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

. Obtención de modelos discretos de estado . . . . . . .4. . . . . . 8. . . . . . 7. . . Propiedades de la matriz de transición Cálculo de la matriz de transición .4. Sistema discreto invariante equivalente . . Método iterativo . . 7. . . 7. .2. .2.3. Solución de la ecuación completa 8. . . . . . . . . . . . 8. . . .9.3. Método de diagonalización de Jordan 8. . Método de la matriz resolvente 8. . . .1. . . Sistemas variantes . . . . .6. . . . . Controlabilidad en sistemas discretos lineales invariantes .5. 9. . . 7. 7.8.4.6.1. . . . . . . Transformaciones lineales .4. 8. 9.6. . . Observabilidad en sistemas discretos lineales invariantes 9. . Ejercicios resueltos . . .4. .4. Ejercicios resueltos .6. Solución de la ecuación homogénea. . 7. Modelo de estado en variables de Jordan . Observabilidad . 7. . . .4. . . 8. . . . . . Controlabilidad de la salida . . . . . . .11. . . . 7. . . . Introducción .1. . . .4. . .2. 9. . .6. .7. . . . Introducción . . . . 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 . . . 9. . Sistemas híbridos realimentados . . .4. . .1. .5.4. .3. . .7. . . . . .7. .1. . . . .5.3. .4. . .1. . 9. . . 7. .6. . . .2. Método de Cayley-Hamilton . 8. 8. . . . . . . 9. . . Ejercicios resueltos . . . . . Control de sistemas discretos por realimentación del estado 9. . . VIII JI ÍNDICE GENERAL Sistemas discretos 341 Modelo Discreto de Estado 7. . . . . . . .10.6. . . . . Modelo de estado en variables de fase 7. . . Matriz de transición . . 9. . . . . . . 8. 7. Controlabilidad y observabilidad en sistemas muestreados 9. . . . . . . . . . . . . .5. . . . . . . . . .2. . . . Controlabilidad en sistemas discretos lineales .3. . . .2. . .4. . . Solución de la ecuación discreta de estado 343 8. . . . . . Método de la matriz fundamental de soluciones 8. . . . . Sistemas muestreados de control 9. . . .3. . 9. 7. . .4. Sistemas muestreados . . . . Obtención de la representación externa a partir del estado 7. . Sistemas híbridos . . Controlabilidad . Definición de estado para sistemas discretos Sistemas dinámicos discretos . Observabilidad en sistemas discretos lineales . .

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

.

. 3. Representación gráfica del subsistema controlable. . 5. . .ín dice de figu ras 1. . . . .3.1. 5. 1. . . . Separación de la parte no-observable. 1. .1. .5.9. .5.0 ) . Evolución temporal de las variables de estado . .3. 1. Transitividad de estado . 1. .11. Trayectoria del vector de estado en el espacio de estado. . . Bloque sumador . . .6.5. . 5. Sistemas en serie . . Representación gráfica del modelo de estado. . 1. . 5. . Concepto de observabilidad. . . . . . . . .4. 4.2. . Adición del parámetro Kü. . 1. . . XI 8 8 9 15 16 16 17 18 31 31 32 33 110 110 118 131 133 175 188 193 196 197 233 240 241 244 245 . . . . 3. . Separación detallada de los subsistemas controlable y observable. . . . . .7. 1. . . Representación gráfica vectorial del modelo de estado. .3. 1. Control proporcional del sistema anterior.8. . . . . . 4. 3.4. . . Realimentación constante de la salida. .. . . . . . . Sistema con realimentación de estado. . . . . Bloque integrador.5. de forma directa (línea continua) y con un punto de paso intermedio (línea discontinua). .2. Puntos alcanzables desde (0. .10. .1. Sistemas en paralelo .4. . . . 4. Transición del estado entre dos puntos. . 4. . 1. Sistema no controlable. . . Separación simultánea de los subsistemas controlable y observable.. . Realimentación en sistema de tipo uno. .2. . . .3. Sistema lineal con el conjunto de entradas de test . . Realimentación del estado . . 4. Multiplicación por una matriz. . 3. . .12. . 3. .4. 1. . .2. Transformación de la matriz de realimentación K. . Superposición de la evolución libre con el subespacio controlable.1. 1. 5.

Sistema muestreado con tiempo de cálculo nulo. . 6. Sistema con observador realimentación. . Sistema muestreado con realimentación del estado. . . . 6. . . . .2. . Concepto de observador.5. . . .XII ÍNDICE DE FIGURAS 5. . Sistema con observador matriz de transformación. Sistema con observador realimentación del estado.5. . . . .2. . . Conversión a sistema de tipo uno . 9. 6. . 7. .1. . 9. . 9.4. .4. . . Esquema des sistema con observador realimentación en espacio de estado transformado. . . .3. Sistema con retardo no múltiplo entero del tiempo de muestreo . . .6. . . . Sistema con observador de orden reducido. Esquema des sistema con observador en la forma canónica observable. . . Esquema del sistema con observador. . 9. . 7. . .6. Sistema con parte discreta parte continua. 9.2. 6. Sistema discreto con realimentación del estado.3. . . . . . . . . Sistema continuo multivariable . y y y y y 246 287 288 292 293 297 300 301 310 352 353 355 357 390 392 393 394 395 396 . .4. . . Sistema muestreado con tiempo de cálculo no nulo.1. Sistema híbrido realimentado.8. . 7.3. 9. 6. 7. Sistema discreto equivalente. . . 6. . . . Sistema muestreado .6. . 6. .1.7. . . 6.

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

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

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

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

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

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

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.

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

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

para los que la salida ante una determinada entrada se modeliza como una cierta función de densidad de probabilidad. el estudio se centra en los sistemas físicos. Unicidad 't/t � to.1.2. 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. En aras pues de avanzar en la introducción de los conceptos fundamentales de la teoría moderna de control. en primer lugar. 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. La representación del estado depende de la base elegida. relacionadas entre sí mediante transformaciones lineales. U(T) to T � t x(t) es única.2. como puede verse en la Figura 1. en contraposición a los sistemas estocásticos. la combinación de estas evoluciones. tal como se observa en la Figura 1. según se refleja en la Ecuación 1. por lo que también existen infinitas posibilidades. para la formulación del modelo de estado de la Ecuación 1. CONCEPTO DE ESTADO 7 en su tratamiento. por eliminación del tiempo entre todas ellas. admite infinitas bases.1 se van a establecer dos hipótesis ya conocidas. el análisis se centra en los sistemas deterministas. 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). se orienta por tanto el estudio hacia los sistemas lineales. por lo que siempre se parte del supuesto de que se ha de cumplir con esta propiedad. 1.1 . igualmente relacionadas entre sí por transformaciones lineales. que no modifican su expresión sea cual sea la representación del estado elegida. Esta dependencia no afecta a cualquier variable externa. 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. teniendo por tanto la misma dimensión que el número de elementos de dicho vector. Xo = x(to). se concreta en una trayectoria que el vector de estado sigue dentro del espacio de estado.2 . por lo que no se puede establecer una metodología genérica para su análisis. 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. para los que dada una entrada se puede encontrar una salida de forma unívoca. y que también aparecen en la teoría clásica de control. Al ser el espacio de estado un espacio vectorial. como las entradas y las salidas.1 para el caso de un modelo con tres variables de estado. En principio. Dentro de los sistemas causales. sistemas que por propia naturaleza cumplen con el principio de causalidad.1. < =} .

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

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

5) donde a la Ecuación 1. no del estado y de la entrada en instantes anteriores. A la representación de estado descrita en las Ecuaciones 1. se llama orden del modelo al número de variables de estado con el que se construye. x(t) .4 y 1. Como el estado es la representación suficiente del sistema. aspectos como la estabilidad del sistema y sus posibles estados de equi­ librio. ya está recogida en el estado. x(t) . Asimismo. u(t)) donde se puede observar que la salida en el instante t sólo depende del tiempo. De esta forma. Esto se debe a que toda esta información.4) (1. MODELO D E ESTADO Un modelo de sistema dinámico determinista es una relación matemática entre dos conjuntos de variables. entendiendo por tales valores del estado en los que el sistema funciona por tiempo . 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 . x(t) . otro conjunto de variables. 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.1. para determinar su dinámi­ ca también basta el conocimiento de las variables de estado y de la ecuación de estado. es posible definir una relación de la salida con éste y con la entrada.4 se le llama ecuación de estado. del estado y de la entrada en ese instante. u(t)) (1. De estas ecuaciones se intuye la continuidad de las trayectorias descritas por las variables de estado. Entradas y estados se encuentran relacionados como ya se vio en la Ecuación 1. La resolución de dicha Ecuación 1.5 se le llama realización en el espacio de estado del sistema.5 se le llama ecuación de salida.4 con unas determinadas condiciones iniciales da lugar a la Ecuación 1. que describe la trayectoria seguida por el estado dentro del espacio de estado. como ya se ha explicado. De otra parte. por propia definición. que representa la dinámica de la evolución del estado del sistema.1. u(t) y(t) ¡(t. y a la Ecuación 1. Dicha relación se establece mediante una ecuación de la forma: (1. u(t) ) = r¡(t.10 � CAPÍTULO 1 . a las que se llama estados.3) y(t) = r¡ (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.

Ky(t) . se estudian a partir de la Ecuación 1.JX 2 (t)] M X l (t) X 2 (t) F(t) . x(t) . Se eligen: = = = Ky(t) + J dy(t) dt = f + M Teniendo en cuenta que u(t) :i. mientras que la determinación de los estados de equilibrio se lleva a cabo encontrando las soluciones de la ecuación: (1.¡ (t) : h (t) y(t) X 2 (t) 1 jj (t) = M [u(t) . ECUACIONES DEL MODELO DE ESTADO 11 indefinido sin que se produzca variación alguna. se necesitará n dos varia bles de estado. u(t)) = O Ejemplo 11 O btener el modelo de estado que define la evolución del desplaza miento y(t) . de una masa M con consta nte elástica K y con coeficiente viscoso J.1 .KX 1 (t) . 3.4.2 y(t) F(t) Al ser u n sistema de segu ndo orden .6) J(t. el estudio de estabilidad requerirá de métodos específicos según la naturaleza lineal o no lineal de esta ecuación.Jy(t)] 1 [u(t) . las ecuaciones del modelo de estado será n : y(t) = y(t) d2 y(t) dt 2 = . a nte u na fuerza de desplaza m iento F(t): 111 1.

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

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

14 1 . se puede obtener una nueva representación de estado. Se define un nuevo vector de estado a partir de x(t) mediante la expresión: x(t) = T(t)5é(t) (1. Esta nueva representación del estado.1 (t)A(t)T(t) B (t) = T.1 (t)x(t) T(t)5é(t) A(t)x(t) + B (t)u(t) que junto con la ecuación: y(t) [ = = ] (1. Transformaciones lineales = = CAPÍTULO 1.1 (t)B (t) C (t) = C (t)T(t) D (t) = D (t) [ ] (1.1 (t) [A(t)T(t)5é(t) + B (t)u(t)] = (T � l ) (t)T(t) + T .1 (t)A(t)T(t) 5é(t) + T . quedando: j¿ (t) (T � l ) (t)T(t)5é(t) + T . mediante el vector de estado 5é(t) obtenida mediante una transformación lineal que en general depende de t.4.12) (1. da lugar a nuevas matrices del modelo: A (t) = (T � l ) (t)T(t) + T .13) C (t)T(t)5é(t) + D (t)u(t) y supone una nueva representación del estado.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. equivalente a la inicial. y . Esto es lo que se denomina una transformación lineal en el espacio de estado.11) 5é(t) = T .14) Partiendo de un modelo de estado cualquiera conociendo la matriz de transfor­ mación T(t) . MODELO DE ESTADO Se parte de una representación cualquiera de estado x(t) : y se define una Tn x n (t) con la particularidad de que no sea singular de que exista la derivada de su inversa.1 (t)B(t)u(t) { x(t) x(t) = = (T � l ) (t)x(t) + T .

Multiplicación por una matriz. lo que simplifica la expresión de las matrices del modelo de estado en la nueva base: l A (t) = T.5. .17) . 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. i Figura 1.5. es decir. y(t) R(t)u(t) (1. 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. Bloque integrador. Hay tres tipos básicos de elementos: 1. y(t) = 2..5: Multiplicación por una matriz.15) 1... pero sigue siendo el mismo. ¡ 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.16) u(t) �y(t) = 0 · Figura 1. que no dependa del tiempo. 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.A(t)T B (t) = T. representada en la Figura 1.. · jt00 u(r)dr - = y(to) + ( u(r)dr t it a (1.4: Bloque integrador.(]H5. representado en la Figura 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.16 CAPÍTULO 1 . . B.4 H a l lar la representación gráfica del sistema : jj (t) + aiJ (t) + by(t) = u(t) => jj (t) .6 : Bloque sumador.aiJ (t) . 18) 1. y(t) Ejemplo u (t) + v (t) = ( 1 . si no se indica lo contrario.by(t) + u(t) El Ejemplo 1 . representado en la Figura 1 . se suponen siempre positivas las entradas a todos los bloques sumadores. -C y D. M O D E L O DE ESTADO 3. u(t) y (t) v (t) = Figura 1 .6. lo que hará que el mismo sistema pueda estar representado por distintas matrices A. Hay que recordar que un mismo sistema admite distintas representaciones de estado. 19) 1 En adelante. Bloque sumador 1 . Así para el siguiente sistema: ( 1 .

6 .8: Representación gráfica vectorial del modelo de estado.7: Representación gráfica del modelo de estado. como puede verse en la Figura 1. Función de transferencia y modelo de estado El problema que se aborda en este apartado es obtener. la función de transferencia. Figura 1. Si el sistema no . 1. FUNCIÓN DE TRANSFERENCIA Y MODELO DE ESTADO 17 (1. 7 . u(t) Figura 1.1 .6.8. En lugar de operar con escalares es más útil operar con vectores. a partir de la representación del estado de un sistema lineal e invariante.20) La representación de este sistema con los anteriores tipos de bloque será la represen­ tada en la Figura 1.

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

Al por lo que los polos del sistema coinciden con los valores propios de la matriz A. 1.4 no estaría definida. 1 . por tanto. = 19 (1 . por lo que en ningún caso pueden elegirse las entradas como variables de estado del sistema. En esta sección se van a explicar diferentes técnicas para obtener una representación del estado. todas ellas equivalentes entre sí. aunque la entrada al sistema sí que las tenga. 3. para cada una de las cuales las ecuaciones que definen su comportamiento. la represen­ tación del estado de un sistema no es única. 7. La posición de los ceros del sistema viene dada por las matrices A. En la ecuación de salida sólo pueden estar relacionadas las variables de estado. de forma que dado un sistema cada una de ellas es diferente. En la ecuación de estado sólo pueden estar relacionadas las variables de estado. sus primeras derivadas y las entradas. pudiendo obtenerse una a partir de otra mediante transformaciones lineales. B.1 . e igualmente válidas para la descripción del sistema. 2. también ha 4e ser así con la estabilidad del sistema. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO se concluye que el polinomio característico del sistema es : p(s) det [sI . Métodos d e obtención del modelo d e estado Como se ha venido mencionando en distintas secciones de este capítulo. Observando las ecuaciones de estado y de salida del sistema: x(t) y(t) = se pueden deducir las siguientes condiciones que habrá que tener en cuenta cuando se elige un modelo de estado: 1 . En los siguientes subapartados se explican diversas metodologías para elegir variables de estado de un sistema y.4 y 1 . para representarlo mediante su modelo de estado: Ax(t) + Bu(t) = Cx(t) + Du(t) . sino que pueden encontrarse infinitas. Se admiten discontinuidades en la entrada (por ejemplo. C y D. 4. Existen distintas posibilidades de elección de las variables de estado de un sistema. tienen distinta expresión. las entradas y las salidas.5. como el polinomio característico sólo depende de A. 7 . Las variables de estado no pueden presentar discontinuidades. entrada en escalón). pues en tal caso la derivada de la variable de estado que aparece en la Ecuación 1 .26) Polos = Valores propios de A Se ve asimismo que.

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

simu ltánea­ mente. por los dos deva nados contiguos q ue constituyen la única bobina de esta ra m a . En sistemas hidráulicos: altura de fluido en los depósitos (energía potencial). Por ta nto. . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO • • 21 y • En sistemas mecánicos: las posiciones (energía potencial) las velocidades (energía cinética).5 Elegi r u n conj u nto posible de varia bles de estado para el sistema de la figu ra : 14 15 Ejemplo + U e R uc1 e R uc2 R e e L l/2 L/2 Según se ha dicho. El m ismo razona miento es a p l ica ble para concl u i r que las i ntensidades i 4 e i5 son a m bas varia bles de estado y representa n variables disti ntas que tendrá n en genera l valores disti ntos. 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 . 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 . deben ser designadas con el mismo sím bolo y ser elegidas sólo como una n ueva variable de estado. Dichas tensiones tienen en genera l va lores disti ntos q ue dependen de sus condiciones i n icia les. Por ta nto. 1. 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 . En sistemas térmicos: temperatura (energía térmica). que en u n ci rcuito electrónico son las tensiones en los condensadores y las i ntensidades en las bobinas. 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. las tensiones Uc 1 Y Uc 2 son varia bles de estado del sistema que representa n la tensión en condensadores d iferentes. representa ndo en rea lidad la misma tensión física de un m ismo condensador. 7. que son necesarios para determinar el estado del sistema en cada insta nte.1 .

. .1 + . Uc 2 . Uc3 .28) donde el término entre corchetes se obtiene mediante la integración del término de la derecha de la ecuación por tanto.8. en concreto los 1.2.29) ( 1 . puede ser elegido como variable de estado. y ( 1 .30) y. a sistemas lineales con objeto de obtener una forma genérica del modelo de estado para dichos sistemas. 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. descomponiéndose entonces la anterior ecuación en las dos siguientes: bou . 1 . 2 . .aoy (s n . resultando: y(t). + at )y .l + an _ 1 S n . de forma sistemática. y Variables de estado como salida de integradores en sistemas monovariables Para estudiar esta metodología se va a considerar. . en primer lugar. 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) .2 + . la obtención de variables de estado de sistemas monovariables representados por una ecuación genérica del tipo: ( 1 . simplificando con ello la notación empleada. 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. Sin embargo. a continuación se expone dicho procedimiento aplicado. que por tanto no presentan discontinuidades en sus valores ante discon­ tinuidades de la entrada. 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. Este procedimiento puede aplicarse de forma genérica tanto a sistemas lineales como a sistemas no-lineales. es elegir éstas como las variables que representan las condiciones iniciales de las ecuaciones diferenciales que definen el comportamiento dinámico del sis­ tema.7. Variables d e estado como salida de los integradores 1. i4 e is .7 y Se concl uye.(bn s n. X l . Una opción clara para elegir variables de estado de acuerdo con su definición da­ da en la Sección 1 . + b 1 )u ( 1 .22 CAPÍTULO 1. Primeramente se reordena se saca como factor común el operador derivada en dicha ecuación genérica. 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. .

l + bn.1.37 ) 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 .2 + an _I S n .l Y= [ O ] x + ba . para i = 1 ( 1 .l .33 ) Procediendo reiteradamente de la misma forma. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO y 23 que son.a n .34) hasta obtener las dos últimas ecuaciones: X n .3 + . .32) ( 1 .bn a n . .aaXn + (ba . + a 2 ) Y .ai .I Xn + (bi _l . .36) la última de estas ecuaciones es la ecuación de salida del sistema monovariable.bn u ( 1 .41 ) .38) X l = . + b2 )u ( 1 . da lugar al siguiente modelo de estado: < n y ( 1 . respectivamente.7. la ecuación de salida del integrador la ecuación que describe la variable de estado.ai .40) + bn u ( 1 . Procediendo de forma análoga con la segunda de estas últimas ecuaciones se obtiene: en la que de nuevo se elige el término entre corchetes como la siguiente variable de estado.34.(bn S n .35) ( 1 . para 1 i ::. se van obteniendo ecuaciones con la siguiente expresión genérica: ( 1 .bn a l b2 .l u ( 1 .l . .bn aa )u. se obtiene: ( 1 . expresado en forma matricial.aI Y (Sn .2 + .bn aa b l .I Y y . resultando: x I + bl u . que.I u .bn a2 bn .39) X i =X i . que puede reescribirse como: e introduciendo este valor de en las ecuaciones anteriores de salida de los integradores representadas por su expresión genérica 1 .I bn )U.

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

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

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

7. . + 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 .l . .. .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 .53) U (1.aOX l + u o O O O O 1 O O 1 O O x+ + u (1.2 X l .l S +. que puesta en forma matricial resultará: O O O O 1 x= O O u (1. .aOX l -an.l u.l S + an. Con este criterio ya se pueden escribir las ecuaciones de estado: Xn S n X l = -an _ l S n .+ a l S + ao (1.l X n . . + bI S + bo) X l 1 -an . .an .. ..l O 1 (1.l X l .an _2S n .59) .55) = n m n. Variables d e estado d e fase La expresión genérica de un sistema monovariable: puede reescribirse de la siguiente forma como cociente de dos polinomios en el operador derivada s: b s m + .2 X n. 3 .58) O O O O -ao -a l -a 2 -a3 La ecuación de salida queda: y = (bm s m + . 7 .1 .a l SX l .56) X n = X n.57) Con lo que ya puede construirse la ecuación de estado.. . .a l X 2 . . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO 27 1 .

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

. + � ) U s . + [ = [ PI P2 . . 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 (1.65) X �l �2 : : : x= O O y La ecuación de salida se obtiene como: 2.An . .66) Suponiendo que uno de los polos tiene multiplicidad la descomposición se reali­ zará como: y + l (bn + (s -PIAd r . + (s Pr -Ad 2 + �l + S-A Pr+l S . . _ _ (1 . Pn ] + bn u r.67) ::::} ::::} \ \ ::::} ::::} ( 1 . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO 29 con lo que la ecuación viene representada por: (1 .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 .Ar+l + .68) ::::} Con esto.69) .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 . (1 . 7 .1 .

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. 1 .30 y y la ecuación de salida toma la forma: [ (1. con un vector B de ceros con un uno en el último elemento. 1. como los representados en la Figura 1. eliminando las variables intermedias que son salida de unos subsistemas y entradas de otros mediante la operación con las ecuaciones de estado de dichos subsistemas. Dos sistemas disjuntos en serie. la matriz deja de ser diagonal y pasa a ser diagonal por cajas de Jordan.5. . La representación gráfica llevaría integradores en serie en el bloque de raíz múltiple e integradores en paralelo en el de raíces simples.7.9. A continuación se presentan los casos de conexión de sistemas más habituales. 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. Estructuras compuestas Los sistemas multivariables pueden considerarse compuestos por varios subsistemas más sencillos conectados entre sí. que darán lugar a cuatro bloques de matrices que representan lo mismo. de manera que las salidas de unos subsistemas actúan como entradas de otros de forma directa o mediante sencillas operaciones algebraicas. La obtención de las ecuaciones de estado del sistema global se puede realizar a partir de las ecuaciones de estado de cada subsistema. 70) Cuando hay raíces múltiples. = CAPÍTULO 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 .9: Sistemas en serie. MODELO DE ESTADO PI P2 Pr-l Pr Pr+l Pn ] x + bn u r x r. 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.

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

w) = Cx + Dr l.CX + [1 + DK] .BKC]x + Br 4.32 r CAPÍTULO 1.lD] r En el caso más habitual.BK[I + DK] . Sistema con realimentación constante de la salida: K y w Figura 1.Dr x = Ax + B(r .Ky) = Ax + Br .l Cx .BK[I + DK] . De todo lo anterior.11: Realimentación constante de la salida.BK[I + DKtlDr x = [A . se deducen las siguientes ecuaciones: y = Cx + D(r l. Cx Dr En un sistema con realimentación de estado como el que aparece en la Figura 1.12. las ecuaciones del sistema sin realimentar son: { yx = Ax + Du = Cx + Bu w = Kx Al realimentar se cumplirá que: . que la matriz D se anule.BK[I + DK] . la salida continúa siendo y se sigue representando el estado con el vector x. la expresión anterior queda como: x = [A . 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. MODELO DE ESTADO 3.l C] x + [B .DKy [1 + DK]y = + y = [1 + DK] .

-----114 . por ta nto. es frecuente que la matriz D se anule.1 .BK]x + Br (1 . cuya sección eficaz S 2 puede variar y considerarse. Ejemplos adicionales un Modelo de estado de Ejemplo sistema de depósitos 1.Kx) = [e .8 . � � � � � � � � � � � ��� ��� � 33 r ' . u=r-w x + con lo que la nueva entrada es r.8.DK]x + Dr (1 . De todo lo anterior. de sección eficaz SI . t w Figura 1 ..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. 72) Como en el caso anterior. que representa una variable de entrada manipu lada . con lo que la Ecuación 1.. se cumplirán las siguientes ecuaciones: y = Ax + B(r . y el segundo depósito tiene un orificio de sa lida l i bre de ca uda l .Kx) = [A .73) 1 . 72 queda de la forma: y = ex (1.71) y = ex D(r . la salida continúa siendo y el estado sigue repre­ sentado por el vector x.12: Realimentación del estado. como una entrada . EJEMPLOS ADICIONALES . En el primer depósito entra u n fl ujo F1 .

se deriva n las ecuaciones a nteriores y se toman va lores incrementales respecto a l pu nto de fu ncionam iento .8 1 y'2g(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 .34 de perturbación a l sistema .h 2 ) 8 1 y'2g (h 1 . 'c 7 CAPÍTULO 1. a u nq ue las condiciones i nicia les del sistema podría n dar l ugar a q ue h 2 > h 1 . el sistema tiende l uego a su pu nto de equ i l i brio en el q ue se cum ple h 1 > h 2 Si se desea obtener u n modelo de estado l i nea l del sistema que aproxi me su com porta m iento en las cerca nías de u n pu nto de funcionamiento.8 2 y'2gh 2 . pudiendo elegirse las alturas en a m bos depósitos h 1 y h 2 . en los primeros insta ntes de tiem po.h 2 ) . O bsérvese que. Las expresiones a nteriores son sólo vá lidas m ientras h 1 � h 2 . q ueda ndo: A 1 h1 A 2h2 F1 . 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. 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 . obteniéndose una expresión a lternativa vá lida en el ra ngo de valores h 2 > h 1 .

de las ecuaciones no lineales del sistema se obtienen los valores de las alturas en punto de equi­ librio. debiendo cumplirse que a3 > a2 .5 Y tomando como punto de linealización el estado de equilibrio determinado por el flujo de entrada FlO = 1.25.38 Y h 20 = 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 .816.8 . se obtiene el siguiente modelo de estado para el sistema linealizado planteado: Modelo de estado de un péndulo invertido Ejemplo 1. En concreto si se supone que los parámetros físicos del sistema valen 8 1 = 0.1 .8 . Al = 2 Y A 2 = 1 . EJEMPLOS ADICIONALES 35 Simplificando la notación en las ecuaciones anteriores. 8 2 = 0. que valen h lO = 1 .3. El modelo de estado anterior puede particularizase para cada sistema. I ntroduciendo estos valores en las ecuaciones anteriores.

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

Se considera además la variable intermedia T correspondiente a la tensión ejercida por el muelle K2 . 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. y dos masas m l Y m 2 . 1.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. que presentan una fricción viscosa de coeficientes {3l y {32 .9 . 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.1. X 2 = X .mg sin X 3 cos X 3 + u M + m sin2 X 3 = X4 (M + m)g sin X 3 . obteniéndose el siguiente modelo lineal del sistema : _ !!. 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.COS X 3 U . las anteriores ecuaciones pueden linealizarse en torno a dicho punto de fun­ cionamiento.!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) .

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

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

X4 + F mI m2 {J2 X 3 .78 es: o O O -{J2 y el sistema 1 . MODELO DE ESTADO Aunque es evidente que en este caso la resolución directa presentada es la más sencilla y adecuada . La forma matricial del sistema de ecuaciones 1 ..-X4 m2 - CAPÍTULO 1.40 {JI X l . ya que es más sistemática ..X2 mI K2 k2 F .81 se despejan las variables de salida e intermedias invirtiendo la correspondiente matriz: -[ [.82) . X2 X3 X4 = (1 . habrá otros casos más complejos donde la forma matricial resulte conveniente.79 queda : (1.1 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 + m X 2 = m2 I K2 K2 ..81) A partir de 1 .X 2 .

80 se obtiene: o + K2 O O m2 f32 1 O O m2 La ecuación de salida se obtiene ahora a partir de 1 .82.10 u (t) Si la dinámica del sistema se puede representar mediante la ecuación dife- .1.8. mediante la selección de las variables correspondientes: 1 O O O [ �¡ 1 1 KI + K2 mI f3I mI K2 mI O O K2 m2 O [ �n [ ! 1 F Modelos de estado de sistemas de orden reducido Ejemplo 1. EJEMPLOS ADICIONALES 41 y sustituyendo en 1 .

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

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

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

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 . puede enmascarar posibles inestabilidades. y como se vio en la teoría clásica.aX 2 + u = -bX l + U -bX l + U -aX 2 + u Xl 1. Además. sabiendo que h a de incluir el mayor número posible de las variables representadas.9. el sistema de la figura posee dos variables de estado. u(t) ""Iii --- s+a =} =} 1 X2 (t) � --- s+a s+b !t . Por ejemplo. ya que para modelar el comportamiento del sistema es necesario conocer todas las variables involucradas. 1. X l y X 2 . con sus condiciones iniciales correspondientes.1.9. u(t) . Ejercicios resueltos Hallar un modelo de estado del sistema de l a figura. EJERCICIOS RESUELTOS 45 Cuando se obtiene el modelo de estado a partir de un diagrama de bloques no se pueden realizar cancelaciones.

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

. h) U4 U5 pueden ser. 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 ) . cualquiera de las dos. a) l2 no puede ser variable de estado. indicar cuáles de las siguientes afirmaciones son váli­ das: Ug + 11 12 C 13 U 1� R L 14 C=r. f) U2 .1 . 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 . e) l6 puede ser variable de estado . EJERCICIOS RESUELTOS 47 2.9 . c) la puede ser variable de estado. d) l4 puede ser variable de estado. l4 Ua pueden ser variables de estado a la vez. Para el sistema de la figura. y puesto que la tensión en bornes de un condensador nunca puede hacerlo. g) U4 U5 pueden ser variables de estado a la vez. variables de estado . i) U2 Ua pueden ser variables de estado a la vez. k) h e 19 pueden ser variables de estado a la vez. j ) h e ls pueden ser variables de estado a la vez. es la tensión en bornes de la resistencia de esta primera rama la que absorbe la discontinuidad de la entrada.U3 R a) Iz puede ser variable de estado . por lo que la tensión en bornes de alguno de sus componentes colocados en serie debe tam­ bién variar bruscamente.

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

independientemente de las condiciones iniciales de la evolución de la entrada. En el presente caso. Kw . a) Utilizando el operador derivada.. m = Obtener un modelo de estado del sistema linealizado en torno a la trayectoria de referencia definida por Wo = 0.1. Kw = 0. a) b) Obtener un modelo de estado del sistema no lineal original . Velocidad angular de la nave . debido a la conexión en paralelo de las dos ramas con la misma impedancia. Kp constantes del sistema. y 3. h e 19 sí que pueden ser variables de estado a la vez.9. a = 1. por lo que sólo se tiene una única variable de estado. pueden ser consideradas ambas a la vez como variables de estado.01 radj s y Po = 100 m . Kp = 1 . cualquier entrada dará lugar a que los incrementos de intensidades sobre los valores iniciales sean siempre los mismos en ambas ramas. Consumo de combustible de propulsión . Siendo a. la intensidad que circula por los devanados de cada una de las bobinas es siempre la misma. Por tanto. por un razonamiento aná­ logo al del apartado i).01 . pero los valores absolutos de las intensidades que circulan por cada una de ellas pueden ser completamente distintos. que valen respectivamente 1 . EJERCICIOS RESUELTOS y 49 y k) U2 U3• En el presente caso. Ángulo de la tobera de propulsión. las ecuaciones del sistema se pueden escribir como: -aw + Kwp cos O U _ pw 2 + Kp sin O u . dependiendo de las condiciones iniciales. 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 . las intensidades que pasan por ambas ramas son variables físicas distintas sin ligazón lineal entre sí que. m. al no variar bruscamente ante cambios bruscos de la entrada.

0001x 3 + u + 0.O IB (t) y'2 1 -O.2w(t) + u(t) + 0. h.0. X2 X3 b) -aX I + Kw X 3 cos 8 u 1 . con lo que las ecuaciones linealizadas del sistema en torno a estos valores de referencia son: w(t) p (t) -w(t) + O.0001x 3 + 4.0.OOOlp(t) + 1 u(t) . Hallar un modelo de estado: B . MODELO DE ESTADO Eligiendo como variables de estado la salida de los integradores en ambas ecuaciones. y ambos vierten a una misma tubería .018 y'2 X2 -X l + 0. respectivamente.-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. se obtiene el siguiente modelo de estado lineal del sistema en torno a la trayectoria de referencia: 1 U . se obtiene: Con lo que las ecuaciones de estado quedan: Xl .018 y'2 1 -2X I . .O.50 CAPÍTULO 1.0l8(t) y'2 Eligiendo las mismas variables de estado.OOOlp(t) .01 y'2. Se dispone de dos depósitos de agua de sección constante A l y A 2 . En cada depósito el caudal de salida es proporcional con una constante a la altura del líquido. Ambos están alimentados por un caudal qe .

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

A. MODELO DE ESTADO escrito en forma matricial: - o A2 B Si en lugar de haber elegido estas variables de estado se hubiesen elegido los caudales de salida: entonces el desarrollo hubiera sido: qe qe = . = A2 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: . A2 . A lhl + XI = El XI + XI .52 CAPÍTULO 1.

