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

. . . . .1. Controlabilidad en sistemas discretos lineales invariantes .6. Sistema discreto invariante equivalente . . Ejercicios resueltos . . . .6. . 7. . Sistemas muestreados de control 9. 7.3. . 8. . . . Controlabilidad de la salida .4. .6. . . . Método de Cayley-Hamilton . .6. 9. . . . Introducción . Modelo de estado en variables de Jordan . . . Solución de la ecuación discreta de estado 343 8. . . . . . . 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 . Sistemas híbridos . Método de la matriz resolvente 8. . . .3. . .3. Solución de la ecuación homogénea. . . . . . . . . . 8. . . . . . Modelo de estado en variables de fase 7. 9. . . 8. . . . VIII JI ÍNDICE GENERAL Sistemas discretos 341 Modelo Discreto de Estado 7. Método iterativo . .4. . . .1. . . . Observabilidad en sistemas discretos lineales invariantes 9. . . . . . . . . 7. . 7. . 7. . . Matriz de transición . . . . . .4.4.4. . . . .7. 8. . . . . . . .5. .4.7. . . Solución de la ecuación completa 8. . . 8. . .1. . Obtención de la representación externa a partir del estado 7. . .4. . . . Controlabilidad . . . Control de sistemas discretos por realimentación del estado 9.11. .5. 7. . . . Obtención de modelos discretos de estado . . . . . . .3. .4.6. Introducción . . . 7. 9.10.6. . 8. . .1. . . . 9. . . . . .7. . . . . . .4. .9. . . . . . . Transformaciones lineales . . .4. . . . . 9. .2. .5. . . . . . 7. Ejercicios resueltos . Controlabilidad y observabilidad en sistemas muestreados 9. . . . . . . Propiedades de la matriz de transición Cálculo de la matriz de transición . . . .6. . . . . 9. . Método de la matriz fundamental de soluciones 8. .1. . . . . . . 7. Ejercicios resueltos . 7.2. . . .2. .4. Controlabilidad en sistemas discretos lineales . . Definición de estado para sistemas discretos Sistemas dinámicos discretos . .4.2. . . . . . . . . . . Observabilidad en sistemas discretos lineales . . .3. . .3. 9. . . Sistemas muestreados . 7. . . . . 9.1.2. . . .2. .5. . . . . 8. . Sistemas variantes . . . . Método de diagonalización de Jordan 8. Sistemas híbridos realimentados . . . Observabilidad . .4. . .8. . . .

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

.

Bloque integrador.2. Control proporcional del sistema anterior. . 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 . Superposición de la evolución libre con el subespacio controlable. 1. Multiplicación por una matriz. Realimentación en sistema de tipo uno. Adición del parámetro Kü. 3. .5.4.8. . 3. . .ín dice de figu ras 1.2. . . . . . . Separación de la parte no-observable. 3.1. .3. 1. 5. . . 4. Sistema no controlable. 1. 5.4. .1. . Concepto de observabilidad. . . Transitividad de estado . . . . . .12. . 1.5. . Sistema lineal con el conjunto de entradas de test . .9. . Transición del estado entre dos puntos. Puntos alcanzables desde (0.11. . . Separación simultánea de los subsistemas controlable y observable. . .3. . . .0 ) . 1.1. .. Sistemas en paralelo . Representación gráfica del subsistema controlable. . . . . . . . 4. 3.10. . . . . .2. 1. . . . Trayectoria del vector de estado en el espacio de estado. . . Separación detallada de los subsistemas controlable y observable. .4. Transformación de la matriz de realimentación K. 4. . . . Representación gráfica vectorial del modelo de estado. .5. Sistemas en serie . . . Sistema con realimentación de estado. . . . 5. 1.6. . .4.1. 1. .2. . . 4. 1. . . . Realimentación constante de la salida.7. . . 5. . . .. .3. de forma directa (línea continua) y con un punto de paso intermedio (línea discontinua). . 1.5. . Realimentación del estado .3. . 4. . . Representación gráfica del modelo de estado. Bloque sumador . . . . 5. 3. . . Evolución temporal de las variables de estado . . . .

. 9.6. . . 9. 6. . . 9. Sistema con observador matriz de transformación. . . . Sistema con observador realimentación.2. . . . . . 9. 6. .3.1. . .3. .2.2.5. . . . 7. . Esquema des sistema con observador en la forma canónica observable. Esquema des sistema con observador realimentación en espacio de estado transformado.1. . . . . . . . Concepto de observador. 7. . Conversión a sistema de tipo uno . . Sistema muestreado . .7. .5.6. . Sistema híbrido realimentado. . 6. . . Sistema discreto con realimentación del estado. Sistema con retardo no múltiplo entero del tiempo de muestreo . Sistema muestreado con tiempo de cálculo nulo. . . . .4. . 6. 9. . .3.8.4. . .6. . .XII ÍNDICE DE FIGURAS 5.4. . Sistema muestreado con realimentación del estado. 6. 7. . Sistema con observador de orden reducido. . Esquema del sistema con observador. Sistema con observador realimentación del estado. y y y y y 246 287 288 292 293 297 300 301 310 352 353 355 357 390 392 393 394 395 396 . Sistema con parte discreta parte continua.1. . 6. 7. Sistema discreto equivalente. . . . . . Sistema muestreado con tiempo de cálculo no nulo. . . 6. . 6. . 9. . . Sistema continuo multivariable .

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

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

Así. Poincaré. 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. e introdujo la ahora familiar idea de considerar el conjunto relevante de variables del sistema como la trayectoria de un punto en un espacio n-dimensional. xv .Prefa cio A finales del siglo XIX H. 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. dejaron claro la gran utilidad del concepto de estado en la formulación y solución de muchos problemas de decisión y control. entre otros. La incorporación de todos estos métodos del dominio temporal tuvo un efecto profundo sobre el problema del control y dio lugar a contribuciones importantes para resolver los problemas de guiado del programa espacial que se había iniciado a comienzo de los años 60. el concepto de estado se hace dominante en el estudio de los sistemas dinámicos. Se necesita un conjunto extra de variables cuyo objetivo es tomar en cuenta la historia pasada del sistema. con su trabajo pionero sobre los Nuevos Métodos de la Mecánica Celeste.E. 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. El enfoque de Poincaré al estudio de problemas dinámicos rápidamente se popularizó y se vino a conocer como método del espacio de estado. intuyó la significación profunda de formular una teoría general de los sistemas dinámicos en función de conjuntos de ecuaciones diferenciales de primer orden. estas variables son las variables de estado. 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 importancia creciente de los métodos del espacio de estados lleva a R.

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

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

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

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

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

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

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

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

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

xx

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

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

XXII

Parte 1 Sistemas continuos

1

1
1.1.

Modelo de esta do
Introducción

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

4

CAPÍTULO

1.

MODELO DE ESTADO

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

1.2.

Concepto de estado

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

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

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

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

para los que dada una entrada se puede encontrar una salida de forma unívoca. 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. U(T) to T � t x(t) es única. en contraposición a los sistemas estocásticos. admite infinitas bases. el análisis se centra en los sistemas deterministas. por lo que también existen infinitas posibilidades. Dentro de los sistemas causales. tal como se observa en la Figura 1. Unicidad 't/t � to. para la formulación del modelo de estado de la Ecuación 1.1 se van a establecer dos hipótesis ya conocidas. por eliminación del tiempo entre todas ellas. según se refleja en la Ecuación 1.1.2. 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. 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. la combinación de estas evoluciones. relacionadas entre sí mediante transformaciones lineales. En aras pues de avanzar en la introducción de los conceptos fundamentales de la teoría moderna de control. por lo que siempre se parte del supuesto de que se ha de cumplir con esta propiedad.1 para el caso de un modelo con tres variables de estado. Esta dependencia no afecta a cualquier variable externa. el estudio se centra en los sistemas físicos. En principio. CONCEPTO DE ESTADO 7 en su tratamiento. sistemas que por propia naturaleza cumplen con el principio de causalidad. como puede verse en la Figura 1. Xo = x(to). El vector de estado se define sobre el denominado espacio de estado: Espacio de estado es el espacio vectorial en el cual el vector de estado toma valores. 1.1 . y que también aparecen en la teoría clásica de control. La representación del estado depende de la base elegida. como las entradas y las salidas. 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). en primer lugar.2.1. para los que la salida ante una determinada entrada se modeliza como una cierta función de densidad de probabilidad. igualmente relacionadas entre sí por transformaciones lineales. Al ser el espacio de estado un espacio vectorial. se concreta en una trayectoria que el vector de estado sigue dentro del espacio de estado. se orienta por tanto el estudio hacia los sistemas lineales. < =} .2 . teniendo por tanto la misma dimensión que el número de elementos de dicho vector. que no modifican su expresión sea cual sea la representación del estado elegida.

