polos del sistema en los puntos que se desee. Éste será un proceso de prueba y error.24) 5. La consecuencia de este hecho es que la ganancia del sistema en cadena cerrada: M(O) = ao bo k - 1 (5. A = T e 1 ATe = x(t) = Tex(t) 1 O o O 1 O O O O O O (5. ya que a su vez. El problema de la ganancia Tal como se ha indicado. Una primera solución a este problema es sacrificar el posicionamiento de un polo. Si se aplica a estas matrices el procedimiento descrito en el apartado anterior. se obtiene una matriz de realimentación K. para fijar el término independiente del polinomio característico. En cambio.3.

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

y(t) Figura 5 . No es posible cumplir con todas las especificaciones impuestas: si se respeta la de régimen permanente.5. = a= Una segunda opción consiste en añadir al esquema anterior un parámetro adicional.3. por tanto.26) Sea la función de transferencia: . la función de trans­ ferencia del sistema realimentado será: es decir.5. no se puede cumplir con la de régimen dinámico.3.4 (5. y viceversa . CONTROL DE SISTEMAS MONOVARIABLES 241 cualquier caso. Ko. si el sistema está expresado en variables de fase. dado que se acepta como esta posición para el tercer . los preasignados. de tal forma que no se respeta la hipótesis de dominancia. siendo ao 1 y.. Debería acudirse entonces a algún planteamiento alternativo. 2 . la posición del tercer polo cambia. En esta situación este tercer polo es dominante frente a los otros dos. se pueden elegir la ganancia y los polos arbitrariamente.3: Adición del parámetro Ko. En el caso de que se quiera mantener la misma ganancia que se tiene en lazo cerrado. para fijar la ganancia. v(t) _--. tal como se indica en la Figura 5.polo. Obsérvese que. -0. se continuaría obteniendo la matriz K. Ejemplo 5.

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. CONTROL POR REALIMENTACIÓN DEL ESTADO se desea diseñar un control por realimentación del estado que sitúe los polos en: 8 1 .242 CAPÍTULO 5. 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. Para resolver este caso se comienza por plantear el modelo del sistema prop­ uesto en variables de fase: = = A continuación. multiplicando al conjunto. Esta situación se resuelve mediante la adición de una cuarta constante en cadena abierta. cuando aparentemente sólo se dispone de tres grados de libertad para conseguirlo (los valores de las tres constantes de la matriz de realimentación) . Para ello se añade una constante. ya se puede plantear la resolución de la reali­ mentación. 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) . 2 -1 ± j y 8 3 -10 siendo unitaria l a ganancia estática e n cadena cerrada. el cálculo de la matriz = Ko-6 = 1 Ko = K: Ar =A + KoBK Gr(O) 10 3 20 . por lo que supuestamente el problema estaría indeterminado y no podría resolverse. cuyo valor se va a ajustar durante el proceso de diseño del lazo de realimentación. pero no con la que hace referencia al valor de la ganancia estática del sistema realimentado.3. es decir.

la única solución fiable es incrementar el tipo del sistema. a l S lo que corresponde a unas variables de fase: + . CONTROL DE SISTEMAS MONOVARIABLES [ * 1 k2 k 3 ] Ko .4 . .10 Es importante tener en cuenta en este planteamiento que no hay necesidad de realizar la validación de la hipótesis de polos dominantes. que el sistema es ya de tipo 1. de modo que la función de transferencia en cadena abierta sea del tipo adecuado para luego realimentar la salida. La función de transferencia es entonces de la forma: sn .27) s + an _ l Sn . -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. como se desea en los servosistemas. 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. b I S + bo G(s) = bn _ l n (5.4. O O A= 1 O O 1 O O 1 ++ O O B= (5.2 + . .l + .3 . Se va a suponer. O O O O -a l -a2 e = [ bo b 1 b2 O . para tener un sistema con los polos en las posiciones deseadas y error de posición nulo.5.l bn _ 2 S n . 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 . no efectuando un verdadero control en cadena cerrada sobre la ganancia del sistema. sobre su valor en régimen permanente. es decir. 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.10 . de modo que globalmente se sitúen los polos en los lugares deseados. por lo que los sistemas resultantes son sensibles a las perturbaciones e inexactitudes del modelo. .28) 1 . como se muestra en la Figura 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.an . 3 . 5 .7 -3 . En este apartado se va a estudiar cómo compatibilizar el control por realimentación del estado con la realimentación de la salida. en primer lugar.l bn .

KoCx x = Áx + Bu = Áx + KoBr . CONTROL POR REALIMENTACIÓN DEL ESTADO .l (5.5: u = Ko (r . por tanto. y (t ) Figura 5 .a2 . un sistema realimentado con matriz de sistema: ( ) (5.al . Si se realimenta entonces el sistema con una matriz: (5.l .Kobn .33) .KoBCx = Á .al k3 . un sistema de tipo 1 con todos los polos modificados..244 CAPÍTULO 5 .KoBC = Se obtiene.31) (5.y) = Kor .29) se obtiene como nueva matriz del sistema: o O Á = A + BK = 1 O O 1 O O (5.Kob2 1 .an .30) O O O O k2 .Ko bo k2 . se obtiene el sistema de la Figura 5.KoBC x + KoBr Ar = A + BK .a2 es decir. Si sobre este sistema se realiza una realimentación de la salida con un control pro­ porcional Ko.32) O O O O 1 O O O O 1 O O O O O kn .r------.4: Realimentación en sistema de tipo uno.Kobl k3 .

3 .5. respetando el tipo del sistema .5: Control proporcional del sistema anterior. CONTROL DE SISTEMAS MONOVARIAB:tES 245 Figura 5. y dado que el sistema es de tipo 1 en cadena abierta .5 Diseñar un sistema de control que haga que el sistema dado por: 38 + 8 ) . 2 = . siendo además ep = o.8 3 + 38 2 6 78 + tenga sus polos en 8 1 . por ser un sistema de tipo 1 en cadena abierta. y en otro externo la salida . tendrá un error de posición nulo en cadena cerrada.O para que todos los polos del sistema se puedan fijar a voluntad. El modelo de estado del sistema es: x= O -7 . por lo que basta con que bo 1=.3 y=[ 6 3 0 ]x [� � � l [ �1 l x+ u . se realiza una doble realimentación como la explicada : en un lazo interno. Ejemplo 5.10. el estado. Obsérvese además que. G ( _ Para conseguir cumplir con todas las especificaciones.1 ± j y 8 = .

Figura 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 . obteniéndose la estructura de la Figura 5.246 CAPÍTULO 5. se puede incrementar el tipo del sistema añadiendo un integrador en el controlador.KoBC -22 -12 O 1 � resultando: l=[� l+[�l [�1 O .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.6.

37) y =[ O CT 1 [ :0 ] = [ O bo bl b2 .Cx Ax + Bu Koxo + Kx = [ Ko K ] [ � ] r (5.a2 kn .1OBKo T.38) r r = (5.39) Si se desea fijar la dinámica de este sistema de manera que su polinomio característico sea Pr (S ) . [ Xjco ] = [ T .36) = Si en la expresión anterior se efectúa el cambio queda la siguiente expresión: x = T:ié para pasar a variables de fase.3.y = .40) det(sI Ár) = Pr (S ) donde Ár es la matriz de la dinámica del sistema realimentado expresada en la ecuación 5. se debe cumplir : (5.ao k2 .bo OO1 Xl OO -O1 1 -O1 2 OO X2 + O X3 = O 1 O O O O Xn O Ko kl .bOn .an-l (5.l Xo b o .1 (A CTBK)T ] [ xo ] + [ O1 ] = :ié + b .35) (5.l ] - (5 . .38.34) (5. .al k3 . bn.5. CONTROL DE SISTEMAS MONOVARIABLES 247 Las ecuaciones del sistema quedan en este caso: Xo x = r u es decir: . .

para fij ar la posición de los polos. garantizando además que + ++ + Dado que se trata de diseñar un servo y el sistema es de tipo cero. y la de la salida . se obtienen n 1 ecuaciones con las n 1 incógnitas (Ka. los valores del vector K de realimentación se obtienen deshaciendo el cambio de variable: + . • • + kn ] T . el objetivo es la dominancia de los polos com plejos conjugados. se sitúa este nuevo polo en cadena cerrada en 84 -10 . como se ha planteado. para que el sistema dado por: 38 6 ep = o. La adición del integrador supone la inclusión en el modelo de una nueva variable de estado.10.1 -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 + + + = + + + . Una vez resuelto este sistema de ecuaciones. lo que fuerza a incluir también una nueva especificación para su posición en cadena cerrada . Puesto que. para cumplir con las . según formula el problema . kn ).1 Ejemplo 5. en este caso en variables de fase: x= 8 3 38 2 78 1 pase a tener sus polos en 8 1 .248 CAPíTULO 5. se procede añadiendo un integrador y realizando una doble realimentación . 2 = -1 ± j y 8 3 = . . 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. k 1 . CONTROL POR REALIMENTACIÓN DEL ESTADO Igualando los coeficientes de la anterior ecuación. que tiene solución única con tal de que ba =1 O. En primer lugar se calcula el modelo de estado.6 (5.41) Diseñar un control por realimentación del estado.

.k3 )8 3 + (7 . por tratarse de perturbaciones del sistema o por no ser necesarias para su control.8.Ar l = 84 + (3 . con n variables de estado. 6.k3 = 22 - con lo que se forma el siguiente sistema de ecuaciones. 1 . !:.4. Si alguna de las variables de entrada no se utilizase en la realimentación del estado.. del que se despejan los parámetros de la realimentación: =} }{ 100 Ko = 3 K= [ -139 . lo que se hace es plantear la igualdad de ambos polinomios caractarísticos.4 . o bien un valor de la ganancia en cadena cerrada.4. La matriz B queda descompuesta consecuentemente en dos matrices.k2 )8 2 + (1 . 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.7 det[8I . 5.135 -19 ] Casos adicionales de control de sistemas garantizando.k 1 + 3Ko = 240 7 k2 = 142 3 . según criterios que se explican en el subapartado siguiente. por la forma de la primera fila de esta matriz. dedicado al cálculo de la matriz Te.k 1 + 3Ko)8 + 6Ko = = 84 + 2283 + 1428 2 + 2408 + 200 6Ko = 200 1 .5. m entradas y p salidas. 5. up . CONTROL DE SISTEMAS MULTIVARIABLES 249 especificaciones de régimen permanente) queda: Ar = [ Dado que en este caso. resultando: Ko k 1 .1 k2 . invariante y multivaria­ ble.7 y 5. las entradas del sistema pueden dividirse en dos grupos: las que se utilizan en la realimentación del estado.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. y las ecuaciones de estado se expresan de la siguiente forma: (5. o bien el seguimiento de la variable de referencia pueden ser encon­ trados al final de este capítulo en los Ejemplos 5.42) . Un Y las perturbaciones externas que no se utilizan para controlar el sistema.

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= (5.5.46) [ Am I Am2 B= Amm donde las submatrices que aparecen en 5. se parte. pero dicha matriz no interviene en el cambio de la dinámica interna fijado por Ar .47) O 1 O O O (5. up.48) = o 1 .47 tienen las siguientes expresiones: • Matrices Aii : O O Aii 1 O O [�� 1 1 (5. y a su dimensión. que se obtiene mediante el cambio de base adecuado. 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. Con objeto de facilitar la notación en este apartado de sistemas multivariables.44) donde puede observarse que la matriz que determina la dinámica del sistema es: (5.46 y en 5.43) la ecuación que expresa la dinámica del sistema realimentado queda: (5. Para plantear el diseño del lazo de realimentación. la matriz Br se denomina simplemente como B.250 CAPÍTULO 5. intervienen en la evolución del sistema mediante la matriz Bp. de la representación del sistema en su forma canónica controlable.45) coincidente con la Ecuación 5. CONTROL POR REALIMENTACIÓN DEL ESTADO Efectuando la realimentación del estado mencionada: Ur ( t) = v(t) + Kx(t) (5. coincidente con el número de entradas utilizadas en la realimentación. se le denomina con la letra m. Obsérvese que las entradas de perturbación. como en el caso monova­ riable.

• Por otro lado. i+ l . � cuyas dimensiones son n i x m. cuyas dimensiones son ni x nj . fuera de la diagonal principal son de la forma: o O Aij = .nj +3 O O En cuanto a cada una de las submatrices que componen la matriz B. de expresión genérica: (5. que el elemento Qij está situado siempre en la fila i-ésima y en la columna j-ésima. con i f=.52) [� O O (5. de dimensiones (m x n ) .a17i O O .49) que representan la dimensión de los subespacios controlados por todas las variables de entrada hasta la entrada i-ésima. j. La nomenclatura de subíndices empleada sigue garantizando que éstos indican la illa y columna del elemento considerado . según se expone con detalle en el siguiente subapartado. tienen la siguiente forma en la base canónica utilizada: B. • I7j -nj+ l O I7j -nj+2 O I7j . Los valores de (Ti se calculan como: (5. donde igualmente los subíndices indican la fila y columna que ocupa un elemento.50) 0'. mediante una matriz K. 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.aUi (5.51) O O 1 bu. con la nomenclatura de subíndices utilizada.5. Obsérvese que.a17i O O . Si se efectúa una realimentación del estado del sistema expresado en esta forma canónica controlable. dichos subíndices re­ presentan la fila y la columna del elemento considerado. cuyo significado ha sido comentado anteriormente. f::" CONTROL DE SISTEMAS MULTIVARIABLES 251 de dimensiones ni x ni .a17i O O . cada una de las matrices Aij .4. es decir.

55) Igualando las columnas j-ésimas de las Ecuaciones 5. O"n o O 1 O O 1 O O Ar = (5. + bU2m kmj o +.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.54 según se indica en la Ecuación 5.5.n 1 = 0"1 +. tiene como expresión genérica de su columna j-ésima: (A + BK) (. 0"2 . . a partir del polinomio característico deseado en cadena cerrada: (5.j ) + + k 1j + bU1 2 k2j + bU13 k3j + . la matriz que representa la dinámica del sistema realimentado A + BK se diferencia s610 en las filas 0"1 . · · · respecto a la matriz original del sistema sin realimentar A. . dada por la Ecuación 5. mediante la realimentación del estado efectuada sobre las variables de estado de la forma controlable. de forma inmediata. + bUlmkmj óU2Í = -au2j + k2j + bU23k3j + . + nd = O"n = n (5. .53) donde se observa que. Por lo tanto. . .j ) = (A)(. + bu2m kmj donde el valor de Óij es O ó 1 dependiendo de la fila y la columna considerada. puede probarse la obtención de la siguiente matriz Ar como objetivo de la realimentación del estado realizada: .n 1 + n 2 + . . . . según la . CONTROL POR REALIMENTACIÓN DEL ESTADO se obtiene que la matriz de la dinámica del sistema realimentado.252 CAPíTULO 5. + bUlm kmj O k2j + bU23 k3j + . . 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 + .53 y 5. .5.

el sistema controlable. para los sistemas multivariables el control por realimentación del estado modifica la posición de los ceros del sistema. El objetivo es obtener la forma canónica controlable para un sistema de estas características. Para obtener la matriz Te de transformación que representa el estado según la forma canónica controlable en sistemas multivariables. cabe esperar modificaciones al comportamiento previsto del sistema por la posición que puedan tomar estos ceros. En el caso de tener que ajustar también sus posiciones. a partir de cualquier otra representación.5. . se obtiene un sistema com­ patible y determinado de m ecuaciones con m incógnitas. CONTROL DE SISTEMAS MULTIVARIABLES 253 expresión: 8<7.54. Abi .5. existiendo en general varios conjuntos de n vectores columna linealmente independientes de Q. que consigue el objetivo de control: que la matriz de realimentación Ar tenga la expresión dada en 5. eligiendo siem­ pre para cada entrada las primeras columnas asociadas a dicha entrada bi . En total se obtienen n sistemas independientes de m ecuaciones cada uno de ellos.5 se obtiene un sistema distinto de m ecuaciones con las m nuevas incógnitas pertenecientes a cada nueva columna de la matriz K.4. En caso contrario será necesario realizar una separación de la parte controlable. Obtención d e l a matriz d e transformación a variables de fase =j.1 para ai f:. se forma la matriz de controla­ bilidad Q: Q Al ser. trabajando sólo con ésta. Primeramente se eligen n columnas linealmente independientes de Q.. es decir.4. en general. 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. que permiten resolver los m x n elementos de la matriz buscada K. Cabe destacar el hecho de que.2. 5. por hipótesis. Para cada columna de la Ecuación 5. . que escapan al ámbito de este texto.56) En esta sección se tratará la forma de calcular la matriz Te para sistemas multivaria­ bles. Por este motivo. sería necesario acudir a técnicas alternativas de control.j = { O1 Obsérvese que para cada columna de la Ecuación 5. /:::. Una vez que se tiene la seguridad de trabajar sólo con el subsistema controlable. = . aquellos en los que existe más de una variable de entrada y/o más de una variable de salida. se supone que el sistema es controlable. Para el cálculo de la matriz de cambio de base Te se procede de la forma explicada a continuación . . como ya se ha supuesto anteriormente en este mismo capítulo para el caso monovariable. rango(Q) n.1 para ai (5. j . al contrario que sucede en el caso de control de sistemas monovariables.