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

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

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

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

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

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

puede ser elegida como variable de estado. en este caso dos. y. por tanto. que presenta las mismas discontinuidades que la entrada y. . no puede elegirse como variable de estado del sistema.1. No sucede lo mismo con la derivada de la salida. 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. consecuentemente.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. 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: 9.9. Hallar u n modelo d e estado del siguiente sistema: [ �� ] [ � . EJERCICIOS RESUELTOS + 59 8. se deben elegir las variables de estado.

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

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

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

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

SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES El objetivo en este capítulo es. en dos fases: resolución de la ecuación homogénea y resolución de la ecuación completa. a semejanza con las ecuaciones diferenciales usuales. Para encontrar la solución de la ecuación homogénea se puede utilizar el método de integración por aproximaciones sucesivas de Peano-Baker. U(T) . por lo que la respuesta de éste vendrá dada por su evolución libre. por lo que la ecuación a resolver es: x(t) = A(t)x(t) (2. Cabe recordar que se conoce como ecuación homogénea aquella para la cual la entrada al sistema se anula.2 se obtiene la sucesión: = (2. se puede obtener = (2. t) x( to ) Xo . 1. la ecuación completa contempla tanto esta evolución libre como la respuesta del sistema ante el estímulo externo mencionado. 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) . resolver la ecuación de estado de un sistema lineal en el caso más general.1) La solución de esta ecuación se plantea. por consiguiente.2. Matriz de tran­ sición En la ecuación homogénea se supone que la entrada u(t) es nula. u(t) . 2.64 CAPÍTULO 2.6) . que dicho sistema no recibe estímulo externo alguno.5) 'Po = Xo = 'P k (t) 'P o + it f ( 'P k . Por contra. es decir: x(t) = A(t)x(t) + B (t)u(t) (2. 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 2.2) con condiciones iniciales x(to) 2. Caso general = Xo . es decir.2.3) la solución de dicha ecuación (2. Solución de la ecuación homogénea .4) (2.l (T) .

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. cuando el producto de A(t) y Jt: A(T)dT es conmutativo. to) es la llamada matriz de transición. se com­ prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la derecha.2.2. 2.10) Teniendo en cuenta que: Al entrar con este resultado en el término general de la solución de Peano-Baker: .2 tiene una solución sencilla mediante el método de integración por aproximaciones sucesivas de Peano-Baker. Casos particulares de la matriz de transición La Ecuación 2.7) donde cp (t.2.2. 9) El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales x(to) = Xo . En este caso la matriz de transición viene dada por: (2. después de la extracción de este factor común la expresión a la que se tiende es: X(t) = cp(t. mediante la que se construye la solución de la ecuación diferencial. y cuya expresión es: (2 . MATRIZ DE TRANSICIÓN <p2 (t) = <PO + = Xo + t A(T)dTXo + t A (T) r A(Tl )dTl dTXO = = A medida que progresa la construcción de los sucesivos términos de la serie. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. to)xo (2. Se puede demostrar además que esta solución es única.

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

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

se tiene: = ¡ t A(T)dT ta + . = 3. .17) Como se observa. es decir xo . dadas unas condiciones iniciales. to) = 1 (2. por lo que la matriz A(t) puede ser extraída de todos los términos como factor común por la izquierda. 2. to) (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. A esta conclusión se llega igualmente haciendo t to en la expresión de iJ>(t. 18) es decir. n 2. to)x(to ) :::} iJ>(to . como queda reflejado en la expresión. to) cumple con la misma ecuación diferencial que el estado (Ecuación 2. Valor de la matriz de transición en to El valor de la variable x(t) para el instante t como condición inicial. Se puede demostrar además que estas columnas forman un sistema generador del espacio de soluciones de la Ecuación 2. por lo que todas las integrales se anulan permaneciendo únicamente la matriz identidad. lo que queda vuelve a ser la suma infinita que define a la matriz de transición. = A(t)iJ> (t. Transitividad de la solución de la ecuación homogénea Si se calcula la solución de la ecuación homogénea para cualquier instante t2 . se puede expresar como una combinación lineal de dichos vectores columna. to) mediante la serie de Peano-Baker (Ecuación 2.2) .68 CAPÍTULO 2. la derivación cancela el primer integrando de todos los sumandos. se deduce que: = x(to) = iJ> (to .3. se obtiene: . que la particularización de la matriz de transición para el instante inicial debe dar como resultado la matriz identidad de la misma dimensión. después de esta extracción. Propiedades de la matriz de transición 1 . teniendo en cuenta que la ecuación se cumple para cualquier estado inicial. 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. puede observarse que la matriz iJ> (t.6 al final de este capítulo.2.8) . . Derivación respecto al tiempo diJ>(t ' to) dt A(t) + A(t) Si se deriva la expresión genérica de la matriz de transición. Además. lo que significa que cualquier solución que se obtenga. por lo que y to coincide con el �pecificado al particularizar la sohición para este instante inicial.

3. to )T(to )x(to) <1>( t. esta propiedad se reduce a: (2. to)T(to ) T(t)x(t) (2. permite afirmar que la matriz de transición ha de ser no singular.20) 4.2. al ser válido para cualquier estado inicial.22) En efecto.i (t)<I> (t. to)x(to) = <I> (t. por lo que también se cumple: Para el caso de sistemas invariantes. to )T(to)x(to) =} x (t) T .i (t) <I>(t. to) T . to) x(t) = T .i (t) <I>( t.i (t) se verifica: <1> (t. se debe alcanzar el mismo estado para un instante determinado si se parte de las mismas condiciones iniciales. se tiene: x(td = <I>(h . to)x(to ) Como la solución de la ecuación de estado es única. dado un instante t y un intervalo de tiempo T. Para el caso de matriz A invariante. se obtiene: lo que. to )T( to) = . como consecuencia. si en la solución de la ecuación homogénea se sustituye x( t) por su valor: =} = Despejando de esta ecuación el valor de x(t) : =} = <I>(t.21) 5. la solución de la ecuación homogénea particularizada para el instante t + T es: (2. PROPIEDADES DE LA MATRIZ DE TRANSICIÓN 69 Si se hace lo mismo para otro instante t i . Cambio de representación del estado Para cualquier cambio de representación del estado. x(t) = T(t)x(t) con la condi­ ción de existencia de T . 19) (2. se deduce: Si en la ecuación de transitividad se hace la suposición de que t2 = to . Inversión de tiempos por tanto.

70 2.28) Si se sustituye esta expresión en la Ecuación 2. demostrando que existe la z(t) que cumple con la hipótesis formulada en principio: z(t) = = cI> . cuando existen condiciones iniciales no nulas y entrada: x(t) = A (t)x(t) + B (t)u(t) (2. to) .23) Para calcular la solución de esta ecuación se utiliza el método de variación de las constantes. to)z(t) + cI> (t.A(t) cI>(t. CAPÍTULO 2. se puede despejar z (t) como: z (t) o ] (2. to) z (t) . to) i( cI> (to . = cI> (t.25) (2.23 queda: <Í> (t. por lo que sustituyendo en la Ecuación 2.l (T. tal que la solución de la ecuación completa se puede expresar de la forma: x(t) hipótesis que se verificará a continuación. to)xo + cI>(t.28. to ) es no singular. y teniendo en cuenta que z(to) x(to ) a partir de la ecuación 2. calculando la z(t) que lo cumple. to)B (t)u(t) + (2. to) . como cI> (t.30) En el segundo término aparece cI> (t. to)z(t) = (2. to)z(t) + B (t)u(t) = . to)B(T)U(T)dT ita t ( cI>(to . 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.l (t. pero como no depende de la variable de integración puede introducirse dentro de la misma.26) B (t)u(t) que mediante integración se resuelve. to) z (t) + <Í> (t. es decir. to) z(t) v [ A(t) cI> (t.29) cI>(t. y al producto entre ésta . según el cual se va a suponer que existe una z(t) .27) donde al aplicar la propiedad de inversión de tiempos a la matriz cI> (t.1 donde el término entre corchetes se anula por la primera propiedad vista para la matriz de transición y. T)B(T)U(T)dT (2. entonces esta expresión de x(t) debe verificar la ecuación completa. se obtiene: z(t) = z(to) t ( cI> . Si la hipótesis formulada es correcta. to ) fuera de la integral. T)B(T)U(T)dT ita t ta (2.24) cI> (t.24 se obtiene: x(t) = = x(to) + (2.4.

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

'o a(r)dr donde: = k=O 00 L a k (t)M k = Q(M.32) (2. que incluye el caso invariante.13. t) es el polinomio cociente y R(>'. Cálculo de la matriz de transición Por lo expresado en el apartado anterior.34) 1 .'o A (r) dr Para los casos en que la matriz A(t) sea factorizable según la Ecuación 2. 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. to) Se van a estudiar tres métodos para la obtención del resultado de esta expresión.36) . obteniéndose la expresión: n.5. el cálculo de la matriz de transición de un sistema es equivalente al cálculo de la exponencial de una matriz: <I>(t. Método de Cayley. t)P(>. t) . Como se verá a continuación. por el teorema de Cayley-Hamilton este polinomio infinito particularizado en A(t) puede calcularse mediante un polinomio R(M. 2.6 al final del capítulo. de grado finito y menor que Llamando P(>') al polinomio característico de la matriz M.) =O + R(>'.j n - (2. n. 2.Hamilton = eJ. 1. t) (2.5. t) = C(>'.72 CAPÍTULO 2. t) es un polinomio de grado la división entre el polinomio infinito y el polinomio característico: R(>'. resto de (2. t) donde C(>'.35) P(M) (2. salvo por el hecho de que la función a(t) es igual a uno. que no es sino un polinomio infinito que depende de M y de t: e M J.33) Para el caso de matriz A invariante el planteamiento sería el mismo.. la matriz de transición se puede expresar mediante su desarrollo en serie. t) Por el teorema de Cayley-Hamilton: L = nj=-Ol hj (t)>. 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. Q (>.

= n j= a (2.1 e Ai J:o Q{ r)dr R ( A i t ) L hj ( t)A{ que permitiría obtener las incógnitas hj ( t). Para obtener los coeficientes del polinomio R(M. se puede deducir que: Q(M.39) . h 1 � (e.40.1 . Ejemplo 2 .(t-to) . t) (2. sustituyendo en la Ecuación 2. A 2 .4h 1 _ e-4(t -to) ) ha I+h 1 A [ ��(2(e-(t-to) +e-4(t-to) )) e-(t-to) e-4(t-to) _ � ( e-(t-to) e-4(t-to) ) � ( e-(t-to) + 2 e-4(t-to) ) _ ] .34 A M. t ) R(M. comprobándose que sus valores son A l . por lo que.2. A continuación.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. ta ) = � (4e.e-4 (t-to) ) . 3 = n (2. se plantea la ecuación asociada a cada uno de ellos.4 .(t-to) = = e-(t-to) { e-4(t-to) = = ha .38) donde los Ai son los valores propios de la matriz M.40) Calcular la matriz de transición del sistema definido por la matriz: A = = = - [ -22 13 ] y En primer lugar se calculan sus autovalores. por lo que: con lo que se obtiene un sistema de ecuaciones: n. sustituyendo en la Ecuación 2 . CÁLCULO DE LA MATRIZ DE TRANSICIÓN 73 es decir.5. que el polinomio característico de M se anula particularizado para sí misma.h 1 ha . con lo que resulta : despejando este sistema resulta : ha = por lo que la matriz de transición resulta : <I> ( t. t) se hace uso de la propiedad de que los valores propios anulan el polinomio característico: = = (2.

t) dA y Esta igualdad entre la derivada de Q (A. t) en Ai .74 CAPÍTULO 2. Dado un valor propio Ai con multiplicidad mi .42) _ Ai ) m i (2. 2 1 . se deben utilizar las derivadas de la Ecuación 2. para obtener t�tas ecuaciones distintas como incógnitas. no se anularán cuando se particularice la derivada de orden superior de Q (A. es decir. t) dA + d C(A. En el caso de que la matriz M presente algún valor propio múltiple.34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. un valor propio doble. 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. t) dA I A=� (2.43) dR(A. quedando: dQ (A. t) m i . por lo tanto.7 al final de este capítulo. el polinomio característico es de la forma: (2.4 A = I A=� Y = Ai ) d ) (A C(A. En primer lugar se determinan los valores propios de la matriz dada . t)Pi (A)mi (A C��. A partir de este orden aparecen sumandos que no dependen de (A .41) con lo que la expresión del cociente entre polinomios queda: Si se deriva esta expresión respecto a A.Ai ) que. Se cum ple que: Obtener la matriz de transición del sistema definido por: [ -21 O1 ] = . resulta: dQ(A.1 inclusive. t) se seguirá cumpliendo hasta la derivada de orden mi . com­ probándose que ambos coinciden en A l .44) sabiendo que to = o. t) la del polinomio R( A.l + d . t) + �y R�� (2. t) Pi (A) (A _ Ai ) mi _ expresión en la que todos los términos se anulan al particularizar para Ai salvo el último. Ejemplo 2.

se parte de una forma de la matriz que permita su factorización de la forma que se expresa en la Ecuación 2.2.h 1 d>' . si se consigue encontrar la matriz de transición para el sistema en el nuevo sistema de referencia.t)é Sustituyendo en el polinomio resto queda : ] 2.d>' De donde. conocida como forma canónica de Jordan.1 A(t)T = T .47) T . se tiene el sistema de ecuaciones: = (1 - t) e t tet (1 .. t) dR(>'. al ser el valor propio doble. sustituyendo >. t) t =} t e A . se ha de cumplir también que: e t = ho + h 1 t e t = h 1 =} ho _ _ dQ (>. 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. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 75 y. la exponencial de una matriz en cajas . to) T�(t.2. to) .5. to)T . es posible obtener la del sistema original mediante la transformación: <l> (t. La ventaja de esta transformación es que la exponencial de una matriz diagonal en cajas de Jordan se calcula de forma muy sencilla. ésta se compone. en el caso de que todos los autovalores sean distintos.46) Para el cálculo de la matriz T se sabe que.5. Mét o do de J ordan Al igual que para el método de Cayley-Hamilton.13. de los vectores propios asociados a los valores propios de la matriz M. �(t. Tal como se vio en el teorema de cambio de representación de estado. por su valor.1 MTa(t) (2.1 (2.45) (2. por columnas.

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

3 ( n . CÁLCULO DE LA MATRIZ DE TRANSICIÓN la exponencial es: - = e A f:� a(r)dr . el cálculo de la exponencial de una matriz se realiza en los siguientes pasos: Cálculo de la matriz diagonal en cajas de Jordan.1 . 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. to) . mediante el cálculo previo de las matrices T T. to) .to ) 2 . 5 • • y Del Ejemplo 2.5.3) ! - (n . A 2 = . Multiplicación de esta matriz por las matrices de transformación para devolver el sistema a su expresión original. � (t. A continuación se calculan los vectores propios asociados.50) 1 De esta forma.2 (n 2 ) ! Utto a(T)dT) n . • Ejemplo 2 .l Ut: a(T)dT) n . según el método de Jordan. Cálculo de la exponencial de la matriz diagonal en cajas de Jordan. <p(t.l .3 sabemos que los autovalores de esta matriz son A l = .1 ) ! (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 .2. to) = [ e -(t .4 .

por lo que se propone un método alternativo para hallar su solución como: l -l x(t) .l XO + (sI . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el Ejemplo 2. por las propiedades de la transformada de Laplace.8.3.A)X(s) = Xo + BU(s) =} X(s) = (sI . al final del capítulo.A) .5.51) (2.:¿ .l ] Xo + . como se acaba de hacer.:¿ [(sI .52.] Xo (2. se observa que la matriz de transición se puede hallar como : En cuanto al segundo sumando. que: l . se puede establecer una correspondencia entre la expresión de la solución completa.l BU(s) x(t) Ax(t) + Bu(t) = (2.:¿ . Por otro lado. mediante la transformada de Laplace.52) Esta expresión permite obtener la evolución del estado en función de las matrices de las ecuaciones de estado y del estado inicial. Mediante la transformada inversa de Laplace Si el sistema es invariante.Xo = AX(s) + BU(s) =} (sI . Como puede observarse en la Ecuación 2.53) Por tanto. Se parte de la ecuación: Tomando la transformada de Laplace: y = =} =} tomando antitransformada de Laplace: x(t) l -l .:¿ [(sI . se comprueba. mientras que en el Ejercicio 3 se puede ver un caso de aplicación de estas metodologías para un caso no invariante. la situación de entrada nula es la que se plantea para la ecuación homogénea. De esta forma. la ecuación de estado se puede resolver mediante la trans­ formada de Laplace. 2.[(sI _ A) .[(sI _ A) .78 CAPÍTULO 2.52.l BU(s)] = (2. convolución que aparece como segundo sumando de la solución general de la Ecuación completa 2. si la entrada al sistema es nula.55) que se corresponde con una integral de convolución en el dominio del tiempo. . puede encontrarse un caso de cómputo de la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del de Jordan. el segundo sumando se anula.54) cI> (t) * Bu(t) (2.A) .l BU(s)] = sX(s) . y la expresión general hallada en la sección anterior. identificando el primer término.A) .A) .

Ejemplos adicionales Xl 1 [ �l ] = [ -O1 -O2 ] [ X2 ] [ -3 ] u(t) .2.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..6. Ante entrada n u l a . 6 2. Cuando la entrada e s u n esca lón u n itario. 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 .c-s 0.5 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 . a .--. b.. x(t) = <p(t.---:4. cá lculo que resu lta trivia l en este caso a l ser la matriz A diagon a l .6.. Ante entrada n u l a . c. X2 + Calcular la evol ución del estado del sistema dado por: to O x(to) = Xo = [2] -4 a . EJEMPLOS ADICIONALES 79 Determinación de la evolución del estado = Ejemplo 2 . Cuando la entrada es u(t) = sin(t) . O)xo = [ e-t O2 ] [ 2 ] = [ 24ee-t2t ] O e. En pri mer l ugar se ha de ca lcular la matriz de tra nsición del sistema .

5 -1 -2 -3 -4 b.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. 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. 5 1 1 .2t + 1 + e-t � ( e.80 CAPÍTULO 2.5 5 t Xl X2 = <I> (t.2t to to t e .r) 1 -1 -2 -3 -4 e. Ante entrada esca lón u nitario.( t. O)xo + Jt <I> (t. 0 .2 t .r) _4 e. T)B (T)U(T)dT = = [ ] +¡ [ O O =[ 2 e-t _4 e. 5 -1 -2 3 - -4 .2 ( t.5 1 0. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 1.

cua ndo la entrada es una senoide: X. por lo que la evol ución del estado se ca lcula nueva mente haciendo uso de la expresión obtenida para la ecuación com pleta . a lo largo del tiem po. En el tercer caso pla nteado.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. r)B (r)u(r)dr = ] Jt a t + f Jtta.2. = [ 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) + sin(t)) _4 e-2t . la entrada al sistema es una senoide.( e.T ) o 2 e .2 ( t . ( e-t . 5 2 Xl -2 -3 -4 . X2 e. se obtiene la trayectoria en el espacio de estado q ue se representa a conti nuación : 1 1 . EJEMPLOS ADICIONALES 81 c. x(t) = !I> (t.t + 1.6. O)xQ + t !I> (t.2t .( t-T ) o sin (r)dr = e.

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

10 8 +/ --..--.6.7 se desea ver la evol ución de a m bas alturas cuando el fl ujo de entrada es consta nte de valor F.2. q ueda : 10 X.:. to ) . siendo su modelo de estado l i nea l izado el calcu lado a nteriormente en d icho .".5C(t) + e C(t) ] que. 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 .c-----:--�. Conocida l a matriz cp (t. representado en función del tiempo y en el espacio de estado. O ) xo = :3 1 [ 4e C(t) + 5 e -5C(t) 4e C(t) _ l Oe -5C(t) 10 X. + v· 10 / // /:\\ ] \ I (\ t 4 2 4 -2 8 1 0 Xl Evolución temporal de un sistema de depósitos comunicados Ejemplo 2 . 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) ) . dado que la entrada es nula a l ped i rse la evol ución l i bre: - cp (t. ya es posible ca lcular l a evolución del sistema a partir del estado i ncial proporcionado y. 8 En el sistema de depósitos com u n ica ntes del Ejemplo 1 .--+--. -2 2 x. x (t) = cp (t.

Hamilton Particu lariza ndo el poli nom io eA t = hoI + h l A para a m bos va lores propios se tiene: P(A) = det [AI . En a m bos méto­ dos se ca lcula en primer l ugar el pol i nomio característico del sistema y sus va lores propios (es deci r.A l -a 2 e A 1 t + a 2 e A 2 t _ [ Al m ismo resu ltado se l lega resolviendo la matriz de tra nsición por el segundo método propuesto.A l eA2 t A2 .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.A] = de t + [ A-aa2 l y resolviendo a m bas ecuaciones en e )l 1 t = ho + h l A l e A 2 t = ho + h l A 2 ho ho y h l : A2 eA 1 t . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES ejemplo: donde los va lores de estas matrices dependen de los pará metros físicos del sistema concreto y de su pu nto de l i nea l ización . 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.84 CAPÍTULO 2.A2 . O) = eAt = hoI + h l A = 1 (A 2 + a d e A 1 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. polos del sistema ) .(A l + a d e A 2 t .

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 . O) = eAt = TeÁtT. t [ (al 2+ Al)(A2 + ad(e).al (Al + ade). t -aie). 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. por lo ta nto la matriz de ca m bio de base d iagonal iza nte. 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: . formada por a m bos vectores propios.l = 1 e ¡t +A al(A2 . se obtiene Vi 2 = al + Ai. 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 .I .2.6.Ad [ al � Al al � '\2 ] [ � e�2 t ] [ ��l _ �l ��l ] = al (A + al)e).¡t .2 t ai Ai.2 t)2 -al (Al + ade).¡t + al(A22 + al)e). 2 i = 1.¡t + aie). q ueda la siguiente ecuación aplicable a cada va lor propio: = 1. 2 Haciendo por ejemplo Vil = al. [A.Al [ �:� ] A: [�] VI V2 i = 1.e).

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

11 .. cuyas ecuaciones son : [ h�21 ] = [ -0.996 ] [ hh21 ] + [ 0. 0.1 ) ] ) + _ + donde poniendo como condiciones i nicia les d e las alturas e n a m bos depósitos [h l O h 20 ]T = [0.1 ) + 0 .2606 e .0 . O) = 7 394 13 9t [ 0 . 3 t .1 . 13 9t 1) .0 ..139t .'506gee-.7 .441 -0. S� 1 .5f e i ntrod uciendo u na entrada consta nte de va lor F = 1 .588 O _ 0.6. 3t ] y la evol ución de las alturas resulta : _ [ hh2l (t) ] (t) [ 0.2606 13 9t 0.5 0.1 . 139t + 0.'506gee--00. siendo todos estos valores i ncrementa les sobre el p unto de l i nea lización . 7 394 13 9t 0 .33tt 0... 7394 e.0.139 Y ).506gee -.3802ee-.1 + F [ -0 .2 = .5O ] F1 de donde se tienen los siguientes polos del sistema: con lo que la matriz de tra nsición resulta nte es: <p(t.. 1952( e .3802 e .3. 1003( e . se obtiene la evol ución de las alturas representada en la siguiente figura : 2 5 r-----�--�--__..0 .1 .0 .00. � 06 O \ ----�----�----�------�--�0 � 4 6 2 8 1 tiempo (5 ) .506gee-.3802ee--00. EJEMPLOS ADICIONALES 87 Si se considera el sistema concreto del Ejem plo 1 .2.139t + 0O.33tt 2606 ).3802 e . 13 9t .11 . 3 t .1 .1 .33tt ] [ hh2lO0 ] 0.2 6661 ( e . 1 = -0.1 82 7 8( e .441 0.11 .2606 0.0. 7 394 . 13 9t .139t + 0. 5 � E 2 � � 0� ----2 ----�----��----�--�0 4 6 1 8 tiempo (5 ) 1 2 S 08 N §. 3 t 0.

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

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

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

Obtener e l modelo de estado y l a evolución d e las variables d e estado del sistema representado mediante la siguiente ecuación diferencial: [ � O e . EJERCICIOS RESUELTOS 91 A = -3.V32 V33 = O =} V32 V33 v3 � y Aplicando la transformación dada por T a la matriz <1>.1 = 1 � ( e .2 t + e .4t ) 2 2 2.1 fj (to) = 1 .2 t . 7 .4 t ) "2 ( 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 .4t ) 1 .4. � O O v" V21 = O - =} V22 V23 V2 = -1 O -1 -1 O O O 1 V31 = .( e .2t . =} A = .4t ) _ ( e . se obtiene la expresión de la matriz de transición en el sistema de referencia inicial: ll (t) = T<1>T .e .2 .3t O O O 1 y + 7fj + 14y + 8y = O con las siguientes condiciones de contorno: to = O y (to) = 2 y(to) = .

que identifican a los polos del sistema por lo tanto. se extraen los valores propios. en este caso. en primer lugar. serán necesarias tres. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En primer lugar se han de elegir las variables de estado.8X l con lo que el modelo de estado expresado en forma matricial queda: o 1 O O -8 . siendo una posible elección: Xl = y X 2 = iJ X 3 = fj :h = X2 X2 = X3 X 3 = . + 8 = (A + 4) (A + 2) (A + 1 ) Una vez conocidos los valores propios de la matriz A.V12 =} A = .14 A partir de esta expresión se calcula la matriz de transición por el procedimiento habitual. =} V1 1 = .2. . 2 + 14>. dado que la ecuación es de tercer orden.A) A -1 O O A . . det(AI .2 V22 = V23 A = -4. su dinámica: y.1 = A 2 (A + 7 ) + 8 + 14A = 8 14 A + 7 A 3 + 7 ).2 V21 = V22 =} . se calculan los vectores propios para hallar la transformación que la diagonaliza (método de Jordan) : A = -l.7X 3 .92 CAPÍTULO 2.14x 2 .

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

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

t al + 3 e .Al = >. se obtiene finalmente: <I> (t. la evolución del estado viene dada por: 4.2 sustituyendo estos valores en la anterior ecuación y sustituyendo en A. to) .- .2 . dado que posteriormente se han de realizar cálculos de respuesta ante determinadas entradas. 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.3 e .) = det [ >'I . = . se calcula la matriz de transformación a la forma diagonal construida con los vectores propios: [ -31 -31 >. EJERCICIOS RESUELTOS 95 2 2 � 2 e 2 (t . Esto es así porque.t al .2 + 8 >' + 12 = ( >' + 6 ) ( >' + 2) y. resulta mucho más cómodo hacerlos para el sistema diagonalizado y luego devolver los resultados a la representación original. Primero se calculan los autovalores de la matriz A: p(>. 2 . Por conveniencia se utiliza la vía de la diagonalización del sistema y la definición de las pertinentes matrices de trans­ formación. Conocido entonces el valor de la matriz de transición por cualquiera de los dos métodos. que realizarlos directamente en ésta. coincide con el anterior.2.'5 2 2 3 e 2 (t . determinar la evolución En primer lugar se calcula la matriz de transición. lógicamente.7. a partir de ellos.6 .� 5 _ [ resultado que.

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

En e l sistema d e l a figura.2.e -6 + 2 e . EJERCICIOS RESUELTOS 97 que en la representación original del sistema equivale a: Xb (t) = T Xb (t) = • 1 6(t. u(t) = O 2) [ 1 ( . 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.7. fijado por la evolución del estado al final del intervalo anterior: lo que no existe es término debido a la evolución forzada.1 ) + e -6(t-2)) ] O O -2 -6t -6(t-1) -6(t. en los siguientes casos: 11 Ug + R1 U c1 • C1 R2 12 U c2 • C2 .1 2 ) ] = [ _ -61 ( -2e -6t + e -6(t.1 .2) ) [ _16( (-2ee-6t ++ee-6(t-1) ++ee-6(t-2)) ) ] i - que en su representación original es: x b ( t ) . por lo que la variación del estado se debe exclusivamente a su evolución libre: Xb (t) = cI>(t.::: 2 . a partir del instante to = O. así como la diferencia entre ambas.Tx b ( t - 5. puesto que la entrada se anula.

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

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

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

5t La representación gráfica del estado y de la salida es la siguiente: [ 1 + _ Evo luc i ón de l e s t ado .2.e.6 0.l �____�� O 0.2 __�� 0. 2 1 Ent rada ub .4 __ t �� __�� ____ � 0. EJERCICIOS RESUELTOS � 101 Sustituyendo: x(t) + [ e RICI - O R I CI R2 C2 1 1 x(t) 1 l .7.5t 2 e . xo = [ 2 _l J T .to � La salida será: Dando valores. 5 .l Ot ] =} y(t) = e .10t 2 e .e.R2C2 t .5 O �--�----� -0 .RICI .5 1 Es t ado 0. se obtiene: x(t) = 1 1 [ + e .8 1 .

to)x(to) < + it <p (t. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Evo l u c i ó n de la s a l ida . será igual que el apartado anterior .8 O t 1 3) Si la entrada es un rectángulo de altura unidad. entonces. la evolución del estado será: Donde hay que distinguir dos casos: Primer caso: si t t I .6 0. r)B (r)u(r)dr ta x(t) + x(t) .102 CAPÍTULO 2.4 0. xo = [ 2 _l] T o ���������==� 0. Segundo caso: si t � t I . entre [to . Ent rada ub . sustituyendo: • • x(t) = <p (t.2 0. t I ] .

5( t-O.2 e.lO t + e .5) y [ e . 5 1 0. 5) .4 0.2 0.5t ] _ e .5( t-O.6 0.5 t + e .5 O �������� 0.4 t 0. 5) 1 E s t ado 0.1O(t .6 t .8 1 Evo luc i ón de la s a l 1 da .5 0.l O t + e. Entrada u c . 5) + 2e . 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 .2.8 O 0. Entrada ub . xo = [ 2 _l]T = e .7.1O(t .O.O . xo = [ 2 _l] T S a l 1 da 1 . EJERCICIOS RESUELTOS 103 Mientras que la salida será: Dando valores.

1) Entrada nula. 5 . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES x(t) y(t) Se obtiene: x(t) y(t) 2 e.5 -0 .6 F.0 . Entrada ua . 8 0 0 2 0 6 t Evo luclón de la sal ida Ent rada ua .104 b) CAPÍTULO Si el = 2 1 O . Sustituyendo en las ecuaciones obtenidas en a.5 o���������� 0.8 O 0.����4 1 0 .5 t 3 e .�-.5 t _ e.5t [ ] _l ] T La representación gráfica del estado y de la salida es la siguiente: Evo l u c i ón del es tado .1� � ���� ---�. xo = [ 2 _l]T 0. �� . xo = [ 2 2 E s t ado 0.2 0. l : x 2.4 O 6 t .

RlCl x(t) 1 .6 0. 2 : 1 + e.8 1 Evo luc i ón de l a s a l l da .R2 c2 e RlCl + 2 e R2C2 y(t) Se obtiene: [ 11 -+2ee. Ent rada ub . EJERCICIOS RESUELTOS 105 2) Entrada escalón.7. xo = [ 2 _l] T 1 0.2 0.5 O ������.4 0 6 0.5t5t x(t) = . 2 1.4 t 0.8 1 O t .=��� 0.2 0.5 Entrada ub .2. xo = [ 2 _l] T 0 �--�-----1 0.2 e. Sustituyendo en las ecuaciones obtenidas en a.] 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 .5 1 E s t ado 0.

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

xo = [ 2 0.8 1 t Se observa que con cualquiera de las tres entradas. por lo que los incrementos en su evolución serán los mismos.7. EJERCICIOS RESUELTOS _l]T 107 Evo l u c � ó n de l a s a l � da . para el segundo valor del condensador el .2 0. Entrada ub .4 0. será profundamente tratada en el siguiente capítulo. se puede conseguir por separado cualquier valor del estado.5 O� O __ �����. pero en cambio no es posible obtener los dos a la vez. Como dicha salida es la diferencia de las dos variables de estado. La dinámica del sistema se aprecia en la ecuación de estado. pues su diferencia ya está fijada. la salida es la misma. Está motivada por la coincidencia en la dinámica de las dos variables de estado. Esta limitación. una vez particularizados los datos: y(t) . esto significa que el sistema impone una restricción a las variables de estado: dadas unas condiciones iniciales determinadas.=======� 0.2. achacable al' sistema.6 0.

.

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

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

las tensiones en a m bos condensadores tendería n a igualarse . sea cual sea la ley de variación de la tension de entrada u(t) uti l izada. Por ta nto q ueda claro que en este caso no son controlables todas las com binaciones de tensiones en a m bos condensadores (es deci r. En este caso cabe pregu ntarse. así como las propiedades de d icha entrada uti l izada . de ma nera que las tensiones i ncrementa les en a m bos condensadores será n d iferentes entre sí. 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. dependiendo su va lor fi nal y su evol ución tem pora l de la ley de variación de la tensión de entrada u(t) . Si la situación i n icial no fuera de eq u i l i brio. dependiendo la evol ución de cada u na de ellas de la ley de variación de la entrada u(t) uti lizada . En el caso de que las consta ntes de tiempo de carga de a m bos condensadores sea n idénticas. R 1 Cl =f. 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. 1 INTRODUCCIÓN 111 L a figu ra representa u n ci rcu ito eléctrico formado por dos ra mas RC e n para lelo. a m bos condensadores se carga n con la m isma tensión i ncrementa l (a partir de cua lquier situación i nicia l de eq u i l i brio) . En este caso 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. cada condensador se carga a d istinta velocidad. Ejemplo 3 . q ue dependen de las tensiones i n icia les de a m bos condensadores. R2 C2 .13 . u Si las consta ntes de tiempo de a m bas ra mas son disti ntas. R l Cl R2 C2 . Las cuestiones pla nteadas en este ejemplo son objeto de estudio del presente = . pues. cuá les son estos pu ntos controla bles en un tiem po determi nado. 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) . ca be pregu ntarse cómo es posible encontrar una entrada o conj u nto de entradas que consiguen controlar dichos puntos. 1 .

