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

. . . . . . .4. . . . Controlabilidad de la salida . . . Método de la matriz fundamental de soluciones 8. . . . . . Introducción . . . . 7. Controlabilidad en sistemas discretos lineales invariantes . .3. . . .5. Control de sistemas discretos por realimentación del estado 9. . .1. .6. . . . . . . .4. . . . 9.8. . . VIII JI ÍNDICE GENERAL Sistemas discretos 341 Modelo Discreto de Estado 7. . . 7. . . . . . Solución de la ecuación homogénea. Ejercicios resueltos . 9. . Observabilidad en sistemas discretos lineales . . . . . .5. . Obtención de la representación externa a partir del estado 7. . . . . Modelo de estado en variables de Jordan .4. Controlabilidad y observabilidad en sistemas muestreados 9. . . . . . . . . . . .7. .1. . .4. . . . . . 7. Solución de la ecuación completa 8. . . 9. . 7.1. . 7. Controlabilidad . . . . . .6. . . . Observabilidad en sistemas discretos lineales invariantes 9. Sistemas muestreados de control 9. Sistemas muestreados .2. . . . . . 9. . .1. . . . . 8. Ejercicios resueltos . . . . . . . Obtención de modelos discretos de estado . . .6.6. . . . . .4. .3. . Definición de estado para sistemas discretos Sistemas dinámicos discretos . . . 8.11. . . . Método de la matriz resolvente 8. .9. . Sistemas variantes . . . .4. . . .3.2.2. . . . 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 .5. . . Observabilidad . 8. .4.1. 7. . . 7. . . Controlabilidad en sistemas discretos lineales . . . . .2. Método de Cayley-Hamilton . Ejercicios resueltos . .5.6. . . . .10. . . 9. . . Solución de la ecuación discreta de estado 343 8. . . Propiedades de la matriz de transición Cálculo de la matriz de transición . . Método iterativo .1. 7. . .2. . . Sistema discreto invariante equivalente . . . Transformaciones lineales . .4. . . 9. . . .2. . . . . Sistemas híbridos . Modelo de estado en variables de fase 7. .3. 8. . Sistemas híbridos realimentados . Introducción . . .7.3. . . . . . . Método de diagonalización de Jordan 8. .4. . . . . 9. . .4. . . . 8. . 7. . . . .3. Matriz de transición . . 9. 8. . .4. . .4.7. . . . . .6. 7.6. . . . . . . . 7. . . . . . 8. . . . . .4. .

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

.

3. . . . . .5.6. 1. . 4. . . . . 5. Sistema con realimentación de estado. . .1. .4.9.ín dice de figu ras 1. . .4. .8. 1. . . . 1. .. . . Trayectoria del vector de estado en el espacio de estado. . . . . . Control proporcional del sistema anterior. .2. . 1. . 1. . 5. . de forma directa (línea continua) y con un punto de paso intermedio (línea discontinua). . . . Transformación de la matriz de realimentación K. 3. .5. . . . 1. . . . . .2. Transición del estado entre dos puntos. . .1. . 5. .2. Bloque integrador. Representación gráfica vectorial del modelo de estado. Bloque sumador .5.7. 5. Puntos alcanzables desde (0. . Separación de la parte no-observable. Multiplicación por una matriz. . . 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 . . . . . . 4. Realimentación constante de la salida. . . . Separación detallada de los subsistemas controlable y observable. 1.10. . . Evolución temporal de las variables de estado . Representación gráfica del subsistema controlable. Superposición de la evolución libre con el subespacio controlable. . 4. Transitividad de estado . . . Adición del parámetro Kü.4. Concepto de observabilidad. 1.4. 1. Separación simultánea de los subsistemas controlable y observable. . .11. . 3. .12. . 5.1. . . . . . .2. 3.. . . Sistema no controlable. Sistemas en serie . . Realimentación en sistema de tipo uno. . . .1. 3. .3. Sistema lineal con el conjunto de entradas de test . . 1. . Representación gráfica del modelo de estado. .3. .3. .0 ) . Sistemas en paralelo . Realimentación del estado . . .5. . . 4. 4. . 1.3.

4. . . Sistema discreto con realimentación del estado. Sistema continuo multivariable . . . . . 9. 6. Sistema muestreado con tiempo de cálculo no nulo. Conversión a sistema de tipo uno . . . . . Sistema muestreado con tiempo de cálculo nulo. Sistema con parte discreta parte continua. Esquema des sistema con observador en la forma canónica observable. . y y y y y 246 287 288 292 293 297 300 301 310 352 353 355 357 390 392 393 394 395 396 . . Esquema del sistema con observador. .2. .2.4. . . Sistema con observador matriz de transformación. 6. . . Concepto de observador. 6. . Sistema muestreado con realimentación del estado. .1.4. . . . 6. Sistema discreto equivalente.3. 7. . 6. . . Sistema con observador realimentación. . . . . 6. 9. 9. Sistema híbrido realimentado. .8.2. Sistema con retardo no múltiplo entero del tiempo de muestreo . 9. 6. .6. .XII ÍNDICE DE FIGURAS 5.3. . . . 9.3. 7. . Sistema con observador realimentación del estado.5. . .1. 6. . . . . Sistema muestreado . . . Sistema con observador de orden reducido. . Esquema des sistema con observador realimentación en espacio de estado transformado. . . . . 7. .6. . .1. 7. . . 9.5.6. . . . .7. . . .

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

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». pues.en español dedicados también al profesional que trabaja en esta temática que necesita de un reciclaje de conceptos. 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. En los meses sucesivos irán apare­ ciendo nuevos títulos que tratarán de ir perfilando el alcance el sentido de esta colección. como un vehículo de comunicación de doble sentido entre la comunidad académica el mundo industrial que está trabajando en el área del Control Automático. Esta colección de libros se ha estructurado en tres direcciones que tratan de abor­ dar los diferentes aspectos que configuran. Está escrito por un grupo de profesores. que inicia su andadura con el mejor de los deseos de ser útil al lector interesado por este apasionante mundo del Control Automático. de la Escuela Superior de Ingenieros Industriales de la Universidad Politécnica de Madrid. técnicas procedimientos que demandasn las cada vez más exigentes especificaciones de la automatización de procesos. con una amplia experiencia docente. La colección de libros «Control Automático e Informática Industrial» se plantea. Madrid.

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. xv . La importancia creciente de los métodos del espacio de estados lleva a R. 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. intuyó la significación profunda de formular una teoría general de los sistemas dinámicos en función de conjuntos de ecuaciones diferenciales de primer orden. Así. dejaron claro la gran utilidad del concepto de estado en la formulación y solución de muchos problemas de decisión y control. entre otros.Prefa cio A finales del siglo XIX H. 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. 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.E. 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. con su trabajo pionero sobre los Nuevos Métodos de la Mecánica Celeste. Lo que es fundamental es que su conducta actual está influenciada por su historia previa y que su comportamiento no puede por lo tanto especificarse simplemente como una relación ñinstantáneaZ entre conjuntos de variables de entrada y salida. Poincaré. el concepto de estado se hace dominante en el estudio de los sistemas dinámicos. Hacia mediados de los años 50 los trabajos de Pontryagin y Bellman. 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.

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

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

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

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.

. según la expresión : q(t) que mod ifica el vol umen de Ah(t) h(t) Ji -... CONCEPTO DE ESTADO 5 q(t) = V(t) = Ejemplo 1.2. lo que evidente­ mente obliga a u n conoci m iento de las condiciones q ue han actuado sobre el sistema .1 El depósito de la figu ra recibe u n ca udal líq u ido q ue contiene. es necesario cono­ cer la evolución del ca udal desde el comienzo de los tiem pos. normal mente fuera de a lca nce.� _1III1t:h(t) Salida • Su poniendo consta nte la sección del depósito. q(t) = Entrada J SISTEMA Estado h �t� - L .. En la teoría clásica de control se rea l iza- .1. 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.

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

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

5 -0. -1 Figura 1. / / ¡- \ ---- ---- ---- X3 -1 / / ---- / ---- / ---- o Xl 2 I I -1 -0.1: Evolución temporal de las variables de estado.75 -0.8 1.5 1 X. MODELO DE ESTADC -0.5X.5 X. o 0. X. .5 I I I ¡1 Figura 1.2: Trayectoria del vector de estado en el espacio de estado.25 0.25 0. CAPÍTULO 1.

. la teoría de estado representa un formalismo para el tratamiento y resolución de sistemas dinámicos deterministas. .. to Continuidad t---+ to (1. Transitividad o propiedad de transición Si se considera en una en el espacio tiempos. to . to l trelacionado pormuestra trayectoriatransición:valor de estado tresestos tiempos. JI. t2 siendo: x(td w(tl . to ...2) Y 3.3.x(h). U(T) ) con h T ::..1.. U(T)) con to T t2 X(t2) W(t2 . Una definición amplia de dichos sistemas es la siguiente: . 1. el del estado en de 2 -'--- �/:. x(to ). x(to ). ECUACIONES DEL MODELO DE ESTADO 9 2.. ::. Las trayectorias en el espacio de estado son funciones continuas: lím x(t) = x(to ) Vt. testá en la 2 . Ecuaciones del modelo de estado Como se ha establecido con anterioridad. tal como se esta propiedadFigura 1.3: 'fransitividad de estado = = < < X(t2) W(t2 .3. tl .3. U(T)) con to T h Esto significa que para conocer el estado en el instante t2 da lo mismo: Conocer el estado en to la entrada entre to t2 · Conocer el estado en h y la entrada entre tl y t2 · < • • = Y Y ::." x(to ) x(td Figura 1.

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

¡ (t) : h (t) y(t) X 2 (t) 1 jj (t) = M [u(t) . a nte u na fuerza de desplaza m iento F(t): 111 1. Se eligen: = = = Ky(t) + J dy(t) dt = f + M Teniendo en cuenta que u(t) :i.Jy(t)] 1 [u(t) . ECUACIONES DEL MODELO DE ESTADO 11 indefinido sin que se produzca variación alguna. x(t) . el estudio de estabilidad requerirá de métodos específicos según la naturaleza lineal o no lineal de esta ecuación.2 y(t) F(t) Al ser u n sistema de segu ndo orden .Ky(t) . 3.KX 1 (t) . mientras que la determinación de los estados de equilibrio se lleva a cabo encontrando las soluciones de la ecuación: (1. de una masa M con consta nte elástica K y con coeficiente viscoso J. u(t)) = O Ejemplo 11 O btener el modelo de estado que define la evolución del desplaza miento y(t) . se estudian a partir de la Ecuación 1.1 .6) J(t.JX 2 (t)] M X l (t) X 2 (t) F(t) . las ecuaciones del modelo de estado será n : y(t) = y(t) d2 y(t) dt 2 = . se necesitará n dos varia bles de estado.4.

X2 (t) . es necesario conocer si un sistema dinámico dado es o no lineal. x l (t) . U2 (t)) n x n x n n.Bf (t . B (t) y C (t) dependen de la representación del estado elegida. la salida es Y3 (t) = aY l (t) + bY2 (t) . aX l (t) + . y a partir de cualquier otro estado inicial X2 (tO) con cualquier otra entrada u 2 (r). U2 (t)) r¡ (t .7) (1.9) x(t) = A (t)x(t) + B (t)u(t) y(t) = C (t)x(t) + D (t)u(t) (1. to < r ::. X2 (t) .B u2 (t)) = = a f (t . aU l (t) + . U l (t)) + .12 y(t) 1 . Para ello se le aplica el test de superposición: Se tiene un sistema que partiendo de un estado inicial cualquiera X l (to ) .8) donde f y r¡ son funciones vectoriales. to < r :S t. de dimensiones B (t) es la matriz de entradas.10) Ésta es la forma en la que se representa el modelo de estado de un sistema dinámico lineal. au l (t) + . responde con otra salida Y2 (t) . 1. aX l (t) + . n. n. .Bu 2 (t)) = = a r¡(t. Se dice que dicho sistema es lineal si para todo a y b reales. to < r ::. m. de dimensión y(t) es el vector de salida. t.4. partiendo del estado inicial X3 (tO) = aX l (tO ) + bX 2 (tO) con una entrada u3 (r) = aU l (r) + bU2 (r). La ecuación de sa lida será simplemente: = CAPÍTULO 1 . x l (t) . como se detalla en la Sección 1. t. por lo que la propiedad de linealidad se verifica si y sólo si las ecuaciones del modelo de estado se pueden expresar en forma matricial como: (1. MODELO DE ESTADO X l (t) Sistemas dinámicos lineales En primer lugar.Br¡ (t . de dimensión p. 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. Las expresiones de las matrices A (t) . A(t) es la matriz del sistema.BX2 (t) . de dimensiones C (t) es la matriz de salida. f (t . Ul (t)) + .3. de dimensiones p D (t) tiene dimensiones p (en la mayoría de los sistemas es nula).BX2 (t) . responde con una salida Yl (t) . x x m. con una entrada cualquiera Ul (r) . de dimensión u( t) es el vector de entradas. donde: x(t) es el vector de estado.

3. ECUACIONES DEL MODELO DE ESTADO 13 Ejemplo 1.11 . 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. to Un sistema. no son funciones del tiempo. . to < T � t.3. sometido a una entrada < r � t. Sistemas dinámicos invariantes y [ �� ] + [O]u(t) M 1 1 ] u(t) B. e Esta propiedad de invarianza significa que. las matrices A. partiendo del mismo estado Xo . Y que produce como salida la señal YI (t) .. pero en el instante to + T. . se dice que es invariante si VT. excitado con una entrada u 2 (r + T) = U I ( T ) . el modelo de estado en forma matricial se ca lcula a partir de las ecuaciones dadas.2.3 Para la evol ución del desplaza m iento y(t) . responde con una salida que es Y 2 (t + T) = YI (t) . en los sistemas lineales. con un estado inicial dado por Xo = x ( to) . D tienen sus elementos constantes. uI (r) .

4.14 1 .1 (t)A(t)T(t) 5é(t) + T . se puede obtener una nueva representación de estado. Transformaciones lineales = = CAPÍTULO 1.1 (t)A(t)T(t) B (t) = T. MODELO DE ESTADO Se parte de una representación cualquiera de estado x(t) : y se define una Tn x n (t) con la particularidad de que no sea singular de que exista la derivada de su inversa. da lugar a nuevas matrices del modelo: A (t) = (T � l ) (t)T(t) + T . quedando: j¿ (t) (T � l ) (t)T(t)5é(t) + T .14) Partiendo de un modelo de estado cualquiera conociendo la matriz de transfor­ mación T(t) . Se define un nuevo vector de estado a partir de x(t) mediante la expresión: x(t) = T(t)5é(t) (1. mediante el vector de estado 5é(t) obtenida mediante una transformación lineal que en general depende de t.1 (t) [A(t)T(t)5é(t) + B (t)u(t)] = (T � l ) (t)T(t) + T . Esto es lo que se denomina una transformación lineal en el espacio de estado. Esta nueva representación del estado.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. y .11) 5é(t) = T .1 (t)B(t)u(t) { x(t) x(t) = = (T � l ) (t)x(t) + T .12) (1.13) C (t)T(t)5é(t) + D (t)u(t) y supone una nueva representación del estado. equivalente a la inicial.1 (t)x(t) T(t)5é(t) A(t)x(t) + B (t)u(t) que junto con la ecuación: y(t) [ = = ] (1.1 (t)B (t) C (t) = C (t)T(t) D (t) = D (t) [ ] (1.

4: Bloque integrador. . y(t) R(t)u(t) (1. pero sigue siendo el mismo.17) .5.15) 1.5: Multiplicación por una matriz. La matriz de transfor­ mación T(t) es tal que sus columnas representan las coordenadas de los vectores que constituyen la nueva base expresados en la base antigua.5. La situación más común es que la matriz de transformación T sea invariante..1 B (t) C (t) = C (t)T D (t) = D (t) (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...(]H5. Bloque integrador. Multiplicación por una matriz. i Figura 1.A(t)T B (t) = T. lo que simplifica la expresión de las matrices del modelo de estado en la nueva base: l A (t) = T.. representado en la Figura 1. REPRESENTACIÓN GRÁFICA DE SISTEMAS LINEALES 15 Lo que se está haciendo es un cambio de base por lo que el vector de estado x(t) viene definido por distintas componentes.4. y(t) = 2.16) u(t) �y(t) = 0 · Figura 1. representada en la Figura 1. · jt00 u(r)dr - = y(to) + ( u(r)dr t it a (1.. que no dependa del tiempo. Hay tres tipos básicos de elementos: 1. es decir.

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

la función de transferencia. En lugar de operar con escalares es más útil operar con vectores. como puede verse en la Figura 1. Función de transferencia y modelo de estado El problema que se aborda en este apartado es obtener. 7 . Figura 1.6.20) La representación de este sistema con los anteriores tipos de bloque será la represen­ tada en la Figura 1.1 . FUNCIÓN DE TRANSFERENCIA Y MODELO DE ESTADO 17 (1.8: Representación gráfica vectorial del modelo de estado. 6 .7: Representación gráfica del modelo de estado.8. u(t) Figura 1. Si el sistema no . 1. a partir de la representación del estado de un sistema lineal e invariante.

23) donde G(s) es una matriz de funciones de transferencia de dimensión p Esta matriz consiste. aplicando la Ecuación 1 .1 B + D = C [sI . una relación entre la función de transferencia de la teoría clásica y el sistema de estado de la teoría moderna.x(O) AX(s) + BU(s) [sI . Si es x(O) = 0.1 AT] .24: [sI .Al . pudiendo obtenerse una cualquiera a partir de una dada mediante la aplicación de una transformación lineal.1 B + D = CTT .1 [sI Al . todas las variables son vectores: donde x(O) es el vector de condiciones iniciales. Como ya se ha visto en este capítulo.Á - [ r 1 B + f> = ( 1 . sea cual sea el modelo de estado del sistema.1 T . Si T es una transformación invariante. Ya se tiene.Al T ( 1 . de esta manera.Ar 1 BU(s) Y(s) = CX(s) + DU(s) = C [sI .T . la función de transferencia que rige la relación entrada salida es única.1 [s CT [sI . En principio. en cocientes de polinomios.1 TT . MODELO DE ESTADO cumple con estas dos condiciones.Al ( 1 . entonces: sX(s) .18 CAPíTULO 1 . coincidiendo con la teoría clásica. 24) = det � _ Al Adj [sI . no es posible establecer esta relación.Al X(s) = BU(s) X(s) = [sI .25) . Teniendo en cuenta además que en 1 . puesto que el modelo de la teoría clásica requiere que el sistema cumpla con estas condiciones. linealidad e invarianza.2 1 ) ( 1 . la función de transferencia del correspondiente sistema es. para todos sus elementos.Ar 1 BU(s) + DU(s) Y(s) = [sI Ar 1 B + D U(s) => -1 B + D => G(s) = C [sI . 15: - [c ] x m. O(s) Es decir.Ar 1 B + D = O(s ) e sI . La expresión de un sistema lineal e invariante es: x(t) y(t) = Ax(t) + Bu(t) = Cx(t) + Du(t) = ( 1 .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. un mismo sistema admite infinitas representa­ ciones de estado.

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 . pudiendo obtenerse una a partir de otra mediante transformaciones lineales. como el polinomio característico sólo depende de A. 1 . En la ecuación de salida sólo pueden estar relacionadas las variables de estado. sino que pueden encontrarse infinitas. aunque la entrada al sistema sí que las tenga.4 y 1 . = 19 (1 .1 . En los siguientes subapartados se explican diversas metodologías para elegir variables de estado de un sistema y. pues en tal caso la derivada de la variable de estado que aparece en la Ecuación 1 . La posición de los ceros del sistema viene dada por las matrices A. por lo que en ningún caso pueden elegirse las entradas como variables de estado del sistema. 1. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO se concluye que el polinomio característico del sistema es : p(s) det [sI . tienen distinta expresión. para cada una de las cuales las ecuaciones que definen su comportamiento. también ha 4e ser así con la estabilidad del sistema. Se admiten discontinuidades en la entrada (por ejemplo. por tanto. Existen distintas posibilidades de elección de las variables de estado de un sistema. 4.Al por lo que los polos del sistema coinciden con los valores propios de la matriz A. de forma que dado un sistema cada una de ellas es diferente. En esta sección se van a explicar diferentes técnicas para obtener una representación del estado. Las variables de estado no pueden presentar discontinuidades. la represen­ tación del estado de un sistema no es única. para representarlo mediante su modelo de estado: Ax(t) + Bu(t) = Cx(t) + Du(t) . En la ecuación de estado sólo pueden estar relacionadas las variables de estado. las entradas y las salidas. sus primeras derivadas y las entradas.5. Métodos d e obtención del modelo d e estado Como se ha venido mencionando en distintas secciones de este capítulo. B. todas ellas equivalentes entre sí. 2. entrada en escalón). C y D.4 no estaría definida. 7 . 7. e igualmente válidas para la descripción del sistema. 3.26) Polos = Valores propios de A Se ve asimismo que.

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. basada en la salida de los integradores. Al hablar de elementos que acumulan energía. Cuando uno de estos elementos acumuladores de energía son puestos en contacto con un entorno con un nivel energético distinto. 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. Por tanto. el móvil giratorio se decelera con una cierta aceleración angular. etc. puede considerarse con unas características intermedias.20 CAPíTULO 1 . lo que impide que las variables de estado presenten discontinuidades. MODELO DE ESTADO Variables de estado como magnitudes físicas del sistema. mientras que la primera es la más genérica y menos sistematizada. 2. la masa suspendida cae con una cierta aceleración finita. 7. una masa desplazándose a una cierta velocidad o un objeto girando a una cierta frecuencia). La segunda. 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.2. 4. La segunda puede aplicarse también a todo tipo de sistemas. Variables de estado de Jordan. 7. se produce una transmisión de energía hasta producir un equilibrio energético. 1 . las dos últimas metodologías expuestas son aplicables solamente a sistemas lineales. si bien en el caso de sistemas lineales se puede predecir la forma del modelo de estado resultante. Según este criterio de ordenación. pudiéndose aplicar a cualquier tipo de sistemas dinámicos lineales o no-lineales. 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 variables que pueden elegirse como variables de estado son aquellas que caracterizan esta transmisión de energía entre un objeto y el medio. Según se verá en las subsecciones siguientes. 1 . se hace referencia tanto a elementos que acumulan energía potencial (un condensador. 3. según se muestra en el Subapartado 1. desde el punto de vista físico. con la característica de que dicha transmisión no es instantánea en ningún caso: el condensador tiene una función de descarga. 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. Variables de estado de fase. la primera metodología puede considerarse como la más intuitiva. 1 . • . Variables de estado como salida de los integradores del sistema.

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

descomponiéndose entonces la anterior ecuación en las dos siguientes: bou . 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. X l . 1 . Una opción clara para elegir variables de estado de acuerdo con su definición da­ da en la Sección 1 . que por tanto no presentan discontinuidades en sus valores ante discon­ tinuidades de la entrada. de forma sistemática. es elegir éstas como las variables que representan las condiciones iniciales de las ecuaciones diferenciales que definen el comportamiento dinámico del sis­ tema. en concreto los 1.(bn s n.2 + .7.1 + .2. Variables d e estado como salida de los integradores 1. y ( 1 . 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) . a continuación se expone dicho procedimiento aplicado. Uc 2 . y Variables de estado como salida de integradores en sistemas monovariables Para estudiar esta metodología se va a considerar. puede ser elegido como variable de estado.8. Este procedimiento puede aplicarse de forma genérica tanto a sistemas lineales como a sistemas no-lineales. Primeramente se reordena se saca como factor común el operador derivada en dicha ecuación genérica. . a sistemas lineales con objeto de obtener una forma genérica del modelo de estado para dichos sistemas.7 y Se concl uye.30) y. . Sin embargo. en primer lugar. 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. .aoy (s n .l + an _ 1 S n . q ue una adecuada elección de las variables de estado ligada a los elementos físicos q ue com ponen el sistema es: Uc 1 . . por consiguiente. Uc3 .22 CAPÍTULO 1. . la obtención de variables de estado de sistemas monovariables representados por una ecuación genérica del tipo: ( 1 . resultando: y(t). 2 .28) donde el término entre corchetes se obtiene mediante la integración del término de la derecha de la ecuación por tanto. simplificando con ello la notación empleada. + at )y . i4 e is .29) ( 1 . + b 1 )u ( 1 . Esta elección es equivalente a expresar dichas ecuaciones diferenciales en forma de integraciones sucesivas elegir como variables de estado la salida de cada uno de los integradores.

se obtiene: ( 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. + b2 )u ( 1 .I bn )U.ai . da lugar al siguiente modelo de estado: < n y ( 1 .41 ) . se van obteniendo ecuaciones con la siguiente expresión genérica: ( 1 .l .2 + .l .bn a n . . la ecuación de salida del integrador la ecuación que describe la variable de estado.7.I Y y . para i = 1 ( 1 .a n .ai . para 1 i ::.aaXn + (ba .I u .33 ) Procediendo reiteradamente de la misma forma.l u ( 1 .3 + .35) ( 1 . resultando: x I + bl u . .bn aa )u. .I Xn + (bi _l .bn u ( 1 .36) la última de estas ecuaciones es la ecuación de salida del sistema monovariable.aI Y (Sn . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO y 23 que son. que puede reescribirse como: e introduciendo este valor de en las ecuaciones anteriores de salida de los integradores representadas por su expresión genérica 1 .l + bn.34.39) X i =X i .bn a2 bn .(bn S n . respectivamente.bn aa b l .l Y= [ O ] x + ba . expresado en forma matricial.2 + an _I S n .38) X l = .32) ( 1 . + a 2 ) Y .40) + bn u ( 1 .1.34) hasta obtener las dos últimas ecuaciones: X n . .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 .bn a l b2 . que.

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

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

48 se obtiene la ecuación de sistema: A l A2 l (E2X + B 2 u) w= ( 1 . dando como resultado una expresión de la forma: ( 1 . la derivada de la salida si el grado del denominador supera en dos al del numerador. por tanto. ( 1 .A l A2 l E 2) x + (B l . la matriz A 2 . las variables w: x Obsérvese que. pudiéndose elegir alternativamente como variables de estado la salida de una ecuación diferencial de primer orden simple.A l A2 l B 2 )u Wi . 2 Como norma general . MODELO DE ESTADO que se pueden agrupar de forma matricial. se puede elegir como variable de estado la salida del bloque si el grado del denominador supera en uno al del numerador. 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.49) -A2 l (E 2 x + B 2 u) = ( 1 . 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. que han sido elegidos como variables de estado del sistema. puesto que representan la información del sistema en cada instante y no pueden presentar discontinuidades en sus valores ante discontinuidades de la entrada. 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 . como la detallada anteriormente. Para elegir variables de estado no es necesario descomponer las ecuaciones diferen­ ciales del sistema hasta obtener integradores puros.51 ) ( 1 . 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. 50) (E l .26 CAPÍTULO 1. si las q ecuaciones iniciales son linealmente independientes. de modo que: U - x = El x + B l Sustituyendo ahora en 1 . de dimensiones q q .9.48) También se obtienen q ecuaciones algébricas que se pueden agrupar de forma matricial: donde. será no singular pudiéndose despejar. y así sucesivamente para las derivadas de orden superior de la salida. Varios casos de obtención de modelos de estado según este método se pueden encontrar en los ejemplos agrupados en el Ejemplo 1 . Variables de estado como salida de sistemas de orden reducido El procedimiento descrito es un método sistemático. . en el que las ecuaciones diferen­ ciales del sistema se han descompuesto en integraciones sucesivas de distintos términos. 1 0 al final del capítulo.

59) .l X n .l u. + bI S + bo) X l 1 -an .53) U (1. que puesta en forma matricial resultará: O O O O 1 x= O O u (1.. 7 . 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 + . . .l O 1 (1.l S +.l S + an.+ a l S + ao (1. .l X l . 3 .58) O O O O -ao -a l -a 2 -a3 La ecuación de salida queda: y = (bm s m + .2 X n. 7.57) Con lo que ya puede construirse la ecuación de estado. MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO 27 1 ..aOX l + u o O O O O 1 O O 1 O O x+ + u (1.1 .l .56) X n = X n. + bI S + bo y El procedimiento de elección de variable de estado de fase consiste en elegir como primera variable de estado X l : (1 .a l X 2 .2 X l .an _2S n .55) = n m n. . ..an .. . . . . .aOX l -an.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 . Con este criterio ya se pueden escribir las ecuaciones de estado: Xn S n X l = -an _ l S n .a l SX l .

61) y En este caso. .An -- (1 . .57: y (bnsn + .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. Variables de Jordan Partiendo de la Ecuación 1 . O ] x (1 .28 CAPÍTULO 1 .. Se suponen todos los polos simples y se descompone en fracciones simples. . .60) Cuando n = m.1 xn + . + b1X2 + bOX1 (1 . . 1 .Al 1 X2 = --u S .1Xn + u] + +bn .54. la ecuación de salida sería de la forma: (1 . 7 .a1X2 . .64) . . bm O . .an . de la forma: y = (bn + �l + �2 + " ' + �) u s-A S-A S .4. lo que indica la matriz D es la acción directa de la entrada sobre la salida a la que se superpone una respuesta dinámica.63) u (1. la representación del sistema en variables de Jordan admite las siguientes opciones: 1 . entonces al ser s n X1 = xn se sustituye xn por la Ecuación 1 .A2 X3 = S -1 A3 1 xn = --u s . .aOX1 . MODELO DE ESTADO pasando esta expresión a notación matricial se obtiene: = [ bo b1 b2 . en los casos en los que en la función de transferencia se cumple que gr(num) = gr(den) . .An Se le asigna una variable a cada uno de estos operadores: 1 X l = --u S . . + b1s + bo ) X l = bn [.

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 .l = ( S -1Al ) 2 U = --A-l xr S1 Xr = --l u S-A 1 Xn = --u xn = AnXn + u s . .s A l 1 Xr . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO 29 con lo que la ecuación viene representada por: (1 .68) ::::} Con esto.65) X �l �2 : : : x= O O y La ecuación de salida se obtiene como: 2.1 . (1 .Ar+l + . + [ = [ PI P2 . . 7 . . Pn ] + bn u r. 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. . + � ) U s .66) Suponiendo que uno de los polos tiene multiplicidad la descomposición se reali­ zará como: y + l (bn + (s -PIAd r .69) . + (s Pr -Ad 2 + �l + S-A Pr+l S . _ _ (1 .An . .67) ::::} ::::} \ \ ::::} ::::} ( 1 .

A continuación se presentan los casos de conexión de sistemas más habituales.9: Sistemas en serie. 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 . 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 .7. La representación gráfica llevaría integradores en serie en el bloque de raíz múltiple e integradores en paralelo en el de raíces simples. Estructuras compuestas Los sistemas multivariables pueden considerarse compuestos por varios subsistemas más sencillos conectados entre sí. = CAPÍTULO 1 . de manera que las salidas de unos subsistemas actúan como entradas de otros de forma directa o mediante sencillas operaciones algebraicas. que darán lugar a cuatro bloques de matrices que representan lo mismo. como los representados en la Figura 1.5. 70) Cuando hay raíces múltiples. la matriz deja de ser diagonal y pasa a ser diagonal por cajas de Jordan. 1.30 y y la ecuación de salida toma la forma: [ (1.9. con un vector B de ceros con un uno en el último elemento. Dos sistemas disjuntos en serie. 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. 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. 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. La obtención de las ecuaciones de estado del sistema global se puede realizar a partir de las ecuaciones de estado de cada subsistema. MODELO DE ESTADO PI P2 Pr-l Pr Pr+l Pn ] x + bn u r x r. .

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

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

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

Las expresiones a nteriores son sólo vá lidas m ientras h 1 � h 2 .h 2 ) . en los primeros insta ntes de tiem po. O bsérvese que. por lo que su estado viene representado por dos varia bles. en caso contrario es necesario ca mbiar el signo dela nte de a m bas raíces.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 . 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 . pudiendo elegirse las alturas en a m bos depósitos h 1 y h 2 . a u nq ue las condiciones i nicia les del sistema podría n dar l ugar a q ue h 2 > h 1 . 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 . q ueda ndo: A 1 h1 A 2h2 F1 . 'c 7 CAPÍTULO 1.34 de perturbación a l sistema .8 1 y'2g(h 1 .8 2 y'2gh 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 concreto si se supone que los parámetros físicos del sistema valen 8 1 = 0. se obtiene el siguiente modelo de estado del sistema linealizado: donde los valores de las matrices están ligados a los parámetros físicos del sis­ tema .8 .38 Y h 20 = 0. Al = 2 Y A 2 = 1 .25. I ntroduciendo estos valores en las ecuaciones anteriores. 8 2 = 0. El modelo de estado anterior puede particularizase para cada sistema. de las ecuaciones no lineales del sistema se obtienen los valores de las alturas en punto de equi­ librio. que valen h lO = 1 .5 Y tomando como punto de linealización el estado de equilibrio determinado por el flujo de entrada FlO = 1.3. debiendo cumplirse que a3 > a2 .1 . EJEMPLOS ADICIONALES 35 Simplificando la notación en las ecuaciones anteriores.816. se obtiene el siguiente modelo de estado para el sistema linealizado planteado: Modelo de estado de un péndulo invertido Ejemplo 1.8 .

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

EJEMPLOS ADICIONALES En las que definiendo las siguientes variables de estado: X l = X. X 3 = () y X4 = iJ se obtienen las siguientes ecuaciones que representan el modelo de estado no lineal: X2 ml sin X 3 X� .8.COS X 3 U . 1. X 2 = X .mg sin X 3 cos X 3 + u M + m sin2 X 3 = X4 (M + m)g sin X 3 . 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. Se considera además la variable intermedia T correspondiente a la tensión ejercida por el muelle K2 .1. que presentan una fricción viscosa de coeficientes {3l y {32 . las anteriores ecuaciones pueden linealizarse en torno a dicho punto de fun­ cionamiento. obteniéndose el siguiente modelo lineal del sistema : _ !!. y dos masas m l Y m 2 . 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.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.9 .!1l M O O Si las variables de salida del sistema son (}(t) ecuación de salida del modelo como: (M+ m ) g 1M y x(t) .

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

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

X4 + m X 2 = m2 I K2 K2 .81) A partir de 1 .81 se despejan las variables de salida e intermedias invirtiendo la correspondiente matriz: -[ [.X 2 .X4 + F mI m2 {J2 X 3 . ya que es más sistemática .1 K2 -K2 -m I O O -m 2 1 mI O K2 mI O O O O O 1 O m2 K2 O m2 �r[� O O O 1 O O O O 1 r �� 1 J [ 1 x.-X4 m2 - CAPÍTULO 1.78 es: o O O -{J2 y el sistema 1 . La forma matricial del sistema de ecuaciones 1 ..79 queda : (1. habrá otros casos más complejos donde la forma matricial resulte conveniente..40 {JI X l .82) . X2 X3 X4 = (1 .. 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 .

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 . 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. EJEMPLOS ADICIONALES 41 y sustituyendo en 1 .10 u (t) Si la dinámica del sistema se puede representar mediante la ecuación dife- .82.8.

MODELO DE ESTADO Ku = :Í:! + aXI el sistema posee una única variable de estado.42 rencial: CAPíTULO 1 . uno que contiene un polo y otro que contiene un par polo cero. que puede ser la salida del bloque. Como primera puede tomarse la salida del bloque. se puede realizar descomponiendo el sistema en dos bloques. teniendo en cuenta que el bloque que contiene un polo debe preceder al del par polo cero 'l1li K(s + e) (s + a) (s + b) . 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.bXI Las ecuaciones de estado son : u (t) Entre otros métodos.aXI . 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.