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

2 Te I +. inversa de la dada. . 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.I + 1 +. EJEMPLOS ADICIONALES 255 de la siguiente forma: +. . + nm. x(t): x(t) Tcx(t) Al igual que en sistemas monovariables.1 +. . .9 al final de este capítulo.n I + n2 + .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. . obteniéndose como matriz de realimentación para las variables x(t) accesibles: (5. se calcula la correspondiente matriz K mediante lo descrito en el apartado anterior.5.5.7 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. + nm (5.60) =n x(t) en la representación del estado correspondiente a la forma canónica controlable vista en el apartado anterior.n I + n2 + . según se indica en la Figura L b a continuación .5. a partir de las matrices Á y B obtenidas con esta transformación. Ejemplo 5. 5.61 ) Mediante la matriz Te .

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

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. 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. 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 . según: = resultando: K = [ -1 -4 -26 -4 ] Esta matriz K constituye la realimentación de las variables de fase del sistema. siendo ahora necesario calcular la matriz Te 1 .5. resultando: Te 1 = 20 1 [ � � � 1 0 -1 -1 O -10 O �O 1 .Al 84 .5. que obtiene estas variables de fase a partir de las variables físicas originales del sistema.

. si se parte de un estado inicial distinto del origen . 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 .1 y. 05 0. que son los mismos que en cadena abierta. aunque también influida por los ceros del sistema en cadena cerrada . por tanto. se comprueba: La matriz de realimentación de las variables de estado originales se obtiene ahora como: K KTc/ [ 0. 2 .§. las varia­ bles de estado tienden a cero con una dinámica definida principalmente por los mencionados polos. 1 1 5 Obsérvese que ahora el sistema realimentado es estable con todos los polos en .2 13. 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. (a ) Evolución de la posición x. CONTROL POR REALIMENTACIÓN DEL ESTADO U na vez calculada esta matriz. Ahora cabe preguntarse cómo se comporta dicha realimentación del estado del sistema cuando se utiliza para controlar el sistema real no lineal. 05 2.258 CAPÍTULO 5. en vez del Figura 2: Evolución de la posición mentado.

en el caso en que la perturbación valga up (t) = O..5 . partiendo de un ángulo inicial 0 ( 0) 10°. como: las variables de estado toman valores más apartados de su pU. = = . Figura 3: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. 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. (a) Evolución de la posición x . que es el origen de coordenadas. pudiendo observarse en la siguiente Figura 4 una mayor diferencia entre el com­ portamiento del sistema real no lineal y del sistema linealizado. 259 (b) Evolución del ángulo O. 5 . En la siguiente Figura 5 puede observarse la evolución del ángulo y de la posición . Si se sigue aumen­ tando el ángulo inicial 00 . EJEMPLOS ADICIONALES sistema linealizado con el que se han efectuado los cálculos de la matriz K. 1 Nw y se parta además de un estado inicial del ángulo distinto de cero 0 (0) 10°.nto de linealización. para 00 45°) . mientras que el sistema original no Jineal rea1imentado sea realmente inestable (obteniéndose este efecto. puede llegar a obtenerse un comportamiento estable en el sistema linealizado (siempre lo será puesto que sus polos se han forzado a la posición . 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.1). puesto que toman valores cercanos al punto " de linealización. por ejemplo.

(b) Evolución del ángulo (J. tal como se verá en el Ejemplo Puesto que la realimentación del estado del sistema permite. CONTROL POR REALIMENTACIÓN DEL ESTADO 5 r---�--�-'====�==� (a) Evolución de la posición x. 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 . . aunque la posición de la base se desplaza 2 m respecto a la posición inicial . 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.8. (b) Evolución del ángulo (J . partiendo de un ángulo inicial (J(O) 25°. -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. Figura 4: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. al menos teóricamente. estabilizándose el ángulo en la vertical . debido a la mencionada perturbación . situar libremente los polos del sistema en cadena cerrada. 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. 1 Nw. cabe 5 .260 4 3 CAPíTULO 5.

que sitúe todos los polos del sistema en cadena cerrada en una posición que haga al sistema re­ alimentado mucho más rápido. obteniéndose en consecuencia una entrada al sistema mucho mayor. 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. = = (b) Evolución del ángulo (j. es mucho mayor que cuando la dinámica del sistema es más lenta con los polos en . es importante cuando se diseña un control por realimentación del estado .1 . Según el razonamiento anterior. 6 Nw 2 frente a 3 . como por ejemplo Pr (s + 10)4. Figura 6: Evolución de la posición y el ángulo en el sistema real no lineal. Obsérvese e n l a Figura 7 que l a energía utilizada para controlar e l sistema . EJEMPLOS ADICIONALES 261 plantearse el cálculo de una nueva matriz de realimentación K. con objeto de apreciar claramente la mayor rapidez del sistema . En la Figura 7 puede observarse la evolución de la entrada del sistema utilizando ambas matrices de realimentación. tanto temporal como en valor de la fuerza de entrada) . ante los mismos valores de la perturbación y de las condiciones iniciales (obsérvense las diferentes escalas de ambas subfiguras. (a) Evolución de la posición x . Repitiendo los cálculos efectuados al principio de este ejemplo a partir de este n uevo polinomio característico en cadena cerrada . en la que se ha mantenido la misma escala de tiempos que en las gráficas anteriores. en el caso en el que se diseña la posición de los polos en . utilizando la matriz de realimentación que sitúa los polos en . siendo esta diferencia de energía de 473 . 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 6.10.10.5.5. partien­ do de un ángulo inicial (j ( 0) 10° y una fuerza lateral de perturbación up (t) 0 . 1 Nw. 14 Nw 2 .

25 2 r���---. 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) . en . esta nueva especificación del sistema de control garantiza un despegue en = .10.10.1 Nw. Suponiendo que el modelo del péndulo invertido utilizado es una simplificación del despegue de un cohete. Como se ha comentado. siendo éste un factor limitativo práctico importante a la hora de fijar la situación de los polos deseados en cadena cerrada.======. en las figuras anteriores.1 ..:::====. es de -2 en el caso inicial en el que se utiliza una matriz de realimentación moderada con los polos en . que será mayor cuanto más rápido se quiera hacer el sistema en cadena cerrada.1 . CONTROL POR REALIMENTACIÓN DEL ESTADO tener en cuenta la magnitud de la entrada que va a tener el sistema.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 .8 Se desea controlar no sólo la dinámica del péndulo invertido. la anulación de este error es sólo posible con el sistema servoposicionador del Ejemplo 5. que.-] 1�1 r--�---. sin embargo. Figura 7: Comparativa de la evolución de la entrada utilizando la matriz de realimentación que sitúa los polos en .1 y la que los sitúa en .262 CAPíTULO 5.10. sino también la posición de la base x(t) .8. de manera que ésta tenga un error nulo en régimen permanente ante perturbaciones en la fuerza lateral Up (t) . partiendo de un ángulo inicial 0(0) = 100 Y una fuerza lateral de perturbación up (t) = 0. Control d e posición d e l a base d e u n péndulo invertido Ejemplo 5. 1 00 I E[u(t)]=473 . que el valor final de la posición x(t) es mucho más cercano a cero en el caso en que los polos están en . Obsérvese.

x = . que ahora es de quinto grado. dinámica del sistema realimentado en variables de fase. La matriz Ar ..1 x . más un polo adicional menos significativo situado en -3 con objeto de mantener dicha dinámica .5. EJEMPLOS ADICIONALES 263 la misma vertical ante fuerzas de vientos Il:Iterales..5. 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. Péndulo i nvertido "-------._.7) . se parte del polinomio deseado del sistema en cadena cerrada .. [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.. siendo necesaria la utilización de una estructura de control como la mostrada en la Figura 1. que incluye una integración de la señal de error de la variable controlada x(t) . Para calcular el valor de Ko y de la matriz K de realimentación del estado.. Esta especificación de control no se puede conseguir mediante una simple realimentación del estado (según se vio en el Ejemplo 5. es: O O o 1 -20 O O 1 O O O 1 .

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. se obtienen los siguientes valores de Ko y de los elementos de K: Ko = -0.. 1 Nw y se parte de un estado inicial de 0(0) 10°. 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. 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. 25 19.. 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.. 65 4.1 Nw. 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. tiempo (8 ) tiempo (8 ) � ��----�5�----�10�--�15 5 10 15 = = . 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. (b) Evolución del ángulo O. 15 K K = [ -13 -25 -38 -7 ] 1. 65 = � 1 0'r----�--. 5 = o Obsérvese que se consigue tener un error nulo en la posición x(t) del péndulo invertido.

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

]=

--

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

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

con los polos en los lugares solicitados. � 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 . En este caso se eligen las variables de fase para la representación del modelo de estado: 6 .(8 + 1)(8 + 2)(8 + 3 ) 1 O -11 ::::: --.:----2 3 6 8 + 68 + 118 + 6 A continuación se estudia la controlabilidad del sistema. 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.:---:. La ecuación característica objetivo.6. por lo que el sistema es totalmente controlable y se pueden situar los polos en los lugares pedidos.5. 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. 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.

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

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

se obtiene el siguiente sistema de -8(abe + a + e) = . A3 = -4. tras la realimentación se tendría: por lo que de nuevo se puede plantear un sistema de ecuaciones que incluya la información de la realimentación. CONTROL POR REALIMENTACIÓN DEL ESTADO Si se aplica la relación Ar ecuaciones: A + BK. e) La dinámica del sistema viene fijada por los valores de los polos del sistema.278 CAPíTULO 5. la expresión más cómoda es la de la matriz A diagonal.78 -2(a + b + e) = (a + b + e) . sólo es necesario conocer el valor de los polos y el estado inicial. A2 = -3. que se conocen como resultado del apartado anterior. Para ello. b. Se podría haber llegado al mismo resultado sin necesidad de haber calculado los valores de las constantes ( a.(ab + be + ae + 2) . e) . será preci130 calcular los autovalores de la matriz A. se puede suponer que el polinomio ca­ racterístico del sistema sin realimentar es. que se obtuvo en el apartado anterior. que daría una matriz de transición muy sencilla y manejable.(abe + a + e) . lo que sitúa los polos del sistema antes de realimentar en A l = -2. El único problema que esto plantea es la necesidad de realizar un cambio de base del estado inicial. simplemente realizando un cálculo sobre un polinomio genérico. para adecuarlo al sistema de referencia elegido.168 -4(ab + be + ae + 2) = . y eso hace necesario conocer el valor de las constantes (a. Para saber cuál será el estado del sistema con entrada nula y partiendo de un estado inicial. e) . b. así como ser capaces de expresarlos en el mismo sistema de referencia. b = 5.9 abe + a + e = 2 4 ab + be + ae + 2 = 26 a+b+e= 9 Despejando del sistema de ecuaciones reflejado se obtiene a = 2. Cálculo de los vectores propios: . En este caso. y cuya resolución conduce a los valores de las raíces del polinomio antes de realimentar. Así. e = 2. nuevamente utilizando las relaciones de Cardano-Vietta: } } � con lo cual. constantes y valores iniciales y finales de los coeficientes del polinomio característico.

5 0.5 0.6. = -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 .1 xo = con lo cual: 1 -1O1 -1 ] [ [O] 0.5 -0. EJERCICIOS RESUELTOS >. 1 -1 -1 1 [ O� -1. = [ O1 t = 2 y devolviendo este vector al sistema de referencia 1 11 -1 .5 0.5 0.5. -1� ] [ ��� ] [ O� ] V2 [ �1 ] [ =�O -1� � ] [ �:� ] [ �O ] [ �1 ] V12 = = Vl 1 = V13 O VI = [ � ] V23 = 279 = V21 = V22 V22 = . ] .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 = Xo = T . = -3 =} >.V23 _ -2 V33 = 2 V31 = V32 V32 = -2V33 V3 = _ T.

+ r = .280 d) CAPÍTULO 5. así como la existencia o no de la matriz A que caracteriza su comportamiento dinámico y de la matriz de transición <I>.S) + sB + te = O 1 [ 1 [ 1 [ 1 O A +r A +s B +t O B ::::} ::::} e O O e . Indicar si di­ cho estado puede alcanzarse desde condiciones iniciales nulas utilizando una combinación adecuada de entradas.5(e .5( 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.4 + e .4 + e .S) e-s 0. por lo que se puede alcanzar cualquier estado aplicando una combinación lineal adecuada de estas tres entradas. Se diseña un sistema electrónico que consta de 7 resistencias (3 de ellas no lineales) .S) + rA = O 0. Indicar si es posible la obtención de un modelo de estado de dicho sistema.S) 0.4 .e . siendo Uc la tensión en los condensadores) .4 . ] . Se plantea este hecho mediante la ecuación: x(2) = De donde se puede plantear un sistema de tres ecuaciones con tres incógnitas: [ 0.e .5(e . 5 condensadores (2 de ellos no lineales) y 2 fu entes de tensión regulables (variables de entrada) . aplicando una combinación de entradas tal que contrarreste el efecto de la evolución libre del sistema calculada en el apartado anterior. número de variables de entrada y número de variables de salida del sistema. 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 + rA + sB = O 3. En este caso se pretende alcanzar el estado nulo.e 4 2Ae s es = 4 2Be s t = e s ee 4 _ de estado. CONTROL POR REALIMENTACIÓN DEL ESTADO Los tres estados a los que conducen las distintas entradas constituyen una base del espacio tridimensional. 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 . _ ::::} .

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

desde condiciones iniciales nulas. Además. se halla.0 O 0 0 0 O O O O 0 O 0 0 0 O O O O matriz que tiene rango(Q) = 3.1 -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 lo que no existe subespacio no-observable. exceptuando el origen. por lo que no será posible alcanzar un esta­ do arbitrario.282 CAPíTULO 5. se comienza por calcular la ma­ triz P: 1 P= donde rango(P) = 5. 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 . la respuesta pasa por determinar la controlabilidad del sistema.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 . 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 . CONTROL POR REALIMENTACIÓN DEL ESTADO En cuanto a la segunda parte de la pregunta. no será posible alcanzar el estado propuesto. sobre si el estado propuesto se puede alcanzar desde condiciones iniciales nulas con una entrada adecuada. la matriz Q: 1 1 Q= 1 . por tanto. por consiguiente no existen estados que tomados como iniciales den lugar a trayectorias de evolución libre permanentemente nula. dado que la base del subespacio controlable tiene para todos sus vectores las dos últimas compo­ nentes nulas. e) Para hacer todo el estudio de observabilidad.