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

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

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

to) : (3. no se puede alcanzar cualquier punto del espacio de estado. sustituyendo el valor de W(t l . CONTROLABILIDAD EN SISTEMAS LINEALES 115 Esto supone que si se multiplica por la izquierda por yT : (3. cualquiera que sea la señal de entrada con la que se excite al sistema. se va a tener un estado que al ser multiplicado por el vector yT va a resultar cero. 10) y entonces. r ::::. t I ] . por lo que es un vector de estado ortogonal a éste. Por tanto. to ::::. Para a n a l izar la controlabi l idad media nte el estudio del com porta m iento del . Para que esto se verifique se tiene que cumplir que �(r) = O . 2 entrada genérica u(r) . h: (3. el sistema no es controlable en [to . partiendo del origen y ante la e integrando se obtiene: yT u( (3. Sólo se alcanzarán puntos que verifiquen la condición: vT ( tI ) = O. 14) siendo x(tI ) el estado del sistema en el instante h. r)B (r)u(r)dr = O to yT X(tI ) = 0 (3.3. 14 significa que. D x lh cI> (t l . La Ecuación 3 . Por consiguiente. sino sólo aquellos que se encuentren sobre un vector ortogonal al vector propio yT . 1 1 ) integral de una función siempre positiva que tiene que ser igual a cero.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.12) Formando el producto por Ejemplo 3 .3. desde el estado inicial nulo.

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

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

Por lo ta nto es posi ble pasar di recta mente al cá lculo de la evol ución l i bre del sistema . 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 . ta \ Xl -8 -6 -4 -2 2 Figura 3.118 I t < ta x. puesto que para ca lcu­ lar la entrada que rea l iza la tra nsición propuesta hay que tener en cuenta cuál es el efecto de d icha evol ución . no es nece­ sario rea l izar la correspond iente com probación . Ejemplo 3 . de forma directa (línea continua) con un punto de paso intermedio (línea discontinua). 2 25 2 CAPÍTULO � 3. \ I Xa t > U2 . [ -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. CONTROLABILIDAD \ / U2 . 3 y 11 Dado el sistema controla ble defi nido por la ecuación de estado: x= .3: Transición del estado entre dos puntos.

1292 ] De las i nfi nitas entradas posibles. n alturas y n . consiste en: Fijar el número de escalones que se utilizarán: en general.5. por lo que es necesario ca lcular el gra miano para el i nterva lo propuesto: = [ � ] .3.2 .1 longitudes de subintervalo. aplica ndo la Ecuación 3. resu lta ndo: 1 19 = [ e . Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud se fija arbitrariamente. para ajustar el valor de n variables de estado será necesaria la utilización de una secuencia de n escalones cuyas alturas deberán ser calculadas para cumplir con el objetivo.5 <P (0. T)dT = [ -0. • • . Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n .6065 ] t=0 .05 7 1 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. 0) l t = 0 . que se obtiene de la Ecuación 3.[ 0. Una posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el problema a otro con n grados de libertad.3160 = J[o0 .5) = <P(t. De forma resumida. O) por lo que. es la m isma q ue la que lo llevaría desde el estado i n icia l n u lo a: Xl 0. supuesta fija la longitud del intervalo total. partiendo de este estado i n icia l . se ca lcula la de mínima energía .[ �:���� ] = [ �:.5.��� ] T T W(0.5 [ 11 ] .1 grados de libertad.3.2te -t e-t e-O2t ] [ -t =} x(0. e -t <P (t. O) _ La entrada necesaria para llevar a l estado a l va lor propuesto.0571 -0. 5 xo = e . utilizándose como método general la división del tiempo disponible para realizar la transición en n subintervalos de igual longitud. la entrada que consigue rea l izar la tra n­ sición propuesta para el estado con el mínimo coste energético es: 0.5 .5.5. CONTROLABILIDAD EN SISTEMAS LINEALES en el Ca pítulo 2 de este li bro. T)B (T)B (T)<P (0.

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

77. 222. a medida q ue el tiempo se hace mayor.4 A menor longitud de intervalo [ta . como puede deducirse fácilmente. Sin embargo. 10. Cuanto más rápida es la dinámica del sistema. l o que indica u n mejor equ i l i brio entre las d i recciones de desplaza miento del estado.27. 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) . t 1 Yt 2 .5. que tienen como n ú mero de condición de W (h . como se demuestra en la Sección 3 .44. como queda patente en el Ejemplo 3 . El EjemI?lo ?? contiene un estudio de este comportamiento. Dependiendo de la dirección de avance del estado.29. 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 .44 y 43 .2 3 10 1 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.5 . 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 . En este segundo caso se com prueba además cómo evol uciona la a nisotropía del espacio de estado. CONTROLABILIDAD EN SISTEMAS LINEALES • • • 121 Ejemplo 3. se tiende a necesitar más energía. respectiva mente. Un indicador de la diferencia de coste según la dirección es el número de condición del gramiano2 . 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. t 1 l mayor es la energía necesaria. . en general se modifica la energía necesaria para una misma distancia desplazada. 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 .3.3. O) .

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

3.l . La solución de la ecuación de estado.22) -1 veces respecto al tiempo: (3.T) 2 + . 19 se obtiene: (3.4.T) y sustituyendo en la Ecuación 3. si se parte de un estado inicial nulo. . para que x(tI ) pueda ser cualquier punto del espacio de estado. 13: v T <I>(t l .21) = = 1 + A(t l . es: (3. Si el sistema no es controlable. 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 (3.20) El estado x(tI ) que se puede alcanzar desde el origen es combinación lineal de las columnas de la matriz Q. CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES 123 Demostración • Si el sistema es controlable. Por lo tanto. 19) Condición necesaria n Aplicando entonces el método de Cayley-Hamilton: e A ( t . por lo tanto su determinante es nulo y tiene un valor propio nulo.23) . • n Se supone que el sistema no es controlable y se verá que no existen columnas de la matriz Q linealmente independientes. . 2 ho (T)I + h 1 (T)A + .T) + 2. . + hn . . cuyo vector propio correspondiente verifica la Ecuación 3. = (3. es necesario que existan columnas de la matriz Q linealmente independientes. es necesario que de todas las columnas que aparecen haya linealmente independientes.1 (T)A n .-! A 2 (t l . la matriz W es singular.

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

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

. V E IR 2 126 CAPÍTULO 3. . El conjunto contenido en este subespacio: = 1: F (t .27) Sea el conjunto: s = {x E es decir.T)U(T)dT. i . t � t I U(T) E n } (3. t I ] . correspondientes a los autovalores distintos de cero. un elipsoide con semiejes conjunto S se puede caracterizar como: es decir. que S es la superficie de S. n. CONTROLABILIDAD IR n : m Vi . Ilp ll = 1 } . 2. 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 . . h ] representa el conjunto de vectores de entrada de dimensión continuos a trozos en el intervalo [to . . Y i = (3. t I ] que satisfacen la restricción en su norma: (1: 1 Il u(T) II � dT) 1 � 1 (3. . . <I> ( (t .T)B con una entrada de norma unitaria coincide con la su­ ai Vi de de estados que resultan de la convolución = 1. Sean i = 1. es el sub espacio generado por los vectores propios. n.25) donde Pcm [to . h ] . ai Y IR n IR n : x Vi .T)U(T)dT. U(T) E PCffi [to . 2. . siendo raíces cuadradas de los valores propios del gramiano de controlabilidad y vectores propios asociados.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 .24) La imagen de la convolución: {x E x = 1: F (t . : x = VEp. como ya se adelantó en el Ejemplo 3. t d .30) de O � a � 1} perficie de un elipsoide cuyos semiejes son ai Vi . . IR n : x = ax con x E S 1. .29) Entonces se demuestra que el (3. Considérese el conjunto de posibles entradas al sistema u(t) E m . td } (3. . las los .reflejando los autovalores y sus correspondientes autovectores la distribución espacial de esta energía. las raíces cuadradas de los autovalores del gramiano de controlabilidad y los vectores propios asociados en [to .28) (3. sean E . t � t I .n Y IR n x n : (3.5.26) s = {x E aporta información sobre la estructura de dicho subespacio. F(t .

t) VE .r)dr] VE . ". INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILlDAD 127 Este resultado indica que al aplicar una entrada con una cierta energía.33) q .� = B T <I> T (t l .t)q conduce al estado x(t) al valor x en el instante tI . 6.. _ r)F T (tI _ r)qdr I pT E .:... para todo x E S existe un vector p. to ) = . Demostración lo que significa que. 1 que satisface que x = VEp. como aparece en la figura del Ejemplo 3. t)W (t l .5 la entrada de mínima energía que transfiere el estado desde el origen hasta x. 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.3.4.I p. A partir de esta definición de entrada se obtiene que: (3.5. t)x (3. 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 .T V T [1: 1 F (tI . De la definición de dicha entrada se tiene: .32) que es.r)FT (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. 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 .Ip W ( t ¡ . to)q. si se define q = V E . 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.p = = = 1 (3. p • I -I = B T <I> T (h . se cumple que x = W(h .T VT VE 2 VT VE . lo que supone que la entrada u(t) = F(h .31) Suponiendo O'n O (sistema controlable). pT E . según la Ecuación 3 .

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

es el subespacio de menor dimensión que contiene a la imagen de la transformación definida por X t (t) . repitiendo para todas las ui (t) queda: = <I>(t. siendo: Xt (t) donde x� (t) representa la evolución del estado ante la entrada de test definida como: = [ xi (t) x� (t) . m (3. t I ]. O . en función de la res­ puesta de las variables de estado del sistema. . El subespacio controlable. . Dado que se trata de un sistema lineal.34) ui (t) . las regiones del espacio de estado para los que dicha respuesta es cero tendrán respuesta nula para cualquier otra entrada. SUBESPACIO CONTROLABLE 1 29 Se puede plantear la definición del subespacio controlable. .38) es decir. . a un conjunto de señales de test presentadas en su entrada.35) Si se se define el conjunto de entradas de test: o i o = l. Xc .3. Xc . . ta)bi (3.36) donde 8(t) representa el impulso de Dirac. con lo que la imagen del mapa dado por 3. xr' (t) ] (3. para todo t E [ta . entonces es: con lo que. o o Demostración i = l.38 se corresponde con el subespacio controlable. . m (3. . . partiendo del estado inicial nulo.6.37) (3. . la respuesta impulsional del sistema. .

3. + Ai . j . . Estados alcanzables La relación de los estados controlables. . de donde: x(t) De esta forma. j _ 1 A i bj _ 1 (3. . ya que multiplicando la Ecuación 3 . también será linealmente dependiente de sus dos anteriores columnas. . . . Ai bj . entonces se descartan ésta y todas las A + bj posteriores.4. to)x(to ) (3. .41) . + Aom bm + A l l A b1 + . El proceso termina cuando todas las columnas de un grupo i Ai B sean linealmente dependientes. . . + Aom A k bm + A l l A l + k b 1 + .1 (3.6.39 por la izquierda por A k se obtiene que: Ai + k bj + AOI A k b 1 + A0 2 A k b2 + .130 3. que constituye el subespacio director de la variedad. .2. Ail A i bl + A i2 A i b2 + . viene dada por la cuación 3.2. .39) entonces Ai + k bj . La componente que depende del sistema y de las condiciones iniciales representa la evolución libre del sistema ante entrada nula. + Ai .40) El método consiste entonces en ir seleccionando columnas de izquierda a derecha y. • • = x(t) + <I>(t.1. CONTROLABILIDAD Según se deduce de la demostración de la Sección 3. con k O. . Base del sub espacio controlable CAPÍTULO 3. + A l m A l + k bm + . siendo la dimensión del mismo su rango Para el cálculo de una base del subespacio controlable basta observar que si en la matriz: rQ . Xc . por lo tanto una posible base de este espacio vectorial son las columnas linealmente independientes de la matriz Q. . + A l m Abm + . ya que a partir de entonces los restantes grupos A + k B también lo serán. iseak linealmente dependiente de las anteriores. . la columna Ai bj es linealmente dependiente de sus anteriores columnas: A i bj > + AO l b 1 + A 0 2b2 + . cuando una de ellas. Ai r A '+ k b 1 + A i2 A '+ k b2 + . a partir de un estado inicial nulo (x(t)) con los estados alcanzables desde cualquier estado inicial (x(t)) . .6. .1 A'+ k bj . los vectores columna de Q generan el espacio controlable. 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.

7. • • Y 3. siendo su ....40. de dimensión uno . . . dim ( Xc ) = Separación del subsistema controlable x(t) existe una matriz de transformación T. 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. En la Figura 3. rQ < n: Dado el sistema lineal invariante con dimensión del subespacio controlable.4: Superposición de la evolución libre con el subespacio controlable.. Ba).42) verificándose que el subsistema formado por las variables xa .' lo �----------��------________ I I t 1. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 131 --- .. . ' . como describe la Ecuación 3 . cuya dinánlica viene re­ presentada por las matrices (Aaa . el estado para cada uno de estos instantes se obtiene mediante la superposición de ambos valores.- X(t) � X1 A X(t1 ) A Figura 3.4 puede verse un espacio de estado de dimensión dos en el que se ha representado: Una recta que representa el subespacio controlable.... Una línea discontinua que representa la evolución libre del sistema. coincide con el sub espacio controlable. Como puede verse. Sobre ambas curvas se han resaltado los valores del estado para los instantes tQ . t I t2 .7.3.

CAPÍTULO 3.44) donde Ta se forma con una base cualquiera del subespacio controlable. que ante la misma entrada todas generan la misma salida. Si el subespacio controlable fuese un plano. La matriz T que realiza esta transformación se construye: (3. lo que se está haciendo es girar los ejes de coordenadas de manera que uno de ellos se sitúe sobre la recta controlable. por lo que se podrían separar dos valores de estado que se podrían llevar a cualquier valor.42. - n rQ u. la que está sobre la recta (subespacio controlable). O) .132 n rQ . Se consigue.42. pues. dividir el sistema en dos: uno controlable y otro que presenta un comportamiento independiente de la entrada. Si en un espacio total de dimensión tres se supone que el subespacio controlable es de dimensión uno. es decir. este subsistema está caracterizado por las matrices (Abb . rQ . donde Si es un subsistema controlable y S2 está totalmente separado de evoluciona de forma independiente a la señal de entrada. la dimensión de Si sería dos. CONTROLABILIDAD dimensión por tanto la dimensión del subsistema formado por las variables Xb es Adicionalmente. Ejemplo 3. La ecuación de estado de orden reducido de los estados controlables: - Y (3. Así se tiene una variable de estado totalmente controlable.6 Dado el sistema : o 1 O .5. en otras palabras. por lo que no es controlable. son distintas realizaciones del mismo sistema. y según se deduce de la Ecuación 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 3.43) 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 . y las otras dos evolucionan de forma independiente de la entrada. tiene un comportamiento independiente de la entrada.

SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 133 Figura 3. La base del subespacio controlable será : . su matriz de controla bi l idad es: Q = [ -13 -5 -13 ] 15 7 1 2 4 Rango(Q) 2 3 = < => Sistema no controlable.5: Representación gráfica del subsistema controlable.7.13.

t l ] . y Para cualquier instante para cualquier estado inicial se define como: Se dice que un punto del espacio de salida de un sistema Yl es controlable si para todo punto origen y para todo instante inicial to. son : Rango ( Q ) = 2 3. t l ] .3 . td si existe una entrada u definida en el intervalo [to . 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. es controlable en [to . CONTROLABILIDAD Á = T . Los teoremas de controlabilidad del estado se pueden generalizar de forma sencilla a los siguientes teoremas de controlabilidad de la salida. para determinar la controla­ bilidad de la salida de un sistema lineal se utiliza el siguiente teorema: . tal que para todo punto de origen en to consiga que la salida valga Yl en t l . El su bsistema controlable está formado por X l y X2 .134 con lo que las matrices tra nsformadas q ueda n : CAPÍTULO 3.8. de forma similar a como se hizo en la Sección 3 .1 AT = [ 0°1 -�2 O� 1 y la matriz de controlabilidad . Y l . que lleve la salida al valor Yl en t l · Estos conceptos de controlabilidad de un punto en el espacio de salida se pueden extender a la controlabilidad de todo el espacio de salida. Así. con t l finito. expresados en la base i n icia 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. existe una entrada u en el intervalo [to . q ue.

tl )XO = Ax(t) + Bu(t) = Cx(t) (3. t d : (3. basado en unos cálculos más sencillos que el anterior: Dado el sistema lineal e invariante: = Yl . . como también ocurre en el caso de controlabilidad del estado. = CQ). CONTROLABILIDAD DE LA SALIDA Dado el sistema: 135 la salida es controlable en [to . de forma similar a lo visto al estudiar la controlabilidad del estado. se puede calcular la entrada de mínima energía que desplaza el valor de la salida a un punto dado. Para sistemas en los que además de la condición de linealidad se cumpla la de invari­ anza.8. Y l . 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.C (t¡ )<I>(to . 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. en un intervalo [to .3.46) 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. a partir de la definición del gramiano de controlabilidad de la salida.45) donde: YI Además. Se comprueba además que. se puede aplicar el siguiente teorema.

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

x= [ -1 0 .3. 3. 5 <1>(0.0.172n: + 0. T)Bn:dT + ¡0.976 ] = [ 11 ] { n: = 22.788 f3 .25 < t � 0. Para el sistema : ca lcular la entrada necesaria para rea l izar la tra nsferencia del estado: .0. 1 2 . 8 Se trata de resolver el m ismo caso propuesto en el Ejemplo 3.172n: + 0.606 + 0.606 + 0.9. 2 5 <1> (0. la entrada que se va a aplicar es de la forma : Dada esta entrada .1 -2 ] x+ [ 1 ] u ° De esta forma . 2 5 = [ 0.221 f3 0.5 . O)xo + Y.221 f3 ] ° { �: 0 < t � 0. se pla ntea la ecuación q ue ca lcula la evol ución del estado: u(t) = x(0.5 . uti l iza ndo a hora un tren de esca lones en l ugar de la entrada de mínima energía .5 . T)Bf3dT = 0.0.5) = <1> (0.024 f3 La evol ución de la entrada resu lta nte se puede apreciar en la siguiente figu ra : = -26.129 * 0. Ejemplos adicionales Transición de estado mediante una secuencia de escalones Ejemplo 3 . 129 .0529n: . se rea liza el aj uste para q ue el estado fi nal sea el propuesto: ¡0.0529n: . a conti n uación .9.024 f3 [ 0. EJEMPLOS ADICIONALES 137 Un caso de cómo se puede calcular la entrada necesaria para llevar el vector de salida a un determinado valor a partir del gramiano de controlabilidad de la salida se puede encontrar en el Ejemplo 3 .3.25 0.5 0.

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

4 0.4 o 5 t -2 -3 -4 ..1 -10 0.678( -2.1 +eeaa ++ 1(-0.3. 184 e 2 a) .606 e a . obteniéndose: [ ] {a u (t) 30 20 10 = 0. 0.9.B = 0.3209 .3 0.0.2 0.5 t .2 O .297 + . 129 .a12.B ) e )( e iguala ndo este va lor a l estado fi nal objetivo se despej a . EJEMPLOS ADICIONALES 139 12.B = 30.2 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 0.6065 e a).5 + 0.394 La entrada que se obtiene está representada en la siguiente figura : 0.3.7371 1306 ( .0.

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

a med ida q ue el la longitud del i nterva lo empleado para rea l izar la tra nsición del estado varía .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. EJEMPLOS ADICIONALES matriz cuyo determ i na nte va le: 141 e . el valor del determ ina nte crece .1 2 t e . Para com pletar el estudio.9t 7e .8t 2 e . 00006 0 . 00008 det (W (t . 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 . O)) = 0 .9.7t 2 e . se muestra la sigu iente gráfica .4 t 2 e . a medida q ue el i nterva lo se alarga . lo q ue hace prever va lores de la entrada m uy a ltos. se obtiene la gráfica : De t [ W ] 0 . uti liza ndo la energía consum ida en la entrada como i nd icador cua ntitativo de la controla bilidad . en la que se representa la evol ución d icha energía . 00004 0 . E [u ( t ) 1 30000 25000 20000 15000 10000 5000 t. 00002 Como se ve. provoca ndo en consecuencia que la entrada necesaria dism i n uya de ra ngo.3.3t e . �-L��----�4--�6�--�8--�10 tl 4 5 .5 t 7e .

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

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

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

por ta nto. 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. uti liza ndo para ello la entrada de mín i ma energía dada por la Ecuación 3. siendo.e. por ta nto.9.22 A1 tt )) e0. q ue es del m ismo orden que las consta ntes de tiem po i nvol ucradas en el sistema .1 ) - cuyo determ i na nte va le det [W( l .O . 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 = 2.2590 0.4323 0.e.1580 ] u(t) = B T <I> T ( 1 .5 >\ 1 (( 11 . 1] va le: n ( l e.25 ( 1 . 1] .2590 0.88 e. t)W . 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. Esta m isma concl usión se alca nzó en el Ejemplo 3 . 5 t-O . se puede afi rmar que este sistema es controlable en el i nterva lo [0.5A 1 ( 1 e.3 .5.e. 1] . así como la evol ución de ambas varia bles de estado [Uc 1 (t) Uc 2 (t)]T . EJEMPLOS ADICIONALES caso: A1 [ 0.2 e t .1 0.2590 . 1 de forma i ntuitiva . Por lo q ue el gra m iano eva l uado en d icho i nterva lo [0. 1580 ] [ 21 ] En la Figu ra 1 se representa la evol ución tem pora l de dicha entrada u(t) en el i nterva lo considerado [0.1 - [ e -OHt 33.1 ( 1 . observá ndose que éstas parten de condiciones . 5 +t e O. 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.5 ) 0.5A 1 ( 1 .1 .5 ] = 45.5A 145 W(t.5: 1 = [ 0.0013 -1 O y. eligiéndose por a hora el tiempo t = 1 . 0) = [ 1 0.2590 0. 5 [�]= O ] [ 0.2 A1 t ) 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.4323 0. O) = 1 _ 0. O)] = 0.

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

15 ) _ M ( 1 . 2 ) ( 1 e-O.O.1 + t e. 1 5 ) � . 1] del m ismo orden de las consta ntes de tiem po del sistema considerado. acercá ndose en este caso a l va lor n u lo q ue hace que el sistema no sea controlable. por lo ta nto. 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. la energía de la entrada necesaria para ello crece enormemente.2481 = 2564 [ e. O bsérvese q ue ahora la evolución de la entrada ha tenido J rO. pudiendo l legar a hacer i nviable su controlabi lidad en la práctica . Debe notarse que el valor del determ ina nte del gramiano ha dism i n u ido nota blemente respecto al caso a nterior.O . 5 t. t)W .e.0464 . 1 ) _ 1 = 0906 [ 0O :0464 0 0464 0 : 0238 ] u(t) = B T � T ( I . I .l ( I . 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.1] desde condiciones i n icia les n ulas al m ismo va lor de tensiones propuesto en este ejem plo: [� 0 5( 1 e .5 [�]= O ] [ 0.0238 ] [ 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. 0. por ejemplo [O. Este va lor del determina nte disti nto de cero i ndica q ue el sistema es controlable en d icho i nterva lo [O. así como las tensiones en a m bos condensadores hasta l legar a su estado final deseado en t = 0.68 . 5 +t e O . En la Figu ra 2 se puede ver la evol ución d e la entrada ca lculada . I . O) = con lo que su determ i n a nte va le det [W(O.0464 l 0. 1] y.3. � 5 (1 C0 . A conti n u ación se ca lcula la entrada de mínima energía q ue consigue l levar a este sistema en el i nterva lo considerado [O.7 . O) = [ 1 0. existe u na i nfi n idad de entradas que pueden l levar al sistema desde cua l q u ier estado i n icia l a cualquier estado fi nal en d icho i nterva lo.48 10. O)] = 4. 1 va le: 147 W(O.16. el gra m i a no ca lcu lado a nterior­ mente particu larizado para este va lor de t = 0 . 0. o u 2 (r)dr = 168.1 0.9.l .0906 0.1] .5 ] O e t . necesaria para controlar el sistema entre los dos mismos estados i nicia les y fi na les . Este hecho i m p l ica en la práctica q ue. 0. a u nque el sistema es teórica mente controlable.1 s .O. en el que se estudiaba la controlabi lidad en el i nterva lo mayor [O.

". UC 1 (t) Y 08 06 02 -0 2 - O �.'---:: 5 os s ( c ) Evol ución en el espacio d e estado d e l a s tensiones en los condensadores.----. 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.1] .. 0. 05 -0 5 -1 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) . (b) Evol ución tem pora l de las tensiones en los condensadores.148 CAPÍTULO 3.0 0 01 0 02 0 03 0 04 0 05 1 (a) Evol ución tem pora l de la tensión de entrada 2 1 5 � � 0 06 0 07 0 08 0 09 0 1 u(t) . 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 ..L 2 �:"":':c _o s---7---:':'--�-----.

l . 454 5(1 = _ _ e .4545(1 .l . pero.9091.l . 909 l ) 0. 476 2(1 _ _ e .5(1 2(1 = [ 0. Se ca lcula a contin uación la ley de variación de la entrada u(t) necesaria para l levar a l sistema desde condiciones i nicia les n ulas al m ismo va lor a nterior de las tensiones en los condensadores: = [ 0.9.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) . O bsérvese q ue en cuyo determina nte vale det[W (O. O) = 0. ha biéndose ta m bién estudiado.2 ) e .9091 ] [ e = 3733 3613 et .l ) ° e.5(1 W ( t . 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. pudiendo l legar a hacerlo i nviable.1 y por ta nto A l 1 Y A 2 0. Para ello se va a estudiar el caso en el q ue R l Cl 1 Y R2 C2 = 1.l . 909 l t ) 0.9 09 l ) 0. 909 l ( t. 8 1 8 ) - ] [O.4760.5 .l +t e O.3808 e.4762(1 e. 53 10.l - .l .4056 0. se obtiene: = [ 0. segú n se ha d iscutido a nteriormente el pequeño va lor del determ ina nte del gra m iano indica que se precisa una entrada de muy elevada energía q ue dificulta el control en la práctica .4056 0. en este ú ltimo caso. la i nfluencia del i nter­ va lo de tiempo en la controlabilidad del sistema .2t ) C l .4323 0. 909 l t ) e .4 76 2(1 0. O ) ] este caso el sistema es teórica mente controlable.3808 ] . 909 l ( l -t ) ° ] [ 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.4056 ] 0.4323 0.3. 8 1 8t ) = ] W (l . O) 9.O .4056 0. 1] _ - = = [ 1 0.1 [ 21 ] con u n consumo energético de: .

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

O) = 1o 2 C <JI ( 2 . 37 5 .3. que fue estudiado a nteriormente. 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 .49 5 . 57 63 . 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. pero no igua les. concl uyendo q ue cuando éste era suficientemente pequeño com parado con la dinámica del sistema ta m bién se d ificultaba la controlabilidad práctica de éste. En 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. 151 Entrada para modificar el vector de salida Ejemplo 3 .9. 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. 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. siendo necesario e n la práctica q u e su valor sea signi­ ficativa mente mayor q ue cero. 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 . r)C T dr = [ 0. r)BB T <JI T (t. 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. 38 ] .

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

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

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

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

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. 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). Dado que con ninguna entrada en solitario se puede controlar el sistema. el sistema no es controlable sólo con U3 . q � r¡ = ] UI . 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. 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. -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 ) . Utilizando sólo la entrada U2 . quedando rango( Q d 3. quedando rango(Q 2 ) 3. con lo que el sistema no es controlable con U 2 . se verá primeramente si éste puede ser controlado mediante una única entrada. se prueba ahora con las combinaciones de dos de ellas: 32 O -128 O -8 O 1 -4 -4 16 16 -64 �6� Q" 3 1 -24 -8 144 48 O O O 5 2 -54 -18 O Ahora el rango(Q 1 2 ) 4. la variable Xl . con lo que el sistema no es controlable utilizando únicamente U l . se utilizan las columnas de Q correspondientes a la i-ésima entrada. con lo que el rango(Q 3 ) 2 por tanto. partiendo de condiciones iniciales nulas y utilizando sólo la entrada vale siempre el doble que la X 2 . CONTROLABILIDAD Para analizar el número de entradas que garantizan la controlabilidad del sistema. Para la entrada U3 queda: O O = ] 3Nótese que.156 CAPÍTULO 3 . Para calcular cada Q i .

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

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

\ \ \ \ \ . al dar el dato de que las tensiones iniciales son nulas. por lo que será rango(Q) = 2. es necesario calcular la base del sub­ espacio controlable. como se ha explicado en este capítulo: Como se observa en la expresión de la matriz Q. Como se ha visto en este capítulo. . una posible base del sub­ espacio controlable la constituyen las columnas linealmente independientes de . . El estudio de la controlabilidad en sistemas lineales invariantes.8 1 b) Este apartado hace referencia a la controlabilidad del sistema. \ \ '\ \ . . las dos primeras filas son iguales. para ver si los puntos correspondientes están contenidos en dicho espacio.10. Para saber si los estados que se propo­ nen son alcanzables con alguna entrada. 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 .3.4 0. 0. pasa por el cómputo de la matriz Q. EJERCICIOS RESUELTOS E s t ado 10 159 6 4 2 \ . puesto que se pregunta sobre un estado que presuntamente debe alcanzarse gracias a alguna entrada. como el presente.6 0.2 0.

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

.6 0..5 t I / . 5 .e ..l ) ::::} = b (e .. " . / .5 1 0. cuando se tiene en cuenta tanto el estado inicial como la acción de la entrada. . Esto permite dar un valor arbitrario a cualquiera de ellas para fijar las otras dos.58: 1 + 1= + { 1 0.e(t l -t) e ( t ¡ . que se obtuvo en el apartado a)... .2 ) c(l . " " 0.l . Dicha solución da lugar a que el estado describa una trayectoria dentro del espacio de estado como la que se refleja en la figura.2325b { b1 = 4.2 e 0... EJERCICIOS RESUELTOS 161 e (t l ..l ) .e .l e2 ( t l .3 .1 _ 1_ ..3934c = 0. .1 ) . la primera y la segunda ecuaciones son iguales.l e(t¡ .e l ) ::::} E s t ado 2.e .5 2 1.0206 + 0. El origen del plano controlable se desplazando según esa trayectoria: va .1029 En la gráfica puede observarse la evolución del estado ante esta entrada: = = 1 [ 11 . 10 . .e ..t) c(l .2386b + 0..5 ) ::::} +e b (e . en este caso.e-O. por lo que sólo hay dos ecuaciones linealmente independientes con tres incógnitas.4 0..O . . se fija tI 0.t) e2 ( t ¡ .8 1 ) El conjunto de estados alcanzables.1 ) e-2 igualdad: [ 11 1 b [ 1 = ::::} Como puede observarse....6321c { e = 0. se obtiene por la superposición de un vector perteneciente al subespacio controlable más el vector de estado definido por la solución de la evolución libre del sistema.

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

. . 302 5 = 0.t 1 0 e.5. .3... las dos ecuaciones son la misma.9 = 0.\ \ .3025 De esta forma.. de forma que se puede plantear la ecuación: [1 [ 1 [ O 1 1 = lO e. .-- t -2 -4 . { { 0 = 0. Esto hace que se pueda dar un valor arbitrario a cualquiera de ellas. por lo que quedarán sólo dos ecuaciones linealmente independientes con tres incógnitas.1 7 18b + 0.t e ( tl -t ) .3733 = e .819 7 e = 1.e (tl -t ) 1 e (tl -t ) 1 e 2 ( tl .t e 2 ( t l -t ) _ e. . En este caso se hace h = 18..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 = 0.10.1 . . .. EJERCICIOS RESUELTOS 1 . .e.1 =} t = 2. ..t ) - 1 e ( t 1 -t ) ...92 6 1c b = .0638b + 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. \.-=. ..e. 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 .". 7281c =} 0.2 71 8 \ \ . . -.

es necesario calcular la matriz de transición del sistema. Para poder trabajar en este sistema de referencia es necesario [ -23 . desde su expresión actual a la forma diagonalizada. 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. CONTROLABILIDAD 5. por lo que el sistema es controlable. Se comienza por calcular los valores propios de la matriz A: A continuación.1 = [ -� ] [ -� . 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. Vl = 3 V1 2 [ -� -1 ] [ Vu ] [ � ] Gracias a esta transformación se puede conseguir una expresión diagonal de la matriz A y. Obtener la ley de En primer lugar. Dado el sistema: x se desea llevarlo de control u(t) .164 CAPÍTULO 3.V 1 2 . de la matriz de transición.11 ] . = [1 IV en t = 0. que resulta mucho más sencilla de manejar para realizar los cálculos.] [ ��� ] = [ � ] � 3 V2 1 = -V22 . a x = [1 I] T en t = 28. V2 = [ _� ] 2 v u = . por tanto. Para conocer la evolución del sistema y calcular la ley de control. por lo que se va a obtener la solución del pro­ blema en esta base.

B. 10.T) 6 1 .:l e . es necesario calcular dicha evolución libre.2e -3(2.2 ( 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.3( 2 .4( 2.r.' ) 1 4 dT .T) 1 dT = [ g e .5 (2 -T) 4e .T) - 1 o e .T) -6 e .T) 1: .3( 2.T) = 2 3 e .T) 2 ge . dado que el sistema es controlable.[ = [ _ 6e . e . es decir.r.T) _ 2 e . EJERCICIOS RESUELTOS Xo y Xl .5 ( 2 .'(' .6( 2. A. 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. la matriz es invertible. e . por lo tanto se puede encontrar la entrada que lleve el estado del sistema desde condiciones iniciales nulas a i: W ] [ 3e -2 (2 -T) 6 . como primer paso. 165 transformar todas las matrices implicadas en la resolución del problema.6(2 .T) 2 . por lo que.T) 6 .' 3.4( 2 .5 ( 2.