CAPÍTULO 1.5 1 X. -1 Figura 1.8 1.5X.1: Evolución temporal de las variables de estado.75 -0. o 0.2: Trayectoria del vector de estado en el espacio de estado.5 X. / / ¡- \ ---- ---- ---- X3 -1 / / ---- / ---- / ---- o Xl 2 I I -1 -0. . X.25 0.5 -0.5 I I I ¡1 Figura 1. MODELO DE ESTADC -0.25 0.

to . to Continuidad t---+ to (1.3. U(T) ) con h T ::. 1. t2 siendo: x(td w(tl .. tl . Ecuaciones del modelo de estado Como se ha establecido con anterioridad.. 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 ::. to . JI." x(to ) x(td Figura 1.3: 'fransitividad de estado = = < < X(t2) W(t2 . x(to )..1. Una definición amplia de dichos sistemas es la siguiente: .. ::. 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. . Transitividad o propiedad de transición Si se considera en una en el espacio tiempos. tal como se esta propiedadFigura 1. el del estado en de 2 -'--- �/:. testá en la 2 . U(T)) con to T t2 X(t2) W(t2 .. to l trelacionado pormuestra trayectoriatransición:valor de estado tresestos tiempos. x(to ).x(h).. ECUACIONES DEL MODELO DE ESTADO 9 2.3..3.2) Y 3.

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

1 .KX 1 (t) .Jy(t)] 1 [u(t) . 3.4. el estudio de estabilidad requerirá de métodos específicos según la naturaleza lineal o no lineal de esta ecuación. se necesitará n dos varia bles de estado. 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. ECUACIONES DEL MODELO DE ESTADO 11 indefinido sin que se produzca variación alguna. mientras que la determinación de los estados de equilibrio se lleva a cabo encontrando las soluciones de la ecuación: (1. de una masa M con consta nte elástica K y con coeficiente viscoso J. u(t)) = O Ejemplo 11 O btener el modelo de estado que define la evolución del desplaza miento y(t) . x(t) .2 y(t) F(t) Al ser u n sistema de segu ndo orden . se estudian a partir de la Ecuación 1.6) J(t. Se eligen: = = = Ky(t) + J dy(t) dt = f + M Teniendo en cuenta que u(t) :i.¡ (t) : h (t) y(t) X 2 (t) 1 jj (t) = M [u(t) .Ky(t) .JX 2 (t)] M X l (t) X 2 (t) F(t) .

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

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

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

A(t)T B (t) = T..4.. representada en la Figura 1. Hay tres tipos básicos de elementos: 1. Bloque integrador. 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. lo que simplifica la expresión de las matrices del modelo de estado en la nueva base: l A (t) = T.. 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. es decir. . que no dependa del tiempo.15) 1. · jt00 u(r)dr - = y(to) + ( u(r)dr t it a (1..(]H5.4: Bloque integrador. representado en la Figura 1. pero sigue siendo el mismo. y(t) = 2.16) u(t) �y(t) = 0 · Figura 1.5. i Figura 1.. Multiplicación por una matriz.5: Multiplicación por una matriz. La matriz de transfor­ mación T(t) es tal que sus columnas representan las coordenadas de los vectores que constituyen la nueva base expresados en la base antigua.5.17) . ¡ 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.

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

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

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

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

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

Dichas tensiones tienen en genera l va lores disti ntos q ue dependen de sus condiciones i n icia les. 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 .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. En sistemas hidráulicos: altura de fluido en los depósitos (energía potencial). Un razonamiento a n á logo a l del a partado a nterior l leva a la concl usión de que la i ntensidad q ue pasa por la ú ltima ra ma es la misma que pasa . . Por ta nto. las tensiones Uc 1 Y Uc 2 son varia bles de estado del sistema que representa n la tensión en condensadores d iferentes. por los dos deva nados contiguos q ue constituyen la única bobina de esta ra m a . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO • • 21 y • En sistemas mecánicos: las posiciones (energía potencial) las velocidades (energía cinética).1 . 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. En sistemas térmicos: temperatura (energía térmica). representa ndo en rea lidad la misma tensión física de un m ismo condensador. deben ser designadas con el mismo sím bolo y ser elegidas sólo como una n ueva variable de estado. 1. 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. 7. simu ltánea­ mente. se deben elegi r como varia bles de estado aquellas que repre­ senta n el "estado"de cada u no de los elementos acu m u ladores de energía . que en u n ci rcuito electrónico son las tensiones en los condensadores y las i ntensidades en las bobinas. Por ta nto. que son necesarios para determinar el estado del sistema en cada insta nte.

Variables d e estado como salida de los integradores 1. y ( 1 . a continuación se expone dicho procedimiento aplicado.7 y Se concl uye. que por tanto no presentan discontinuidades en sus valores ante discon­ tinuidades de la entrada. . a sistemas lineales con objeto de obtener una forma genérica del modelo de estado para dichos sistemas. en concreto los 1. MODELO DE ESTADO Ejemplos adicionales de obtención de modelos de estado basándose en este criterio se pueden encontrar en la sección dedicada a tal efecto al final del capítulo. es elegir éstas como las variables que representan las condiciones iniciales de las ecuaciones diferenciales que definen el comportamiento dinámico del sis­ tema. 2 . simplificando con ello la notación empleada. Este procedimiento puede aplicarse de forma genérica tanto a sistemas lineales como a sistemas no-lineales. . por consiguiente. 1 .2 + . Una opción clara para elegir variables de estado de acuerdo con su definición da­ da en la Sección 1 . en primer lugar. 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. .l + an _ 1 S n . 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.30) y. i4 e is . y Variables de estado como salida de integradores en sistemas monovariables Para estudiar esta metodología se va a considerar.7. . + at )y . descomponiéndose entonces la anterior ecuación en las dos siguientes: bou .8. .(bn s n. 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) . puede ser elegido como variable de estado. la obtención de variables de estado de sistemas monovariables representados por una ecuación genérica del tipo: ( 1 .29) ( 1 . Primeramente se reordena se saca como factor común el operador derivada en dicha ecuación genérica.28) donde el término entre corchetes se obtiene mediante la integración del término de la derecha de la ecuación por tanto. X l . + b 1 )u ( 1 . resultando: y(t).1 + . Uc 2 .22 CAPÍTULO 1.2. de forma sistemática. Sin embargo.aoy (s n . q ue una adecuada elección de las variables de estado ligada a los elementos físicos q ue com ponen el sistema es: Uc 1 . Uc3 .

. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO y 23 que son. respectivamente.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 . para i = 1 ( 1 .40) + bn u ( 1 .l .bn a2 bn . + b2 )u ( 1 .l u ( 1 . + a 2 ) Y . para 1 i ::.ai .7.34) hasta obtener las dos últimas ecuaciones: X n .2 + an _I S n .33 ) Procediendo reiteradamente de la misma forma.39) X i =X i . se van obteniendo ecuaciones con la siguiente expresión genérica: ( 1 .aaXn + (ba .1.aI Y (Sn . . que.2 + . 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. se obtiene: ( 1 .a n .3 + .32) ( 1 .l Y= [ O ] x + ba .I bn )U.l + bn. . la ecuación de salida del integrador la ecuación que describe la variable de estado.I Y y .36) la última de estas ecuaciones es la ecuación de salida del sistema monovariable.41 ) .bn aa b l .bn a n .I u . . expresado en forma matricial.35) ( 1 . resultando: x I + bl u .38) X l = .bn u ( 1 .bn aa )u.bn a l b2 .ai . que puede reescribirse como: e introduciendo este valor de en las ecuaciones anteriores de salida de los integradores representadas por su expresión genérica 1 .(bn S n .l .I Xn + (bi _l .34. da lugar al siguiente modelo de estado: < n y ( 1 .

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

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

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

+ 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 .59) .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 . . + bI S + bo) X l 1 -an . 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 + . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO 27 1 .1 ..an . que puesta en forma matricial resultará: O O O O 1 x= O O u (1.. .57) Con lo que ya puede construirse la ecuación de estado.a l X 2 .+ a l S + ao (1.l X n .l O 1 (1. . 3 .aOX l -an.53) U (1.l u.l S +.l S + an.58) O O O O -ao -a l -a 2 -a3 La ecuación de salida queda: y = (bm s m + . . . .an _2S n .2 X l .55) = n m n.aOX l + u o O O O O 1 O O 1 O O x+ + u (1.a l SX l . Con este criterio ya se pueden escribir las ecuaciones de estado: Xn S n X l = -an _ l S n . 7 . . 7.56) X n = X n. . .l .. ..2 X n.l X l .