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

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

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

.

el subsistema observable. 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. sin embargo. Figura 6. 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. El conjunto de las variables que pueden calcularse a partir de las entradas y salidas del sistema forman. Las variables de estado son.6 6. variables internas de funcionamiento del sistema cuyos valores no pueden medirse directamente sobre magnitudes físicas de éste. cuyo esquema se muestra en la Figura 6. En este caso general. 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. El cálculo de las variables de estado se realiza en el sistema denominado observador. que en todo momento es capaz de estimar los valores de las variables de estado 287 . 1 . 1 : Concepto de observador. en el caso más genérico. que son sus salidas y sus entradas. 1 . como se sabe.

se determina la in­ fluencia de la dinámica del observador en el comportamiento total del sistema conjunto de la Figura 6. como en el caso del control por realimentación del estado. Figura 6. OBSERVADORES DEL ESTADO reales del sistema. procediéndose a continuación a su diseño para el cumplimiento de dichas características'. que son necesarios para su control según la matriz de realimentación del estado vista en el capítulo anterior. . tanto en sistemas monovariables como multivariables.1 . 6. 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. caracterizado por una matriz C invertible.2: Sistema con observador y realimentación. estableciendo la independencia en el cálculo del observador y de la matriz de realimentación del estado. Por último. en el que se considera de forma conjunta con una realimentación del estado. existe un caso trivial en el que las salidas son una combinación lineal de las variables de estado. en este capítulo se supone que se está trabajando con la parte observable del sistema. En este capítulo se definen las características deseables de estos sistemas observadores.2. en la que los valores de las variables realimentadas se estiman previamente para proceder a continuación a su realimentación. Las variables que. que además se supone también controlable para ser utilizada en una estructura de control.2. 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. además de poder observarse.288 CAPíTULO 6. Para la realización de un observador. 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. Por tanto. Dado un sistema lineal. se supone que se trabaja con la realización mínima del sistema.2. dicho de otra manera.

si verifica las dos condiciones siguientes: 1. invariante y observable: x(to) = V. según la Ecuación 4. to) = ¡totI �T(r. 1 ) En general.3) (6.1 (tl' to) ¡tot I �T(r. sin embargo. DEFINICIÓN DE OBSERVADORES 289 En este caso el observador del estado se resuelve simplemente invirtiendo esta matriz: = (6.2 . 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. el número de salidas es mucho menor que el número de va­ riables de estado. y que responde a las condiciones enunciadas por el siguiente teorema: Dado un sistema lineal. Si los estados de coinciden en un instante to. to)dr (t) = y(t) .¡t C(t)�(t. r)B(r)u(r)dr .para cualquierambos sistemasaplicada sobre instante posteriorxexe(t) = entonces los estados coinciden para todo x(t) entrada u(t) el sistema. to)CT(r)y(r)dr V(t¡. -+oo tlím xe(t) .D(t)u(t) y ito (6. 2. to)CT(r)C(r)�(r.1 y(t) siendo: Este procedimiento para obtener el estado del sistema conlleva el cálculo de una in­ tegral definida.8 que se reproduce de nuevo a continuación: x(t) C . Si por el contrario se desea obtener de forma continua la evolu­ ción de las variables de estado del sistema en cada instante.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. El estado del sistema se puede calcular haciendo uso del gramiano de observabilidad.x(t) = O . que tiene que ser evaluada cada cierto tiempo para obtener un estado anterior del sistema. se implementa un sistema dinámico que tiene como entradas las entradas y salidas del sistema. :xe (t) debe tender asint6ticamente al estado x(t) para cualquier entrada u(t) y para cualesquiera estados iniciales xe(to) y x(to).2) (6. (to) = x(to).6.

Sin embargo. por lo que los valores propios de la matriz A .x(t) = (A .He .HC con lo que la Ecuación 6.6) (6. Para que la entrada no influya en la diferencia entre ambos se debe cumplir: G=B con lo que la Ecuación 6. por tanto.x(t)) Como puede observarse de esta expresión. Así.B)u(t) + HCx(t) se deduce que: • (6.290 CAPíTULO 6.Xo . . el estado estimado debe tender asintóticamente al estado del sistema. • Adicionalmente.e una matriz H que satisfaga la Ecuación 6.7) (6. para que los estados coincidan en todo instante se debe cumplir: Xe (t) .HC deben estar en el semiplano negativo. puesto que la Ecuación 6.8 representa n x n ecuaciones con sólo n x p incógnitas (elementos de H) .2 para el cálculo de la matriz de realimentación del estado.Ax(t) + HCx(t) F = A . puedan ser utilizadas de forma eficaz como una buena estimación de las variables de estado en la realimentación del estado del sistema.5 queda: (6. la matriz F no puede fijarse libremente. los estados deben coincidir en todo instante.X (t) = Fxe (t) .. de manera que exista siempr. si se forma la diferencia entre la evolución del estado del observador y del sistema: Xe ( t) . OBSERVADORES DEL ESTADO Estas dos condiciones imponen diversas restricciones a las matrices del observador. XeO #. sí se pueden fijar libremente los n valores propios de la matriz F.Ax(t) + ( G . en la práctica se necesita que la dinámica del observador dado por F sea más rápida que la del sistema dado por A.9) Xe (t) . la dinámica de la diferencia entre las variables estimadas y las variables de estado viene gobernada por la matriz A . para que el observador estime las variables de estado más deprisa que la variací6n de éstos y.x(t) = Fxe (t) .5) Por la primera condición. se sabe que si se parte de un mismo estado inicial. ante cualquier entrada. que representan los polos del observador y determinan de forma Si los estados iniciales no coinciden.7 pasa a valer: Dada esta ecuación.HC es significativamente menor que la de los valores propios de la matriz A. Al igual que sucedía en la Sección 5. Esto se consigue si la parte real de los valores propios de la matriz A .8) (6. Aquí cabe plantearse si la dinámica del observador determinada por F puede fijarse libremente.HC) (xe (t) .8 con la matriz F libremente elegida. como se verá en este capítulo.

x(t) _ _ Con lo que la nueva expresión de la ecuación de estado es: ' x(t) A . que la Ecuación 6. y.HC)xe (t) + Bu(t) + HCx(t) (6.(t) .HC A .11) o escrito en forma matricial: B A O x(t) x(t) (6. siendo las restantes n x ( n .13) [ ] [ _ ][ ] [ ] Como puede verse fácilmente.O A . [ B ] u(t) O (6. O X(t) xe (t) . que los elementos de· F 'Y de A estén directamente relacionados con los polos del sistema observador y del sistema. analizar la controlabilidad del sistema con el observador de forma conjunta.12) xe (t) .6.14) x t) xJ(¡tV T xe. x(t) . (6. respectivamente.x(t) _ Ecuación de la que pueden extraerse las siguientes conclusiones: [ ] [ 1 [ -1 O1 ] [ ] [ _ ] ][ ] '+. Dado que se parte de que el sistema inicial es controlable.x(t) . mediante la construcción de la matriz Q: (6. 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 . Para ello será importante expresar la Ecuación 6. que consigue. el rango de esta matriz sigue siendo n.3. 1.8 quede reducida a n x p ecuaciones compatibles. por tanto.8 en URa base del espacio de estado adecuada.p) ecuaciones identidades independientes de los valores de H. 6. el conjunto formado por los dos grupos de variables es no controlable. Sin realimentación del estado Las ecuaciones tanto del sistema inicial como de su observador son: X(t) = Ax(t) + Bu(t) xe (t) = (A . por lo que se puede hocer una separación de la parte no controlable.15) . tanto antes de realizar la realimentación del estado como después. 6.He x e (t) .3. Cabe. COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291 muy importante su dinámica.. por una parte.3. 10) (6. mediante el cambio: ( x:(t) .HC xe (t) + B u(t) cuya representación gráfica se observa en la Figura 6. calculando los n x p elementos que forman la matriz H. por otra. Si se estudia la: 'éóntrolabilidad del sistema conjunto.3.

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

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

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

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

.hi2 .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.. 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 . . . El resto de la estructura es idéntica. 49) en caso contrario Cada uno de estos sistemas siempre posee solución.HC produce n sistemas (i = con p incógnitas ( hij con j = . . + np = n 1··· i (6. .5. el producto HC sólo tiene elementos no nulos en la última columna de cada bloque.47) (6. Por otra parte. + hipCPCTl (ji CTl = -aiCTl . .hi 3 C3 CT2 .hi2C2CTl . En .hipcp CTl (ji CT2 = -ai CT2 . cada fila de la matriz H sólo influye en la respectiva fila de la matriz HC. por lo que por comodidad de representación. p) que son: [O hil + hi2C2CTl + . .6. . . se considera la fila i de la matriz HC: (AHC) ( i . pudiéndose obtener los valores incógnitas de la matriz H resolvien­ do n sistemas de p ecuaciones con p incógnitas cada uno.hi1 .) = A( i . D. .45) n) de p ecuaciones (6.hipCp CT2 1· i O h dp] nI + .) + + 1 -QCTp -np+ l CTp -QCTp -np + 2 CTp -aup Up El cálculo del observador F = A .. Además. . (jtCTj = { O1 1 .efecto. el resto son ceros. Se recuerda que: donde: .48) si aj = i (6 . y sin pérdida de generalidad. CALCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 303 es posible construirlo.46) (6.44) se aprecia que la diferencia entre las matrices A y F radica solamente en las últimas columnas de cada bloque. pues la matriz del sistema es trian­ gular con elementos unidad en la diagonal superior.

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

h3 2 .5.h4 1 .h22C22 -f¡ = -a24 ..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 .h21 .6. Efectuando F = A .h4 1 .h12 .13 = -a44 .h12C22 .h4 2 O = -a12 .h31 . 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.h3 1 . 6.Jo = -a1 4 .h 32C22 . 1. En caso contrario será necesario realizar una sepa­ ración de la parte observable. se supone que el sistema es observable.hll . t::. cada fila de la matriz H sólo influye en la respectiva fila de la matriz He .h22 = .h21 .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 .h42C22 .h12 0 = -a22 .h32C22 .h32 0 = -a42 . Además.h22 . teniendo en cuenta únicamente dicha parte del sistema para .13 . a partir de cualquier otra representación.h4 2 1 Fila 2 Fila 3 Fila 4 => => 1 Que se resuelve como 4 sistemas de 2 ecuaciones y 2 incógnitas cada uno.hll .5.a32 . 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.h12C22 .h22C22 .12 .12 = -a34 .

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

53) pudiéndose desmostrar que tiene inversa. al i ] Se extraen las columnas existentes en las posiciones finales de cada bloque. y a partir de ellas se forma la matriz: ap = n (6. Esta matriz permite transformar la representación inicial del estado. x(t) . en la co­ rrespondiente a la forma canónica observable x ( t ) . . Á B = e = Tox ( t ) Te / ATo To I B CTo (6.56) (6. 6 CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 307 y formándose la matriz L: CI cl A L= (6.55) (6. mediante la transformación dada por To : x( t ) En el Ejemplo 6.5 al final de este capítulo puede verse un caso de diseño de un observador para un sistema multivariable. Esta matriz permite calcular la matriz de transformación a la forma canónica obser­ vable.6.51) Donde p representa el número de variables de salida. (6.5 .57) .54) (6. + np = e<7p nI = en .52) • • . . Para ello se calcula la inversa de la matriz L: nI + . e<7 1 ' e<72 ' .

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. en este aspecto. entonces la submatriz e ' 1 . de dimensiones p x p. queda: [�] (6. y pese a que la totalidad del estado no sea accesible. de una representación de estado tal que las salidas coincidan con las variables de estado accesibles. CAPíTULO 6.59) seleccionando como salidas del sistema las p variables de estado accesibles.61) Si se toman como salidas únicamente aquellas que sean linealmente independientes. En estos casos parece ilógico no tener en cuenta esta información y estimar variables que ya son accesibles. de la salida y de la derivada de la salida.308 6. Esta estimación del estado presenta un buen comportamiento bajo las condiciones ya descritas. reordenando adecuadamente.64) (6.63) Partiendo. Sin embargo.65) El modelo de observador que se propone utiliza información de la entrada. 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. en ocasiones. Realizando entonces el cambio: x = Tx (6. Si la ecuación de estado se representa separando variables accesibles y no accesibles.62) con (6. Se parte de una representación del estado que cumpla: x = Ax + Bu (6. incorpora más información del sistema que el . será no singular.58) (6. puede que parte de éste lo sea.60) (6. pues. 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. 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.

(A2 1 y + A22W + B2u) (6. el siguiente: • Se define la dinámica del observador. De la Ecuación 6. por lo que: (6. partiendo del cono­ cimiento de Au .72) • Para asegurar la convergencia se debe cumplir que: F = A 22 . y. por definición del modelo. derivada de una combinación lineal de variables de estado.67) (6.H 2 AI 2 )W + (HI + H 2 AU .6. A 12 . B I Y B2 es. se debe cumplir que: • we .73 se despeja H 2 .70) Ha de ser independiente de la entrada. por lo que: (6.69) Para que la evolución de la diferencia entre las variables de estado estimadas y su valor real tienda a cero bajo cualquier circunstancia.(A22 .71 se despeja G. que se verá reflejada en los coeficientes de la matriz F.w = FWe . A 22 . • Se puede representar gráficamente el esquema del observador diseñado.68) we = FWe + Gu + HI y + H 2 AUY + H 2AI2 W + H2B I u de forma que agrupando se llega a: We . por tanto.8: • • . De la Ecuación 6.W = FWe + Gu + HIy + H 2 AUY + H2AI2W + H2B I u .A2 1 )y + (G + H2B I .6. OBSERVADORES DE ORDEN REDUCIDO 309 observador de orden máximo y no presenta ningún inconveniente.H2AI2 (6.66) 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. A2 1 .72 se despeja HI . puesto que la derivada de la salida ha de existir al ser.B2 ) u (6.73) El procedimiento para diseñar el observador de orden reducido. De la Ecuación 6.71) • No debe ser influida por el conjunto de variables de estado accesibles. como se ve en la Figura 6. La ecuación que modeliza el comportamiento del observador viene dada por: We = FWe + GU + HI y + Há (6.

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

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

.__"". Ejemplo 6. servoposicionador y observador como la indicada en la Figura 1.".8. Para ello se utiliza una estructura de control por realimentación del estado....... 7. la posición de la base del péndulo x(t) . 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... . 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._-.. x Figura 1: Estructura de control por realimentación del estado incluyendo un servoposicionador de la variable x(t) y un observador de orden completo. Péndulo invertido 1.4 CAPíTULO 6. en la que la salida del sistema viene dada por la siguiente ecuación de salida : . sino que deben ser estimadas mediante un observador a partir de la evolución de la única variable medible del sistema..

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

8.1 .1 O O O 1 O 1 O O -0.1 1] ] Las matrices anteriormente calculadas. se obtiene la matriz To : U na vez calculada esta matriz. OBSERVADORES DEL ESTADO obteniéndose su matriz inversa como: p-l = A partir de la última columna de p . calculada anteriormente en el Ejemplo 5. el .65 4. R.314 CAPíTULO 6.25 19. y el servoposicionador de constante Ko .75 ] Ko = -0.To = [� [ 1 O O O O O O 1 O -0. B = Ta l B y Co = CTo queden expresadas según la forma canónica observable. en la que dicho observador se integra junto con el control de realimentación del estado mediante la matriz K. Y.1 O -2 O -2 O -0. se va a utilizar ahora la misma referencia de posición xre f = . se puede realizar la comprobación de que las matrices Á = Ta l ATo . B y To . obteniéndose: Á -To 1 AT 0 . 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 = [ 0.15 Con objeto de comparar los resultados del esquema actual con observador respecto al del ejemplo anterior con realimentación directa de las variables de estado.l . se utilizan en el ob­ servador del estado del sistema real no lineal de la primera figura de este ejemplo.65 1 .

� Ue. se obtiene la diferencia entre las variables reales y las observadas que se representa en la Figura 2. 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. cambio de ref� re � cia Xref = 1 m y perturbación constante up(t) = 0.�--�--7-�. Sin embargo.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.!. cabría esperar una coincidencia de dichas variables en todo instante t posterior. ángulo inicial 0(0) = 10°.6. partiendo de error nulo en la estimación inicial.ntre las variables reales y las estimadas por el ob­ servador. según la primera de las condiciones para el cálculo del observador. esto sólo es cierto si el sistema que se está observando es lineal y se conoce perfectamente su modelo.1 Nw. Si se utiliza el observador lineal calculado sobre el sistema real no lineal. 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) . la estimada x(t) .Oe(t).po (s ) tiempo (s ) - .7. que representan el valor inicial de las variables de estado estimadas expresadas en la base observable: [ 1 [ 1 100 = 0.-7--�-4 2 > 3 -2 � 5 S '" .1 Nw.xe(t). Figura 2 : Diferencia e. en la que se observa una .