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

.. no es posible que la salida del sistema sea una variable de estado. a fin de obtener un bloque en el que el grado del denominador sea mayor que el del numerador.bs-b = K + K a. Nótese que en estos casos las condiciones iniciales del estado no se corresponderán con las salidas de los integradores puros. 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+.bb s+b s+ K(a -b)u + bXI { :i. s+b � En sistemas con igual grado en el denominador y en el numerador... MODELO DE ESTADO u( ) y (t __t_'IIiI K(s + a) r-_). .44 CAPÍTULO 1. pues una variación brusca de la entrada implicaría una variación brusca del estado.. 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.

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

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

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 ) . e) l6 puede ser variable de estado .U3 R a) Iz puede ser variable de estado . f) U2 . . l4 Ua pueden ser variables de estado a la vez. EJERCICIOS RESUELTOS 47 2. j ) h e ls pueden ser variables de estado a la vez. variables de estado . 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) . b) h puede ser variable de estado.U2 16 C . cualquiera de las dos.9 .1 . h) U4 U5 pueden ser. es la tensión en bornes de la resistencia de esta primera rama la que absorbe la discontinuidad de la entrada. Para el sistema de la figura. k) h e 19 pueden ser variables de estado a la vez. y puesto que la tensión en bornes de un condensador nunca puede hacerlo. c) la puede ser variable de estado. a) l2 no puede ser variable de estado. i) U2 Ua pueden ser variables de estado a la vez. indicar cuáles de las siguientes afirmaciones son váli­ das: Ug + 11 12 C 13 U 1� R L 14 C=r. d) l4 puede ser variable de estado. por lo que la tensión en bornes de alguno de sus componentes colocados en serie debe tam­ bién variar bruscamente. g) U4 U5 pueden ser variables de estado a la vez.

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

y 3. 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. dependiendo de las condiciones iniciales.9. independientemente de las condiciones iniciales de la evolución de la entrada. a) Utilizando el operador derivada. Siendo a. m. Ángulo de la tobera de propulsión.1.01 radj s y Po = 100 m . Consumo de combustible de propulsión . las ecuaciones del sistema se pueden escribir como: -aw + Kwp cos O U _ pw 2 + Kp sin O u . pueden ser consideradas ambas a la vez como variables de estado. Kp = 1 . a) b) Obtener un modelo de estado del sistema no lineal original . cualquier entrada dará lugar a que los incrementos de intensidades sobre los valores iniciales sean siempre los mismos en ambas ramas. al no variar bruscamente ante cambios bruscos de la entrada. que valen respectivamente 1 . las intensidades que pasan por ambas ramas son variables físicas distintas sin ligazón lineal entre sí que. h e 19 sí que pueden ser variables de estado a la vez. debido a la conexión en paralelo de las dos ramas con la misma impedancia. Velocidad angular de la nave . pero los valores absolutos de las intensidades que circulan por cada una de ellas pueden ser completamente distintos.01 . Kp constantes del sistema. por un razonamiento aná­ logo al del apartado i). Por tanto. m = Obtener un modelo de estado del sistema linealizado en torno a la trayectoria de referencia definida por Wo = 0. la intensidad que circula por los devanados de cada una de las bobinas es siempre la misma. por lo que sólo se tiene una única variable de estado.. Kw . Kw = 0. a = 1. En el presente caso.

respectivamente.OOOlp(t) .01 y'2. se obtiene el siguiente modelo de estado lineal del sistema en torno a la trayectoria de referencia: 1 U . MODELO DE ESTADO Eligiendo como variables de estado la salida de los integradores en ambas ecuaciones.-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. h.50 CAPÍTULO 1.0001x 3 + 4.0l8(t) y'2 Eligiendo las mismas variables de estado.018 y'2 X2 -X l + 0. .O IB (t) y'2 1 -O.OOOlp(t) + 1 u(t) .018 y'2 1 -2X I . 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 .0001x 3 + u + 0. y ambos vierten a una misma tubería .0. con lo que las ecuaciones linealizadas del sistema en torno a estos valores de referencia son: w(t) p (t) -w(t) + O. se obtiene: Con lo que las ecuaciones de estado quedan: Xl .O. Hallar un modelo de estado: B .0. Ambos están alimentados por un caudal qe . En cada depósito el caudal de salida es proporcional con una constante a la altura del líquido.2w(t) + u(t) + 0.

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

= A2 h2 + X2 = E X2 + X2 o - que escrito en forma matricial resulta: A2 B b) A partir del diagrama de bloques: Tomando transformadas de Laplace en las ecuaciones del sistema: . A.52 CAPÍTULO 1. A lhl + XI = El XI + XI . A2 . 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 = .

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

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

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

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

EJERCICIOS RESUELTOS Por último.9. 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.F Flujo de salida: donde: h('l I F. para el sistema linealizado. concentración.1 . tomando como variables como salidas el flujo de estado el volumen y la concentración de salida. C F kv'h k � = = . [ �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 . deducir las ecuaciones de estado. En el sistema de la figura.

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

que presenta las mismas discontinuidades que la entrada y.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. no puede elegirse como variable de estado del sistema. EJERCICIOS RESUELTOS + 59 8. Hallar u n modelo d e estado del siguiente sistema: [ �� ] [ � .1. en este caso dos. se deben elegir las variables de estado. No sucede lo mismo con la derivada de la salida.9. consecuentemente. 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. y. 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. por tanto. . puede ser elegida como variable de estado.

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

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

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

pero estas técnicas quedan fuera del ámbito de estudio del presente texto. 1 . no existe ninguna restricción en la forma de dicha ecuación. muchas veces. 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. Obviamente el problema es aún abordable haciendo uso de métodos numéricos de solución. su tratamiento se ha de abordar de forma particularizada y. tal como se encuentra formulada toma la forma de ecuación diferencial de primer orden. 63 . como en la mayoría de los casos de ecuaciones diferenciales no lineales. 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. 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. la ecuación de estado describe completamente el comportamiento del sistema al que representa y. incluyendo la posibilidad de aparición de no linealidades arbitrarias. sino en la posibilidad práctica de resolución analítica del problema matemático subyacente. salvo los ya conocidos de causalidad y determinismo. sin embargo. lo que nos permitiría extraer conclusiones detalladas sobre su régimen de funcionamiento. La solución de la ecuación en su forma más genérica. no puede abordarse de forma general. Como ecuación diferencial que es.2 2. Es por este motivo que en este capítulo el desarrollo se va a ceñir a ecuaciones diferenciales lineales. En principio. es necesario resolver esta ecuación diferencial para tener un conocimiento explícito de la evolución de dicho sistema. tanto dinámico como estático.

64 CAPÍTULO 2.1) La solución de esta ecuación se plantea. la ecuación completa contempla tanto esta evolución libre como la respuesta del sistema ante el estímulo externo mencionado. por lo que la ecuación a resolver es: x(t) = A(t)x(t) (2.2) con condiciones iniciales x(to) 2. 2. 1. Caso general = Xo .3) la solución de dicha ecuación (2. U(T) . por consiguiente. que dicho sistema no recibe estímulo externo alguno.2.l (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 lo que la respuesta de éste vendrá dada por su evolución libre.5) 'Po = Xo = 'P k (t) 'P o + it f ( 'P k . Cabe recordar que se conoce como ecuación homogénea aquella para la cual la entrada al sistema se anula. t) x( to ) Xo . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES El objetivo en este capítulo es. se puede obtener = (2. Para encontrar la solución de la ecuación homogénea se puede utilizar el método de integración por aproximaciones sucesivas de Peano-Baker.2. es decir.6) . resolver la ecuación de estado de un sistema lineal en el caso más general. Por contra. en dos fases: resolución de la ecuación homogénea y resolución de la ecuación completa. u(t) . 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. es decir: x(t) = A(t)x(t) + B (t)u(t) (2.2 se obtiene la sucesión: = (2. Solución de la ecuación homogénea .4) (2. Matriz de tran­ sición En la ecuación homogénea se supone que la entrada u(t) es nula. a semejanza con las ecuaciones diferenciales usuales.

mediante la que se construye la solución de la ecuación diferencial. to) es la llamada matriz de transición. después de la extracción de este factor común la expresión a la que se tiende es: X(t) = cp(t. y cuya expresión es: (2 .10) Teniendo en cuenta que: Al entrar con este resultado en el término general de la solución de Peano-Baker: .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 (2.2.7) donde cp (t. Se puede demostrar además que esta solución es única.2. 9) El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales x(to) = Xo .2.2. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. cuando el producto de A(t) y Jt: A(T)dT es conmutativo. 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. to)xo (2. 2. Casos particulares de la matriz de transición La Ecuación 2. En este caso la matriz de transición viene dada por: (2.2 tiene una solución sencilla mediante el método de integración por aproximaciones sucesivas de Peano-Baker. se com­ prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la derecha.

. .12) . dT dTkta ta � [1:k-2 A(Tk )dTkr2 1: A(T) · · · 1:k . dTkd.l dTk. ¡ t A(T)dT + .'o ann ( r)dr 1 d.2 ) [ � [1:k -2 A(Tk )dTk] ] dTk.� 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. por ser el desarrollo en serie de Taylor de la función exponencial. es claro que ambas matrices conmutan. ita que. to ) e J. . . .3 A(Tk.66 CAPÍTULO ¡ t A( T) . por lo que en dichas situaciones se podrá hallar la matriz de transición de forma directa aplicando la expresión 2 . 1 (2. .l A(Tk )dTk ] 2 dTk. to ) e J. se puede expresar como: ( r)dr (2.3 A(Tk )dTk ] 3 ta 2. resultando: = �[ ] �. [ ] es <I> (t. rk -3 A(Tk. v " = " - v ' 1 + 2 ¡ t A(T)dT k + .11) <I> (t.2 [irk . ita ita 2 . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES .'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.'o A ( r)dr e ' o t a l dT = J r e J.2 ) irk -2 �2 -l [irk . + ¡ t A(T)dT + . 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.3 · · · dT 3 �.2 . por L a matriz A(t) lo que se puede aplicar la fórmula general. to ) = d . 1 1 : diagonal: en este caso. ita ita = y si se continúa con las sustituciones. .2 dTk.

la matriz conmuta con su integral.14) La matriz A es invariante: en este caso.2 (t .a a ( T)dT _ _ (2.(t . SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA.(t . a (T) dT y y (2. es evidente que la matriz su integral conmutan. Entonces: "' 'l' (t .l ) O e. t o ) .1 _e. entonces se cumple el producto conmutativo del supuesto.2 (t . 1 q>(t.l ) �1 x con lo que la evolución libre del estado es: x(t) � " (t.l ) O 1 . 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. 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.ta � 1 2V .t a ) O et .to ) . puesto que en ambos casos se trata de escalares para los que siempre se da la propiedad de conmutación en el producto.a Ma (T) dT . 15) Ejemplo 2 .e Jtta A (T) dT . l )x. Es decir.t a ) = [ - e t .2. La matriz A(t) es un escalar: en este caso. por lo que la matriz de transición toma la forma: J.2 (t .ta) 'l' _ _ En este caso. to) = e A(t .a A dT . de forma que se puede aplicar la expresión general: "' (t .2.13) (2.e J. se suele utilizar la notación q>(t . � [ O O e.l ) 2 e. to) = e a (2 .e A J.a dT .e A (t .e M J. si: A (t) = Ma(t) donde M es una matriz invariante y a(t) es un escalar. to) sólo de la diferencia entre el instante inicial el final.e J. Como la matriz del sistema es O e . de forma que se pueda expresar como el producto de una matriz invariante por dicha función. t o ) . al depender la expresión de la matriz de transición q>(t.

Valor de la matriz de transición en to El valor de la variable x(t) para el instante t como condición inicial. = A(t)iJ> (t. la derivación cancela el primer integrando de todos los sumandos. Se puede demostrar además que estas columnas forman un sistema generador del espacio de soluciones de la Ecuación 2. Propiedades de la matriz de transición 1 . puede observarse que la matriz iJ> (t. to) cumple con la misma ecuación diferencial que el estado (Ecuación 2.68 CAPÍTULO 2.3.17) Como se observa. . se obtiene: .8) . por lo que todas las integrales se anulan permaneciendo únicamente la matriz identidad. to) (2. que la particularización de la matriz de transición para el instante inicial debe dar como resultado la matriz identidad de la misma dimensión. se puede expresar como una combinación lineal de dichos vectores columna. por lo que la matriz A(t) puede ser extraída de todos los términos como factor común por la izquierda. por lo que y to coincide con el �pecificado al particularizar la sohición para este instante inicial. lo que significa que cualquier solución que se obtenga. dadas unas condiciones iniciales. to) = 1 (2. Transitividad de la solución de la ecuación homogénea Si se calcula la solución de la ecuación homogénea para cualquier instante t2 . . Además. Derivación respecto al tiempo diJ>(t ' to) dt A(t) + A(t) Si se deriva la expresión genérica de la matriz de transición. to)x(to ) :::} iJ>(to . n 2. teniendo en cuenta que la ecuación se cumple para cualquier estado inicial. to) mediante la serie de Peano-Baker (Ecuación 2.6 al final de este capítulo. es decir xo . A esta conclusión se llega igualmente haciendo t to en la expresión de iJ>(t.2. se deduce que: = x(to) = iJ> (to . después de esta extracción. 18) es decir. 2. = 3. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Un caso más desarrollado de cálculo de la evolución libre del estado de un sistema se puede ver en el Ejemplo 2. por lo que puede extraerse la conclusión de que cada uno de los vectores columna de la matriz de transición cumple con dicha ecuación diferencial homogénea. como queda reflejado en la expresión.2) . se tiene: = ¡ t A(T)dT ta + . lo que queda vuelve a ser la suma infinita que define a la matriz de transición.

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

to)xo + cI>(t. CAPÍTULO 2. como cI> (t.23) Para calcular la solución de esta ecuación se utiliza el método de variación de las constantes.28) Si se sustituye esta expresión en la Ecuación 2. to) z(t) v [ A(t) cI> (t. Si la hipótesis formulada es correcta. según el cual se va a suponer que existe una z(t) . to) z (t) .4. pero como no depende de la variable de integración puede introducirse dentro de la misma.1 donde el término entre corchetes se anula por la primera propiedad vista para la matriz de transición y.70 2.24) cI> (t. to ) fuera de la integral. to ) es no singular. to) . es decir.l (T. T)B(T)U(T)dT (2. to) .A(t) cI>(t. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Solución de la ecuación completa El objetivo de este apartado es la resolución de la ecuación completa. y al producto entre ésta .28. por lo que sustituyendo en la Ecuación 2. demostrando que existe la z(t) que cumple con la hipótesis formulada en principio: z(t) = = cI> . to)B (t)u(t) + (2. entonces esta expresión de x(t) debe verificar la ecuación completa. tal que la solución de la ecuación completa se puede expresar de la forma: x(t) hipótesis que se verificará a continuación. = cI> (t.l (t. y teniendo en cuenta que z(to) x(to ) a partir de la ecuación 2.26) B (t)u(t) que mediante integración se resuelve.27) donde al aplicar la propiedad de inversión de tiempos a la matriz cI> (t.25) (2.29) cI>(t.30) En el segundo término aparece cI> (t. to) z (t) + <Í> (t. to)z(t) = (2. T)B(T)U(T)dT ita t ta (2. to)z(t) + cI> (t.24 se obtiene: x(t) = = x(to) + (2. to)B(T)U(T)dT ita t ( cI>(to . se obtiene: z(t) = z(to) t ( cI> . to)z(t) + B (t)u(t) = . cuando existen condiciones iniciales no nulas y entrada: x(t) = A (t)x(t) + B (t)u(t) (2. to) i( cI> (to . se puede despejar z (t) como: z (t) o ] (2.23 queda: <Í> (t. calculando la z(t) que lo cumple.

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

. de grado finito y menor que Llamando P(>') al polinomio característico de la matriz M. t) = C(>'. 2. n. el cálculo de la matriz de transición de un sistema es equivalente al cálculo de la exponencial de una matriz: <I>(t. que incluye el caso invariante. 2. 1. 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.36) . obteniéndose la expresión: n. t) donde C(>'. resto de (2. la matriz de transición se puede expresar mediante su desarrollo en serie.5. por el teorema de Cayley-Hamilton este polinomio infinito particularizado en A(t) puede calcularse mediante un polinomio R(M. t) Por el teorema de Cayley-Hamilton: L = nj=-Ol hj (t)>. Como se verá a continuación.5.j n - (2. t)P(>.'o A (r) dr Para los casos en que la matriz A(t) sea factorizable según la Ecuación 2.'o a(r)dr donde: = k=O 00 L a k (t)M k = Q(M. t) . que no es sino un polinomio infinito que depende de M y de t: e M J.32) (2. Método de Cayley.Hamilton = eJ. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Otro caso de cálculo de la evolución forzada del estado de un sistema se puede en­ contrar en el Ejemplo 2. to) Se van a estudiar tres métodos para la obtención del resultado de esta expresión. Q (>. salvo por el hecho de que la función a(t) es igual a uno.13.) =O + R(>'. t) es el polinomio cociente y R(>'.6 al final del capítulo. t) (2.72 CAPÍTULO 2.35) P(M) (2.34) 1 . Cálculo de la matriz de transición Por lo expresado en el apartado anterior. t) es un polinomio de grado la división entre el polinomio infinito y el polinomio característico: R(>'.33) Para el caso de matriz A invariante el planteamiento sería el mismo.

h 1 � (e. A continuación.e-4 (t-to) ) .4h 1 _ e-4(t -to) ) ha I+h 1 A [ ��(2(e-(t-to) +e-4(t-to) )) e-(t-to) e-4(t-to) _ � ( e-(t-to) e-4(t-to) ) � ( e-(t-to) + 2 e-4(t-to) ) _ ] . se puede deducir que: Q(M. Ejemplo 2 .1 .(t-to) = = e-(t-to) { e-4(t-to) = = ha .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. comprobándose que sus valores son A l .38) donde los Ai son los valores propios de la matriz M.5. t) se hace uso de la propiedad de que los valores propios anulan el polinomio característico: = = (2. 3 = n (2.40) Calcular la matriz de transición del sistema definido por la matriz: A = = = - [ -22 13 ] y En primer lugar se calculan sus autovalores. Para obtener los coeficientes del polinomio R(M.4 . se plantea la ecuación asociada a cada uno de ellos. que el polinomio característico de M se anula particularizado para sí misma.h 1 ha .34 A M. sustituyendo en la Ecuación 2.1 e Ai J:o Q{ r)dr R ( A i t ) L hj ( t)A{ que permitiría obtener las incógnitas hj ( t). CÁLCULO DE LA MATRIZ DE TRANSICIÓN 73 es decir.(t-to) . = n j= a (2. t ) R(M. t) (2. con lo que resulta : despejando este sistema resulta : ha = por lo que la matriz de transición resulta : <I> ( t. sustituyendo en la Ecuación 2 . por lo que. A 2 .40.2.39) . por lo que: con lo que se obtiene un sistema de ecuaciones: n. ta ) = � (4e.

no se anularán cuando se particularice la derivada de orden superior de Q (A. t) en Ai .74 CAPÍTULO 2. Ejemplo 2. t) m i . En el caso de que la matriz M presente algún valor propio múltiple. un valor propio doble. A partir de este orden aparecen sumandos que no dependen de (A . t)Pi (A)mi (A C��. t) dA + d C(A.4 A = I A=� Y = Ai ) d ) (A C(A. Dado un valor propio Ai con multiplicidad mi .34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. t) dA y Esta igualdad entre la derivada de Q (A. t) dA I A=� (2.Ai ) que.7 al final de este capítulo. Se cum ple que: Obtener la matriz de transición del sistema definido por: [ -21 O1 ] = . es decir. para obtener t�tas ecuaciones distintas como incógnitas. t) Pi (A) (A _ Ai ) mi _ expresión en la que todos los términos se anulan al particularizar para Ai salvo el último.44) sabiendo que to = o. quedando: dQ (A.42) _ Ai ) m i (2. el polinomio característico es de la forma: (2. 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. por lo tanto. resulta: dQ(A. 2 1 . t) + �y R�� (2.43) dR(A. se deben utilizar las derivadas de la Ecuación 2. 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.l + d . com­ probándose que ambos coinciden en A l . t) se seguirá cumpliendo hasta la derivada de orden mi . t) la del polinomio R( A.1 inclusive.

se tiene el sistema de ecuaciones: = (1 - t) e t tet (1 . sustituyendo >.d>' De donde. Mét o do de J ordan Al igual que para el método de Cayley-Hamilton. en el caso de que todos los autovalores sean distintos.1 A(t)T = T . por columnas.45) (2. to) . de los vectores propios asociados a los valores propios de la matriz M.h 1 d>' . por su valor.5. La ventaja de esta transformación es que la exponencial de una matriz diagonal en cajas de Jordan se calcula de forma muy sencilla.47) T . �(t. al ser el valor propio doble. Tal como se vio en el teorema de cambio de representación de estado. to)T .1 MTa(t) (2.t)é Sustituyendo en el polinomio resto queda : ] 2. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 75 y. si se consigue encontrar la matriz de transición para el sistema en el nuevo sistema de referencia. to) T�(t. t) dR(>'.2.5.13. t) t =} t e A .46) Para el cálculo de la matriz T se sabe que. conocida como forma canónica de Jordan. es posible obtener la del sistema original mediante la transformación: <l> (t..2. se parte de una forma de la matriz que permita su factorización de la forma que se expresa en la Ecuación 2. con lo que la matriz de transición del sistema toma la forma: A(t) El método de Jordan consiste en realizar una transformación: que transforma a la matriz del sistema en: A(t) Ma(t) = = = de manera que sea diagonal en cajas de Jordan. la exponencial de una matriz en cajas .1 (2. ésta se compone. se ha de cumplir también que: e t = ho + h 1 t e t = h 1 =} ho _ _ dQ (>.

O O O O O O O (2.76 CAPÍTULO 2. u(r)dr Valor propio múltiple: si la matriz es: M i a(t) Á i (t) = = ).48) donde M i a(t) son cajas de Jordan I de la matriz Á (t) .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:.49) 1 En el Apéndice A de este libro . se muestra un método para la obtención de la matriz diagonal en caj as de Jordan ).t u(r)dr e Mi It o" O O (2. Sección A. 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 . 1 O O ). 1 O O ). a(t) . 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.

el cálculo de la exponencial de una matriz se realiza en los siguientes pasos: Cálculo de la matriz diagonal en cajas de Jordan. <p(t.50) 1 De esta forma.5.3 ( n .2. � (t.to ) 2 .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 . según el método de Jordan.1 .l . Multiplicación de esta matriz por las matrices de transformación para devolver el sistema a su expresión original. A continuación se calculan los vectores propios asociados. 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 MATRIZ DE TRANSICIÓN la exponencial es: - = e A f:� a(r)dr . mediante el cálculo previo de las matrices T T. to) . to) = [ e -(t .1 ) ! (2.3) ! - (n .4 . • Ejemplo 2 . Cálculo de la exponencial de la matriz diagonal en cajas de Jordan.2 (n 2 ) ! Utto a(T)dT) n . A 2 = .l Ut: a(T)dT) n . to) .3 sabemos que los autovalores de esta matriz son A l = . 5 • • y Del Ejemplo 2.

mientras que en el Ejercicio 3 se puede ver un caso de aplicación de estas metodologías para un caso no invariante.l BU(s) x(t) Ax(t) + Bu(t) = (2.l ] Xo + .A) .:¿ [(sI . como se acaba de hacer.A) . mediante la transformada de Laplace.A)X(s) = Xo + BU(s) =} X(s) = (sI .:¿ .54) cI> (t) * Bu(t) (2.78 CAPÍTULO 2.5.:¿ .3. Por otro lado. el segundo sumando se anula. al final del capítulo.l BU(s)] = sX(s) . por las propiedades de la transformada de Laplace. 2. si la entrada al sistema es nula.A) . por lo que se propone un método alternativo para hallar su solución como: l -l x(t) .l XO + (sI . Mediante la transformada inversa de Laplace Si el sistema es invariante. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el Ejemplo 2. convolución que aparece como segundo sumando de la solución general de la Ecuación completa 2.51) (2. puede encontrarse un caso de cómputo de la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del de Jordan.8. se comprueba. se puede establecer una correspondencia entre la expresión de la solución completa.52) Esta expresión permite obtener la evolución del estado en función de las matrices de las ecuaciones de estado y del estado inicial.] Xo (2. Se parte de la ecuación: Tomando la transformada de Laplace: y = =} =} tomando antitransformada de Laplace: x(t) l -l . se observa que la matriz de transición se puede hallar como : En cuanto al segundo sumando.[(sI _ A) . De esta forma.53) Por tanto.A) . la ecuación de estado se puede resolver mediante la trans­ formada de Laplace.[(sI _ A) . identificando el primer término. Como puede observarse en la Ecuación 2. .Xo = AX(s) + BU(s) =} (sI .:¿ [(sI .55) que se corresponde con una integral de convolución en el dominio del tiempo.52. que: l .52.l BU(s)] = (2. la situación de entrada nula es la que se plantea para la ecuación homogénea. y la expresión general hallada en la sección anterior.

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

0 .2 ( t.2t to to t e .5 5 t Xl X2 = <I> (t.80 CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 1. Ante entrada esca lón u nitario.2t + 1 + e-t � ( e.r) 1 -1 -2 -3 -4 e. 5 -1 -2 3 - -4 .( t. 5 1 1 .2 t .1) 3 4 ] 5 t 4 En la siguiente gráfica se m uestra la trayectoria dentro del espacio de estado marcada por estos com porta m ientos.5 -1 -2 -3 -4 b. 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) _4 e. T)B (T)U(T)dT = = [ ] +¡ [ O O =[ 2 e-t _4 e.5 1 0. O)xo + Jt <I> (t.

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

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

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

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.A l eA2 t A2 . polos del sistema ) .A2 .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. Para hallar la evol ución tem pora l de las a lturas es necesario calcular previa­ mente la matriz de tra nsició n . M atriz de transición por el método de Cayley.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 . . O) = eAt = hoI + h l A = 1 (A 2 + a d e A 1 t .84 CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES ejemplo: donde los va lores de estas matrices dependen de los pará metros físicos del sistema concreto y de su pu nto de l i nea l ización .(A l + a d e A 2 t . Resolviendo este polinomio característico se obtienen los dos polos rea les del sistema q ue denomina mos A l y A 2 . q ue se va a resolver primero media nte el método de Cayley.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 .H a m i lton y después media nte el método de Jord a n .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.

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

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

13 9t 1) .996 ] [ hh21 ] + [ 0.11 .'506gee--00.1 ) ] ) + _ + donde poniendo como condiciones i nicia les d e las alturas e n a m bos depósitos [h l O h 20 ]T = [0.5f e i ntrod uciendo u na entrada consta nte de va lor F = 1 .7 .2.0 .11 .2 6661 ( e .2606 13 9t 0..'506gee-.1 .0 .33tt 2606 ). 3 t ..0 .5O ] F1 de donde se tienen los siguientes polos del sistema: con lo que la matriz de tra nsición resulta nte es: <p(t.1 .2606 e .588 O _ 0. siendo todos estos valores i ncrementa les sobre el p unto de l i nea lización . 3 t 0. 1003( e .3802ee-.33tt ] [ hh2lO0 ] 0. 1 = -0. 1952( e .3802 e . EJEMPLOS ADICIONALES 87 Si se considera el sistema concreto del Ejem plo 1 .441 0.0 .1 82 7 8( e .3..1 .2 = . se obtiene la evol ución de las alturas representada en la siguiente figura : 2 5 r-----�--�--__.139t .139 Y ). � 06 O \ ----�----�----�------�--�0 � 4 6 2 8 1 tiempo (5 ) .00.0.1 ) + 0 . 0. 13 9t . 3t ] y la evol ución de las alturas resulta : _ [ hh2l (t) ] (t) [ 0. cuyas ecuaciones son : [ h�21 ] = [ -0. O) = 7 394 13 9t [ 0 . S� 1 .3802ee--00..5 0.1 + F [ -0 . 7 394 13 9t 0 .139t + 0.3802 e .506gee-. 7 394 .11 .1 . 5 � E 2 � � 0� ----2 ----�----��----�--�0 4 6 1 8 tiempo (5 ) 1 2 S 08 N §.2606 0..1 .0.6.139t + 0O. 13 9t . 3 t .506gee -.33tt 0. 139t + 0. 7394 e.441 -0..

88 CAPÍTULO 2. 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.. : 5 3 35 " . la evol ución desde condiciones i nicia les n u las y con entrada incrementa l y.desde e i nula -.�==� 30 4O==� 50 ..modelo no lineal .. 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. 816. la evolución fi nal de los i ncrementos de las alturas cua ndo existen condiciones i nicia les y entrada . En d icha figura puede observarse la evol ución l i bre de los incrementos de las alturas ( es deci r. La resol ución analítica del modelo de estado no l i nea l no es posi ble de forma genera l .0� h1 (t) (m ) s � g4 .38 Y h 2 0 = 0. que por ta nto no figu ra de forma explícita ..modelo linealizad 10 --� � 1 0��2� O�=7. h lO = 1 .modelo linealizad ///'/'�-------l tiempo (s ) .. ..//.s � E"' 0 6 04 02 °B 1 4r-----�--�--_. según se verá en capítu los posteriores. 2==�5 2 15 % -�� 5--�1���===� �� .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..modelo no lineal . como suma de las dos trayectorias a nteriores . a nte entrada i ncrementa l n u la ) .. 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 . 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.. 12 evolucion libre . siendo ésta una cu rva para métrica en fu nción del tiem po./ 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 .

7. 7 .2 A 2 = -3 A3 = . En el ejemplo propuesto esta d iferencia se hace m uy nota ble en régimen permanente. Ejercicios resueltos Hallar la matriz de transición del siguiente sistema: El primer paso para hallar la expresión de la matriz de transición es el cálculo de los autovalores de la matriz A. 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 . para 2 . 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 .38 Y h 2 0 = 0. 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. Para ello. esto es.2 . 816.4 Por lo que se tiene que los valores propios son: A partir del conocimiento de estos valores propios. lo que será objeto de estudio en ca pítu los posteriores. • Método de Cayley-Hamilton Se plantea el sistema de ecuaciones correspondientes a la particularización . se ha de resolver el polinomio característico: det ( AI . 1. EJERCICIOS RESUELTOS 89 no linea l .1] = (A + 3) (A + 2) (A + 4) (A + 3) [(A + 3) Al = . Estas diferencias entre a m bos modelos será n . 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. [h lO h 2 0 V = [O oV .A) A + 3 -1 O O -1 A + 3 = (A + 3) 3 _ (A + 3) = O A+3 O 2 . sin embargo. que como ya se sabe coinciden con los polos del sistema. 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.

h 1 . la matriz que diagonaliza A es la formada por columnas.4 t = ho .4t ) 2 � ( e .2 e . por sus vectores propios. se puede calcular la matriz de transición del sistema para el sistema original a partir de la matriz 4>. => [ -� -� n [ �:: 1 [ � 1 .90 CAPÍTULO 2.4t ) 2 O • Método de Jordan Conocidos los valores propios. se sabe que existe una base del sistema para la cual la matriz del sistema es diagonal. Particularizando la expresión (Al ­ A) = O para los distintos valores propios se obtiene: A � -2.3t + 2 e .4t ) de los valores propios resultado: Con estos coeficientes se plantea la ecuación mediante la que se obtiene la matriz de transición: 1 .3 t = ho . 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 .2h 1 + 4h 2 e .3h 1 + 9h 2 de donde despejando e .8 e .4t 1 Basándose en la transformación que pasa la matriz A a forma diagonal.3 t + 3 e .2t . y en dicha base de referencia la matriz de transición toma la forma: 4>(t) = [ e .2 t = ho .( e .e . 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.4h 1 + 16h 2 los coeficientes (ho .2t .e . h2 ) se obtiene el ho = 6 e. Como ya se sabe.2 t .2t O O O e .3t O O O e .4 t 1 1 h 2 .2t + e .

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

en primer lugar.7X 3 . se calculan los vectores propios para hallar la transformación que la diagonaliza (método de Jordan) : A = -l.8X l con lo que el modelo de estado expresado en forma matricial queda: o 1 O O -8 . dado que la ecuación es de tercer orden.92 CAPÍTULO 2. siendo una posible elección: Xl = y X 2 = iJ X 3 = fj :h = X2 X2 = X3 X 3 = . serán necesarias tres. . det(AI . en este caso.14 A partir de esta expresión se calcula la matriz de transición por el procedimiento habitual.2 V21 = V22 =} . =} V1 1 = .V12 =} A = .14x 2 . . 2 + 14>.2 V22 = V23 A = -4.2. su dinámica: y. que identifican a los polos del sistema por lo tanto. se extraen los valores propios. + 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 ). SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En primer lugar se han de elegir las variables de estado.A) A -1 O O A .

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

= <I> (t. es posible hallar la matriz llI(t. .h 1 2 e 2 ( t -t � ) = ho + 4h 1 .V 1 2 Vl = [ � [ -� ] [ V2 1 ] [ � ] V22 . como ya es sabido.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) : . Dicha matriz de transformación.O O ] � [ e '2Q�'2 2 e 4 = . to) en el sis­ tema de referencia inicial. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el sistema de referencia diagonalizado. se construye por columnas con los vectores propios de la matriz A: ).'5 e 2 = ho . -2 = - [�] Con lo que la matriz de transición en el sistema de referencia inicial queda como: llI (t. to) = [ .94 CAPÍTULO 2.1 =} =} ). la matriz de transición del sistema sería: 1 A partir de esta expresión de la matriz de transición y mediante la matriz de transformación correspondiente. = 4 =} Por lo que la matriz de transformación queda como: =} 3 V2 1 = 2 V22 V2 = [ -3 -3 ] [ Vll2 ] [ � ] -2 V1 ] Vll . to) = T<I>T .

t al .3 e . determinar la evolución En primer lugar se calcula la matriz de transición.- .Al = >. dado que posteriormente se han de realizar cálculos de respuesta ante determinadas entradas.) = det [ >'I .t al + 3 e .7. la evolución del estado viene dada por: 4.6 . Primero se calculan los autovalores de la matriz A: p(>. 2 . se obtiene finalmente: <I> (t. = . Por conveniencia se utiliza la vía de la diagonalización del sistema y la definición de las pertinentes matrices de trans­ formación.'5 2 2 3 e 2 (t . to) . EJERCICIOS RESUELTOS 95 2 2 � 2 e 2 (t . Conocido entonces el valor de la matriz de transición por cualquiera de los dos métodos. lógicamente.2 + 8 >' + 12 = ( >' + 6 ) ( >' + 2) y. 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.2 sustituyendo estos valores en la anterior ecuación y sustituyendo en A. se calcula la matriz de transformación a la forma diagonal construida con los vectores propios: [ -31 -31 >.2 .� 5 _ [ resultado que. resulta mucho más cómodo hacerlos para el sistema diagonalizado y luego devolver los resultados a la representación original. Esto es así porque.2. a partir de ellos. coincide con el anterior. que realizarlos directamente en ésta.

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

En e l sistema d e l a figura.e -6 + 2 e .::: 2 .Tx b ( t - 5.7. fijado por la evolución del estado al final del intervalo anterior: lo que no existe es término debido a la evolución forzada. por lo que la variación del estado se debe exclusivamente a su evolución libre: Xb (t) = cI>(t.1 .1 ) + e -6(t-2)) ] O O -2 -6t -6(t-1) -6(t. así como la diferencia entre ambas.2) ) [ _16( (-2ee-6t ++ee-6(t-1) ++ee-6(t-2)) ) ] i - que en su representación original es: x b ( t ) . EJERCICIOS RESUELTOS 97 que en la representación original del sistema equivale a: Xb (t) = T Xb (t) = • 1 6(t. a partir del instante to = O. determinar l a evolución d e l a tensión e n cada conden­ sador. 6 y t .1 [ -ii(--1-_e--6(t -1) )++2e -6t) ] 2e-6t) ( e En este intervalo existe un valor inicial. en los siguientes casos: 11 Ug + R1 U c1 • C1 R2 12 U c2 • C2 . u(t) = O 2) [ 1 ( .1 2 ) ] = [ _ -61 ( -2e -6t + e -6(t. puesto que la entrada se anula.2.