Al 1 X2 = --u S . Se suponen todos los polos simples y se descompone en fracciones simples.. . bm O .57: y (bnsn + . O ] x (1 . . . .28 CAPÍTULO 1 .61) y En este caso. .An Se le asigna una variable a cada uno de estos operadores: 1 X l = --u S . Variables de Jordan Partiendo de la Ecuación 1 . . 1 .1 xn + . la representación del sistema en variables de Jordan admite las siguientes opciones: 1 .64) . . entonces al ser s n X1 = xn se sustituye xn por la Ecuación 1 .54. la ecuación de salida sería de la forma: (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.an . + b1s + bo ) X l = bn [. 7 . . . + b1X2 + bOX1 (1 . de la forma: y = (bn + �l + �2 + " ' + �) u s-A S-A S . MODELO DE ESTADO pasando esta expresión a notación matricial se obtiene: = [ bo b1 b2 . .a1X2 .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.aOX1 .A2 X3 = S -1 A3 1 xn = --u s .63) u (1. en los casos en los que en la función de transferencia se cumple que gr(num) = gr(den) .1Xn + u] + +bn .An -- (1 .4.60) Cuando n = m.

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

como los representados en la Figura 1. La obtención de las ecuaciones de estado del sistema global se puede realizar a partir de las ecuaciones de estado de cada subsistema. 1.9: Sistemas en serie.7. eliminando las variables intermedias que son salida de unos subsistemas y entradas de otros mediante la operación con las ecuaciones de estado de dichos subsistemas. MODELO DE ESTADO PI P2 Pr-l Pr Pr+l Pn ] x + bn u r x r. 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 . de manera que las salidas de unos subsistemas actúan como entradas de otros de forma directa o mediante sencillas operaciones algebraicas. Dos sistemas disjuntos en serie. con un vector B de ceros con un uno en el último elemento.30 y y la ecuación de salida toma la forma: [ (1. que darán lugar a cuatro bloques de matrices que representan lo mismo. La representación gráfica llevaría integradores en serie en el bloque de raíz múltiple e integradores en paralelo en el de raíces simples. A continuación se presentan los casos de conexión de sistemas más habituales. Estructuras compuestas Los sistemas multivariables pueden considerarse compuestos por varios subsistemas más sencillos conectados entre sí. 1 . lo que aparece es un bloque de dimensión en el cual la diagonal principal tiene el valor del polo múltiple y la superior todo unos. 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. 70) Cuando hay raíces múltiples. .5. la matriz deja de ser diagonal y pasa a ser diagonal por cajas de Jordan.9. 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. = CAPÍTULO 1 .

por construcción se cumple que U2 = Y l . 10: Sistemas en paralelo. como los representados en la Figura 1 .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 . Dos sistemas disjuntos en paralelo. 7 . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO Y 31 La entrada del sistema conjunto es u = Ul . 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 . 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: [ :� ] .

BK[I + DK] . De todo lo anterior. la expresión anterior queda como: x = [A .lD] r En el caso más habitual.BKC]x + Br 4.l C] x + [B .Ky) = Ax + Br .11: Realimentación constante de la salida.Dr x = Ax + B(r .BK[I + DKtlDr x = [A . Cx Dr En un sistema con realimentación de estado como el que aparece en la Figura 1. las ecuaciones del sistema sin realimentar son: { yx = Ax + Du = Cx + Bu w = Kx Al realimentar se cumplirá que: . MODELO DE ESTADO 3. la salida continúa siendo y se sigue representando el estado con el vector x. Las ecuaciones del sistema sin realimentar son: Al realimentar se cumplirá que: { xy = Ax + Du = Cx + Bu w u Ky r-w =} y con lo que la nueva entrada es r. que la matriz D se anule.BK[I + DK] .CX + [1 + DK] .l Cx .w) = Cx + Dr l.12.BK[I + DK] . Sistema con realimentación constante de la salida: K y w Figura 1.32 r CAPÍTULO 1. se deducen las siguientes ecuaciones: y = Cx + D(r l.DKy [1 + DK]y = + y = [1 + DK] .

u=r-w x + con lo que la nueva entrada es r.8. EJEMPLOS ADICIONALES .DK]x + Dr (1 . 72) Como en el caso anterior. de sección eficaz SI . De todo lo anterior. por ta nto. con lo que la Ecuación 1.BK]x + Br (1 .73) 1 . es frecuente que la matriz D se anule. 72 queda de la forma: y = ex (1. � � � � � � � � � � � ��� ��� � 33 r ' . cuya sección eficaz S 2 puede variar y considerarse.12: Realimentación del estado..Kx) = [e . como una entrada .Kx) = [A .71) y = ex D(r .7 La figura representa dos depósitos de áreas respectivas A l y A 2 q ue está n com unicados entre sí media nte una tubería en sus bases.-----114 . Ejemplos adicionales un Modelo de estado de Ejemplo sistema de depósitos 1. que representa una variable de entrada manipu lada . la salida continúa siendo y el estado sigue repre­ sentado por el vector x..8 . En el primer depósito entra u n fl ujo F1 . y el segundo depósito tiene un orificio de sa lida l i bre de ca uda l . se cumplirán las siguientes ecuaciones: y = Ax + B(r . t w Figura 1 .1 .

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

816. de las ecuaciones no lineales del sistema se obtienen los valores de las alturas en punto de equi­ librio.5 Y tomando como punto de linealización el estado de equilibrio determinado por el flujo de entrada FlO = 1. 8 2 = 0. El modelo de estado anterior puede particularizase para cada sistema. se obtiene el siguiente modelo de estado del sistema linealizado: donde los valores de las matrices están ligados a los parámetros físicos del sis­ tema .8 . I ntroduciendo estos valores en las ecuaciones anteriores. En concreto si se supone que los parámetros físicos del sistema valen 8 1 = 0.8 . Al = 2 Y A 2 = 1 . que valen h lO = 1 .3.25. debiendo cumplirse que a3 > a2 .1 . se obtiene el siguiente modelo de estado para el sistema linealizado planteado: Modelo de estado de un péndulo invertido Ejemplo 1.38 Y h 20 = 0. EJEMPLOS ADICIONALES 35 Simplificando la notación en las ecuaciones anteriores.

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

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

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

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

81 se despejan las variables de salida e intermedias invirtiendo la correspondiente matriz: -[ [.40 {JI X l .78 es: o O O -{J2 y el sistema 1 .X4 + m X 2 = m2 I K2 K2 ..81) A partir de 1 .. La forma matricial del sistema de ecuaciones 1 .X 2 .X2 mI K2 k2 F . ya que es más sistemática .79 queda : (1. X2 X3 X4 = (1 .-X4 m2 - CAPÍTULO 1.X4 + F mI m2 {J2 X 3 .. MODELO DE ESTADO Aunque es evidente que en este caso la resolución directa presentada es la más sencilla y adecuada .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.82) . habrá otros casos más complejos donde la forma matricial resulte conveniente.

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 1.82. EJEMPLOS ADICIONALES 41 y sustituyendo en 1 .1.80 se obtiene: o + K2 O O m2 f32 1 O O m2 La ecuación de salida se obtiene ahora a partir de 1 .8.10 u (t) Si la dinámica del sistema se puede representar mediante la ecuación dife- .

42 rencial: CAPíTULO 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) . mientras que la segunda puede ser la derivada de la salida: X2 = X l X l = X 2 = K u . MODELO DE ESTADO Ku = :Í:! + aXI el sistema posee una única variable de estado.bXI Las ecuaciones de estado son : u (t) Entre otros métodos. 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. Como primera puede tomarse la salida del bloque. al ser de grado uno. La ecuación de estado es. uno que contiene un polo y otro que contiene un par polo cero. que puede ser la salida del bloque.aXI . se puede realizar descomponiendo el sistema en dos bloques.

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

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

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

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

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

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

por un razonamiento aná­ logo al del apartado i). Consumo de combustible de propulsión . Ángulo de la tobera de propulsión. pero los valores absolutos de las intensidades que circulan por cada una de ellas pueden ser completamente distintos. las ecuaciones del sistema se pueden escribir como: -aw + Kwp cos O U _ pw 2 + Kp sin O u . dependiendo de las condiciones iniciales. pueden ser consideradas ambas a la vez como variables de estado. h e 19 sí que pueden ser variables de estado a la vez. por lo que sólo se tiene una única variable de estado.9. EJERCICIOS RESUELTOS y 49 y k) U2 U3• En el presente caso. que valen respectivamente 1 . cualquier entrada dará lugar a que los incrementos de intensidades sobre los valores iniciales sean siempre los mismos en ambas ramas. Siendo a. las intensidades que pasan por ambas ramas son variables físicas distintas sin ligazón lineal entre sí que. a) b) Obtener un modelo de estado del sistema no lineal original . Kw = 0. Kp constantes del sistema. m.1.01 . Por tanto. Kw . la intensidad que circula por los devanados de cada una de las bobinas es siempre la misma. a = 1. al no variar bruscamente ante cambios bruscos de la entrada. independientemente de las condiciones iniciales de la evolución de la entrada. debido a la conexión en paralelo de las dos ramas con la misma impedancia.. Kp = 1 . En el presente caso. m = Obtener un modelo de estado del sistema linealizado en torno a la trayectoria de referencia definida por Wo = 0. 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 . Velocidad angular de la nave . a) Utilizando el operador derivada.01 radj s y Po = 100 m . y 3.