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). . en todos los casos. (b) Ángulo O(t). volviendo a coincidir en régimen permanente una vez que el sistema de control estabiliza el sistema. para el caso de error inicial nulo en la estimación de las variables de estado.estado medIdo directament co n obse rvado' del esat do 1 0r----¡r======'======::"=::='===5:::::¡] . como muestra la Figura 2.estado medido directament 5 (a) Posición x(t). .1 m y perturbación constante up(t) = 0. Puesto que. tiempo (s ) �-O 5 -1 -1 50�---:5O-----:10:--!15. que por otra parte se estabilizarán debido a la estructura de control.. en el que se utilizan los valores reales de las variables de estado en la realimentación. Este hecho puede comprobarse en las gráficas de la Figura 3.316 CAPíTULO 6.8. 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. del estado . .1 Nw. partiendo en ambos casos de error nulo en la estimación inicial.. suponiendo. 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. OBSERVADORES DEL ESTADO discrepancia entre las variables reales y las estimadas a pesar de que coinciden en el instate inicial t = O. en este caso las variables reales y las estimadas son parecidas. necesitándose un tiempo para que converjan al valor de las variables reales.. cam bio de referencia xref = . como es es lógico suponer. estas variables estimadas diferirán en mayor medida de los valores reales. cabe esperar que el control con estimación del estado se comporte de manera muy similar al control del Ejemplo 5.con observado. ángulo inicial 0(0) = 10°. 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. se tiene un error inicial no nulo en la estimación de las variables de estado del sistema .100�--"""7---1"=----7 5 tiempo (s ) 0 15 Si..

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

58 + 150. 15 .con observador del estado . -con observador del estado . para los casos de estimación inicial del ángulo Oe (O) = 15° Y Oe = 5°..5 ) 4 = 84 + 148 3 + 73.. � -0 5 -1 -1 50 tiempo (s ) É. 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. cam bio de referencia xref = . ángulo inicial 0 ( 0 ) = 10°. OBSERVADORES DEL ESTADO global del sistema.1 m y perturbación constante up(t) = 0.0625 (c) Posición x(t) cuando Oe(O) = 5°.58 2 + 171 .318 CAPÍTULO 6..5..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. xe (O)=O. su polinomio característico es: Po ( 8 ) = ( 8 + 3.. c: ¡: -5 � 10 15 -10 -15 -20 0 V �---5 I ... error nulo en la estimación inicial de las otras variables de estado. siendo el ángulo inicial real 0 ( 0 ) = 10°. . Oe(O) = O y xe (O) = O.. por ejemplo en -3.1 Nw.estado medido directament 10 c: .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°. (d) Ángulo O(t) cuando Oe (O) = 5°.con observador del estado .

' ..0625 O . xe{O)=O.po los de 1 ::. i . 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. si se elige un observador más rápido situando sus polos en . Oe{O) = O y xe{O) = O. Se advierte una convergencia más rápida hacia las variables reales y con menos sobreoscilación. - [ O O O O O O O O O . i . Figura 6: Diferencia entre las variables reales y las estimadas por el obser­ vador para distintas posiciones de sus polos. utilizando cada uno de los tres observadores calculados. i '. '... partiendo de error nulo en la estimación inicial de las otras variables..polos del observador en -5 . 1' ..150. cuanto más rápida es la dinámica del observador.polos del observador e n -5 . . ( a ) Diferencia entre la posición real y O�--�2----�4--�6--�8 tiempo (s ) • • -5 i i i i i t _-.xe {t).1 m y perturbación up{t) = 0. EJEMPLOS ADICIONALES 319 con lo que se obtienen las siguientes matrices del observador: F1 _ - [ O O O O O O O O O . .:CD O : : .Polos del observador en -3 c ( b ) Diferencia entre el ángulo real la estimada x{t) .1 Nw.7.polos del observador en . 'i j' " .: : . el estimado (}(t) .:=='=obse rvado r ::::= 1 :il : : :::'.14 ] H1 _ - [ ] 150..i y . ángulo inicial (}(O) = 100..Oe {t). .1 0 .6.Polos del observador en -3 � J I - -��--�2----�4--�6--�8 tiempo (s ) .10.5 O -73 O . cambio de referencia xref = .5 .0625 171.---1'=::::==::=:=:.. con una estimación inicial del ángulo Oe {O) = 150. . 2 4 . 14 y Por el contrario.10000 O -4000 O -600 O -40 ] H2 _ - [ ] 10000 4000 620 40 .5 9 3.171. .' : j � I ¡: -2 : / :f 4 ..:=:::= en:: -7.. � . ' 1 ....

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

EJEMPLOS ADICIONALES 321 Observador de orden completo de un sistema multivariable Ejemplo 6. Como ya se ha mencionado.1 I t 22 � 1 � � 2 B= O 1 O l .9. se com prueba que el rango de estabilidad del sistema respecto a la estimación inicial de la variable Oe (O) está entre los valores . 2° Dado el sistema del Ejemplo 5. lo que da lugar a realimentaciones del estado físicamente no realizables. En el presente ejem­ plo. que es mayor que el rango comentado anteriormente entre y 21°. Esta limitación práctica es análoga a la que aparece en el Ejemplo 5. en el sentido de que las variables estimadas se aproximan de forma rápida y sin grandes sobreoscilaciones a las variables reales. Según el razonamiento anterior. cuanto más rápida es la dinámica del observador. cuando la dinámica del observador se hace más rápida situando sus polos en .130 y 37°. dando lugar a que grandes errores en la estimación .lO. cuando los polos del observador están situados en -5 . por tanto. parece que la dinámica del observador puede diseñarse arbitrariamente rápida . 7. -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 . más elevados son los coeficientes de la matriz H y.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. obteniéndose un mejor comportamiento del sistema cuanto más rápida sea.5 en el que el sistema presenta un comportamiento estable. Según este razonamiento la elección de la posición de los polos del observador está limitada en la práctica. 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 ) . 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. que pueden llegar a provocar la inestabilidad del sistema .

1 250 O 81 -256 O 32 2 O 16 . 5. Se puede calcular. El primer tanteo se hace con las cinco primeras filas: Pe comprobándose que su rango es también cinco. 3}.16 : 13 8 -8 -3 -5 1 .322 CAPÍTULO 6 .1 2 1 -1 1 -2 3 -2 6 -3 4 O -4 -3 4 � 2 10 O 2 -3 1 .1 -2 -2 6 -3 4 10 O 2 1 -1 O O -4 -3 4 O 2 1 -2 3 O 1 =} L .1 6 -50 2 . trans­ formar la representación del sistema a la forma canónica observable.12 9 -16 O O 9 8 . por lo que la asignación de salidas a variables de estado queda como sigue: dos a la primera salida. Para el cálculo de la matriz de transformación se comienza por seleccionar cinco filas linealmente independientes de la matriz P. dos a la segunda y una a la tercera .1 = � 54 15 3 -30 .18 15 .10 -2 2 -6 8 208 78 -32 : 40 8 20 4 178 66 . 4. L= �[ ¡ -3 1 . Para realizar el cálculo del observador es necesario. el observador del estado. 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 . en primer lugar. por tanto.192 -2 -8 O 2 -48 81 -256 . es decir {l. colocando juntas aquellas correspondientes a las mismas salidas.1 6 -27 64 54 .162 768 P= siendo rango(P) = 5. OBSERVADORES DEL ESTADO En primer lugar se ha de comprobar la observabilidad del problema. Se reordenan ahora las filas.18 2 O 48 4 -2 24 -27 250 64 O O . con lo que se comprueba que el sistema es observable. 2.

157 -92 54 .27 27 -5 .g 1 12 O .1 = Dada la asignación de salidas a la estimación de las variables de estado. queda: 2 86 02 o .234 . 76 27 O 16 27 O 23 .3616 243 729 67 4 O .5 27 27 1 4 -3 466 137 .16 27 27 1 O O O O 1 1 46 . = Para el cálculo élel observador se va a asignar una dinámica mucho más rápida que l a del sistema realimentado.729 O . Así. To [ el � e3 I e4 1 � ] = [ e2 Ae2 e4 Ae4 e5 l � � Tc / 1 = 27 [[ : 15 -3 . 4 Y 5 para construir la matriz To .52436 181 .556 O .6 .16 66 .81 27 .g A = To 1 ATo - = B = To 1 B = - [ . EJEMPLOS ADICIONALES 323 seleccionando de L .6729 O . transformando el sistema según estas matrices.2 .18 18 12 --:-6 4 -24 78 .8 27 -27 54 O 56 300 85 -58 -2 3 -2 � � 1 Y.54 282 124 . 7.1 5 14 1 16 .1 : L.27 . el polinomio característico queda : po (s) = S 5 + 150s4 + 9 000s 3 + 270000s 2 + 4050000s + 24300000 [� n .27 O . se seleccionan las colu m nas 2.28 1 .264 .27 1 .97 .-9O .16 15 5 -49 -3 300 -213 184 .27 1 C = CTo ' . por l o que se opta por situar los polos d e dicho observador en -30.1606 243 29 308 35 .27 O .

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 . en la representación original del sistema . _ h42 + 46�43 .h 21 + � O .126J36 .h 22 + 46h23 9 .128/ .h 52 + 46�53 656100076 27 4050000 7290016 -2 79000 4027 27 .h32 + 46�33 _ 6.h31 + � O .h 13 La dinámica de la evolución de la diferencia entre las variables reales del sistema y las estimadas viene dada.�� .h23 �� .g� h51 + � - y O O O 1 O _ 5026 _ h 12 + 46h13 9 243 -28 .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 ..h53 �� .150 1 F= [ CAPÍTULO 6.2� .h33 -h43 .32�136 . OBSERVADORES DEL ESTADO 1 La matriz del observador que se va a calcular es: que se halla resolviendo la ecuación : F = Á .��� . 27 729 1 .-9.h 11 + !ill.HC = O .6286 .

ficaciones del observador.8. el subsistema (A 22 . u(t) - . 6. Ej ercicios resueltos En un sistema con seis variables de estado s e efectúa un cambio de base. 523173292 243 949502902 729 1084060042 243 1339566538 729 888285181 729 1.6. 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. C 3 ) es observable con sus dos polos en -3. B 1 .1 . de ma­ nera que queda dividido en los tres subsistemas de la figura. C 1 ) es controlable y observable con sus polos en .8. en el que se sabe que: el subsistema (A 11 . B 2 ) es controlable con sus dos polos en 2 y el subsistema (A33 .

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

1 . no se ve afectada por la entrada. por tanto. al serlo Y l . X6 no son controlables y. con caudal de entrada qe repartido a partes iguales entre los dos depósitos.o .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).6. h 2 ) y de áreas (A l . y con caudal de salida q2 . puesto que las variables X 5 . pudiendo estimarse que x � Xe en = 3 � . El sistema de la figura está formado por dos depósitos de alturas de líquido (h l . siempre y cuando el =1. . EJERCICIOS RESUELTOS 327 b) e) Ningún cambio de base altera los polos de un sistema. -3. Se pide: . por tanto.8. -3) . ninguna real­ imentación del estado variará sus polos de los valores (-3. Yl + Y2 es controlable. Y2 no es controlable. partiendo de condiciones d) e) f) La estructura de la realimentación del estado pedida es imposible de conseguir. 3 ) La evolución temporal de la variable x . que seguirán siendo ( . no puede representar un cambio de base. t 2. -2.1 . La matriz T . -2. A 2 ) . ante cualquier cambio de base. iniciales siempre valdrá cero. .l del enunciado no es invertible y. siendo (J' la situación de dichos polos. Por linealidad del sistema: Y l es controlable.

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) . DA TOS: • • Diseñar un control por realimentación del estado que. a) Las ecuaciones del sistema son: { Al kl = . partiendo de algún estado inicial y de cualquier entrada. permita que.2h2 + qe qe Si se eligen como variables de estado h l . existe alguna relación lineal entre las dos alturas. captando únicamente la altura h l y el caudal de entrada qe . Caudal entre dos depósitos: q Estudiar si. (Tomar en este apartado A l = 1 . (Tomar en este apartado A l = 2. 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). hallando en caso afirmativo cuál es.h (tomar k = 1). (Tomar en este apartado A l = 1 . CAPíTULO 6 . existe alguna relación lineal entre las dos alturas. 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. A2 = 3) Estudiar la controlabilidad del sistema en función de las áreas de cada depósito. ante una variación brusca en el caudal qe . OBSERVADORES DEL ESTADO d) e) Estudiar si. y actuando sobre este caudal. hallando en caso afirmativo cuál es.hl + h2 + A 2 k2 = h l .328 b) c) a) Modelo de estado del sistema. A2 = 1) = K fj. h 2 .

pues con estas áreas el sistema no es controlable y. por lo que el sistema es controlable y ob­ servable.� � ] [ �� ] + [ � ] qe O ] [ �� ] _ Las matrices de controlabilidad y observabilidad son: con ambas matrices de rango dos.[ -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.Te 1 x .8. En este caso las ecuaciones de estado son: [ y= [ l Z� ] [ . partiendo del estado nulo.6. existirá una relación lineal entre las alturas. EJERCICIOS RESUELTOS 329 2 3 por lo que para que sea controlable debe ser: e) Sí va a ser posible. por lo que será siempre cero: _ _ x . Por este motivo es posible realizar una realimentación del estado. por lo que no existe ninguna relación. . previa estimación del estado. 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 .

. 2 + 20)" + 100 T0 1 B = CT o = [ O 1 ] [ O1 . + 10) 2 = ). hay que realizar la realimentación de estado. se parte de la matriz de controlabilidad: hay que hallar la matriz de cambio xo = T o cxc : Qo = [ 31 -O1 ] => Qo 1 = [ .10.330 CAPíTULO 6. OBSERVADORES DEL ESTADO Para estimar el estado es necesario diseñar un observador. Por ejemplo. 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. ambos en ..O1 31 ] = [ qq12 ] .31 ] [�] Una vez obtenido el estado en la forma canónica observable. por lo que hay que expresar el sistema en su forma canónica controlable (a partir de la forma canónica observable) . La matriz H se calcula a partir de la matriz F cumpliendo: P()") = ( ). Para realizar la transformación.

1 '* Ke = [ -2 3 .V6 ] Existe una forma alternat�va de resolver el observador: haciendo uso de uno de orden reducido. De esta forma.8. la función de transferencia del sistema realimentado es: Gr ( 8 ) al imponer la condición de ganancia unitaria se obtiene: � = l .6.* 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 .V6 k = [ ] [ -1 1 -3 + ] [ 01 ] [ k.. En este caso ya están expresadas así: . 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 ::. por lo que es N (8) = 8 + 3.l" Es necesario expresar la salida como las variables de estado accesibles.= A e + Be K e '* -3 V6 = e igualando se obtiene: { kl2 = 3-2. 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. 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 . en el que se estima únicamente el valor de aquellas variables de estado que no son accesiblel.

Calcular y dibujar un control por realimentación del estado que sitúe todos los polos posibles del sistema en -10. conociendo solamente el valor calculado de y(0.1 = 0 De donde se obtiene que: 3. utilizando para ello un observador de orden completo y el mayor número posible de entradas en la realimentación. .1O = -2 .5 ante evolución libre (entrada permanentemente nula).5) ante evolución libre e indicar cómo se podría calcular el estado del sistema en ese instante.H2 Al 2 ::::} .332 CAPíTULO 6.1 = O Hl + H2 AU .B2 = O ::::} G + 8 .A2 l = 0 ::::} Hl + 8(-I) .H2 G + H2 Bl . 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 . Calcular qué puntos del espacio de estado se pueden alcanzar en el instante t = 0. Calcular la salida y(0.5) y sabiendo que la entrada es nula.5. utilizando para ello la entrada adecuada que lo permitiese. 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.

11 ] [ VV2I ] = [ OO ] .I de donde: .I «J?(t)T * * x(t) = T.� ] [ ��� ] '= [ � ] [ -� VI = [ � ] Vl l = V I2 [ . EJERCICIOS RESUELTOS 333 c) a) Calcular y dibujar un control por realimentaci6n del estado que sitúe todos los polos posibles del sistema en . 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: .22 V2 = [ _ � V2I = .I «J?( t)Tx( O) «J?(t) = T�T .V22 ] [� A= [ � Dado que: entonces: T= x(t) = «J?( t)x(O) Tx(t) = «J? (t)Tx (O) � (t) = T ..8.0 .11 . 1 Para realizar el cálculo de cuál es el estado al que se llega transcurrido un cierto tiempo y ante una cierta entrada.6. utilizando para ello un observador de orden reducido y el menor número posible de entradas en la realimentaci6n.

201 ] [ -2O -42 ] [ O1 O1 ] [ k�21 1l = + .334 1) CAPÍTULO 6. Se comienza por construir la matriz de transformación: 2 ] [ :=� ] 2e. se utilizan las dos disponibles.[ 11 O2 -2 -62 ] y(0. en la que se deben colocar los polos del sistema en . b) Dado que es necesario utilizar el mayor número de entradas posible. _ -2 .10.1 = Por lo que: Á = O 1 ] [ -31 . Aunque el sistema es observable. 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 [ .5) = [ O No se puede calcular el estado en este instante. por lo que todos los puntos del espacio de estado son alcanzables mediante la entrada adecuada para t = 0.31 ] [ 11 2O ] = Dada la realimentación propuesta. se precisa conocer la dinámica. OBSERVADORES DEL ESTADO 2) Q 3) Del análisis de la matriz Q se deduce que el sistema es controlable.5.100O .