= 2V to o 3) Un escalón unitario a partir de to . UC2 = . X 1 (t) + R.58.6 F. G1 = 2 x 1 O . X 2 (t) = UC2 siendo la entrada y la salida: u(t) = Ug (t) y (t) = Uc. (t) + Uc.98 CAPÍTULO 2.1 V Las ecuaciones del sistema son las siguientes: Ug (t) = R 1 lt (t) + Uc. (t) .lC.UC2 (t) por lo que las ecuaciones de estado quedan: Xl = . (t) con con Sustituyendo las intensidades se obtiene: Ug (t) = R 1 GdJc. 2) Un escalón unitario a partir de Datos: R 1 = 100K R 2 = 200K G2 = 10. u(t) X2 = R2�2 X 2 (t) + R21C2 u(t) - .6 F Tensiones iniciales en los condensadores: Uc. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Considerar dos posibles valores de G1 : a) b) G1 = 10. hasta un tiempo tt = 0. considerar tres posibles entradas: Para cada valor de 1) Permanece nula. G1 .6 F . (t) Ug (t) = R2 G2 UC2 (t) + UC2 (t) Se eligen las siguientes variables de estado: X l (t) = Uc.R}. y posteriormente cero.

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

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

RICI .2 __�� 0.e.R2C2 t .l �____�� O 0. xo = [ 2 _l J T . se obtiene: x(t) = 1 1 [ + e . EJERCICIOS RESUELTOS � 101 Sustituyendo: x(t) + [ e RICI - O R I CI R2 C2 1 1 x(t) 1 l .5 1 Es t ado 0.4 __ t �� __�� ____ � 0.5t 2 e . 2 1 Ent rada ub .e.10t 2 e .8 1 .5 O �--�----� -0 .5t La representación gráfica del estado y de la salida es la siguiente: [ 1 + _ Evo luc i ón de l e s t ado .7.2. 5 .to � La salida será: Dando valores.l Ot ] =} y(t) = e .6 0.

2 0.4 0. Segundo caso: si t � t I . Ent rada ub . entre [to . to)x(to) < + it <p (t. la evolución del estado será: Donde hay que distinguir dos casos: Primer caso: si t t I .6 0. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Evo l u c i ó n de la s a l ida . sustituyendo: • • x(t) = <p (t.8 O t 1 3) Si la entrada es un rectángulo de altura unidad. xo = [ 2 _l] T o ���������==� 0.102 CAPÍTULO 2. será igual que el apartado anterior . r)B (r)u(r)dr ta x(t) + x(t) . t I ] . entonces.

l O t + e.5) y [ e .6 t . Entrada ub .5 t + e . xo = [ 2 _l]T = e .O.4 0.lO t + e . xo = [ 2 _l] T S a l 1 da 1 .2 0.6 0. se obtiene: => X(t) = y(t) La representación gráfica del estado de la salida será: Evo l u c 1 ó n del e s t a do . 5) 1 E s t ado 0.5( t-O. 5) + 2e .8 1 Evo luc i ón de la s a l 1 da .2.1O(t . 5) . 5 1 0.1O(t .5 0.O .8 O 0.2 e. Entrada u c .4 t 0.5 O �������� 0.5( t-O.5t ] _ e . EJERCICIOS RESUELTOS 103 Mientras que la salida será: Dando valores.7.

104 b) CAPÍTULO Si el = 2 1 O . �� .8 O 0. 8 0 0 2 0 6 t Evo luclón de la sal ida Ent rada ua .5 o���������� 0. Entrada ua .5 -0 . xo = [ 2 _l]T 0. xo = [ 2 2 E s t ado 0.1� � ���� ---�.4 O 6 t .5t [ ] _l ] T La representación gráfica del estado y de la salida es la siguiente: Evo l u c i ón del es tado .2 0.6 F.�-.����4 1 0 .0 . Sustituyendo en las ecuaciones obtenidas en a.5 t _ e. 1) Entrada nula. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES x(t) y(t) Se obtiene: x(t) y(t) 2 e. l : x 2.5 t 3 e . 5 .

5 Entrada ub .4 0 6 0.5 O ������. Ent rada ub .] 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 .R2 c2 e RlCl + 2 e R2C2 y(t) Se obtiene: [ 11 -+2ee. 2 : 1 + e. 2 1.2 e.5t5t x(t) = .=��� 0. xo = [ 2 _l] T 1 0.7.4 t 0. EJERCICIOS RESUELTOS 105 2) Entrada escalón.8 1 O t .8 1 Evo luc i ón de l a s a l l da . Sustituyendo en las ecuaciones obtenidas en a.2.RlCl x(t) 1 . xo = [ 2 _l] T 0 �--�-----1 0.5 1 E s t ado 0.6 0.2 0.2 0.

5) 3 e. Se distinguen dos casos: Primer caso: si t t l .5 Entrada uc . xo = [ 2 0. entonces. será igual que el apartado b. t¡J .6 0.í Segundo caso: si t .4 t 0.5( t.5( t.O.::: t l .!. 3 : • < • x(t) y(t) e _ .5 1 E s t ado 0.8 1 .106 CAPÍTULO 2.O.!::!L _ . sustituyendo en las ecuaciones obtenidas en a.=!lL R1Cl + e R1Cl + 2 e R2C2 _ . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 3) La entrada es un rectángulo de altura unidad. 2 1.!.2 é t + e.5 t + e.=!lL - e _ R2 C12 t-t Se obtiene: x(t) y (t) e.5) . entre [to .5 t [ ] La representación gráfica del estado y de la salida será: _1]T Evo l u C 1 6n d e l e s t ado .

6 0. achacable al' sistema.=======� 0. esto significa que el sistema impone una restricción a las variables de estado: dadas unas condiciones iniciales determinadas. Está motivada por la coincidencia en la dinámica de las dos variables de estado. 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 .2 0. la salida es la misma. será profundamente tratada en el siguiente capítulo. Como dicha salida es la diferencia de las dos variables de estado.4 0.7. Esta limitación. una vez particularizados los datos: y(t) . xo = [ 2 0.2.5 O� O __ �����. por lo que los incrementos en su evolución serán los mismos.8 1 t Se observa que con cualquiera de las tres entradas. pero en cambio no es posible obtener los dos a la vez. La dinámica del sistema se aprecia en la ecuación de estado. Entrada ub . pues su diferencia ya está fijada. para el segundo valor del condensador el .

.

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

Si un sistema no es controlable. es el representado en la Figura 3 . al estar sometidas ambas a la misma dinámica. Figura 3.110 CAPÍTULO 3. x. este he­ cho queda patente por el estudio de los bloques con cuyas salidas se corresponden dichas variables. 1 : Sistema no controlable. 1 .2: Puntos alcanzables desde (0. en cualquier instante el valor de la variable X2 es dos veces el valor de la variable X l . de estado están ligadas. . partiendo de condiciones iniciales nulas como se ha dicho. Como puede verse. 2. la siguiente cuestión que surge es determinar los puntos del espacio de estado que pueden ser alcanzados partiendo de un estado inicial dado. El lugar geométrico de los puntos que pueden ser alcanzados por las variables de estado dadas para el sistema de la Figura 3 .0) . Entonces se dice que el sistema no es controlable. 2. partiendo de condiciones iniciales nulas. la restricción de que la dinámica de ambas variables de estado es la misma en todos los casos se traduce en que. porque no puede alcanzar cualquier estado deseado a partir de un estado inicial dado. CONTROLABILIDAD u(t) 8 + 2 2 1 Xl (t) 8 + 2 X2 (t) Figura 3 .

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) . cada condensador se carga a d istinta velocidad. cuá les son estos pu ntos controla bles en un tiem po determi nado. dependiendo la evol ución de cada u na de ellas de la ley de variación de la entrada u(t) uti lizada . Ejemplo 3 . u Si las consta ntes de tiempo de a m bas ra mas son disti ntas. R 1 Cl =f. 1 . 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. q ue dependen de las tensiones i n icia les de a m bos 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) . pu ntos del espacio de estado) . así como las propiedades de d icha entrada uti l izada . sea cual sea la ley de variación de la tension de entrada u(t) uti l izada. R l Cl R2 C2 .13 . Las cuestiones pla nteadas en este ejemplo son objeto de estudio del presente = . 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. Si la situación i n icial no fuera de eq u i l i brio. 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. 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 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. las tensiones en a m bos condensadores tendería n a igualarse . a m bos condensadores se carga n con la m isma tensión i ncrementa l (a partir de cua lquier situación i nicia l de eq u i l i brio) . En el caso de que las consta ntes de tiempo de carga de a m bos condensadores sea n idénticas. ca be pregu ntarse cómo es posible encontrar una entrada o conj u nto de entradas que consiguen controlar dichos puntos. de ma nera que las tensiones i ncrementa les en a m bos condensadores será n d iferentes entre sí. pues. R2 C2 .

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

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

8) El determinante coincide con el producto de los valores propios de la matriz.9) . por lo que W(t. Si se considera el vector propio. to) es singular.l (t l . Condición necesaria Si se supone W(t l . se demuestra que existen puntos del espacio de estado que no son controlables. to) (3. quedando: (3. Para ello se considera como entrada: (3.5. to) es no singular. se puede encontrar al menos una entrada que transfiere el estado desde el origen hasta cualquier estado x l .4) es no singular.1 14 Un sistema con una ecuación de estado: CAPÍTULO 3. lo que es lo mismo. Se parte de que W(t l . (3. según la Ecuación 3. siendo esta entrada la expresada por la Ecuación 3. y lo mismo sucede con X l . to) . • singular. por lo que: det [W(t l . correspondiente a ese valor propio nulo se veri­ ficará que: v. = A(t)x(t) + B (t)u(t) W(t l . desde el estado inicial nulo hasta el estado X l . to)] = O (3.3. t l ] si y sólo si su gramiano de controlabilidad.7) Si W(h . to) puede salir fuera de la integral.5) Sustituyendo: (3. CONTROLABILIDAD X{ t) es controlable en definido como: [to .6) W . to) tiene al menos un valor propio cero. 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.

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

es deci r. todos los suma ndos exponencia les tienen un valor despreciable. tra nscu rrido u n tiem po suficiente.116 2 CAPÍTULO gra m iano. 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. es necesario com probar q ue éste es invertible.2 t 32 48 En la Ecuación 3.5 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. se com prueba que el va lor tota l del determ ina nte va a u mentando. el primer paso es ca lcular la matriz de tra nsició n : 3 ( e -t . 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. 1 . 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.3t 3. Por lo ta nto.3. O) es d isti nto de cero. puesto q ue en ese caso los l ím ites de la integra l que define W(t.8t _ _ e . O) ] = 1 92 + Es fácil deducir q ue se ha de a n u la r para t O. A partir de este i nsta nte. 3. Para ello se ca lcula primero dicho determina nte : 1 det [W(t . q ue su determina nte es d isti nto de cero. 1> ( h to)x(to ) . O) coinciden .e .3 t ) e . .4t _ _ e . Por lo ta nto. hasta q ue. Para sucesivos insta ntes de tiem po. perma neciendo solamente el pri mero.2.6t 1 92 48 = + 1 1 _ e . sa lvo cua ndo éste sea ta m bién el fi nal de dicho interva lo. O) . Cálculo de la entrada e n sistemas lineales 1 1 _ e . el va lor del determina nte permanece práctica mente consta nte.

Moore referenciado en la Bibliografía .<fl (t l . entendiendo energía como: (3.I (ta . 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. se calcula una entrada que lleve al sistema desde este estado intermedio Xa en ta al estado final X l en tI . to)xa .2.3 se puede observar gráficamente este procedimiento de generación de nuevas entradas por elección de un punto de paso. to)Xo X l =XI . t)W .3. 1 Véase el artículo de B . ta � t < t¡ (3. Yuxtaponiendo ambas entradas en el tiempo se obtiene una nueva entrada que lleva al sistema desde Xo en to a X l en t¡ . 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. a continuación.<fl(ta . t)W . En la Figura 3.I (t l . ta)XI . pasando por un punto arbitrario Xa en el instante intermedio tao Como tanto Xa como ta pueden tomar valores cualesquiera arbitrariamente elegidos. 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 . C . ta)Xa según se ve en la Ecuación 3. 1 7) donde: Xa =Xa . 15) Además. to � t < ta BT (t)<flT (t¡ . 16) donde: Caso 2: 'Iransición con punto de paso intermedio BT (t)<flT (ta .3.

CONTROLABILIDAD \ / U2 . Ejemplo 3 . 2 25 2 CAPÍTULO � 3. no es nece­ sario rea l izar la correspond iente com probación . ta \ Xl -8 -6 -4 -2 2 Figura 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. 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 . de forma directa (línea continua) con un punto de paso intermedio (línea discontinua).118 I t < ta x. 3 y 11 Dado el sistema controla ble defi nido por la ecuación de estado: 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. \ I Xa t > U2 . 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 .

5 .6065 ] t=0 .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. O) _ La entrada necesaria para llevar a l estado a l va lor propuesto.5.0571 -0. • • . consiste en: Fijar el número de escalones que se utilizarán: en general.5 [ 11 ] . se ca lcula la de mínima energía . 0) l t = 0 . es la m isma q ue la que lo llevaría desde el estado i n icia l n u lo a: Xl 0.05 7 1 0. por lo que es necesario ca lcular el gra miano para el i nterva lo propuesto: = [ � ] .5. Una posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el problema a otro con n grados de libertad. CONTROLABILIDAD EN SISTEMAS LINEALES en el Ca pítulo 2 de este li bro.1 longitudes de subintervalo.3.2 . partiendo de este estado i n icia l .5) = <P(t. Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud se fija arbitrariamente. De forma resumida. n alturas y n . 5 xo = e . T)dT = [ -0. supuesta fija la longitud del intervalo total. O) por lo que. T)B (T)B (T)<P (0. aplica ndo la Ecuación 3. e -t <P (t.1292 ] De las i nfi nitas entradas posibles.2te -t e-t e-O2t ] [ -t =} x(0.5. la entrada que consigue rea l izar la tra n­ sición propuesta para el estado con el mínimo coste energético es: 0.1 grados de libertad. que se obtiene de la Ecuación 3.��� ] T T W(0.3. utilizándose como método general la división del tiempo disponible para realizar la transición en n subintervalos de igual longitud.[ �:���� ] = [ �:.3160 = J[o0 .5. resu lta ndo: 1 19 = [ e .5 <P (0. Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n . 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.[ 0.

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

5 . Dependiendo de la dirección de avance del estado. t 1 l mayor es la energía necesaria. en general se modifica la energía necesaria para una misma distancia desplazada. En este segundo caso se com prueba además cómo evol uciona la a nisotropía del espacio de estado. que tienen como n ú mero de condición de W (h . 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 . lo que en pri ncipio indica m uy diferente controlabili­ dad según la d i rección de desplaza m iento elegida para el estado. respectiva mente. La a parición de esta forma se justifica en la Sección 2 Número de condición de una matriz: la razón entre el mayor y el menor valor singular en la descomo posición en valores singulares de una matriz . Un indicador de la diferencia de coste según la dirección es el número de condición del gramiano2 .29.3. Sin embargo. O) . 222. t 1 Yt 2 .44 y 43 . 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. se tiende a necesitar más energía. 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 . 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) . a medida q ue el tiempo se hace mayor. como queda patente en el Ejemplo 3 .27. 10. El EjemI?lo ?? contiene un estudio de este comportamiento. Cuanto más rápida es la dinámica del sistema. como puede deducirse fácilmente.44.2 3 10 1 3 . CONTROLABILIDAD EN SISTEMAS LINEALES • • • 121 Ejemplo 3. 77.4 A menor longitud de intervalo [ta . como se demuestra en la Sección 3 . .3.5. l o que indica u n mejor equ i l i brio entre las d i recciones de desplaza miento del estado.

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

3.T) y sustituyendo en la Ecuación 3. la matriz W es singular.21) = = 1 + A(t l . Por lo tanto. es necesario que existan columnas de la matriz Q linealmente independientes. es: (3.-! A 2 (t l . • n Se supone que el sistema no es controlable y se verá que no existen columnas de la matriz Q linealmente independientes.22) -1 veces respecto al tiempo: (3. . = (3. . 13: v T <I>(t l . por lo tanto su determinante es nulo y tiene un valor propio nulo. Si el sistema no es controlable. La solución de la ecuación de estado.1 (T)A n . si se parte de un estado inicial nulo.T) + 2. .l . para que x(tI ) pueda ser cualquier punto del espacio de estado. 2 ho (T)I + h 1 (T)A + . 19) Condición necesaria n Aplicando entonces el método de Cayley-Hamilton: e A ( t . CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES 123 Demostración • Si el sistema es controlable. . 19 se obtiene: (3.4. cuyo vector propio correspondiente verifica la Ecuación 3. + hn . 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. es necesario que de todas las columnas que aparecen haya linealmente independientes.T) 2 + .20) El estado x(tI ) que se puede alcanzar desde el origen es combinación lineal de las columnas de la matriz Q.23) .

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

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

n.T)B con una entrada de norma unitaria coincide con la su­ ai Vi de de estados que resultan de la convolución = 1. h ] . .25) donde Pcm [to . h ] representa el conjunto de vectores de entrada de dimensión continuos a trozos en el intervalo [to .reflejando los autovalores y sus correspondientes autovectores la distribución espacial de esta energía.T)U(T)dT. . 2. : x = VEp. Considérese el conjunto de posibles entradas al sistema u(t) E m . El conjunto contenido en este subespacio: = 1: F (t .30) de O � a � 1} perficie de un elipsoide cuyos semiejes son ai Vi . td } (3.5. i . como ya se adelantó en el Ejemplo 3. t � t I . siendo raíces cuadradas de los valores propios del gramiano de controlabilidad y vectores propios asociados. CONTROLABILIDAD IR n : m Vi .29) Entonces se demuestra que el (3. las raíces cuadradas de los autovalores del gramiano de controlabilidad y los vectores propios asociados en [to . t I ] que satisfacen la restricción en su norma: (1: 1 Il u(T) II � dT) 1 � 1 (3. . un elipsoide con semiejes conjunto S se puede caracterizar como: es decir.24) La imagen de la convolución: {x E x = 1: F (t . t d . 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 � t I U(T) E n } (3. . Sean i = 1. correspondientes a los autovalores distintos de cero. ai Y IR n IR n : x Vi . que S es la superficie de S. F(t . 2. .28) (3. . . Y i = (3. Ilp ll = 1 } . . es el sub espacio generado por los vectores propios.26) s = {x E aporta información sobre la estructura de dicho subespacio. V E IR 2 126 CAPÍTULO 3.27) Sea el conjunto: s = {x E es decir. t I ] . las los . U(T) E PCffi [to . .T)U(T)dT.T) El conjunto S = S= {x E IR n aiVi . y sea n la clase de todas las funciones de entrada continuas a trozos en [to . <I> ( (t . .n Y IR n x n : (3. IR n : x = ax con x E S 1. sean E . n.

� = B T <I> T (t l .T V T [1: 1 F (tI . 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. Demostración lo que significa que. 6. 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 . 1 que satisface que x = VEp.32) que es.. t)W (t l . 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 .p = = = 1 (3. to)q.r)dr] VE .33) q .3. 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.:.4.. ". De la definición de dicha entrada se tiene: . para todo x E S existe un vector p.t)q conduce al estado x(t) al valor x en el instante tI . _ r)F T (tI _ r)qdr I pT E . t) VE .5. t)x (3.r)FT (tI .. p • I -I = B T <I> T (h . A partir de esta definición de entrada se obtiene que: (3. to ) = . pT E .31) Suponiendo O'n O (sistema controlable). 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.5 la entrada de mínima energía que transfiere el estado desde el origen hasta x. lo que supone que la entrada u(t) = F(h . INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILlDAD 127 Este resultado indica que al aplicar una entrada con una cierta energía.I p. como aparece en la figura del Ejemplo 3.T VT VE 2 VT VE .Ip W ( t ¡ . si se define q = V E . según la Ecuación 3 . se cumple que x = W(h .

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

la respuesta impulsional del sistema. es el subespacio de menor dimensión que contiene a la imagen de la transformación definida por X t (t) . siendo: Xt (t) donde x� (t) representa la evolución del estado ante la entrada de test definida como: = [ xi (t) x� (t) . t I ]. xr' (t) ] (3. O . ta)bi (3. entonces es: con lo que. Dado que se trata de un sistema lineal. . para todo t E [ta . Xc . . las regiones del espacio de estado para los que dicha respuesta es cero tendrán respuesta nula para cualquier otra entrada. . . con lo que la imagen del mapa dado por 3. o o Demostración i = l. en función de la res­ puesta de las variables de estado del sistema.6. El subespacio controlable. m (3. repitiendo para todas las ui (t) queda: = <I>(t. . .37) (3.3. . a un conjunto de señales de test presentadas en su entrada.38) es decir. partiendo del estado inicial nulo. Xc .35) Si se se define el conjunto de entradas de test: o i o = l.36) donde 8(t) representa el impulso de Dirac. m (3. .38 se corresponde con el subespacio controlable. . .34) ui (t) . SUBESPACIO CONTROLABLE 1 29 Se puede plantear la definición del subespacio controlable.

Ai bj . Ail A i bl + A i2 A i b2 + .1 A'+ k bj . Xc . j . iseak linealmente dependiente de las anteriores. por lo tanto una posible base de este espacio vectorial son las columnas linealmente independientes de la matriz Q.130 3. j _ 1 A i bj _ 1 (3. .6. Estados alcanzables La relación de los estados controlables. .39) entonces Ai + k bj .2. viene dada por la cuación 3. . con k O. . cuando una de ellas. + Ai . . + Aom A k bm + A l l A l + k b 1 + . + A l m A l + k bm + . La componente que depende del sistema y de las condiciones iniciales representa la evolución libre del sistema ante entrada nula. siendo la dimensión del mismo su rango Para el cálculo de una base del subespacio controlable basta observar que si en la matriz: rQ . la columna Ai bj es linealmente dependiente de sus anteriores columnas: A i bj > + AO l b 1 + A 0 2b2 + . . que constituye el subespacio director de la variedad. . . . 3.41) . ya que a partir de entonces los restantes grupos A + k B también lo serán. . . .6. a partir de un estado inicial nulo (x(t)) con los estados alcanzables desde cualquier estado inicial (x(t)) . también será linealmente dependiente de sus dos anteriores columnas. los vectores columna de Q generan el espacio controlable. entonces se descartan ésta y todas las A + bj posteriores.40) El método consiste entonces en ir seleccionando columnas de izquierda a derecha y.1 (3. de donde: x(t) De esta forma.1. . • • = x(t) + <I>(t. + A l m Abm + . ya que multiplicando la Ecuación 3 . . to)x(to ) (3. + Aom bm + A l l A b1 + . CONTROLABILIDAD Según se deduce de la demostración de la Sección 3. El proceso termina cuando todas las columnas de un grupo i Ai B sean linealmente dependientes. Base del sub espacio controlable CAPÍTULO 3. . Ai r A '+ k b 1 + A i2 A '+ k b2 + .39 por la izquierda por A k se obtiene que: Ai + k bj + AOI A k b 1 + A0 2 A k b2 + . 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 .4.2. .

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

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 3.5.42. CAPÍTULO 3.6 Dado el sistema : o 1 O . - n rQ u. Así se tiene una variable de estado totalmente controlable. este subsistema está caracterizado por las matrices (Abb . La matriz T que realiza esta transformación se construye: (3. donde Si es un subsistema controlable y S2 está totalmente separado de evoluciona de forma independiente a la señal de entrada. dividir el sistema en dos: uno controlable y otro que presenta un comportamiento independiente de la entrada. y las otras dos evolucionan de forma independiente de la entrada. pues. por lo que no es controlable. Si en un espacio total de dimensión tres se supone que el subespacio controlable es de dimensión uno. Si el subespacio controlable fuese un plano. rQ . la dimensión de Si sería dos.42. en otras palabras. y según se deduce de la Ecuación 3. La ecuación de estado de orden reducido de los estados controlables: - Y (3. tiene un comportamiento independiente de la entrada.44) donde Ta se forma con una base cualquiera del subespacio controlable. Se consigue. son distintas realizaciones del mismo sistema. O) . lo que se está haciendo es girar los ejes de coordenadas de manera que uno de ellos se sitúe sobre la recta controlable.132 n rQ . la que está sobre la recta (subespacio controlable). por lo que se podrían separar dos valores de estado que se podrían llevar a cualquier valor. Ejemplo 3. es decir. CONTROLABILIDAD dimensión por tanto la dimensión del subsistema formado por las variables Xb es Adicionalmente. que ante la misma entrada todas generan la misma salida.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 .

La base del subespacio controlable será : . SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 133 Figura 3.5: Representación gráfica del subsistema controlable.13. su matriz de controla bi l idad es: Q = [ -13 -5 -13 ] 15 7 1 2 4 Rango(Q) 2 3 = < => Sistema no controlable.7.

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

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

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

8 Se trata de resolver el m ismo caso propuesto en el Ejemplo 3.25 0.5) = <1> (0.221 f3 ] ° { �: 0 < t � 0. 5 <1>(0. 3.0529n: . la entrada que se va a aplicar es de la forma : Dada esta entrada .1 -2 ] x+ [ 1 ] u ° De esta forma .5 . 2 5 <1> (0. se rea liza el aj uste para q ue el estado fi nal sea el propuesto: ¡0.606 + 0. a conti n uación .788 f3 .3.5 0.0.024 f3 La evol ución de la entrada resu lta nte se puede apreciar en la siguiente figu ra : = -26. Para el sistema : ca lcular la entrada necesaria para rea l izar la tra nsferencia del estado: .9. 129 .976 ] = [ 11 ] { n: = 22. se pla ntea la ecuación q ue ca lcula la evol ución del estado: u(t) = x(0. O)xo + Y.9. 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 .172n: + 0.5 .0.024 f3 [ 0. uti l iza ndo a hora un tren de esca lones en l ugar de la entrada de mínima energía . Ejemplos adicionales Transición de estado mediante una secuencia de escalones Ejemplo 3 .172n: + 0.5 .606 + 0.0529n: . T)Bn:dT + ¡0.25 < t � 0. 2 5 = [ 0.129 * 0.221 f3 0.3.0. x= [ -1 0 . T)Bf3dT = 0.

5 . 3 0 . 1 0 . 4 0 . q ue. 3 0 . r)Bf3dr = a . Esta entrada apl icada a l sistema origi na una evol ución del estado que se corresponde con la representada en la siguiente figu ra . 5 <1> (0.5 Con esta entrada . O)xo + Jt' <1> (0. como ca be esperar.5) = <1> (0. CONTROLABILIDAD 20 10 -2 0 -10 0 .5 s (en línea conti nua y en d iscontinua 1°. 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. 5 1°. 2 0 .5 u2 (r)dr Es tado 1 - 2 a 2 dr + f3 2 dr = Xl X2 ).767 0 .5 . 4 0 . la entrada es: u(t) - _ { -20 f3 si si 0<t�a a < t ::.138 u (t) CAPÍTULO 3. deja ndo como pará metros de aj uste el primer subi nterva lo y la a m p l itud del segundo esca lón. como puede a preciarse. 2 0 . la evol ución del estado es: x(0.a l5 de la entrada de mínima ° ° que. pasa por el estado fi nal marcado por el enu nciado de este ejemplo cuando t 0. es u n consumo su perior Eu ( t ) = Esta entrada com porta u n consumo energético: = 10. r)B ( -20)dr o + 1°. 0. 5 t energía . De esta forma . _ _ _ _ _ _ _ _ -1 -3 -2 0 . 1 0 .2 5 = 31 1 .5 .

2 O .7371 1306 ( .0. 184 e 2 a) .4 0.606 e a .297 + .3.5 + 0. 129 .2 0.394 La entrada que se obtiene está representada en la siguiente figura : 0.3. 0.0.3 0.2 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 0.4 o 5 t -2 -3 -4 . obteniéndose: [ ] {a u (t) 30 20 10 = 0.1 -10 0.. EJEMPLOS ADICIONALES 139 12.9.B ) e )( e iguala ndo este va lor a l estado fi nal objetivo se despej a .B = 0.a12.6065 e a).678( -2.5 t .1 +eeaa ++ 1(-0.B = 30.3209 .

Según este resultado. CONTROLABILIDAD longitud del intervalo Dado el sistema : x(t) = estudiar la energía de la entrada necesaria para que el estado rea lice la tra nsició n : [ -�1 . por otro. Q = [ B AB A 2 B ] = cuyo determina nte vale 4 lo que permite concl uir. 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. que el sistema es cual itativa mente controla ble y. que la controlabi l idad del sistema es relativa mente buena . por u n lado. deja ndo varia ble la longitud del i nterva lo: [ 211 ::::-�1 �1 1 . 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. Para ello se com ienza por determ i nar el va lor del gra m ia no de controla bi l idad . 9 140 CAPÍTULO y 3. Dado q ue el enu nciado no fija la longitud de dicho interva lo.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 .Controlabilidad Ejemplo 3 . para rea l izar este estudio bastaría con com probar el ra ngo de la matriz Q . Dado q ue el sistema es l i nea l e i nvaria nte. es posi ble rea lizar la tra nsición propuesta en cualquier i nterva lo de tiem po.

a med ida q ue el la longitud del i nterva lo empleado para rea l izar la tra nsición del estado varía .1 2 t e . a medida q ue el i nterva lo se alarga . EJEMPLOS ADICIONALES matriz cuyo determ i na nte va le: 141 e . �-L��----�4--�6�--�8--�10 tl 4 5 . el valor del determ ina nte crece . 00008 det (W (t .3t e . 00002 Como se ve. O)) = 0 . 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.10 t 2 e .9.8t 2 e . E [u ( t ) 1 30000 25000 20000 15000 10000 5000 t. se muestra la sigu iente gráfica . uti liza ndo la energía consum ida en la entrada como i nd icador cua ntitativo de la controla bilidad .9t 7e .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. en la que se representa la evol ución d icha energía . Para com pletar el estudio. 00006 0 .3. provoca ndo en consecuencia que la entrada necesaria dism i n uya de ra ngo.4 t 2 e .7t 2 e . se obtiene la gráfica : De t [ W ] 0 . 00004 0 . lo q ue hace prever va lores de la entrada m uy a ltos.5 t 7e .

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

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

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

q ue es del m ismo orden que las consta ntes de tiem po i nvol ucradas en el sistema .2590 0.5A 1 ( 1 e.4323 0. 0) = [ 1 0. 1] .5 ) 0. 1 de forma i ntuitiva . 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. O) = 1 _ 0.2590 0. 5 [�]= O ] [ 0. se puede afi rmar que este sistema es controlable en el i nterva lo [0.5A 145 W(t. 5 t-O .5. por ta nto.5 >\ 1 (( 11 .1 0.2 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.1580 ] u(t) = B T <I> T ( 1 .4323 0. 1] .88 e.22 A1 tt )) e0. eligiéndose por a hora el tiempo t = 1 .5 ] = 45.e.2 A1 t ) 0. 5 +t e O.2 e t .1 ) - cuyo determ i na nte va le det [W( l .5A 1 ( 1 . 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. observá ndose que éstas parten de condiciones . EJEMPLOS ADICIONALES caso: A1 [ 0. Por lo q ue el gra m iano eva l uado en d icho i nterva lo [0. siendo.2590 0.3 .O .1 ( 1 . así como la evol ución de ambas varia bles de estado [Uc 1 (t) Uc 2 (t)]T .e.9. O)] = 0.e. 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 [0.1 . por ejemplo A l = 1 Y A 2 = 0. 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. Esta m isma concl usión se alca nzó en el Ejemplo 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. por ta nto.25 ( 1 .2590 . uti liza ndo para ello la entrada de mín i ma energía dada por la Ecuación 3. t)W . 1] va le: n ( l e.0013 -1 O y.5: 1 = [ 0.1 - [ e -OHt 33.

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

15 ) _ M ( 1 .48 10.1] desde condiciones i n icia les n ulas al m ismo va lor de tensiones propuesto en este ejem plo: [� 0 5( 1 e . por lo ta nto.1 s . 0. o u 2 (r)dr = 168. 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. 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. a u nque el sistema es teórica mente controlable.68 .O. pudiendo l legar a hacer i nviable su controlabi lidad en la práctica .1] . O) = con lo que su determ i n a nte va le det [W(O.e. O) = [ 1 0.0464 l 0. 1 5 ) � .3. el gra m i a no ca lcu lado a nterior­ mente particu larizado para este va lor de t = 0 . 0. � 5 (1 C0 . I . 5 +t e O . O bsérvese q ue ahora la evolución de la entrada ha tenido J rO.1 0. 1] del m ismo orden de las consta ntes de tiem po del sistema considerado. necesaria para controlar el sistema entre los dos mismos estados i nicia les y fi na les . existe u na i nfi n idad de entradas que pueden l levar al sistema desde cua l q u ier estado i n icia l a cualquier estado fi nal en d icho i nterva lo. 1 ) _ 1 = 0906 [ 0O :0464 0 0464 0 : 0238 ] u(t) = B T � T ( I .2481 = 2564 [ e. t)W . Debe notarse que el valor del determ ina nte del gramiano ha dism i n u ido nota blemente respecto al caso a nterior. 1 va le: 147 W(O. 5 t.O.0238 ] [ 21 ] = que com porta u n consumo energético: Eu ( t ) = va lor m uy su perior a la energía ca lculada a nteriormente de 23.9. 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. 1] y.7 . I .16.l . así como las tensiones en a m bos condensadores hasta l legar a su estado final deseado en t = 0.5 [�]= O ] [ 0. pero forzando a hora a rea l izarlo en u n tiempo 10 veces menor que a ntes y menor igual mente que las constantes de tiempo i nvol u cradas en el sistema . O)] = 4. la energía de la entrada necesaria para ello crece enormemente. acercá ndose en este caso a l va lor n u lo q ue hace que el sistema no sea controlable.0464 .5 ] O e t . En la Figu ra 2 se puede ver la evol ución d e la entrada ca lculada .O. Este hecho i m p l ica en la práctica q ue. 0.0906 0.l ( I . 2 ) ( 1 e-O.1 + t e. por ejemplo [O. en el que se estudiaba la controlabi lidad en el i nterva lo mayor [O.O .

.1] .".----. (b) Evol ución tem pora l de las tensiones en los condensadores. 05 -0 5 -1 o .148 CAPÍTULO 3. 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) . 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 . Figura 2: Evol ución de las tensiones de entrada y de las de los conden­ sadores en el caso R 1 C1 = 1 Y R2 C2 = 2 Y uti lizando la entrada de mínima energía para pasar de condiciones i n icia les n ulas a las tensiones [2 I] T en el i nterva lo [O..0 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.L 2 �:"":':c _o s---7---:':'--�-----. 0.

909 l ) 0. O bsérvese q ue en cuyo determina nte vale det[W (O.l . ha biéndose ta m bién estudiado. 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 . pudiendo l legar a hacerlo i nviable. 909 l t ) e . 454 5(1 = _ _ e .4323 0.2t ) C 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. pero. se obtiene: = [ 0. O ) ] este caso el sistema es teórica mente controlable.l .4056 0.4 76 2(1 0.4056 0.e . 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.9091. O) 9.l .l ) ° e. 8 1 8t ) = ] W (l .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) .4056 0. 1] _ - = = [ 1 0.O .l +t e O.4545(1 .1 [ 21 ] con u n consumo energético de: .5(1 2(1 = [ 0.3808 e. 909 l ( t.3808 ] .l .2 ) e . 909 l t ) 0.l - .1 y por ta nto A l 1 Y A 2 0.4760.4323 0. la i nfluencia del i nter­ va lo de tiempo en la controlabilidad del sistema . en este ú ltimo caso. Para ello se va a estudiar el caso en el q ue R l Cl 1 Y R2 C2 = 1.9091 ] [ e = 3733 3613 et .l .4056 ] 0.9 09 l ) 0. con lo q ue el gra m i a no ca lculado a nteriormente de forma genérica va le a hora : 149 Analiza ndo la controlabil idad para el m ismo i nterva lo de tiempo util izado a nteriormente.4762(1 e.9. 8 1 8 ) - ] [O. 53 10.5(1 W ( t . 909 l ( l -t ) ° ] [ 0.5 . O) = 0. 476 2(1 _ _ e .3.