1271 20.48.t ) ] [ -3. independientemente de que los cálculos se hayan realizado en un sistema de referencia distinto al inicial.e .739 g e -3(2. por lo que no tiene sentido que influya en la forma de la entrada que recibe el sistema que. por tanto. CONTROLABILIDAD Una vez calculado el valor de la matriz W. En resumen. 7274 = .992 Como resulta evidente. el estado no es más que un modelo.92676 ] 2. 1822 20. es independiente de la representación del sistema.166 CAPÍTULO 3. la expresión de la entrada hallada es la buscada.t ) + 67.1271 37 .5 2 .9696e -2(2. se puede calcular la entrada necesaria para cumplir con las especificaciones del problema: � (1 . 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 1.1 2 ) 1 1 . la expresión de la entrada no depende del sistema de refe­ rencia elegido para representar el estado del sistema.

5 (2.t ) + 764.t) ):: = 37.9696e -2(2.739 g e .T ) tl 4 e -� . / / 1 1.t ) _ 6333.3 + ta e -3tl x(t) ° ][ ] [ ° .54e .43e -2(2.71e .48.26 = Otra posible entrada que consigue llevar el estado del sistema entre los valores deseados es una compuesta por dos escalones desplazados: A Y B. \ \ 167 / \ .1326. 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 .t ) + 4588. EJERCICIOS RESUELTOS E s t ado 2 1 \ / / / / / / / .2 (tl . 08e -6 ( 2 .t ) ) 2 = ta ( .t ) + 67. T)B (T)u(T)dT ¡tatl e .6 (t -2) .5 ( 2.4 ( 2.3(2.68 .t ) ) dT i(h 239 7.5 -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 ( .7 2e ta ( 599.�:uo.

se puede calcular su energía para compararla con la de la primera: E (UA ) 2 (t 2 . es su mayor energía. Por contra.e .168 [ se obtiene: 4(1 . como podría ser el forzar a que las variables de estado se encuentren siempre dentro de un rango de funcionamiento.to ) + (UB ) 2 (t l .1 9.t 2 ) 425.830 7 O :S T < 1 5. 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) = { .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 . 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.2t l ) -3(1 . que suele ocasionar que el estado alcance valores mayores. 7 1 14 1 :S T :S 2 Dada esta entrada.3 t l ) ] to = CAPíTULO 3. se puede representar la evolución tanto de ella misma como de las variables de estado: . frente a la primera. Dada esta segunda entrada.

..5 2 E s t ado 10 5 .. " ...5 7...58. .. La evolución de la entrada y de . . la entrada que se obtiene es: -6.5 � � 2 T T < Para la que se obtiene una energía de las variables de estado en este caso es: E = 83.5 2 Si se elige como tiempo intermedio t2 = 1. ... " " " " " t 0.3.10.71. EJERCICIOS RESUELTOS Entrada 5 t 169 0.2 0 �----� 1.5 -5 -10 1 1. ...0852 o � 1.5064 1.5 -5 -10 -15 .

2 cuya energía es = 5377. . T < 0. la entrada que se obtiene es: -73. .. si se elige como tiempo intermedio t2 = 0.1467 5.1776 E O. CONTROLABILIDAD 1 5 2 t .. .24.5 -2 -4 1 CAPÍTULO 3. . La evolución de la entrada y de las variables de estado para este caso es: . .. T O ::.6 �----� E s tado 4 2 " " " .5 ::. ::. .58.. t Por último.170 Entrada 6 4 2 0. .

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

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

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

.

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

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

conociendo u(r) e y(r) con to x(t) = cp (t. de igual forma se define sistema observable como: Un sistema es observable si todos los puntos del espacio de estado son observa­ bles. Xo . r)B(r)u(r)dr (4. 1 ) . 3 . 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 .4.3. tI] Y de la salida y(t) en dicho intervalo permite determinar que el estado inicial es Xo . La observabilidad para un punto y para cualquier instante se define: Se dice que un punto del espacio de estado. t¡] . es observable si. siendo éste el estado inicial para un instante inicial to cualquiera. DEFINICIONES 1 77 Los conceptos de controlabilidad y observabilidad son claramente distintos embargo como se verá en este capítulo.2. 4. se podría obtener x( t) con la expresión: Planteamiento 4. siendo éste el estado inicial en el instante to. 4. Las definiciones. tal que el conocimiento de la entrada u(t) en el intervalo [to . Si fuera conocido x(to) y u(r) . t. y. existe un intervalo de tiempo finito [to . se impide la observabilidad con una cancelación de un polo con un cero. sin Observabilidad: Se dice que un punto Xo del espacio de estado es observable en [to . Xo = x(to ) . en lo que se refiere a cálculos son duales. se asocian al concepto de sistemas observables.2. Observabilidad e n sistemas lineales Xo = x(to ) . tI] cuando todos los puntos del espacio de estado son observables en [to . similares a las dadas para controlabilidad. 1 . y Observabilidad de un sistema: Un sistema es observable en [to . tI] . t¡] si. D efiniciones Como se ve. el conocimiento de la entrada u(t) en el intervalo [to . El objetivo es determinar bajo qué condiciones se puede obtener el estado inicial < ::. to )x(to) + l r t to cp (t.

x(to) (4. la aportación a la salida dada por la evolución libre del sistema C(t) <P(t. to)x(to) (4.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.5) Obsérvese que en este caso la salida representa un cambio de base de las variables de estado mediante la matriz e y. r)B(r)u(r)dr + D(t)u(t) t (4. se puede despejar de la ecuación anterior: y(t) = y(t) . que se suponen conocidas. basta conocer la salida en un solo instante para conocer el estado del sistema.3) t donde y(t) representa la componente de salida debida sólo a la existencia de condiciones iniciales no nulas. se obtiene: o.3. tO )X( tO ) + ito C(t) <P (t. 4. to). por tanto.4) o lo que es lo mismo: <P (t. OBSERVABILIDAD y(t) = C(t)X(t) + D(t)u(t) y sustituyendo en esta ecuación la solución de la ecuación de estado: y(t) = C(t) <P (t. C(t) A (t).178 y teniendo en cuenta la ecuación de salida: CAPÍTULO 4. to)x(to) = x(t) = C . la salida del sistema ante entrada nula. 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.2.1 y(t) (4. r)B(r)u(r)dr .D(t)u(t) = C(t) <P(t. Este problema de la observabilidad se resuelve mediante el siguiente teorema: . lo que es lo mismo. es decir.2) Agrupando los términos que dependen de la entrada y la salida.

• Condición necesaria El razonamiento es similar al realizado en la demostración del teorema dual de controlabilidad.9) . existe un algoritmo que nos permite despejar expresión: V(t¡. to) y (4. to) tiene una forma dual a la W(t¡. to) empleada para el estudio de Xo de la Demostración • Condición suficiente Si no es singular. se puede obtener el estado del sistema en función de la salida ante entrada nula. existe algún valor propio nulo. Se cumplirá entonces que: V (det(V(t¡. y se fuerza a que el estado inicial coincida con su vector propio asociado. Si es singular = O). OBSERVABILIDAD EN SISTEMAS LINEALES 179 Dado un sistema definido por las ecuaciones. conocida como gramiano de observabilidad definida como: y y \ (4.4. td si s610 si la matriz V(t¡.3.6) es no singular.to)) Xo (4. que por otro lado debé ser distinto del vector nulo. V(t¡.7) despejando: (4.8) Por lo tanto. La matriz controlabilidad.: 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).

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

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. como cabía esperar. aplicando la Ecuación 4. Para ello el paso previo es calcular y (t).100 2. puesto que el sistema es observable para todo valor de t.(t. es posible calcular el estado inicial desde el que evoluciona.3. En 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. por lo que se puede afirmar que el sistema es controlable para cualquier valor de t final del intervalo y. en principio. pudiendo manifestarse entonces esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en el Ejemplo 4.12t 3e. y es en presencia de estos errores en la medida cuando el condicionamiento del gramiano toma importancia.4. por lo que no cabría la discusión sobre la mejor o peor observabilidad de un sistema como sucedía con la controlabilidad. O)] = y (t) = y (t) De hecho.7t 6e-5t 21 e-4t 2e-3t 3e-2t 1200 . se cumple que: Xo � . objeto de la definición de observabilidad. 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. OBSERVABILIDAD EN SISTEMAS LINEALES 181 Se puede com probar fácilmente que el determinante no se anula salvo para t = O.T (7. situación posible en teoría pero muy poco realista en la práctica.3.lt C q. tal como se especifica en la Ecuación 4.1200 + --¡()()-� + ---so -� + � ----so + �. es independiente del tiempo.3: 1 e . como este resultado se ha de repetir sea cual sea la duración del intervalo. esta afirmación sólo es cierta en caso de que se disponga de un conocimiento perfecto del modelo. det[V(t. Sin embargo. sin errores en la determinación de sus parámetros ni en la medida de la salida.8.¡.Q) l' . este resultado.1 (t. El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el condi­ cionamiento del gramiano correspondiente. r)B(r)u(r)dr = _ 3e-3t + 2e-2t + 3e-t � V. no se ve influido por el valor concreto del gramiano. 4. Además.9 al final . en concreto. por lo que hay que contar con esta incertidumbre. como se puede observar.lOt 2e -9t 21 e-8t 6e. para t = Dada la observabilidad del sistema.3.Q)cT(7)y(7)d7 resultado que.

3 V(tl. que el valor del gramiano no es invariante ante transformación lineal. como ocurría con el estudio de la controlabilidad. como puede verse de forma inmediata de la disminución del valor del gramiano. • • Ejemplo 4 . hay que tener en cuenta. to) = T . 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. No todos los estados iniciales son igualmente observables desde la salida. 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. Si se considera una transformación del estado mediante la matriz invertible entonces: T: x(t) = Tx(t) A = T. to).182 CAPÍTULO 4.5 . error que. Para estudiar el condicionamiento del problema de observabilidad. 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. Como en el caso del gramiano de controlabilidad. 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) . OBSERVABILIDAD de este capítulo.1 <I> (t. La presencia de dinámicas muy rápidas en el sistema también tiende a aumentar la incertidumbre de la estimación del estado. como ya explicó también en el caso de la controlabilidad. dependiendo del condicionamiento del problema.1 AT C = CT � (t. to)T y el valor del gramiano de observabilidad queda modificado según: (4.

(4. Xl Xo Xl . ante entrada nula. Sin embargo.041 10 1 3 .44. Xo. Según el razonamiento anterior. ante entrada nula. t)Xl = Yl(t) =f. que se denominan no-observables. 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.4. Puntos como X ¡ .14) hace que el sistema no sea observable. por tanto a que el sistema no sea observable. 15) entonces. 3 . Vt > to y(t) = C(t) éP (to.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 . 4 . si se tiene otro estado inicial tal que: Xl . si el sistema no es observable. si el estado inicial es la suma de los dos anteriores: (4. t)xo = yo(t) = O. Por tanto. Xo =f. generan salida idénticamente nula cuando se toman como estado inicial. lo que indica un mejor equilibrio entre las direcciones de observación del estado. tal que: y(t) = C(t) éP (to. que. t)(xo + x¡) = yo(t) + Yl (t) = Yl (t) haber generado por la superposición con un punto no-observable. la existencia de puntos no-observables da lugar a que ningún punto del espacio sea observable y.4. O. lo que en principio indica muy diferente observabilidad según la dirección dentro del espacio de estado. como se demuestra fácilmente. • y(t) = C(t) éP (to. por linealidad. OBSERVABILIDAD EN SISTEMAS LINEALES 183 Calculando el gramiano de observabilidad y sus valores singulares para = 1 se obtiene un número de condición de 1. 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. existen dos clases de puntos: • Puntos como que. O Xl . puesto que la misma salida se puede .3. no dan la salida nula al ser tomados como estado inicial.

x. Se comprueba a continuación el comportamiento de representantes de puntos no-observables y de puntos que no son observables: Estado inicial no-observable: [ 1. � 2. to) = it <I> T (T. por lo que no es invertible. que en este caso vale: [� ! �l 1 2] V(t.O . Superposición de ambos estados iniciales: Las salidas en los casos 2 y 3 son idénticas.1 + 4e 6 ( t-t o) _ 3 é ( t-t o ) matriz cuyo rango es dos. OBSERVABILIDAD Estudiar la observabilidad del sistema definido por las matrices: C=[ O Como se ha visto en apartados anteriores. inferior al máximo. O � � 3. to ) dT = to O O 1 = . para estudiar la observabilidad de este sistema se recurre al gramiano de observabilidad .Ejemplo 4. tO)C T (T)C(T)<I>(T. Estado inicial fuera del conjunto no-observable: [�1 '* y(t) Cif>(t.1 + 4e 6 ( t-t o) . t. por lo que resulta imposible distinguir cuál es el estado inicial a partir del cual el sistema evoluciona .)x. se concluye que el sistema no es observable. Por .4 A � 184 CAPÍTULO 4.6é( t-t o) + 3e 2 ( t-t o) 6 O .

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

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

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

CAPÍTULO 4 .5.24) y(t) Este vector se añade para el estudio de observabilidad y no está relacionado con la posible realidad física del sistema. para llegar a la conclusión de que el gramiano de observabilidad describe la 1 En este caso se demuestra que. Sea el sistema lineal e invariane representado en la Figura 4. representando cada columna el efecto de una variable de estado sobre el conjunto de las salidas. se tiene que la salida del sistema es: d(t) influyen en p salidas. para generar una salida con energía unitaria. en cuanto a la dificultad de observar un determinado valor inicial dependiendo de la posición en la que se encuentre. se realiza una aportación desde las variables de estado que describe un elipsoide en el espacio de estado. el número de condición de la matriz que define el gramiano de observabilidad es un indicador de la anisotropía del espacio de estado. y manteniendo el vector como entradaal sistema. anulando la entrada del sistema. por lo que el modelo del sistema toma la forma: 6. (4.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.2. x(t) = Ax(t) + Bu(t) + d(t) y Cx(t) = (4. . OBSERVABILIDAD Como ya se ha referido en este capítulo. d(t) Figura 4.2: Sistema lineal con el conjunto de entradas de test Supuesto el estado inicial nulo. Interpretación geométrica d e la observabilidad d(t). Al igual que sucedía con el estudio geométrico de la controlabilidad. A partir de esta definición.23) (4.188 4.51 .25) y(t) = i(tat CiP(t. en el que a la estructura usual se ha añadido un vector de entradas adicionales. se sigue una demostración similar a la que aparece en la Sección 3.

si se encuentran dos puntos Xl y X2 . Xo . la salida generada es idénticamente nula.6. 4. en el que . se puede analizar el subespacio no-observable.la longitud de cada semieje indica la proporción del acoplamiento estado-salida en esa dirección.6. tales que tomados como estado inicial ambos generen salida idénticamente nula. si se toma como estado inicial cualquier combinación lineal de la forma: • genera igualmente una salida idénticamente nula. SUBESPACIO NO-OBSERVABLE 189 forma en la que se transmite energía desde el estado hacia la salida. la salida del sistema es permanentemente nula y denominados no-observables.2. mediante el conjunto de señales de test representado en la Figura 4.4. forman un subespacio vectorial que se denomina subespacio no­ observable. 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. por linealidad. Dicha transmisión se realizaría una vez más según un patrón elipsoidal. ante entrada nula: • si se toma el origen como estado inicial. Así. 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. x(t ) = Ax(t ) + Bu(t ) y(t) = Cx(t ) + Du(t ) Estos puntos forman un espacio vectorial puesto que. Al igual que al abordar el estudio del subespacio controlable. entonces. .

Yt (t) = [ yl(t) y�(t) . ecuación más sencilla. .28) = PeA(t-to) xo. yHt) representa la evolución de la salida ante la entrada de test di . 4. y el sub espacio no-observable constituye el núcleo de dicha aplicación. Prx = O . La base se construye encontrando n . Para determinar una base de ese sub espacio no-observable lo que se debe determinar son n . entonces cjA i+ k . Vt Particularizando esta ecuación para t = to. Xó . OBSERVABILIDAD 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). Basta observar que si en la matriz P la fila cjAi es linealmente de­ pendiente de sus anteriores filas.21 : dependiente de sus anteriores filas. Base del sub espacio no-observable o Para determinar la base del subespacio no-observable se va a partir de la Ecuación 4. también será linealmente Pr. Si rango ( P ) = rp y la dimensión del espacio de estado es n.6 al enunciar la definición de subespacio controlable. donde da como: El subespacio no-observable. El método consiste entonces en ir seleccionando filas de arriba abajo y. Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida. la dimensión del núcleo de esta aplicación es n-rp. 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. yf(t) ] .6.27) La demostración es igual a la que se incluye en la Sección 3.26) (4. defini­ o o i = 1. se puede utilizar un método semejante al estudiado en controlabilidad..rp vectores que verifiquen esta ecuación y que sean linealmente independientes. tI].n (4. cuando cjAi sea linealmente dependiente de las anteriores. Para obtener estos vectores. 1 ..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. . con k > O. .190 CAPÍTULO 4. que resulta O = PXo. Una vez obtenida esta matriz se pueden obtener los n-rp vectores de la base mediante la resolución directa de: (4.

siendo r ango(P) = rp < n. h= [UO 1! 2� ]l C rango(P) =2 < 3 =} No es observable P O V2 = V3 = O VI cualquier valor base del subespacio no-observable.4. 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) . En primer lugar se eligen dos filas linealmente independientes.7.7.6 SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 191 Calcular u n a base del subespacio no-observable para el sistema determinado por las siguientes matrices: Se comienza por calcular la matriz de observabilidad del sistema: 5 6 P = [ OO O Para el cálculo de la base del subespacio no-observable se sabe que su di­ mensión es 3 Se necesita u n vector que verifique que rXO = para conocer la base. por ejemplo las dos primeras: Así que el vector será : [ 00 ] [ 00 51 62 ] [ VI 1 �: = 1 2] 17 18 2 = 1. Ejemplo 4. 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 .rp.

Vb.30. Ca).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. presenta una evolución del estado desacoplado de la salida del sistema.31) (4. caracterizado por las matrices (Aaa.3. según se puede deducir de la Ecuación 4. El modelo de estado que describe el comportamiento de los estados observables: Xa.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 4.192 del vector de estado según la ecuación: = CAPÍTULO 4.31 y 4.34) Va Xb. La matriz de cambio de base que consigue esta separación en los subsistemas men­ cionados se construye como: (4. las Ecuaciones 4.29) (4. en otras palabras. es decir.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. caracterizado por las matrices ( Abb. Ta T formado por rp filas linealmente independientes de P y por n . O ) .30) El subsistema formado por las variables es observable y de dimensión rp . Adicionalmente el subsistema formado por las variables Xb. y(t) Vb .30. 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) (4.29 y 4. que ante la misma entrada ambos generan la misma salida.32 representan otra realización del mismo sistema. Lo que se consigue es desconectar la salida en (4. 5ca y(t) = = Aaaxa + Bau(t) CaXa (4.

Se han separado. La dimensión de es n Tp Y la de es Tp . las variables de estado en dos grupos. desplazándolo para que tantos de ellos como sea necesario coincidan con la base del subespacio no-observable. 82 - 81 Ejemplo 4.7..7 Dado un sistema definido por las siguientes matrices : A= [� o 1 - 3 O O 5 1 . SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 193 Figura 4. unas observables y otras que no lo son. Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al cual se definen los vectores.3: Separación de la parte no-observable.4. dentro de la imposibilidad de observar el estado del sistema.

8. vable Separación d e los subsistemas controlable y obser­ El objetivo de este apartado es . como demuestra el hecho de que el rango de la matriz P sea menor que tres. 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 = Con lo que las matrices transformadas resultan : [ 4 -2 2 1 0 -8 1 01 O O = ] =} T= Á T. Para ello se construye la matriz de cambio eligiendo filas linealmente independientes de la matriz P: =} [ 41� C= 0 -38 50 =� 120 [ 4 -2 2 ] CAPíTULO 4. se puede proceder a la separación del sistema en sus partes 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. 5 4.1 AT = e = -� ! �1 CT = [ 1 O O ] [ [ 1 =t n ] -0 . Para comenzar se construye la matriz P: P= Dado que el sistema no es observable.separar simultáneamente la parte observable de la no-observable y la parte controlable de la no controlable de un sistema lineal invariante. 5 0 .194 separar el sistema en la parte observable y no-observable.

y el tercero como subsistema observable.4. [ :: ] . [ Ca (xa . el segundo ya se ha estudiado como subsistema controlable. Los tres subsistemas descritos en la anterior enumeración tienen la particularidad de generar la misma función de transferencia. formando el resto de las variables tema con comportamiento desacoplado de las entradas. por lo que se le conoce como realización mínima del sistema. Xd) un subsis­ 3. que caracteriza la realización mínima de un sistema en términos de controlabmdad y observabilidad: .8. lo que significa que los tres son realizaciones diferentes de un mismo sistema en términos de entrada-salida. (4.37) es un subsistema controlable. debido a Kalman. En cuanto al primero. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 195 matrices: B � T. 0 Áee O Áde . El subsistema formado por las variables (xa. En concreto. El subsistema formado por las variables C = CT = [ ea o C e o ] [ � '] Ha • o Áae Á:lib Ábe '. El subsistema formado por las '\'ariábles xa y caracterizado por las matrices: es un subsistema controlable y observable. Xd) un subsis­ tema con comportamiento desacoplado de las salidas.36) (4. 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. [[ 1:: lbb ] . formando el resto de las variables (Xb .1 B � y además se verifica que: 1. xc) y caracterizado por las matrices: es un subsistema observable. 2.35) (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. Existe un teorema.

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

y entre observable y no-observable. así que en conjunto los vectores columna Ta y de Tb serán una base del subespacio controlable.38) . 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. Ta U T b == Be (4. Con esta transformación se consigue algo parecido a lo que se hacía al realizar las separaciones entre controlable y no controlable.5: Separación detallada de los subsistemas controlable y observable. 4. 1 .8.4. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 197 Figura 4.5. Dicha matriz de cambio dé base está formada por cuatro submatrices: Llamando Be a la base del subespacio controlable y Bó a la base del subespacio no-observable. según la Sección 3. Tb separan el subespacio controlable.8. unos cambios de ejes para que coincidan con la base del sub espacio controlable y observable. se determina que las cajas que componen la matriz de transformación cumplen que: • T = [ Ta Tb Te T4 ] de Ta.

En el Ejemplo 4.39) T Desde el punto de vista práctico. • Por tanto. los vectores columna de Tb . Td deben ser base del subespacio no-observable. como el modelo de estado con menor número de variables que explica la relación entre la entrada y la salida del mismo. (4.10 de este capítulo se puede ver . 4.198 • CAPíTULO 4. Sin embargo.39. rp .9. según la Sección 4. las distintas submatrices que componen la matriz se calculan en el siguiente orden: • • • • Tb : base del subespacio de intersección entre el subsistema no-observable y el sub' sistema controlable. Tb es una base de la intersección del subespacio controlable y del subespacio no-observable.40) (4. existe la posibilidad de que exista un modelo de un orden inferior al grado de McMillan que genere.un caso de separación de un modelo de estado en sus distintos subsistemas. Ta : conjunto de vectores columna tales que conjuntamente con Tb forman una base del subespacio controlable. Tb y Td forman una base del espacio de estado.38 y 4. Te separan el subsistema observable. !::::. rQ . del subespacio no-observable. así que. la misma respuesta impulsional que dicha realización mínima. según las Ecuaciones 4. coincide con el número de vectores columna de Ta junto con Tb .5. coincide con el núm�ro de vectores columna de Ta junto con Te. Te : conjunto de vectores columna tales que conjuntamente con Ta . 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 . y la dimensión del subsistema observable. OBSERVABILIDAD Ta . Reducción del modelo . al problema de encontrar dicho modelo de orden inferior se le conoce como problema de la reducción del modelo. En la sección anteriori se ha introducido el concepto de realización mínima de un de­ terminado sistema. la dimensión del subsistema controlable. aproxi­ madamente.

B. son matrices definidas positivas y simétricas. .43) Si ahora se considera la familia de transformaciones: (4. tO)T. to)T = T . tal que: (4. Asumiendo que se parte de la realización mínima del sistema. Son particularmente interesantes tres transformaciones contrag¡.45) . Dada una realización mínima de un sistema (A. to) = T . de controlabilidad y de observabilidad.1 W(00.42) Estos valores reflejan las propiedades de entrada-salida del sistema y juegan un pa­ pel central en la reducción de modelos. entonces existe una matriz ortogonal Va (compuesta por los vectores propios ortonormales) . existe una matriz ortogonal U y otra diagonal y positiva E. por lo que es nece­ sario relativizar la información que nos ofrecen al sistema de referencia en el que viene expresado el modelo. tanto el gramiano de controlabilidad como el de observabilidad no presentan invarianza ant� cambios de base. como puede comprob�e fácilmente. Como ya se ha mencionado en este texto. Dado un sistema estable. por lo tanto controlable y observ­ able. los autovalores del producto entre ambos gramianos sí son invariantes ante transformación.9.41 ) 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. (4. to)V(oo. . D) con grado de McMillan los valores singulares de Hankel del sistema son: i = 1. � REDUCCIÓN DEL MODELO 4. to)V(oo. Sin embargo.n n. Además. to) sean ambas di­ agonales se conoce como transformación contragrediente.44) V�W(oo.9. se tiene que ambos gramianos. to)Va = Ea (4. to)T (4. Son de especial interés ciertas transformaciones lineales que ponen este hecho de manifiesto. . se plantea el valor de este producto cuando se considera t l = 00: W(oo. tal que: donde Ea es diagonal y positiva.l W(oo.T TT V(OO. .4. 1 . las llamadas transformaciones contragre­ dientes : Una transformación T que produce que W(oo.edientes. e. to) y V(oo.

Gk . to) = = k > 1 . . to) T . T E 2 k T[ V(oo. l W(OO. se convierten en esferas. que todas las variables de estado aportan energía a la salida en igual cuantía. siendo Gi . to) E 2 = = k = O. que se corresponden respectivamente con: k = k = 1/2: k = o: Una realización se llama equilibrada a la entrada o normalizada a la entrada si W(oo. Sus semiejes son iguales a las raíces cuadradas de los valores singulares de Hankel. .2 k = = 200 CAPíTULO 4. Estos estados contribuyen muy débilmente al acoplamiento entre la entrada y la salida del sistema. propiedad de la que se hace uso a la hora de establecer la reducción del modelo. para singulares de Hankel. En el caso de la realización equilibrada a la salida.46) (4. siendo: T . Gk + l ::. descritos en las Secciones 3. indicando: • En el caso de la realización equilibrada a la entrada. Por tanto. tO) T k E 2 . to) 1 V(oo. 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. • 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. . valores pequeños en un modo de segundo orden se corresponden a estados que son débilmente controlables y débilmente observables.47) De todos los posibles valores de k. to) = E 2 Y V(oo. 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. = 1 : Una realización se llama equilibrada a la salida o normalizada a la salida si W(oo. . to) = E Una realización se llama internamente equilibrada si W(oo. Es por tanto esta realización en la que se centra el estudio que sigue a continuación. to) 1 y V(oo. i = 1 . OBSERVABILIDAD (4. k = 1 .5 y 4.5 respectivamente. k = 1/2 Y con E diag Gi . tres son de particular interés. .se comprueba que dichas transformaciones son contragredientes.

REDUCCIÓN DEL MODELO 201 4. con los elementos en la diagonal posi­ Existen varios métodos para el cálculo de la factorización de Cholesky. to) V(oo.52) Nótese también que en el paso descrito en la Ecuación 4.2.4. se calcula la descomposición en valores singulares (véase :1: en esta sección) del producto de los factores de Cholesky: (4.49) donde Le y L o representan los factores triangulares inferiores de Cholesky de los gra­ mianos de controlabilidad y observabilidad. respectivamente.53) siendo tivos. simétrica dicha matriz se puede descomponer como: definida positiva.8. l::. Un ejemplo de cálculo de una transformación contragrediente se puede ver en el Ejemplo 4. siendo los más conocidos: Método de Cholesky Se trata de un algoritmo recursivo que comienza con i = 1 y: (4.54) . to) = = LeL& L o Lb (4. entonces (4.51 ) Nótese que: (4.50) y a partir de ella se construye la transformación a la realización internamente equilibrada: (4.48) (4. L una matriz triangular inferior. A continuación. Transformación a la realización internamente equilibrada El algoritmo comienza por calcular la descomposición de Cholesky (véase t en esta sección) de los gramianos de controlabilidad y observabilidad: W(oo.9. = t Descomposición de Cholesky y Sea M una matriz de elementos reales. lo que simplemente hubiera intercambiado los papeles de U y V.50 se podría haber realizado la descomposición de L&Lo VEUT .9.

m2n · · · mn l mn2 mnn ][ In l2 1 . la matriz Mi tiene la forma: donde denota la matriz identidad de dimensión i .202 CAPÍTULO 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 . .61) - (4.55) entonces se puede escribir: donde: y'mii O (4.l m' . In' ln2 lnn I g l2 1 l22 = LLT : O O (4.62) k= 1 es real y . m .1. .58) Repitiendo esta operación para i = 1 . [ Ii. .56) (4. ili mii Ll = para i > j l�k M (4.59) l l. S i ahora s e define la matriz como: 1 __ b'l· . n .60) 1 se obtiene la expresión general para los elementos de L: siendo la raíz cuadrada de la Ecuación 4. . tras n pasos.62 siempre positiva si definida positiva. . .¡m:¡. h2 O � ln l ln2 lnn ][ (4. li ." m2 1 m22 . . .57) (4.l Li = O O (4. . OBSERVABILIDAD En el paso i-ésimo. .

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. entonces: (4. :j: Descomposición en valores singulares (SVD) m Cualquier matriz real M de dimensiones x n puede ser descompuesta como: (4. V es una matriz ortogonal de dimensiones n x n y S es una matriz diagonal única de dimensiones m x n con elementos reales y no negativos en orden descendente: CTl M = USVT � � CT2 � • • • CTmín(m.65) [�] si m � n.. y [ E O ] si m < n y además S se convierte en una matriz de dimensiones r x r.64.9. 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. • El algoritmo de Cholesky-Grout comienza ·por el 'elemento de la esquina superior izquierda y prosigUe columna por columna.fila por fila. las columnas de U se definen como los vectores singulares por la izquierda de M. El cálculo se ordena entonces en cualquiera de las dos . Si se supone que m � n y rang o(M ) = r < n. .n) O (4.64) Los CTi son los valores singulares de M. formas siguientes: • El algoritmo de Cholesky-Banachiewiez comienza por la esquina superior izquierda de la matriz L y �rosigue . Los valores singulares de S son las raíces cuadradas de los autovalores de MMT o MT M. disminuyendo su dimensión en consecuencia las matrices U y V.. las columnas de V se definen como los vectores singulares por la derecha de M. /:::.63) � donde U es una matriz ortogonal de dimensiones m x m .4. Calcular la descomposición en valores singulares consiste en calcular los valores y vectores propios de MMT y de MT M. mientras que los de M™ son las columnas de la matriz U.

el modelo resultante de orden reducido se comportaría aproximadamente igual al original.3. conservando las propiedades de estabilidad y equilibrio interno. por lo que si se tratara de un modelo de caja negra.204 4. son variables que contribuyen muy débilmente al acoplamiento entrada-salida del sistema. podrían ser despreciadas. 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. Dado un sistema definido por las matrices e. no se puede especificar un criterio general de reducción. Si el teorema de realización mínima de Kalman. se comportaría aproximadamente como Xc y X3 a la vez. 4. Se toman los valores singulares de Hankel y se descartan los que sean significativa­ mente inferiores a los demás. 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. 2. como en cualquier algoritmo de aproximación. dada la realización que se está manejando. e. D): 1.66) donde I k es la matriz identidad de dimensión k. se debe siempre alcanzar un compromiso entre simplicidad y precisión.k variables.8. son variables difíciles de controlar y de observar. OBSERVABILIDAD En la determinación de un modelo reducido equivalente. el procedimiento de reducción es el siguiente.9. se reducen las matrices del sistema de la . Reducción del modelo CAPíTULO 4. 3. B. Esto tiene dos consecuencias claras: • [�] En primer lugar. sino enunciar las guías para proceder con esta simplificación. lo que significa. que las entradas repercuten débilmente en su valor y que sus variaciones no afectan significativamente a la salida. n . respectivamente. • Por lo tanto. (A. En segundo lugar. La idea básica en la que se basa la reducción del modelo es la siguiente: supóngase un sistema exprsesado en su realización internamente equilibrada. Por lo tanto. y dada la característica anterior. enunciado en la Sección 4. sino que vendrá fijado por las necesidades de exactitud con la que se deba reflejar el comportamiento real del sistema. B. 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. El grado de simplificación del modelo no se puede precisar a priori. se aplica al modelo internamente equili­ brado para el que X l se toma como una buena aproximación a XC Q . D ) .

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

612 .018 -0.195 0.951 -0.264 -4.0001 O -0.632 V = -0.308 -0.690 3.690 -4.238 -0.612 -0.516 -2.099 -0.248 -0.434 4.803 0. y a partir de estos valores se genera la matriz de transformación a la realización internamente equilibrada del sistema: Aplicando esta transformación..456 6.186 0. se procede a la descomposición en valores singulares del producto: resultando: -0.404 0. 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 .001 0.264 0.483 -2.729 O O 0.397 0.307 -0.001 0.00488 O E= ° O [ [ [ LbLc = UEVT 0.163 -0.647 3.214 -15.00109 O O -0.018 -0.014 0.997 U = -0.238 -0. las matrices del sistema resultan : A _ - [ [ J ] IO .992 -0.0986 -0.308 0.020 0.332 0.751 -0.10.0005 -0.134 2.533 0.562 -0.646 -0.763 -2.195 0.' ] ] -0.776 -o.032 -0.561 -0.002 0.803 0.0724 -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.946 -0.134 -4.073 0.033 -0.156 ] ] .206 4 293� 48 1 697 48"'80 1 85 3 y' 2��1 64 CAPíTULO 4.680 -0.008 0.018 -0.198 12.604 0.471 O 0.380 -0.