[ ..100 -161 ] 2 F = A .HC para lo que es necesaria la matriz de transformación. despejando: K= Queda construir el observador de orden completo: . p= [ -! .6.1� ] = � por lo tanto: 1 T oe = 4 .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 .124 . y.. EJERCICIOS RESUELTOS 335 de donde.HC .�T oe: con lo que: de donde se obtiene: .1 [ 2 -64 ] � L-1 = _ � 8 [ .8.

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

con lo que el orden de dicho observador es uno.5 -1 1 O] 1 � -3 0 1 2 [ ] [ 11 02 ] = 1 [ -21 02 ] 2 337 [ . se estima el valor de una única variable. ] = [ � � ] [ � � ] = [ i � ] = [ O 2 ] [ 0�5 � ] = [ 1 O ] F = -30 con lo que. despejando: 27 H l + H 2 A U .14 ] Para el cálculo del observador de orden reducido es necesario realizar una nueva transformación en la representación del estado.� [ _� - � ] = [ O. por lo que: [ -. 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.� � ] B = T.2" [ 2 4 ] + [ 1 O ] = [ . a través de la matriz: T.10� 2� ] = [ _� _! ] + [ � ] [ kl Ár = Ác + BcK - k2 ] K = [ -92 .8.�� -.1 B e CT Dado que el observador es de orden reducido. -� ] [ 0�5 � ] = [ . [ 0.5 O1 ] = .1 = [� = = con lo que las matrices del sistema se transforman en: �] =} T= Á O [ O1 2O ] [ -31 -31 ] [ 0.A2 1 =} H l = 0.2 6 -54 ] .6. poseyendo por lo tanto un único polo que se sitúa en -30.5 + 2" 3 = 41 27 G = -H 2 B 1 + B 2 = .

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 6.338 CAPÍTULO 6.9. 1. Ej ercicios propuestos En un sistema de 4° orden s e elige una base del espacio de estado.

Si la matriz de salida es: y= . 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 . Indicar igualmente la controlabilidad de dicho sistema. X4 ) . indicando clara­ mente en qué base f!{Jtán expr:esa4as las variables de estado observadas . � 3. [ � O O ' 1 O O O ' 1 . X 3 .9. hallar un subsistema observable. calculando el valor de todas las matrices que intervienen. EJERCICIOS PROPUESTOS e) 339 d) Suponiendo que la única salida del sistema es y = Xl +X 2 . . . teniendo en cuenta que solamente es accesible la salida y . ' " 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] . 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. calcular las matrices de la representación de estado que incluye todas las variables que intervienen. así como la nueva situación de los polos del sistema. X 2 . En el esquema del apartado anterior. Dibujar el esquema de la realimentación efectuada. Sea el sistema: diseñar un observador del estado 'con todos sus polos en -10. Suponiendo accesibles todas las variables de estado ( Xl .6. . Comentar la dinámi­ ca de dichas variables.0 1 2.

Indicar si con una entrada adecuada podría obtenerse la salida a partir del estado inicial Xo = [1 1 1 1 1 ] T . 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. 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. calcular la evolución temporal de Yl . Indicar si el estado del sistema salidas. ante entrada escalón en Ul Y U2 · Yl . [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.340 CAPíTULO 6 . Indicar si las salidas podrían ser consideradas como variables de estado del sistema.

Sistemas discretos Parte II 341 .

.

el que la teoría moderna de control sea más potente no invalida las técnicas de la clásica. Asimismo no es posible el estudio de sistemas lineales de parámetros variables. los conceptos básicos del estudio en el espacio de estado. Las especificaciones clásicas son empíricas y únicamente válidas para sistemas de orden reducido. 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. para posteriormente relacionarlos con los sistemas continuos. 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. La teoría clásica presenta graves problemas para el análisis y diseño de sistemas multivariables. Las razones son las insuficiencias que la teoría clásica presenta en ciertos aspectos. Hay gran cantidad de problemas de control para los que la teoría clásica es más adecuada. 1 . viendo la representación global de estado en los sistemas muestreados. Sin embargo. En este capítulo se repasan. pues las técnicas de estado implican una complicación innecesaria.7 7. M od e l o d isc reto . 343 . en primer lugar. • • • El estudio de los sistemas en el espacio de estado resuelve en gran medida estos problemas. particularizándolos para los sistemas discretos. control adaptativo y óptimo.

) . el estado del sistema es tal que si se conoce el elemento ka . Estas trayectorias. Definición d e estado para sistemas discretos Se comienza por replantear la definición de estado. Se puede observar que en sistemas muestreados esta definición coincide con la de los sistemas continuos. k) . por tanto. :::. MODELO DISCRETO DE ESTADO 7. >. y donde a <I> se le llama función de transición. definen también las trayectorias y. De la misma manera. sino que forman una secuencia de puntos del espacio de estado. conviene particularizarlos en este apartado refiriéndolos exclusivamente a los sistemas . 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. que se denota por el vector {x( k) } . u(>. El concepto de estado de un sistema discreto en un elemento se puede ampliar al de variable de estado. no son continuas. u( >. La evolución. las variables de estado son linealmente independientes y.2) lo que representa la solución de la ecuación de estado. linealidad e invarianza. se define el espacio de estado como el espacio vectorial donde toma valores el vector x(k) de variables de estado. teniendo en cuenta que el estado se define como la mínima cantidad de información. k (7. puesto que la variable tiempo ha dejado de ser significativa para el problema. pudiéndose definir como la secuencia vectorial cuyo valor en cualquier elemento es el del estado para dicho elemento. De esta forma. :::. Dado que el estado en ka junto con la entrada a partir de ese elemento determinan el comportamiento posterior del sistema.344 CAPÍTULO 7. dada la entrada u( >. Al igual que en los sistemas continuos. (7.2. ya que el elemento ka-ésimo corresponderá al instante kaT. ka . ) .3. La adaptación debe contar con que ahora se trabaja con secuencias. donde la sucesión de elementos viene marcada por el índice de la secuencia. la dimensión del espacio de estado coincide con el número de variables de estado. 1) donde x(k) representa el estado del sistema para el elemento k-ésimo. cualquier conjunto de variables del sistema r(k) se puede expresar como: r (k) = g (x(ka ) . Sistemas dinámicos discretos Aunque ya han sido vistos los conceptos de sistema dinámico. k. del vector de estado se denomina trayectoria. ka . se pueda determinar el valor de todas las variables del sistema para cualquier elemento posterior. con ka :::.) . en función del índice. por tanto: x(k) = <I> (x(ka ) . 7. k) . >. conociendo la entrada a partir de ese elemento. Según esta definición. a diferencia de las de los sistemas continuos. para que.

responde con una salida y l (k) .4) a y (7. Estas condiciones definen a todo sistema discreto causal. u(k) . Para toda secuencia real de entrada {u( k) } existe una única secuencia de salida {y(k) } .6) (7.3) y ecuación de salida del sistema (7. Esta condición recibe el nombre de causalidad.4 se pueden expresar. estados y salidas se pueden resumir en las ecua­ ciones: que se conocen como ecuación de estado del sistema (7. u(k) .7.4) . partiendo del estado inicial: x(k + 1) y(k) f (x(k) . se formulan como ecuaciones en diferencias. SISTEMAS DINÁMICOS DISCRETOS 345 discretos.8) (7.3. respectivamente. Si el comportamiento del sistema puede expresarse mediante la Ecuación 7. 2. ka � A � k. Las salidas y(k) no dependen de las entradas u(n) para n > k. y que. Se entiende como sistema dinámico discreto una relación matemática entre dos con­ juntos de secuencias {u(k) } e {y(k) } denominadas entradas y salidas. como: x(k + 1 ) y(k) = A(k)x(k ) + B (k)u( k ) C(k)x(k) + D(k)u(k) (7. k) r¡(x(k) . entonces se dice que es lineal si para cualquier par de números reales y {3. cumpliendo: 1. con un estado inicial cualquiera x l (ka) y ante una entrada real U I (A) . como puede verse.9) donde se sigue la siguiente nomenclatura: . es decir que las Ecuaciones 7. ka � A � k. 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. k) (7. y viceversa.3 . se obtiene y2 (k) .7) se obtiene una salida: En sistemas expresables en diferencias. y partiendo de x2 (ka) ante U2 (A) . Si un sistema. es que la variable x( k) representa el estado del sistema.3) (7.3 y 7. El concepto de linealidad en los sistemas discretos es idéntico al de los sistemas continuos.5) ante la entrada: (7. En estos sistemas las relaciones entre entradas. frente a las ecuaciones diferenciales mediante las que se modelizan el estado y la salida del sistema para los sistemas continuos. pero el estudio que se va a realizar está restringido a los sistemas discretos expresables en diferencias.

X2 } determinan el estado. se dice que es invariante respecto al tiempo si. C(k) es la matriz 'de salidas del sistema (de dimensión p x n) . Hecha esta puntualización. .8 y 7. 1 1 ) donde las matrices A.4. B . responde con una salida y(k) . partiendo de un estado inicial Xa para un índice ka y que ante una entrada cualquiera U(A) . puesto que expresa una simple relación estática adicional entre entrada y salida. la forma: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) + Du(k) (7. .9 representa que dichas ecuaciones tomen. 10) (7.346 • CAPÍTULO 7. u( k) es el vector de entrada en el instante k (de dimensión m) . Por ejemplo. C y D son constantes independientes del índice. + a l Z + a a . partiendo para cualquier N del mismo estado inicial Xa para el índice ka + N y ante la misma entrada deplazada U(A + N) . ka :::. MODELO DISCRETO DE ESTADO x( k) es el vector de estado en el instante k (de dimensión n) . B (k) es la matriz de entradas del sistema (de dimensión n x m) . .b l z + ba z n + an _ I Z n . El concepto de invarianza es también equivalente al de los sistemas continuos. se puede partir de la función de transferencia en z del sistema discreto: Y(z) U(z) bn z n + bn _ I zn. k. se obtiene la misma salida desplazada y(k + N) . respectivamente. también {Xl .12) donde tanto los ai como los bi pueden ser nulos. si para un sistema las variables { X l .1 + 4. Un sistema que. ya que conocido un conjunto es de inmediata determinación el otro. . la matriz D(k) carece de importancia desde el punto de vista del análisis.1 + . 7. A(k) es la matriz del sistema (de dimensión n 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. Al igual que en los sistemas continuos. y(k) es el vector de salida en el instante k (de dimensión p) . . D(k) es la matriz de transmisión directa entrada-salida (de dimensión • • • • • • p x m) . Xl + X2 } lo determinan. (7. A :::. La propiedad de invarianza en los sistemas expresables en diferencias lineales dados por las Ecuaciones 7.

17) . 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). 7.4 . haciendo uso de éste para el cálculo del modelo. 15) de manera que las ecuaciones del modelo de estado quedan como: x I (k + 1) x2 (k + 1) xn . + al Z + ao n_I 1 + x I (k) x2 (k) x3 (k) w(k) x I (k + 1) x2 (k + 1) (7. se pueden volver a plantear los mismos métodos utilizados para la obtención de modelos de estado continuos. 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. Modelo de estado e n variables de fase [x(t) J = s 2 [x(t) J --. 12. 1 . ahora desde el punto de vista discreto.aob� ] + bn u(k) xn .l (k + 1) xn (k + 1) O O O O O 1 O 1 O O x I (k) x2 (k) + Xn . � [x(k + l ) J = z � [x(k) J (7.aobn . 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.l . 14) = (7. 13) Partiendo de la expresión de la función de transferencia en z dada en 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 . En el caso discreto. .l 1 (7.l (k) xn (k) (7. .4. dicho operador se sustituye por el de desplaza­ miento. . 16) y(k) = [ bo .7. . �n .

se obtiene el modelo de estado a partir de las transformadas de las variables de estado: =� .An ( 7. 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. (k) x� �� ) + bn u(k) xn (k) (7. .An . Z-A z . . ( 7. 18) Xl (z) X2 (z) X3 (Z) = U(z) Z .22) Caso de rafces de multiplicidad Si el sistema no admite una descomposición en fracciones simples porque existe una raíz con una multiplicidad q.A2 U(z) Z .l Al + . CAPíTULO 7.348 7. + � + bn n = (7. (7. + � Pq+ l + Pn Z .23) . 19) es decir: xl (k + l ) o bien de forma matricial: [ 1 x.A 2 . que la factorización queda como: P G(z) = (z .Al + . .20) 1 x. + Z .P2 ) q . (k) 1 x2 (k) + : u(k) : 1 xn (k) x. que por simplicidad se suponen de multiplicidad uno. . es decir. Pn ] q [1 A2 O O : An ][ 1 [ 1 [ 1 .lA¡ ) q + (z .A3 U(z) Z . Dada esta descomposición. (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 .4 . 2 .Al U(z) Z . 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.q+ l .21) (7. .Al + Z .

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 . pasadas a su expresión como ecuación en diferencias mediante la transformada in­ versa z. OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 349 se eligen como transformadas z de las variables de estado: U (z) z )'1 - (7.q+1 que.25) A 1 X q (k) + u(k) An .7.q+1 1 .4.24) z - U (z) 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) (7.1 (k) + O u(k) xq (k) 1 xq+1 (k) 1 xn (k) (7.q+1 xn (k) + u(k) x 1 (k + 1) x2 (k + 1) Xq .26) An .

2 7) Obsérvese que la existencia de polos múltiples genera en la matriz del sistema unas submatrices. 3 .33) x = Tw (7. X 2 . además de tener en la diagonal el polo múltiple. . aparecen elementos unitarios en la diagonal inmediata­ mente superior. . . 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: (7.28) (7. Estas submatrices se denominan bloques de Jordan.32) .350 CAPíTULO 7. 7. . en las que. · · · .4 . 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. 29 ) y: (7. MODELO DISCRETO DE ESTADO x I (k) x2 (k) y (k) = [ PI P2 Pn ] xq (k) xq+1 (k) xn (k) (7.29 se convierte en: Teniendo en cuenta que independientes: T es no singular. .26. t 2 . . t n ) .30) T x (7. Si (Xl . ya que sus columnas son vectores linealmente (7. . tal como se puede apreciar en la Ecuación 7. 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 .31) la Ecuación 7.

l B U(z) (7.5.41) se toman transformadas en z. de un sistema de este tipo: x(k + 1) y(k) zX(z) Vez) y resolviendo la Ecuación 7.39 una nueva representación del estado del sistema. por ejemplo. se tiene el sistema: x(k + 1) Ax(k) + B u(k) y(k) = Cx(k) + Du(k) y se realiza la transformación: (7. obteniéndose: (7. 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 : (7.A)X(z) = BU(z) X(z) = [Iz .40) (7.43) (Iz .38) y(k) = CTw(k) + Du(k) (7. Si. OBTENCIÓN DE LA REPRESENTACIÓN EXTERNA A PARTIR DEL ESTADO 351 transformación lineal que da las componentes del vector respecto a la nueva base.36) x = Tw la ecuación de estado se modifica de la forma: Tw(k + 1) = ATw(k) + B u(k) y premultiplicando por T.A] . 5 . Partiendo. 7. Estas transformaciones se pueden utilizar para obtener diversas representaciones de estado de los sistemas.37) w(k + 1) = T . por tanto.34) (7.44) .35) (7.39) quedando.42) (7.7. por consiguiente.3 8 y 7.1 ATw(k) + T .1 B u(k) mientras que la ecuación de salida resulta: (7. definida por las Ecuaciones 7.42 en X(z) : ::::} Ax(k) + B u(k) Cx(k) + Du(k) AX(z) + BU(z) CX(z) + DU(z) (7.

mostrado en la Figura 7.45) e (zI .A) . MODELO DISCRETO DE ESTADO Sustituyendo en la ecuación de salida 7. 7.43 queda: => Y(z) Y(z) ex(z) + DU(z) l = e [Iz . como los valores propios de la matriz A son las soluciones de la ecuación: det (zI .sistema continuo .352 = CAPíTULO 7.46) Teniendo en cuenta que la inversa de (zI . Supóngase un sistema continuo invariante con m entradas.B + D U(z) = y.48) es decir.A) = O (7. 7.47) Además. por tanto.49) (7.Aj . Sistemas muestreados S istema discreto invariante equivalente Se pretende ahora deducir la representación de estado del sistema discreto equiva­ lente del conjunto bloqueador .1 : Sistema continuo multivariable. las raíces del polinomio característico.6. se tiene que dichos valores propios son los polos del sistema.l B + D (7. resulta que el polinomio característico del sistema viene dado por dicho determinante: p(z) = det (zI . x(t) y(t) Ax(t) + B u(t) ex(t) + Du(t) (7.50) .l es la adjunta de la transpuesta G(z) dividida por el determinante. p salidas y n variables de estado.A) (7.muestreador.A) .6. la matriz de funciones de transferencia viene dada por: [ ] (7. que responda a las ecuaciones: Figura 7.1 . 1 .

kT)x(kT) + 8 (t . tomando en la Ecuación 7.kT)u(kT) = (7. En este caso. Para el cálculo del sistema discreto equivalente se va a suponer ahora que las entradas al sistema continuo provienen de bloqueadores de orden cero. por provenir de bloqueadores de orden cero.51 to = kT. serán constantes en cada intervalo kT � t < (k + I)T.55) q>(T)x(kT) + 8 (T)u(kT) . se obtiene: (7.51) X ¡ .49 viene dada por: x(t) = q>(t . · · · . Xn Figura 7. ltot q>(t . la resolución de la Ecuación de estado 7. Por tanto.kT) la Ecuación 7.52 se puede poner como: y. las entradas continuas al sistema.r)Bu(r)dr (7.6 .r)Bdr] u(kT) = (7. tal como se indica en la Figura 7. la solución para dicho intervalo vendrá dada por: y x(t) haciendo: = q>(t - kT)x(kT) + = 8(t .2.7.2: Sistema discreto equivalente.52) (7. mientras que las salidas están muestreadas. X2 .to )x(to ) + donde q>(t) es la matriz de transición.r)Bdr [t [1: q>(t .54) particularizando para el instante de muestreo t x [(k + l )T) (k + l)T.53) x(t) q>(t . SISTEMAS MUESTREADOS 353 En este caso. = JkT q>(t .