CONTROLABILIDAD 1 00 50 -50 -100 0 0 1 02 03 04 05 1 06 07 08 09 (a) Evolución tem pora l de la tensión de entrada u (t ) . 1] . (e) Evol ución en el espacio de estado de las tensiones en los condensadores. ' 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. -5 -10 -1 5 -20 -25 0 0 1 02 03 04 05 1 06 07 .1 50 I E[u(tH" 953290 V2 I CAPÍTULO 3. [2 .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 . -5 �� . U C 1 (t ) Y U C 2 (t ) .1 0 -15 -20 _�S -.

que fue estudiado a nteriormente.49 5 .3. 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 . O) = 1o 2 C <JI ( 2 . 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.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 . siendo necesario e n la práctica q u e su valor sea signi­ ficativa mente mayor q ue cero. r)BB T <JI T (t. pero no igua les. 57 63 . 38 ] . 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 . 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. 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. 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. 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. r)C T dr = [ 0.

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

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

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

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

Utilizando sólo la entrada U2 . quedando rango( Q d 3. se verá primeramente si éste puede ser controlado mediante una única entrada. 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. 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 ) . 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. q � r¡ = ] UI . el sistema no es controlable sólo con U3 . con lo que el sistema no es controlable utilizando únicamente U l . CONTROLABILIDAD Para analizar el número de entradas que garantizan la controlabilidad del sistema. partiendo de condiciones iniciales nulas y utilizando sólo la entrada vale siempre el doble que la X 2 . quedando rango(Q 2 ) 3. la matriz de controlabilidad resultante es: ] = -4 16 -6� 1 -8 48 2 -18 O donde la primera fila es de ceros (la variable X l no puede ser controlada). se utilizan las columnas de Q correspondientes a la i-ésima entrada. la variable Xl . 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. con lo que el rango(Q 3 ) 2 por tanto. 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.156 CAPÍTULO 3 . con lo que el sistema no es controlable con U 2 . Para la entrada U3 queda: O O = ] 3Nótese que. Para calcular cada Q i .

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

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

EJERCICIOS RESUELTOS E s t ado 10 159 6 4 2 \ .3.8 1 b) Este apartado hace referencia a la controlabilidad del sistema. como se ha explicado en este capítulo: Como se observa en la expresión de la matriz Q. Como se ha visto en este capítulo. por lo que será rango(Q) = 2.2 0. las dos primeras filas son iguales. pasa por el cómputo de la matriz Q. 0. puesto que se pregunta sobre un estado que presuntamente debe alcanzarse gracias a alguna entrada.10.4 0. . \ \ '\ \ . como el presente. El estudio de la controlabilidad en sistemas lineales invariantes. al dar el dato de que las tensiones iniciales son nulas. . una posible base del sub­ espacio controlable la constituyen las columnas linealmente independientes de . 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 . para ver si los puntos correspondientes están contenidos en dicho espacio.6 0. . es necesario calcular la base del sub­ espacio controlable. Para saber si los estados que se propo­ nen son alcanzables con alguna entrada. \ \ \ \ \ .

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

.5 ) ::::} +e b (e .0206 + 0. El origen del plano controlable se desplazando según esa trayectoria: va .O ..t) e2 ( t ¡ . " ..e .3 . 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.6321c { e = 0. 10 .5 t I / .2 ) c(l . EJERCICIOS RESUELTOS 161 e (t l . en este caso.. ...2386b + 0. que se obtuvo en el apartado a).e-O.1029 En la gráfica puede observarse la evolución del estado ante esta entrada: = = 1 [ 11 .. la primera y la segunda ecuaciones son iguales. Dicha solución da lugar a que el estado describa una trayectoria dentro del espacio de estado como la que se refleja en la figura.58: 1 + 1= + { 1 0. .l e2 ( t l ...2325b { b1 = 4.l ) .4 0.6 0.t) c(l .2 e 0. " " 0...l e(t¡ . . .1 ) e-2 igualdad: [ 11 1 b [ 1 = ::::} Como puede observarse.1 _ 1_ .e(t l -t) e ( t ¡ ..3934c = 0. / . se fija tI 0.e . Esto permite dar un valor arbitrario a cualquiera de ellas para fijar las otras dos.e .l ) ::::} = b (e .l ..e . 5 ...e l ) ::::} E s t ado 2. por lo que sólo hay dos ecuaciones linealmente independientes con tres incógnitas.1 ) .5 2 1. ..5 1 0.8 1 ) El conjunto de estados alcanzables. cuando se tiene en cuenta tanto el estado inicial como la acción de la entrada.

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

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.-=. de forma que se puede plantear la ecuación: [1 [ 1 [ O 1 1 = lO e...9 = 0.". .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. .5.92 6 1c b = .2 71 8 \ \ .\ \ .. 302 5 = 0. ..t e 2 ( t l -t ) _ e. .. .t e ( tl -t ) . .10. Esto hace que se pueda dar un valor arbitrario a cualquiera de ellas.e (tl -t ) 1 e (tl -t ) 1 e 2 ( tl .1 .3. -.1 7 18b + 0. con lo que: e (t l -t ) y sustituyendo: =} En la figura puede observarse la representación gráfica de la evolución del estado ante esta entrada: E s t ado 10 8 6 4 2 . .. En este caso se hace h = 18.e.. . \.e.3733 = e . { { 0 = 0.. . las dos ecuaciones son la misma.t ) - 1 e ( t 1 -t ) . .0638b + 0..1 =} t = 2.819 7 e = 1.. por lo que quedarán sólo dos ecuaciones linealmente independientes con tres incógnitas. EJERCICIOS RESUELTOS 1 . 7281c =} 0.-- t -2 -4 .3025 De esta forma.t 1 0 e.

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. Se comienza por calcular los valores propios de la matriz A: A continuación. 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. la matriz T de transformación del sistema.164 CAPÍTULO 3. de la matriz de transición. desde su expresión actual a la forma diagonalizada. Vl = 3 V1 2 [ -� -1 ] [ Vu ] [ � ] Gracias a esta transformación se puede conseguir una expresión diagonal de la matriz A y. CONTROLABILIDAD 5. Para conocer la evolución del sistema y calcular la ley de control. por lo que el sistema es controlable.] [ ��� ] = [ � ] � 3 V2 1 = -V22 . Para poder trabajar en este sistema de referencia es necesario [ -23 . es necesario calcular la matriz de transición del sistema. Dado el sistema: x se desea llevarlo de control u(t) . = [1 IV en t = 0.1 = [ -� ] [ -� .V 1 2 . a x = [1 I] T en t = 28. que resulta mucho más sencilla de manejar para realizar los cálculos. Obtener la ley de En primer lugar.11 ] . por tanto. por lo que se va a obtener la solución del pro­ blema en esta base. V2 = [ _� ] 2 v u = .

la matriz es invertible.[ = [ _ 6e . por lo que.5 ( 2 .T) -6 e .T) 2 .4( 2. es decir.5 (2 -T) 4e . 165 transformar todas las matrices implicadas en la resolución del problema.r.2 ( 2. 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. Una vez que se conoce la solución de la ecuación homogénea.T) = 2 3 e .T) _ 2 e .6( 2. e .3( 2 .:l e .' 3. 10.4( 2 .T) - 1 o e .2e -3(2. por lo tanto se puede encontrar la entrada que lleve el estado del sistema desde condiciones iniciales nulas a i: W ] [ 3e -2 (2 -T) 6 . EJERCICIOS RESUELTOS Xo y Xl .r. dado que el sistema es controlable. es necesario calcular dicha evolución libre.T) 2 ge . A.T) 6 . B. 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.T) 6 1 .5 ( 2. como primer paso.T) 1: .'(' .' ) 1 4 dT .T) 1 dT = [ g e .3( 2.6(2 .

t ) ] [ -3. CONTROLABILIDAD Una vez calculado el valor de la matriz W.739 g e -3(2. por lo que no tiene sentido que influya en la forma de la entrada que recibe el sistema que. En resumen. independientemente de que los cálculos se hayan realizado en un sistema de referencia distinto al inicial. 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 1.5 2 .1271 20.48. 7274 = .1 2 ) 1 1 .t ) + 67. se puede calcular la entrada necesaria para cumplir con las especificaciones del problema: � (1 .166 CAPÍTULO 3.9696e -2(2.92676 ] 2. es independiente de la representación del sistema. el estado no es más que un modelo.992 Como resulta evidente. la expresión de la entrada no depende del sistema de refe­ rencia elegido para representar el estado del sistema.1271 37 . la expresión de la entrada hallada es la buscada.e . 1822 20. por tanto.

1326.5 -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 ( . / / 1 1.t ) + 4588.71e .7 2e ta ( 599.3 + ta e -3tl x(t) ° ][ ] [ ° . EJERCICIOS RESUELTOS E s t ado 2 1 \ / / / / / / / .5 ( 2.t) ):: = 37. \ \ 167 / \ .t ) ) dT i(h 239 7.739 g e .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.54e . T)B (T)u(T)dT ¡tatl e . 08e -6 ( 2 .9696e -2(2.�:uo.T ) tl 4 e -� .5 (2.t ) + 764. 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 .48.4 ( 2.43e -2(2.68 .2 (tl .t ) ) 2 = ta ( .6 (t -2) .t ) _ 6333.t ) + 67.3(2.

830 7 O :S T < 1 5. Dada esta segunda entrada. se puede calcular su energía para compararla con la de la primera: E (UA ) 2 (t 2 . CONTROLABILIDAD Dando valores a los instantes: O t2 = 18 t I = 28 por lo que la entrada resultante para todo el intervalo de tiempo es: U2 (T) = { . es su mayor energía.3 t l ) ] to = CAPíTULO 3.to ) + (UB ) 2 (t l .1 9. como podría ser el forzar a que las variables de estado se encuentren siempre dentro de un rango de funcionamiento.t 2 ) 425.e .2t l ) -3(1 . se puede representar la evolución tanto de ella misma como de las variables de estado: .168 [ se obtiene: 4(1 . 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. frente a la primera. Por contra. que suele ocasionar que el estado alcance valores mayores.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.e . 7 1 14 1 :S T :S 2 Dada esta entrada.

. .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. .5 2 E s t ado 10 5 .5064 1...3... .71....5 2 Si se elige como tiempo intermedio t2 = 1..0852 o � 1. " " " " " t 0..10.2 0 �----� 1. " . la entrada que se obtiene es: -6..58. EJERCICIOS RESUELTOS Entrada 5 t 169 0...5 -5 -10 -15 .5 7. La evolución de la entrada y de .

. CONTROLABILIDAD 1 5 2 t . T < 0.24. . t Por último.58. T O ::. 2 cuya energía es = 5377. ::. . .170 Entrada 6 4 2 0..5 ::.5 -2 -4 1 CAPÍTULO 3. si se elige como tiempo intermedio t2 = 0.6 �----� E s tado 4 2 " " " . La evolución de la entrada y de las variables de estado para este caso es: .. . .. la entrada que se obtiene es: -73. . .1467 5.1776 E O.

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

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

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

.

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

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

1 ) . Xo . t¡] . siendo éste el estado inicial en el instante to. 4.2. es observable si. El objetivo es determinar bajo qué condiciones se puede obtener el estado inicial < ::. r)B(r)u(r)dr (4. t. tal que el conocimiento de la entrada u(t) en el intervalo [to . similares a las dadas para controlabilidad.4. tI] cuando todos los puntos del espacio de estado son observables en [to . en lo que se refiere a cálculos son duales. sin Observabilidad: Se dice que un punto Xo del espacio de estado es observable en [to . 3 . 1 . y Observabilidad de un sistema: Un sistema es observable en [to . se asocian al concepto de sistemas observables. Las definiciones. Observabilidad e n sistemas lineales Xo = x(to ) . tI] . La observabilidad para un punto y para cualquier instante se define: Se dice que un punto del espacio de estado. de igual forma se define sistema observable como: Un sistema es observable si todos los puntos del espacio de estado son observa­ bles. 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 . 4.2. siendo éste el estado inicial para un instante inicial to cualquiera. D efiniciones Como se ve. 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. el conocimiento de la entrada u(t) en el intervalo [to . Si fuera conocido x(to) y u(r) . to )x(to) + l r t to cp (t. se podría obtener x( t) con la expresión: Planteamiento 4.3. conociendo u(r) e y(r) con to x(t) = cp (t. existe un intervalo de tiempo finito [to . Xo = x(to ) . t¡] si. y. tI] Y de la salida y(t) en dicho intervalo permite determinar que el estado inicial es Xo .

x(to) (4. lo que es lo mismo.178 y teniendo en cuenta la ecuación de salida: CAPÍTULO 4.1 y(t) (4. C(t) A (t). to).D(t)u(t) = C(t) <P(t. tO )X( tO ) + ito C(t) <P (t. la salida del sistema ante entrada nula. se obtiene: o. 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.4) o lo que es lo mismo: <P (t. 4. basta conocer la salida en un solo instante para conocer el estado del sistema. por tanto. la aportación a la salida dada por la evolución libre del sistema C(t) <P(t. to)x(to) = x(t) = C . r)B(r)u(r)dr + D(t)u(t) t (4. r)B(r)u(r)dr .3) t donde y(t) representa la componente de salida debida sólo a la existencia de condiciones iniciales no nulas. to)x(to) (4. Este problema de la observabilidad se resuelve mediante el siguiente teorema: .2) Agrupando los términos que dependen de la entrada y la salida. es decir.5) Obsérvese que en este caso la salida representa un cambio de base de las variables de estado mediante la matriz e y. OBSERVABILIDAD y(t) = C(t)X(t) + D(t)u(t) y sustituyendo en esta ecuación la solución de la ecuación de estado: y(t) = C(t) <P (t.2. que se suponen conocidas.3. se puede despejar de la ecuación anterior: y(t) = y(t) .ito C(t) <P (t. Teorema En general es necesario conocer la evolución de la salida en un intervalo de tiempo para poder calcular el estado del sistema.

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

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

pudiendo manifestarse entonces esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en el Ejemplo 4. esta afirmación sólo es cierta en caso de que se disponga de un conocimiento perfecto del modelo. aplicando la Ecuación 4. 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.1200 + --¡()()-� + ---so -� + � ----so + �.lt C q. det[V(t. es independiente del tiempo. como este resultado se ha de repetir sea cual sea la duración del intervalo. no se ve influido por el valor concreto del gramiano. en principio. En la Ecuación 4.4. para t = Dada la observabilidad del sistema. puesto que el sistema es observable para todo valor de t. OBSERVABILIDAD EN SISTEMAS LINEALES 181 Se puede com probar fácilmente que el determinante no se anula salvo para t = O. 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. Sin embargo.8. es posible calcular el estado inicial desde el que evoluciona.1 (t.12t 3e.9 al final .(t. Además. O)] = y (t) = y (t) De hecho.3. y es en presencia de estos errores en la medida cuando el condicionamiento del gramiano toma importancia. como se puede observar. r)B(r)u(r)dr = _ 3e-3t + 2e-2t + 3e-t � V. este resultado. situación posible en teoría pero muy poco realista en la práctica.3. tal como se especifica en la Ecuación 4. 4.Q)cT(7)y(7)d7 resultado que.7t 6e-5t 21 e-4t 2e-3t 3e-2t 1200 . objeto de la definición de observabilidad.Q) l' .¡. por lo que hay que contar con esta incertidumbre. en concreto. por lo que no cabría la discusión sobre la mejor o peor observabilidad de un sistema como sucedía con la controlabilidad.T (7.8 se describe la forma en la que se puede calcular el estado inicial en un sistema observable conocido el valor del gramiano de observabilidad. Para ello el paso previo es calcular y (t). por lo que se puede afirmar que el sistema es controlable para cualquier valor de t final del intervalo y.3: 1 e .lOt 2e -9t 21 e-8t 6e. El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el condi­ cionamiento del gramiano correspondiente. sin errores en la determinación de sus parámetros ni en la medida de la salida.100 2. se cumple que: Xo � . como cabía esperar.3.

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

que. t)Xl = Yl(t) =f. 3 . ante entrada nula.4. lo que indica un mejor equilibrio entre las direcciones de observación del estado. por linealidad. tal que: y(t) = C(t) éP (to. si el sistema no es observable. Xo. si se tiene otro estado inicial tal que: Xl . t)xo = yo(t) = O. Xl Xo Xl . Puntos como X ¡ . Vt > to y(t) = C(t) éP (to.14) hace que el sistema no sea observable. si el estado inicial es la suma de los dos anteriores: (4. 4 . ante entrada nula. O. Xo =f. Por tanto. OBSERVABILIDAD EN SISTEMAS LINEALES 183 Calculando el gramiano de observabilidad y sus valores singulares para = 1 se obtiene un número de condición de 1. Según el razonamiento anterior. la existencia de puntos no-observables da lugar a que ningún punto del espacio sea observable y. por tanto a que el sistema no sea observable. 15) entonces. • y(t) = C(t) éP (to. como se demuestra fácilmente. 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. pero que no son observables.3. O Xl . 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. Sin embargo. generan salida idénticamente nula cuando se toman como estado inicial.44. t)(xo + x¡) = yo(t) + Yl (t) = Yl (t) haber generado por la superposición con un punto no-observable.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 . existen dos clases de puntos: • Puntos como que. lo que en principio indica muy diferente observabilidad según la dirección dentro del espacio de estado. no dan la salida nula al ser tomados como estado inicial. que se denominan no-observables. (4. puesto que la misma salida se puede .4.041 10 1 3 .

inferior al máximo. to) = it <I> T (T. O � � 3.1 + 4e 6 ( t-t o) .4 A � 184 CAPÍTULO 4.1 + 4e 6 ( t-t o) _ 3 é ( t-t o ) matriz cuyo rango es dos. t. que en este caso vale: [� ! �l 1 2] V(t. Se comprueba a continuación el comportamiento de representantes de puntos no-observables y de puntos que no son observables: Estado inicial no-observable: [ 1. x.6é( t-t o) + 3e 2 ( t-t o) 6 O . Superposición de ambos estados iniciales: Las salidas en los casos 2 y 3 son idénticas. para estudiar la observabilidad de este sistema se recurre al gramiano de observabilidad .Ejemplo 4.O . tO)C T (T)C(T)<I>(T. se concluye que el sistema no es observable. por lo que resulta imposible distinguir cuál es el estado inicial a partir del cual el sistema evoluciona . Estado inicial fuera del conjunto no-observable: [�1 '* y(t) Cif>(t. � 2. por lo que no es invertible. Por .)x. to ) dT = to O O 1 = . OBSERVABILIDAD Estudiar la observabilidad del sistema definido por las matrices: C=[ O Como se ha visto en apartados anteriores.

y por aplicación del método de Cayley­ Hamilton: CeA(t -to) xo C [1 + A (t . es tal que .19) Xo que.17) es de rango máximo. . (t . 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. . Demostración • n.4. mientras que los puntos con la forma de (caso que incluye a no pueden ser observados. + an _ l(t)CAn.tO ) 2 + ] Xo = [ao(t)C + al(t)CA + . S istemas lineales invariantes Dado un sistema de dimensi6n es observable si y s610 si la matriz de observabilidad p x(t) = Ax (t) + Bu(t) y(t) = Cx(t) + Du(t) n definido por las ecuaciones: P definida por: (4. . SISTEMAS LINEALES INVARIANTES 185 tanto.n-l 1 Xo. n • es decir. se verificará que: y(t) = n . Condición necesaria A partir de la expresión de la salida del sistema ante entrada nula evolucionan­ do desde un estado inicial genérico. Xa Xl X ) 2 4. p < n. = A [ C�:. considerado como estado inicial.4.l ] Xo (4. que el sistema evoluciona con salida nula a partir del estado Xo. Si a este vector se le llama Xo. los estados iniciales d e l a forma son no-observables.18) Si en la matriz P no existen filas que son linealmente independientes. Se supone que existe un vector Condición suficiente (4.4. es decir.to) + �. .

21) CA2 xo CAn . por lo que el rango de la matriz P será menor provengan de cada una de las p salidas o de sus posibles conjuntos.� PeA(t -to) xo = O (4. cuya expresión es: O 5 1 O 2 4 24 18 6 O 8 17 El rango de P es tres.20) C es de dimensión p x n y la matriz A es de dimensión n x n. la matriz O Estudiar la estabilidad del sistema cuyas matrices A y C son las siguientes: Se obtiene la matriz de observabilidad P= O 6 O 18 2 O P.186 la salida del sistema ante entrada nula es cero: y (t) = CAPíTULO 4 . lo que significa que no cubre todo el espacio.5 P será de dimensión pn x n. OBSERVABILIDAD CeA (t -to) XO = O. Derivando sucesivas veces respecto al tiempo se obtiene: =? A t-to) CeeA((t-to) Xo = OO = CAeA(t-to) XO �. por lo que el sistema es observable utilizando las dos salidas disponibles. Ejemplo 4. Podría comprobarse también si lo es utilizando una única . analizando la obser­ vabilidad debida a esas salidas.l eA(t -to ) xo = O Esto significa que e A t-to xo es ortogonal a todas las filas de la matriz P. Es posible agrupar las filas según Si la matriz � � ( ) ) 'it (4. teniendo pues pn filas.

1 Bu(t) y(t) = eTx(t) + Du(t) (4.4.24 ]. utilizando la segunda salida 1 2 = = 1 5 6 � ¡� O ]. 1 . e. . P. Sé empieza . el rango de P coincide con el de si el sistema resulta observable con también lo hará con P.4. de lalomatrizsiP.4. independiente de la que la propiedad estado. B.l ATx(t) + T. :::} � l. . '8 .�1 sistema también es observable.. por lo que utilizando la p.=D)Tx. T P. por lo que el sistema no es observable utilizando la segunda salida. x 11 [O ] e2 [ O 2 ] :::} P2 OO 1 7 18 El rango de la matriz P 2 es menor que tres (dos) .rimera salidfl. se parte de la representación del estado realizando el cambio de base: x= Es importante destacar de observabilidad de (A. = [ 18� . 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 .probando con l á primera:' el = [ 2 o 4. Se com prueba ahora si tam bién es observable .un sistema cambio es representación del por que. Invarianza de la observabilidad ante cambio de base El rango es tres.22) y puesto que la matriz no es singular. SISTEMAS LINEALES INVARIANTES 187 salida. por lo que.

23) (4. se realiza una aportación desde las variables de estado que describe un elipsoide en el espacio de estado. se sigue una demostración similar a la que aparece en la Sección 3. para llegar a la conclusión de que el gramiano de observabilidad describe la 1 En este caso se demuestra que.51 . Interpretación geométrica d e la observabilidad d(t). en el que a la estructura usual se ha añadido un vector de entradas adicionales.24) y(t) Este vector se añade para el estudio de observabilidad y no está relacionado con la posible realidad física del sistema.188 4. el número de condición de la matriz que define el gramiano de observabilidad es un indicador de la anisotropía del espacio de estado. se tiene que la salida del sistema es: d(t) influyen en p salidas. Al igual que sucedía con el estudio geométrico de la controlabilidad. x(t) = Ax(t) + Bu(t) + d(t) y Cx(t) = (4. representando cada columna el efecto de una variable de estado sobre el conjunto de las salidas. por lo que el modelo del sistema toma la forma: 6.5. A partir de esta definición. en cuanto a la dificultad de observar un determinado valor inicial dependiendo de la posición en la que se encuentre. Sea el sistema lineal e invariane representado en la Figura 4. y manteniendo el vector como entradaal sistema. d(t) Figura 4. .2: Sistema lineal con el conjunto de entradas de test Supuesto el estado inicial nulo.2.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 . este hecho se puede explicar haciendo uso de la respuesta del sistema ante un determinado conjunto de señales. CAPÍTULO 4 .25) y(t) = i(tat CiP(t. anulando la entrada del sistema. para generar una salida con energía unitaria. OBSERVABILIDAD Como ya se ha referido en este capítulo. (4.

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

tI]. también será linealmente Pr.26) (4. La base se construye encontrando n . Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida. El método consiste entonces en ir seleccionando filas de arriba abajo y. Prx = O . Yt (t) = [ yl(t) y�(t) . Una vez obtenida esta matriz se pueden obtener los n-rp vectores de la base mediante la resolución directa de: (4.21 : dependiente de sus anteriores filas. yf(t) ] . y el sub espacio no-observable constituye el núcleo de dicha aplicación. Para obtener estos vectores.190 CAPÍTULO 4. donde da como: El subespacio no-observable. . OBSERVABILIDAD t [to. Para determinar una base de ese sub espacio no-observable lo que se debe determinar son n . Basta observar que si en la matriz P la fila cjAi es linealmente de­ pendiente de sus anteriores filas. que resulta O = PXo. con k > O. 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.rp vectores que verifiquen esta ecuación y que sean linealmente independientes. cuando cjAi sea linealmente dependiente de las anteriores.. .27) La demostración es igual a la que se incluye en la Sección 3. Vt Particularizando esta ecuación para t = to. es el subespacio de mayor dimensión que está contenido dentro del núcleo de la transformación definida por para todo siendo: E Yt (t).6. Base del sub espacio no-observable o Para determinar la base del subespacio no-observable se va a partir de la Ecuación 4..rp vectores linealmente independientes que sean ortogonales a las filas de la matriz P. entonces se descartan ésta y todas las cj Ai+ k posteriores.n (4.28) = PeA(t-to) xo. Xó . yHt) representa la evolución de la salida ante la entrada de test di . ecuación más sencilla. la dimensión del núcleo de esta aplicación es n-rp. entonces cjA i+ k .6 al enunciar la definición de subespacio controlable. 4. Si rango ( P ) = rp y la dimensión del espacio de estado es n. defini­ o o i = 1. . 1 . se puede utilizar un método semejante al estudiado en controlabilidad.

rp. 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.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. por ejemplo las dos primeras: Así que el vector será : [ 00 ] [ 00 51 62 ] [ VI 1 �: = 1 2] 17 18 2 = 1. siendo r ango(P) = rp < n. En primer lugar se eligen dos filas linealmente independientes. 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 .7.4. 4.7. Ejemplo 4. 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) .

Ca).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. La matriz de cambio de base que consigue esta separación en los subsistemas men­ cionados se construye como: (4. caracterizado por las matrices (Aaa.29 y 4. presenta una evolución del estado desacoplado de la salida del sistema. El modelo de estado que describe el comportamiento de los estados observables: Xa.34) Va Xb. 5ca y(t) = = Aaaxa + Bau(t) CaXa (4.31 y 4. Adicionalmente el subsistema formado por las variables Xb. las Ecuaciones 4. OBSERVABILIDAD de modo que el modelo de estado en el nuevo sistema de referencia es: = = verificándose que: • • [ �: ] [ 1:: lb ] [ �: ] [ :: ] u(t) y(t) [ Ca O J [ �: ] + x(t) Tx(t) (4. según se puede deducir de la Ecuación 4. y(t) Vb .31) (4.30) El subsistema formado por las variables es observable y de dimensión rp . es decir.192 del vector de estado según la ecuación: = CAPÍTULO 4.3.32 representan otra realización del mismo sistema. que ante la misma entrada ambos generan la misma salida. Lo que se consigue es desconectar la salida en (4.29) (4. Ta T formado por rp filas linealmente independientes de P y por n . Vb. caracterizado por las matrices ( Abb.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. en otras palabras.30.33) 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. O ) .

Se han separado.3: Separación de la parte no-observable.. La dimensión de es n Tp Y la de es Tp .7.7 Dado un sistema definido por las siguientes matrices : A= [� o 1 - 3 O O 5 1 . las variables de estado en dos grupos. dentro de la imposibilidad de observar el estado del sistema. SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 193 Figura 4. Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al cual se definen los vectores. 82 - 81 Ejemplo 4. unas observables y otras que no lo son.4. desplazándolo para que tantos de ellos como sea necesario coincidan con la base del subespacio no-observable.

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

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

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

Tb separan el subespacio 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.38) . Con esta transformación se consigue algo parecido a lo que se hacía al realizar las separaciones entre controlable y no controlable. según la Sección 3. 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. 4.5. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 197 Figura 4.8.5: Separación detallada de los subsistemas controlable y observable.8.4. así que en conjunto los vectores columna Ta y de Tb serán una base del subespacio controlable. se determina que las cajas que componen la matriz de transformación cumplen que: • T = [ Ta Tb Te T4 ] de Ta. unos cambios de ejes para que coincidan con la base del sub espacio controlable y observable. Ta U T b == Be (4. y entre observable y no-observable. 1 .

(4. Te separan el subsistema observable. rp . rQ . así que. coincide con el número de vectores columna de Ta junto con Tb . En el Ejemplo 4.10 de este capítulo se puede ver . según la Sección 4. !::::. 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. Sin embargo. En la sección anteriori se ha introducido el concepto de realización mínima de un de­ terminado sistema. los vectores columna de Tb . la dimensión del subsistema controlable. Reducción del modelo . del subespacio no-observable. y la dimensión del subsistema observable.un caso de separación de un modelo de estado en sus distintos subsistemas. 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. Ta : conjunto de vectores columna tales que conjuntamente con Tb forman una base del subespacio controlable.5.40) (4.38 y 4.198 • CAPíTULO 4. 4. Tb y Td forman una base del espacio de estado.39) T Desde el punto de vista práctico. la misma respuesta impulsional que dicha realización mínima. existe la posibilidad de que exista un modelo de un orden inferior al grado de McMillan que genere. aproxi­ madamente. coincide con el núm�ro de vectores columna de Ta junto con Te. como el modelo de estado con menor número de variables que explica la relación entre la entrada y la salida del mismo. según las Ecuaciones 4. Tb es una base de la intersección del subespacio controlable y del subespacio no-observable.39. Te : conjunto de vectores columna tales que conjuntamente con Ta .9. 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 . • Por tanto.

Sin embargo. por lo tanto controlable y observ­ able. to)V(oo.edientes. Dada una realización mínima de un sistema (A. Asumiendo que se parte de la realización mínima del sistema. . 1 .1 W(00. . � REDUCCIÓN DEL MODELO 4. . las llamadas transformaciones contragre­ dientes : Una transformación T que produce que W(oo. se tiene que ambos gramianos. to) y V(oo. tO)T. to)T (4. to)Va = Ea (4.9.43) Si ahora se considera la familia de transformaciones: (4. .45) . entonces existe una matriz ortogonal Va (compuesta por los vectores propios ortonormales) .4. D) con grado de McMillan los valores singulares de Hankel del sistema son: i = 1. los autovalores del producto entre ambos gramianos sí son invariantes ante transformación. Son particularmente interesantes tres transformaciones contrag¡. B. por lo que es nece­ sario relativizar la información que nos ofrecen al sistema de referencia en el que viene expresado el modelo.9.T TT V(OO. Además. tal que: (4. Dado un sistema estable. de controlabilidad y de observabilidad. to) sean ambas di­ agonales se conoce como transformación contragrediente. se plantea el valor de este producto cuando se considera t l = 00: W(oo. existe una matriz ortogonal U y otra diagonal y positiva E. como puede comprob�e fácilmente. son matrices definidas positivas y simétricas. tanto el gramiano de controlabilidad como el de observabilidad no presentan invarianza ant� cambios de base. tal que: donde Ea es diagonal y positiva. (4.41 ) 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. Como ya se ha mencionado en este texto.l W(oo.44) V�W(oo. e. Son de especial interés ciertas transformaciones lineales que ponen este hecho de manifiesto.42) Estos valores reflejan las propiedades de entrada-salida del sistema y juegan un pa­ pel central en la reducción de modelos.n n. to)T = T . to)V(oo. to) = T .

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

9. L una matriz triangular inferior.51 ) Nótese que: (4.52) Nótese también que en el paso descrito en la Ecuación 4. REDUCCIÓN DEL MODELO 201 4.4. A continuación. = t Descomposición de Cholesky y Sea M una matriz de elementos reales.8.49) donde Le y L o representan los factores triangulares inferiores de Cholesky de los gra­ mianos de controlabilidad y observabilidad.2. l::. to) = = LeL& L o Lb (4. Un ejemplo de cálculo de una transformación contragrediente se puede ver en el Ejemplo 4. se calcula la descomposición en valores singulares (véase :1: en esta sección) del producto de los factores de Cholesky: (4. con los elementos en la diagonal posi­ Existen varios métodos para el cálculo de la factorización de Cholesky. simétrica dicha matriz se puede descomponer como: definida positiva. entonces (4.50) y a partir de ella se construye la transformación a la realización internamente equilibrada: (4. Transformación a la realización internamente equilibrada El algoritmo comienza por calcular la descomposición de Cholesky (véase t en esta sección) de los gramianos de controlabilidad y observabilidad: W(oo.48) (4. siendo los más conocidos: Método de Cholesky Se trata de un algoritmo recursivo que comienza con i = 1 y: (4.50 se podría haber realizado la descomposición de L&Lo VEUT .54) . to) V(oo.53) siendo tivos.9. respectivamente. lo que simplemente hubiera intercambiado los papeles de U y V.

n . . ." m2 1 m22 . In' ln2 lnn I g l2 1 l22 = LLT : O O (4.¡m:¡. . ili mii Ll = para i > j l�k M (4.61) - (4. la matriz Mi tiene la forma: donde denota la matriz identidad de dimensión i .l m' .56) (4. .55) entonces se puede escribir: donde: y'mii O (4.59) l l. . . .57) (4. m2n · · · mn l mn2 mnn ][ In l2 1 . S i ahora s e define la matriz como: 1 __ b'l· . m . . [ Ii.202 CAPÍTULO 4. OBSERVABILIDAD En el paso i-ésimo. tras n pasos. . .1.62) k= 1 es real y . h2 O � ln l ln2 lnn ][ (4. 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 .60) 1 se obtiene la expresión general para los elementos de L: siendo la raíz cuadrada de la Ecuación 4. li .l Li = O O (4.62 siempre positiva si definida positiva.58) Repitiendo esta operación para i = 1 .