O. h. se obtiene: Con lo que las ecuaciones de estado quedan: Xl . X2 X3 b) -aX I + Kw X 3 cos 8 u 1 .0001x 3 + u + 0. con lo que las ecuaciones linealizadas del sistema en torno a estos valores de referencia son: w(t) p (t) -w(t) + O.OOOlp(t) + 1 u(t) .O IB (t) y'2 1 -O. Ambos están alimentados por un caudal qe . Se dispone de dos depósitos de agua de sección constante A l y A 2 . MODELO DE ESTADO Eligiendo como variables de estado la salida de los integradores en ambas ecuaciones.0.-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. y ambos vierten a una misma tubería .018 y'2 1 -2X I .01 y'2. En cada depósito el caudal de salida es proporcional con una constante a la altura del líquido. . se obtiene el siguiente modelo de estado lineal del sistema en torno a la trayectoria de referencia: 1 U .2w(t) + u(t) + 0.018 y'2 X2 -X l + 0. respectivamente.50 CAPÍTULO 1.0001x 3 + 4.0l8(t) y'2 Eligiendo las mismas variables de estado. Hallar un modelo de estado: B .OOOlp(t) .0.

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

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

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

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

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

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

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

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

4� ] [ �� ] [ � ] u y [ 1 O ] [ �� ] = + Se trata de un sistema no lineal en el que la salida no presenta discontinuidades ante discontinuidades en la entrada y. Hallar u n modelo d e estado del siguiente sistema: [ �� ] [ � . EJERCICIOS RESUELTOS + 59 8. y. . se deben elegir las variables de estado. en este caso dos.1.9. consecuentemente. puede ser elegida como variable de estado. 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. no puede elegirse como variable de estado del sistema. que presenta las mismas discontinuidades que la entrada y. No sucede lo mismo con la derivada de la salida. por tanto. 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.

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

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

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

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

u(t) . a semejanza con las ecuaciones diferenciales usuales. 2. se puede obtener = (2.5) 'Po = Xo = 'P k (t) 'P o + it f ( 'P k .2. resolver la ecuación de estado de un sistema lineal en el caso más general.2 se obtiene la sucesión: = (2.1) La solución de esta ecuación se plantea. Matriz de tran­ sición En la ecuación homogénea se supone que la entrada u(t) es nula. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES El objetivo en este capítulo es. es decir. en dos fases: resolución de la ecuación homogénea y resolución de la ecuación completa.6) .3) la solución de dicha ecuación (2. por lo que la ecuación a resolver es: x(t) = A(t)x(t) (2. U(T) . por lo que la respuesta de éste vendrá dada por su evolución libre. la ecuación completa contempla tanto esta evolución libre como la respuesta del sistema ante el estímulo externo mencionado.4) (2. Caso general = Xo . Por contra.l (T) . Solución de la ecuación homogénea .64 CAPÍTULO 2. 1. 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. Para encontrar la solución de la ecuación homogénea se puede utilizar el método de integración por aproximaciones sucesivas de Peano-Baker. 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) . t) x( to ) Xo . que dicho sistema no recibe estímulo externo alguno. por consiguiente.2) con condiciones iniciales x(to) 2. Cabe recordar que se conoce como ecuación homogénea aquella para la cual la entrada al sistema se anula.2.

2. cuando el producto de A(t) y Jt: A(T)dT es conmutativo. y cuya expresión es: (2 .2. Casos particulares de la matriz de transición La Ecuación 2. En este caso la matriz de transición viene dada por: (2. 2. to)xo (2.10) Teniendo en cuenta que: Al entrar con este resultado en el término general de la solución de Peano-Baker: . 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.2.8) [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. 9) El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales x(to) = Xo . se com­ prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la derecha.7) donde cp (t. Se puede demostrar además que esta solución es única. 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.2 tiene una solución sencilla mediante el método de integración por aproximaciones sucesivas de Peano-Baker.2. to) es la llamada matriz de transición.

ita ita = y si se continúa con las sustituciones.2 dTk. rk -3 A(Tk. + ¡ t A(T)dT + . 1 1 : diagonal: en este caso. . to ) e J. . . ¡ t A(T)dT + . .3 · · · dT 3 �.2 .l dTk. . . to ) = d .2 [irk . 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. ita ita 2 . v " = " - v ' 1 + 2 ¡ t A(T)dT k + . [ ] es <I> (t.2 ) irk -2 �2 -l [irk .12) .3 A(Tk.l A(Tk )dTk ] 2 dTk. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES . resultando: = �[ ] �.3 A(Tk )dTk ] 3 ta 2. 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 .'o A ( r)dr e ' o t a l dT = J r e J.� A Existe una serie de casos en los que se cumple la restricción de que el producto de la matriz A(t) y su integral es conmutativo.'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.66 CAPÍTULO ¡ t A( T) . dTkd. ita que. es claro que ambas matrices conmutan. se puede expresar como: ( r)dr (2.2 ) [ � [1:k -2 A(Tk )dTk] ] dTk. to ) e J. por L a matriz A(t) lo que se puede aplicar la fórmula general. 1 (2.11) <I> (t. por lo que en dichas situaciones se podrá hallar la matriz de transición de forma directa aplicando la expresión 2 .'o ann ( r)dr 1 d. .

to) = e a (2 . a (T) dT y y (2. por lo que la matriz de transición toma la forma: J.2.to ) . Entonces: "' 'l' (t . puesto que en ambos casos se trata de escalares para los que siempre se da la propiedad de conmutación en el producto.14) La matriz A es invariante: en este caso. entonces se cumple el producto conmutativo del supuesto. 15) Ejemplo 2 . se suele utilizar la notación q>(t . de forma que se puede aplicar la expresión general: "' (t . si: A (t) = Ma(t) donde M es una matriz invariante y a(t) es un escalar. Es decir. to) = e A(t .e Jtta A (T) dT .2.l ) �1 x con lo que la evolución libre del estado es: x(t) � " (t.2 (t .13) (2.(t .l ) O e.e M J. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA.a A dT .a Ma (T) dT . es evidente que la matriz su integral conmutan. 1 q>(t.l ) O 1 . al depender la expresión de la matriz de transición q>(t.1 _e.2 (t .a a ( T)dT _ _ (2.(t . 16) Calcular la evolución del estado ante entrada nula para el sistema: o -2 O -1 Xo [1 sabiendo que to 1 diagonal entonces es: = Y q>(t. l )x. t o ) .e A J.e J. 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.e A (t . Como la matriz del sistema es O e .2 (t .l ) 2 e.t a ) = [ - e t . de forma que se pueda expresar como el producto de una matriz invariante por dicha función. La matriz A(t) es un escalar: en este caso. � [ O O e. t o ) . la matriz conmuta con su integral.a dT .ta � 1 2V .e J. to) sólo de la diferencia entre el instante inicial el final.ta) 'l' _ _ En este caso.t a ) O et .

2. = A(t)iJ> (t. puede observarse que la matriz iJ> (t. to) (2. to) = 1 (2.68 CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Un caso más desarrollado de cálculo de la evolución libre del estado de un sistema se puede ver en el Ejemplo 2. por lo que puede extraerse la conclusión de que cada uno de los vectores columna de la matriz de transición cumple con dicha ecuación diferencial homogénea. se deduce que: = x(to) = iJ> (to . A esta conclusión se llega igualmente haciendo t to en la expresión de iJ>(t. se tiene: = ¡ t A(T)dT ta + . 18) es decir. lo que queda vuelve a ser la suma infinita que define a la matriz de transición. Valor de la matriz de transición en to El valor de la variable x(t) para el instante t como condición inicial. n 2. lo que significa que cualquier solución que se obtenga. = 3. to)x(to ) :::} iJ>(to . como queda reflejado en la expresión. la derivación cancela el primer integrando de todos los sumandos. por lo que todas las integrales se anulan permaneciendo únicamente la matriz identidad. teniendo en cuenta que la ecuación se cumple para cualquier estado inicial. por lo que la matriz A(t) puede ser extraída de todos los términos como factor común por la izquierda. Además.3. . .2) .17) Como se observa. Propiedades de la matriz de transición 1 .8) . Derivación respecto al tiempo diJ>(t ' to) dt A(t) + A(t) Si se deriva la expresión genérica de la matriz de transición. dadas unas condiciones iniciales. que la particularización de la matriz de transición para el instante inicial debe dar como resultado la matriz identidad de la misma dimensión. por lo que y to coincide con el �pecificado al particularizar la sohición para este instante inicial. 2. to) cumple con la misma ecuación diferencial que el estado (Ecuación 2. es decir xo . 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. Se puede demostrar además que estas columnas forman un sistema generador del espacio de soluciones de la Ecuación 2. se obtiene: . to) mediante la serie de Peano-Baker (Ecuación 2. después de esta extracción.6 al final de este capítulo.