61) (7.57) Cabe destacar que. existe una dependencia entre dichas matrices y el valor del período de muestreo elegido T. = e AT = . la matriz de sistema del equivalente discreto es: A eq y l a matriz d e entrada: = = <P(T) .)Bd 'x 'x (7.60) En el caso de que el sistema de la Figura 7. por tanto. si <P(t. basta tomar: t = .T] BdT kT 1T <P(T .56) = Beq 8(T) = La Ecuación 7. Esto significa que del comportamiento que se observe en dicho sistema va a depender la elección de dicho período de muestreo. 7.55 junto con la ecuación de salida particularizada para el instante de muestreo: y(kT) = Cx(kT) + Du(kT) (7.59) en la Ecuación 7.58) definen el sistema discreto equivalente buscado. como queda patente en las ecuaciones del sistema discreto equivalente.2.6.54 y se obtiene: l(k+l)T <P [(k + l)T .1 sea variante con el tiempo. T) 8t (7. En el caso de querer conocer la salida en instantes intermedios a los de muestreo.X < 1 (7. verificando: = A(t)<P(t. si bien una vez elegido se mantendrá la invarianza en dicho comportamiento. todas sus matrices son constantes.62 ) entonces. ) T (7.63) . x(t) y(t) A(t)x(t) + B (t)u(t) C(t)x(t) + D (t)u(t) 8<P(t. O < . (7. S istemas variantes x [(k + 'x )T] = <P( 'xT)x(kT) + 8( 'xT )u(kT) (7.354 CAPíTULO es decir. MODELO DISCRETO DE ESTADO i=O 2. T) es la matriz de transición. responderá a unas ecuaciones de la forma: . pese a que por hipótesis el sistema es invariante y.XT + kT. 00 '"' A i 1" T' � 7.

T] B (T)dT (7. tomando to kT. kT] u(kT) A partir de ahora. 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. kT] = = = <p = <p (t.3. la particularización de 7. T)B(T)U(T)dT + (7.65) .70) .7. to)x(to) J{tat <p (t. Sistemas híbridos = C(kT)x(kT) = i(k+ l)T <P " kT : (7.el instante de muestreo: y(kT) e [(k + l) T.3: Sistema con parte discreta y parte continua.68) (7. en los sistemas muestreados. kT] x(kT) + e [(k + l )T. se sustituye la referencia temporal k T por el índice de la correspondiente secuencia k. con lo que se obtiene: x [(k + l ) T] donde La ecuación de salida del sistema discreto sérá. 7. Figura 7. (k + l )T] Y particularizando para t (k + l )T.6..61 viene dada por: x(t) El sistema discreto equivalente de la Figura 7.3. igual que en el caso invariante.64) [(k + l )T.6.69) 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 ) (7.66) + D (kT)u(kT) (7.62 para .2 se obtiene igual que en el caso inva­ riante. tal como el que muestra la Figura 7. [(k + l)T.67) Se consideran en este apartado los sistemas en cadena abierta con parte continua y parte discreta. imponiendo la entrada constante en el intervalo [kT.

72 y 7.78) Al incluir dicha realimentación en las ecuaciones de estado del sistema conjunto quedan como: 7. S istemas híbridos realimentados y(k) = [ Ce DeCD ] x(k) + DeDDU(k) (7.73: xe [(k + 1)] = Aeqxc (k) + Beq (T)w(k) yc (k) = Cexe (k) + Dew(k) (7. Tal como se ha visto anteriormente. ya que las salidas de uno son las entradas del otro.72) (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 7.68 y 7.DeDDU(k) = (7. es posible encontrar el sistema discreto equivalente a la parte continua. están íntimamente relacionados.71) Ahora bien.y(k) r(k) .[1 + DeDD].75) Cexc (k) + DeCDXD (k) + DeDDU(k) = Para representar de una manera conjunta todo el sistema. El sistema híbrido del apartado anterior se realimenta como se observa en la Figura = = u(k) agrupando: y despejando: r(k) .6.4.l r(k) . así como el equivalente discreto dado por 7.[ Ce DeCD ] x(k) (7. que viene dado por: yc (t) = Cexc (t) + Dew(t) (7.4.69 en 7.74) (7.80) u(k) = [1 + DeDD] .l [ ? e DeCD ] x(k) .74 y 7.73) xc [(k + 1)] = Aeq (T)xc (k) + Beq (T)CDXD (k) + Beq (T)DDU(k) y(k) = (7.[ Ce DeCD ] x(k) .69.76) x(k + 1) [ AOeq BeqCD AD y la Ecuación de salida 7.79) [1 + DeDD] U(k) r(k) . con lo que se puede sustituir 7.73.72 y 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 ) } .356 CAPÍTULO 7.75 se puede expresar como: ] x(k) [ BeqDD ] u(k) BD + (7.75 se pueden agrupar como: [ xD (k) ] xc (k) (7. el sistema discreto dado por las Ecuaciones 7.77) 7.

[ Ce O ] x(k) BeqC D AD ] x(k) [ BeqDD ] r(k) BD = + (7. con lo que.0.= �----- 0.4: Sistema híbrido realimentado. cuando De = O.5z z .5z .5 2 . es cuando en el sistema continuo la entrada no tiene influencia directa sobre la salida.79 queda de la forma: con lo que.5 0.5 z 1 + _1-_� z 1 z + 0. En ambos casos será necesario obtener la función de transferencia del sistema dis­ creto: Y(z) U(z) 1. Ej ercicios resueltos Dado el sistema de la figura: obtener los modelos de estado en variables de fase y en variables de Jordan.77 y 7.5 0. por la frecuencia con que aparece. 83) 7 . pero importante.7. EJERCICIOS RESUELTOS 357 Figura 7. 7. sustituyendo en 7.5 �------------.1 z + 0. se obtienen las nuevas ecuaciones del estado y de salida del sistema realimentado. En este caso la Ecuación 7.77.5 2 . Un caso simplificado.0.81) (7.82) [ Ce O ] x(k) (7. 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) .5 z + 0. 1. sustituyendo esta expresión en las Ecuaciones 7.78 .7.0. esto es.

5W(z) 0.5w(k) = 0. 5 z U(z) = 0.0. expresadas en forma matricial.5X2 (k) + u(k) Y(z) y(k) y(k) b) Variables de Jordan = o. 5 0 ] x2 (k) [ ] Partiendo de la función de transferencia y. teniendo en cuenta que los polos del sistema son: .� .5 ] [ x$2l (k) ] + [ °1 ] u(k) (k 1 = x2 (k + 1) .5W(z) = U(z) ::::} w(k + 2) .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.5Xl (k) ::::} X 1 (k) [ 0 .0. MODELO DISCRETO DE ESTADO Se elige como variable auxiliar: y se eligen como variables de estado: W(z) = z 2 U(z) . quedan: + siendo la ecuación de salida: ( k) [ xxl2 (k + 11)) ] [ °0 0.358 a) CAPíTULO Variables de fase 7.5X 2 (k) = u(k) x2 (k + 1) = 0. z 2 .0.5z = 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.

5 ] [ xx2I (k) ] + [ 1 ] u(k) 1 x2 (k + 1) .7.0.� : Z PI .0.5 2 . .5X2 (k) = u(k) x I (k + 1) = u(k) que expresada en forma matricial queda: 2.7.l Se pide: a) Obtener el modelo de estado del regulador.5PI + P2 = = ::::} ::::} P2 PI = .0.:-'-"::-"::---'.0.1 1 ] x2 (k) 4 [ ] y (t ) Z.1 P2 = 1 ecuaciones que escritas en forma matricial quedan: y X1 (z) = U(Z) Z U(Z) X2 (Z) = z . EJERCICIOS RESUELTOS 359 se puede realizar la descomposición en fracciones simples: Y(z) U(Z) -.+ -.5z Z de donde se obtiene: { °0.5 ::::} --'--'---.5 = la salida se puede expresar como: 0 (k) (k + 1) [ xx2I (k + 1) ] [ °0 0.5PI + P2 Z z 2 .0.0.= z z . 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) = [ .:----'---=- 0.5z ::::} Si se eligen como variables de estado: PI = .5 PI-0.

Estudiar el rango de valores de T que hacen inestable al sistema realimentado.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) . Obtener el modelo de estado del sistema realimentado. MODELO DISCRETO DE ESTADO Obtener el modelo de estado del sistema continuo. expresadas en forma matricial. La función de transferencia del regulador es: Si se toma como variable de estado: 1 W (z) = 1 _ Z . 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) .360 b) c) d) e) a) CAPÍTULO 7.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.

T) e-T las ecuaciones matriciales quedan como: xc ((k + l)T) y(k) d) = = [ e-T ] x e (kT) + [ 4 (1 .��) [ BeqBD ] u(k) BD ] Aeq .e-T ) O ] x(k) + [ O ] u(k) [ 4 .x)Bed.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 ..A) 4d. 7.4 4 (1 .x = = [4eA -T]� = 4 (1 .4e .e -T ) = 4 .x. Sustituyendo: = 4>(T) = eA c T y Beq = foT 4>(T .4 1 1 · 1 = 5e-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.( T .x = foT e A .4e-T 1 1 4 .T ] x(k) + e-T .T 4d. 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 .7 .ie-T ] u(k) .4 (1 . Be .e -T) 1 = 4 .ie .BeqDD Ce BeqCD -BDC e AD BeqDD BD Ce x(k + 1) = = = = con lo que matricialmente queda: y(k) = [ [ 5e-�1.e . y Ae .T -1 · 1 = -1 1 4 (1 .BeqDDCe -BD C e ] x(k) + Reduciendo los términos de las matrices del modelo: = [ x�.

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

4e-T =} 6e-T < 2 =} e-T < 0. Sus raíces son los valores propios de la matriz A y los polos del sistema.7.4 e .5e-T ) A + e-T = que coincide con la ecuación obtenida anteriormente.8273 Si T = 1.4 .4e-T = A 2 + (3 .e A cuyo polinomio característico es: (5e-T .0041 A = -0.4229 y Si T = 1. Así.333 - �1 i -T ] .4 . A la misma conclusión se puede llegar analizando la matriz del sistema reali­ mentado: 5e -4 4.5e-TA + 4A + A 2 + 4 .e-T ) < por lo que el sistema es inestable si T 1. La KLDR para ese punto es: por lo que el sistema es inestable si: KLDR = 2(1 + e-T) 4(1 . EJERCICIOS RESUELTOS 363 El sistema es inestable cuando alguna de las ramas abandone el círculo unidad.T = ¡A . por ejemplo: Al = -0.U¡ 5e-T .A) + 4 .A) ( l .0987.7.3315 ° =[ > =} 2 + 2 e-T < 4 .10 =} { Al2 = -1.A .05 =} { A2 = -0.. lo que ocurre para z = -1.

.

Solución de la ecuación homogénea . la ecuación homogénea es la misma que 8. el estudio de la resolución de esta ecuación se aborda en dos etapas. es decir: x(k + 1) A(k)x(k) 365 = (8. se halla la solución de la ecuación homogénea. 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.8 8. 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.2) . como se ya se ha visto. para la que se han anulado las entradas. por lo que se obtiene la evolución libre del sistema desde su estado inicial.1) Como ya se ha anticipado. Matriz de tran­ sición = (8. A continuación. para la cual las entradas se anulan. 1 . que. 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.1 . en el caso discreto se trata de encontrar una solución para la ecuación discreta de estado para sistemas lineales. se considera la ecuación completa.2. en primer lugar. 8.

Verifica la ecuación homogénea Sustituyendo 8. u(>. si se tiene en cuenta que la ecuación es lineal. por lo tanto. = x( ko). 8. 1.7) Propiedades de la matriz de transición Dado que la Ecuación 8. ko). comprobándose por lo tanto que la matriz de tran­ sición verifica la ecuación homogénea.3) Del mismo modo. k. como se vio en el capítulo anterior. ko) (8. ko)xo. la solución formulada con la ecuación anterior debe adoptar la forma: (8.8) (8. ko) = A(k)<I>(k. 2. Teniendo en cuenta que se trata de la solución de la ecuación homogénea y que. Identidad (8.2. es decir: Xo 3.5 se verifica para todo k se ha de cumplir también para ko. ko)xo Como esta expresión se cumple para cualquier valor de Xo. se define como matriz de transición .6) <I>(k + 1. debe ser forzosamente: (8. la entrada se supone nula en todo instante. Transitividad El estado para una determinada muestra m 2: k se puede obtener como: x(m) <I>(m. la ecuación anterior queda: (8. ko)xo = A(k)<I>(k.10) . k)x(k) Como esta expresión se ha de cumplir para todo estado inicial Xo.9) <I>(ko. x(k) = <I>(k.5 en la Ecuación 8.3.4) x(k) = <I>(xo. ko)xo = (8. 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. como ya se vio: x(k) = <I>(xo . ko).) .5) La matriz <I>(k. ko) = I = <I>(ko. ko). se puede establecer que: <I>(k + 1.2 se tiene: Expresión que coincide con 8. k. hecho establecido por hipótesis. La (8.366 CAPÍTULO 8.