El cálculo se ordena entonces en cualquiera de las dos .9. las columnas de U se definen como los vectores singulares por la izquierda de M. formas siguientes: • El algoritmo de Cholesky-Banachiewiez comienza por la esquina superior izquierda de la matriz L y �rosigue ..fila por fila. La matriz S tiene la forma: donde E representa una matriz diagonal con los elementos CTi ordenados como ya se refiere en la Ecuación 4.4. mientras que los de M™ son las columnas de la matriz U. Los autovectores de MMT constituyen las columnas de V. REDUCCIÓN DEL MODELO 203 De esta forma se puede calcular el elemento l ij conocidos los elementos a su izquierda y arriba.63) � donde U es una matriz ortogonal de dimensiones m x m . las columnas de V se definen como los vectores singulares por la derecha de M. /:::. • El algoritmo de Cholesky-Grout comienza ·por el 'elemento de la esquina superior izquierda y prosigUe columna por columna. Calcular la descomposición en valores singulares consiste en calcular los valores y vectores propios de MMT y de MT M.64) Los CTi son los valores singulares de M. y [ E O ] si m < n y además S se convierte en una matriz de dimensiones r x r. Si se supone que m � n y rang o(M ) = r < n. :j: Descomposición en valores singulares (SVD) m Cualquier matriz real M de dimensiones x n puede ser descompuesta como: (4. disminuyendo su dimensión en consecuencia las matrices U y V.n) O (4. . Los valores singulares de S son las raíces cuadradas de los autovalores de MMT o MT M.65) [�] si m � n. 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. entonces: (4..64.

se comportaría aproximadamente como Xc y X3 a la vez. 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. Dado un sistema definido por las matrices e. por lo que si se tratara de un modelo de caja negra. 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. no se puede especificar un criterio general de reducción. B. 2. sino que vendrá fijado por las necesidades de exactitud con la que se deba reflejar el comportamiento real del sistema. conservando las propiedades de estabilidad y equilibrio interno. enunciado en la Sección 4. Si el teorema de realización mínima de Kalman. y dada la característica anterior. Esto tiene dos consecuencias claras: • [�] En primer lugar. n . dada la realización que se está manejando. el modelo resultante de orden reducido se comportaría aproximadamente igual al original. respectivamente. B. se reducen las matrices del sistema de la . • Por lo tanto. 4. lo que significa. Reducción del modelo CAPíTULO 4. el procedimiento de reducción es el siguiente. D): 1.66) donde I k es la matriz identidad de dimensión k. que las entradas repercuten débilmente en su valor y que sus variaciones no afectan significativamente a la salida. se debe siempre alcanzar un compromiso entre simplicidad y precisión. sino enunciar las guías para proceder con esta simplificación. Por lo tanto.204 4.8. como en cualquier algoritmo de aproximación. El grado de simplificación del modelo no se puede precisar a priori. son variables difíciles de controlar y de observar. e. 3. se aplica al modelo internamente equili­ brado para el que X l se toma como una buena aproximación a XC Q . 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. son variables que contribuyen muy débilmente al acoplamiento entrada-salida del sistema. (A. En segundo lugar.3. OBSERVABILIDAD En la determinación de un modelo reducido equivalente.9. La idea básica en la que se basa la reducción del modelo es la siguiente: supóngase un sistema exprsesado en su realización internamente equilibrada.k variables. D ) . Se toman los valores singulares de Hankel y se descartan los que sean significativa­ mente inferiores a los demás. podrían ser despreciadas.

tI 1 1 .k últimas filas y n .k últimas filas de la matriz B.4.9. 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 [ =. /::.80640 O 1 80640 0 . Se eliminan las n .8 Dado el sistema descrito por la realización mínima: x(t) = y(t) = [ 3 [ -��84 1 O O ] x(t) � � . .14132 W(oo. Ejemplo 4. En primer lugar se calculan los gramianos de controlabilidad y observabilidad: 1 .403 5040 693 21697 21344 6720 23 560 11543 305 673 56 2693 115 20 2304 107520 V(oo. C. 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.�OO -�40 5 O �1 -20 x(t) + [�1 1 u (t ) plantear los posibles modelos de orden reducido. REDUCCIÓN DEL MODELO • 205 • • Se eliminan las n .k últimas columnas de la matriz Se eliminan las n .k últimas columnas de la matriz A. O) = O 80640 O1 4032 151 O O .

951 -0.018 -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.001 0.307 -0.612 -0.033 -0.561 -0.163 -0.646 -0.198 12.729 O O 0.533 0.397 0.803 0.018 -0.018 -0. se procede a la descomposición en valores singulares del producto: resultando: -0.690 3.0001 O -0.001 0.248 -0.680 -0.214 -15. 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 .803 0.483 -2.10.195 0.647 3.308 0.0724 -0.751 -0.186 0.020 0. y a partir de estos valores se genera la matriz de transformación a la realización internamente equilibrada del sistema: Aplicando esta transformación.308 -0.992 -0.776 -o.00109 O O -0.134 -4.' ] ] -0.238 -0.434 4..604 0.008 0. las matrices del sistema resultan : A _ - [ [ J ] IO .195 0.763 -2.997 U = -0.404 0.014 0.612 .156 ] ] .332 0.264 0.134 2.690 -4.264 -4.00488 O E= ° O [ [ [ LbLc = UEVT 0.0005 -0.099 -0.238 -0.562 -0.471 O 0.206 4 293� 48 1 697 48"'80 1 85 3 y' 2��1 64 CAPíTULO 4.516 -2.380 -0.946 -0.032 -0.002 0.456 6.073 0.632 V = -0.0986 -0.

086 0. \" \\ ..4. O) = V(oo..763 2.046 ] ] cuya respuesta impulsional es la que se representa en la siguiente figura: 0 .... O) = E = [ 0.238 -0.00109 O O O O 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. REDUCCIÓN DEL MODELO B= [ ] -0... 006 0 .... _.098 Cl = [ -0. \..098 -0. .9. .008 ] siendo los gramianos matrices diagonales con los valores singulares de Hankel del sistema ordenados de forma descendente: W(oo. .00488 O O O O 0. . b.0001 O O O O 6..046 0...046 ] -0.. .. eliminando la cuarta variable de estado de la realización internamente equilibrada .. y el de orden dos. 008 0 . : ¡ ¡ ! ! \ :. .434 4. el modelo de orden tres..046 0...086 -0.008 207 C = [ -0. ...098 -0..803 -2.803 -4.10..612 -0... 002 ! !¡ ¡ ¡ :! . eliminando la tercera y la cuarta.. . • Eliminando la cuarta variable de estado se obtiene el modelo de orden tres: Al = Ih = Yl ( t ) [ [ -0..238 -4.. Se plantean dos alternativas. ..098 -0....086 0.612 .... \\ \\ \ \..086 -0... 004 0 .647 -0. por lo que se puede plantear un modelo reducido de orden dos." \.

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

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) . Esta dependencia sólo ocurre en el caso de que haya errores en .2t + 2e.01 sin( lOOt ) Para calcular el estado inicial . con lo que dicha salida medida es: Ymedida (t) = 1 .10. se puede despejar la estimación del estado inicial.4e . y para poder determinar el estado inicial . 10. en el sentido de que se obtendrá un valor distinto al cambiar el periodo sobre el que se realiza la evaluación. Para simplificar. Ejemplo 4.2) : y. 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 .9 4.4.t + 0. para dejar únicamente la porción debida a la evolución libre desde el estado inicial: A continuación. se descuenta de la salida medida la parte corres­ pondiente a la excitación producida por la entrada. se ha de calcular el gramiano de observabilidad del sistema (ya calculado en el Ejemplo 4. se supondrá que el ruido es una senoide. por lo que el estado inicial depende de t .3t + 3e. C= [ l 2 3] cuando la salida ante escalón medida es la salida real corrompida con un ruido. a partir del conocimiento del gramiano de observabilidad. En este caso se hace sin especificar el tiempo de observación de la salida .

Particularizando la Ecuación 4. En caso de que las medidas sean perfectas.3 0.4 0.210 CAPÍTULO 4.2 -5 10 -15 X 02 e 0. a medida que se aumenta el intervalo de la salida utilizado para su cómputo (columna de la izquierda) y el error cometido respecto al valor inicial real (columna de la derecha) para cada variable de estado: X Ol e XO l e .XO I 20 15 0.3 0. los errores tienden asintótica mente a desaparecer.8: En las siguientes gráficas se representa la evolución del valor de la esti­ mación. OBSERVABILIDAD el modelo o en la medición. provocan un error en la estimación del estado inicial .4 0.2 -5 0. como se vio en un ejemplo anterior.4 6 4 -2 -4 .3 -6 -8 0. lo que matemáticamente se refleja en valores pequeños para el determinante del gramiano de observabilidad. A medida que el intervalo se amplía .X0 3 0. tanto mayor cuanto menor es el intervalo utilizado.5 10 5 0.3 0. .5 t Como se puede apreciar en las figuras.5 t 10 5 O.4 2 0.5 t -10 -15 -20 X0 3 e . 0. modelados en este caso como una senoide de alta frecuencia superpuesta sobre la salida real .5 t 20 15 0. los errores en la medida de la salida.4 0.2 X0 3 e 0. no se produce.3 0.

4. por lo que ésa es la dimensión del subespacio controlablé'del SIstema.10 -2 -11 191 - 18 2 17 -17 15 1 . se extraen tres vectores columna linealmente independientes de dicha matriz. PaFa obtener su basE!. EJEMPLOS ADICIONALES 211 Separación en subsistemas Ejemplo 4.2 A = -3 O -3 -3 3 3 En primer lugar es necesario conocer las dimensiones de los subespacios controlable y observable del sistema .10. en este caso los tres primeros: .10 Separar en sus partes controlable y -o bservable el sistema dado por las ma­ trices: 2 3 -3 . 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 .

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 .3 CAPÍTULO 4. por lo que la dimensión del subespacio no-observable es 2. 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.10 18 2 -2 2 -2 2 Vll V2l V3l V4l V5l � sabiendo que la dimensión de la intersección es 1. [e1 [ 3 1 [ 3 3 -3 . por lo que primero se calcula la dimensión de dicha intersección: y.] [H] [ CA CA 2 C A3 C A4 = -6 -12 -24 -48 3.212 En cuanto a l estudio de controlabilidad: P= siendo el rango de la matriz P también 3 . se plantea la ecuación: .

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

214 Con esta matriz se realiza la separación en los distintos subsistemas.2) 3(8 + 1) (8 + 2)(8 . quedando: A =T. OBSERVABILIDAD -1 o -3 ] 3(s + 1) Ce o(s) = Ca ( sI . Tomando: [� �1 O 2 -1 -4 O O .1 ) mientras que si se toma la realización completa original : C (s) = C ( I 4. .1) 1. Ej ercicios resueltos Para el sistema siguiente: Determinar: [ !: J [ -� ! j ] [ :: J [ � ] [ :: 1 + - y " � [1 1 OJ a) La observabilidad del sistema.1 AT = B =T . 1 1 .1 B = 3( s + 1) (s .1 -3 O 2 O O O O O CAPíTULO O O O O O O 4.1)(s + 1) 2 (s . s _ A) .1 B = e =CT = [3 A la vista de este resultado es posible comprobar también cómo la realización mínima del sistema y la realización original (incluyendo las partes no controlable y no-observable) generan la misma función de transferencia.1 Ba = ( s + 2 ) ( s .Aaa ) .2)(s + 1) 2 (s + 2)(s .

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

2t e -t e-t = por los estados iniciales propuestos: => = = = => => = e. to) = eA (t . r) Bu (r) dr . to)x(to) + C i¡tot «p(t.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. [i] Yc(t) = e .O Luego no es observable. Elestado es no-observable.3 ] i BN . Como A es invariante y diagonal. se comprueba que no es posible distinguir el estado inicial observando las salidas Yb(t) e Yc(t).to } = [ e .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. pues produce cuando se toma como inicial y cuando entrada es asimismo nula. Dada la existencia de un subespa­ cio no-observable.o �1 [ ] CAPíTULO => => 4.2t + e -t x(to) Xc = = El expresado punto Xa análisis de laslasalidas confirma lo salida nulaen el tercer apartado.2t e-t e-t e 2t = = e� t [ e .2t + e .t . la salida se obtiene como: = Sustituyendo en esta expresión = = OO OO OO ] y(t) C«p(t . la expresión de la matriz de transición es fácil de calcular: y(t) Cx(t) C«p(t. Al ser la entrada nula. OBSERVABILIDAD i BN . Luego no es observable.

2t e .t + 2 2 - t => Yb ( t ) = e .2t = 1 + 2e . .2t e . lo que confirma que.t + t => yc(t) = e .2e . 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.t + 2 2 Analizando las salidas se ve que no es posible distinguir cuál es el estado inicial observando Yb(t) e. cuando el sistema no es observable. EJERCICIOS RESUELTOS e) S i la entrada es 217 un escalón.2 + e .11.2 t = 1 + 2e .2t 1 2e . independientemente de la entrada que actúe. Yc(t). no existe ningún punto observable.: [ 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 .+ 1 .2e . habrá que sumarle a la salida el término debido a la evolución forzada.2t + e .4. que es independiente del estado inicial: t jj(t) = c l �(t.

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

11. Para ello se seguirá el procedimiento habitual de hallar la transformación de diagonalización para resolver en el sistema diagonalizado: Dado este sistema. se calculan los valores propios de la matriz A: det(>'I . + 3 1 2 -1 -1 1 VF ( >' + 1)( >' + 2)(>' + 3) . e) .1 >. hallar la evolución temporal del sistema implica el cálculo de la matriz de transición. se puede abordar la resolución de las distintas cuestiones que plantea el ejercicio. quedan: Una vez que se dispone del modelo del sistema. a) YI [ Y2 ] = [ OO O ] 1 1 1 Dados los valores de las constantes ( a . donde ya se han sustituido los valores de las constantes.4. se calculan sus vectores propios asociados: [ XX3l 1 [ O �2 =[ O >' = -1 => -1 1 -2 >' + 1 . b. -2 = => O OO 1 [ XX2l 1 [ O O 1 [ �� O X3 O ] O OO 1 = O O 0O ] [ VVnl2 1 [ n [Vu-�= VlO 2 Vl3 Vl3 = O VI = [ i ] [ O OOO OO ] [ V�'2223 1 = [ � 1 V V21 = O V23 = O [ ! l -3 + 1 1 1 >.A ) Conocidos los valores propios. EJERCICIOS RESUELTOS 219 que. + 2 >. expresadas en forma matricial.

] 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..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 ] [ :�:. ] 1 = 1 1 1 1 1 ..1 AT [ O ] '¡'(t) eÁt [ e-t e-OO2t ).

. e) . b. por tanto. 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.4.b o O c2 1 Ql . independientemente de los valores de (a.11. luego el sistema es controlable y. 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 . luego el sistema no será nunca observable uti­ lizando sólo esta salida. 2) La matriz P de observabilidad es: [ -a .a .b -a .b b2 O .e -a . e) .l . por tanto.b b2 O � -� � 1 1 1 P= con rango(P) = 3. luego ningún estado del sistema puede ser observado. b. . ha de poder expresarse como combinación lineal de los vectores de la base del sub espacio controlable ( que podría ser todo el espacio) y. d) La matriz Q de controlabilidad es: -b O -b . por lo que el sistema es observable para cualquier combinación de valores de (a. cualquier estado del sistema puede ser alcanzado desde condiciones iniciales nulas. el sistema no es observable para ninguna e) combinación de valores de (a. e) . b. Como se indica en el apartado b. 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.b b2 c2 O O 1 1 O 1 Q� con rango(Q) = 3.

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

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

la X2 del enunciado no puede ser variable de estado junto con la Xl .[ O1 OO O1 _ n 2 [ Q= [O por lo que el estado no es controlable. De otra parte. por lo que no será posible llevarla a cualquier par de valores arbitrarios desde condiciones iniciales nulas como propone el enunciado.OO1 O0 1 -1 O -� y . por lo tanto la salida no es controlable.224 CAPÍTULO 4. Un cambio de base no afectaría para nada a este resultado. puesto que no repercute en modo alguno sobre la controlabilidad del sistema. x= -1 -1 b) La matriz de controlabilidad es: OO1 . 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 . la matriz de controlabil­ idad de la salida es: donde rango(CQ) = 1. OBSERVABILIDAD se tiene que: Xl y Por otra parte. 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 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. X2 es la velocidad angular y X l es el ángulo girado. serán observables cualesquiera variables de estado en las que se exprese. donde es la tensión en bornes de entrada. por lo que el sistema es observable y sí se podría construir el observador. u El sistema de la figura representa la función de transferencia de un motor.4. Utilizando sólo la salida Yl . 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. con rango(P 2 ) = 3.11. y dado que el sistema no es controlable. por lo que usando la segunda salida tampoco sería posible construir el observador. hacen falta las dos salidas para poder hacerlo. d) Como el sistema es observable. Utilizando sólo la salida Y2: P2 = [ 1 O -1 1 O O 1 -2 O O O O 1 -1 1 -1 ] 4. Del mismo modo. . por lo que no sería posible construir el observador. no lo será cualesquiera que sean las variables de estado elegidas para su representación.

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

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

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

las matrices del sistema quedan como: A = T .4. Ta forma junto con Tb la base del subespacio controlable. Por lo que en este caso: Ta y Td no existen. Td forma junto con Tb la base del subespacio no-observable.1AT = � e � T. la matriz de transformación es: Aplicando esta transformación. Te completa la base del espacio de estado.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] . De esta forma. • Controlable: • [�1 [ [ . EJERCICIOS RESUELTOS 229 Con esta información ya se puede calcular la matriz de cambio T: donde: • • • • Tb es la intersección del subespacio controlable con el no-observable.11.1 -1 .

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

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

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

pero en la que se ha suprimido el cero de cadena abierta introducido por el mismo. 5.2. representada en la Figura 5. Se observa que este esquema representa una estructura clásica de control con un regulador de tipo PO.2. 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. de forma natural.5.1: se cumple: Figura 5. mientras que en la estructura clásica es necesaria la con­ strucción de derivadores puros de difícil realización física.1) (5. REALIMENTACIÓN DEL ESTADO 233 Este esquema de control es equivalente al representado en la siguiente figura. mediante unas pocas operaciones del diagrama de bloques. la evolución de las variables del sistema . 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. x(t ) y(t ) = Ax(t) + Bu(t) = Cx(t) + Du(t) (5.2) .1: Sistema con realimentación de estado. Realimentación del estado Dada la realización mínima de un sistema. actuando solamente sobre la señal de error de la salida.

1 dt dt -- siendo ésta su expresión más general. La solución a este primer problema pasa. por lo tanto se pueden cambiar las propiedades del sistema. A raíz de la afirmación anterior.5. 1. quedando reducidas las restantes ecuaciones a identidades independientes de los valores de los elementos de 1 ( 5.+ . resultaría un sistema incompatible. . a través de la matriz constante K. con el máximo orden de derivación de la entrada igual al de la salida.1 dn y dy dn u dn . La respuesta es negativa.234 CAPÍTULO 5. .1 d n .5 ) Se puede cambiar la matriz Ar que representa la dinámica del sistema realimentado mediante la libre elección de la matriz K. 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 ( 5.5.3.+ bou dtn dt 1 dtn dtn . Si así se intentara. dado que normalmente va a haber menos entradas m que variables de estado n. porque dicha expresión representa n x n ecuaciones (dimensión de A) con m x n incógnitas (dimensión de K). surge la pregunta de si se puede elegir cualquier matriz Ar y si siempre se puede despejar la matriz K que verifique la Ecuación 5.4 ) K. como se verá en este capítulo. no va a ser posible ajustar los n x n elementos de la matriz Ar de forma arbitraria. Sin embargo. de forma que el sistema se torna compatible. 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. la inclusión del lazo de realimentación. + b 1 . No obstante. 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. .+ aoy = bn . 5.+ an .3 ) ( 5. + a 1 . CONTROL POR REALIMENTACIÓN DEL ESTADO ecuaciones ya conocidas para un sistema lineal invariante. podría darse el caso en que no fuese así.1 -. .y + .6 ) Vi> r bi = O ( 5. siendo: r < n.3. en particular sus polos.+ bn .1 y du . puesto que no se cuenta con los suficientes grados de libertad en la matriz K para ello. 5. en el que el número de ecuaciones superaría al número de incógnitas.7) . eligiendo adecuadamente Ar y despejando K de la Ecuación 5. :3 ( 5.

ao k2 .8) de donde se puede extraer la función de transferencia: o G(s) bn_ls = bsnnsn++an_l Snn--l l++..lS n . 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 . kn ] . bn . . 10) 1 -an .9) Este sistema puede ser representado mediante variables de estado. + blS + bo ) . + a l S + ao = .2 . .l + . . .a l k3 .3.2 bn .ao -a l -a2 1 O O O 1 O [ k l k2 k3 . 13) . .bnao bl . Entre las infinitas posibles representaciones que admite. 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 + -. -an .an-l 1 y la matriz e de salida permanece sin cambios.l + .bn an . 1 2) k l . (5. 1 1) Si se realimenta como se ha indicado. se elige la de variables de fase: O O 1 O O x(t) = = O 1 O O O O O x(t) + 1 O u(t ) (5.l + .l ] x(t) (5.l 1 O 1 O O = (5.5.l . ++abl sl S++aobo (5. .a2 kn . Transformando por Laplace: ( sn + an_l Sn . que puede haber casos en los que el mayor orden de derivación de la entrada sea inferior a n.bn a l .bnan . . CONTROL DE SISTEMAS MONOVARIABLES 235 es decir. .l -ao -a l -a2 y(t) [ bo . . u (5. . . + a l S + ao ) y = (bnsn + bn_lsn .

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

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

Esto es así porque no es posible alterar la posición de los ceros del sistema mediante la realimentación del estado. Por tanto. Esta transformación se estudia en la siguiente sección de este mismo capítulo.3. Partiendo de la matriz de controlabilidad de un sistema monovariable: Q = [ B AB se supone que el sistema es controlable. hay que tener en cuenta que se ha realizado sobre la repre­ sentación del estado en variables de fase. así que es invertible. no es posible modificar el comportamiento en régimen permanente a voluntad. 5. a la hora de implementar el diseño de la realimentación calculado mediante este algoritmo. añadiendo a esto su extrema sencillez. este algoritmo tiene una probada eficacia en el ajuste de la dinámica del sistema. e. puesto que es capaz de fijar simultáneamente todos sus polos.2. 18) rango(Q) = n. 19) ¡ T. la matriz Q Q -' a partir de la última fila. de la siguiente manera: [ :t 1 e (5 .20) .238 CAPíTULO 5.1 e (5. y que es la inversa de la matriz de transformación. por lo que será necesario introducir una trans­ formación del estado para hacer posible la construcción de los lazos de realimentación. sino simplemente como consecuencia del cambio en la posición de dichos polos. 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. el numerador permanece inalterado. normalmente este conjunto de variables no se corresponde con ninguna magnitud física.: . 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.l : � (5. se construye una matriz que se denominará Te l . Por otro lado. Sin embargo. por lo que existirá Q .

el polinomio numerador y. para fijar el término independiente del polinomio característico.2: u(t) = v(t) + Kx(t) = v(t) + KTc 1 x(t) '* K = KTc 1 (5.24) 5. según se muestra en la Figura 5 .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. Si se aplica a estas matrices el procedimiento descrito en el apartado anterior.22) 1 B = Te 1 B = (5. . que queda libre. A = T e 1 ATe = x(t) = Tex(t) 1 O o O 1 O O O O O O (5. CONTROL DE SISTEMAS MONOVARIABLES 239 La matriz de cambio es Te. que se han de convertir a las variables accesibles del sistema. se obtiene el estado representado en variables de fase a partir de cualquier otra representación. Si con esta matriz se hace una transformación de estado. el control por realimentación del estado permite la locali­ zación de los polos del sistema en los puntos que se desee. ya que a su vez. se obtiene una matriz de realimentación K. Éste será un proceso de prueba y error. el polo libre se puede posicionar en un punto no deseado.5.25) puede tomar cualquier valor arbitrario. Una primera solución a este problema es sacrificar el posicionamiento de un polo. la inversa de ésta (se demuestra que Te? es invertible) .3.21) o O (5. por tanto.3. mediante la modificación de los parámetros del polinomio característico. El problema de la ganancia Tal como se ha indicado. En cambio. La consecuencia de este hecho es que la ganancia del sistema en cadena cerrada: M(O) = ao bo k - 1 (5. correspondiente a las variables de fase. posiblemente no deseado. caracterizada por las matrices Á y :B.3. al fijar la ganancia y el resto de los polos. los ceros del sistema permanecen invariantes.

.Figura 5. = y para cumplir con l a condición impuesta se toma ao 6.8 3 382 + 678 1 + + + _ 8 1 2 -1 ± j . el polinomio característico es de la forma : 1. por l o que el tercer polo toma valor -3 . 3 . el que se usa para realizar el ajuste de la ganancia.2: Transformación de la matriz de realimentación K. La factibilidad o no de la solución en este problema pasa por que la posición del tercer polo.240 CAPíTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO v( t) e y ( t) Ejemplo 5 . En el caso de que se quiera obtener ganancia unitaria en cadena cerrada._ ._ . sea tal que se pueda mantener la hipótesis de dominancia de los polos cuya posición ha sido asignada directamente. si bien su influencia sobre el comportamiento del sistema no va a ser despreciable. Sea el sistema de función de transferencia: Se desea posicionar los polos dominantes en lazo cerrado en: 38 G ( 8 ) . _ . En a= = . Con ganancia unitaria. 1 . Manteniendo la misma ganancia que en lazo abierto. Este valor podría ser aceptable. 2.

y(t) Figura 5 . En esta situación este tercer polo es dominante frente a los otros dos. por tanto. CONTROL DE SISTEMAS MONOVARIABLES 241 cualquier caso. -0.4 (5. la función de trans­ ferencia del sistema realimentado será: es decir. En el caso de que se quiera mantener la misma ganancia que se tiene en lazo cerrado.3: Adición del parámetro Ko. se pueden elegir la ganancia y los polos arbitrariamente. de tal forma que no se respeta la hipótesis de dominancia. Obsérvese que. si el sistema está expresado en variables de fase. no se puede cumplir con la de régimen dinámico. Ko. se continuaría obteniendo la matriz K. No es posible cumplir con todas las especificaciones impuestas: si se respeta la de régimen permanente. Ejemplo 5.5. tal como se indica en la Figura 5. = a= Una segunda opción consiste en añadir al esquema anterior un parámetro adicional.26) Sea la función de transferencia: .5. la posición del tercer polo cambia. siendo ao 1 y. los preasignados. dado que se acepta como esta posición para el tercer .3.. Debería acudirse entonces a algún planteamiento alternativo.polo. y viceversa . v(t) _--. para fijar la ganancia.3. 2 .

Para resolver este caso se comienza por plantear el modelo del sistema prop­ uesto en variables de fase: = = A continuación. cuando aparentemente sólo se dispone de tres grados de libertad para conseguirlo (los valores de las tres constantes de la matriz de realimentación) .242 CAPÍTULO 5. es decir. 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. como se muestra en la Figura 5. pero no con la que hace referencia al valor de la ganancia estática del sistema realimentado. cuyo valor se va a ajustar durante el proceso de diseño del lazo de realimentación. CONTROL POR REALIMENTACIÓN DEL ESTADO se desea diseñar un control por realimentación del estado que sitúe los polos en: 8 1 . Para ello se añade una constante. por lo que supuestamente el problema estaría indeterminado y no podría resolverse. el cálculo de la matriz = Ko-6 = 1 Ko = K: Ar =A + KoBK Gr(O) 10 3 20 . multiplicando al conjunto. Esta situación se resuelve mediante la adición de una cuarta constante en cadena abierta.3. se genera el polinomio característico del sistema realimen­ tado a partir de la posición impuesta a los polos: p (8) por lo que la matriz del sistema tras la realimentación es: Con esto se cumple con las especificaciones relativas a posiciones de los polos. cuyo valor se 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.

de modo que globalmente se sitúen los polos en los lugares deseados.10 Es importante tener en cuenta en este planteamiento que no hay necesidad de realizar la validación de la hipótesis de polos dominantes.3 .10 . para tener un sistema con los polos en las posiciones deseadas y error de posición nulo. 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. como se muestra en la Figura 5.4 .28) 1 . de modo que la función de transferencia en cadena abierta sea del tipo adecuado para luego realimentar la salida. no efectuando un verdadero control en cadena cerrada sobre la ganancia del sistema. Se va a suponer.l bn . CONTROL DE SISTEMAS MONOVARIABLES [ * 1 k2 k 3 ] Ko . a l S lo que corresponde a unas variables de fase: + . O O O O -a l -a2 e = [ bo b 1 b2 O . como se desea en los servosistemas. En este apartado se va a estudiar cómo compatibilizar el control por realimentación del estado con la realimentación de la salida. que el sistema es ya de tipo 1. 5 .an . en primer lugar. . .1 La idea es realizar primero una realimentación del estado que conserve el tipo del sistema para luego añadir una realimentación de la salida. O O A= 1 O O 1 O O 1 ++ O O B= (5.7 -3 . 3 . la única solución fiable es incrementar el tipo del sistema.27) s + an _ l Sn .4.l + . 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. La función de transferencia es entonces de la forma: sn .2 + . 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.l bn _ 2 S n .5. por lo que los sistemas resultantes son sensibles a las perturbaciones e inexactitudes del modelo. -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. es decir. . b I S + bo G(s) = bn _ l n (5. sobre su valor en régimen permanente.10 .

KoCx x = Áx + Bu = Áx + KoBr .KoBCx = Á .31) (5.a2 es decir. se obtiene el sistema de la Figura 5.33) .l (5.Ko bo k2 .32) O O O O 1 O O O O 1 O O O O O kn . Si sobre este sistema se realiza una realimentación de la salida con un control pro­ porcional Ko.y) = Kor .KoBC x + KoBr Ar = A + BK .al .a2 ..Kobl k3 .r------.KoBC = Se obtiene. un sistema de tipo 1 con todos los polos modificados.29) se obtiene como nueva matriz del sistema: o O Á = A + BK = 1 O O 1 O O (5. y (t ) Figura 5 . un sistema realimentado con matriz de sistema: ( ) (5.5: u = Ko (r .Kob2 1 .4: Realimentación en sistema de tipo uno. Si se realimenta entonces el sistema con una matriz: (5.al k3 . CONTROL POR REALIMENTACIÓN DEL ESTADO .an .l .244 CAPÍTULO 5 . por tanto.Kobn .30) O O O O k2 .

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

.7 -3 3 Ko = lO 3 K = [ O -5 -9 ] En el caso de ser un sistema de tipo O.6.6: Conversión a sistema de tipo uno.246 CAPÍTULO 5.KoBC -22 -12 O 1 � resultando: l=[� l+[�l [�1 O . se puede incrementar el tipo del sistema añadiendo un integrador en el controlador. 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. Figura 5.

CONTROL DE SISTEMAS MONOVARIABLES 247 Las ecuaciones del sistema quedan en este caso: Xo x = r u es decir: .3.bOn .37) y =[ O CT 1 [ :0 ] = [ O bo bl b2 .38.5.34) (5.an-l (5. . [ Xjco ] = [ T . bn.l ] - (5 .al k3 . .35) (5.l Xo b o .1OBKo T.36) = Si en la expresión anterior se efectúa el cambio queda la siguiente expresión: x = T:ié para pasar a variables de fase.1 (A CTBK)T ] [ xo ] + [ O1 ] = :ié + b .bo OO1 Xl OO -O1 1 -O1 2 OO X2 + O X3 = O 1 O O O O Xn O Ko kl .y = .ao k2 . .39) Si se desea fijar la dinámica de este sistema de manera que su polinomio característico sea Pr (S ) .40) det(sI Ár) = Pr (S ) donde Ár es la matriz de la dinámica del sistema realimentado expresada en la ecuación 5.a2 kn . se debe cumplir : (5.Cx Ax + Bu Koxo + Kx = [ Ko K ] [ � ] r (5.38) r r = (5.

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

por la forma de la primera fila de esta matriz.k2 )8 2 + (1 . o bien un valor de la ganancia en cadena cerrada.k3 = 22 - con lo que se forma el siguiente sistema de ecuaciones.. o bien el seguimiento de la variable de referencia pueden ser encon­ trados al final de este capítulo en los Ejemplos 5.4.4.1 k2 . las entradas del sistema pueden dividirse en dos grupos: las que se utilizan en la realimentación del estado.4 .k 1 + 3Ko = 240 7 k2 = 142 3 . del que se despejan los parámetros de la realimentación: =} }{ 100 Ko = 3 K= [ -139 . Un Y las perturbaciones externas que no se utilizan para controlar el sistema. resultando: Ko k 1 . 6. por tratarse de perturbaciones del sistema o por no ser necesarias para su control.k3 )8 3 + (7 . 5. con n variables de estado.aO O O O -6 O O -6 O O -3 1 O k 1 . dedicado al cálculo de la matriz Te..135 -19 ] Casos adicionales de control de sistemas garantizando.8. La matriz B queda descompuesta consecuentemente en dos matrices.7 det[8I . Si alguna de las variables de entrada no se utilizase en la realimentación del estado. no se puede recurrir a la estrategia de igualar elementos con los de la matriz del sistema realimentado. m entradas y p salidas. 5. lo que se hace es plantear la igualdad de ambos polinomios caractarísticos.42) . invariante y multivaria­ ble.Ar l = 84 + (3 . 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. !:. CONTROL DE SISTEMAS MULTIVARIABLES 249 especificaciones de régimen permanente) queda: Ar = [ Dado que en este caso.7 y 5.5. y las ecuaciones de estado se expresan de la siguiente forma: (5. up . según criterios que se explican en el subapartado siguiente. 1 .k 1 + 3Ko)8 + 6Ko = = 84 + 2283 + 1428 2 + 2408 + 200 6Ko = 200 1 .

45) coincidente con la Ecuación 5. Para plantear el diseño del lazo de realimentación.46 y en 5. como en el caso monova­ riable. CONTROL POR REALIMENTACIÓN DEL ESTADO Efectuando la realimentación del estado mencionada: Ur ( t) = v(t) + Kx(t) (5.47 tienen las siguientes expresiones: • Matrices Aii : O O Aii 1 O O [�� 1 1 (5. de la representación del sistema en su forma canónica controlable. intervienen en la evolución del sistema mediante la matriz Bp.43) la ecuación que expresa la dinámica del sistema realimentado queda: (5.46) [ Am I Am2 B= Amm donde las submatrices que aparecen en 5. up.44) donde puede observarse que la matriz que determina la dinámica del sistema es: (5. se le denomina con la letra m. coincidente con el número de entradas utilizadas en la realimentación. Obsérvese que las entradas de perturbación.250 CAPÍTULO 5. que se obtiene mediante el cambio de base adecuado. se parte. dado por la matriz Te según se describe en el siguiente apartado.5. Con objeto de facilitar la notación en este apartado de sistemas multivariables.48) = o 1 . 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. la matriz Br se denomina simplemente como B.47) O 1 O O O (5. pero dicha matriz no interviene en el cambio de la dinámica interna fijado por Ar . pero utilizando la matriz de entrada correspondiente sólo a las variables de estado utilizadas en la realimentación Br. y a su dimensión.