to )T( to) = .2. se debe alcanzar el mismo estado para un instante determinado si se parte de las mismas condiciones iniciales. PROPIEDADES DE LA MATRIZ DE TRANSICIÓN 69 Si se hace lo mismo para otro instante t i . se tiene: x(td = <I>(h . 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. permite afirmar que la matriz de transición ha de ser no singular.22) En efecto. to) x(t) = T . Inversión de tiempos por tanto. to )T(to)x(to) =} x (t) T . por lo que también se cumple: Para el caso de sistemas invariantes. dado un instante t y un intervalo de tiempo T. 19) (2.3. se obtiene: lo que. al ser válido para cualquier estado inicial.i (t) <I>( t. Para el caso de matriz A invariante. to)x(to) = <I> (t. to)x(to ) Como la solución de la ecuación de estado es única. como consecuencia. la solución de la ecuación homogénea particularizada para el instante t + T es: (2. esta propiedad se reduce a: (2.i (t) se verifica: <1> (t. to)T(to ) T(t)x(t) (2. x(t) = T(t)x(t) con la condi­ ción de existencia de T .i (t) <I>(t.20) 4. to) T . se deduce: Si en la ecuación de transitividad se hace la suposición de que t2 = to . to )T(to )x(to) <1>( t. Cambio de representación del estado Para cualquier cambio de representación del estado.i (t)<I> (t.

y teniendo en cuenta que z(to) x(to ) a partir de la ecuación 2.29) cI>(t. demostrando que existe la z(t) que cumple con la hipótesis formulada en principio: z(t) = = cI> . to)z(t) = (2.70 2. se obtiene: z(t) = z(to) t ( cI> . = cI> (t. to) .28) Si se sustituye esta expresión en la Ecuación 2.l (t.l (T. to)B (t)u(t) + (2. calculando la z(t) que lo cumple.25) (2.24 se obtiene: x(t) = = x(to) + (2. T)B(T)U(T)dT (2.26) B (t)u(t) que mediante integración se resuelve. tal que la solución de la ecuación completa se puede expresar de la forma: x(t) hipótesis que se verificará a continuación.30) En el segundo término aparece cI> (t. to) . to) i( cI> (to . por lo que sustituyendo en la Ecuación 2. to ) fuera de la integral.1 donde el término entre corchetes se anula por la primera propiedad vista para la matriz de transición y.28.23 queda: <Í> (t. to)xo + cI>(t. to)B(T)U(T)dT ita t ( cI>(to . pero como no depende de la variable de integración puede introducirse dentro de la misma.4. cuando existen condiciones iniciales no nulas y entrada: x(t) = A (t)x(t) + B (t)u(t) (2. to ) es no singular. es decir. según el cual se va a suponer que existe una z(t) . CAPÍTULO 2.23) Para calcular la solución de esta ecuación se utiliza el método de variación de las constantes. to) z(t) v [ A(t) cI> (t.A(t) cI>(t. entonces esta expresión de x(t) debe verificar la ecuación completa. T)B(T)U(T)dT ita t ta (2.24) cI> (t. to)z(t) + B (t)u(t) = .27) donde al aplicar la propiedad de inversión de tiempos a la matriz cI> (t. como cI> (t. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Solución de la ecuación completa El objetivo de este apartado es la resolución de la ecuación completa. to)z(t) + cI> (t. to) z (t) . y al producto entre ésta . se puede despejar z (t) como: z (t) o ] (2. to) z (t) + <Í> (t. Si la hipótesis formulada es correcta.

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

6 al final del capítulo.5.35) P(M) (2. t) donde C(>'. 2.33) Para el caso de matriz A invariante el planteamiento sería el mismo. Q (>.36) . Cálculo de la matriz de transición Por lo expresado en el apartado anterior.. que no es sino un polinomio infinito que depende de M y de t: e M J.13. la matriz de transición se puede expresar mediante su desarrollo en serie. 1. Como se verá a continuación.34) 1 .'o a(r)dr donde: = k=O 00 L a k (t)M k = Q(M. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Otro caso de cálculo de la evolución forzada del estado de un sistema se puede en­ contrar en el Ejemplo 2. t) . 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.72 CAPÍTULO 2. n.'o A (r) dr Para los casos en que la matriz A(t) sea factorizable según la Ecuación 2. to) Se van a estudiar tres métodos para la obtención del resultado de esta expresión. resto de (2. t) = C(>'.5. que incluye el caso invariante. 2. t) es un polinomio de grado la división entre el polinomio infinito y el polinomio característico: R(>'. Método de Cayley.Hamilton = eJ.) =O + R(>'. por el teorema de Cayley-Hamilton este polinomio infinito particularizado en A(t) puede calcularse mediante un polinomio R(M. el cálculo de la matriz de transición de un sistema es equivalente al cálculo de la exponencial de una matriz: <I>(t. de grado finito y menor que Llamando P(>') al polinomio característico de la matriz M.j n - (2. obteniéndose la expresión: n. t) Por el teorema de Cayley-Hamilton: L = nj=-Ol hj (t)>. t)P(>.32) (2. t) es el polinomio cociente y R(>'. t) (2. salvo por el hecho de que la función a(t) es igual a uno.

(t-to) = = e-(t-to) { e-4(t-to) = = ha . por lo que: con lo que se obtiene un sistema de ecuaciones: n. con lo que resulta : despejando este sistema resulta : ha = por lo que la matriz de transición resulta : <I> ( t.e-4 (t-to) ) . se puede deducir que: Q(M. A 2 . Para obtener los coeficientes del polinomio R(M.1 . t) (2. t) se hace uso de la propiedad de que los valores propios anulan el polinomio característico: = = (2. Ejemplo 2 .(t-to) . sustituyendo en la Ecuación 2 . se plantea la ecuación asociada a cada uno de ellos.2. que el polinomio característico de M se anula particularizado para sí misma.34 A M.38) donde los Ai son los valores propios de la matriz M. sustituyendo en la Ecuación 2. = n j= a (2.37) Esta expresión presenta la ventaja de haber reducido el problema de obtener un polinomio de grado infinito al problema de obtener un polinomio de grado finito.4 . A continuación.5. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 73 es decir. por lo que.1 e Ai J:o Q{ r)dr R ( A i t ) L hj ( t)A{ que permitiría obtener las incógnitas hj ( t). ta ) = � (4e.40.39) . t ) R(M.h 1 ha . comprobándose que sus valores son A l .40) Calcular la matriz de transición del sistema definido por la matriz: A = = = - [ -22 13 ] y En primer lugar se calculan sus autovalores. 3 = n (2. h 1 � (e.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) ) _ ] .

t) m i .l + d . un valor propio doble. es decir. t) la del polinomio R( A.34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. 2 1 .41) con lo que la expresión del cociente entre polinomios queda: Si se deriva esta expresión respecto a A. En el caso de que la matriz M presente algún valor propio múltiple. quedando: dQ (A. t) dA y Esta igualdad entre la derivada de Q (A. resulta: dQ(A. Ejemplo 2.7 al final de este capítulo. t)Pi (A)mi (A C��. no se anularán cuando se particularice la derivada de orden superior de Q (A. se deben utilizar las derivadas de la Ecuación 2. t) + �y R�� (2. En primer lugar se determinan los valores propios de la matriz dada . Dado un valor propio Ai con multiplicidad mi . para obtener t�tas ecuaciones distintas como incógnitas. t) dA + d C(A.42) _ Ai ) m i (2.44) sabiendo que to = o. por lo tanto. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Otro caso de obtención de la matriz de transición haciendo uso de este método para un sistema no invariante puede verse en el Ejemplo 2. com­ probándose que ambos coinciden en A l .1 inclusive. el polinomio característico es de la forma: (2. t) en Ai .Ai ) que.4 A = I A=� Y = Ai ) d ) (A C(A. t) se seguirá cumpliendo hasta la derivada de orden mi . t) dA I A=� (2.74 CAPÍTULO 2. t) Pi (A) (A _ Ai ) mi _ expresión en la que todos los términos se anulan al particularizar para Ai salvo el último. A partir de este orden aparecen sumandos que no dependen de (A .43) dR(A. Se cum ple que: Obtener la matriz de transición del sistema definido por: [ -21 O1 ] = .

13. la exponencial de una matriz en cajas . conocida como forma canónica de Jordan.2. �(t. es posible obtener la del sistema original mediante la transformación: <l> (t. Tal como se vio en el teorema de cambio de representación de estado. se parte de una forma de la matriz que permita su factorización de la forma que se expresa en la Ecuación 2.47) T . ésta se compone.1 MTa(t) (2.46) Para el cálculo de la matriz T se sabe que. se tiene el sistema de ecuaciones: = (1 - t) e t tet (1 . se ha de cumplir también que: e t = ho + h 1 t e t = h 1 =} ho _ _ dQ (>. en el caso de que todos los autovalores sean distintos. to) .5.2. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 75 y.h 1 d>' .45) (2. t) t =} t e A . 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. to)T .5. al ser el valor propio doble.. La ventaja de esta transformación es que la exponencial de una matriz diagonal en cajas de Jordan se calcula de forma muy sencilla. por columnas. con lo que la matriz de transición del sistema toma la forma: A(t) El método de Jordan consiste en realizar una transformación: que transforma a la matriz del sistema en: A(t) Ma(t) = = = de manera que sea diagonal en cajas de Jordan.1 A(t)T = T .d>' De donde. de los vectores propios asociados a los valores propios de la matriz M. Mét o do de J ordan Al igual que para el método de Cayley-Hamilton. t) dR(>'. por su valor.1 (2. sustituyendo >. to) T�(t.