Método iterat ivo Partiendo de la Ecuación 8. 1 1) y componiendo las dos expresiones: x(l) = <P(I.12) Pero también se puede calcular este último estado partiendo del inicial x( k) me­ diante la expresión: (8. se debe cumplir entonces: <P(l. m)<P(m.19) . k) x(m) = <P(m. si la matriz A(k) es invertible.16) Y con lo que. 18) 8. CÁLCULO Asimismo. x(m)). k )x(k) (8. particularizada para la muestra inicial ka: x(ka + 1) = A(ka)x(ka) (8. 14) Como esto es cierto para cualquier estado inicial y final. k)x(k) x(l) = <P(l.2. se puede calcular su valor para una muestra posterior l 2:: m como: DE LA MATRIZ DE TRANSICIÓN 367 x(l) = <P(l. k) <P(m. m)<P(m. de entre los cuales se pasan a detallar los más significativos a continuación. 8 . Inversión Dado un par de valores del estado (x(k) . 1 . con k � m. por 8. 15) Asimismo. m) .l (8. 13) (8. k) = <P(l.5 se cumple que: (8. al hacer la composición de ambas expresiones.4.4. 17) Como esto se ha de cumplir para cualquier estado. m)<P(m.8. k)x(k) 4.4. k)x(k) =? (8. resulta: x(k) = <P(k. partiendo del estado x(m). utilizando 8. m)x(m) (8. se verifica que: 1 = <P(k. m)x(m) (8.2 es posible calcular x(k) a partir de x( k + 1) generalizando: x(k) = <P(k. Cálculo de la matriz de transición Existen diferentes métodos para calcular la matriz de transición. k) = <P(k. m)<P(m.

x2 (k) .21) (8. expresadas por el superíndice: X l (k) x 2 (k) <T>(k. .368 CAPÍTULO 8 . se le denomina conjunto fundamental de soluciones. . an =1. ka ) . .l)A(k - x(k) = A ( k . ko) = A por lo tantol: <T>(k. x (k).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. A(k) es invertible los esta­ dos x l (ko ) . xn (ko ) son linealmente independientes.20) (8. suponiendo que A(k) es invertible para cualquier valor de k. 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 . es decir. . . La demostración de que si para cualquier valor de k.22) 8.n.2.l )A(k .25) como: = == . entonces también lo son x l (k) . lo e s asimismo la matriz de transición <I>(k. . . . x2 (k) . + a n x n (k) O <T>(k. . propiedad que ha sido aludida sin demostración anteriormente. sea x l (k) . a 2 . .4. Método de la matriz fundamental de soluciones y Partiendo de la Ecuación homogénea 8. X2 (ko ) . se refiere a continuación: Se parte de la hipótesis contraria. . .ka 2) · . kO)x2 (ko ) (8. A(ko + l )A(ko)x(ko ) + . . kO)x l (ko) <T>(k. ko) + k . . a l x l (k) + a 2 x 2 (k) + .24) (8.2) · · · A(ko l)A(ko ) por lo que en el caso de que el sistema sea además invariante: <T>(k. ka) (a l x l (ko ) + a 2 x 2 (ko ) + . de suponer que existe una tupla de números a l . . = A(ko l)A(ko)x(ko ) (8. . . .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. .2. + an x n (ko)) (8.

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� ] }

6.5 + 3 = -4 y (2) = 4 + 10 + 3 = 17 {y ( k)} = { 7.8. -4 . 17 } Por lo que l a secuencia de valores de l a salida es: . 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 .

.

por la propiedad de densidad. Esta diferencia intro­ duce cambios radicales en el planteamiento de la controlabilidad del sistema. 1 . se pueden establecer las definiciones pertinentes. son semejantes a los de los sistemas continuos. rela­ tivas a la controlabilidad: 379 . Como tercer objetivo se pretende el análisis de controlabilidad de los sistemas multivariables. en el caso de no poder alcanzar cualquier punto.9 9. cuáles son los puntos alcanzables a partir de uno dado. Partiendo de estos conceptos. Los conceptos de controlabilidad. en una señal continua se puede incluir una información teóricamente infinita. 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. tando del estado como de la salida de sistemas discretos. puesto que. este hecho impone restricciones adicionales a la hora de establecer la controlabilidad de un sistema discreto. De la misma manera se desea conocer. mientras que en una secuencia la cantidad de información codifi­ cable es limitada. con la salvedad de que en vez del tiempo interviene el número de elementos de las secuencias. 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.

1 ) . u(ko ) ' u(ko + 1 ) . existe una secuencfa de entrada u(ko ) . tal que transfiera e l estado del sistema desde cualquier punto Xo de índice ko a Xl de índice kl .3) cp (k1 . . los puntos alcanzables vienen dados por la expresión: kl . . 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 . el estudio de la controlabilidad de los sistemas discretos lineales se puede reducir al estudio de los puntos alcanzables desde el estado inicial nulo. el vector de estado es equivalente al que se obtiene al transferir el estado desde un valor inicial nulo al valor final: (9. Controlabilidad e n sistemas discretos lineales Al igual que en los sistemas continuos. .l x(kl ) = (9.2. a partir del estado inicial nulo. 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. 1) se observa que el cambio ep. 9. · . ko)xo (ko ) + kl . partiendo de cualquier estado inicial Xo de un índice cualquiera ko . l + l ) B (l )u(l) l=ko L .380 • CAPÍTULO 9.l l=ko L cp (kl . partiendo de la expresión: x(k ¡ ) = cp (kl . . u(kl . dada la linealidad del sistema planteada por hipótesis. • Controlabilidad en cualquier intervalo Estos conceptos se amplían a los de controlabilidad del sistema discreto en [ko . De la misma manera. kl l y controlabilidad del sistema cuando todos los puntos del espacio de estados lo son. u(ko + 1 ) .1 ) que transfiera el sistema al estado xl (kl ) de índice kl finito. En efecto.2) con lo que. l + l ) B (l )u(l) (9. . kl l si existe una secuencia de entrada. u(kl . Se dice que un punto del espacio de estado Xl de un sistema discreto es con­ trolable si. .

l + 1)B(l)BT (l)<l>T (k1 .9. 1 + l)B(l)u(l) (9.6) que transfiere al sistema desde el estado inicial nulo al estado X l en k1 muestras. la matriz <l>(k. l + 1)B(l)BT (1)<l>T (k1 . ka) es singular. 1 + 1) (9. como.2. se puede establecer que la controlabilidad depende de A(k) y B(k). ka) = es no singular. ka)v = O (9. para un estado final X l cualquiera existe una entrada: (9.8) .1 l=ko L <l>(k1 . l 1 :L <l>(kl .5) La demostración de este criterio sigue los mismos pasos que la del criterio análogo formulado para los sistemas continuos. debe existir un vector v no nulo tal que: k - por tanto: l=ko l 1 L vT<l>(kl . 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. ka) depende únicamente de la matriz A(k). ka) y B(k) . • Condición suficiente Si la matriz W(k 1 .7) • Condición necesaria Si W (k l . a su vez. ka) es no singular. ya que: x(k¡ ) k1 . 1 + l)v = O vTW(k1 . 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 .4) W(k 1 . CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES 381 La controlabilidad del sistema depende entonces exclusivamente de las matrices <l>(k.

hay que tomar en 9. existe un vector respecto al cual siempre es ortogonal.12) es de rango n. la demostración de este criterio pasa por probar que es necesaria y suficiente. l + l)B(l) = O (9.(k. sea cual sea el valor que alcance el estado. 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. para cualquier entrada U(k): vTq.l l= ko L q. Al igual que en el caso continuo.5 las matrices conjugadas de las transpuestas en lugar de las transpuestas. • Condición necesaria La prueba consiste en demostrar que si el par (A. k1 . 10) Lo que supone que. Al igual que en sistemas continuos.9 se siga verificando.1 se cumple: Así pues. es imprescin­ dible que Q tenga n vectores columna linealmente independientes. 9.11) (9. B) es controlable.1 l= ko L q. (k l . si las matrices q. Suponiendo que se parte de un estado inicial nulo: x(k) = k. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que para ka ::. o B son de coeficientes complejos para que la expresión 9.3. por lo tanto el sistema no es controlable. 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 . l + l)Bu(l) = . l ::.(k1 .382 CAPÍTULO 9. por lo que no se pueden alcanzar todos los puntos del espacio de estado. l + l)B(l)u(l) = vTx(k1 ) = O (9.9) vT kl .

2) + Bu(k .9.16) tenga rango n. Si no se pueden al­ canzar todos los puntos del espacio de estado. • La demostración de esta condición de suficiencia es inmediata. con independencia del tiempo disponible para transferir el estado desde su valor inicial al final. el sistema no es controlable. CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES = 383 Ak . hay que añadir el número de elementos de la secuencia de entrada para el que puede alcanzarse el estado deseado. el sistema es o no controlable.1 Bu(ko ) + A k . para que e l estado en e l elemento de l a secuencia k + n tome cualquier valor dentro del espacio de estado. Este número de elementos de la secuencia de entrada es finito para cualquier sistema controlable.1) (9. u(n .2 Bu(ko + 1) + . Como puede observarse. Éste es uno de los puntos fundamentales de diferencia entre el comportamiento de los sistemas discretos respecto a los sistemas continuos. . Este mínimo de elementos de la secuencia de entrada será el menor i que verifique que la matriz: (9. Subespacio controlable De la demostración. En estos últimos. por lo tanto. puesto que partiendo de la expresión: Condición suficiente = x(ko + n) An . por definición. es posible elegir la secuencia de entrada {u(ko) .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.2) + Bu(n .1) (9.1)}. al hecho de que el sistema sea o no controlable. pero tiene un mínimo. es evidente que. 15) y suponiendo que en la matriz Q existen n vectores columna linealmente indepen­ dientes.3 .kO -2 Bu(ko + 1 ) + . · · · . en el caso discreto. por debajo del cual no se puede garantizar la transferencia entre los valores del estado. .13) y teniendo en cuenta el teorema de Cayley-Hamilton: (9. . + ABu(n . se condiciona la controlabilidad a disponer del número de elementos de la secuencia de entrada necesarios para conseguir alcanzar el estado deseado. y al igual que sucede en el caso de sistemas continuos. se puede observar fácilmente que la dimensión del subespacio controlable (cuya definición coincide .l Bu(ko) + An . mientras que. es imposi­ ble alcanzar cualquier punto del espacio de estado si no existen al menos n vectores columna linealmente independientes dentro de dicha matriz. u(ko + 1) .kO . · + ABu(k .

Si alguna de las matrices del sistema es de coeficientes complejos. ko ) = es no singular. l + l ) CT (kd (9. 17) (9. Controlabilidad d e l a salida Al igual que viene ocurriendo con el estudio de otras propiedades de los sistemas con­ tinuos y discretos. se obtiene también como el número de columnas linealmente independientes de la matriz Q. al ser una propiedad intrínseca del sistema. y(kd = k1 .4. 9. como el rango de dicha matriz. l + 1 ) CT (k1 ) (9.19) Para realizar la demostración de la efectividad de este criterio. es decir. suponiendo que se parte de salida inicial nula: y comparar esta expresión con la Ecuación 9. kl . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO asimismo con la del caso continuo) .384 CAPÍTULO 9. se establece el criterio: Dado el sistema discreto lineal de dimensión n definido por las ecuaciones: entonces la salida es controlable en [ko.3 del estado en función de la entrada. se puede establecer que el subespacio controlable atiende en ambos casos al mismo comportamiento. 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. l + l)B(l)BT (l)<'J?T (kl . en la Ecuación 9. la controlabilidad de la salida de estos últimos sigue manteniendo una clara semejanza con la estudiada para los sistemas continuos. el criterio para estudiar la controlabilidad de la salida se formula exactamente igual a como se hace para el caso continuo: . De otra parte. y dada la evidente dualidad entre las conclusiones obtenidas en el estudio de los sistemas discretos en relación con los continuos. Así. basta con expresar la salida en función de la entrada. igual que en casos anteriores. 19 hay que tomar las matrices conjugadas de las transpuestas en lugar de las transpuestas. en el caso de sistemas discretos lineales.1 l= ko L C(kd<'J?(k1 . 18) Wc (k 1 . l + 1)B(l)BT (l)<'J?T (k1 .20) Caso lineal e invariante En el caso de que el sistema discreto sea lineal e invariante. tanto en la forma de la obtención de su base como en su invarianza ante transformaciones en la representación del estado.1 l= ko L C(kd<'J?(k1 .

en sistemas con varias salidas. y.er ' en qué sistemas es posible determinar su estado inicial a partir de su entrada y su sali d� . permite determinar . ellas son necesarias para deducir el estado del ' .21) Para demostrar este criterio. para todo índice inicial ko . CA n . por una parte. el objetivo será conoc. k ::. 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. depende del estado inicial y de la entrada. k ::. para ko ::. k l ] si el conocimiento de las secuencias de entrada u(k) y de salida y(k). El análisis de observabilidad de sistemas discretos tiene los mismos objetivos que en sistemas continuos. pero que en muchas ocasiones resulta inaccesible. los otros dos puntos de interés en este análisis serán.15 se obtiene la salida en función de las matrices CB.' l sistema. permite determinar el estado inicial Xo de índice ko . Al igual que en sistemas éoÍlÜnuos. Teniendo en cuenta que el estado define el comportamiento del sistema. k l .a. entonces la salida es controlable si si la matriz definida como: y sólo es de rango p. . por otra. exist'e un índice k1 finito tal que el conocimiento de las secuencias de entrada u( k) y de salida y( k). . Qc = [ CB CAB CA 2 B (9. ' " . basta con tener en cuenta que multiplicando por la izquierda por la matriz' C las Ecuaciones 9. 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.5. determinar cuáÍes de'.5. no determinables pués me(Ii�tJ �I conocimiento de ésta. . conocidas sus ecuaciones. 9. CAB.l B. Dado que la evolución del sistem.14 y 9. para ko ::. k l . el estado inicial Xo de índice ko . 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 . determinar cuáles son ' las variables de estado que no influyen sobre '' la salida.9.

una entrada nula. la observabilidad será. E l caso trivial d e observabilidad será.27) El caso general de observabilidad se puede determinar por el siguiente criterio: . función de las matrices A y C.25) (9. ko)xo (ko ) + k-l l=ko k-l (9.26) y para todo índice k: (9. La observabilidad del sistema vuelve a depender. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Como en todos los casos anteriores. para realizar el estudio.23) Al igual que en los sistemas continuos. ante entrada nula: = C (k) cp (k. por lo que por comodidad se puede elegir. k 1 l y de observabilidad del sistema cuando todos los puntos del espacio de estado lo son.386 CAPÍTULO 9.22) L cp (k.24) y si C es no singular para un determinado ks : x(k) = C . cuando l a matriz C sea d e dimensión n x n y no singular Vk. ya que entonces. 9. conociendo las secuencias de entrada y salida. 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. Observabilidad e n sistemas discretos lineales Para determinar bajo qué condiciones se puede obtener el estado inicial.C (k) Estas dos salidas coinciden si la entrada en el intervalo considerado es nula. únicamente de las matri­ ces cP y C.D(k)u(k) (9.6. l + l)B(l)u(l) (9. se parte de la ecuación de la salida: con: y(k) = C (k)x(k) + D(k)u(k) x(k) = cp (k. ko)xo (ko) l=ko L cp (k. este análisis se puede reducir al caso de entrada nula. l + l)B(l)u(l) . ya que conocidas la entrada y la salida se puede formar una nueva salida que cumpla: y (k) y(k) . asimismo. pues. por tanto. estos conceptos se extienden a los de observa­ bilidad del sistema discreto en [ko .1 y(k) (9.