• I7j -nj+ l O I7j -nj+2 O I7j .50) 0'. cada una de las matrices Aij . cuyo significado ha sido comentado anteriormente.51) O O 1 bu. Si se efectúa una realimentación del estado del sistema expresado en esta forma canónica controlable.aUi (5. La nomenclatura de subíndices empleada sigue garantizando que éstos indican la illa y columna del elemento considerado .a17i O O . f::" CONTROL DE SISTEMAS MULTIVARIABLES 251 de dimensiones ni x ni . de expresión genérica: (5. Obsérvese que. tienen la siguiente forma en la base canónica utilizada: B.a17i O O . según se expone con detalle en el siguiente subapartado. mediante una matriz K.52) [� O O (5. cuyas dimensiones son ni x nj .5.49) que representan la dimensión de los subespacios controlados por todas las variables de entrada hasta la entrada i-ésima. que el elemento Qij está situado siempre en la fila i-ésima y en la columna j-ésima. fuera de la diagonal principal son de la forma: o O Aij = . es decir. Los valores de (Ti se calculan como: (5.4. donde igualmente los subíndices indican la fila y columna que ocupa un elemento. con la nomenclatura de subíndices utilizada. 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.a17i O O . de dimensiones (m x n ) . con i f=. � cuyas dimensiones son n i x m. dichos subíndices re­ presentan la fila y la columna del elemento considerado. i+ l . • Por otro lado.nj +3 O O En cuanto a cada una de las submatrices que componen la matriz B. j.

mediante la realimentación del estado efectuada sobre las variables de estado de la forma controlable.j ) + + k 1j + bU1 2 k2j + bU13 k3j + . .55) Igualando las columnas j-ésimas de las Ecuaciones 5.5. a partir del polinomio característico deseado en cadena cerrada: (5. . . . .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. CONTROL POR REALIMENTACIÓN DEL ESTADO se obtiene que la matriz de la dinámica del sistema realimentado.53 y 5.54 según se indica en la Ecuación 5.j ) = (A)(. 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 + . 0"2 . + bU2m kmj o +.252 CAPíTULO 5. + bu2m kmj donde el valor de Óij es O ó 1 dependiendo de la fila y la columna considerada. .n 1 = 0"1 +. dada por la Ecuación 5. Por lo tanto. · · · respecto a la matriz original del sistema sin realimentar A. puede probarse la obtención de la siguiente matriz Ar como objetivo de la realimentación del estado realizada: .n 1 + n 2 + . .5. según la . tiene como expresión genérica de su columna j-ésima: (A + BK) (. de forma inmediata. . la matriz que representa la dinámica del sistema realimentado A + BK se diferencia s610 en las filas 0"1 . . + nd = O"n = n (5. + bUlmkmj óU2Í = -au2j + k2j + bU23k3j + .53) donde se observa que. . O"n o O 1 O O 1 O O Ar = (5. + bUlm kmj O k2j + bU23 k3j + .

que escapan al ámbito de este texto.4. Una vez que se tiene la seguridad de trabajar sólo con el subsistema controlable. . al contrario que sucede en el caso de control de sistemas monovariables. es decir. para los sistemas multivariables el control por realimentación del estado modifica la posición de los ceros del sistema. . En el caso de tener que ajustar también sus posiciones. /:::. Primeramente se eligen n columnas linealmente independientes de Q. sería necesario acudir a técnicas alternativas de control. En total se obtienen n sistemas independientes de m ecuaciones cada uno de ellos. el sistema controlable. Abi . 5. Cabe destacar el hecho de que. j .4. existiendo en general varios conjuntos de n vectores columna linealmente independientes de Q. El objetivo es obtener la forma canónica controlable para un sistema de estas características. cabe esperar modificaciones al comportamiento previsto del sistema por la posición que puedan tomar estos ceros. 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. por hipótesis. que permiten resolver los m x n elementos de la matriz buscada K.54. se obtiene un sistema com­ patible y determinado de m ecuaciones con m incógnitas.5. En caso contrario será necesario realizar una separación de la parte controlable. Para obtener la matriz Te de transformación que representa el estado según la forma canónica controlable en sistemas multivariables. trabajando sólo con ésta. = . en general.56) En esta sección se tratará la forma de calcular la matriz Te para sistemas multivaria­ bles. eligiendo siem­ pre para cada entrada las primeras columnas asociadas a dicha entrada bi .5. CONTROL DE SISTEMAS MULTIVARIABLES 253 expresión: 8<7.5 se obtiene un sistema distinto de m ecuaciones con las m nuevas incógnitas pertenecientes a cada nueva columna de la matriz K. rango(Q) n. Obtención d e l a matriz d e transformación a variables de fase =j. como ya se ha supuesto anteriormente en este mismo capítulo para el caso monovariable. a partir de cualquier otra representación..1 para ai f:. que consigue el objetivo de control: que la matriz de realimentación Ar tenga la expresión dada en 5. Para cada columna de la Ecuación 5.1 para ai (5. .2. Para el cálculo de la matriz de cambio de base Te se procede de la forma explicada a continuación . se forma la matriz de controla­ bilidad Q: Q Al ser. Por este motivo.j = { O1 Obsérvese que para cada columna de la Ecuación 5. se supone que el sistema es controlable. aquellos en los que existe más de una variable de entrada y/o más de una variable de salida.

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

según se indica en la Figura L b a continuación . . .n I + n2 + .5. inversa de la dada.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.n I + n2 + .5.I + 1 +.60) =n x(t) en la representación del estado correspondiente a la forma canónica controlable vista en el apartado anterior.61 ) Mediante la matriz Te .9 al final de este capítulo. Ejemplo 5.2 Te I +. + nm. 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. .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. a partir de las matrices Á y B obtenidas con esta transformación. se calcula la correspondiente matriz K mediante lo descrito en el apartado anterior. EJEMPLOS ADICIONALES 255 de la siguiente forma: +. 5. obteniéndose como matriz de realimentación para las variables x(t) accesibles: (5. + nm (5. . .1 +. x(t): x(t) Tcx(t) Al igual que en sistemas monovariables.

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

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

. se comprueba: La matriz de realimentación de las variables de estado originales se obtiene ahora como: K KTc/ [ 0. aunque también influida por los ceros del sistema en cadena cerrada . 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. que son los mismos que en cadena abierta. 2 . Ahora cabe preguntarse cómo se comporta dicha realimentación del estado del sistema cuando se utiliza para controlar el sistema real no lineal. 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 . 05 2.1 y. 05 0. por tanto.2 13. las varia­ bles de estado tienden a cero con una dinámica definida principalmente por los mencionados polos.§. en vez del Figura 2: Evolución de la posición mentado. CONTROL POR REALIMENTACIÓN DEL ESTADO U na vez calculada esta matriz. 1 1 5 Obsérvese que ahora el sistema realimentado es estable con todos los polos en .258 CAPÍTULO 5. si se parte de un estado inicial distinto del origen . (a ) Evolución de la posición x.

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

al menos teóricamente.8. tal como se verá en el Ejemplo Puesto que la realimentación del estado del sistema permite. 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. partiendo de un ángulo inicial (J(O) 25°. situar libremente los polos del sistema en cadena cerrada. 1 Nw. cabe 5 . (b) Evolución del ángulo (J . . 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 . (b) Evolución del ángulo (J. CONTROL POR REALIMENTACIÓN DEL ESTADO 5 r---�--�-'====�==� (a) Evolución de la posición x. 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) 0.260 4 3 CAPíTULO 5. aunque la posición de la base se desplaza 2 m respecto a la posición inicial . Figura 4: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. debido a la mencionada perturbación . estabilizándose el ángulo en la vertical . -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.

EJEMPLOS ADICIONALES 261 plantearse el cálculo de una nueva matriz de realimentación K. en el caso en el que se diseña la posición de los polos en . Obsérvese e n l a Figura 7 que l a energía utilizada para controlar e l sistema . como por ejemplo Pr (s + 10)4. 6 Nw 2 frente a 3 . En la Figura 7 puede observarse la evolución de la entrada del sistema utilizando ambas matrices de realimentación. siendo esta diferencia de energía de 473 . en la que se ha mantenido la misma escala de tiempos que en las gráficas anteriores. obteniéndose en consecuencia una entrada al sistema mucho mayor. es mucho mayor que cuando la dinámica del sistema es más lenta con los polos en .10. Según el razonamiento anterior.10. que sitúe todos los polos del sistema en cadena cerrada en una posición que haga al sistema re­ alimentado mucho más rápido. tanto temporal como en valor de la fuerza de entrada) . 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. 14 Nw 2 . 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 . utilizando la matriz de realimentación que sitúa los polos en .1 . 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. con objeto de apreciar claramente la mayor rapidez del sistema . es importante cuando se diseña un control por realimentación del estado .5. Figura 6: Evolución de la posición y el ángulo en el sistema real no lineal. = = (b) Evolución del ángulo (j. partien­ do de un ángulo inicial (j ( 0) 10° y una fuerza lateral de perturbación up (t) 0 . 1 Nw. Repitiendo los cálculos efectuados al principio de este ejemplo a partir de este n uevo polinomio característico en cadena cerrada .5.

sino también la posición de la base x(t) . que será mayor cuanto más rápido se quiera hacer el sistema en cadena cerrada.10.10.262 CAPíTULO 5.10.======.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 . que. la anulación de este error es sólo posible con el sistema servoposicionador del Ejemplo 5.:::====.8 Se desea controlar no sólo la dinámica del péndulo invertido. 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) .1 . esta nueva especificación del sistema de control garantiza un despegue en = .1 Nw. en . siendo éste un factor limitativo práctico importante a la hora de fijar la situación de los polos deseados en cadena cerrada. Control d e posición d e l a base d e u n péndulo invertido Ejemplo 5. partiendo de un ángulo inicial 0(0) = 100 Y una fuerza lateral de perturbación up (t) = 0. Suponiendo que el modelo del péndulo invertido utilizado es una simplificación del despegue de un cohete. Como se ha comentado. 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 . sin embargo. 25 2 r���---. en las figuras anteriores.1 . CONTROL POR REALIMENTACIÓN DEL ESTADO tener en cuenta la magnitud de la entrada que va a tener el sistema.. que el valor final de la posición x(t) es mucho más cercano a cero en el caso en que los polos están en . de manera que ésta tenga un error nulo en régimen permanente ante perturbaciones en la fuerza lateral Up (t) . 1 00 I E[u(t)]=473 .8.-] 1�1 r--�---. Obsérvese. es de -2 en el caso inicial en el que se utiliza una matriz de realimentación moderada con los polos en .

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

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. La matriz K de realimentación de las variables originales se obtiene mediante: = KTc 1 = [ 0. 75 ] I ntroduciendo los valores calculados de Ko y de la matriz K en la estructura de control propuesta. al mismo tiempo que se ha fij ado la dinámica del sistema en cadena cerrada determinada por la situación de los cuatro polos dominantes en -1. 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.264 CAPÍTULO 5. Figura 2: Evolución de la posición y el ángulo partiendo de un ángulo inicial 0(0) 10° Y con perturbación constante de up (t) 0. 1 Nw y se parte de un estado inicial de 0(0) 10°. se obtienen los siguientes valores de Ko y de los elementos de K: Ko = -0. (b) Evolución del ángulo O. 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. 5 = o Obsérvese que se consigue tener un error nulo en la posición x(t) del péndulo invertido.. 15 K K = [ -13 -25 -38 -7 ] 1. 65 4. tiempo (8 ) tiempo (8 ) � ��----�5�----�10�--�15 5 10 15 = = . 65 = � 1 0'r----�--.1 Nw. 25 19...

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

]=

--

Comparación de los resultados Para establecer una comparación en la eficiencia del control planteado en ambos casos. es decir.+ k25 7 128 .....+ k24 7 53 a55 = .33 que. 7 82 - 25 20 10 7 7 devolviendo la matriz de realimentación a la representación original del sistema queda: ..+ 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 = . es una matriz de reali­ mentación que consigue situar todos los polos del sistema en . al igual que sucedía al utilizar tres entradas.5.1 24 205 . con la salvedad de que ahora se están utilizando sólo dos entradas para realizar el control.1 ." 39 7 7 71 _ 2.5." ... con tres y .K = KT C 1 = 7 -5 . se va a estudiar el caso en el que se quiere transferir el valor del estado entre: Dadas estas condiciones.. EJEMPLOS ADICIONALES 273 a35 = - 3k 54 . la base de comparación es la energía consumida en realizar esta transferencia en ambos sistemas realimentados.

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

En este caso se eligen las variables de fase para la representación del modelo de estado: 6 . 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. para ver que realmente se puede efectuar el control solicitado: Q = matriz con rango(Q) = 3. � 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 .:---:. con los polos en los lugares solicitados. por lo que el sistema es totalmente controlable y se pueden situar los polos en los lugares pedidos.5.6. 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. La ecuación característica objetivo. por lo que serán necesarias tres variables de estado.(8 + 1)(8 + 2)(8 + 3 ) 1 O -11 ::::: --.:----2 3 6 8 + 68 + 118 + 6 A continuación se estudia la controlabilidad del sistema.

X3 = O. serán necesarias tres variables de estado para representar completamente al sistema. se observa de variables representadas en la figuro. con lo que todas son necesarias. dado que el sistema es de tercer orden. ¿ 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. K = [ -168 . 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. par­ tiendo de las condiciones iniciales X l 1 . = = 1 . a) Las tres variables representadas en la figura pueden ser variables de estado. utilizando el mayor número posible los polos del sistema duplican su valor. Además. En cuanto a la necesidad de incluirlas todas ellas. y la entroda U3 (t) al estado [O O cj T . X2 entroda U(t) es nula duronte todo ese intervalo. puesto que todas ellas aparecen como salidas de un bloque en el qu� el nu­ merador es de orden menor que el denominador. 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 . sabiendo que la d) Si en el sistema sin realimentar la entrada UI (t) conduce al sistema al estado [A A oj T . todas ellas podrían incluirse en el mismo modelo simultáneamente puesto que son linealmente in­ dependientes entre sí. Justificar brevemente la inclusión o exclusión de cada una de ellas en el modelo. teniendo en cuenta que en los tres casos la entroda se aplica durante dos segundos y las condiciones iniciales son nulas. . la entroda U2 (t) al estado [O B Bj T . CONTROL POR REALIMENTACIÓN DEL ESTADO 2.276 CAPíTULO 5.78 -9 ] c) Calcular el estado del sistema sin realimentar al cabo de dos segundos.

expresado en forma m�tricial. la función de transferencia global del sistema queda: G Dada esta expresión.s3 +(a +b+e)ss22 +((abb+be+ae+2)s+ abe+a+e _ Después de la realimentación. Para ello. EJERCICIOS RESUELTOS 277 Por tanto. Así. este método puede resultar laborioso. el modelo de estado queda: que. partiendo del modelo de estado calculado en el apartado anterior. 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. Sin embargo. Otra posi­ bilidad más sencilla es sintetizar la forma canónica controlable directamente a partir del sistema dado. Reduciendo el diagrama de bloques. a partir de la función de transferencia global del diagrama de bloques propuesto. dada en la matriz Ar : 1 O Ar = [ -8(abeOO+ a + e) -4(ab+be+ae+2) .6.5. todas las variables representadas en el diagrama son válidas y nece­ sarias. La primera es. los coeficientes del polinomio característico guardan una relación con los del original. se puede obtener el modelo del sistema expresado en la forma canónica controlable como: + + e) s + be + 1 (s) . es decir. partir de ella. y aplicando las relaciones de Cardano-Vietta. componer la matriz de cambio de referencia y realizar la transformación para dar la expre­ sión adecuada. se calculará dicha función de transferencia y a. el modelo en la expresión solicitada.

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

-1� ] [ ��� ] [ O� ] V2 [ �1 ] [ =�O -1� � ] [ �:� ] [ �O ] [ �1 ] V12 = = Vl 1 = V13 O VI = [ � ] V23 = 279 = V21 = V22 V22 = .6.5 0.1 xo = con lo cual: 1 -1O1 -1 ] [ [O] 0.5 0. = -3 =} >.V23 _ -2 V33 = 2 V31 = V32 V32 = -2V33 V3 = _ T.5 -0. = [ O1 t = 2 y devolviendo este vector al sistema de referencia 1 11 -1 . ] . EJERCICIOS RESUELTOS >. = -4 =} Con lo que la matriz de transformación del sistema inicial a la expresión diagonal queda: T= Transformando las condiciones iniciales para pasarlas al nuevo sistema de re­ ferencia: [ O1 11 .5 Sustituyendo para inicial: x(2) Tx(2) = que es el valor del estado después de dos segundos expresado en el sistema de referencia inicial. 1 -1 -1 1 [ O� -1.1 = Xo = T .5 0.5.5 0.

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

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

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

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

alcanzable con una sola entrada. X 2 . se ob­ tiene que para pequeñas variaciones su comportamiento dinámico se ajusta . no puede alcanzarse [1 1 1 lI T desde condiciones iniciales nulas. 1. Ej ercicios propuestos Se tiene u n sistema hidráulico con cinco depósitos interconectados entre sí. en el que las matrices A y B ya están expresadas en la forma canónica controlable: de donde se obtiene: K = [ -99 O . El estado propuesto es. 2 ) Hay que ver el subespacio controlable de la parte superior: 1) sí que es alcanzable. solamente pueden fijarse los polos de este subsistema. linealizándolas en torno a un punto de funcionamiento. Se obtiene su representación de es­ tado a partir de las ecuaciones del sistema. b) 1 ) Puesto que X l . X4 . X 2 son independientes de la salida.284 CAPíTULO 5.18 0 ] 5 . 7. pudiendo utilizarse cualquiera de las dos. por lo tanto. c) Puesto que sólo es controlable el subsistema X l . a) Al intentar identificar el sistema sobre su punto de funcionamiento. 2 ) Un subsistema observable es el compuesto por las variables X3 . tenien­ do un único caudal controlado externamente y siendo su única salida medible el volumen de agua en uno solo de los depósitos. por tanto. no se pueden observar sus valores y. ningún punto del sistema es observable. X4 están independizadas de la entrada. 2) Hallar un subsistema observable a) Puesto que las variables X3 . CONTROL POR REALIMENTACIÓN DEL ESTADO c) Suponiendo accesibles todas las variables de estado. diseñar un control por realimentación del estado que sitúe el máximo número posible de polos del sistema en -10. puesto que: matriz cuyo rango es dos.

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

.

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

estableciendo la independencia en el cálculo del observador y de la matriz de realimentación del estado. tanto en sistemas monovariables como multivariables. que además se supone también controlable para ser utilizada en una estructura de control.2. Por tanto. 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. se supone que se trabaja con la realización mínima del sistema. en la que los valores de las variables realimentadas se estiman previamente para proceder a continuación a su realimentación.2. 6. 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. Las variables que. caracterizado por una matriz C invertible. que son necesarios para su control según la matriz de realimentación del estado vista en el capítulo anterior.288 CAPíTULO 6. Por último. se determina la in­ fluencia de la dinámica del observador en el comportamiento total del sistema conjunto de la Figura 6. además de poder observarse. En este capítulo se definen las características deseables de estos sistemas observadores. Dado un sistema lineal. Para la realización de un observador.2.2: Sistema con observador y realimentación. procediéndose a continuación a su diseño para el cumplimiento de dichas características'.1 . OBSERVADORES DEL ESTADO reales del sistema. 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. como en el caso del control por realimentación del estado. en este capítulo se supone que se está trabajando con la parte observable del sistema. dicho de otra manera. 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. . Figura 6.

(to) = x(to).2) (6.¡t C(t)�(t. y hace falta construir un sistema observador con dinámica que estime la evolución actual de cada variable de estado a partir de la evolución temporal de las salidas y de las entradas. to)dr (t) = y(t) . Si por el contrario se desea obtener de forma continua la evolu­ ción de las variables de estado del sistema en cada instante. El estado del sistema se puede calcular haciendo uso del gramiano de observabilidad.x(t) = O . to)CT(r)y(r)dr V(t¡. to)CT(r)C(r)�(r.2 .1 y(t) siendo: Este procedimiento para obtener el estado del sistema conlleva el cálculo de una in­ tegral definida. 1 ) En general.6. si verifica las dos condiciones siguientes: 1. que tiene que ser evaluada cada cierto tiempo para obtener un estado anterior del sistema. r)B(r)u(r)dr . invariante y observable: x(to) = V. to) = ¡totI �T(r. Si los estados de coinciden en un instante to.D(t)u(t) y ito (6. -+oo tlím xe(t) . 2. según la Ecuación 4.3) (6.1 (tl' to) ¡tot I �T(r. y que responde a las condiciones enunciadas por el siguiente teorema: Dado un sistema lineal.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.8 que se reproduce de nuevo a continuación: x(t) C . :xe (t) debe tender asint6ticamente al estado x(t) para cualquier entrada u(t) y para cualesquiera estados iniciales xe(to) y x(to).para cualquierambos sistemasaplicada sobre instante posteriorxexe(t) = entonces los estados coinciden para todo x(t) entrada u(t) el sistema. se implementa un sistema dinámico que tiene como entradas las entradas y salidas del sistema. el número de salidas es mucho menor que el número de va­ riables de estado. DEFINICIÓN DE OBSERVADORES 289 En este caso el observador del estado se resuelve simplemente invirtiendo esta matriz: = (6. sin embargo.

el estado estimado debe tender asintóticamente al estado del sistema. Sin embargo. para que el observador estime las variables de estado más deprisa que la variací6n de éstos y. se sabe que si se parte de un mismo estado inicial.HC con lo que la Ecuación 6.6) (6.B)u(t) + HCx(t) se deduce que: • (6.7) (6.Ax(t) + ( G . Aquí cabe plantearse si la dinámica del observador determinada por F puede fijarse libremente.7 pasa a valer: Dada esta ecuación..8 con la matriz F libremente elegida. como se verá en este capítulo.5 queda: (6. la dinámica de la diferencia entre las variables estimadas y las variables de estado viene gobernada por la matriz A . de manera que exista siempr.5) Por la primera condición.9) Xe (t) . por lo que los valores propios de la matriz A . sí se pueden fijar libremente los n valores propios de la matriz F. en la práctica se necesita que la dinámica del observador dado por F sea más rápida que la del sistema dado por A.HC es significativamente menor que la de los valores propios de la matriz A. XeO #.x(t)) Como puede observarse de esta expresión. puesto que la Ecuación 6.He . Así.8) (6. Esto se consigue si la parte real de los valores propios de la matriz A . ante cualquier entrada. los estados deben coincidir en todo instante. para que los estados coincidan en todo instante se debe cumplir: Xe (t) .Xo .8 representa n x n ecuaciones con sólo n x p incógnitas (elementos de H) . la matriz F no puede fijarse libremente. .HC) (xe (t) .290 CAPíTULO 6. • Adicionalmente. puedan ser utilizadas de forma eficaz como una buena estimación de las variables de estado en la realimentación del estado del sistema.e una matriz H que satisfaga la Ecuación 6. que representan los polos del observador y determinan de forma Si los estados iniciales no coinciden.HC deben estar en el semiplano negativo. por tanto.x(t) = (A .x(t) = Fxe (t) . si se forma la diferencia entre la evolución del estado del observador y del sistema: Xe ( t) .2 para el cálculo de la matriz de realimentación del estado.Ax(t) + HCx(t) F = A .X (t) = Fxe (t) . Al igual que sucedía en la Sección 5. OBSERVADORES DEL ESTADO Estas dos condiciones imponen diversas restricciones a las matrices del observador. Para que la entrada no influya en la diferencia entre ambos se debe cumplir: G=B con lo que la Ecuación 6.

O X(t) xe (t) .8 en URa base del espacio de estado adecuada. (6. por una parte.(t) . y.O A . analizar la controlabilidad del sistema con el observador de forma conjunta. Cabe.13) [ ] [ _ ][ ] [ ] Como puede verse fácilmente. que los elementos de· F 'Y de A estén directamente relacionados con los polos del sistema observador y del sistema.3. 1. 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 . Dado que se parte de que el sistema inicial es controlable. siendo las restantes n x ( n .x(t) . el conjunto formado por los dos grupos de variables es no controlable. Para ello será importante expresar la Ecuación 6.x(t) _ _ Con lo que la nueva expresión de la ecuación de estado es: ' x(t) A . el rango de esta matriz sigue siendo n.HC xe (t) + B u(t) cuya representación gráfica se observa en la Figura 6.3. COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291 muy importante su dinámica. tanto antes de realizar la realimentación del estado como después. por otra. respectivamente. [ B ] u(t) O (6.3. calculando los n x p elementos que forman la matriz H. que la Ecuación 6.6. por lo que se puede hocer una separación de la parte no controlable. 10) (6.12) xe (t) .HC A .x(t) _ Ecuación de la que pueden extraerse las siguientes conclusiones: [ ] [ 1 [ -1 O1 ] [ ] [ _ ] ][ ] '+. por tanto. Si se estudia la: 'éóntrolabilidad del sistema conjunto.3. 6.15) .11) o escrito en forma matricial: B A O x(t) x(t) (6. Sin realimentación del estado Las ecuaciones tanto del sistema inicial como de su observador son: X(t) = Ax(t) + Bu(t) xe (t) = (A . mediante la construcción de la matriz Q: (6.p) ecuaciones identidades independientes de los valores de H. 6.He x e (t) ..14) x t) xJ(¡tV T xe. mediante el cambio: ( x:(t) . x(t) .HC)xe (t) + Bu(t) + HCx(t) (6. que consigue.8 quede reducida a n x p ecuaciones compatibles.

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

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

. App ep ] 1 (6.37) (6. . Si alguna de las variables inicialmente consideradas como variable de salida no se utilizase. .6. . Este sistema se puede expresar en función de la denominada forma canónica obser­ vable. ésta sería consecuentemente supri­ mida como variable de salida en las ecuaciones de estado del sistema. obteniéndose las siguientes expresiones para sus matrices A y e: A e Apl Ap2 [ e l e2 [ AH Al2 A2 1 A 22 . 6. CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 301 r (t ) Te o Figura 6. . y p salidas.5. . . quedando finalmente un vector de salida de dimensión p. A . Se supone que todas las variables de salida del sistema se utilizan como entrada al observador para estimar el estado del sistema.38) . A 2p .7: Esquema des sistema con observador y realimentación en espacio de estado transformado. .

1 +.HC = . O -0!0"i -ni +2 0"j : .p (6.+ 3 0". : . .41) 1 O O Ci+ 1 0". 1 -a O'i Ui Aii = (6.O!O"i O"j • .12 (6.39) de dimensiones ni x ni .In . • • 1 (6.43) 1 . 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. con el significado mencionado anteriormente.302 CAPÍTULO 6 .42) lo F = A . O Ci = O O O O O Cp 0".i +. O O . . Su valor se elige. . . +.+1 0"i O -aO"i -ni+ 2 0"i O -aO"i -n.40) de dimensiones ni x nj . O -0!0"i -ni + 1 0"j O . OBSERVADORES DEL ESTADO donde las distintas submatrices involucradas tienen las siguientes expresiones: o O 1 O O 1 O O O -aO"i -n. En las anteriores expresiones p representa el número de salidas utilizadas para la implementación del observador. . 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. . O de dimensiones p x ni . a la hora de calcular la matriz T o de la forma canónica observable.l . :. A ij = [ O .i + 1 +.

El resto de la estructura es idéntica. (jtCTj = { O1 1 . 49) en caso contrario Cada uno de estos sistemas siempre posee solución.) + + 1 -QCTp -np+ l CTp -QCTp -np + 2 CTp -aup Up El cálculo del observador F = A .hi1 . p) que son: [O hil + hi2C2CTl + . pudiéndose obtener los valores incógnitas de la matriz H resolvien­ do n sistemas de p ecuaciones con p incógnitas cada uno. .hi2 .5.46) (6.47) (6.44) se aprecia que la diferencia entre las matrices A y F radica solamente en las últimas columnas de cada bloque. + hipCPCTl (ji CTl = -aiCTl .) = A( i .efecto. y sin pérdida de generalidad.6. .. . .48) si aj = i (6 .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. se considera la fila i de la matriz HC: (AHC) ( i . En . el producto HC sólo tiene elementos no nulos en la última columna de cada bloque. Por otra parte. D.hipCp CT2 1· i O h dp] nI + .hi 3 C3 CT2 . 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 . pues la matriz del sistema es trian­ gular con elementos unidad en la diagonal superior. .hi2C2CTl . el resto son ceros.. . + np = n 1··· i (6.45) n) de p ecuaciones (6. .hipcp CTl (ji CT2 = -ai CT2 . cada fila de la matriz H sólo influye en la respectiva fila de la matriz HC. . . Además. CALCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 303 es posible construirlo. . por lo que por comodidad de representación. Se recuerda que: donde: .HC produce n sistemas (i = con p incógnitas ( hij con j = . .

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

h22 = .h3 1 .h12 0 = -a22 .13 .h 32C22 .5..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 . cada fila de la matriz H sólo influye en la respectiva fila de la matriz He . Efectuando F = A .a32 .h22 . se supone que el sistema es observable.5. En caso contrario será necesario realizar una sepa­ ración de la parte observable.h22C22 .h21 .h12 . 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.h42C22 .13 = -a44 . t::.h12C22 .h12C22 . 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.hll . Además.h32 0 = -a42 .h4 2 O = -a12 . teniendo en cuenta únicamente dicha parte del sistema para .h3 2 . 6.6.hll .h31 .h4 2 1 Fila 2 Fila 3 Fila 4 => => 1 Que se resuelve como 4 sistemas de 2 ecuaciones y 2 incógnitas cada uno. 1.Jo = -a1 4 .h4 1 .h4 1 .h22C22 -f¡ = -a24 .12 .h32C22 .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 . a partir de cualquier otra representación.h21 .12 = -a34 .

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

Esta matriz permite calcular la matriz de transformación a la forma canónica obser­ vable. al i ] Se extraen las columnas existentes en las posiciones finales de cada bloque. 6 CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 307 y formándose la matriz L: CI cl A L= (6. mediante la transformación dada por To : x( t ) En el Ejemplo 6.53) pudiéndose desmostrar que tiene inversa. x(t) .57) . y a partir de ellas se forma la matriz: ap = n (6.6.52) • • . Esta matriz permite transformar la representación inicial del estado. e<7 1 ' e<72 ' .56) (6. Á B = e = Tox ( t ) Te / ATo To I B CTo (6. .51) Donde p representa el número de variables de salida. en la co­ rrespondiente a la forma canónica observable x ( t ) . (6. + np = e<7p nI = en . .55) (6.54) (6.5 . Para ello se calcula la inversa de la matriz L: nI + .5 al final de este capítulo puede verse un caso de diseño de un observador para un sistema multivariable.

en este aspecto. En estos casos parece ilógico no tener en cuenta esta información y estimar variables que ya son accesibles. Si la ecuación de estado se representa separando variables accesibles y no accesibles.60) (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. CAPíTULO 6. A tal fin se incorpora un modelo de observador que tiene en cuenta esta característica del sistema y que se denomina observador de orden reducido. será no singular. Esta estimación del estado presenta un buen comportamiento bajo las condiciones ya descritas. 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.59) seleccionando como salidas del sistema las p variables de estado accesibles. queda: [�] (6. A esta repre­ sentación del estado se puede llegar a partir de otra cualquiera: y x = A'x + B'u = e'x = [e'! l e' 2 J x (6. incorpora más información del sistema que el .58) (6. entonces la submatriz e ' 1 . reordenando adecuadamente.308 6.64) (6.61) Si se toman como salidas únicamente aquellas que sean linealmente independientes. de la salida y de la derivada de la salida.63) Partiendo. 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. en ocasiones.65) El modelo de observador que se propone utiliza información de la entrada. Se parte de una representación del estado que cumpla: x = Ax + Bu (6.62) con (6. pues. Realizando entonces el cambio: x = Tx (6. de dimensiones p x p. puede que parte de éste lo sea. Sin embargo.6.

que se verá reflejada en los coeficientes de la matriz F. por lo que: (6. OBSERVADORES DE ORDEN REDUCIDO 309 observador de orden máximo y no presenta ningún inconveniente.H 2 AI 2 )W + (HI + H 2 AU . De la Ecuación 6.73 se despeja H 2 .68) we = FWe + Gu + HI y + H 2 AUY + H 2AI2 W + H2B I u de forma que agrupando se llega a: We .70) Ha de ser independiente de la entrada. partiendo del cono­ cimiento de Au .w = FWe . B I Y B2 es. De la Ecuación 6.B2 ) u (6. De la Ecuación 6.(A2 1 y + A22W + B2u) (6. A 12 .72) • Para asegurar la convergencia se debe cumplir que: F = A 22 .(A22 . A 22 . A2 1 . el siguiente: • Se define la dinámica del observador.71) • No debe ser influida por el conjunto de variables de estado accesibles. puesto que la derivada de la salida ha de existir al ser.71 se despeja G.H2AI2 (6.6. por definición del modelo. derivada de una combinación lineal de variables de estado.A2 1 )y + (G + H2B I . por tanto. se debe cumplir que: • we . como se ve en la Figura 6.72 se despeja HI .W = FWe + Gu + HIy + H 2 AUY + H2AI2W + H2B I u . • Se puede representar gráficamente el esquema del observador diseñado.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.67) (6.8: • • . y.73) El procedimiento para diseñar el observador de orden reducido.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. por lo que: (6. La ecuación que modeliza el comportamiento del observador viene dada por: We = FWe + GU + HI y + Há (6.

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

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

4 CAPíTULO 6. y de la entrada de éste u(t) ...__"".. 7..._-. Para ello se utiliza una estructura de control por realimentación del estado. 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.".. pero con la importante diferencia de que ahora las variables de estado del sistema no son directamente medibles.. la posición de la base del péndulo x(t) . sino que deben ser estimadas mediante un observador a partir de la evolución de la única variable medible del sistema. Ejemplo 6.. 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 1.8.312 6 .. . en la que la salida del sistema viene dada por la siguiente ecuación de salida : . servoposicionador y observador como la indicada en la Figura 1...

por lo que una buena elééción de los polos del observador puede ser situarlos todos en -5.F = A . 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. con lo que el polinomio característico del observador resulta : Po (8) = (8 + 5) 4 = 8 4 + 208 3 + 15082 + 5008 + 625 y.a2 h4 = h . para calcular a continuación la matriz fI de ponderación de las salidas del sistema. se necesita calcular la matriz de tra nsformación To .ao h2 = f¡ . que se fij aron en -1.10 O O 1] . 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.6. por tanto. fij ar sus polos.al j h 3 = 2 .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 : . que determinan su matriz de dinámica interna F.. Por otra parte. EJEMPLOS ADICIONALES 313 Para el cálculo del observador se necesita. es necesario obtener la matriz To de cam bio de las variables estimadas xe a las variables originales..7 .HC ::::} y sustituyendo: 625 500 fI = 170 20 [ ] { h l = fo . por una parte.

65 1 . B = Ta l B y Co = CTo queden expresadas según la forma canónica observable.75 ] Ko = -0. calculada anteriormente en el Ejemplo 5.1 1] ] Las matrices anteriormente calculadas. OBSERVADORES DEL ESTADO obteniéndose su matriz inversa como: p-l = A partir de la última columna de p . se puede realizar la comprobación de que las matrices Á = Ta l ATo . se obtiene la matriz To : U na vez calculada esta matriz. Y.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 va a utilizar ahora la misma referencia de posición xre f = . B y To . el . y el servoposicionador de constante Ko . en la que dicho observador se integra junto con el control de realimentación del estado mediante la matriz K. R.25 19.8.1 O O O 1 O 1 O O -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.To = [� [ 1 O O O O O O 1 O -0.1 .65 4.1 O -2 O -2 O -0. se utilizan en el ob­ servador del estado del sistema real no lineal de la primera figura de este ejemplo.314 CAPíTULO 6. obteniéndose: Á -To 1 AT 0 .

cabría esperar una coincidencia de dichas variables en todo instante t posterior.1 Nw. Sin embargo. en la que se observa una .!.�--�--7-�. partiendo de error nulo en la estimación inicial. 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.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. se obtiene la diferencia entre las variables reales y las observadas que se representa en la Figura 2. ángulo inicial 0(0) = 10°. que representan el valor inicial de las variables de estado estimadas expresadas en la base observable: [ 1 [ 1 100 = 0.7.6.ntre las variables reales y las estimadas por el ob­ servador. Si se utiliza el observador lineal calculado sobre el sistema real no lineal.xe(t). la estimada x(t) . 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. Figura 2 : Diferencia e.1 Nw. � Ue.Oe(t).po (s ) tiempo (s ) - . cambio de ref� re � cia Xref = 1 m y perturbación constante up(t) = 0. y las mismas condiciones iniciales: O O O 315 3 ( a ) Diferencia entre la posición real y ( b ) Diferencia entre el ángulo real el estimado O(t) .-7--�-4 2 > 3 -2 � 5 S '" .

volviendo a coincidir en régimen permanente una vez que el sistema de control estabiliza el sistema. se tiene un error inicial no nulo en la estimación de las variables de estado del sistema . tiempo (s ) �-O 5 -1 -1 50�---:5O-----:10:--!15. en el que se utilizan los valores reales de las variables de estado en la realimentación. como es es lógico suponer. 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). estas variables estimadas diferirán en mayor medida de los valores reales. necesitándose un tiempo para que converjan al valor de las variables reales. del estado ..1 Nw. para el caso de error inicial nulo en la estimación de las variables de estado. suponiendo.estado medido directament 5 (a) Posición x(t).1 m y perturbación constante up(t) = 0.estado medIdo directament co n obse rvado' del esat do 1 0r----¡r======'======::"=::='===5:::::¡] .100�--"""7---1"=----7 5 tiempo (s ) 0 15 Si.316 CAPíTULO 6.8. . Este hecho puede comprobarse en las gráficas de la Figura 3.. como muestra la Figura 2. en todos los casos. ángulo inicial 0(0) = 10°.. que por otra parte se estabilizarán debido a la estructura de control.. . partiendo en ambos casos de error nulo en la estimación inicial. (b) Ángulo O(t). OBSERVADORES DEL ESTADO discrepancia entre las variables reales y las estimadas a pesar de que coinciden en el instate inicial t = O.con observado. en este caso las variables reales y las estimadas son parecidas. cam bio de referencia xref = . en las que se compara la evolución de x(t) y de O(t) en ambos casos: utilizando el observador y con realimentación de las variables de estado reales. que no existe error inicial en la estimación de la variable medida xe (O) = O ni en la derivada de las variables Be(O) = O y xe (O) = o. 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. Puesto que. cabe esperar que el control con estimación del estado se comporte de manera muy similar al control del Ejemplo 5. .