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

5 • • y Del Ejemplo 2.2 (n 2 ) ! Utto a(T)dT) n . Multiplicación de esta matriz por las matrices de transformación para devolver el sistema a su expresión original. según el método de Jordan.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 .50) 1 De esta forma.5.1 . 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.1 ) ! (2. <p(t. A continuación se calculan los vectores propios asociados.3) ! - (n .l .3 sabemos que los autovalores de esta matriz son A l = .to ) 2 . to) = [ e -(t . A 2 = . mediante el cálculo previo de las matrices T T. Cálculo de la exponencial de la matriz diagonal en cajas de Jordan. � (t.3 ( n .4 . • Ejemplo 2 . to) . CÁLCULO DE LA MATRIZ DE TRANSICIÓN la exponencial es: - = e A f:� a(r)dr . to) . el cálculo de la exponencial de una matriz se realiza en los siguientes pasos: Cálculo de la matriz diagonal en cajas de Jordan.2.l Ut: a(T)dT) n .

la ecuación de estado se puede resolver mediante la trans­ formada de Laplace. puede encontrarse un caso de cómputo de la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del de Jordan. y la expresión general hallada en la sección anterior.l BU(s)] = (2.l BU(s)] = sX(s) . la situación de entrada nula es la que se plantea para la ecuación homogénea.:¿ . . mediante la transformada de Laplace.l ] Xo + .52) Esta expresión permite obtener la evolución del estado en función de las matrices de las ecuaciones de estado y del estado inicial.A) .:¿ [(sI . que: l .5. Mediante la transformada inversa de Laplace Si el sistema es invariante. se puede establecer una correspondencia entre la expresión de la solución completa. el segundo sumando se anula.8.A) .[(sI _ A) .:¿ [(sI .A) .l XO + (sI . por lo que se propone un método alternativo para hallar su solución como: l -l x(t) . por las propiedades de la transformada de Laplace.54) cI> (t) * Bu(t) (2.51) (2. Como puede observarse en la Ecuación 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el Ejemplo 2. si la entrada al sistema es nula. convolución que aparece como segundo sumando de la solución general de la Ecuación completa 2. Se parte de la ecuación: Tomando la transformada de Laplace: y = =} =} tomando antitransformada de Laplace: x(t) l -l .l BU(s) x(t) Ax(t) + Bu(t) = (2. al final del capítulo.[(sI _ A) .3.A) . mientras que en el Ejercicio 3 se puede ver un caso de aplicación de estas metodologías para un caso no invariante.A)X(s) = Xo + BU(s) =} X(s) = (sI .52. se comprueba.78 CAPÍTULO 2.55) que se corresponde con una integral de convolución en el dominio del tiempo.Xo = AX(s) + BU(s) =} (sI .] Xo (2.53) Por tanto.52. como se acaba de hacer. Por otro lado. De esta forma. se observa que la matriz de transición se puede hallar como : En cuanto al segundo sumando. identificando el primer término.:¿ . 2.

2.t - +---:-----:==---. O)xo = [ e-t O2 ] [ 2 ] = [ 24ee-t2t ] O e..6. b.--.. a .. Ejemplos adicionales Xl 1 [ �l ] = [ -O1 -O2 ] [ X2 ] [ -3 ] u(t) . x(t) = <p(t. 6 2.6.5 Lo que defi ne una trayectoria en el espacio de estado q ue se representa en la sigu iente figura : +--�--�2--�3==�4��S t -4 . Cuando la entrada es u(t) = sin(t) . A partir de este resu ltado se pla ntea la sol ución a cada uno de los casos que se exponen en el ejemplo. Cuando la entrada e s u n esca lón u n itario. En pri mer l ugar se ha de ca lcular la matriz de tra nsición del sistema . Ante entrada n u l a . Ante entrada n u l a .c-s 0.---:4. c.. EJEMPLOS ADICIONALES 79 Determinación de la evolución del estado = Ejemplo 2 . el estado evol uciona según la expresión : -4 La representación gráfica de la evol ución de cada una de las varia bles de estado es la representada en la siguiente figura : 2 Xl t . X2 + Calcular la evol ución del estado del sistema dado por: to O x(to) = Xo = [2] -4 a . cá lculo que resu lta trivia l en este caso a l ser la matriz A diagon a l .

5 1 0. la evol ución del estado se ca lcula haciendo uso de la expresión que proporciona la sol ución de la ecuación com pleta : x(t) Esta evol ución tem pora l se representa gráfica mente en las figuras que a pare­ cen a conti n uación : 2 1.( t. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 1.5 5 t Xl X2 = <I> (t.2t + 1 + e-t � ( e.2 t .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. 5 -1 -2 3 - -4 .r) 1 -1 -2 -3 -4 e.80 CAPÍTULO 2. T)B (T)U(T)dT = = [ ] +¡ [ O O =[ 2 e-t _4 e. Ante entrada esca lón u nitario.2t to to t e . 5 1 1 .2 ( t.r) _4 e. 0 . O)xo + Jt <I> (t.

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

c os (t)) + 5 e (1 . 7 CAPÍTULO 2 . el siguiente paso es el cá lculo de los va lores propios de la matriz M.M] = A + 4A . a plicada sobre los va lores propios.5h 1 ho h1 � ( e -5(1 -COS(t)) + 5 e ( 1 -COS(t)) ) � ( _ e . 2 sin(t) -3 sin(t) ] [ -41 -3 ] sin(t) 2 = =} { [ U na vez identificados los factores. q ue posteriormente servirán para pla ntear las ecuaciones media nte las que se despej a n los coeficientes del pol inomio resto. por lo q ue es susceptible de utilizarse el método de Cayley.-3 4 a(t) = sin(t) ] 2 det [. origi na el sistema de ecuaciones : Ai 1 Ai = .COS(t)) ) . 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 . 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) .cos (t)) = ho + h 1 e -5(1 -cos (t)) = ho .5 = =} =} que despeja ndo dej a : e (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 = .5 Al 2 = (A . con lo que los a utova lores son = 1 . 13.5(1 .l ) (A + 5) que. A = -5.H a m i lton .U . se com prueba q ue la matriz A(t) del sistema es ta l q ue admite una factorización como la expresada en la Ecuación 2 .

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

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. . Resolviendo este polinomio característico se obtienen los dos polos rea les del sistema q ue denomina mos A l y A 2 .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 .A2 .H a m i lton y después media nte el método de Jord a n . 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 e A 1 t e A2 t _ Sustituyendo estos va lores en el polinomio que determ ina la matriz de tra n­ sición se obtiene: <I>(t.84 CAPÍTULO 2. q ue se va a resolver primero media nte el método de Cayley. M atriz de transición por el método de Cayley.(A l + a d e A 2 t . polos del sistema ) .A l eA2 t A2 .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 . 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 . O) = eAt = hoI + h l A = 1 (A 2 + a d e A 1 t .

6.Al [ �:� ] A: [�] VI V2 i = 1. se obtiene Vi 2 = al + Ai.¡t + aie).¡t + al(A22 + al)e). 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: . O) = eAt = TeÁtT.2 t)2 -al (Al + ade).¡t . q ueda la siguiente ecuación aplicable a cada va lor propio: = 1.I . 2 Haciendo por ejemplo Vil = al. [A.Ad [ al � Al al � '\2 ] [ � e�2 t ] [ ��l _ �l ��l ] = al (A + al)e). t [ (al 2+ Al)(A2 + ad(e).e).2.l = 1 e ¡t +A al(A2 .2 t ai Ai. i ( puesto q ue Ai q ueda : T= [ y ca lcula ndo su matriz inversa : con lo q ue la matriz de tra nsición en la base origi n a l del sistema resu lta : <I> (t.al (Al + ade). formada por a m bos vectores propios. t -aie).¡t . 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 . 2 i = 1. 2 Supri miendo la segunda ecuación por ser combi nación l i nea l de la pri mera es u n va lor propio ) .