.. .. Se plantean dos alternativas.. 002 ! !¡ ¡ ¡ :! .046 0.046 ] -0. .434 4...086 0.10.098 Cl = [ -0.. .." \..008 ] siendo los gramianos matrices diagonales con los valores singulares de Hankel del sistema ordenados de forma descendente: W(oo.. por lo que se puede plantear un modelo reducido de orden dos. el modelo de orden tres.647 -0...612 .046 ] ] cuya respuesta impulsional es la que se representa en la siguiente figura: 0 . 004 0 ... 006 0 .046 0.4.803 -2.......086 -0. eliminando la cuarta variable de estado de la realización internamente equilibrada . \" \\ .00488 O O O O 0. \..086 -0. .803 -4.098 -0..954 10 -6 ] A la vista de la matriz E es fácil darse cuenta de que el tercer valor singular de Hankel es del orden de diez veces menor que su predecesor. • Eliminando la cuarta variable de estado se obtiene el modelo de orden tres: Al = Ih = Yl ( t ) [ [ -0..098 -0.086 0.763 2. eliminando la tercera y la cuarta... O) = E = [ 0. 008 0 .098 -0..238 -4.0001 O O O O 6. . _.. b.. .. ... : ¡ ¡ ! ! \ :. y el de orden dos.238 -0.... .9..00109 O O O O 0...008 207 C = [ -0. REDUCCIÓN DEL MODELO B= [ ] -0...612 -0.. O) = V(oo. \\ \\ \ \..

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

t + 0.10. se ha de calcular el gramiano de observabilidad del sistema (ya calculado en el Ejemplo 4. y para poder determinar el estado inicial . En este caso se hace sin especificar el tiempo de observación de la salida . Ej emplos adicionales Determinación del estado inicial en presencia de ruido a la salida Se va a suponer que se desea determinar el estado inicial a partir del que evoluciona un sistema determinado por las matrices: A= [� -1 -2 O o O O -3 1 . se supondrá que el ruido es una senoide.2) : y. C= [ l 2 3] cuando la salida ante escalón medida es la salida real corrompida con un ruido.01 sin( lOOt ) Para calcular el estado inicial .2t + 2e. para dejar únicamente la porción debida a la evolución libre desde el estado inicial: A continuación. a partir del conocimiento del gramiano de observabilidad. en el sentido de que se obtendrá un valor distinto al cambiar el periodo sobre el que se realiza la evaluación. 10. por lo que el estado inicial depende de t . se puede despejar la estimación del estado inicial. Para simplificar.4e . Esta dependencia sólo ocurre en el caso de que haya errores en . con lo que dicha salida medida es: Ymedida (t) = 1 .4.3t + 3e. Ejemplo 4.9 4. EJEMPLOS ADICIONALES 209 pudiendo concluirse que ambas aproximaciones son suficientemente buenas (de hecho la respuesta del sistema original y la del sistema de tercer orden práctica­ mente coinciden) . se descuenta de la salida medida la parte corres­ pondiente a la excitación producida por la entrada.

no se produce. OBSERVABILIDAD el modelo o en la medición.4 0.2 -5 0.8: En las siguientes gráficas se representa la evolución del valor de la esti­ mación. modelados en este caso como una senoide de alta frecuencia superpuesta sobre la salida real .4 0.5 t Como se puede apreciar en las figuras. lo que matemáticamente se refleja en valores pequeños para el determinante del gramiano de observabilidad.5 t -10 -15 -20 X0 3 e . como se vio en un ejemplo anterior. los errores en la medida de la salida.210 CAPÍTULO 4.3 0.3 0.2 -5 10 -15 X 02 e 0.3 0. Particularizando la Ecuación 4.3 0. provocan un error en la estimación del estado inicial . los errores tienden asintótica mente a desaparecer. 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 .X0 3 0.XO I 20 15 0.3 -6 -8 0. tanto mayor cuanto menor es el intervalo utilizado.4 2 0.5 t 20 15 0. A medida que el intervalo se amplía .4 0. 0. En caso de que las medidas sean perfectas.2 X0 3 e 0.5 t 10 5 O.5 10 5 0. .4 6 4 -2 -4 .

se extraen tres vectores columna linealmente independientes de dicha matriz.4.10 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 . PaFa obtener su basE!. en este caso los tres primeros: .10.2 A = -3 O -3 -3 3 3 En primer lugar es necesario conocer las dimensiones de los subespacios controlable y observable del sistema . por lo que ésa es la dimensión del subespacio controlablé'del SIstema. EJEMPLOS ADICIONALES 211 Separación en subsistemas Ejemplo 4.10 -2 -11 191 - 18 2 17 -17 15 1 .

por lo que primero se calcula la dimensión de dicha intersección: y. se plantea la ecuación: .] [H] [ CA CA 2 C A3 C A4 = -6 -12 -24 -48 3. [e1 [ 3 1 [ 3 3 -3 .10 18 2 -2 2 -2 2 Vll V2l V3l V4l V5l � sabiendo que la dimensión de la intersección es 1.3 CAPÍTULO 4. por lo que la dimensión del subespacio no-observable es 2.212 En cuanto a l estudio de controlabilidad: P= siendo el rango de la matriz P también 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 . 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.

� y /1 = . del e'pado de e""do' T e � Lo que da como resultado la matriz de transformación: T� [� O 3 -4 -2 -5 -2 5 O 1 1 1 -1 1 O O O O O -1 -1 O 1 1 [� =} T.ube. � • Junto a Tb .� .. base del subespacio controlable: T a = • Junto a Tb. "'able.� 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 . T. base del subespacio no-observable: Td • Resto de la ba .1 = �1 [ = [11 [ � .pocio contmlable y no-ob. {J = . 'Y = .l .10.4.. 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 . EJEMPLOS ADICIONALES 213 que despejando resulta a = � .

.1 ) mientras que si se toma la realización completa original : C (s) = C ( I 4. Ej ercicios resueltos Para el sistema siguiente: Determinar: [ !: J [ -� ! j ] [ :: J [ � ] [ :: 1 + - y " � [1 1 OJ a) La observabilidad del sistema. OBSERVABILIDAD -1 o -3 ] 3(s + 1) Ce o(s) = Ca ( sI .214 Con esta matriz se realiza la separación en los distintos subsistemas.1 B = 3( s + 1) (s . quedando: A =T.1)(s + 1) 2 (s .1 Ba = ( s + 2 ) ( s .2) 3(8 + 1) (8 + 2)(8 .1 AT = B =T . Tomando: [� �1 O 2 -1 -4 O O .1 -3 O 2 O O O O O CAPíTULO O O O O O O 4.Aaa ) .1) 1.2)(s + 1) 2 (s + 2)(s .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 1 . s _ A) .

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

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

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

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

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

.220 A -3 � => con lo que la matriz de cambio de base queda: Así. ] 1 = 1 1 1 1 1 ..1 AT [ O ] '¡'(t) eÁt [ e-t e-OO2t ). OBSERVABILIDAD 1 1 1 -1 0 0 _2 0 0 0 -3 Por lo que la evolución libre del sistema en la nueva base es: Evolución que expresada en la base inicial del sistema sería: = = x(t) '¡'(t)x(O) = Luego el vector de salida del sistema es: e-t [ e-t e-OO2t e-3t ] [ O ] [ e-3t ] O OO OO x(t) Tx(t) [ O OO OO ] [ :�:. ] 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.

e -a . por lo que el sistema es observable para cualquier combinación de valores de (a. luego ningún estado del sistema puede ser observado. cualquier estado del sistema puede ser alcanzado desde condiciones iniciales nulas. b. b. 2) La matriz P de observabilidad es: [ -a . EJERCICIOS RESUELTOS 221 b) 1) La nueva matriz de salida C 1 es: Cl = [ O Pl = 1 O] Por lo que la matriz P l de observabilidad es: con rango(P l ) = 2 < 3. por tanto. como combinación lineal de los vectores columna de Las distintas posibilidades que existen son: [� O O 1 -a -a 1 -e a' a2 1 -a . el sistema no es observable para ninguna e) combinación de valores de (a. independientemente de los valores de (a.a . 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. e) . luego el sistema es controlable y. e) . b. Como se indica en el apartado b.l .b b2 O .11.b b2 O � -� � 1 1 1 P= con rango(P) = 3. por tanto. . .b o O c2 1 Ql . e) . 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 . luego el sistema no será nunca observable uti­ lizando sólo esta salida.b -a .b b2 c2 O O 1 1 O 1 Q� con rango(Q) = 3.4.

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

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

OO1 O -1 0 1 -1 -1 2 2 -2 CQ = [ OO OO 21 -2 ] -4 -! ] [�1 J ] [ ] [O] �: X' X5 + � 1 u rango(Q) = 3 . por lo tanto la salida no es controlable. 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: . puesto que no repercute en modo alguno sobre la controlabilidad del sistema. x= -1 -1 b) La matriz de controlabilidad es: OO1 .[ O1 OO O1 _ n 2 [ Q= [O por lo que el estado no es controlable. la X2 del enunciado no puede ser variable de estado junto con la Xl .OO1 O0 1 -1 O -� y . De otra parte. Un cambio de base no afectaría para nada a este resultado. por lo que no será posible llevarla a cualquier par de valores arbitrarios desde condiciones iniciales nulas como propone el enunciado. la matriz de controlabil­ idad de la salida es: donde rango(CQ) = 1.224 CAPÍTULO 4.

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

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 . por columnas. OBSERVABILIDAD P. expresado en forma matricial. que cons­ tituyen. qué entrada conseguirá que.1 ] [ Vl2 ] = [ OO ] Vu [�] Vl 2 = O. 1 u Para los valores propios hallados se calculan los vectores propios. que separe al sistema en sus distintos sub­ sistemas. [ -i �1 ] [ �:� ] = [ � ] = V2 l = -TV22 . la matriz de transformación queda: [ O1 -T1 ] [ !'1 ] . que llevan respectivamente al sistema desde condiciones iniciales nulas a los estados oV y IV en dos segundos. V2 = T. de controlabilidad Q y de observabilidad en la base formada por las variables de estado X l y X 2 . el paso previo es el cálculo del modelo de estado que represente al sistema. partiendo del estado inicial V. En este caso dicho modelo es: eP. + 1 >' = 0 => [ OO -. ¿.A) = >. el sistema esté en ese mismo estado al cabo de 2 segundos ? CAPíTULO 4.226 a) Calcular la matriz de transición b) Como siempre. queda: x= a) • y Matriz de transición . Si se conocen dos entradas U l (t) Y U 2 (t). >..1� I I T v} X l = X2 K X2 = .X 2 + T T . Calcular igualmente una matriz de cambio de base Tk . [ OO _1� ] x + [ ¡ ] = [ 1 O ]x O . [1 [O[1 1 modelo que.l = De esta forma..

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

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 . OBSERVABILIDAD Aplicando linealidad sobre las dos entradas que propone el enunciado. Dado el sistema definido por las siguientes ecuaciones de estado: = - T ( I e .228 CAPíTULO 4 . )u2 - a) Descomponerlo en sus distintos subsistemas. X3 1 ? Si la salida del sistema es nula. b) Partiendo de condiciones iniciales nulas: c) a) 1) ¿Existe alguna entrada que consiga que X l 2) ¿Existe alguna entrada que consiga que X2 3) ¿Existe alguna entrada que consiga que X l 1 a los 5 s ? 2 a los 5 s ? 1 Y X2 2 a los 5 s ? 1 . X2 ¿Puede ser observado el estado del sistema X l 2. )u I + ( 1 .-f.e . de manera que la base del sub espacio =[O O O 1 A continuación se hace el estudio de observabilidad: 1 -1 1 CA 2 matriz que tiene rango(P) 2. X2 Y X3 ? == == == = 1 1 1 1 1 1 Se trata de realizar la descomposición en los distintos subsistemas. Para ello se comienza por ver la controlabilidad: Q= [ B AB A 2 B ] matriz que cumple controlable es: rango(Q) 1 . 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 .-f.

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

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

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

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

1: Sistema con realimentación de estado. actuando solamente sobre la señal de error de la salida. 5.2. la evolución de las variables del sistema . x(t ) y(t ) = Ax(t) + Bu(t) = Cx(t) + Du(t) (5. pero en la que se ha suprimido el cero de cadena abierta introducido por el mismo. representada en la Figura 5.2.1: se cumple: Figura 5. Esta idea será gener­ alizada para sistemas más complejos en los que la realimentación del estado del sistema puede realizar un control más potente que el que realiza un" regulador PIO. Realimentación del estado Dada la realización mínima de un sistema. mientras que en la estructura clásica es necesaria la con­ strucción de derivadores puros de difícil realización física. mediante unas pocas operaciones del diagrama de bloques. Se observa que este esquema representa una estructura clásica de control con un regulador de tipo PO.1) (5.2) . 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. REALIMENTACIÓN DEL ESTADO 233 Este esquema de control es equivalente al representado en la siguiente figura.5. de forma natural.

La solución a este primer problema pasa.+ .1 y du . . Sin embargo. . 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.+ bn . Si así se intentara.+ an . podría darse el caso en que no fuese así. de forma que el sistema se torna compatible.1 d n . como se verá en este capítulo. con el máximo orden de derivación de la entrada igual al de la salida.+ bou dtn dt 1 dtn dtn . A raíz de la afirmación anterior.+ aoy = bn . CONTROL POR REALIMENTACIÓN DEL ESTADO ecuaciones ya conocidas para un sistema lineal invariante.234 CAPÍTULO 5. por lo tanto se pueden cambiar las propiedades del sistema.6 ) Vi> r bi = O ( 5. 5.5. 5. eligiendo adecuadamente Ar y despejando K de la Ecuación 5. no va a ser posible ajustar los n x n elementos de la matriz Ar de forma arbitraria. . 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. en particular sus polos.1 dt dt -- siendo ésta su expresión más general. puesto que no se cuenta con los suficientes grados de libertad en la matriz K para ello.5. la inclusión del lazo de realimentación. dado que normalmente va a haber menos entradas m que variables de estado n.3.1 dn y dy dn u dn . 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. siendo: r < n.y + .3. porque dicha expresión representa n x n ecuaciones (dimensión de A) con m x n incógnitas (dimensión de K). resultaría un sistema incompatible.1 -.3 ) ( 5. + b 1 . quedando reducidas las restantes ecuaciones a identidades independientes de los valores de los elementos de 1 ( 5.4 ) K. en el que el número de ecuaciones superaría al número de incógnitas. + a 1 . 1. 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 ( 5.7) . a través de la matriz constante K. :3 ( 5.5 ) Se puede cambiar la matriz Ar que representa la dinámica del sistema realimentado mediante la libre elección de la matriz K. La respuesta es negativa. . No obstante.

.l + .ao k2 . 10) 1 -an . 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.bnan .8) de donde se puede extraer la función de transferencia: o G(s) bn_ls = bsnnsn++an_l Snn--l l++. + a l S + ao = .bn a l . . 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 . . 1 1) Si se realimenta como se ha indicado.2 bn .5. . Transformando por Laplace: ( sn + an_l Sn .l + . u (5. .a l k3 .l 1 O 1 O O = (5. ++abl sl S++aobo (5. . Entre las infinitas posibles representaciones que admite.9) Este sistema puede ser representado mediante variables de estado.l -ao -a l -a2 y(t) [ bo . bn .ao -a l -a2 1 O O O 1 O [ k l k2 k3 .lS n . 1 2) k l . . -an . + a l S + ao ) y = (bnsn + bn_lsn .2 .an-l 1 y la matriz e de salida permanece sin cambios. CONTROL DE SISTEMAS MONOVARIABLES 235 es decir. + blS + bo ) . .bn an . (5. 13) . 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 + -. que puede haber casos en los que el mayor orden de derivación de la entrada sea inferior a n. kn ] .l . .3.a2 kn . .bnao bl .

1 ± j Y S 3 = -10 . bn . 2 = .bnO!o .l ] + bn [ ao .3 y se introduce en la ecuación de salida del sistema sin realimentar: ki = ai .k ) l k2 )s + l n. La función de transferencia del sistema realimentado queda entonces: Ejemplo 5.O!o .bnO!o . se toma la Ecuación 5.l ] = = [ bo . .3 . i = 1. .bnO!n .7. mientras que: . CONTROL POR REALIMENTACIÓN DEL ESTADO los valores de los coeficientes de la matriz K de realimentación se obtienen despejando de la última fila de la matriz que resulta en la Ecuación 5.17) 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 .12: Falta por determinar la forma de las matrices Cr y Dr. En primer lugar. por tanto. . 1 6) 1 - con lo que se comprueba que.l ] = = [ bo .l . M(s) = s n + (a bn.bn ao .l n n- (5 . .l .l . bn . 1 4) y(t) = Cx(t) + D (v(t) + Kx(t)) = (C + DK)x(t) + Dv(t) con lo quel (5.bn an . los coeficientes del numerador de la función de trans­ ferencia siguen siendo los mismos que para el sistema sin realimentar. Para calcularlas.l .2 sn b n .l ] (5. .bn ao + bn ao .++.O!n .l . los ceros del sistema no se modifican al realizar una realimentación del estado en un sistema monovariable.l .k+)sn_ll s+ . . .l + bn an . . . 1 5) Dr = D = bn . que forman la ecuación de salida del sistema tras la realimentación. (a +-bIS + bo (ao .bnan .O!i .236 CAPÍTULO 5 . aunque se produce un cambio en la ecuación de salida del sistema al pasar de C a Cr. . bn . se calcula el polinomio característico del sistema ya realil Véase Sección 1. • Cr = C + DK = = [ bo .bnO!n . De la forma de estas dos matrices depende la posición que tomen los ceros del sistema realimentado.l . n (5. an . . . . sabiendo que la matriz B va a permanecer sin modificaciones al estar representado el sistema realimentado en su forma canónica controlable.

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

la matriz Q Q -' a partir de la última fila. Partiendo de la matriz de controlabilidad de un sistema monovariable: Q = [ B AB se supone que el sistema es controlable. a la hora de implementar el diseño de la realimentación calculado mediante este algoritmo.: . hay que tener en cuenta que se ha realizado sobre la repre­ sentación del estado en variables de fase. Por otro lado. sino simplemente como consecuencia del cambio en la posición de dichos polos. añadiendo a esto su extrema sencillez. 19) ¡ T. puesto que es capaz de fijar simultáneamente todos sus polos. normalmente este conjunto de variables no se corresponde con ninguna magnitud física. e. 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. 5. de la siguiente manera: [ :t 1 e (5 .l : � (5. este algoritmo tiene una probada eficacia en el ajuste de la dinámica del sistema. no es posible modificar el comportamiento en régimen permanente a voluntad. Esta transformación se estudia en la siguiente sección de este mismo capítulo. Por tanto.2.238 CAPíTULO 5. así que es invertible.3. y que es la inversa de la matriz de transformación.1 e (5. el numerador permanece inalterado.20) . por lo que existirá Q . Esto es así porque no es posible alterar la posición de los ceros del sistema mediante la realimentación del estado. Sin embargo. por lo que será necesario introducir una trans­ formación del estado para hacer posible la construcción de los lazos de realimentación. 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. 18) rango(Q) = n. se construye una matriz que se denominará Te l .

CONTROL DE SISTEMAS MONOVARIABLES 239 La matriz de cambio es Te. En cambio. Si con esta matriz se hace una transformación de estado.25) puede tomar cualquier valor arbitrario.2: u(t) = v(t) + Kx(t) = v(t) + KTc 1 x(t) '* K = KTc 1 (5. . por tanto. Si se aplica a estas matrices el procedimiento descrito en el apartado anterior.5. al fijar la ganancia y el resto de los polos. los ceros del sistema permanecen invariantes.3. el polinomio numerador y.22) 1 B = Te 1 B = (5.3. posiblemente no deseado. caracterizada por las matrices Á y :B. La consecuencia de este hecho es que la ganancia del sistema en cadena cerrada: M(O) = ao bo k - 1 (5. Una primera solución a este problema es sacrificar el posicionamiento de un polo. correspondiente a las variables de fase.21) o O (5. se obtiene el estado representado en variables de fase a partir de cualquier otra representación. para fijar el término independiente del polinomio característico.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.24) 5. que queda libre. según se muestra en la Figura 5 . el polo libre se puede posicionar en un punto no deseado. el control por realimentación del estado permite la locali­ zación de los polos del sistema en los puntos que se desee. Éste será un proceso de prueba y error. ya que a su vez. la inversa de ésta (se demuestra que Te? es invertible) . que se han de convertir a las variables accesibles del sistema. El problema de la ganancia Tal como se ha indicado. se obtiene una matriz de realimentación K. A = T e 1 ATe = x(t) = Tex(t) 1 O o O 1 O O O O O O (5. mediante la modificación de los parámetros del polinomio característico.3.

2. 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. La factibilidad o no de la solución en este problema pasa por que la posición del tercer polo. si bien su influencia sobre el comportamiento del sistema no va a ser despreciable. por l o que el tercer polo toma valor -3 . 3 .2: Transformación de la matriz de realimentación K. _ .Figura 5. el que se usa para realizar el ajuste de la ganancia. Manteniendo la misma ganancia que en lazo abierto._ . Sea el sistema de función de transferencia: Se desea posicionar los polos dominantes en lazo cerrado en: 38 G ( 8 ) . el polinomio característico es de la forma : 1. = y para cumplir con l a condición impuesta se toma ao 6.240 CAPíTULO 5. En a= = ._ . CONTROL POR REALIMENTACIÓN DEL ESTADO v( t) e y ( t) Ejemplo 5 . Con ganancia unitaria. Este valor podría ser aceptable..8 3 382 + 678 1 + + + _ 8 1 2 -1 ± j . 1 .

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

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

an . La función de transferencia es entonces de la forma: sn . de modo que la función de transferencia en cadena abierta sea del tipo adecuado para luego realimentar la salida. b I S + bo G(s) = bn _ l n (5. y la misi 6n del sistema de cont rol que se va a diseñar es conseguir situar los polos en cadena cerrada en esos lugares.1 La idea es realizar primero una realimentación del estado que conserve el tipo del sistema para luego añadir una realimentación de la salida. la única solución fiable es incrementar el tipo del sistema.5. CONTROL DE SISTEMAS MONOVARIABLES [ * 1 k2 k 3 ] Ko .l + .10 . para tener un sistema con los polos en las posiciones deseadas y error de posición nulo.l bn _ 2 S n . O O O O -a l -a2 e = [ bo b 1 b2 O . por lo que los sistemas resultantes son sensibles a las perturbaciones e inexactitudes del modelo. O O A= 1 O O 1 O O 1 ++ O O B= (5.28) 1 . como se desea en los servosistemas. no efectuando un verdadero control en cadena cerrada sobre la ganancia del sistema. Se va a suponer.7 -3 . 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.2 + .l bn . . . 5 . 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. en primer lugar.4. que el sistema es ya de tipo 1. es decir. de modo que globalmente se sitúen los polos en los lugares deseados. sobre su valor en régimen permanente.27) s + an _ l Sn . -22 1 - o o U 1 O 1 O O 2 -1 =>K = [ ] 243 [ 1 O 57 � 45] + 27[ � 1 El inconveniente de ambas soluciones es que el control de ganancia se efectúa en cadena abierta. como se muestra en la Figura 5.4 .10 Es importante tener en cuenta en este planteamiento que no hay necesidad de realizar la validación de la hipótesis de polos dominantes. a l S lo que corresponde a unas variables de fase: + . .10 . En este apartado se va a estudiar cómo compatibilizar el control por realimentación del estado con la realimentación de la salida.3 . 3 .

Kobl k3 .29) se obtiene como nueva matriz del sistema: o O Á = A + BK = 1 O O 1 O O (5.an .al . por tanto.al k3 .KoBC = Se obtiene.KoBCx = Á . un sistema realimentado con matriz de sistema: ( ) (5.33) .a2 .KoCx x = Áx + Bu = Áx + KoBr .Kobn .a2 es decir.Kob2 1 .l .30) O O O O k2 . y (t ) Figura 5 .KoBC x + KoBr Ar = A + BK . Si sobre este sistema se realiza una realimentación de la salida con un control pro­ porcional Ko..244 CAPÍTULO 5 .32) O O O O 1 O O O O 1 O O O O O kn . Si se realimenta entonces el sistema con una matriz: (5.31) (5. se obtiene el sistema de la Figura 5.5: u = Ko (r . un sistema de tipo 1 con todos los polos modificados.Ko bo k2 . CONTROL POR REALIMENTACIÓN DEL ESTADO .r------.l (5.4: Realimentación en sistema de tipo uno.y) = Kor .

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

6: Conversión a sistema de tipo uno. Figura 5.KoBC -22 -12 O 1 � resultando: l=[� l+[�l [�1 O .246 CAPÍTULO 5.7 -3 3 Ko = lO 3 K = [ O -5 -9 ] En el caso de ser un sistema de tipo O. se puede incrementar el tipo del sistema añadiendo un integrador en el controlador. obteniéndose la estructura de la Figura 5.6. 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 . .

.5.34) (5. bn.39) Si se desea fijar la dinámica de este sistema de manera que su polinomio característico sea Pr (S ) .bOn .36) = Si en la expresión anterior se efectúa el cambio queda la siguiente expresión: x = T:ié para pasar a variables de fase. se debe cumplir : (5.bo OO1 Xl OO -O1 1 -O1 2 OO X2 + O X3 = O 1 O O O O Xn O Ko kl .l Xo b o .a2 kn .3.al k3 .1OBKo T. [ Xjco ] = [ T .38.1 (A CTBK)T ] [ xo ] + [ O1 ] = :ié + b .l ] - (5 . .ao k2 .an-l (5. CONTROL DE SISTEMAS MONOVARIABLES 247 Las ecuaciones del sistema quedan en este caso: Xo x = r u es decir: . .35) (5.40) det(sI Ár) = Pr (S ) donde Ár es la matriz de la dinámica del sistema realimentado expresada en la ecuación 5.Cx Ax + Bu Koxo + Kx = [ Ko K ] [ � ] r (5.y = .37) y =[ O CT 1 [ :0 ] = [ O bo bl b2 .38) r r = (5.

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

no se puede recurrir a la estrategia de igualar elementos con los de la matriz del sistema realimentado.k3 )8 3 + (7 . del que se despejan los parámetros de la realimentación: =} }{ 100 Ko = 3 K= [ -139 . up .135 -19 ] Casos adicionales de control de sistemas garantizando. !:. La matriz B queda descompuesta consecuentemente en dos matrices. por la forma de la primera fila de esta matriz. o bien el seguimiento de la variable de referencia pueden ser encon­ trados al final de este capítulo en los Ejemplos 5. m entradas y p salidas.k2 )8 2 + (1 .8.7 det[8I .4.4.1 k2 .k3 = 22 - con lo que se forma el siguiente sistema de ecuaciones.aO O O O -6 O O -6 O O -3 1 O k 1 . o bien un valor de la ganancia en cadena cerrada.k 1 + 3Ko = 240 7 k2 = 142 3 .. invariante y multivaria­ ble. dedicado al cálculo de la matriz Te. 5.4 . lo que se hace es plantear la igualdad de ambos polinomios caractarísticos. según criterios que se explican en el subapartado siguiente.k 1 + 3Ko)8 + 6Ko = = 84 + 2283 + 1428 2 + 2408 + 200 6Ko = 200 1 . por tratarse de perturbaciones del sistema o por no ser necesarias para su control. 1 .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. resultando: Ko k 1 . las entradas del sistema pueden dividirse en dos grupos: las que se utilizan en la realimentación del estado. CONTROL DE SISTEMAS MULTIVARIABLES 249 especificaciones de régimen permanente) queda: Ar = [ Dado que en este caso.7 y 5.5. Un Y las perturbaciones externas que no se utilizan para controlar el sistema.42) . 5. 6. y las ecuaciones de estado se expresan de la siguiente forma: (5. con n variables de estado. Si alguna de las variables de entrada no se utilizase en la realimentación del estado..

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= (5.44) donde puede observarse que la matriz que determina la dinámica del sistema es: (5.46) [ Am I Am2 B= Amm donde las submatrices que aparecen en 5.47 tienen las siguientes expresiones: • Matrices Aii : O O Aii 1 O O [�� 1 1 (5. Con objeto de facilitar la notación en este apartado de sistemas multivariables. pero dicha matriz no interviene en el cambio de la dinámica interna fijado por Ar . CONTROL POR REALIMENTACIÓN DEL ESTADO Efectuando la realimentación del estado mencionada: Ur ( t) = v(t) + Kx(t) (5. dado por la matriz Te según se describe en el siguiente apartado. se le denomina con la letra m. 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 y en 5.47) O 1 O O O (5. la matriz Br se denomina simplemente como B. como en el caso monova­ riable. se parte. Para plantear el diseño del lazo de realimentación. Obsérvese que las entradas de perturbación. que se obtiene mediante el cambio de base adecuado. up. y a su dimensión.5. pero utilizando la matriz de entrada correspondiente sólo a las variables de estado utilizadas en la realimentación Br.250 CAPÍTULO 5.45) coincidente con la Ecuación 5.48) = o 1 . coincidente con el número de entradas utilizadas en la realimentación.

cada una de las matrices Aij . dichos subíndices re­ presentan la fila y la columna del elemento considerado. cuyas dimensiones son ni x nj .5. i+ l .51) O O 1 bu.52) [� O O (5. mediante una matriz K. Si se efectúa una realimentación del estado del sistema expresado en esta forma canónica controlable. f::" CONTROL DE SISTEMAS MULTIVARIABLES 251 de dimensiones ni x ni . con la nomenclatura de subíndices utilizada.a17i O O . Los valores de (Ti se calculan como: (5. • Por otro lado. fuera de la diagonal principal son de la forma: o O Aij = . de dimensiones (m x n ) . que el elemento Qij está situado siempre en la fila i-ésima y en la columna j-ésima.4.nj +3 O O En cuanto a cada una de las submatrices que componen la matriz B. cuyo significado ha sido comentado anteriormente. Obsérvese que. • I7j -nj+ l O I7j -nj+2 O I7j . donde igualmente los subíndices indican la fila y columna que ocupa un elemento. j.49) que representan la dimensión de los subespacios controlados por todas las variables de entrada hasta la entrada i-ésima. 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. según se expone con detalle en el siguiente subapartado.50) 0'. La nomenclatura de subíndices empleada sigue garantizando que éstos indican la illa y columna del elemento considerado .a17i O O . � cuyas dimensiones son n i x m. con i f=.aUi (5. de expresión genérica: (5. tienen la siguiente forma en la base canónica utilizada: B. es decir.a17i O O .

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

que consigue el objetivo de control: que la matriz de realimentación Ar tenga la expresión dada en 5. eligiendo siem­ pre para cada entrada las primeras columnas asociadas a dicha entrada bi .5. En caso contrario será necesario realizar una separación de la parte controlable.1 para ai (5. rango(Q) n. . = . al contrario que sucede en el caso de control de sistemas monovariables. que escapan al ámbito de este texto. /:::. El objetivo es obtener la forma canónica controlable para un sistema de estas características. Para cada columna de la Ecuación 5. a partir de cualquier otra representación. como ya se ha supuesto anteriormente en este mismo capítulo para el caso monovariable. En total se obtienen n sistemas independientes de m ecuaciones cada uno de ellos. 5. se obtiene un sistema com­ patible y determinado de m ecuaciones con m incógnitas. . Para el cálculo de la matriz de cambio de base Te se procede de la forma explicada a continuación .5 se obtiene un sistema distinto de m ecuaciones con las m nuevas incógnitas pertenecientes a cada nueva columna de la matriz K. el sistema controlable. se forma la matriz de controla­ bilidad Q: Q Al ser. Para obtener la matriz Te de transformación que representa el estado según la forma canónica controlable en sistemas multivariables.4. que permiten resolver los m x n elementos de la matriz buscada K. se supone que el sistema es controlable. .j = { O1 Obsérvese que para cada columna de la Ecuación 5. Una vez que se tiene la seguridad de trabajar sólo con el subsistema controlable. Abi . existiendo en general varios conjuntos de n vectores columna linealmente independientes de Q..1 para ai f:.56) En esta sección se tratará la forma de calcular la matriz Te para sistemas multivaria­ bles. sería necesario acudir a técnicas alternativas de control. para los sistemas multivariables el control por realimentación del estado modifica la posición de los ceros del sistema. trabajando sólo con ésta.2. Por este motivo. por hipótesis.5. cabe esperar modificaciones al comportamiento previsto del sistema por la posición que puedan tomar estos ceros. j . En el caso de tener que ajustar también sus posiciones.4. Cabe destacar el hecho de que. 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. aquellos en los que existe más de una variable de entrada y/o más de una variable de salida. Obtención d e l a matriz d e transformación a variables de fase =j.54. es decir. en general. Primeramente se eligen n columnas linealmente independientes de Q. CONTROL DE SISTEMAS MULTIVARIABLES 253 expresión: 8<7.