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

5.estado medido directamenttJ con observador del estad� tiempo (s ) 10 15 Si se diseña un observador con sus polos más lentos. OBSERVADORES DEL ESTADO global del sistema...318 CAPÍTULO 6..58 + 150.1 m y perturbación constante up(t) = 0. (d) Ángulo O(t) cuando Oe (O) = 5°. por ejemplo en -3.estado medido directament 10 c: . c: ¡: -5 � 10 15 -10 -15 -20 0 V �---5 I . Oe(O) = O y xe (O) = O. siendo el ángulo inicial real 0 ( 0 ) = 10°. cam bio de referencia xref = . � -0 5 -1 -1 50 tiempo (s ) É. error nulo en la estimación inicial de las otras variables de estado.58 2 + 171 . 15 . ángulo inicial 0 ( 0 ) = 10°. -con observador del estado .1 Nw. para los casos de estimación inicial del ángulo Oe (O) = 15° Y Oe = 5°..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°..estado medido directament (b) Ángulo O(t) cuando 15 10 � 5: O Oe(O) = 15°. su polinomio característico es: Po ( 8 ) = ( 8 + 3.. 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.con observador del estado .con observador del estado . .5 ) 4 = 84 + 148 3 + 73.. xe (O)=O.0625 (c) Posición x(t) cuando Oe(O) = 5°..

.10.. Oe{O) = O y xe{O) = O. xe{O)=O...' : j � I ¡: -2 : / :f 4 . 2 4 ..10000 O -4000 O -600 O -40 ] H2 _ - [ ] 10000 4000 620 40 . cuanto más rápida es la dinámica del observador. utilizando cada uno de los tres observadores calculados. . 'i j' " . ( a ) Diferencia entre la posición real y O�--�2----�4--�6--�8 tiempo (s ) • • -5 i i i i i t _-. su poli nomio característico es: Po (8) = (8 + 10 ) 4 = 8 4 + 408 3 + 6008 2 + 40008 + 10000 las matrices del observador son en este caso: F2 _ En la Figura 6 se puede observar la evolución de la diferencia entre las variables estimadas y las reales.polos del observador en -5 . 1' .polos del observador en .171.. el estimado (}(t) .xe {t). ' .150.Oe {t). i '. EJEMPLOS ADICIONALES 319 con lo que se obtienen las siguientes matrices del observador: F1 _ - [ O O O O O O O O O . i . 14 y Por el contrario.po los de 1 ::.6.0625 O ...---1'=::::==::=:=:.5 9 3. '.14 ] H1 _ - [ ] 150.i y . ' 1 .7.. ángulo inicial (}(O) = 100. .. .: : .0625 171. con una estimación inicial del ángulo Oe {O) = 150.5 O -73 O .:=:::= en:: -7. cambio de referencia xref = .. Se advierte una convergencia más rápida hacia las variables reales y con menos sobreoscilación. i . partiendo de error nulo en la estimación inicial de las otras variables.polos del observador e n -5 ... � . si se elige un observador más rápido situando sus polos en .1 Nw. . Figura 6: Diferencia entre las variables reales y las estimadas por el obser­ vador para distintas posiciones de sus polos.Polos del observador en -3 c ( b ) Diferencia entre el ángulo real la estimada x{t) .1 0 .:CD O : : . - [ O O O O O O O O O .1 m y perturbación up{t) = 0.5 . .:=='=obse rvado r ::::= 1 :il : : :::'.Polos del observador en -3 � J I - -��--�2----�4--�6--�8 tiempo (s ) .

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

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

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

4 Y 5 para construir la matriz To .16 27 27 1 O O O O 1 1 46 .6 . transformando el sistema según estas matrices.16 66 .729 O .28 1 .27 . se seleccionan las colu m nas 2. queda: 2 86 02 o .2 .81 27 .97 . por l o que se opta por situar los polos d e dicho observador en -30. To [ el � e3 I e4 1 � ] = [ e2 Ae2 e4 Ae4 e5 l � � Tc / 1 = 27 [[ : 15 -3 . EJEMPLOS ADICIONALES 323 seleccionando de L .18 18 12 --:-6 4 -24 78 .1 5 14 1 16 .27 1 .16 15 5 -49 -3 300 -213 184 .-9O . 76 27 O 16 27 O 23 .27 27 -5 .234 .6729 O .556 O .157 -92 54 .8 27 -27 54 O 56 300 85 -58 -2 3 -2 � � 1 Y. Así.5 27 27 1 4 -3 466 137 .3616 243 729 67 4 O .1606 243 29 308 35 .1 : L.27 O .52436 181 . 7.1 = Dada la asignación de salidas a la estimación de las variables de estado.27 1 C = CTo ' .27 O .g 1 12 O . el polinomio característico queda : po (s) = S 5 + 150s4 + 9 000s 3 + 270000s 2 + 4050000s + 24300000 [� n .264 .g A = To 1 ATo - = B = To 1 B = - [ . = Para el cálculo élel observador se va a asignar una dinámica mucho más rápida que l a del sistema realimentado.54 282 124 .

h33 -h43 .h 21 + � O .��� .-9..h31 + � O .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 . 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 .h23 �� .�� . _ h42 + 46�43 . en la representación original del sistema .h32 + 46�33 _ 6.150 1 F= [ CAPÍTULO 6.6286 . 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 .g� h51 + � - y O O O 1 O _ 5026 _ h 12 + 46h13 9 243 -28 .128/ .h 52 + 46�53 656100076 27 4050000 7290016 -2 79000 4027 27 .HC = O .126J36 .32�136 .2� .h 13 La dinámica de la evolución de la diferencia entre las variables reales del sistema y las estimadas viene dada.h53 �� .h 11 + !ill.h41 + W O .h 22 + 46h23 9 .

B 2 ) es controlable con sus dos polos en 2 y el subsistema (A33 . u(t) - . ficaciones del observador. el subsistema (A 22 . 523173292 243 949502902 729 1084060042 243 1339566538 729 888285181 729 1.8. EJERCICIOS RESUELTOS 325 541857551 18684934 243 243 983414123 33910870 729 729 1122779804 38716378 243 243 1387419785 47841610 729 729 31726111 1840011541 729 1458 tal como se fijó en las especi­ 1588203217 1868474113 162 486 1695540575 1441210139 243 729 1935823829 1645452365 243 81 2033285165 2392092875 729 729 3172420759 1348283483 729 486 se comprueba que todos sus autovalores son -30.6. B 1 . Ej ercicios resueltos En un sistema con seis variables de estado s e efectúa un cambio de base.8. de ma­ nera que queda dividido en los tres subsistemas de la figura. en el que se sabe que: el subsistema (A 11 . 6. C 1 ) es controlable y observable con sus polos en .1 . C 3 ) es observable con sus dos polos en -3.

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

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

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

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

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

V6 k = [ ] [ -1 1 -3 + ] [ 01 ] [ k. por lo que es N (8) = 8 + 3. En este caso ya están expresadas así: . 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.V6 ] Existe una forma alternat�va de resolver el observador: haciendo uso de uno de orden reducido. De esta forma.. la función de transferencia del sistema realimentado es: Gr ( 8 ) al imponer la condición de ganancia unitaria se obtiene: � = l .= A e + Be K e '* -3 V6 = e igualando se obtiene: { kl2 = 3-2.6. 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 ::. 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.1 '* Ke = [ -2 3 .* 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 .l" Es necesario expresar la salida como las variables de estado accesibles.8.

332 CAPíTULO 6. 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.A2 l = 0 ::::} Hl + 8(-I) .5) y sabiendo que la entrada es nula. Calcular la salida y(0. conociendo solamente el valor calculado de y(0.5) ante evolución libre e indicar cómo se podría calcular el estado del sistema en ese instante. 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 .1 = O Hl + H2 AU .B2 = O ::::} G + 8 .1O = -2 . .5 ante evolución libre (entrada permanentemente nula).H2 Al 2 ::::} .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.H2 G + H2 Bl . Calcular y dibujar un control por realimentación del estado que sitúe todos los polos posibles del sistema en -10.5. Calcular qué puntos del espacio de estado se pueden alcanzar en el instante t = 0. utilizando para ello la entrada adecuada que lo permitiese.

utilizando para ello un observador de orden reducido y el menor número posible de entradas en la realimentaci6n. 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 de donde: .0 .11 ] [ VV2I ] = [ OO ] .8.6.. EJERCICIOS RESUELTOS 333 c) a) Calcular y dibujar un control por realimentaci6n del estado que sitúe todos los polos posibles del sistema en .� ] [ ��� ] '= [ � ] [ -� VI = [ � ] Vl l = V I2 [ . 1 Para realizar el cálculo de cuál es el estado al que se llega transcurrido un cierto tiempo y ante una cierta entrada.V22 ] [� A= [ � Dado que: entonces: T= x(t) = «J?( t)x(O) Tx(t) = «J? (t)Tx (O) � (t) = T .I «J?( t)Tx( O) «J?(t) = T�T .I «J?(t)T * * x(t) = T.11 .

1 = Por lo que: Á = O 1 ] [ -31 .5) = [ O No se puede calcular el estado en este instante. _ -2 .5. OBSERVADORES DEL ESTADO 2) Q 3) Del análisis de la matriz Q se deduce que el sistema es controlable.100O . por lo que todos los puntos del espacio de estado son alcanzables mediante la entrada adecuada para t = 0. 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 [ .201 ] [ -2O -42 ] [ O1 O1 ] [ k�21 1l = + . se precisa conocer la dinámica.31 ] [ 11 2O ] = Dada la realimentación propuesta. se utilizan las dos disponibles. Aunque el sistema es observable. Se comienza por construir la matriz de transformación: 2 ] [ :=� ] 2e. b) Dado que es necesario utilizar el mayor número de entradas posible.334 1) CAPÍTULO 6.10. en la que se deben colocar los polos del sistema en .[ 11 O2 -2 -62 ] y(0.

y. EJERCICIOS RESUELTOS 335 de donde.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 .�T oe: con lo que: de donde se obtiene: .1 [ 2 -64 ] � L-1 = _ � 8 [ ..124 .HC . p= [ -! .100 -161 ] 2 F = A .1� ] = � por lo tanto: 1 T oe = 4 . despejando: K= Queda construir el observador de orden completo: .HC para lo que es necesaria la matriz de transformación.6.8.[ ..

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

14 ] Para el cálculo del observador de orden reducido es necesario realizar una nueva transformación en la representación del estado.10� 2� ] = [ _� _! ] + [ � ] [ kl Ár = Ác + BcK - k2 ] K = [ -92 .6.1 = [� = = con lo que las matrices del sistema se transforman en: �] =} T= Á O [ O1 2O ] [ -31 -31 ] [ 0.5 + 2" 3 = 41 27 G = -H 2 B 1 + B 2 = .2" [ 2 4 ] + [ 1 O ] = [ . con lo que el orden de dicho observador es uno. ] = [ � � ] [ � � ] = [ i � ] = [ O 2 ] [ 0�5 � ] = [ 1 O ] F = -30 con lo que. poseyendo por lo tanto un único polo que se sitúa en -30.� � ] B = T.5 O1 ] = . [ 0.8.�� -.2 6 -54 ] . despejando: 27 H l + H 2 A U . 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. se estima el valor de una única variable.A2 1 =} H l = 0. a través de la matriz: T.� [ _� - � ] = [ O.1 B e CT Dado que el observador es de orden reducido.5 -1 1 O] 1 � -3 0 1 2 [ ] [ 11 02 ] = 1 [ -21 02 ] 2 337 [ . -� ] [ 0�5 � ] = [ . por lo que: [ -.

OBSERVADORES DEL ESTADO 6.338 CAPÍTULO 6. 1. Ej ercicios propuestos En un sistema de 4° orden s e elige una base del espacio de estado.9. 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 .

9. Suponiendo accesibles todas las variables de estado ( Xl . . En el esquema del apartado anterior. así como la nueva situación de los polos del sistema. X 2 . ' " a) b) En el esquema de la figura se desea efectuar una realimentación de las variables de estado Xl y X 2 mediante la matriz K = [-2 O] . calculando el valor de todas las matrices que intervienen. [ � O O ' 1 O O O ' 1 . X4 ) . Dibujar el esquema de la realimentación efectuada. X 3 . hallar un subsistema observable. teniendo en cuenta que solamente es accesible la salida y . Sea el sistema: diseñar un observador del estado 'con todos sus polos en -10. 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. .6. Si la matriz de salida es: y= . . Indicar igualmente la controlabilidad de dicho sistema. EJERCICIOS PROPUESTOS e) 339 d) Suponiendo que la única salida del sistema es y = Xl +X 2 . indicando clara­ mente en qué base f!{Jtán expr:esa4as las variables de estado observadas . � 3.0 1 2. calcular las matrices de la representación de estado que incluye todas las variables que intervienen. 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 . Comentar la dinámi­ ca de dichas variables.

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

Sistemas discretos Parte II 341 .

.

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

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

u(k) .3.3) (7. y partiendo de x2 (ka) ante U2 (A) . Las salidas y(k) no dependen de las entradas u(n) para n > k.4) . se formulan como ecuaciones en diferencias. responde con una salida y l (k) . es que la variable x( k) representa el estado del sistema.6) (7. 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. 2. ka � A � k.5) ante la entrada: (7. como puede verse.8) (7. ka � A � k. En estos sistemas las relaciones entre entradas. se obtiene y2 (k) . respectivamente. partiendo del estado inicial: x(k + 1) y(k) f (x(k) . SISTEMAS DINÁMICOS DISCRETOS 345 discretos. El concepto de linealidad en los sistemas discretos es idéntico al de los sistemas continuos.3 . es decir que las Ecuaciones 7. Para toda secuencia real de entrada {u( k) } existe una única secuencia de salida {y(k) } . pero el estudio que se va a realizar está restringido a los sistemas discretos expresables en diferencias. Estas condiciones definen a todo sistema discreto causal. Si un sistema.3 y 7. estados y salidas se pueden resumir en las ecua­ ciones: que se conocen como ecuación de estado del sistema (7. k) r¡(x(k) . y que. cumpliendo: 1. Se entiende como sistema dinámico discreto una relación matemática entre dos con­ juntos de secuencias {u(k) } e {y(k) } denominadas entradas y salidas.4) a y (7.7. con un estado inicial cualquiera x l (ka) y ante una entrada real U I (A) . como: x(k + 1 ) y(k) = A(k)x(k ) + B (k)u( k ) C(k)x(k) + D(k)u(k) (7. y viceversa.7) se obtiene una salida: En sistemas expresables en diferencias.9) donde se sigue la siguiente nomenclatura: . frente a las ecuaciones diferenciales mediante las que se modelizan el estado y la salida del sistema para los sistemas continuos.3) y ecuación de salida del sistema (7. Esta condición recibe el nombre de causalidad. k) (7. entonces se dice que es lineal si para cualquier par de números reales y {3. Si el comportamiento del sistema puede expresarse mediante la Ecuación 7.4 se pueden expresar. u(k) .

k. u( k) es el vector de entrada en el instante k (de dimensión m) . A :::. (7. si para un sistema las variables { X l . partiendo para cualquier N del mismo estado inicial Xa para el índice ka + N y ante la misma entrada deplazada U(A + N) . Al igual que en los sistemas continuos. respectivamente. A(k) es la matriz del sistema (de dimensión n x n) .8 y 7. la forma: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) + Du(k) (7. MODELO DISCRETO DE ESTADO x( k) es el vector de estado en el instante k (de dimensión n) . se obtiene la misma salida desplazada y(k + N) . . puesto que expresa una simple relación estática adicional entre entrada y salida. 1 1 ) donde las matrices A.9 representa que dichas ecuaciones tomen. . se puede partir de la función de transferencia en z del sistema discreto: Y(z) U(z) bn z n + bn _ I zn.346 • CAPÍTULO 7. la matriz D(k) carece de importancia desde el punto de vista del análisis. 10) (7. La propiedad de invarianza en los sistemas expresables en diferencias lineales dados por las Ecuaciones 7. se dice que es invariante respecto al tiempo si. . y(k) es el vector de salida en el instante k (de dimensión p) . 7. responde con una salida y(k) . X2 } determinan el estado. B . B (k) es la matriz de entradas del sistema (de dimensión n x m) .1 + 4. El concepto de invarianza es también equivalente al de los sistemas continuos.12) donde tanto los ai como los bi pueden ser nulos. C(k) es la matriz 'de salidas del sistema (de dimensión p x n) . Xl + X2 } lo determinan. D(k) es la matriz de transmisión directa entrada-salida (de dimensión • • • • • • p x m) . .4. . ka :::. Hecha esta puntualización. partiendo de un estado inicial Xa para un índice ka y que ante una entrada cualquiera U(A) . C y D son constantes independientes del índice.1 + . 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. Por ejemplo. Un sistema que. también {Xl . + a l Z + a a . ya que conocido un conjunto es de inmediata determinación el otro.b l z + ba z n + an _ I Z n .

12.l (k) xn (k) (7.l 1 (7.l (k + 1) xn (k + 1) O O O O O 1 O 1 O O x I (k) x2 (k) + Xn . . 13) Partiendo de la expresión de la función de transferencia en z dada en 7. haciendo uso de éste para el cálculo del modelo. 17) .aob� ] + bn u(k) xn . Modelo de estado e n variables de fase [x(t) J = s 2 [x(t) J --. para la obtención del modelo de estado en vari �bles de fase se utiliza la variable auxiliar W(z). se pueden volver a plantear los mismos métodos utilizados para la obtención de modelos de estado continuos. �n .l . 7. 15) de manera que las ecuaciones del modelo de estado quedan como: x I (k + 1) x2 (k + 1) xn . En el caso discreto. + al Z + ao n_I 1 + x I (k) x2 (k) x3 (k) w(k) x I (k + 1) x2 (k + 1) (7.4 .4. dicho operador se sustituye por el de desplaza­ miento. . 14) = (7.7. . manteníéndose de esta forma la analogía entre el caso discreto y el caso continuo: 2 Teniendo en cuenta el establecimiento de esta correspondencia entre sistemas con­ tinuos y discretos. � [x(k + l ) J = z � [x(k) J (7. 16) y(k) = [ bo . 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. 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). .l (k) xn (k) X I ( �) x2 (k) O O u(k) O O -ao -al -a2 1 -an . 1 . ahora desde el punto de vista discreto.aobn .

22) Caso de rafces de multiplicidad Si el sistema no admite una descomposición en fracciones simples porque existe una raíz con una multiplicidad q.Al + . (k) 1 x2 (k) + : u(k) : 1 xn (k) x.l Al + . 18) Xl (z) X2 (z) X3 (Z) = U(z) Z . + � Pq+ l + Pn Z . que la factorización queda como: P G(z) = (z . + Z . MODELO DISCRETO DE ESTADO Modelo d e estado e n variables d e Jordan Partiendo de la misma expresión de la función de transferencia en z que en el caso anterior. (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 .Al + Z . 19) es decir: xl (k + l ) o bien de forma matricial: [ 1 x. . 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.348 7. Dada esta descomposición. (7.An .A2 U(z) Z . 2 . Z-A z . es decir.A3 U(z) Z . (k) x� �� ) + bn u(k) xn (k) (7.Al U(z) Z . .A 2 .23) .21) (7.4 . CAPíTULO 7. .20) 1 x. ( 7. que por simplicidad se suponen de multiplicidad uno. Pn ] q [1 A2 O O : An ][ 1 [ 1 [ 1 .q+ l . + � + bn n = (7. . .An ( 7.P2 ) q . se obtiene el modelo de estado a partir de las transformadas de las variables de estado: =� .lA¡ ) q + (z .

4. pasadas a su expresión como ecuación en diferencias mediante la transformada in­ versa z.7.26) An .q+1 1 . OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 349 se eligen como transformadas z de las variables de estado: U (z) z )'1 - (7.24) z - U (z) An .25) A 1 X q (k) + u(k) 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.q+1 que.q+1 xn (k) + u(k) x 1 (k + 1) x2 (k + 1) Xq .1 (k) + O u(k) xq (k) 1 xq+1 (k) 1 xn (k) (7.1 (k + 1) xq (k + 1) xq+1 (k + 1) xn (k + 1) Al 1 O O Al 1 O O O O O O O O O O O O O O O O O O O O O Xl (k) x2 (k) O O 1 O Al O O A2 O O xq .

. 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. en las que. t 2 . Estas submatrices se denominan bloques de Jordan. · · · . t n ) .33) x = Tw (7.4 . MODELO DISCRETO DE ESTADO x I (k) x2 (k) y (k) = [ PI P2 Pn ] xq (k) xq+1 (k) xn (k) (7. tal como se puede apreciar en la Ecuación 7. . Si (Xl .30) T x (7. . . ya que sus columnas son vectores linealmente (7. 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. X 2 .26.28) (7.32) . 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 . aparecen elementos unitarios en la diagonal inmediata­ mente superior. 29 ) y: (7.350 CAPíTULO 7. .29 se convierte en: Teniendo en cuenta que independientes: T es no singular.31) la Ecuación 7. 3 . además de tener en la diagonal el polo múltiple. 2 7) Obsérvese que la existencia de polos múltiples genera en la matriz del sistema unas submatrices. 7. . .

por ejemplo.36) x = Tw la ecuación de estado se modifica de la forma: Tw(k + 1) = ATw(k) + B u(k) y premultiplicando por T.1 ATw(k) + T . 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.44) . Partiendo. 7.34) (7.38) y(k) = CTw(k) + Du(k) (7.35) (7.39) quedando.42) (7. se tiene el sistema: x(k + 1) Ax(k) + B u(k) y(k) = Cx(k) + Du(k) y se realiza la transformación: (7. obteniéndose: (7.A] . por tanto.37) w(k + 1) = T .1 : (7.l B U(z) (7.1 B u(k) mientras que la ecuación de salida resulta: (7. Si.A)X(z) = BU(z) X(z) = [Iz .43) (Iz . de un sistema de este tipo: x(k + 1) y(k) zX(z) Vez) y resolviendo la Ecuación 7. OBTENCIÓN DE LA REPRESENTACIÓN EXTERNA A PARTIR DEL ESTADO 351 transformación lineal que da las componentes del vector respecto a la nueva base.41) se toman transformadas en z.42 en X(z) : ::::} Ax(k) + B u(k) Cx(k) + Du(k) AX(z) + BU(z) CX(z) + DU(z) (7.40) (7.39 una nueva representación del estado del sistema.3 8 y 7.7.5. definida por las Ecuaciones 7. Estas transformaciones se pueden utilizar para obtener diversas representaciones de estado de los sistemas. 5 . por consiguiente.

l es la adjunta de la transpuesta G(z) dividida por el determinante. MODELO DISCRETO DE ESTADO Sustituyendo en la ecuación de salida 7.48) es decir. Sistemas muestreados S istema discreto invariante equivalente Se pretende ahora deducir la representación de estado del sistema discreto equiva­ lente del conjunto bloqueador .6. p salidas y n variables de estado.1 : Sistema continuo multivariable. por tanto. las raíces del polinomio característico.45) e (zI . que responda a las ecuaciones: Figura 7.47) Además. se tiene que dichos valores propios son los polos del sistema.muestreador.1 .352 = CAPíTULO 7.A) .l B + D (7. resulta que el polinomio característico del sistema viene dado por dicho determinante: p(z) = det (zI .43 queda: => Y(z) Y(z) ex(z) + DU(z) l = e [Iz .A) = O (7.46) Teniendo en cuenta que la inversa de (zI . Supóngase un sistema continuo invariante con m entradas.A) .49) (7.sistema continuo .6. la matriz de funciones de transferencia viene dada por: [ ] (7. 7.50) .B + D U(z) = y. 1 . mostrado en la Figura 7.A) (7. 7. como los valores propios de la matriz A son las soluciones de la ecuación: det (zI . x(t) y(t) Ax(t) + B u(t) ex(t) + Du(t) (7.Aj .

la resolución de la Ecuación de estado 7. En este caso. serán constantes en cada intervalo kT � t < (k + I)T. se obtiene: (7. las entradas continuas al sistema. tomando en la Ecuación 7. SISTEMAS MUESTREADOS 353 En este caso. Por tanto.r)Bdr] u(kT) = (7. ltot q>(t .51) X ¡ .2: Sistema discreto equivalente. · · · . Xn Figura 7.49 viene dada por: x(t) = q>(t .2.kT)x(kT) + 8 (t .52) (7.51 to = kT.to )x(to ) + donde q>(t) es la matriz de transición.kT) la Ecuación 7. = JkT q>(t . X2 .r)Bu(r)dr (7. la solución para dicho intervalo vendrá dada por: y x(t) haciendo: = q>(t - kT)x(kT) + = 8(t . por provenir de bloqueadores de orden cero.55) q>(T)x(kT) + 8 (T)u(kT) . tal como se indica en la Figura 7.7.53) x(t) q>(t .6 . Para el cálculo del sistema discreto equivalente se va a suponer ahora que las entradas al sistema continuo provienen de bloqueadores de orden cero.r)Bdr [t [1: q>(t .54) particularizando para el instante de muestreo t x [(k + l )T) (k + l)T. mientras que las salidas están muestreadas.kT)u(kT) = (7.52 se puede poner como: y.

MODELO DISCRETO DE ESTADO i=O 2.T] BdT kT 1T <P(T . responderá a unas ecuaciones de la forma: . (7. 00 '"' A i 1" T' � 7.X < 1 (7.1 sea variante con el tiempo.6.54 y se obtiene: l(k+l)T <P [(k + l)T .XT + kT.58) definen el sistema discreto equivalente buscado. como queda patente en las ecuaciones del sistema discreto equivalente. pese a que por hipótesis el sistema es invariante y. = e AT = . ) T (7.2. todas sus matrices son constantes. 7. por tanto. En el caso de querer conocer la salida en instantes intermedios a los de muestreo.60) En el caso de que el sistema de la Figura 7. si bien una vez elegido se mantendrá la invarianza en dicho comportamiento. verificando: = A(t)<P(t. x(t) y(t) A(t)x(t) + B (t)u(t) C(t)x(t) + D (t)u(t) 8<P(t. S istemas variantes x [(k + 'x )T] = <P( 'xT)x(kT) + 8( 'xT )u(kT) (7. Esto significa que del comportamiento que se observe en dicho sistema va a depender la elección de dicho período de muestreo.354 CAPíTULO es decir. la matriz de sistema del equivalente discreto es: A eq y l a matriz d e entrada: = = <P(T) .61) (7.62 ) entonces.55 junto con la ecuación de salida particularizada para el instante de muestreo: y(kT) = Cx(kT) + Du(kT) (7. si <P(t. T) 8t (7.57) Cabe destacar que.)Bd 'x 'x (7.59) en la Ecuación 7.56) = Beq 8(T) = La Ecuación 7. O < . T) es la matriz de transición.63) . existe una dependencia entre dichas matrices y el valor del período de muestreo elegido T. basta tomar: t = .

62 para . Sistemas híbridos = C(kT)x(kT) = i(k+ l)T <P " kT : (7. kT] x(kT) + e [(k + l )T. tal como el que muestra la Figura 7.66) + D (kT)u(kT) (7.70) .65) . tomando to kT. en los sistemas muestreados. kT] = = = <p = <p (t.64) [(k + l )T. T)B(T)U(T)dT + (7.3. se sustituye la referencia temporal k T por el índice de la correspondiente secuencia k.3.67) Se consideran en este apartado los sistemas en cadena abierta con parte continua y parte discreta.68) (7. 7.7. imponiendo la entrada constante en el intervalo [kT. 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..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 ) (7.61 viene dada por: x(t) El sistema discreto equivalente de la Figura 7. SISTEMAS MUESTREADOS ' 355 la solución de la Ecuación de estado 7. con lo que se obtiene: x [(k + l ) T] donde La ecuación de salida del sistema discreto sérá.6. to)x(to) J{tat <p (t. igual que en el caso invariante.2 se obtiene igual que en el caso inva­ riante. (k + l )T] Y particularizando para t (k + l )T. [(k + l)T.6. kT] u(kT) A partir de ahora. T] B (T)dT (7.3: Sistema con parte discreta y parte continua. Figura 7.el instante de muestreo: y(kT) e [(k + l) T. la particularización de 7.

es posible encontrar el sistema discreto equivalente a la parte continua.4.73: xe [(k + 1)] = Aeqxc (k) + Beq (T)w(k) yc (k) = Cexe (k) + Dew(k) (7.77) 7.y(k) r(k) .76) x(k + 1) [ AOeq BeqCD AD y la Ecuación de salida 7. con lo que se puede sustituir 7.80) u(k) = [1 + DeDD] .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 ) } .[ Ce DeCD ] x(k) (7.75 se pueden agrupar como: [ xD (k) ] xc (k) (7.l r(k) .75) Cexc (k) + DeCDXD (k) + DeDDU(k) = Para representar de una manera conjunta todo el sistema. están íntimamente relacionados.6. que viene dado por: yc (t) = Cexc (t) + Dew(t) (7. Tal como se ha visto anteriormente.75 se puede expresar como: ] x(k) [ BeqDD ] u(k) BD + (7.79) [1 + DeDD] U(k) r(k) .356 CAPÍTULO 7.l [ ? e DeCD ] x(k) .68 y 7.78) Al incluir dicha realimentación en las ecuaciones de estado del sistema conjunto quedan como: 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. el sistema discreto dado por las Ecuaciones 7.69.[1 + DeDD].73. El sistema híbrido del apartado anterior se realimenta como se observa en la Figura = = u(k) agrupando: y despejando: r(k) . S istemas híbridos realimentados y(k) = [ Ce DeCD ] x(k) + DeDDU(k) (7.72) (7.69 en 7. así como el equivalente discreto dado por 7.74) (7.73) xc [(k + 1)] = Aeq (T)xc (k) + Beq (T)CDXD (k) + Beq (T)DDU(k) y(k) = (7.DeDDU(k) = (7.74 y 7.[ Ce DeCD ] x(k) . ya que las salidas de uno son las entradas del otro.4.71) Ahora bien.72 y 7.

5 z 1 + _1-_� z 1 z + 0. 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) .81) (7.5 z + 0.77 y 7.82) [ Ce O ] x(k) (7.7.5 0. 7. es cuando en el sistema continuo la entrada no tiene influencia directa sobre la salida.5 2 . pero importante.[ Ce O ] x(k) BeqC D AD ] x(k) [ BeqDD ] r(k) BD = + (7. se obtienen las nuevas ecuaciones del estado y de salida del sistema realimentado.0.78 . cuando De = O.79 queda de la forma: con lo que.5 2 .0.5z z .5 �------------. En ambos casos será necesario obtener la función de transferencia del sistema dis­ creto: Y(z) U(z) 1. sustituyendo en 7.1 z + 0. esto es.5z . 1. EJERCICIOS RESUELTOS 357 Figura 7. sustituyendo esta expresión en las Ecuaciones 7. En este caso la Ecuación 7. Ej ercicios resueltos Dado el sistema de la figura: obtener los modelos de estado en variables de fase y en variables de Jordan. Un caso simplificado.7.= �----- 0.5 0.0. por la frecuencia con que aparece. 83) 7 .4: Sistema híbrido realimentado.77. con lo que.

5 ] [ x$2l (k) ] + [ °1 ] u(k) (k 1 = x2 (k + 1) . teniendo en cuenta que los polos del sistema son: .0.5w(k + 1) = u(k) w(k + 1) w(k + 2) = xl (k + 1) = x2 (k) se obtiene que: xl (k + 1) = x2 (k) xl (k + 2) = x2 (k + 1) ecuaciones que. MODELO DISCRETO DE ESTADO Se elige como variable auxiliar: y se eligen como variables de estado: W(z) = z 2 U(z) .0.5X 2 (k) = u(k) x2 (k + 1) = 0.5X2 (k) + u(k) Y(z) y(k) y(k) b) Variables de Jordan = o.0. z 2 .5w(k) = 0.358 a) CAPíTULO Variables de fase 7.� .5W(z) 0.0.5W(z) = U(z) ::::} w(k + 2) . 5 0 ] x2 (k) [ ] Partiendo de la función de transferencia y. expresadas en forma matricial. quedan: + siendo la ecuación de salida: ( k) [ xxl2 (k + 11)) ] [ °0 0. 5 z U(z) = 0.5Xl (k) ::::} X 1 (k) [ 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) .

1 1 ] x2 (k) 4 [ ] y (t ) Z.0. EJERCICIOS RESUELTOS 359 se puede realizar la descomposición en fracciones simples: Y(z) U(Z) -.5z Z de donde se obtiene: { °0.:-'-"::-"::---'.+ -.= z z .1 P2 = 1 ecuaciones que escritas en forma matricial quedan: y X1 (z) = U(Z) Z U(Z) X2 (Z) = z .5PI + P2 = = ::::} ::::} P2 PI = .5 = la salida se puede expresar como: 0 (k) (k + 1) [ xx2I (k + 1) ] [ °0 0.� : Z PI .0. 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) = [ .5 PI-0.5 ::::} --'--'---.5z ::::} Si se eligen como variables de estado: PI = .5X2 (k) = u(k) x I (k + 1) = u(k) que expresada en forma matricial queda: 2.5 ] [ xx2I (k) ] + [ 1 ] u(k) 1 x2 (k + 1) .:----'---=- 0.7.7.0.0.5 2 .5PI + P2 Z z 2 .l Se pide: a) Obtener el modelo de estado del regulador.0. .0.

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

EJERCICIOS RESUELTOS 361 e) El modelo de estado del sistema discreto equivalente es el siguiente: siendo A eq D e las matrices obtenidas en el apartado anterior.e -T) 1 = 4 .e-T ) O ] x(k) + [ O ] u(k) [ 4 .4e ..e .ie-T ] u(k) .x = = [4eA -T]� = 4 (1 .4e-T 1 1 4 . Be .x.T) e-T las ecuaciones matriciales quedan como: xc ((k + l)T) y(k) d) = = [ e-T ] x e (kT) + [ 4 (1 .e -T ) = 4 .A) 4d.4 (1 . 7.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 .T -1 · 1 = -1 1 4 (1 . 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 .x = foT e A .4 4 (1 . Sustituyendo: = 4>(T) = eA c T y Beq = foT 4>(T .ie .( T .��) [ BeqBD ] u(k) BD ] Aeq .BeqDD Ce BeqCD -BDC e AD BeqDD BD Ce x(k + 1) = = = = con lo que matricialmente queda: y(k) = [ [ 5e-�1.4 1 1 · 1 = 5e-T .BeqDDCe -BD C e ] x(k) + Reduciendo los términos de las matrices del modelo: = [ x�.T 4d.T ] x(k) + e-T .x)Bed. y Ae .7 .