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

1 ) + 0 . 13 9t 1) .139t .0.0 . EJEMPLOS ADICIONALES 87 Si se considera el sistema concreto del Ejem plo 1 .3802 e .1 .3802 e .2606 e .506gee-.1 82 7 8( e .'506gee-.. 7 394 13 9t 0 . 3t ] y la evol ución de las alturas resulta : _ [ hh2l (t) ] (t) [ 0.33tt 0.3802ee--00. 7394 e.3. siendo todos estos valores i ncrementa les sobre el p unto de l i nea lización . S� 1 . 7 394 .506gee -. 3 t .2.1 ) ] ) + _ + donde poniendo como condiciones i nicia les d e las alturas e n a m bos depósitos [h l O h 20 ]T = [0. O) = 7 394 13 9t [ 0 . 3 t .11 . se obtiene la evol ución de las alturas representada en la siguiente figura : 2 5 r-----�--�--__.2606 13 9t 0.588 O _ 0.5O ] F1 de donde se tienen los siguientes polos del sistema: con lo que la matriz de tra nsición resulta nte es: <p(t.'506gee--00.1 .1 + F [ -0 . 5 � E 2 � � 0� ----2 ----�----��----�--�0 4 6 1 8 tiempo (5 ) 1 2 S 08 N §.1 .0 .33tt 2606 ).33tt ] [ hh2lO0 ] 0. 13 9t .2606 0.139t + 0O.441 -0. 3 t 0.5f e i ntrod uciendo u na entrada consta nte de va lor F = 1 . 1003( e ..7 .5 0..996 ] [ hh21 ] + [ 0. 139t + 0.2 = .11 ..2 6661 ( e . cuyas ecuaciones son : [ h�21 ] = [ -0.. 1 = -0.00.. 0. 1952( e . 13 9t .139 Y ).441 0.6.3802ee-.11 .0 .0 .0. � 06 O \ ----�----�----�------�--�0 � 4 6 2 8 1 tiempo (5 ) .139t + 0.1 .1 .

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

2 .1] = (A + 3) (A + 2) (A + 4) (A + 3) [(A + 3) Al = . EJERCICIOS RESUELTOS 89 no linea l . 816. [h lO h 2 0 V = [O oV . 1.4 Por lo que se tiene que los valores propios son: A partir del conocimiento de estos valores propios. sin embargo. esto es. 7. En el ejemplo propuesto esta d iferencia se hace m uy nota ble en régimen permanente. Ejercicios resueltos Hallar la matriz de transición del siguiente sistema: El primer paso para hallar la expresión de la matriz de transición es el cálculo de los autovalores de la matriz A. 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. mín i mas cuando exista un sistema de control que gara ntice peq ueñas variaciones de las a lturas respecto a su punto de l i nea l izaci6n. para 2 . los polos del sistema� existen dos posibilidades para calcular la matriz de transición: utilizar el método de Cayley­ Hamilton o el de Jordan.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. • Método de Cayley-Hamilton Se plantea el sistema de ecuaciones correspondientes a la particularización . porq ue la entrada i ncrementa l i ntrod ucida F = 1 su pone un 100 % de a umento sobre el pu nto de l i nea l ización defin ido por FlO = 1 . haciéndose nota ble la d iferencia cuando los va lores i ncrementa les de la altura se a lej a n de las cond iciones i nicia les n u las. que como ya se sabe coinciden con los polos del sistema. Estas diferencias entre a m bos modelos será n . 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 .2 A 2 = -3 A3 = . se ha de resolver el polinomio característico: det ( AI . Para ello. 7 .38 Y h 2 0 = 0.

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

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

14 A partir de esta expresión se calcula la matriz de transición por el procedimiento habitual. + 8 = (A + 4) (A + 2) (A + 1 ) Una vez conocidos los valores propios de la matriz A. 2 + 14>. serán necesarias tres. su dinámica: y. en primer lugar. siendo una posible elección: Xl = y X 2 = iJ X 3 = fj :h = X2 X2 = X3 X 3 = . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En primer lugar se han de elegir las variables de estado.2 V21 = V22 =} .14x 2 .V12 =} A = . =} V1 1 = . det(AI . . se calculan los vectores propios para hallar la transformación que la diagonaliza (método de Jordan) : A = -l.A) A -1 O O A . que identifican a los polos del sistema por lo tanto. en este caso. se extraen los valores propios. dado que la ecuación es de tercer orden. .2.8X l con lo que el modelo de estado expresado en forma matricial queda: o 1 O O -8 .92 CAPÍTULO 2.2 V22 = V23 A = -4.1 = A 2 (A + 7 ) + 8 + 14A = 8 14 A + 7 A 3 + 7 ).7X 3 .

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

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

la evolución del estado viene dada por: 4.t al .) = det [ >'I . 2 . to) . se obtiene finalmente: <I> (t.3 e .Al = >. coincide con el anterior. Conocido entonces el valor de la matriz de transición por cualquiera de los dos métodos. se calcula la matriz de transformación a la forma diagonal construida con los vectores propios: [ -31 -31 >. = .t al + 3 e . a partir de ellos. dado que posteriormente se han de realizar cálculos de respuesta ante determinadas entradas. Primero se calculan los autovalores de la matriz A: p(>. lógicamente.2 sustituyendo estos valores en la anterior ecuación y sustituyendo en A.� 5 _ [ resultado que. Por conveniencia se utiliza la vía de la diagonalización del sistema y la definición de las pertinentes matrices de trans­ formación. determinar la evolución En primer lugar se calcula la matriz de transición.'5 2 2 3 e 2 (t .- . que realizarlos directamente en ésta.2 .7. Esto es así porque. EJERCICIOS RESUELTOS 95 2 2 � 2 e 2 (t .2.6 . Dado el sistema descrito por la ecuación: y partiendo del estado inicial nulo en el instante del estado cuando la entrada es: u(t) = { O t<O 2 0<t<1 1 1�t<2 O t?2 to = O.2 + 8 >' + 12 = ( >' + 6 ) ( >' + 2) y. resulta mucho más cómodo hacerlos para el sistema diagonalizado y luego devolver los resultados a la representación original.

por la existencia de una entrada: Xb (t) =<J>(t.I AT = B =T . O � t 1 . y de evolución forzada. SOLUCIÓN DE LA ECUACIÓN DE ESTADO D E SISTEMAS LINEALES de donde: T= con lo que las matrices transformadas quedan: Á =T .I B = [ !1 � ] * T.6(t . que es el valor de la expresión calculada para el intervalo anterior cuando t = 1 : XbO . u(t) = 2 Para este intervalo el valor inicial del estado es nulo.3 1 (1 � e- 6) ] + ¡t [ e.r) Jo O Para este intervalo hay que tener en cuenta que va a existir un valor inicial del estado distinto del nulo. por el valor de dicho estado inicial. como no se indica lo contrario.e -6 ) ] _ O _ e 2 (t-r) O .6t ) ] 1 [ e . 1) [ .�( 1 .r) JI O ( 1 ) [ .Xa _ - 1�t < 2. por lo que no existe término correspondiente a la evolución libre al calcular su valor: < t < O t t xa (t) = ¡ <J>(t.96 CAPíTULO 2.6(t .I = A continuación se calcula la evolución del sistema en esta representación. por lo que el valor del estado anterior a la aplicación de la entrada se puede suponer nulo. r)B(r)u(r)dr = ¡ Jo = que devuelto a la representación original del sistema queda: • [ -�( 1 � e . • [ �1 ] [ -6 O �[� O -2 ] • El estado inicial es nulo y. u(t) = Esto produce la existencia de evolución libre. se puede suponer que proviene de esta situación desde un tiempo indefinido. para posteriormente devolver el resultado a la representación original.

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

u(t) X2 = R2�2 X 2 (t) + R21C2 u(t) - . X 2 (t) = UC2 siendo la entrada y la salida: u(t) = Ug (t) y (t) = Uc. 2) Un escalón unitario a partir de Datos: R 1 = 100K R 2 = 200K G2 = 10. G1 = 2 x 1 O .6 F . (t) + Uc. = 2V to o 3) Un escalón unitario a partir de to .lC. considerar tres posibles entradas: Para cada valor de 1) Permanece nula.6 F Tensiones iniciales en los condensadores: Uc. (t) . (t) Ug (t) = R2 G2 UC2 (t) + UC2 (t) Se eligen las siguientes variables de estado: X l (t) = Uc.R}. y posteriormente cero. UC2 = . hasta un tiempo tt = 0. (t) con con Sustituyendo las intensidades se obtiene: Ug (t) = R 1 GdJc. X 1 (t) + R.6 F.58.1 V Las ecuaciones del sistema son las siguientes: Ug (t) = R 1 lt (t) + Uc.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 = 10.98 CAPÍTULO 2. G1 .

to)x(to ) = [ �� e- �Ol La salida es: .R1 Gl O . se puede expresar como: 4>(t. tO ) = e A ( t .6 F. Para calcular la evolución del estado es necesario obtener previamente la matriz de transición. cuya expresión es: x(t) = 4>(t.!. sin necesidad de aplicar los métodos de Caley-Hamilton o Jordan.to ) [ _.=!o.. 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..2. la expresión de la matriz de transición es sencilla de calcular.R2 G2 1 ] Ub ( t . e R l el O Las entradas consideradas son las siguientes: ua o 5 -O 5 -1 O 2 O 4 O 6 O B 1 t 1 5 O 5 Entrada u. to) = e A ( t . O 2 O 4 O 6 O B 1 O 2 O 4 O 6 O B 1 t a) Si el = 10 . tO )X(tO ) + i¡ot 4>(t. 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 ) Al ser la matriz A diagonal. . 4> (t.t o ) = e Ent rada [ 1 O u. 1 ) Si la entrada es nula. Como A es invariante.7. O 6 t O B O 4 O 2 Entrada u.