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

5.61 ) Mediante la matriz Te . a partir de las matrices Á y B obtenidas con esta transformación. 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. + nm. . Ejemplo 5. según se indica en la Figura L b a continuación . .9 al final de este capítulo.5. EJEMPLOS ADICIONALES 255 de la siguiente forma: +.I + 1 +.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. x(t): x(t) Tcx(t) Al igual que en sistemas monovariables.2 Te I +. .n I + n2 + . .5. se calcula la correspondiente matriz K mediante lo descrito en el apartado anterior.60) =n x(t) en la representación del estado correspondiente a la forma canónica controlable vista en el apartado anterior. .7 Ej emplos adicionales Control de la dinámica de un péndulo invertido Se desea controlar el péndulo invertido (cuyo modelo de estado y funciones de transferencia se han calculado en el Ejemplo 1. + nm (5. obteniéndose como matriz de realimentación para las variables x(t) accesibles: (5. inversa de la dada. 5.1 +.n I + n2 + .

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

según: = resultando: K = [ -1 -4 -26 -4 ] Esta matriz K constituye la realimentación de las variables de fase del sistema. para lo que se calcula en primer lugar la matriz de controlabilidad Q: Q- siendo su matriz inversa: [� O 2 -2 O O 20 -40 20 O O O 20 -40 O O -2 1 -1 O O -1 10 O -1 O la matriz inversa de cambio de base a las variables de fase se calcula a partir de la última fila de la matriz anterior.2082 La matriz K se calcula construyendo las correspondientes matrices del sis­ tema antes y después de realimentar a partir de los coefi�ientes de ambos poli­ nomios característicos.5.5. siendo ahora necesario calcular la matriz Te 1 . resultando: Te 1 = 20 1 [ � � � 1 0 -1 -1 O -10 O �O 1 .Al 84 . 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.

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

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

cabe 5 . -1 0 -1 tiempo (s ) -2�--�--7-----:---�--=:O· 6 2 0 4 -1 -5 50!:---"!---�4:----6�-""!"8--710' tiempo (s ) = (a) Evolución de la posición x.260 4 3 CAPíTULO 5. (b) Evolución del ángulo (J. partiendo de un ángulo inicial (J(O) 25°. 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 . estabilizándose el ángulo en la vertical . . debido a la mencionada perturbación . al menos teóricamente. 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. tal como se verá en el Ejemplo Puesto que la realimentación del estado del sistema permite. Figura 4: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. 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) 0.8. 1 Nw. aunque la posición de la base se desplaza 2 m respecto a la posición inicial . situar libremente los polos del sistema en cadena cerrada.

10.5. como por ejemplo Pr (s + 10)4. siendo esta diferencia de energía de 473 . En la Figura 7 puede observarse la evolución de la entrada del sistema utilizando ambas matrices de realimentación. 1 Nw. es mucho mayor que cuando la dinámica del sistema es más lenta con los polos en .1 .5. (a) Evolución de la posición x . partien­ do de un ángulo inicial (j ( 0) 10° y una fuerza lateral de perturbación up (t) 0 . en la que se ha mantenido la misma escala de tiempos que en las gráficas anteriores. 6 Nw 2 frente a 3 . en el caso en el que se diseña la posición de los polos en . con objeto de apreciar claramente la mayor rapidez del sistema . 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. tanto temporal como en valor de la fuerza de entrada) . 14 Nw 2 . es importante cuando se diseña un control por realimentación del estado . Obsérvese e n l a Figura 7 que l a energía utilizada para controlar e l sistema . obteniéndose en consecuencia una entrada al sistema mucho mayor. Figura 6: Evolución de la posición y el ángulo en el sistema real no lineal. Repitiendo los cálculos efectuados al principio de este ejemplo a partir de este n uevo polinomio característico en cadena cerrada . EJEMPLOS ADICIONALES 261 plantearse el cálculo de una nueva matriz de realimentación K. ante los mismos valores de la perturbación y de las condiciones iniciales (obsérvense las diferentes escalas de ambas subfiguras. utilizando la matriz de realimentación que sitúa los polos en . se obtiene la siguiente matriz de realimentación del estado: K [ 500 200 810 220 ] El comportamiento del sistema realimentado con esta nueva matriz puede observarse en la Figura 6.10. que sitúe todos los polos del sistema en cadena cerrada en una posición que haga al sistema re­ alimentado mucho más rápido. = = (b) Evolución del ángulo (j. Según el razonamiento anterior.

de manera que ésta tenga un error nulo en régimen permanente ante perturbaciones en la fuerza lateral Up (t) .8 Se desea controlar no sólo la dinámica del péndulo invertido. sin embargo. Control d e posición d e l a base d e u n péndulo invertido Ejemplo 5. Como se ha comentado. sino también la posición de la base x(t) . que. en . en las figuras anteriores.10.1 y la que los sitúa en . que será mayor cuanto más rápido se quiera hacer el sistema en cadena cerrada. partiendo de un ángulo inicial 0(0) = 100 Y una fuerza lateral de perturbación up (t) = 0. la anulación de este error es sólo posible con el sistema servoposicionador del Ejemplo 5.1 . que el valor final de la posición x(t) es mucho más cercano a cero en el caso en que los polos están en . siendo éste un factor limitativo práctico importante a la hora de fijar la situación de los polos deseados en cadena cerrada..6 N1 -1 50 �-�-""' 4 2 l 50 ---7-�----J l0 8 6 tiempo (s ) -50 0 02 04 06 tiempo (s ) 08 (a) Evolución de la entrada cuando (b) Evolución de la entrada cuando los polos en cadena cerrada se sitúan los polos en cadena cerrada se sitúan en . Figura 7: Comparativa de la evolución de la entrada utilizando la matriz de realimentación que sitúa los polos en . Obsérvese. CONTROL POR REALIMENTACIÓN DEL ESTADO tener en cuenta la magnitud de la entrada que va a tener el sistema. Suponiendo que el modelo del péndulo invertido utilizado es una simplificación del despegue de un cohete. 25 2 r���---.10.-] 1�1 r--�---.262 CAPíTULO 5. 1 00 I E[u(t)]=473 .1 Nw. es de -2 en el caso inicial en el que se utiliza una matriz de realimentación moderada con los polos en . 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 = .8.======.:::====.10.

Esta especificación de control no se puede conseguir mediante una simple realimentación del estado (según se vio en el Ejemplo 5. se parte del polinomio deseado del sistema en cadena cerrada . EJEMPLOS ADICIONALES 263 la misma vertical ante fuerzas de vientos Il:Iterales. que ahora es de quinto grado. siendo necesaria la utilización de una estructura de control como la mostrada en la Figura 1._. Para calcular el valor de Ko y de la matriz K de realimentación del estado. Péndulo i nvertido "-------. [1 x � Figura 1 : Estructura de control por realimentación del estado incluyendo un servoposicionador de la variable x( t) ....5.7) . es: O O o 1 -20 O O 1 O O O 1 .5. más un polo adicional menos significativo situado en -3 con objeto de mantener dicha dinámica .. que incluye una integración de la señal de error de la variable controlada x(t) . al haber introducido una nueva variable de estado mediante el integrador de la señal de error. x = .1 x . 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.. La matriz Ar . dinámica del sistema realimentado en variables de fase.

1 Nw y se parte de un estado inicial de 0(0) 10°. 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.. 25 19. 15 K K = [ -13 -25 -38 -7 ] 1.1 Nw. 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... 65 = � 1 0'r----�--. 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 -1.264 CAPÍTULO 5. S i e n l a estructura d e control propuesta se cambia l a referencia d e l a posición (a) Evolución de la posición x. (b) Evolución del ángulo O. 5 = o Obsérvese que se consigue tener un error nulo en la posición x(t) del péndulo invertido. se obtienen los siguientes valores de Ko y de los elementos de K: Ko = -0. Figura 2: Evolución de la posición y el ángulo partiendo de un ángulo inicial 0(0) 10° Y con perturbación constante de up (t) 0. 75 ] I ntroduciendo los valores calculados de Ko y de la matriz K en la estructura de control propuesta. 65 4. tiempo (8 ) tiempo (8 ) � ��----�5�----�10�--�15 5 10 15 = = .

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

]=

--

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

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

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

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

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

nuevamente utilizando las relaciones de Cardano-Vietta: } } � con lo cual. lo que sitúa los polos del sistema antes de realimentar en A l = -2. Así. b = 5. En este caso. 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 daría una matriz de transición muy sencilla y manejable. así como ser capaces de expresarlos en el mismo sistema de referencia. A2 = -3. sólo es necesario conocer el valor de los polos y el estado inicial. b. e) . la expresión más cómoda es la de la matriz A diagonal.9 abe + a + e = 2 4 ab + be + ae + 2 = 26 a+b+e= 9 Despejando del sistema de ecuaciones reflejado se obtiene a = 2.78 -2(a + b + e) = (a + b + e) .(abe + a + e) . se obtiene el siguiente sistema de -8(abe + a + e) = .278 CAPíTULO 5. que se conocen como resultado del apartado anterior. e) . para adecuarlo al sistema de referencia elegido. que se obtuvo en el apartado anterior. simplemente realizando un cálculo sobre un polinomio genérico. A3 = -4. constantes y valores iniciales y finales de los coeficientes del polinomio característico. e) La dinámica del sistema viene fijada por los valores de los polos del sistema. e = 2. El único problema que esto plantea es la necesidad de realizar un cambio de base del estado inicial. Se podría haber llegado al mismo resultado sin necesidad de haber calculado los valores de las constantes ( a. CONTROL POR REALIMENTACIÓN DEL ESTADO Si se aplica la relación Ar ecuaciones: A + BK. Para saber cuál será el estado del sistema con entrada nula y partiendo de un estado inicial.168 -4(ab + be + ae + 2) = . Cálculo de los vectores propios: .(ab + be + ae + 2) . y cuya resolución conduce a los valores de las raíces del polinomio antes de realimentar. y eso hace necesario conocer el valor de las constantes (a. será preci130 calcular los autovalores de la matriz A. Para ello. se puede suponer que el polinomio ca­ racterístico del sistema sin realimentar es. b.

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.5 0.5 0.5. ] .V23 _ -2 V33 = 2 V31 = V32 V32 = -2V33 V3 = _ T.6.5 0.1 xo = con lo cual: 1 -1O1 -1 ] [ [O] 0. EJERCICIOS RESUELTOS >. = -3 =} >. 1 -1 -1 1 [ O� -1. = [ O1 t = 2 y devolviendo este vector al sistema de referencia 1 11 -1 . -1� ] [ ��� ] [ O� ] V2 [ �1 ] [ =�O -1� � ] [ �:� ] [ �O ] [ �1 ] V12 = = Vl 1 = V13 O VI = [ � ] V23 = 279 = V21 = V22 V22 = .5 0.5 -0.1 = Xo = T . = -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 .

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

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

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

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

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

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

.

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

estableciendo la independencia en el cálculo del observador y de la matriz de realimentación del estado. tanto en sistemas monovariables como multivariables. 6. Figura 6. en este capítulo se supone que se está trabajando con la parte observable del sistema. como en el caso del control por realimentación del estado. Por tanto. existe un caso trivial en el que las salidas son una combinación lineal de las variables de estado. se determina la in­ fluencia de la dinámica del observador en el comportamiento total del sistema conjunto de la Figura 6. en la que los valores de las variables realimentadas se estiman previamente para proceder a continuación a su realimentación. en el que se considera de forma conjunta con una realimentación del estado.2. invariante y observable: x(t) y(t) = Definición d e observadores Ax(t) + Bu(t) = Cx(t) El esquema general de un observador es el representado en la Figura 6. Las variables que.2.288 CAPíTULO 6.2: Sistema con observador y realimentación. se supone que se trabaja con la realización mínima del sistema. Para la realización de un observador. Dado un sistema lineal. caracterizado por una matriz C invertible.2. 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. que además se supone también controlable para ser utilizada en una estructura de control. dicho de otra manera. En este capítulo se definen las características deseables de estos sistemas observadores. además de poder observarse. procediéndose a continuación a su diseño para el cumplimiento de dichas características'. 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. Por último. .1 . que son necesarios para su control según la matriz de realimentación del estado vista en el capítulo anterior. OBSERVADORES DEL ESTADO reales del sistema.

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

HC) (xe (t) . el estado estimado debe tender asintóticamente al estado del sistema. se sabe que si se parte de un mismo estado inicial.Xo . Sin embargo. por lo que los valores propios de la matriz A . 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.8 con la matriz F libremente elegida.He . • Adicionalmente. como se verá en este capítulo.7 pasa a valer: Dada esta ecuación.8) (6.7) (6. la matriz F no puede fijarse libremente.2 para el cálculo de la matriz de realimentación del estado.9) Xe (t) . los estados deben coincidir en todo instante.Ax(t) + HCx(t) F = A .HC deben estar en el semiplano negativo.B)u(t) + HCx(t) se deduce que: • (6. que representan los polos del observador y determinan de forma Si los estados iniciales no coinciden.5 queda: (6. en la práctica se necesita que la dinámica del observador dado por F sea más rápida que la del sistema dado por A. ante cualquier entrada. Para que la entrada no influya en la diferencia entre ambos se debe cumplir: G=B con lo que la Ecuación 6.x(t)) Como puede observarse de esta expresión.. Así. sí se pueden fijar libremente los n valores propios de la matriz F. para que los estados coincidan en todo instante se debe cumplir: Xe (t) .HC es significativamente menor que la de los valores propios de la matriz A.e una matriz H que satisfaga la Ecuación 6. XeO #.x(t) = Fxe (t) .290 CAPíTULO 6. puedan ser utilizadas de forma eficaz como una buena estimación de las variables de estado en la realimentación del estado del sistema. por tanto. para que el observador estime las variables de estado más deprisa que la variací6n de éstos y.Ax(t) + ( G . si se forma la diferencia entre la evolución del estado del observador y del sistema: Xe ( t) .5) Por la primera condición.8 representa n x n ecuaciones con sólo n x p incógnitas (elementos de H) . puesto que la Ecuación 6. OBSERVADORES DEL ESTADO Estas dos condiciones imponen diversas restricciones a las matrices del observador. Aquí cabe plantearse si la dinámica del observador determinada por F puede fijarse libremente. Esto se consigue si la parte real de los valores propios de la matriz A . Al igual que sucedía en la Sección 5.6) (6.x(t) = (A .X (t) = Fxe (t) . .HC con lo que la Ecuación 6.

Para ello será importante expresar la Ecuación 6. analizar la controlabilidad del sistema con el observador de forma conjunta.O A .p) ecuaciones identidades independientes de los valores de H.15) .x(t) _ _ Con lo que la nueva expresión de la ecuación de estado es: ' x(t) A .13) [ ] [ _ ][ ] [ ] Como puede verse fácilmente. (6.14) x t) xJ(¡tV T xe. que consigue. 6. el rango de esta matriz sigue siendo n. mediante el cambio: ( x:(t) .6.3.x(t) _ Ecuación de la que pueden extraerse las siguientes conclusiones: [ ] [ 1 [ -1 O1 ] [ ] [ _ ] ][ ] '+. Sin realimentación del estado Las ecuaciones tanto del sistema inicial como de su observador son: X(t) = Ax(t) + Bu(t) xe (t) = (A . O X(t) xe (t) . por otra. por una parte. [ B ] u(t) O (6.x(t) . el conjunto formado por los dos grupos de variables es no controlable. tanto antes de realizar la realimentación del estado como después.HC A . que los elementos de· F 'Y de A estén directamente relacionados con los polos del sistema observador y del sistema.3.(t) .HC xe (t) + B u(t) cuya representación gráfica se observa en la Figura 6. Si se estudia la: 'éóntrolabilidad del sistema conjunto. 6. y. x(t) . 1. siendo las restantes n x ( n . que la Ecuación 6.. Cabe. COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291 muy importante su dinámica. Dado que se parte de que el sistema inicial es controlable. por lo que se puede hocer una separación de la parte no controlable. 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 . mediante la construcción de la matriz Q: (6. 10) (6. por tanto.12) xe (t) .He x e (t) .3. respectivamente. calculando los n x p elementos que forman la matriz H.HC)xe (t) + Bu(t) + HCx(t) (6.3.8 quede reducida a n x p ecuaciones compatibles.11) o escrito en forma matricial: B A O x(t) x(t) (6.8 en URa base del espacio de estado adecuada.

al no tener acceso a estas variables. el conjunto de variables estimadas.x( t) = <J>A-Hc (t. 16) que corrobora lo ya conocido: será cero. si siendo el estado inicial distinto. no hay que olvidar que no es posible realimentar x(t) .xo ) • (6.292 CAPÍTULO 6. • El hecho de realimentar el estado x(t) no afecta a la dinámica del observador. sólo a la del sistema observado. OBSERVADORES DEL ESTADO Figura 6. . si el estado inicial para las variables reales y para las estimadas es el mismo.He tienen parte real negativa. Sin embargo. to ) (xeo . los valores propios de la matriz A . sino xe (t) . como cabe esperar de las condiciones impuestas en la definición del observador. y tenderá a cero. La evolución de la parte no controlable es: Xe (t) . • 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.3: Esquema del sistema con observador.

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

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

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

Se recuerda que: donde: . pudiéndose obtener los valores incógnitas de la matriz H resolvien­ do n sistemas de p ecuaciones con p incógnitas cada uno.hi 3 C3 CT2 . se considera la fila i de la matriz HC: (AHC) ( i . 49) en caso contrario Cada uno de estos sistemas siempre posee solución. .44) se aprecia que la diferencia entre las matrices A y F radica solamente en las últimas columnas de cada bloque. el resto son ceros. cada fila de la matriz H sólo influye en la respectiva fila de la matriz HC. y sin pérdida de generalidad.48) si aj = i (6 . Además. .. . (jtCTj = { O1 1 . por lo que por comodidad de representación. . . pues la matriz del sistema es trian­ gular con elementos unidad en la diagonal superior.nI +2 CTl O O O O -QCTp -np + l CTl O -QCTp -np +2 CTl O -QCTp CTl 1 O O O O O O O O O O -QCTl -nI + 1 CTp -QCTl -nI +2 CTp -QCTl CTp -QCTl CTl 1 (6.45) n) de p ecuaciones (6.hi1 . . 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 .) = A( i .) + + 1 -QCTp -np+ l CTp -QCTp -np + 2 CTp -aup Up El cálculo del observador F = A . Por otra parte. p) que son: [O hil + hi2C2CTl + .6. el producto HC sólo tiene elementos no nulos en la última columna de cada bloque.hi2 . En . .. El resto de la estructura es idéntica. . + np = n 1··· i (6.hi2C2CTl . D.hipcp CTl (ji CT2 = -ai CT2 .47) (6. .5.efecto. CALCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 303 es posible construirlo. + hipCPCTl (ji CTl = -aiCTl . .46) (6. .HC produce n sistemas (i = con p incógnitas ( hij con j = .hipCp CT2 1· i O h dp] nI + .

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

a32 .h21 .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 .hll .12 . se supone que el sistema es observable.h12C22 .h22 = .h4 2 O = -a12 .h12 0 = -a22 . Efectuando F = A .h12C22 . 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.h22C22 .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 . En caso contrario será necesario realizar una sepa­ ración de la parte observable.h42C22 .h32 0 = -a42 .Jo = -a1 4 .h4 2 1 Fila 2 Fila 3 Fila 4 => => 1 Que se resuelve como 4 sistemas de 2 ecuaciones y 2 incógnitas cada uno.h32C22 .h31 . t::.h22C22 -f¡ = -a24 .h21 .h3 1 .h22 .h12 .6. a partir de cualquier otra representación.5.12 = -a34 .hll .13 .h 32C22 .h4 1 .5. 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. 1.13 = -a44 .h4 1 . cada fila de la matriz H sólo influye en la respectiva fila de la matriz He . teniendo en cuenta únicamente dicha parte del sistema para .h3 2 . Además.. 6.

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

(6. x(t) .57) .5 al final de este capítulo puede verse un caso de diseño de un observador para un sistema multivariable. Esta matriz permite transformar la representación inicial del estado.51) Donde p representa el número de variables de salida.55) (6. . mediante la transformación dada por To : x( t ) En el Ejemplo 6. + np = e<7p nI = en . Para ello se calcula la inversa de la matriz L: nI + . Esta matriz permite calcular la matriz de transformación a la forma canónica obser­ vable. y a partir de ellas se forma la matriz: ap = n (6. en la co­ rrespondiente a la forma canónica observable x ( t ) .5 .52) • • .54) (6. Á B = e = Tox ( t ) Te / ATo To I B CTo (6.6.56) (6. . al i ] Se extraen las columnas existentes en las posiciones finales de cada bloque. e<7 1 ' e<72 ' . 6 CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 307 y formándose la matriz L: CI cl A L= (6.53) pudiéndose desmostrar que tiene inversa.

reordenando adecuadamente.6.60) (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.58) (6. en este aspecto. queda: [�] (6. En estos casos parece ilógico no tener en cuenta esta información y estimar variables que ya son accesibles.308 6.65) El modelo de observador que se propone utiliza información de la entrada. Esta estimación del estado presenta un buen comportamiento bajo las condiciones ya descritas. en ocasiones. incorpora más información del sistema que el . y pese a que la totalidad del estado no sea accesible. Si la ecuación de estado se representa separando variables accesibles y no accesibles. 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 (6.59) seleccionando como salidas del sistema las p variables de estado accesibles. Sin embargo. de dimensiones p x p.64) (6. puede que parte de éste lo sea. de la salida y de la derivada de la salida. CAPíTULO 6. pues. A tal fin se incorpora un modelo de observador que tiene en cuenta esta característica del sistema y que se denomina observador de orden reducido.62) con (6. será no singular. Se parte de una representación del estado que cumpla: x = Ax + Bu (6.61) Si se toman como salidas únicamente aquellas que sean linealmente independientes. de una representación de estado tal que las salidas coincidan con las variables de estado accesibles. entonces la submatriz e ' 1 .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. Realizando entonces el cambio: x = Tx (6.

que se verá reflejada en los coeficientes de la matriz F.73 se despeja H 2 .6. por lo que: (6.70) Ha de ser independiente de la entrada.73) El procedimiento para diseñar el observador de orden reducido.H2AI2 (6. La ecuación que modeliza el comportamiento del observador viene dada por: We = FWe + GU + HI y + Há (6. como se ve en la Figura 6.8: • • . • Se puede representar gráficamente el esquema del observador diseñado.w = FWe .67) (6. A 12 .6.71 se despeja G. B I Y B2 es. y. partiendo del cono­ cimiento de Au .68) we = FWe + Gu + HI y + H 2 AUY + H 2AI2 W + H2B I u de forma que agrupando se llega a: We . derivada de una combinación lineal de variables de estado.W = FWe + Gu + HIy + H 2 AUY + H2AI2W + H2B I u .72 se despeja HI . OBSERVADORES DE ORDEN REDUCIDO 309 observador de orden máximo y no presenta ningún inconveniente. por definición del modelo. por tanto. De la Ecuación 6. el siguiente: • Se define la dinámica del observador.(A2 1 y + A22W + B2u) (6. De la Ecuación 6. De la Ecuación 6. A2 1 .A2 1 )y + (G + H2B I . A 22 .B2 ) u (6.66) Sustituyendo en esta ecuación y por su valor: queda una expresión para l a ecuación del estimador d e l a forma: La evolución de la diferencia entre las variables de estado estimadas y su valor real es: y = A u Y + AI 2W + B I u (6.71) • No debe ser influida por el conjunto de variables de estado accesibles. se debe cumplir que: • we .72) • Para asegurar la convergencia se debe cumplir que: F = A 22 . puesto que la derivada de la salida ha de existir al ser.(A22 . por lo que: (6.69) Para que la evolución de la diferencia entre las variables de estado estimadas y su valor real tienda a cero bajo cualquier circunstancia.H 2 AI 2 )W + (HI + H 2 AU .

Del propio enunciado se deduce que la única variable cuyo valor es necesario estimar es X3 . Sea el sistema dado por las ecuaciones: para el que se pide calcular un observador de orden reducido.310 CAPíTULO 6. 3 Figura 6.8: Sistema con observador de orden reducido. OBSERVADORES DEL ESTADO Ejemplo 6 . dado que Xl y X2 se han tomado como salidas del sistema. Sobre esta base se realiza la división del sistema: .

al despejar la matriz H 2 .[ h21 h22 ] =? H 2 = [ O =? -4 ] [ �3 ] =? O ] H 1 + H 2 A ll . 3 = . se ha anulado el elemento h21 . . 2 .5 . por ser irrelevante el valor que éste pueda tomar. Suponiendo que la posterior realimentación del estado situara los polos del sistema en 8 1 . OBSERVADORES DE ORDEN REDUCIDO 311 identificándose: A ll = [ �3 .H 2 A 12 =? [ -5 ] = [ . se pueden despejar ya sus matrices: F = A22 . resultando por tanto: F = [ -5 ] Conocida la división del sistema y la posición del polo del observador.6.22 ] B1 = [ � ] el = [ � � ] A 12 = [ �3 ] A 21 = [ O O ] A22 = [ .A 21 = O = [ h 11 h 12 ] + [ O -4 ] H 1 = [ O -8 ] 9 G + H2 B 1 .[ O O Nótese cómo.1 ] .B2 = O = [ ] + [ O -4 ] =? G = [ 9 ] [�]-[1] [ -3 _ 22 ] . se fija l a posición del del observador e n 8 = .1 . 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 .1 ] B2 = [ 1 ] A partir de esta definición del sistema y del número de variables conocidas y las que se han de estimar.6.

.8. servoposicionador y observador como la indicada en la Figura 1. pero con la importante diferencia de que ahora las variables de estado del sistema no son directamente medibles.__"". Ejemplo 6.312 6 .._-.... 7. Péndulo invertido 1.. la posición de la base del péndulo x(t) . x Figura 1: Estructura de control por realimentación del estado incluyendo un servoposicionador de la variable x(t) y un observador de orden completo.. y de la entrada de éste u(t) .". Para ello se utiliza una estructura de control por realimentación del estado. ..4 CAPíTULO 6. sino que deben ser estimadas mediante un observador a partir de la evolución de la única variable medible del sistema... OBSERVADORES DEL ESTADO Ej emplos adicionales Control de la posición de la base del péndulo invertido con observador En este ejemplo se desea realizar un control por realimentación del estado del péndulo invertido con las mismas características que las del sistema de control realizado en el Ejemplo 5. en la que la salida del sistema viene dada por la siguiente ecuación de salida : ..

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

1 .1 O -2 O -2 O -0. y el servoposicionador de constante Ko . se obtiene la matriz To : U na vez calculada esta matriz. en la que dicho observador se integra junto con el control de realimentación del estado mediante la matriz K. R. calculada anteriormente en el Ejemplo 5.65 4.65 1 . el . se utilizan en el ob­ servador del estado del sistema real no lineal de la primera figura de este ejemplo. obteniéndose: Á -To 1 AT 0 .314 CAPíTULO 6.75 ] Ko = -0.25 19.To = [� [ 1 O O O O O O 1 O -0. Y. B y To .8.1 1] ] Las matrices anteriormente calculadas.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. 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 va a utilizar ahora la misma referencia de posición xre f = .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.l . B = Ta l B y Co = CTo queden expresadas según la forma canónica observable.

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

en este caso las variables reales y las estimadas son parecidas. para el caso de error inicial nulo en la estimación de las variables de estado. cabe esperar que el control con estimación del estado se comporte de manera muy similar al control del Ejemplo 5. estas variables estimadas diferirán en mayor medida de los valores reales.. en el que se utilizan los valores reales de las variables de estado en la realimentación. 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. .. . ángulo inicial 0(0) = 10°. necesitándose un tiempo para que converjan al valor de las variables reales. como es es lógico suponer.100�--"""7---1"=----7 5 tiempo (s ) 0 15 Si. del estado . En la Figura 4 se puede observar la evolución de la diferencia entre las variables reales y las estimadas para varios valores en la estimación inicial del ángulo Oe(O). en 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. se tiene un error inicial no nulo en la estimación de las variables de estado del sistema . partiendo en ambos casos de error nulo en la estimación inicial.estado medIdo directament co n obse rvado' del esat do 1 0r----¡r======'======::"=::='===5:::::¡] .316 CAPíTULO 6.con observado. (b) Ángulo O(t). cam bio de referencia xref = . como muestra la Figura 2. tiempo (s ) �-O 5 -1 -1 50�---:5O-----:10:--!15.1 m y perturbación constante up(t) = 0. en todos los casos. volviendo a coincidir en régimen permanente una vez que el sistema de control estabiliza el sistema. que por otra parte se estabilizarán debido a la estructura de control. OBSERVADORES DEL ESTADO discrepancia entre las variables reales y las estimadas a pesar de que coinciden en el instate inicial t = O. Puesto que. . 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. Este hecho puede comprobarse en las gráficas de la Figura 3.1 Nw.estado medido directament 5 (a) Posición x(t).. suponiendo.8..

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

cam bio de referencia xref = .0625 (c) Posición x(t) cuando Oe(O) = 5°. Oe(O) = O y xe (O) = O. siendo el ángulo inicial real 0 ( 0 ) = 10°.con observador del estado .318 CAPÍTULO 6. xe (O)=O. -con observador del estado . su polinomio característico es: Po ( 8 ) = ( 8 + 3. 15 . � -0 5 -1 -1 50 tiempo (s ) É...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°.1 m y perturbación constante up(t) = 0. para los casos de estimación inicial del ángulo Oe (O) = 15° Y Oe = 5°.estado medido directament 10 c: ..58 2 + 171 . por ejemplo en -3.1 Nw. error nulo en la estimación inicial de las otras variables de estado.con observador del estado .58 + 150. (d) Ángulo O(t) cuando Oe (O) = 5°. c: ¡: -5 � 10 15 -10 -15 -20 0 V �---5 I .. OBSERVADORES DEL ESTADO global del sistema..5. 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. . ángulo inicial 0 ( 0 ) = 10°..estado medido directament (b) Ángulo O(t) cuando 15 10 � 5: O Oe(O) = 15°...5 ) 4 = 84 + 148 3 + 73.estado medido directamenttJ con observador del estad� tiempo (s ) 10 15 Si se diseña un observador con sus polos más lentos.

i y . Se advierte una convergencia más rápida hacia las variables reales y con menos sobreoscilación.' : j � I ¡: -2 : / :f 4 .:CD O : : .:=:::= en:: -7.1 0 ..po los de 1 ::. 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.5 9 3. 2 4 . i . ' 1 . cambio de referencia xref = . . i .1 m y perturbación up{t) = 0. ( a ) Diferencia entre la posición real y O�--�2----�4--�6--�8 tiempo (s ) • • -5 i i i i i t _-. . xe{O)=O.Polos del observador en -3 c ( b ) Diferencia entre el ángulo real la estimada x{t) . partiendo de error nulo en la estimación inicial de las otras variables. 14 y Por el contrario. . 1' .Oe {t).. 'i j' " .polos del observador e n -5 .. '.150.10000 O -4000 O -600 O -40 ] H2 _ - [ ] 10000 4000 620 40 . i '.polos del observador en ..5 O -73 O .:=='=obse rvado r ::::= 1 :il : : :::'.0625 171.6..5 .10. ' .14 ] H1 _ - [ ] 150. - [ O O O O O O O O O . � . si se elige un observador más rápido situando sus polos en . Oe{O) = O y xe{O) = O.. . EJEMPLOS ADICIONALES 319 con lo que se obtienen las siguientes matrices del observador: F1 _ - [ O O O O O O O O O . .Polos del observador en -3 � J I - -��--�2----�4--�6--�8 tiempo (s ) .. el estimado (}(t) .171. con una estimación inicial del ángulo Oe {O) = 150..polos del observador en -5 .1 Nw.... cuanto más rápida es la dinámica del observador... utilizando cada uno de los tres observadores calculados. Figura 6: Diferencia entre las variables reales y las estimadas por el obser­ vador para distintas posiciones de sus polos.7.: : .0625 O .xe {t). ángulo inicial (}(O) = 100.---1'=::::==::=:=:.

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

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

4.1 6 -50 2 . OBSERVADORES DEL ESTADO En primer lugar se ha de comprobar la observabilidad del problema. 5. en primer lugar.18 2 O 48 4 -2 24 -27 250 64 O O . Para el cálculo de la matriz de transformación se comienza por seleccionar cinco filas linealmente independientes de la matriz P. 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 . El primer tanteo se hace con las cinco primeras filas: Pe comprobándose que su rango es también cinco. por tanto.1 = � 54 15 3 -30 .1 6 -27 64 54 . Se puede calcular.192 -2 -8 O 2 -48 81 -256 .10 -2 2 -6 8 208 78 -32 : 40 8 20 4 178 66 .12 9 -16 O O 9 8 .18 15 . es decir {l. colocando juntas aquellas correspondientes a las mismas salidas.1 2 1 -1 1 -2 3 -2 6 -3 4 O -4 -3 4 � 2 10 O 2 -3 1 .16 : 13 8 -8 -3 -5 1 .322 CAPÍTULO 6 . por lo que la asignación de salidas a variables de estado queda como sigue: dos a la primera salida. dos a la segunda y una a la tercera . trans­ formar la representación del sistema a la forma canónica observable. el observador del estado. Para realizar el cálculo del observador es necesario. 3}.1 -2 -2 6 -3 4 10 O 2 1 -1 O O -4 -3 4 O 2 1 -2 3 O 1 =} L . con lo que se comprueba que el sistema es observable. Se reordenan ahora las filas.1 250 O 81 -256 O 32 2 O 16 . 2. L= �[ ¡ -3 1 .162 768 P= siendo rango(P) = 5.