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 .J Res L.(1 e .362 e) CAPÍTULO 7. Para analizar la estabilidad. .T )z = z 2 (3 . (1 .e-Tz.Z-l ) " L.T = 1+ O + + + + + O O � .Tz .e-Tz..l ..1 e .l eT 4 (1 .Z . lo que no garantiza la estabilidad del sistema si las raíces son reales.z z 2 .z .1 p 1 4 1 (1 .l ) ".1 + Z .1 0..T )z e .1 ) 4 1 + -1 1 .e-Tz. ( 1 .e.4 e .l p 1-e = = ]= Por lo que la función de transferencia del sistema en cadena cerrada es: Como l e .z1 ..epTz . e z --1 4(1 --e--TT ) = � z..T )z e . MODELO DISCRETO DE ESTADO Para estudiar el rango de valores de T que hacen estable al sistema realimen­ tado.T I < 1 el producto de las raíces siempre es menor que uno.1 4(1--e-T) 1z -'------='---:-.5e .l ) 4 1 .J -. se puede dibujar el lugar de las raíces.1 l .T (4 .T )z . + ( [ � Res 1 G(p) pT Z .

0041 A = -0.4229 y Si T = 1.7.A .4 .e A cuyo polinomio característico es: (5e-T .4 .T = ¡A . A la misma conclusión se puede llegar analizando la matriz del sistema reali­ mentado: 5e -4 4.3315 ° =[ > =} 2 + 2 e-T < 4 . Así.10 =} { Al2 = -1.4e-T =} 6e-T < 2 =} e-T < 0.U¡ 5e-T ..4e-T = A 2 + (3 .0987. por ejemplo: Al = -0. La KLDR para ese punto es: por lo que el sistema es inestable si: KLDR = 2(1 + e-T) 4(1 .A) + 4 .4 e .7.A) ( l .5e-TA + 4A + A 2 + 4 .e-T ) < por lo que el sistema es inestable si T 1. lo que ocurre para z = -1.8273 Si T = 1. Sus raíces son los valores propios de la matriz A y los polos del sistema.05 =} { A2 = -0. EJERCICIOS RESUELTOS 363 El sistema es inestable cuando alguna de las ramas abandone el círculo unidad.5e-T ) A + e-T = que coincide con la ecuación obtenida anteriormente.333 - �1 i -T ] .

.

2. como se ya se ha visto. en primer lugar.8 8. el estudio de la resolución de esta ecuación se aborda en dos etapas. 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. 1 . por lo que se obtiene la evolución libre del sistema desde su estado inicial. se halla la solución de la ecuación homogénea. 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. para la cual las entradas se anulan. 8. Matriz de tran­ sición = (8. que. Solución de la ecuación homogénea . la ecuación homogénea es la misma que 8.2) . 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.1 . A continuación. es decir: x(k + 1) A(k)x(k) 365 = (8.1) Como ya se ha anticipado. se considera la ecuación completa. en el caso discreto se trata de encontrar una solución para la ecuación discreta de estado para sistemas lineales. para la que se han anulado las entradas.

Teniendo en cuenta que se trata de la solución de la ecuación homogénea y que. ko)xo. ko)xo = (8.3. 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. k)x(k) Como esta expresión se ha de cumplir para todo estado inicial Xo. u(>. si se tiene en cuenta que la ecuación es lineal.10) .8) (8.3) Del mismo modo. la solución formulada con la ecuación anterior debe adoptar la forma: (8. por lo tanto.5 en la Ecuación 8. como ya se vio: x(k) = <I>(xo . Verifica la ecuación homogénea Sustituyendo 8. ko)xo = A(k)<I>(k. ko). x(k) = <I>(k. ko) (8. ko)xo Como esta expresión se cumple para cualquier valor de Xo.6) <I>(k + 1.7) Propiedades de la matriz de transición Dado que la Ecuación 8.5 se verifica para todo k se ha de cumplir también para ko. ko).5) La matriz <I>(k. se define como matriz de transición .9) <I>(ko. 8. hecho establecido por hipótesis. comprobándose por lo tanto que la matriz de tran­ sición verifica la ecuación homogénea. 2. es decir: Xo 3. k. 1. ko) = I = <I>(ko. Identidad (8. Transitividad El estado para una determinada muestra m 2: k se puede obtener como: x(m) <I>(m. La (8.2.4) x(k) = <I>(xo. ko). se puede establecer que: <I>(k + 1.2 se tiene: Expresión que coincide con 8.) . debe ser forzosamente: (8. la ecuación anterior queda: (8. como se vio en el capítulo anterior.366 CAPÍTULO 8. ko) = A(k)<I>(k. k. = x( ko). la entrada se supone nula en todo instante.

19) . m)x(m) (8. Inversión Dado un par de valores del estado (x(k) . 14) Como esto es cierto para cualquier estado inicial y final. k) x(m) = <P(m. CÁLCULO Asimismo. m) .16) Y con lo que. 15) Asimismo.4.4. 8 . k)x(k) x(l) = <P(l. m)x(m) (8. Método iterat ivo Partiendo de la Ecuación 8.2 es posible calcular x(k) a partir de x( k + 1) generalizando: x(k) = <P(k. k)x(k) =? (8. k)x(k) 4. 13) (8. partiendo del estado x(m). con k � m. 1 1) y componiendo las dos expresiones: x(l) = <P(I. 17) Como esto se ha de cumplir para cualquier estado. m)<P(m. k )x(k) (8. k) = <P(l.4. k) = <P(k. m)<P(m.l (8. 18) 8. resulta: x(k) = <P(k. Cálculo de la matriz de transición Existen diferentes métodos para calcular la matriz de transición. x(m)). al hacer la composición de ambas expresiones. si la matriz A(k) es invertible.12) Pero también se puede calcular este último estado partiendo del inicial x( k) me­ diante la expresión: (8. por 8.8. 1 . particularizada para la muestra inicial ka: x(ka + 1) = A(ka)x(ka) (8. se verifica que: 1 = <P(k. de entre los cuales se pasan a detallar los más significativos a continuación. m)<P(m. m)<P(m. se debe cumplir entonces: <P(l.2.5 se cumple que: (8. k) <P(m. utilizando 8. se puede calcular su valor para una muestra posterior l 2:: m como: DE LA MATRIZ DE TRANSICIÓN 367 x(l) = <P(l.

X2 (ko ) . suponiendo que A(k) es invertible para cualquier valor de k. . . . .20) (8.25) como: = == . + a n x n (k) O <T>(k. .4. ko) + k . . La demostración de que si para cualquier valor de k. ka) (a l x l (ko ) + a 2 x 2 (ko ) + . . xn (k) un conjunto de soluciones de la ecuación homogénea para distintas condiciones iniciales. .ka 2) · . kO)x2 (ko ) (8. . entonces también lo son x l (k) . an =1. .l)A(k - x(k) = A ( k . . x (k).21) (8.2.2. a 2 . + an x n (ko)) (8. x2 (k) . de suponer que existe una tupla de números a l .O tales que: y y l De esta expresión e s fácil comprobar que s i la matriz A(k) e s invertible . . expresadas por el superíndice: X l (k) x 2 (k) <T>(k.368 CAPÍTULO 8 . ka ) .22) 8. SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO Los sucesivos valores del vector de estado se pueden calcular como: x(ko + 2) y A(ko + l )x(ko + 1 ) A(k . sea x l (k) .n. Método de la matriz fundamental de soluciones y Partiendo de la Ecuación homogénea 8. .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. xn (ko ) son linealmente independientes. . A(k) es invertible los esta­ dos x l (ko ) . = A(ko l)A(ko)x(ko ) (8.24) (8. se le denomina conjunto fundamental de soluciones. . x2 (k) .l )A(k . propiedad que ha sido aludida sin demostración anteriormente.2) · · · A(ko l)A(ko ) por lo que en el caso de que el sistema sea además invariante: <T>(k. kO)x l (ko) <T>(k. . . se refiere a continuación: Se parte de la hipótesis contraria. . ko) = A por lo tantol: <T>(k. a l x l (k) + a 2 x 2 (k) + . es decir. A(ko + l )A(ko)x(ko ) + . lo e s asimismo la matriz de transición <I>(k. .

8.4.

CÁLCULO

DE

LA MATRIZ

DE

TRANSICIÓN

369

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

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

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

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

=

=

(8.27)

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

=

(8.29)

Dado el sistema :

se toman como valores iniciales:
y y

(k + 1) [ XXl2 (k + 1) ] [ �

k+1 1

(k) ] [ xXl2 (k) ]

entonces: a partir de

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

x2 (O) se obtiene la secuencia :

o>

[ ti) 1
k(k

370
con lo que:
y

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

X(k)
dado q ue:

=

X(O) 1
=

[�

k(k 1)

i

1

entonces es:

8.4.3.

Método de diagonalización de Jordan

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

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

=

(8.30)

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

TJ k - ka T - 1

(8 . 32)

Método de Cayley- Hamilton

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

la expresión:

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

=

(8.35)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

371

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

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

(8.36)

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

se cumple entonces que:

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

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

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

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

I

A=Ai

=

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

I

A=Ai

(8.41 )

Dado el sistema cuya matriz A es:

entonces su ecuación característica es:

y por tanto:

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

372

CAPÍTULO 8 . SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

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

con lo que:
y

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


1

8 .4 . 5 .

Método d e l a matriz resolvente

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

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

(8.42)

ct>(k, O)

Ak

(8.43)

Dada esta expresión se comprueba que se cumple:

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

(8.44)

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

(8.45)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

373

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

sión inicial menos la multiplicada queda:

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

de donde resulta inmediato:
Ejemplo 8 . 3

(8.48)

y antitransformando:

Dada la matriz:

se calcula la matriz resolvente como:
y

A = [ _ l� z [ 10

�] � ]}

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

Hallando la antitransformada de cada término:

Ak = fZ -1 { Z 2 _ :z + 1O [ z_� ;

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

-1 z-7 ]

3 74

CAPÍTULO

Por lo que la matriz de transición queda:

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

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

+

]

8.5.

S olución de la ecuación completa

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

+ 1)

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

=

A(k)x(k)

+ B ( k )u( k)

(8.49)

x(k)

=

cJI (k, ko )x(ko )

+

k- l

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

(8.50)

Comprobación para k

x(ko )

=

ko
=

cJI (ko , ko )x(ko )

+

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

0=

x(ko )

(8.51)

=

1)

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

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

[

+

+ A(k)

¡�

'P (k, 1

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

k- l

l= ko

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

1

=

8.6. EJERCICIOS RESUELTOS

375

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

l=ko

k- l

,

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

l=k

k

...

1

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

término es una convolución, queda:

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

(8.54)
que el segundo

fZ'

=

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

[A k x(O)]

+ fZ'

[� A k - l -1 B U (l) l

(8.55)

8.6.

Ej ercicios resueltos

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

obtener las tres primeras muestras del estado
y

de la salida cuando la entrada es:

el estado inicial es:

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

[�]

376

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

La evolución del estado viene dada por la expresión:

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

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

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

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

o:
x(l) =

para k = 2:

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

1:

x(O) =

[�]

x(2)

Con lo que la secuencia de estados queda:

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

{ [ � ] , [ - ; ] , [ -1� ] }

-4 .8.6. EJERCICIOS RESUELTOS 377 Siendo la salida: Para para para k = O: k = 1: k = 2: y (k) = [ 1 -1 ] x ( k ) + [3]u (k) y (O) = 1 + 6 = 7 y (1) = -2 . 17 } Por lo que l a secuencia de valores de l a salida es: .5 + 3 = -4 y (2) = 4 + 10 + 3 = 17 {y ( k)} = { 7.

.

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

el estudio de la controlabilidad de los sistemas discretos lineales se puede reducir al estudio de los puntos alcanzables desde el estado inicial nulo.2. 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 . Controlabilidad e n sistemas discretos lineales Al igual que en los sistemas continuos.3) cp (k1 . existe una secuencfa de entrada u(ko ) . · . el vector de estado es equivalente al que se obtiene al transferir el estado desde un valor inicial nulo al valor final: (9. tal que transfiera e l estado del sistema desde cualquier punto Xo de índice ko a Xl de índice kl . . De la misma manera. 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. • Controlabilidad en cualquier intervalo Estos conceptos se amplían a los de controlabilidad del sistema discreto en [ko . ko)xo (ko ) + kl . partiendo de la expresión: x(k ¡ ) = cp (kl .l x(kl ) = (9. . los puntos alcanzables vienen dados por la expresión: kl . l + l ) B (l )u(l) l=ko L . kl l si existe una secuencia de entrada. Se dice que un punto del espacio de estado Xl de un sistema discreto es con­ trolable si. dada la linealidad del sistema planteada por hipótesis. u(ko ) ' u(ko + 1 ) . a partir del estado inicial nulo. . 1) se observa que el cambio ep. u(kl . En efecto. u(kl . 9. partiendo de cualquier estado inicial Xo de un índice cualquiera ko .1 ) que transfiera el sistema al estado xl (kl ) de índice kl finito. u(ko + 1 ) . kl l y controlabilidad del sistema cuando todos los puntos del espacio de estados lo son. l + l ) B (l )u(l) (9.1 ) . .2) con lo que.380 • CAPÍTULO 9. . .l l=ko L cp (kl .

se puede establecer que la controlabilidad depende de A(k) y B(k). como. ka) es singular.9. la matriz <l>(k. ka) = es no singular. ka) y B(k) . 1 + l)B(l)u(l) (9. CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES 381 La controlabilidad del sistema depende entonces exclusivamente de las matrices <l>(k. • Condición suficiente Si la matriz W(k 1 . 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. 1 + 1) (9. a su vez. El criterio de controlabilidad para los sistemas discretos lineales se formula de manera muy similar al establecido para los sistemas continuos: Dado el sistema discreto cuya ecuación de estado se expresa como: es controlable en [ka . ka) depende únicamente de la matriz A(k). l 1 :L <l>(kl . ka) es no singular.6) que transfiere al sistema desde el estado inicial nulo al estado X l en k1 muestras. ya que: x(k¡ ) k1 .1 l=ko L <l>(k1 . ka)v = O (9. l + 1)B(l)BT (l)<l>T (k1 . l + 1)B(l)BT (1)<l>T (k1 .5) La demostración de este criterio sigue los mismos pasos que la del criterio análogo formulado para los sistemas continuos.4) W(k 1 .7) • Condición necesaria Si W (k l . debe existir un vector v no nulo tal que: k - por tanto: l=ko l 1 L vT<l>(kl . para un estado final X l cualquiera existe una entrada: (9.8) . 1 + l)v = O vTW(k1 .2.

l + l)B(l)u(l) = vTx(k1 ) = O (9. 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) (9.3.382 CAPÍTULO 9. existe un vector respecto al cual siempre es ortogonal.12) es de rango n. k1 . es imprescin­ dible que Q tenga n vectores columna linealmente independientes. hay que tomar en 9. si las matrices q. l ::.l l= ko L q.5 las matrices conjugadas de las transpuestas en lugar de las transpuestas. 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 .9) vT kl . l + l)B(l) = O (9.1 l= ko L q. sea cual sea el valor que alcance el estado. 9. B) es controlable. Al igual que en sistemas continuos. por lo que no se pueden alcanzar todos los puntos del espacio de estado. Suponiendo que se parte de un estado inicial nulo: x(k) = k.(k1 . • Condición necesaria La prueba consiste en demostrar que si el par (A.9 se siga verificando. 10) Lo que supone que. Al igual que en el caso continuo. l + l)Bu(l) = . por lo tanto el sistema no es controlable. o B son de coeficientes complejos para que la expresión 9.11) (9.1 se cumple: Así pues. para cualquier entrada U(k): vTq.(k. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que para ka ::. la demostración de este criterio pasa por probar que es necesaria y suficiente. (k l .

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

l + l ) CT (kd (9. ko ) = es no singular. l + l)B(l)BT (l)<'J?T (kl .1 l= ko L C(kd<'J?(k1 . 18) Wc (k 1 . se puede establecer que el subespacio controlable atiende en ambos casos al mismo comportamiento. y dada la evidente dualidad entre las conclusiones obtenidas en el estudio de los sistemas discretos en relación con los continuos.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. como el rango de dicha matriz.19) Para realizar la demostración de la efectividad de este criterio. Así. 17) (9. basta con expresar la salida en función de la entrada. 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 . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO asimismo con la del caso continuo) . l + 1)B(l)BT (l)<'J?T (k1 . y(kd = k1 . Si alguna de las matrices del sistema es de coeficientes complejos. el criterio para estudiar la controlabilidad de la salida se formula exactamente igual a como se hace para el caso continuo: . Controlabilidad d e l a salida Al igual que viene ocurriendo con el estudio de otras propiedades de los sistemas con­ tinuos y discretos. 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. suponiendo que se parte de salida inicial nula: y comparar esta expresión con la Ecuación 9.20) Caso lineal e invariante En el caso de que el sistema discreto sea lineal e invariante. es decir. se obtiene también como el número de columnas linealmente independientes de la matriz Q. kl . 9. 19 hay que tomar las matrices conjugadas de las transpuestas en lugar de las transpuestas. la controlabilidad de la salida de estos últimos sigue manteniendo una clara semejanza con la estudiada para los sistemas continuos. al ser una propiedad intrínseca del sistema.4. en el caso de sistemas discretos lineales. igual que en casos anteriores.3 del estado en función de la entrada. l + 1 ) CT (k1 ) (9. en la Ecuación 9. De otra parte.

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

asimismo. únicamente de las matri­ ces cP y C. la observabilidad será. se parte de la ecuación de la salida: con: y(k) = C (k)x(k) + D(k)u(k) x(k) = cp (k. este análisis se puede reducir al caso de entrada nula.23) Al igual que en los sistemas continuos. estos conceptos se extienden a los de observa­ bilidad del sistema discreto en [ko . 9. E l caso trivial d e observabilidad será. l + l)B(l)u(l) . cuando l a matriz C sea d e dimensión n x n y no singular Vk. para realizar el estudio.26) y para todo índice k: (9. pues. conociendo las secuencias de entrada y salida. ante entrada nula: = C (k) cp (k.386 CAPÍTULO 9. de hecho se puede demostrar que la posibilidad de conocer el estado a partir de la entrada y de la salida es independiente de cuál sea la entrada.C (k) Estas dos salidas coinciden si la entrada en el intervalo considerado es nula. l + l)B(l)u(l) (9.22) L cp (k. ya que conocidas la entrada y la salida se puede formar una nueva salida que cumpla: y (k) y(k) . La observabilidad del sistema vuelve a depender. k 1 l y de observabilidad del sistema cuando todos los puntos del espacio de estado lo son. ya que entonces. por lo que por comodidad se puede elegir.1 y(k) (9.6. una entrada nula.24) y si C es no singular para un determinado ks : x(k) = C .D(k)u(k) (9.27) El caso general de observabilidad se puede determinar por el siguiente criterio: . ko)xo (ko ) + k-l l=ko k-l (9. función de las matrices A y C. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Como en todos los casos anteriores. Observabilidad e n sistemas discretos lineales Para determinar bajo qué condiciones se puede obtener el estado inicial.25) (9. ko)xo (ko) l=ko L cp (k. por tanto.

( 1 . 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 . partiendo del estado inicial Xo . ko) es singular. 3 0) Para demostrar la validez de este criterio. . kO)C T (l) C (l) cI> (l . ko)xo = O (9. hay que probar que es necesario y suficiente: • La prueba de que el cumplimiento del criterio es condición suficiente es inmediata.¡. ko � l � k1 : = kl = (9. ko)xo C� . ko) C T (I)e( l).28) (9.35) C (l) cI> (l .34) su evolución ante entrada nula. ko) es invertible.29) sólo si la matriz denominada gramiano de V(k 1 . ko)xo = O o. ko)xo L II C (l) cI> (l . es también nula. ko)CT (l)y(l) k1 l= ko V(k 1 .¡. lo que es lo mismo. l=ko L cI> T (l . por lo que no es posible distinguir mediante la observación de la salida entre el estado inicial nulo y el estado inicial xo · (9.3 1 ) (9. ko ) L cI>T (l. ko) kl (9.32) y por lo tanto: k1 l=ko L x6 cI> T (l.1 (kl .T (1 . por lo que existe un vector Xo distinto de cero que verifica: X6V(k 1 . k 1 l si observabilidad y definida como: y A(k)x(k) + B (k)u(k) C (k)x(k) + D(k)u(k) (9. ko) = es no singular. entonces: l=ko Condición suficiente k1 L cI>T (l .9. ko)xo l 1 2 O l=ko y puesto que es un sumatorio de términos mayores o iguales que cero Vl. pues si la matriz V(k1 .33) Condición necesaria = V. kO)C T (l)y(l) Xo y por lo tanto: • La prueba de que es también condición necesaria parte de que V (k 1 . ko) Xo ) (9.6. la evolución libre del sistema. kO)C T (l) C (l) cI> (l .

llevan de manera semejante a los sistemas continuos a las siguientes definiciones: 388 CAPÍTULO 9. El resto de los puntos del espacio no son observables. se deben utilizar en la Ecuación 9. puesto que cualquiera de ellos produce la misma salida que su suma con un punto no observable. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Se dice que un punto del espacio de estado Xa es no observable en [ka . por lo que no se puede distinguir entre ellos. en lugar de las transpuestas. existen puntos que producen salida nula en el intervalo [ka . La existencia de estos puntos que. ya que si el rango de la matriz Condición suficiente .37) (9. puntos que se denominan no-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. k 1 l ante entrada nula.36) (9. tomados como estado inicial. por linealidad.30 las matrices conjugadas de las transpuestas. = es de rango • [ c� 1 CA n .1 Ax(k) + Bu(k) Cx(k) + Du(k) (9.38) La condición impuesta por el criterio es suficiente. 7. si las matrices el> o C son de coeficientes com­ plejos. 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. Si el sistema no es observable. producen una res­ puesta libre del sistema nula. 9 .Al igual que en los sistemas continuos.

CA ) . CA. al compararla con las Ecuaciones 9. entonces: (9. la observabilidad es una propiedad in­ trínseca del sistema. aunque dicha representación se vea sometida a una transformación lineal.39. De esta forma se garantiza que. .39) se pueden seleccionar n ecuaciones linealmente independientes y. .n� l para todo índice l la matriz CAl es Como combinación lineal de (C. ko + n . Como sucede también en el caso continuo. de forma que no se ve afectada por la representación del estado elegida.donde es el rango de P. La observabilidad del sistema también está condicionada al número de elementos de la secuencia de salida disponibles.42) sea de rango n. r. .1 ) . necesitándose como máximo n elementos y como mínimo el menor valor de i que verifique que la matriz: (9. se llega. por tanto. la observabilidad del sistema seguirá siendo la misma. existe un vector Xo no nulo que cumple: PXo O Condición necesaria ecuación que. • Si la matriz P es de rango menor que n. entonces de: y(ko ) y(ko + 1 ) y(ko + n .40) y.1 ) CXo CAxo (9. Xo será no-observable. indica que el vector de salida es nulo para (ko . r . " . al igual que para los sistemas continuos. determinar cuál es el estado xo . . ko + 1 . OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES 389 P es n. a que dicho sub espacio está generado por el núcleo de la aplicación definida por la matriz P. a partir de ellas. .41) = (9.7. cuya dimensión será por tanto n .9. Si se define el subespacio no-observable como el conjunto de puntos no-observables.

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

el sistema discreto equivalente: x(k + 1 ) y(t) <f> (T)x(k) + 9 (k)u(k) C (T)x(k) 1. En cambio. 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. Q= [ � � ] p= [ � � ] .S2 w W2 + son de rango dos. Ejemplo 9 .9. particularizadas para el período de muestreo T = 2: . toman los valores: 9 (T) [ � ] <f> (T) = � � ] [ (1 = es decir. que el sistema discreto equivalente no será ni controlable ni observable. 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.8. ya que las dos matrices: p= [ � � ] x(t) + con representación de estado en variables de fase: .

392 9.9. Igual que en los sistemas continuos se cumple que: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) (9. de modo que el sistema total cumpla los objetivos de diseño planteados. 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. determinando los valores adecuados de la matriz K. por motivos cuyo estudio se aborda en otros textos. 45) (9. dado un sistema discreto en su representación de estado.43) (9. Tal y como se ve en la Figura 9.2.44) 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) = = (9.47) Bajo las condiciones adecuadas de controlabilidad del sistema. B y C.46) por tanto. definido por sus matrices A. {v(k) } { y (k) } Figura 9. también se podrán fijar aquí los valores propios de la matriz Ar . 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.2: Sistema discreto con realimentación del estado. también la dinámica del sistema viene determinada por: Ar A + BK (9. CAPÍTULO 9. Obviamente los objetivos de diseño serán distintos. .

por naturaleza discreto. Sistemas muestreados de control El caso que se plantea aquí es el común de los sistemas actuales de control. 10. El diseño se puede enfocar de dos maneras. se multiplica por la matriz de constantes K.3: Sistema muestreado con realimentación del estado.48) (9. las matrices de transformación y toda la metodología estudiada para aquellos sistemas es válida para el diseño de sistemas discre­ tos. Se puede considerar todo el sistema como continuo. la diferencia se lleva mediante un bloqueador normalmente de orden cero. La configuración del sistema suele ser la que se indica en la Figura 9. diseñar la correspondiente matriz de realimentación K para dicho sistema .9. convertidor digital-analógico.3. 10. obteniéndose la secuencia discreta {x( k) } . en el que se pretende controlar un sistema continuo mediante el uso de un computador. 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 . el conjunto de variables de estado x(t) se muestrea con un período T mediante un convertidor analógico-digital.49) son las mismas que en sistemas continuos. este vector se realimenta se compara con un vector de referencias. a las variables de actuación del sistema u(t) . y y (t) Computador I nterfase Sistema continuo Figura 9.1 (9.

cabe dentro de lo posible que en algún sistema con período de muestreo muy bajo sea necesaria su consideración. como la matriz K es constante. reflejado en la Figura 9 . se pueden asignar libremente los polos del sistema. p(A) = I AI . únicamente es aproximado pues tanto en el proceso de muestreo como en el de reconstrucción hay siempre una pérdida de información.394 CAPíTULO 9. El otro enfoque del problema es calcular un equivalente discreto del sistema continuo. como es sabido.8 (T)K I (9. si el sistema (�(T) . 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. para hacer luego el diseño como sistema discreto. . se discretiza directamente el sistema continuo mediante el método estudiado en 7.4: Sistema muestreado con tiempo de cálculo nulo.53) Aunque con los sistemas actuales de cómputo lo normal sea despreciar el tiempo de cálculo. {v(k) } r. como es sabido. ya que. 4.52) en el que.. cualquier método de discretización da como resultado la misma matriz K . e {y(k) } Figura 9. Este enfoque. operación exacta sin pérdida de información. con el fin de calcular un equivalente discreto de esta matriz.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. 8 (T)) es controlable. Este caso es inmediato. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO continuo.6.50) (9.�(T) .�--. En el caso más sencillo en el que se pueda suponer que el tiempo de cálculo es nulo.

el sub­ sistema controlable del sistema con retardo contiene al menos al sistema primitivo. 9.56) (9.54) 8 = 8 (T) . 8(T)] .57) . 5: Sistema muestreado con tiempo de cálculo no nulo. donde el tiempo de cálculo se representa mediante un retraso Z . SISTEMAS MUESTREADOS DE CONTROL y 395 y La suposición más sencilla es considerar un tiempo de cálculo igual al período de muestreo.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. En este caso el esquema es equivalente al de la Figura 9. Se puede sacar como conclusión que si el sistema sin retardo era controlable. es de la (9.5.55) que coincide en sus primeras filas con la matriz de controlabilidad Q del sistema [<I> (T) .10. utilizando la notación forma: ] = [ <I> (T) OO ] [ w(k) ] + [ 8 O(T) ] u(k) X(k) 1 <1> = <I>(T) y (9. {v (k) } �___ {y(k) } {w(k) } Figura 9 . equivalente a actuar sobre el sistema obtener sus medidas en el instante de muestreo. 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.l . dedicando el tiempo entre muestra muestra para calcular la siguiente actuación sobre el sistema.

6: Sistema con retardo no múltiplo entero del tiempo de muestreo.396 CAPÍTULO 9.6.A)T) u(k) (9. como se muestra en la Figura 9. a la hora de su estudio puede resultar algo más sencillo considerar que el retardo se produce en la parte continua.61) por lo que el nuevo sistema antes de realimentar (parte derecha de la Figura 9.60) (9.A)T) x(k) + 8 ((1 .AT) = el> ( (1 .58) {v(k) } {u(k) } . A ::. T)Bu(T)dT it o (9. 1 .A)T) = el>(T) } ==} w(k) = x(k) 8 ( ( 1 A)T) = 8(T) (9.59 ) el> (T)X(k) + 8 (T)u(k) x ( (k + 1)T . to)x(to) + se obtiene que: x(k + 1) w(k + 1 ) ¡ t el> (t. con O ::. y ] (9. En este caso.62) (9. En el caso más general se puede estudiar el comportamiento del sistema considerando un tiempo de cálculo AT. mediante la adecuada elección de la matriz K. se pueden ajustar los valores propios del sistema.63) . dado que: x(t) = el> (t. considerando u(k) x(k) en el instante de actuación w(k) en el de muestreo .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. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO y(k) = [ e o x(k) 1 w(k) [ en el que. Aunque este retardo se produce en la parte discreta del sistema.

5 O x 2 (k) Estudiar la controlabilidad del sistema...>')T) = 1O } � w(k + l ) = x(k) >')T) <I>e <I> 2 e .>.>')T) . n ] (9. = <I> (( 1 .9. 9. la dimensión del subespacio del sistema con retardo es al menos conteniendo al sistema original. de dimensión es con­ trolable.. utilizando como notación <I>).66) obteniéndose como sistema realimentado: w(k + 1) e (k)K <I>(T) <I> ( (1 .2 e (9. Determinar igualmente si. . coincidiendo también en sus primeras filas con la matriz de controlabilidad del sistema sin retardo.>')T)K y(k) = [ e [ x(k + 1) ] = [ sistema en el que una adecuada elección de K permite la asignación de polos del sistema. <I> n . (9. <I> e . <I> n.. Vuelve a suceder aquí que si el sistema sin retardo.>')T) e ( ( l .68) 1 . 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 .l e <I>). Dado un sistema discreto definido por las ecuaciones: [ Xx2l (k + 1l)) ] (k + [ 0. La matriz de controlabilidad en este caso. <I>). Ejercicios resueltos O ] [ :��) ] ] [ w(k)) ] + [ e ( (e-(T)>')T) ] v (k) X(k l n (9. = e ( ( l .11. = 1 se está en el segundo de los casos: >. )T) es de la forma: Q= e [ e). y EJERCICIOS RESUELTOS 397 que para >. partiendo del estado inicial x(O) = [1 I V . .. . = 1 � e ((l = y {I <I> ( (1 .64) e)..65) n. . En este caso la realimentación es también: n.67) (9.5 O [ 1 y(k) ] [ x l (k) ] + [ 11 ] u(k) x 2 (k) [ O ] X l (k) ] -0. e <I>).11.

ko x(ko ) + k.5 [ � ] [ _�:� ] [ � ] u(O) { u(O) = 3. k 1 = 1 . Obviamente. Se puede afirmar. .l . A i . ) Si x(l) = [3 3]T.5 � = + = . Para k1 = 2 : 0.5 Q = [ B AB 1 = � [ -0.1 O 1 -0 � ] = [ 005 -0. 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. entonces: O 1 -0.5 ] [ 11 ] u(O) O [ a x(k) = A k . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que el sistema no es controlable con k 1 = 1 .5 ] [ 11 ] [ 0. Para k1 = 1 : Q= [ B Qi = [ B AB .1 y l = ko L A k .1 Bu(l) Como puede comprobarse. no existe una secuencia de entrada que permita alcanzar dicho estado para k1 = 1 . lo que es lo mismo.5 -0. � � u(O) 2. . Con un valor menor de k1 se pueden alcanzar también algunos puntos. para k1 = 3 el sistema sigue siendo controlable. pues. pero no todos los del espacio de estado. i = k 1 .5 ] rango(Q) = 2 por lo que el sistema es controlable para k1 = 2. que se alcanzará cualquier estado final si se fija un k1 igual o superior a k1 = 2. 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 . ko = O.1 B .398 b) x(2) = [3 3f c) x(3) = [3 3f d) x(l) = [3 2]T La controlabilidad del sistema entre la muestra ko la muestra k1 depende del rango de la matriz: CAPÍTULO 9.ko 1 y [�] � rango(Q) = 1 � o.

5 o [ � ] + 0 5 � r. como por ejem­ plo: 1 = 2.875 = 0. 2 5 .�. ] = [ _ �: � ] + [ � ] u(O) { ���� : . 5u(0) .0 . 5 u(0) + u(l) { u(O) = O2.� ] + [ � : . 55 u(1) + u(2) { 3. 1 1 . 2.[ � ] u(2) [ � ] = [ _ � :�. � ] u(O) + [ _ �: � ] u(l) + [ � ] u(2) 2.4 2 5 -0. entonces: 33 ] = 0 .1 [ + [ 005 .75 -0.75 u(l) Luego con la secuencia de entrada {u (k)} = {O. { u(l) = O-0. { u(l) = 2.5 r-O. � ] + [ _ � :� ] u(O) + [ � ] u(l) = = =} { 2. 5 r. entonces: [ .1 .1 [ � ] u(O) [ . k =} =} =} =} =} =} =} { u(O) u(l) .75} se logra llevar el sistema al estado deseado.1 1 ] u(O) + [ [ 0 -0. ko 2= O.1 [ � ] u(l) + [ 005 . ko = O.5 2.5 ] 3 .o [ � ] + [ 005 -� . 5 ] 3 .125 = 0. ko = O: 005 -� . 2 5 .�.4 Esta conclusión era esperable. 22 5u(0 ) + 0. Si x(l) = [3 2jT. EJERCICIOS RESUELTOS 399 b) e ) d) 12 = u(O) = u(O) = -0.�. 5 [1 2 1-1 1 O5 O + [ O . pues ya se ha demostrado que el sistema es controlable para k1 = 3.75 = 0. u(1) + u(2) Si x(2) = [3 3jT. Si x(3) = [3 3jT.. : � = = = =} =} =} ecuaciones para las que se pueden obtener infinitas soluciones.[ 1 ] u(l) [ � ] = [ � :. k1 = 1. Esta conclusión era esperable.9 .1 � ] u(O) + [�]=[ r[ 0 . 5 [ 1 [ O -0.0.O . k1 =1 3. 5 u(0) + u(l) 2. 5 O ] .0. puesto que el sistema es controlable cuando k = 2 como ya se ha demostrado.0 1 ] + O 5 O ] 2 . ] = [ 005 . 5 ] . u(2) O u(2) 3 u(2) = 2.

5} .400 CAPÍTULO 9. Si k1 = ko 1 . entonces: Y Pko . Determinar el estado inicial. la salida es { y (k) } = {4. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Luego con la secuencia { u(k) } = {2. 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 + [ 1 1 ] x(k) [ 1 ] u(k) O [ 0. 5 } . si se conoce que. entonces es evidente que k1 = ko + 1. Si se conoce la entrada { u(k) } = {2.k¡ ) = 1 por lo que el sistema es observable. siempre que sea posible. 1 } la salida { y(k) } = {4.5} se consigue. y O x(k) + 1 u(k ) 1 -0. es posible alcanzar algunos puntos del espacio de estado. ante entrada { u(k) } = {2. 1 } . Dado el sistema: x(k + 1) y(k) La observabilidad del sistema entre ko Estudiar su observabilidad.5 ] [ ] k1 depende del rango de la matriz: Si k1 = ko es: + luego el sistema no es observable para k1 = ko .k¡ = [ C ] =} rango(Pko . por lo que el sistema es observable se puede conocer el estado inicial. Aunque el sistema no es controlable para k1 = 1. 2.

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

.

Parte III Apéndices 403 .

.

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

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

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

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

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

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

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

.

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

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