34) su evolución ante entrada nula.¡. es también nula. 3 0) Para demostrar la validez de este criterio. partiendo del estado inicial Xo . l=ko L cI> T (l .6. hay que probar que es necesario y suficiente: • La prueba de que el cumplimiento del criterio es condición suficiente es inmediata. ko)xo = O o.32) y por lo tanto: k1 l=ko L x6 cI> T (l.¡. kO)C T (l) C (l) cI> (l . 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)xo l 1 2 O l=ko y puesto que es un sumatorio de términos mayores o iguales que cero Vl. ko)CT (l)y(l) k1 l= ko V(k 1 .3 1 ) (9. ko) es invertible. 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) C T (I)e( l). lo que es lo mismo. ko) Xo ) (9.33) Condición necesaria = V. kO)C T (l) C (l) cI> (l .29) sólo si la matriz denominada gramiano de V(k 1 . pues si la matriz V(k1 .35) C (l) cI> (l . por lo que existe un vector Xo distinto de cero que verifica: X6V(k 1 . ko ) L cI>T (l. 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. entonces: l=ko Condición suficiente k1 L cI>T (l .1 (kl .T (1 . ko � l � k1 : = kl = (9. ko) kl (9.9. ko)xo C� . la evolución libre del sistema. ko) = es no singular. 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 .( 1 . ko)xo = O (9. . ko)xo L II C (l) cI> (l .28) (9. ko) es singular.

puntos que se denominan no-observables. se deben utilizar en la Ecuación 9. 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. ya que si el rango de la matriz Condición suficiente . puesto que cualquiera de ellos produce la misma salida que su suma con un punto no observable. 9 . Si el sistema no es observable. producen una res­ puesta libre del sistema nula.Al igual que en los sistemas continuos. = es de rango • [ c� 1 CA n .38) La condición impuesta por el criterio es suficiente. por linealidad.36) (9.1 Ax(k) + Bu(k) Cx(k) + Du(k) (9.37) (9. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Se dice que un punto del espacio de estado Xa es no observable en [ka . El resto de los puntos del espacio no son observables. 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. tomados como estado inicial. existen puntos que producen salida nula en el intervalo [ka . k 1 l ante entrada nula.30 las matrices conjugadas de las transpuestas. si las matrices el> o C son de coeficientes com­ plejos. llevan de manera semejante a los sistemas continuos a las siguientes definiciones: 388 CAPÍTULO 9. La existencia de estos puntos que. por lo que no se puede distinguir entre ellos. en lugar de las transpuestas. 7.

cuya dimensión será por tanto n .donde es el rango de P. .1 ) . se llega. . determinar cuál es el estado xo . ko + 1 .9. de forma que no se ve afectada por la representación del estado elegida. por tanto. a partir de ellas. r. aunque dicha representación se vea sometida a una transformación lineal. r . La observabilidad del sistema también está condicionada al número de elementos de la secuencia de salida disponibles. Xo será no-observable. • Si la matriz P es de rango menor que n. al igual que para los sistemas continuos. entonces de: y(ko ) y(ko + 1 ) y(ko + n . " .n� l para todo índice l la matriz CAl es Como combinación lineal de (C. al compararla con las Ecuaciones 9.42) sea de rango n. .41) = (9. necesitándose como máximo n elementos y como mínimo el menor valor de i que verifique que la matriz: (9. entonces: (9. CA. ko + n . la observabilidad es una propiedad in­ trínseca del sistema. existe un vector Xo no nulo que cumple: PXo O Condición necesaria ecuación que. indica que el vector de salida es nulo para (ko .1 ) CXo CAxo (9.40) y. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES 389 P es n. De esta forma se garantiza que. CA ) . . Si se define el subespacio no-observable como el conjunto de puntos no-observables. .39. Como sucede también en el caso continuo. a que dicho sub espacio está generado por el núcleo de la aplicación definida por la matriz P.7.39) se pueden seleccionar n ecuaciones linealmente independientes y. la observabilidad del sistema seguirá siendo la misma.

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

9. Q= [ � � ] p= [ � � ] . 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. el sistema discreto equivalente: x(k + 1 ) y(t) <f> (T)x(k) + 9 (k)u(k) C (T)x(k) 1. 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. particularizadas para el período de muestreo T = 2: . toman los valores: 9 (T) [ � ] <f> (T) = � � ] [ (1 = es decir.S2 w W2 + son de rango dos.8. En cambio. ya que las dos matrices: p= [ � � ] x(t) + con representación de estado en variables de fase: . Ejemplo 9 .

por motivos cuyo estudio se aborda en otros textos.2.44) 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. . Obviamente los objetivos de diseño serán distintos. {v(k) } { y (k) } Figura 9.392 9. determinando los valores adecuados de la matriz K.43) (9. Igual que en los sistemas continuos se cumple que: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) (9. Tal y como se ve en la Figura 9.46) por tanto. CAPÍTULO 9.47) Bajo las condiciones adecuadas de controlabilidad del sistema. definido por sus matrices A. también se podrán fijar aquí los valores propios de la matriz Ar . dado un sistema discreto en su representación de estado. de modo que el sistema total cumpla los objetivos de diseño planteados. B y C. también la dinámica del sistema viene determinada por: Ar A + BK (9. el objetivo es diseñar una matriz de realimentación constante K. ya que los valores propios que se buscan estarán en una región distinta de diseño dentro del círculo unidad. 45) (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.9.2: Sistema discreto con realimentación del estado.

48) (9. obteniéndose la secuencia discreta {x( k) } .49) son las mismas que en sistemas continuos. La configuración del sistema suele ser la que se indica en la Figura 9. el conjunto de variables de estado x(t) se muestrea con un período T mediante un convertidor analógico-digital.1 (9. diseñar la correspondiente matriz de realimentación K para dicho sistema . El diseño se puede enfocar de dos maneras. las matrices de transformación y toda la metodología estudiada para aquellos sistemas es válida para el diseño de sistemas discre­ tos. 10. se multiplica por la matriz de constantes K. por naturaleza discreto.3. convertidor digital-analógico. 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 . a las variables de actuación del sistema u(t) . 10.3: Sistema muestreado con realimentación del estado. en el que se pretende controlar un sistema continuo mediante el uso de un computador. Sistemas muestreados de control El caso que se plantea aquí es el común de los sistemas actuales de control. este vector se realimenta se compara con un vector de referencias. y y (t) Computador I nterfase Sistema continuo Figura 9.9. Se puede considerar todo el sistema como continuo. la diferencia se lleva mediante un bloqueador normalmente de orden cero.

El otro enfoque del problema es calcular un equivalente discreto del sistema continuo. se discretiza directamente el sistema continuo mediante el método estudiado en 7. ya que. . cabe dentro de lo posible que en algún sistema con período de muestreo muy bajo sea necesaria su consideración. 8 (T)) es controlable.4: Sistema muestreado con tiempo de cálculo nulo.6. operación exacta sin pérdida de información. si el sistema (�(T) . con el fin de calcular un equivalente discreto de esta matriz. únicamente es aproximado pues tanto en el proceso de muestreo como en el de reconstrucción hay siempre una pérdida de información.�(T) .8 (T)K I (9. para hacer luego el diseño como sistema discreto.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. p(A) = I AI . reflejado en la Figura 9 .�--. cualquier método de discretización da como resultado la misma matriz K . 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. {v(k) } r. como la matriz K es constante.. Este enfoque. 4.53) Aunque con los sistemas actuales de cómputo lo normal sea despreciar el tiempo de cálculo. En el caso más sencillo en el que se pueda suponer que el tiempo de cálculo es nulo. Este caso es inmediato. como es sabido. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO continuo.394 CAPíTULO 9.50) (9. e {y(k) } Figura 9.52) en el que. se pueden asignar libremente los polos del sistema. como es sabido.

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. 9.56) (9. SISTEMAS MUESTREADOS DE CONTROL y 395 y La suposición más sencilla es considerar un tiempo de cálculo igual al período de muestreo. es de la (9. el sub­ sistema controlable del sistema con retardo contiene al menos al sistema primitivo. dedicando el tiempo entre muestra muestra para calcular la siguiente actuación sobre el sistema. utilizando la notación forma: ] = [ <I> (T) OO ] [ w(k) ] + [ 8 O(T) ] u(k) X(k) 1 <1> = <I>(T) y (9. 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.5. {v (k) } �___ {y(k) } {w(k) } Figura 9 .9. donde el tiempo de cálculo se representa mediante un retraso Z . 5: Sistema muestreado con tiempo de cálculo no nulo.10.54) 8 = 8 (T) .55) que coincide en sus primeras filas con la matriz de controlabilidad Q del sistema [<I> (T) . En este caso el esquema es equivalente al de la Figura 9. equivalente a actuar sobre el sistema obtener sus medidas en el instante de muestreo.57) .l . 8(T)] .

mediante la adecuada elección de la matriz K.63) .A)T) x(k) + 8 ((1 . to)x(to) + se obtiene que: x(k + 1) w(k + 1 ) ¡ t el> (t. A ::.62) (9. T)Bu(T)dT it o (9.59 ) el> (T)X(k) + 8 (T)u(k) x ( (k + 1)T . 1 . Aunque este retardo se produce en la parte discreta del sistema. a la hora de su estudio puede resultar algo más sencillo considerar que el retardo se produce en la parte continua. y ] (9.60) (9. En el caso más general se puede estudiar el comportamiento del sistema considerando un tiempo de cálculo AT.61) por lo que el nuevo sistema antes de realimentar (parte derecha de la Figura 9. se pueden ajustar los valores propios del sistema.6: Sistema con retardo no múltiplo entero del tiempo de muestreo.396 CAPÍTULO 9. considerando u(k) x(k) en el instante de actuación w(k) en el de muestreo .A)T) = el>(T) } ==} w(k) = x(k) 8 ( ( 1 A)T) = 8(T) (9. En este caso. con O ::.6. 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.AT) = el> ( (1 . como se muestra en la Figura 9.A)T) u(k) (9.58) {v(k) } {u(k) } . dado que: x(t) = el> (t.

11.l e <I>). ..67) (9.. e <I>).>')T)K y(k) = [ e [ x(k + 1) ] = [ sistema en el que una adecuada elección de K permite la asignación de polos del sistema. Ejercicios resueltos O ] [ :��) ] ] [ w(k)) ] + [ e ( (e-(T)>')T) ] v (k) X(k l n (9. utilizando como notación <I>). Vuelve a suceder aquí que si el sistema sin retardo.66) obteniéndose como sistema realimentado: w(k + 1) e (k)K <I>(T) <I> ( (1 . la dimensión del subespacio del sistema con retardo es al menos conteniendo al sistema original.9. <I>).>')T) e ( ( l . . . Determinar igualmente si. = 1 � e ((l = y {I <I> ( (1 . )T) es de la forma: Q= e [ e).. = <I> (( 1 . = e ( ( l . 9. de dimensión es con­ trolable.>')T) = 1O } � w(k + l ) = x(k) >')T) <I>e <I> 2 e . n ] (9. = 1 se está en el segundo de los casos: >. <I> n .11...65) n.68) 1 .. y EJERCICIOS RESUELTOS 397 que para >.64) e).5 O [ 1 y(k) ] [ x l (k) ] + [ 11 ] u(k) x 2 (k) [ O ] X l (k) ] -0. En este caso la realimentación es también: n.>. 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.5 O x 2 (k) Estudiar la controlabilidad del sistema.2 e (9. <I> e . (9. coincidiendo también en sus primeras filas con la matriz de controlabilidad del sistema sin retardo.>')T) . Dado un sistema discreto definido por las ecuaciones: [ Xx2l (k + 1l)) ] (k + [ 0. partiendo del estado inicial x(O) = [1 I V . La matriz de controlabilidad en este caso.

ko = O.1 y l = ko L A k .5 ] [ 11 ] u(O) O [ a x(k) = A k . � � u(O) 2. que se alcanzará cualquier estado final si se fija un k1 igual o superior a k1 = 2. A i . Para k1 = 1 : Q= [ B Qi = [ B AB . pues. Se puede afirmar. k 1 = 1 .ko x(ko ) + k. 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. lo que es lo mismo. ) Si x(l) = [3 3]T.5 ] rango(Q) = 2 por lo que el sistema es controlable para k1 = 2.5 Q = [ B AB 1 = � [ -0. i = k 1 .5 [ � ] [ _�:� ] [ � ] u(O) { u(O) = 3. para k1 = 3 el sistema sigue siendo controlable.5 ] [ 11 ] [ 0. . 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 9.1 B .1 Bu(l) Como puede comprobarse. .l .5 -0. Para k1 = 2 : 0. Obviamente.1 O 1 -0 � ] = [ 005 -0. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que el sistema no es controlable con k 1 = 1 . no existe una secuencia de entrada que permita alcanzar dicho estado para k1 = 1 .ko 1 y [�] � rango(Q) = 1 � o.5 � = + = . Con un valor menor de k1 se pueden alcanzar también algunos puntos. pero no todos los del espacio de estado. 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 .

�. EJERCICIOS RESUELTOS 399 b) e ) d) 12 = u(O) = u(O) = -0.O .0 . k =} =} =} =} =} =} =} { u(O) u(l) . Si x(l) = [3 2jT. entonces: [ .1 [ � ] u(O) [ .5 ] 3 .0 1 ] + O 5 O ] 2 .0. u(2) O u(2) 3 u(2) = 2. ] = [ _ �: � ] + [ � ] u(O) { ���� : .1 . 5 r.o [ � ] + [ 005 -� . 1 1 . : � = = = =} =} =} ecuaciones para las que se pueden obtener infinitas soluciones. { u(l) = 2. Esta conclusión era esperable.125 = 0. Si x(3) = [3 3jT. 5 [1 2 1-1 1 O5 O + [ O . puesto que el sistema es controlable cuando k = 2 como ya se ha demostrado.0. � ] u(O) + [ _ �: � ] u(l) + [ � ] u(2) 2. 5 u(0) + u(l) { u(O) = O2. 2.[ 1 ] u(l) [ � ] = [ � :. 5 u(0) + u(l) 2. 22 5u(0 ) + 0. ] = [ 005 ..75} se logra llevar el sistema al estado deseado.� ] + [ � : . 2 5 .75 -0.�. 5 ] . { u(l) = O-0. � ] + [ _ � :� ] u(O) + [ � ] u(l) = = =} { 2. 5 [ 1 [ O -0. entonces: 33 ] = 0 .[ � ] u(2) [ � ] = [ _ � :�.875 = 0. 2 5 .1 � ] u(O) + [�]=[ r[ 0 . ko 2= O. ko = O: 005 -� . 5 o [ � ] + 0 5 � r.75 = 0. k1 =1 3.1 [ + [ 005 . 5 O ] .9 . k1 = 1. 5 ] 3 .5 2.4 Esta conclusión era esperable.75 u(l) Luego con la secuencia de entrada {u (k)} = {O.1 1 ] u(O) + [ [ 0 -0. 55 u(1) + u(2) { 3.5 r-O. u(1) + u(2) Si x(2) = [3 3jT. pues ya se ha demostrado que el sistema es controlable para k1 = 3.1 [ � ] u(l) + [ 005 . 5u(0) .�. como por ejem­ plo: 1 = 2.4 2 5 -0. ko = O.

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

9 .5 XO l X0 2 O -0.5X 0 2 + 2 ][ ] ] [ ] =* L A kl . 1 1 .5 2 0.1 Bu(l) = + Ao [ 11 ] u(O) = =* Sustituyendo en la ecuación de salida: 5= [ 1 1 ] 5 = 0.X0 2 .5x Q1 -0.0.I .5XO [ -0. que el estado inicial es: x(ko) = [�] { XO02l = 11 X = =* O = XO l .5X 0 2 + 2 + 1 0. .l Para k1 = ko + 1 : con: x(kI ) [ [ l = ko O 0.5X02l + 22 ] + [ 1 ] 1 + con: 2 = XO l + X0 2 Es decir.5XO l + 2 . EJERCICIOS RESUELTOS 401 y(kd = Cx(kd + Du(kd A k l -ko x(ko) + k.

.

Parte III Apéndices 403 .

.

2) . se distinguen los siguientes casos: • • • • Raíz real con orden de multiplicidad uno. 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).A A. 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. que se construye como: det [A - Al] O (A. Es el vector u que cumple la expresión: Au 405 AU (A. l ) Según la naturaleza y número de los valores propios. = Vector propio asociado a una matriz A y valor propio A.

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

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

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

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

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

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

.

2. Linear System Theory. 1989. A. seventh edition f3 using MA TLAB bundle. RC. Dorf. 1986. Paige. Hsu and A. Brogan 91 W. Addison . Friedland. 1996. Prentice Hall. . Control System Design: An Introduction to State Space Methods.J. Addison -Wesley. Bishop. 6th edition. 1993. C. Kailath. Modern Control System Engineering.C. Kuo. Modern Control Theory. Dorf. Kuo 96 B. Computation of System Bal­ ancing Transformations and Other Applications of Simultaneous Diagonalization Algorithms. Sistemas de Control Automático. Dorf 92 R C.Wesley. 1980. 413 B ibliogra fía Bishop 1. IEEE Trans. Hsu 75 J. Laub.T. 1975. Ward. Addison -Wesley.93 R H. Vol. M. Sistemas Modernos d e Control. U . 2 a edición. 1991. Addison . Dorf 9 6 R C. Prentice Hall. Prentice Hall. Kucera 91 V. Kailath 80 T. C. M. on Automatic Control. Dorf. C. M. L aub 87 A. Callier. Dorf 8 9 R C. Prentice Hall. Borrie 8 6 J. New York. Brogan. 1991. Modern Control Systems: A manual of design methods. Meyer. Springer Verlag. Modern Control Systems. AC-32.C. Pren­ tice Hall. Analysis and Design of Discrete Linear Control Systems. 1991. No. A. Modern Control Systems. February 1987. Bishop. Heath. 3rd edition. 1986. R H. Modern Control Principles and Applications. Kucera. McGraw­ Hill. Borrie. 1996. New York. Gajic 96 Z . Prentice Hall. Modern control systems analysis and design using MA TLAB. Desoer. McGraw-Hill. Lelic. Linear Systems. 1992. Friedland 86 B.Wesley. Gajic. 7 a edición 1996. Callier 91 F.

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

Sign up to vote on this title
UsefulNot useful