27 1 C = CTo ' .-9O . 4 Y 5 para construir la matriz To .27 O .97 . 76 27 O 16 27 O 23 .28 1 .234 .81 27 . 7. To [ el � e3 I e4 1 � ] = [ e2 Ae2 e4 Ae4 e5 l � � Tc / 1 = 27 [[ : 15 -3 .18 18 12 --:-6 4 -24 78 .8 27 -27 54 O 56 300 85 -58 -2 3 -2 � � 1 Y.6 .157 -92 54 .6729 O .54 282 124 . queda: 2 86 02 o .264 .27 27 -5 .2 . transformando el sistema según estas matrices.27 .556 O . el polinomio característico queda : po (s) = S 5 + 150s4 + 9 000s 3 + 270000s 2 + 4050000s + 24300000 [� n .1606 243 29 308 35 .g 1 12 O .27 1 .g A = To 1 ATo - = B = To 1 B = - [ .1 = Dada la asignación de salidas a la estimación de las variables de estado.3616 243 729 67 4 O . se seleccionan las colu m nas 2.27 O .52436 181 .16 27 27 1 O O O O 1 1 46 . EJEMPLOS ADICIONALES 323 seleccionando de L . Así.1 5 14 1 16 .1 : L.16 15 5 -49 -3 300 -213 184 . por l o que se opta por situar los polos d e dicho observador en -30.5 27 27 1 4 -3 466 137 . = Para el cálculo élel observador se va a asignar una dinámica mucho más rápida que l a del sistema realimentado.729 O .16 66 .

128/ .6286 . en la representación original del sistema .�� .h 52 + 46�53 656100076 27 4050000 7290016 -2 79000 4027 27 .-9.h 21 + � O . _ h42 + 46�43 ..126J36 .h31 + � O .32�136 .h 22 + 46h23 9 .h 13 La dinámica de la evolución de la diferencia entre las variables reales del sistema y las estimadas viene dada.��� . 27 729 1 .h23 �� .h32 + 46�33 _ 6.h33 -h43 .2� .150 1 F= [ CAPÍTULO 6.h 11 + !ill.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 .g� h51 + � - y O O O 1 O _ 5026 _ h 12 + 46h13 9 243 -28 .h53 �� . 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 .h41 + W O . OBSERVADORES DEL ESTADO 1 La matriz del observador que se va a calcular es: que se halla resolviendo la ecuación : F = Á .HC = O .

de ma­ nera que queda dividido en los tres subsistemas de la figura. ficaciones del observador. el subsistema (A 22 .6. 523173292 243 949502902 729 1084060042 243 1339566538 729 888285181 729 1.8.8. u(t) - .1 . B 2 ) es controlable con sus dos polos en 2 y el subsistema (A33 . en el que se sabe que: el subsistema (A 11 . Ej ercicios resueltos En un sistema con seis variables de estado s e efectúa un cambio de base. EJERCICIOS RESUELTOS 325 541857551 18684934 243 243 983414123 33910870 729 729 1122779804 38716378 243 243 1387419785 47841610 729 729 31726111 1840011541 729 1458 tal como se fijó en las especi­ 1588203217 1868474113 162 486 1695540575 1441210139 243 729 1935823829 1645452365 243 81 2033285165 2392092875 729 729 3172420759 1348283483 729 486 se comprueba que todos sus autovalores son -30. C 3 ) es observable con sus dos polos en -3. 6. C 1 ) es controlable y observable con sus polos en . B 1 .

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

EJERCICIOS RESUELTOS 327 b) e) Ningún cambio de base altera los polos de un sistema. que seguirán siendo ( .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). X6 no son controlables y. Por linealidad del sistema: Y l es controlable. no se ve afectada por la entrada. siendo (J' la situación de dichos polos.o . no puede representar un cambio de base. t 2. partiendo de condiciones d) e) f) La estructura de la realimentación del estado pedida es imposible de conseguir. -2.l del enunciado no es invertible y. Se pide: . por tanto. -3) .1 . El sistema de la figura está formado por dos depósitos de alturas de líquido (h l . con caudal de entrada qe repartido a partes iguales entre los dos depósitos. puesto que las variables X 5 . A 2 ) . ante cualquier cambio de base. ninguna real­ imentación del estado variará sus polos de los valores (-3. La matriz T . pudiendo estimarse que x � Xe en = 3 � . -2. Y2 no es controlable. iniciales siempre valdrá cero. -3. siempre y cuando el =1.1 . . y con caudal de salida q2 . h 2 ) y de áreas (A l . por tanto. Yl + Y2 es controlable. 3 ) La evolución temporal de la variable x . .8.6. al serlo Y l .

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

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

La matriz H se calcula a partir de la matriz F cumpliendo: P()") = ( ).. + 10) 2 = ). 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.O1 31 ] = [ qq12 ] .10. Para realizar la transformación. hay que realizar la realimentación de estado.330 CAPíTULO 6. por lo que hay que expresar el sistema en su forma canónica controlable (a partir de la forma canónica observable) .31 ] [�] Una vez obtenido el estado en la forma canónica observable. se parte de la matriz de controlabilidad: hay que hallar la matriz de cambio xo = T o cxc : Qo = [ 31 -O1 ] => Qo 1 = [ . 2 + 20)" + 100 T0 1 B = CT o = [ O 1 ] [ O1 . Por ejemplo. ambos en . OBSERVADORES DEL ESTADO Para estimar el estado es necesario diseñar un observador..

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 .l" Es necesario expresar la salida como las variables de estado accesibles.V6 ] Existe una forma alternat�va de resolver el observador: haciendo uso de uno de orden reducido. y que el error de posición sea nulo (ganancia uniÜ ru:ia) : con lo que la ecuación característica: es de la forma: Mp = 100e -1r CotgO ::.* a = � 2a2 V "2 Gr ( 8 ) ° = 2 8+3 8 + V68 + 3 Para obtener esta función de transferencia es necesario realizar una reali­ mentación de estado que cumpla: Ar 0 1 . por lo que es N (8) = 8 + 3. 4 % '* () = 450 Pe (s) = C o T oe = [ 3 % = (8 + a) 2 + a2 + = (8 +8a) 2 3+ a2 � Los ceros del sistema se mantienen con la realimentación. En este caso ya están expresadas así: .V6 k = [ ] [ -1 1 -3 + ] [ 01 ] [ k. De esta forma.6.= A e + Be K e '* -3 V6 = e igualando se obtiene: { kl2 = 3-2. en el que se estima únicamente el valor de aquellas variables de estado que no son accesiblel..8.1 '* Ke = [ -2 3 . la función de transferencia del sistema realimentado es: Gr ( 8 ) al imponer la condición de ganancia unitaria se obtiene: � = l .

conociendo solamente el valor calculado de y(0. Calcular qué puntos del espacio de estado se pueden alcanzar en el instante t = 0.1O = -2 . utilizando para ello la entrada adecuada que lo permitiese.5 ante evolución libre (entrada permanentemente nula).5) ante evolución libre e indicar cómo se podría calcular el estado del sistema en ese instante.332 CAPíTULO 6. Calcular la salida y(0.H2 Al 2 ::::} .H2 G + H2 Bl .5) y sabiendo que la entrada es nula. OBSERVADORES DEL ESTADO El estado se compone de una parte accesible estimar (w) : (y) y otra que es la que se desea La dinámica del observador viene dada por: Si se desea que el polo del observador esté en -10: F = A 22 . Dado el sistema definido por las siguientes ecuaciones: y = [ O 2 ] �� a) [ -31 -31 ] [ XXl2 ] + [ 11 2O ] [ UUl2 ] [ ] x(O) = [ 1 lJT : 2) 1) Partiendo del estado inicial t= 9) b) \ Calcular qué puntos del espacio de estado alcanza el sistema en el instante 0.B2 = O ::::} G + 8 .1 = 0 De donde se obtiene que: 3.A2 l = 0 ::::} Hl + 8(-I) .1 = O Hl + H2 AU . Calcular y dibujar un control por realimentación del estado que sitúe todos los polos posibles del sistema en -10. .5. utilizando para ello un observador de orden completo y el mayor número posible de entradas en la realimentación.

0 .I «J?( t)Tx( O) «J?(t) = T�T . utilizando para ello un observador de orden reducido y el menor número posible de entradas en la realimentaci6n.� ] [ ��� ] '= [ � ] [ -� 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.22 V2 = [ _ � V2I = .11 ] [ VV2I ] = [ OO ] .8.I de donde: .I «J?(t)T * * x(t) = T.V22 ] [� A= [ � Dado que: entonces: T= x(t) = «J?( t)x(O) Tx(t) = «J? (t)Tx (O) � (t) = T ..11 . 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: .6. EJERCICIOS RESUELTOS 333 c) a) Calcular y dibujar un control por realimentaci6n del estado que sitúe todos los polos posibles del sistema en .

201 ] [ -2O -42 ] [ O1 O1 ] [ k�21 1l = + . en la que se deben colocar los polos del sistema en .31 ] [ 11 2O ] = Dada la realimentación propuesta. por lo que todos los puntos del espacio de estado son alcanzables mediante la entrada adecuada para t = 0.100O . Aunque el sistema es observable.334 1) CAPÍTULO 6.1 = Por lo que: Á = O 1 ] [ -31 .10. OBSERVADORES DEL ESTADO 2) Q 3) Del análisis de la matriz Q se deduce que el sistema es controlable.[ 11 O2 -2 -62 ] y(0. se utilizan las dos disponibles. b) Dado que es necesario utilizar el mayor número de entradas posible. su polinomio característico tras dicha realimentación debe ser: PC (8) = (8 + 10) 2 = 8 2 + 208 + 100 con lo que se dispone de los coeficientes para ajustar el valor de las constantes de realimentación: Ár = Á + B K [ .5. Se comienza por construir la matriz de transformación: 2 ] [ :=� ] 2e. _ -2 .5) = [ O No se puede calcular el estado en este instante. se precisa conocer la dinámica.

�T oe: con lo que: de donde se obtiene: ..1 [ 2 -64 ] � L-1 = _ � 8 [ . EJERCICIOS RESUELTOS 335 de donde. y. despejando: K= Queda construir el observador de orden completo: .[ .124 . p= [ -! .HC para lo que es necesaria la matriz de transformación.8.42 ] = � [ -62 -12 ] 4 -64 ] - _ Por lo que la matriz C o = C e Toe = � [ = C o q�eda: Se ajusta la dinámica del observador para ser menos significativa que la del sistema: con lo que ya se puede construir el observador de orden completo: �[ 1 4 ] [ i -� ] = 2 ] [ i -� ] = � [ O 2 ] = [ O 1 ] 2 _ _ Pep(S) = ( + 30) 2 = S 2 + 60s + 900 s F = Á .HC .6.1� ] = � por lo tanto: 1 T oe = 4 .100 -161 ] 2 F = A ..

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

14 ] Para el cálculo del observador de orden reducido es necesario realizar una nueva transformación en la representación del estado.5 -1 1 O] 1 � -3 0 1 2 [ ] [ 11 02 ] = 1 [ -21 02 ] 2 337 [ . a través de la matriz: T.5 O1 ] = . por lo que: [ -.5 + 2" 3 = 41 27 G = -H 2 B 1 + B 2 = .10� 2� ] = [ _� _! ] + [ � ] [ kl Ár = Ác + BcK - k2 ] K = [ -92 .� [ _� - � ] = [ O. con lo que el orden de dicho observador es uno. [ 0.�� -. ] = [ � � ] [ � � ] = [ i � ] = [ O 2 ] [ 0�5 � ] = [ 1 O ] F = -30 con lo que.2 6 -54 ] . despejando: 27 H l + H 2 A U .1 B e CT Dado que el observador es de orden reducido.A2 1 =} H l = 0.2" [ 2 4 ] + [ 1 O ] = [ .� � ] B = T.6. 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. -� ] [ 0�5 � ] = [ .8.1 = [� = = con lo que las matrices del sistema se transforman en: �] =} T= Á O [ O1 2O ] [ -31 -31 ] [ 0. poseyendo por lo tanto un único polo que se sitúa en -30.

9. Ej ercicios propuestos En un sistema de 4° orden s e elige una base del espacio de estado. OBSERVADORES DEL ESTADO 6. 1. 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 .338 CAPÍTULO 6.

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. calculando el valor de todas las matrices que intervienen. X 3 . � 3. EJERCICIOS PROPUESTOS e) 339 d) Suponiendo que la única salida del sistema es y = Xl +X 2 .6. Dado un sistema cuyo comportamiento dinámico viene definico por las siguientes ecuaciones de estado: [ -1 O O O O O -2 O O O -3 O O O O -4 O O O O -5 O O O O + i �1 O 1 O 1 [U ] Ul 2 . X4 ) . . X 2 . hallar un subsistema observable. así como la nueva situación de los polos del sistema. Si la matriz de salida es: y= . ' " a) b) En el esquema de la figura se desea efectuar una realimentación de las variables de estado Xl y X 2 mediante la matriz K = [-2 O] . Comentar la dinámi­ ca de dichas variables. [ � O O ' 1 O O O ' 1 . . .9. teniendo en cuenta que solamente es accesible la salida y . En el esquema del apartado anterior.0 1 2. Indicar igualmente la controlabilidad de dicho sistema. Sea el sistema: diseñar un observador del estado 'con todos sus polos en -10. Suponiendo accesibles todas las variables de estado ( Xl . calcular las matrices de la representación de estado que incluye todas las variables que intervienen. indicando clara­ mente en qué base f!{Jtán expr:esa4as las variables de estado observadas . Dibujar el esquema de la realimentación efectuada.

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

.

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

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

4) . 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. Se entiende como sistema dinámico discreto una relación matemática entre dos con­ juntos de secuencias {u(k) } e {y(k) } denominadas entradas y salidas. pero el estudio que se va a realizar está restringido a los sistemas discretos expresables en diferencias. respectivamente. El concepto de linealidad en los sistemas discretos es idéntico al de los sistemas continuos.6) (7.7.3 y 7.4) a y (7. ka � A � k. se formulan como ecuaciones en diferencias. como: x(k + 1 ) y(k) = A(k)x(k ) + B (k)u( k ) C(k)x(k) + D(k)u(k) (7. Para toda secuencia real de entrada {u( k) } existe una única secuencia de salida {y(k) } . Las salidas y(k) no dependen de las entradas u(n) para n > k.4 se pueden expresar.3) (7. Esta condición recibe el nombre de causalidad. SISTEMAS DINÁMICOS DISCRETOS 345 discretos. Si el comportamiento del sistema puede expresarse mediante la Ecuación 7. y viceversa.5) ante la entrada: (7. k) r¡(x(k) . ka � A � k. se obtiene y2 (k) . entonces se dice que es lineal si para cualquier par de números reales y {3.7) se obtiene una salida: En sistemas expresables en diferencias. y que. y partiendo de x2 (ka) ante U2 (A) . con un estado inicial cualquiera x l (ka) y ante una entrada real U I (A) .9) donde se sigue la siguiente nomenclatura: . u(k) . u(k) . 2.3 . es que la variable x( k) representa el estado del sistema. cumpliendo: 1.8) (7. Si un sistema. es decir que las Ecuaciones 7. estados y salidas se pueden resumir en las ecua­ ciones: que se conocen como ecuación de estado del sistema (7. k) (7.3. partiendo del estado inicial: x(k + 1) y(k) f (x(k) .3) y ecuación de salida del sistema (7. En estos sistemas las relaciones entre entradas. responde con una salida y l (k) . frente a las ecuaciones diferenciales mediante las que se modelizan el estado y la salida del sistema para los sistemas continuos. Estas condiciones definen a todo sistema discreto causal. como puede verse.

u( k) es el vector de entrada en el instante k (de dimensión m) .9 representa que dichas ecuaciones tomen. C(k) es la matriz 'de salidas del sistema (de dimensión p x n) . Obt ención d e mo delos discretos d e estado La primera observación necesaria para la obtención de modelos de estado es que el posible conjunto de variables de estado no es único. X2 } determinan el estado. . + a l Z + a a . B (k) es la matriz de entradas del sistema (de dimensión n x m) . Al igual que en los sistemas continuos. partiendo de un estado inicial Xa para un índice ka y que ante una entrada cualquiera U(A) . también {Xl . partiendo para cualquier N del mismo estado inicial Xa para el índice ka + N y ante la misma entrada deplazada U(A + N) . . ya que conocido un conjunto es de inmediata determinación el otro. y(k) es el vector de salida en el instante k (de dimensión p) . La propiedad de invarianza en los sistemas expresables en diferencias lineales dados por las Ecuaciones 7. Por ejemplo.4. A :::. 1 1 ) donde las matrices A. Un sistema que. la matriz D(k) carece de importancia desde el punto de vista del análisis. C y D son constantes independientes del índice. . B . D(k) es la matriz de transmisión directa entrada-salida (de dimensión • • • • • • p x m) .8 y 7. El concepto de invarianza es también equivalente al de los sistemas continuos.b l z + ba z n + an _ I Z n . se puede partir de la función de transferencia en z del sistema discreto: Y(z) U(z) bn z n + bn _ I zn. . si para un sistema las variables { X l . la forma: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) + Du(k) (7. se obtiene la misma salida desplazada y(k + N) .12) donde tanto los ai como los bi pueden ser nulos.1 + . .346 • CAPÍTULO 7. Hecha esta puntualización. (7. respectivamente. MODELO DISCRETO DE ESTADO x( k) es el vector de estado en el instante k (de dimensión n) . k. se dice que es invariante respecto al tiempo si. puesto que expresa una simple relación estática adicional entre entrada y salida. responde con una salida y(k) . Xl + X2 } lo determinan. ka :::. 10) (7. 7. A(k) es la matriz del sistema (de dimensión n x n) .1 + 4.

l (k) xn (k) (7.aob� ] + bn u(k) xn . definida como: a partir de la cual se obtienen las variables de estado de la siguiente forma: W(z) = z n + a Z n -U(z).7. 1 . + al Z + ao n_I 1 + x I (k) x2 (k) x3 (k) w(k) x I (k + 1) x2 (k + 1) (7. . se pueden volver a plantear los mismos métodos utilizados para la obtención de modelos de estado continuos. . � [x(k + l ) J = z � [x(k) J (7. OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 347 En el caso de los sistemas continuos se utiliza para la obtención del modelo de estado el operador derivada.l (k + 1) xn (k + 1) O O O O O 1 O 1 O O x I (k) x2 (k) + Xn . .aobn . para la obtención del modelo de estado en vari �bles de fase se utiliza la variable auxiliar W(z). Modelo de estado e n variables de fase [x(t) J = s 2 [x(t) J --. haciendo uso de éste para el cálculo del modelo. �n .4 . .l (k) xn (k) X I ( �) x2 (k) O O u(k) O O -ao -al -a2 1 -an .l . 7. dicho operador se sustituye por el de desplaza­ miento. 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. ahora desde el punto de vista discreto. 12.l 1 (7. 16) y(k) = [ bo . 14) = (7.4. 13) Partiendo de la expresión de la función de transferencia en z dada en 7. 17) . En el caso discreto. 15) de manera que las ecuaciones del modelo de estado quedan como: x I (k + 1) x2 (k + 1) xn .

Z-A z .An ( 7.A3 U(z) Z . + � Pq+ l + Pn Z .Al U(z) Z .21) (7.22) Caso de rafces de multiplicidad Si el sistema no admite una descomposición en fracciones simples porque existe una raíz con una multiplicidad q. (7. (k + 1) x2 (k + 1) xn (k + 1) = = AlXl (k) + u(k) An xn (k) + u(k) O O xn (k + 1) = y = [ p l P2 . .A 2 . (k) x� �� ) + bn u(k) xn (k) (7. MODELO DISCRETO DE ESTADO Modelo d e estado e n variables d e Jordan Partiendo de la misma expresión de la función de transferencia en z que en el caso anterior. que por simplicidad se suponen de multiplicidad uno. 19) es decir: xl (k + l ) o bien de forma matricial: [ 1 x. es decir. CAPíTULO 7.Al + . ( 7.lA¡ ) q + (z . se obtiene el modelo de estado a partir de las transformadas de las variables de estado: =� .An .4 . .348 7. + Z . Dada esta descomposición. . . . 18) Xl (z) X2 (z) X3 (Z) = U(z) Z . Pn ] q [1 A2 O O : An ][ 1 [ 1 [ 1 .l Al + .P2 ) q .Al + Z . (k) 1 x2 (k) + : u(k) : 1 xn (k) x.20) 1 x.A2 U(z) Z .q+ l .23) . 2 . que la factorización queda como: P G(z) = (z . se realiza una descomposición en fracciones simples de la forma: Y(z) U(z) donde los Ai son los valores propios de la matriz A. + � + bn n = (7.

26) An . pasadas a su expresión como ecuación en diferencias mediante la transformada in­ versa z. 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 xn (k) + u(k) x 1 (k + 1) x2 (k + 1) Xq .q+1 que.25) A 1 X q (k) + u(k) An .1 (k) + O u(k) xq (k) 1 xq+1 (k) 1 xn (k) (7. OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 349 se eligen como transformadas z de las variables de estado: U (z) z )'1 - (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 .q+1 1 .7.24) z - U (z) An .4.

2 7) Obsérvese que la existencia de polos múltiples genera en la matriz del sistema unas submatrices. 3 . . Estas submatrices se denominan bloques de Jordan. . . t 2 . tal como se puede apreciar en la Ecuación 7. además de tener en la diagonal el polo múltiple.28) (7. en las que. . 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.30) T x (7. 29 ) y: (7. X n ) son las componentes de un vector respecto de una base: y se toma una segunda base formada por los vectores linealmente independientes ( tI .32) . t n ) . · · · . X 2 .31) la Ecuación 7. aparecen elementos unitarios en la diagonal inmediata­ mente superior.26.350 CAPíTULO 7. Si (Xl .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. ya que sus columnas son vectores linealmente (7.29 se convierte en: Teniendo en cuenta que independientes: T es no singular. . . . 7. 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.

OBTENCIÓN DE LA REPRESENTACIÓN EXTERNA A PARTIR DEL ESTADO 351 transformación lineal que da las componentes del vector respecto a la nueva base. por tanto.3 8 y 7. Obtención d e la representación externa a partir del estado La representación externa por medio de la función de transferencia en z únicamente contempla los sistemas lineales invariantes con el tiempo. definida por las Ecuaciones 7.A)X(z) = BU(z) X(z) = [Iz . Estas transformaciones se pueden utilizar para obtener diversas representaciones de estado de los sistemas.38) y(k) = CTw(k) + Du(k) (7.34) (7.A] . 5 .36) x = Tw la ecuación de estado se modifica de la forma: Tw(k + 1) = ATw(k) + B u(k) y premultiplicando por T.37) w(k + 1) = T . de un sistema de este tipo: x(k + 1) y(k) zX(z) Vez) y resolviendo la Ecuación 7.1 B u(k) mientras que la ecuación de salida resulta: (7.7. 7. por ejemplo.5. se tiene el sistema: x(k + 1) Ax(k) + B u(k) y(k) = Cx(k) + Du(k) y se realiza la transformación: (7.43) (Iz . por consiguiente. Partiendo.39 una nueva representación del estado del sistema.42 en X(z) : ::::} Ax(k) + B u(k) Cx(k) + Du(k) AX(z) + BU(z) CX(z) + DU(z) (7.1 : (7.40) (7.1 ATw(k) + T .41) se toman transformadas en z.l B U(z) (7.39) quedando. Si.44) .42) (7.35) (7. obteniéndose: (7.

352 = CAPíTULO 7.A) (7.6. 7.48) es decir. se tiene que dichos valores propios son los polos del sistema.43 queda: => Y(z) Y(z) ex(z) + DU(z) l = e [Iz .6.1 . x(t) y(t) Ax(t) + B u(t) ex(t) + Du(t) (7.l es la adjunta de la transpuesta G(z) dividida por el determinante. Sistemas muestreados S istema discreto invariante equivalente Se pretende ahora deducir la representación de estado del sistema discreto equiva­ lente del conjunto bloqueador .A) = O (7. 7.45) e (zI .muestreador.sistema continuo . resulta que el polinomio característico del sistema viene dado por dicho determinante: p(z) = det (zI . mostrado en la Figura 7. las raíces del polinomio característico.B + D U(z) = y.47) Además. MODELO DISCRETO DE ESTADO Sustituyendo en la ecuación de salida 7. por tanto.46) Teniendo en cuenta que la inversa de (zI .l B + D (7. 1 . que responda a las ecuaciones: Figura 7.A) .A) . la matriz de funciones de transferencia viene dada por: [ ] (7.49) (7. Supóngase un sistema continuo invariante con m entradas.50) .Aj .1 : Sistema continuo multivariable. p salidas y n variables de estado. como los valores propios de la matriz A son las soluciones de la ecuación: det (zI .

52 se puede poner como: y.49 viene dada por: x(t) = q>(t .7. = JkT q>(t .51 to = kT.2. 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.kT) la Ecuación 7.55) q>(T)x(kT) + 8 (T)u(kT) .r)Bdr [t [1: q>(t .kT)u(kT) = (7.52) (7. la resolución de la Ecuación de estado 7.r)Bdr] u(kT) = (7. Para el cálculo del sistema discreto equivalente se va a suponer ahora que las entradas al sistema continuo provienen de bloqueadores de orden cero.to )x(to ) + donde q>(t) es la matriz de transición. tal como se indica en la Figura 7. las entradas continuas al sistema. Por tanto. mientras que las salidas están muestreadas.53) x(t) q>(t . X2 . · · · .6 .kT)x(kT) + 8 (t . tomando en la Ecuación 7. Xn Figura 7. se obtiene: (7. serán constantes en cada intervalo kT � t < (k + I)T.2: Sistema discreto equivalente. En este caso.54) particularizando para el instante de muestreo t x [(k + l )T) (k + l)T. ltot q>(t . SISTEMAS MUESTREADOS 353 En este caso.51) X ¡ .r)Bu(r)dr (7.

55 junto con la ecuación de salida particularizada para el instante de muestreo: y(kT) = Cx(kT) + Du(kT) (7.60) En el caso de que el sistema de la Figura 7.2. verificando: = A(t)<P(t.XT + kT.6. MODELO DISCRETO DE ESTADO i=O 2.)Bd 'x 'x (7. T) es la matriz de transición. responderá a unas ecuaciones de la forma: . x(t) y(t) A(t)x(t) + B (t)u(t) C(t)x(t) + D (t)u(t) 8<P(t. T) 8t (7. ) T (7. (7. existe una dependencia entre dichas matrices y el valor del período de muestreo elegido T. Esto significa que del comportamiento que se observe en dicho sistema va a depender la elección de dicho período de muestreo.X < 1 (7. = e AT = .354 CAPíTULO es decir. 00 '"' A i 1" T' � 7. si <P(t.T] BdT kT 1T <P(T . la matriz de sistema del equivalente discreto es: A eq y l a matriz d e entrada: = = <P(T) .62 ) entonces.57) Cabe destacar que. En el caso de querer conocer la salida en instantes intermedios a los de muestreo. 7.56) = Beq 8(T) = La Ecuación 7.58) definen el sistema discreto equivalente buscado. como queda patente en las ecuaciones del sistema discreto equivalente. si bien una vez elegido se mantendrá la invarianza en dicho comportamiento. basta tomar: t = . por tanto. todas sus matrices son constantes. pese a que por hipótesis el sistema es invariante y. S istemas variantes x [(k + 'x )T] = <P( 'xT)x(kT) + 8( 'xT )u(kT) (7.54 y se obtiene: l(k+l)T <P [(k + l)T .61) (7.1 sea variante con el tiempo. O < .63) .59) en la Ecuación 7.

to)x(to) J{tat <p (t. se sustituye la referencia temporal k T por el índice de la correspondiente secuencia k.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 ) (7.7.70) .3. T] B (T)dT (7.64) [(k + l )T. la particularización de 7.66) + D (kT)u(kT) (7. [(k + l)T. Figura 7. 7.62 para .3.6. igual que en el caso invariante.el instante de muestreo: y(kT) e [(k + l) T.65) .61 viene dada por: x(t) El sistema discreto equivalente de la Figura 7. kT] u(kT) A partir de ahora. SISTEMAS MUESTREADOS ' 355 la solución de la Ecuación de estado 7. kT] x(kT) + e [(k + l )T.6. (k + l )T] Y particularizando para t (k + l )T. tal como el que muestra la Figura 7.67) Se consideran en este apartado los sistemas en cadena abierta con parte continua y parte discreta. con lo que se obtiene: x [(k + l ) T] donde La ecuación de salida del sistema discreto sérá. Sistemas híbridos = C(kT)x(kT) = i(k+ l)T <P " kT : (7. imponiendo la entrada constante en el intervalo [kT.68) (7. tomando to kT.3: Sistema con parte discreta y parte continua.2 se obtiene igual que en el caso inva­ riante. kT] = = = <p = <p (t. T)B(T)U(T)dT + (7. en los sistemas muestreados. 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..

con lo que se puede sustituir 7.72 y 7.75 se pueden agrupar como: [ xD (k) ] xc (k) (7. Tal como se ha visto anteriormente. así como el equivalente discreto dado por 7.72) (7. S istemas híbridos realimentados y(k) = [ Ce DeCD ] x(k) + DeDDU(k) (7.[ Ce DeCD ] x(k) .l r(k) .76) x(k + 1) [ AOeq BeqCD AD y la Ecuación de salida 7. ya que las salidas de uno son las entradas del otro. El sistema híbrido del apartado anterior se realimenta como se observa en la Figura = = u(k) agrupando: y despejando: r(k) .6.y(k) r(k) .77) 7.69.74 y 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 7.73.75 se puede expresar como: ] x(k) [ BeqDD ] u(k) BD + (7.[ Ce DeCD ] x(k) (7.68 y 7.79) [1 + DeDD] U(k) r(k) .73: xe [(k + 1)] = Aeqxc (k) + Beq (T)w(k) yc (k) = Cexe (k) + Dew(k) (7. están íntimamente relacionados.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 ) } .74) (7.DeDDU(k) = (7.78) Al incluir dicha realimentación en las ecuaciones de estado del sistema conjunto quedan como: 7.69 en 7.[1 + DeDD].75) Cexc (k) + DeCDXD (k) + DeDDU(k) = Para representar de una manera conjunta todo el sistema. que viene dado por: yc (t) = Cexc (t) + Dew(t) (7.73) xc [(k + 1)] = Aeq (T)xc (k) + Beq (T)CDXD (k) + Beq (T)DDU(k) y(k) = (7.80) u(k) = [1 + DeDD] .4.l [ ? e DeCD ] x(k) . el sistema discreto dado por las Ecuaciones 7. es posible encontrar el sistema discreto equivalente a la parte continua.356 CAPÍTULO 7.4.71) Ahora bien.

0.5 0.7. 7.81) (7.0. esto es. con lo que. cuando De = O. por la frecuencia con que aparece.78 .= �----- 0.1 z + 0.5 0. Ej ercicios resueltos Dado el sistema de la figura: obtener los modelos de estado en variables de fase y en variables de Jordan.82) [ Ce O ] x(k) (7. sustituyendo esta expresión en las Ecuaciones 7. se obtiene la nueva ecuación de estado: x(k mientras que la ecuación de salida queda de la forma: y(k) + 1 ) [ Aeq -BBeqDD Ce D Ce = u(k) = r(k) .77 y 7.5 �------------. En este caso la Ecuación 7.5z z . 83) 7 .0.79 queda de la forma: con lo que.[ Ce O ] x(k) BeqC D AD ] x(k) [ BeqDD ] r(k) BD = + (7.5 z + 0.77.5z . sustituyendo en 7.4: Sistema híbrido realimentado. 1. En ambos casos será necesario obtener la función de transferencia del sistema dis­ creto: Y(z) U(z) 1.7. es cuando en el sistema continuo la entrada no tiene influencia directa sobre la salida.5 z 1 + _1-_� z 1 z + 0. EJERCICIOS RESUELTOS 357 Figura 7.5 2 . Un caso simplificado. se obtienen las nuevas ecuaciones del estado y de salida del sistema realimentado. pero importante.5 2 .

5W(z) 0.0. MODELO DISCRETO DE ESTADO Se elige como variable auxiliar: y se eligen como variables de estado: W(z) = z 2 U(z) .5W(z) = U(z) ::::} w(k + 2) .5 ] [ x$2l (k) ] + [ °1 ] u(k) (k 1 = x2 (k + 1) .5X 2 (k) = u(k) x2 (k + 1) = 0.� .358 a) CAPíTULO Variables de fase 7.5X2 (k) + u(k) Y(z) y(k) y(k) b) Variables de Jordan = o. z 2 .0. quedan: + siendo la ecuación de salida: ( k) [ xxl2 (k + 11)) ] [ °0 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) .5w(k) = 0. 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. expresadas en forma matricial.0. 5 z U(z) = 0. 5 0 ] x2 (k) [ ] Partiendo de la función de transferencia y.5Xl (k) ::::} X 1 (k) [ 0 .

0.5 ::::} --'--'---.0.5z ::::} Si se eligen como variables de estado: PI = .5 ] [ xx2I (k) ] + [ 1 ] u(k) 1 x2 (k + 1) . .:----'---=- 0.0.7.l Se pide: a) Obtener el modelo de estado del regulador.5X2 (k) = u(k) x I (k + 1) = u(k) que expresada en forma matricial queda: 2.:-'-"::-"::---'.0.5PI + P2 Z z 2 .+ -.0. EJERCICIOS RESUELTOS 359 se puede realizar la descomposición en fracciones simples: Y(z) U(Z) -.1 1 ] x2 (k) 4 [ ] y (t ) Z.0.� : Z PI .7.5PI + P2 = = ::::} ::::} P2 PI = .5 PI-0.= z z .1 P2 = 1 ecuaciones que escritas en forma matricial quedan: y X1 (z) = U(Z) Z U(Z) X2 (Z) = z . El esquema de la figura refleja el control discreto de un sistema continuo de primer orden: 1 8+1 1 x I (k) y(k) = [ .5z Z de donde se obtiene: { °0.5 = la salida se puede expresar como: 0 (k) (k + 1) [ xx2I (k + 1) ] [ °0 0.5 2 .

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

y Ae . 7.4 4 (1 .4e-T 1 1 4 .x.ie-T ] u(k) .( T .x = = [4eA -T]� = 4 (1 .4e .4 (1 .e -T) 1 = 4 .T 4d.e -T ) = 4 . Be .A) 4d. C e y Aeq Beq xc ((k + l )T) y(k) = = Aeq x e (kT) + Beq w(k) C e xc (kT) + D e w(k) = foT e .x = foT e A .BeqDD Ce BeqCD -BDC e AD BeqDD BD Ce x(k + 1) = = = = con lo que matricialmente queda: y(k) = [ [ 5e-�1.e .T ] x(k) + e-T .BeqDDCe -BD C e ] x(k) + Reduciendo los términos de las matrices del modelo: = [ x�. EJERCICIOS RESUELTOS 361 e) El modelo de estado del sistema discreto equivalente es el siguiente: siendo A eq D e las matrices obtenidas en el apartado anterior.T) e-T las ecuaciones matriciales quedan como: xc ((k + l)T) y(k) d) = = [ e-T ] x e (kT) + [ 4 (1 .4 1 1 · 1 = 5e-T .e-T ) O ] x(k) + [ O ] u(k) [ 4 ..7 .x)Bed.e-T) ] w(k) [ 1 ] xc (kT) + [ O ] w(k) BeqCD AD El modelo de estado del sistema realimentado es: x(k + 1) y(k) donde: = [ C e O ] x(k) x(k) [ Aeq .T -1 · 1 = -1 1 4 (1 . Sustituyendo: = 4>(T) = eA c T y Beq = foT 4>(T .��) [ BeqBD ] u(k) BD ] Aeq .ie .

z .T )z e .l p 1-e = = ]= Por lo que la función de transferencia del sistema en cadena cerrada es: Como l e .z1 . .T (4 .1 p 1 4 1 (1 . 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.e-Tz.1 e . Para analizar la estabilidad.1 l .Z-l ) " L. (1 ..T )z .T )z e .e-Tz.e.T = 1+ O + + + + + O O � .l ) ". lo que no garantiza la estabilidad del sistema si las raíces son reales. e z --1 4(1 --e--TT ) = � z. 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 4(1--e-T) 1z -'------='---:-.1 0.z z 2 .Tz .1 ) 4 1 + -1 1 .5e .epTz .Z .e-Tz..l .l ) 4 1 ..1 + Z ..l eT 4 (1 .4 e .J -.362 e) CAPÍTULO 7.(1 e .T )z = z 2 (3 . ( 1 . se puede dibujar el lugar de las raíces.. + ( [ � Res 1 G(p) pT Z .

5e-T ) A + e-T = que coincide con la ecuación obtenida anteriormente.8273 Si T = 1. EJERCICIOS RESUELTOS 363 El sistema es inestable cuando alguna de las ramas abandone el círculo unidad.4e-T =} 6e-T < 2 =} e-T < 0. Así.5e-TA + 4A + A 2 + 4 .0987.4e-T = A 2 + (3 .T = ¡A . por ejemplo: Al = -0. A la misma conclusión se puede llegar analizando la matriz del sistema reali­ mentado: 5e -4 4.4 .3315 ° =[ > =} 2 + 2 e-T < 4 . lo que ocurre para z = -1.A) ( l .7.e-T ) < por lo que el sistema es inestable si T 1.333 - �1 i -T ] .10 =} { Al2 = -1.U¡ 5e-T .A) + 4 .e A cuyo polinomio característico es: (5e-T . Sus raíces son los valores propios de la matriz A y los polos del sistema.A .. La KLDR para ese punto es: por lo que el sistema es inestable si: KLDR = 2(1 + e-T) 4(1 .4 e .05 =} { A2 = -0.7.4 .4229 y Si T = 1.0041 A = -0.

.

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

ko)xo Como esta expresión se cumple para cualquier valor de Xo. es decir: Xo 3.10) . como ya se vio: x(k) = <I>(xo . ko). ko)xo = A(k)<I>(k. Transitividad El estado para una determinada muestra m 2: k se puede obtener como: x(m) <I>(m. como se vio en el capítulo anterior. ko) (8. la entrada se supone nula en todo instante. k. Identidad (8. la solución formulada con la ecuación anterior debe adoptar la forma: (8.4) x(k) = <I>(xo. Verifica la ecuación homogénea Sustituyendo 8.) .5 en la Ecuación 8.6) <I>(k + 1. Teniendo en cuenta que se trata de la solución de la ecuación homogénea y que.7) Propiedades de la matriz de transición Dado que la Ecuación 8. ko). se puede establecer que: <I>(k + 1. 8. ko)xo. ko) = A(k)<I>(k. 1. k. k)x(k) Como esta expresión se ha de cumplir para todo estado inicial Xo. se define como matriz de transición . comprobándose por lo tanto que la matriz de tran­ sición verifica la ecuación homogénea.5) La matriz <I>(k.8) (8. = x( ko).2. 2.9) <I>(ko.3.2 se tiene: Expresión que coincide con 8.3) Del mismo modo. La (8. debe ser forzosamente: (8. la ecuación anterior queda: (8. si se tiene en cuenta que la ecuación es lineal. ko). 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. por lo tanto. u(>.366 CAPÍTULO 8.5 se verifica para todo k se ha de cumplir también para ko. x(k) = <I>(k. ko)xo = (8. hecho establecido por hipótesis. ko) = I = <I>(ko.

x(m)). m) . 8 .12) Pero también se puede calcular este último estado partiendo del inicial x( k) me­ diante la expresión: (8.4.5 se cumple que: (8. resulta: x(k) = <P(k. m)<P(m. 13) (8. 17) Como esto se ha de cumplir para cualquier estado.19) .8. m)<P(m. por 8. se verifica que: 1 = <P(k. Cálculo de la matriz de transición Existen diferentes métodos para calcular la matriz de transición. al hacer la composición de ambas expresiones. partiendo del estado x(m). k )x(k) (8. utilizando 8. si la matriz A(k) es invertible. m)x(m) (8. se puede calcular su valor para una muestra posterior l 2:: m como: DE LA MATRIZ DE TRANSICIÓN 367 x(l) = <P(l. m)<P(m.16) Y con lo que. 1 . 18) 8.2. k)x(k) x(l) = <P(l. 14) Como esto es cierto para cualquier estado inicial y final. k)x(k) =? (8. m)<P(m.2 es posible calcular x(k) a partir de x( k + 1) generalizando: x(k) = <P(k. k) = <P(l.4. con k � m. de entre los cuales se pasan a detallar los más significativos a continuación. m)x(m) (8. CÁLCULO Asimismo.l (8. k)x(k) 4. se debe cumplir entonces: <P(l. k) x(m) = <P(m. 1 1) y componiendo las dos expresiones: x(l) = <P(I. 15) Asimismo. k) <P(m. k) = <P(k.4. Método iterat ivo Partiendo de la Ecuación 8. Inversión Dado un par de valores del estado (x(k) . particularizada para la muestra inicial ka: x(ka + 1) = A(ka)x(ka) (8.

a l x l (k) + a 2 x 2 (k) + . SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO Los sucesivos valores del vector de estado se pueden calcular como: x(ko + 2) y A(ko + l )x(ko + 1 ) A(k . .368 CAPÍTULO 8 . x2 (k) . . a 2 . entonces también lo son x l (k) . x (k). an =1. . Método de la matriz fundamental de soluciones y Partiendo de la Ecuación homogénea 8. es decir.2. La demostración de que si para cualquier valor de k. sea x l (k) . + a n x n (k) O <T>(k. .l )A(k .22) 8. .4.l)A(k - x(k) = A ( k . ko) + k . A(ko + l )A(ko)x(ko ) + .24) (8. . . kO)x2 (ko ) (8. . . X2 (ko ) . .20) (8. . + an x n (ko)) (8. . . propiedad que ha sido aludida sin demostración anteriormente. . kO)x l (ko) <T>(k.ka 2) · . . se le denomina conjunto fundamental de soluciones.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.O tales que: y y l De esta expresión e s fácil comprobar que s i la matriz A(k) e s invertible .25) como: = == . de suponer que existe una tupla de números a l . x2 (k) . xn (k) un conjunto de soluciones de la ecuación homogénea para distintas condiciones iniciales. expresadas por el superíndice: X l (k) x 2 (k) <T>(k.2) · · · A(ko l)A(ko ) por lo que en el caso de que el sistema sea además invariante: <T>(k. ko) = A por lo tantol: <T>(k. A(k) es invertible los esta­ dos x l (ko ) . ka ) . ka) (a l x l (ko ) + a 2 x 2 (ko ) + .n. lo e s asimismo la matriz de transición <I>(k. . . xn (ko ) son linealmente independientes.2. .21) (8. se refiere a continuación: Se parte de la hipótesis contraria. = A(ko l)A(ko)x(ko ) (8. suponiendo que A(k) es invertible para cualquier valor de 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� ] }

6. -4 .8. EJERCICIOS RESUELTOS 377 Siendo la salida: Para para para k = O: k = 1: k = 2: y (k) = [ 1 -1 ] x ( k ) + [3]u (k) y (O) = 1 + 6 = 7 y (1) = -2 .5 + 3 = -4 y (2) = 4 + 10 + 3 = 17 {y ( k)} = { 7. 17 } Por lo que l a secuencia de valores de l a salida es: .

.

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

tal que transfiera e l estado del sistema desde cualquier punto Xo de índice ko a Xl de índice kl . kl l si existe una secuencia de entrada. 1) se observa que el cambio ep.1 ) . Controlabilidad e n sistemas discretos lineales Al igual que en los sistemas continuos. u(kl . l + l ) B (l )u(l) l=ko L . a partir del estado inicial nulo. 9. ko)xo (ko ) + kl . Se dice que un punto del espacio de estado Xl de un sistema discreto es con­ trolable si. 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) con lo que. . • Controlabilidad en cualquier intervalo Estos conceptos se amplían a los de controlabilidad del sistema discreto en [ko . l + l ) B (l )u(l) (9. u(kl . partiendo de cualquier estado inicial Xo de un índice cualquiera ko .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 . . · . los puntos alcanzables vienen dados por la expresión: kl . De la misma manera.l l=ko L cp (kl . .380 • CAPÍTULO 9. se define la controlabilidad de la salida aplicando los conceptos anteriores a puntos del espacio de salidas en vez de puntos del espacio de estados.l x(kl ) = (9.3) cp (k1 . existe una secuencfa de entrada u(ko ) . . partiendo de la expresión: x(k ¡ ) = cp (kl . . u(ko ) ' u(ko + 1 ) . u(ko + 1 ) . kl l y controlabilidad del sistema cuando todos los puntos del espacio de estados lo son. . dada la linealidad del sistema planteada por hipótesis.1 ) que transfiera el sistema al estado xl (kl ) de índice kl finito. En efecto. el vector de estado es equivalente al que se obtiene al transferir el estado desde un valor inicial nulo al valor final: (9.

ya que: x(k¡ ) k1 . se puede establecer que la controlabilidad depende de A(k) y B(k). a su vez. ka) = es no singular.5) La demostración de este criterio sigue los mismos pasos que la del criterio análogo formulado para los sistemas continuos. CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES 381 La controlabilidad del sistema depende entonces exclusivamente de las matrices <l>(k.1 l=ko L <l>(k1 . como. 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. ka) depende únicamente de la matriz A(k). 1 + l)v = O vTW(k1 . • Condición suficiente Si la matriz W(k 1 .6) que transfiere al sistema desde el estado inicial nulo al estado X l en k1 muestras. l + 1)B(l)BT (1)<l>T (k1 . ka) es singular.2. l 1 :L <l>(kl . ka) es no singular.7) • Condición necesaria Si W (k l . para un estado final X l cualquiera existe una entrada: (9. 1 + l)B(l)u(l) (9. ka)v = O (9.9. 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 . la matriz <l>(k.4) W(k 1 . ka) y B(k) . l + 1)B(l)BT (l)<l>T (k1 . debe existir un vector v no nulo tal que: k - por tanto: l=ko l 1 L vT<l>(kl .8) .

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

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

9. Si alguna de las matrices del sistema es de coeficientes complejos.1 l= ko L C(kd<'J?(k1 .3 del estado en función de la entrada. se puede establecer que el subespacio controlable atiende en ambos casos al mismo comportamiento.20) Caso lineal e invariante En el caso de que el sistema discreto sea lineal e invariante. De otra parte. y dada la evidente dualidad entre las conclusiones obtenidas en el estudio de los sistemas discretos en relación con los continuos. en el caso de sistemas discretos lineales.1 l= ko L C(kd<'J?(k1 .384 CAPÍTULO 9. suponiendo que se parte de salida inicial nula: y comparar esta expresión con la Ecuación 9. al ser una propiedad intrínseca del sistema. el criterio para estudiar la controlabilidad de la salida se formula exactamente igual a como se hace para el caso continuo: . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO asimismo con la del caso continuo) . y(kd = k1 . 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. basta con expresar la salida en función de la entrada. 19 hay que tomar las matrices conjugadas de las transpuestas en lugar de las transpuestas. 18) Wc (k 1 . se establece el criterio: Dado el sistema discreto lineal de dimensión n definido por las ecuaciones: entonces la salida es controlable en [ko. l + 1)B(l)BT (l)<'J?T (k1 . tanto en la forma de la obtención de su base como en su invarianza ante transformaciones en la representación del estado. se obtiene también como el número de columnas linealmente independientes de la matriz Q. ko ) = es no singular. es decir. l + l)B(l)BT (l)<'J?T (kl . Así. igual que en casos anteriores. en la Ecuación 9. kl . 17) (9.4.19) Para realizar la demostración de la efectividad de este criterio. l + l ) CT (kd (9. como el rango de dicha matriz. l + 1 ) CT (k1 ) (9. la controlabilidad de la salida de estos últimos sigue manteniendo una clara semejanza con la estudiada para los sistemas continuos.

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

Observabilidad e n sistemas discretos lineales Para determinar bajo qué condiciones se puede obtener el estado inicial.25) (9. l + l)B(l)u(l) (9. k 1 l y de observabilidad del sistema cuando todos los puntos del espacio de estado lo son. ya que entonces. cuando l a matriz C sea d e dimensión n x n y no singular Vk. ko)xo (ko) l=ko L cp (k.23) Al igual que en los sistemas continuos. por lo que por comodidad se puede elegir. ya que conocidas la entrada y la salida se puede formar una nueva salida que cumpla: y (k) y(k) . se parte de la ecuación de la salida: con: y(k) = C (k)x(k) + D(k)u(k) x(k) = cp (k. la observabilidad será. por tanto.D(k)u(k) (9.386 CAPÍTULO 9. E l caso trivial d e observabilidad será. para realizar el estudio.24) y si C es no singular para un determinado ks : x(k) = C .27) El caso general de observabilidad se puede determinar por el siguiente criterio: . l + l)B(l)u(l) . ko)xo (ko ) + k-l l=ko k-l (9.22) L cp (k. conociendo las secuencias de entrada y salida.C (k) Estas dos salidas coinciden si la entrada en el intervalo considerado es nula. asimismo. una entrada nula.1 y(k) (9. estos conceptos se extienden a los de observa­ bilidad del sistema discreto en [ko . este análisis se puede reducir al caso de entrada nula. ante entrada nula: = C (k) cp (k.26) y para todo índice k: (9. únicamente de las matri­ ces cP y C. La observabilidad del sistema vuelve a depender. 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. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Como en todos los casos anteriores. pues. 9.6. función de las matrices A y C.

ko) kl (9. es también nula. ko)xo = O o.32) y por lo tanto: k1 l=ko L x6 cI> T (l. por lo que existe un vector Xo distinto de cero que verifica: X6V(k 1 .3 1 ) (9.( 1 . kO)C T (l) C (l) cI> (l . ko)xo = O (9.35) C (l) cI> (l . ko)xo C� . por lo que no es posible distinguir mediante la observación de la salida entre el estado inicial nulo y el estado inicial xo · (9.¡. ko)xo l 1 2 O l=ko y puesto que es un sumatorio de términos mayores o iguales que cero Vl.29) sólo si la matriz denominada gramiano de V(k 1 .33) Condición necesaria = V. ko � l � k1 : = kl = (9. ko) C T (I)e( l). lo que es lo mismo.6. ko)CT (l)y(l) k1 l= ko V(k 1 . hay que probar que es necesario y suficiente: • La prueba de que el cumplimiento del criterio es condición suficiente es inmediata. ko) Xo ) (9. pues si la matriz V(k1 .¡. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES Dado un sistema discreto lineal con una representación de estado: 387 x(k + 1) y(k) entonces es observable en [ko . ko)xo L II C (l) cI> (l .T (1 . ko) = es no singular. partiendo del estado inicial Xo .1 (kl . l=ko L cI> T (l . la evolución libre del sistema. ko) es invertible.34) su evolución ante entrada nula. 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) es singular. k 1 l si observabilidad y definida como: y A(k)x(k) + B (k)u(k) C (k)x(k) + D(k)u(k) (9. ko ) L cI>T (l. 3 0) Para demostrar la validez de este criterio.28) (9.9. entonces: l=ko Condición suficiente k1 L cI>T (l . kO)C T (l) C (l) cI> (l .

9 . existen puntos que producen salida nula en el intervalo [ka . ya que si el rango de la matriz Condición suficiente . 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.38) La condición impuesta por el criterio es suficiente. El resto de los puntos del espacio no son observables. producen una res­ puesta libre del sistema nula. Si el sistema no es observable. si las matrices el> o C son de coeficientes com­ plejos.36) (9. k 1 l si la respuesta del sistema ante entrada nula y estado inicial Xa es idénticamente nula para ka :S k :S k 1 · Un punto del espacio de estado Xa es no observable si la respuesta del sistema ante entrada nula y estado inicial Xa es idénticamente nula. tomados como estado inicial. llevan de manera semejante a los sistemas continuos a las siguientes definiciones: 388 CAPÍTULO 9. La existencia de estos puntos que. k 1 l ante entrada nula. en lugar de las transpuestas.30 las matrices conjugadas de las transpuestas.Al igual que en los sistemas continuos. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Se dice que un punto del espacio de estado Xa es no observable en [ka . por linealidad. por lo que no se puede distinguir entre ellos. = es de rango • [ c� 1 CA n . puesto que cualquiera de ellos produce la misma salida que su suma con un punto no observable. 7. puntos que se denominan no-observables.37) (9.1 Ax(k) + Bu(k) Cx(k) + Du(k) (9. se deben utilizar en la Ecuación 9.

7. a partir de ellas. CA ) . de forma que no se ve afectada por la representación del estado elegida. Xo será no-observable.40) y. . ko + 1 . determinar cuál es el estado xo . entonces de: y(ko ) y(ko + 1 ) y(ko + n . Como sucede también en el caso continuo. aunque dicha representación se vea sometida a una transformación lineal. • Si la matriz P es de rango menor que n.n� l para todo índice l la matriz CAl es Como combinación lineal de (C. De esta forma se garantiza que. cuya dimensión será por tanto n . r.1 ) .9.1 ) CXo CAxo (9. r . CA. ko + n . OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES 389 P es n. por tanto.39) se pueden seleccionar n ecuaciones linealmente independientes y.donde es el rango de P. la observabilidad es una propiedad in­ trínseca del sistema.41) = (9.42) sea de rango n. Si se define el subespacio no-observable como el conjunto de puntos no-observables. necesitándose como máximo n elementos y como mínimo el menor valor de i que verifique que la matriz: (9. al compararla con las Ecuaciones 9. se llega.39. al igual que para los sistemas continuos. La observabilidad del sistema también está condicionada al número de elementos de la secuencia de salida disponibles. existe un vector Xo no nulo que cumple: PXo O Condición necesaria ecuación que. a que dicho sub espacio está generado por el núcleo de la aplicación definida por la matriz P. . . " . . entonces: (9. indica que el vector de salida es nulo para (ko . la observabilidad del sistema seguirá siendo la misma. .

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

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

ya que los valores propios que se buscan estarán en una región distinta de diseño dentro del círculo unidad.43) (9. {v(k) } { y (k) } Figura 9. dado un sistema discreto en su representación de estado.2.47) Bajo las condiciones adecuadas de controlabilidad del sistema. también se podrán fijar aquí los valores propios de la matriz Ar . definido por sus matrices A. Tal y como se ve en la Figura 9. Obviamente los objetivos de diseño serán distintos.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) = = (9.9. . B y C. 45) (9.2: Sistema discreto con realimentación del estado. CAPÍTULO 9. también la dinámica del sistema viene determinada por: Ar A + BK (9. determinando los valores adecuados de la matriz K. 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.392 9. el objetivo es diseñar una matriz de realimentación constante K. Igual que en los sistemas continuos se cumple que: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) (9. por motivos cuyo estudio se aborda en otros textos. de modo que el sistema total cumpla los objetivos de diseño planteados.46) por tanto.

el conjunto de variables de estado x(t) se muestrea con un período T mediante un convertidor analógico-digital. El diseño se puede enfocar de dos maneras. diseñar la correspondiente matriz de realimentación K para dicho sistema .9. y y (t) Computador I nterfase Sistema continuo Figura 9. se multiplica por la matriz de constantes K. las matrices de transformación y toda la metodología estudiada para aquellos sistemas es válida para el diseño de sistemas discre­ tos. la diferencia se lleva mediante un bloqueador normalmente de orden cero. a las variables de actuación del sistema u(t) .1 (9. obteniéndose la secuencia discreta {x( k) } . este vector se realimenta se compara con un vector de referencias.48) (9. 9. 10.49) son las mismas que en sistemas continuos. Se puede considerar todo el sistema como continuo. por naturaleza discreto. Sistemas muestreados de control El caso que se plantea aquí es el común de los sistemas actuales de control. 10.3: Sistema muestreado con realimentación del estado. en el que se pretende controlar un sistema continuo mediante el uso de un computador.3. 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 . convertidor digital-analógico. La configuración del sistema suele ser la que se indica en la Figura 9.

cualquier método de discretización da como resultado la misma matriz K . reflejado en la Figura 9 .50) (9. {v(k) } r. 8 (T)) es controlable. ya que. operación exacta sin pérdida de información. El otro enfoque del problema es calcular un equivalente discreto del sistema continuo.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)K I (9. cabe dentro de lo posible que en algún sistema con período de muestreo muy bajo sea necesaria su consideración. únicamente es aproximado pues tanto en el proceso de muestreo como en el de reconstrucción hay siempre una pérdida de información. como es sabido. e {y(k) } Figura 9.�--. Este enfoque. Este caso es inmediato. En el caso más sencillo en el que se pueda suponer que el tiempo de cálculo es nulo. se discretiza directamente el sistema continuo mediante el método estudiado en 7. para hacer luego el diseño como sistema discreto. se pueden asignar libremente los polos del sistema. 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. como la matriz K es constante.52) en el que..4: Sistema muestreado con tiempo de cálculo nulo.394 CAPíTULO 9. si el sistema (�(T) . con el fin de calcular un equivalente discreto de esta matriz. 4.�(T) .53) Aunque con los sistemas actuales de cómputo lo normal sea despreciar el tiempo de cálculo. como es sabido. p(A) = I AI .6. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO continuo. .

dedicando el tiempo entre muestra muestra para calcular la siguiente actuación sobre el sistema. 8(T)] .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. el sub­ sistema controlable del sistema con retardo contiene al menos al sistema primitivo.l .55) que coincide en sus primeras filas con la matriz de controlabilidad Q del sistema [<I> (T) . En este caso el esquema es equivalente al de la Figura 9. equivalente a actuar sobre el sistema obtener sus medidas en el instante de muestreo. Realimentando entonces con: u(k) = v (k) + [ O K ] se obtiene el sistema total: w(k + 1) [ x(k + 1 ) ] X(k) [ w(k) ] (9.10. es de la (9.54) 8 = 8 (T) . {v (k) } �___ {y(k) } {w(k) } Figura 9 . SISTEMAS MUESTREADOS DE CONTROL y 395 y La suposición más sencilla es considerar un tiempo de cálculo igual al período de muestreo.5.9. 5: Sistema muestreado con tiempo de cálculo no nulo.57) . utilizando la notación forma: ] = [ <I> (T) OO ] [ w(k) ] + [ 8 O(T) ] u(k) X(k) 1 <1> = <I>(T) y (9. Se puede sacar como conclusión que si el sistema sin retardo era controlable.56) (9. donde el tiempo de cálculo se representa mediante un retraso Z . 9.

como se muestra en la Figura 9. se pueden ajustar los valores propios del sistema. dado que: x(t) = el> (t.6. 1 .A)T) x(k) + 8 ((1 . Aunque este retardo se produce en la parte discreta del sistema.61) por lo que el nuevo sistema antes de realimentar (parte derecha de la Figura 9. T)Bu(T)dT it o (9. En este caso.58) {v(k) } {u(k) } . A ::.60) (9. considerando u(k) x(k) en el instante de actuación w(k) en el de muestreo . con O ::.63) .59 ) el> (T)X(k) + 8 (T)u(k) x ( (k + 1)T . y ] (9.AT) = el> ( (1 . CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO y(k) = [ e o x(k) 1 w(k) [ en el que.396 CAPÍTULO 9. a la hora de su estudio puede resultar algo más sencillo considerar que el retardo se produce en la parte continua.A)T) u(k) (9.A)T) = el>(T) } ==} w(k) = x(k) 8 ( ( 1 A)T) = 8(T) (9. mediante la adecuada elección de la matriz K.62) (9.6) 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 . En el caso más general se puede estudiar el comportamiento del sistema considerando un tiempo de cálculo AT. I I y y(t) Figura 9.6: Sistema con retardo no múltiplo entero del tiempo de muestreo. to)x(to) + se obtiene que: x(k + 1) w(k + 1 ) ¡ t el> (t.

En este caso la realimentación es también: n. .65) n. Determinar igualmente si.>')T) e ( ( l . = 1 � e ((l = y {I <I> ( (1 .5 O [ 1 y(k) ] [ x l (k) ] + [ 11 ] u(k) x 2 (k) [ O ] X l (k) ] -0.11.. coincidiendo también en sus primeras filas con la matriz de controlabilidad del sistema sin retardo. Ejercicios resueltos O ] [ :��) ] ] [ w(k)) ] + [ e ( (e-(T)>')T) ] v (k) X(k l n (9. <I> n.>')T) . n ] (9. e <I>).l e <I>).>')T)K y(k) = [ e [ x(k + 1) ] = [ sistema en el que una adecuada elección de K permite la asignación de polos del sistema. La matriz de controlabilidad en este caso. . la dimensión del subespacio del sistema con retardo es al menos conteniendo al sistema original. <I>).68) 1 . Vuelve a suceder aquí que si el sistema sin retardo.66) obteniéndose como sistema realimentado: w(k + 1) e (k)K <I>(T) <I> ( (1 ...11. Dado un sistema discreto definido por las ecuaciones: [ Xx2l (k + 1l)) ] (k + [ 0.5 O x 2 (k) Estudiar la controlabilidad del sistema.>.64) e). = e ( ( l ... <I> e . .67) (9. partiendo del estado inicial x(O) = [1 I V . utilizando como notación <I>). <I> n .2 e (9.>')T) = 1O } � w(k + l ) = x(k) >')T) <I>e <I> 2 e . (9. y EJERCICIOS RESUELTOS 397 que para >. 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 . de dimensión es con­ trolable. = <I> (( 1 .9. )T) es de la forma: Q= e [ e). 9. . = 1 se está en el segundo de los casos: >..

� � u(O) 2.5 � = + = . 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.5 Q = [ B AB 1 = � [ -0. Con un valor menor de k1 se pueden alcanzar también algunos puntos. Obviamente. . i = k 1 .ko 1 y [�] � rango(Q) = 1 � o. pues. lo que es lo mismo. A i . k 1 = 1 .l .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 = O.1 O 1 -0 � ] = [ 005 -0.5 ] [ 11 ] [ 0. el punto que se desea alcan�ar debe ser la suma de la evolución libre de un vector correspondiente al subespacio controlable para ese k1 .5 ] rango(Q) = 2 por lo que el sistema es controlable para k1 = 2.1 B .1 y l = ko L A k . entonces: O 1 -0.ko x(ko ) + k. no existe una secuencia de entrada que permita alcanzar dicho estado para k1 = 1 . Se puede afirmar. . para k1 = 3 el sistema sigue siendo controlable. pero no todos los del espacio de estado.5 -0. Para k1 = 1 : Q= [ B Qi = [ B AB .5 ] [ 11 ] u(O) O [ a x(k) = A k . ) Si x(l) = [3 3]T. que se alcanzará cualquier estado final si se fija un k1 igual o superior a k1 = 2. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que el sistema no es controlable con k 1 = 1 .1 Bu(l) Como puede comprobarse. Para k1 = 2 : 0.5 [ � ] [ _�:� ] [ � ] u(O) { u(O) = 3.

9 .�. como por ejem­ plo: 1 = 2.5 ] 3 . k1 =1 3.1 . k =} =} =} =} =} =} =} { u(O) u(l) . u(1) + u(2) Si x(2) = [3 3jT. u(2) O u(2) 3 u(2) = 2. 22 5u(0 ) + 0.1 1 ] u(O) + [ [ 0 -0.O . 5 O ] . 5 o [ � ] + 0 5 � r.1 [ � ] u(l) + [ 005 .1 � ] u(O) + [�]=[ r[ 0 . 5 [ 1 [ O -0.75 -0. k1 = 1.5 2. Si x(3) = [3 3jT. � ] + [ _ � :� ] u(O) + [ � ] u(l) = = =} { 2. 5 ] .75 u(l) Luego con la secuencia de entrada {u (k)} = {O. entonces: [ . ] = [ _ �: � ] + [ � ] u(O) { ���� : .4 Esta conclusión era esperable.�.0 1 ] + O 5 O ] 2 .0.1 [ + [ 005 . : � = = = =} =} =} ecuaciones para las que se pueden obtener infinitas soluciones. EJERCICIOS RESUELTOS 399 b) e ) d) 12 = u(O) = u(O) = -0. 2 5 .0.[ 1 ] u(l) [ � ] = [ � :.125 = 0. ko 2= O.75 = 0.4 2 5 -0. 5 u(0) + u(l) 2. ] = [ 005 . Esta conclusión era esperable. � ] u(O) + [ _ �: � ] u(l) + [ � ] u(2) 2. 1 1 .� ] + [ � : . { u(l) = O-0. 2 5 . 2. 5 r. pues ya se ha demostrado que el sistema es controlable para k1 = 3.0 . Si x(l) = [3 2jT. 5 u(0) + u(l) { u(O) = O2.5 r-O. 55 u(1) + u(2) { 3. 5u(0) . entonces: 33 ] = 0 . puesto que el sistema es controlable cuando k = 2 como ya se ha demostrado. ko = O. 5 [1 2 1-1 1 O5 O + [ O .75} se logra llevar el sistema al estado deseado.875 = 0. 5 ] 3 ..o [ � ] + [ 005 -� . { u(l) = 2. ko = O: 005 -� .1 [ � ] u(O) [ .�.[ � ] u(2) [ � ] = [ _ � :�.

es posible alcanzar algunos puntos del espacio de estado. 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 . Determinar el estado inicial.5 + [ 1 1 ] x(k) [ 1 ] u(k) O [ 0.5 ] [ ] k1 depende del rango de la matriz: Si k1 = ko es: + luego el sistema no es observable para k1 = ko . 1 } .400 CAPÍTULO 9. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Luego con la secuencia { u(k) } = {2. ante entrada { u(k) } = {2.k¡ ) = 1 por lo que el sistema es observable. por lo que el sistema es observable se puede conocer el estado inicial.5} se consigue. entonces es evidente que k1 = ko + 1. Si k1 = ko 1 .k¡ = [ C ] =} rango(Pko . Aunque el sistema no es controlable para k1 = 1. 2. y O x(k) + 1 u(k ) 1 -0. Dado el sistema: x(k + 1) y(k) La observabilidad del sistema entre ko Estudiar su observabilidad. si se conoce que. Si se conoce la entrada { u(k) } = {2. 1 } la salida { y(k) } = {4. 5 } . siempre que sea posible. entonces: Y Pko . la salida es { y (k) } = {4. 5} .

5x Q1 -0. que el estado inicial es: x(ko) = [�] { XO02l = 11 X = =* O = XO l .I .l Para k1 = ko + 1 : con: x(kI ) [ [ l = ko O 0.5XO [ -0.9 .5X 0 2 + 2 + 1 0.5X02l + 22 ] + [ 1 ] 1 + con: 2 = XO l + X0 2 Es decir.5 2 0.0.5XO l + 2 .X0 2 . 1 1 .5X 0 2 + 2 ][ ] ] [ ] =* L A kl .5 XO l X0 2 O -0. EJERCICIOS RESUELTOS 401 y(kd = Cx(kd + Du(kd A k l -ko x(ko) + k.1 Bu(l) = + Ao [ 11 ] u(O) = =* Sustituyendo en la ecuación de salida: 5= [ 1 1 ] 5 = 0. .

.

Parte III Apéndices 403 .

.

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

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

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

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

25) de donde: A [ u x ] = [ u x J [ � � ] = [ '\u u + '\x ] (A. Así. siendo la caja de Jordan asociada igual a una matriz diagonal con una subdiagonal superior de unos. Una vez hallado el vector propio u asociado al valor propio. En este caso no coincide el número de valores propios vectores propios. CÁLCULO DEL VECTOR PROPIO ASOCIADO A UN VALOR PROPIO y 409 simples) o por el contrario sea menor que el orden de multiplicidad. Se cumplirá: (A. y =* =* .3.24) T= [ u x ] siendo conocido u desconocido x. se plantea cómo con­ seguir en la matriz de transformación T la aportación de este valor propio.27) Ax De esta última ecuación se obtiene el vector x. la aportación será de dos vectores columnas que se expresan como: (A.26) { Au = u'\u+ '\x(A -(A'\I)u'\I)xO = u = = (A. para el caso en que el orden de multiplicidad sea dos.A.

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

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

.

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

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

Sign up to vote on this title
UsefulNot useful