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

to � La salida será: Dando valores. 2 1 Ent rada ub . se obtiene: x(t) = 1 1 [ + e .5 1 Es t ado 0.l Ot ] =} y(t) = e .5t 2 e .e.R2C2 t .5t La representación gráfica del estado y de la salida es la siguiente: [ 1 + _ Evo luc i ón de l e s t ado . 5 .4 __ t �� __�� ____ � 0.2 __�� 0.l �____�� O 0. xo = [ 2 _l J T . EJERCICIOS RESUELTOS � 101 Sustituyendo: x(t) + [ e RICI - O R I CI R2 C2 1 1 x(t) 1 l .8 1 .10t 2 e .RICI .7.e.5 O �--�----� -0 .6 0.2.

será igual que el apartado anterior . r)B (r)u(r)dr ta x(t) + x(t) . entonces. xo = [ 2 _l] T o ���������==� 0.2 0. entre [to . Ent rada ub .6 0.4 0. la evolución del estado será: Donde hay que distinguir dos casos: Primer caso: si t t I .102 CAPÍTULO 2. t I ] .8 O t 1 3) Si la entrada es un rectángulo de altura unidad. Segundo caso: si t � t I . 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 . sustituyendo: • • x(t) = <p (t.

2 e.5) y [ e .5t ] _ e .6 0.2.lO t + e . 5 1 0.8 1 Evo luc i ón de la s a l 1 da .5 t + e .5 O �������� 0.5 0. 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 . xo = [ 2 _l] T S a l 1 da 1 .1O(t .2 0.6 t .5( t-O.l O t + e.4 0. 5) 1 E s t ado 0.1O(t .4 t 0. Entrada u c .8 O 0.7.O.O . Entrada ub . xo = [ 2 _l]T = e . EJERCICIOS RESUELTOS 103 Mientras que la salida será: Dando valores.5( t-O. 5) .

5 -0 .5 t 3 e . 1) Entrada nula. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES x(t) y(t) Se obtiene: x(t) y(t) 2 e.6 F.5t [ ] _l ] T La representación gráfica del estado y de la salida es la siguiente: Evo l u c i ón del es tado .�-. 5 .104 b) CAPÍTULO Si el = 2 1 O .0 . l : x 2. xo = [ 2 _l]T 0. 8 0 0 2 0 6 t Evo luclón de la sal ida Ent rada ua .1� � ���� ---�.8 O 0. xo = [ 2 2 E s t ado 0.����4 1 0 . �� .5 t _ e. Sustituyendo en las ecuaciones obtenidas en a.2 0.5 o���������� 0.4 O 6 t . Entrada ua .

5 Entrada ub .=��� 0.2 0. 2 : 1 + e.2 e.8 1 Evo luc i ón de l a s a l l da .2 0. xo = [ 2 _l] T 1 0.6 0.5 1 E s t ado 0.4 t 0.2.] 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 . 2 1. Ent rada ub .R2 c2 e RlCl + 2 e R2C2 y(t) Se obtiene: [ 11 -+2ee. Sustituyendo en las ecuaciones obtenidas en a. xo = [ 2 _l] T 0 �--�-----1 0.4 0 6 0.5 O ������.5t5t x(t) = .8 1 O t . EJERCICIOS RESUELTOS 105 2) Entrada escalón.7.RlCl x(t) 1 .

5 t [ ] La representación gráfica del estado y de la salida será: _1]T Evo l u C 1 6n d e l e s t ado .!::!L _ . entre [to .5( t. será igual que el apartado b.5 Entrada uc .5 1 E s t ado 0.4 t 0. Se distinguen dos casos: Primer caso: si t t l .106 CAPÍTULO 2. entonces.2 é t + e.=!lL - e _ R2 C12 t-t Se obtiene: x(t) y (t) e.O.5) 3 e.!. t¡J .!.5 t + e. 2 1.6 0.í Segundo caso: si t . 3 : • < • x(t) y(t) e _ . xo = [ 2 0.5) .::: t l . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 3) La entrada es un rectángulo de altura unidad. sustituyendo en las ecuaciones obtenidas en a.8 1 .5( t.=!lL R1Cl + e R1Cl + 2 e R2C2 _ .O.

6 0.7. una vez particularizados los datos: y(t) . la salida es la misma. pues su diferencia ya está fijada.4 0.=======� 0.5 O� O __ �����. por lo que los incrementos en su evolución serán los mismos.2 0. Como dicha salida es la diferencia de las dos variables de estado. esto significa que el sistema impone una restricción a las variables de estado: dadas unas condiciones iniciales determinadas. achacable al' sistema. para el segundo valor del condensador el .2. será profundamente tratada en el siguiente capítulo. La dinámica del sistema se aprecia en la ecuación de estado. Esta limitación. se puede conseguir por separado cualquier valor del estado. Entrada ub . EJERCICIOS RESUELTOS _l]T 107 Evo l u c � ó n de l a s a l � da . xo = [ 2 0.8 1 t Se observa que con cualquiera de las tres entradas. Está motivada por la coincidencia en la dinámica de las dos variables de estado. pero en cambio no es posible obtener los dos a la vez.

.

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

la restricción de que la dinámica de ambas variables de estado es la misma en todos los casos se traduce en que. CONTROLABILIDAD u(t) 8 + 2 2 1 Xl (t) 8 + 2 X2 (t) Figura 3 . partiendo de condiciones iniciales nulas como se ha dicho. de estado están ligadas. Figura 3. 1 . . Entonces se dice que el sistema no es controlable. partiendo de condiciones iniciales nulas. 1 : Sistema no controlable. porque no puede alcanzar cualquier estado deseado a partir de un estado inicial dado. en cualquier instante el valor de la variable X2 es dos veces el valor de la variable X l . x. Si un sistema no es controlable.0) . es el representado en la Figura 3 . Como puede verse.2: Puntos alcanzables desde (0.110 CAPÍTULO 3. El lugar geométrico de los puntos que pueden ser alcanzados por las variables de estado dadas para el sistema de la Figura 3 . 2. la siguiente cuestión que surge es determinar los puntos del espacio de estado que pueden ser alcanzados partiendo de un estado inicial dado. 2. este he­ cho queda patente por el estudio de los bloques con cuyas salidas se corresponden dichas variables. al estar sometidas ambas a la misma dinámica.

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

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

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

Si se considera el vector propio. desde el estado inicial nulo hasta el estado X l .3.8) El determinante coincide con el producto de los valores propios de la matriz. to) puede salir fuera de la integral. se demuestra que existen puntos del espacio de estado que no son controlables. to) . • singular.7) Si W(h . quedando: (3. Demostración • Condición suficiente x(to) Se intenta comprobar que existe una entrada que lleva el estado desde cualquier = Xo hasta cualquier X(t l ) = Xl o. to) es no singular. por lo que W(t. Para ello se considera como entrada: (3. por lo que: det [W(t l . = A(t)x(t) + B (t)u(t) W(t l . to)] = O (3. correspondiente a ese valor propio nulo se veri­ ficará que: v. según la Ecuación 3. siendo esta entrada la expresada por la Ecuación 3. Condición necesaria Si se supone W(t l .1 14 Un sistema con una ecuación de estado: CAPÍTULO 3. Se parte de que W(t l . to) tiene al menos un valor propio cero.5) Sustituyendo: (3.9) .l (t l . to) (3. to) es singular.4) es no singular. y lo mismo sucede con X l .6) W .5. t l ] si y sólo si su gramiano de controlabilidad. CONTROLABILIDAD X{ t) es controlable en definido como: [to . lo que es lo mismo. (3. se puede encontrar al menos una entrada que transfiere el estado desde el origen hasta cualquier estado x l .

Sólo se alcanzarán puntos que verifiquen la condición: vT ( tI ) = O. Para a n a l izar la controlabi l idad media nte el estudio del com porta m iento del . t I ] .3. 10) y entonces. 14 significa que. se va a tener un estado que al ser multiplicado por el vector yT va a resultar cero. desde el estado inicial nulo.3. sustituyendo el valor de W(t l . h: (3. no se puede alcanzar cualquier punto del espacio de estado. to) : (3. La Ecuación 3 . D x lh cI> (t l . partiendo del origen y ante la e integrando se obtiene: yT u( (3. Para que esto se verifique se tiene que cumplir que �(r) = O . r ::::. sino sólo aquellos que se encuentren sobre un vector ortogonal al vector propio yT . cualquiera que sea la señal de entrada con la que se excite al sistema. por lo que es un vector de estado ortogonal a éste. Por consiguiente. 2 entrada genérica u(r) . 1 1 ) integral de una función siempre positiva que tiene que ser igual a cero. CONTROLABILIDAD EN SISTEMAS LINEALES 115 Esto supone que si se multiplica por la izquierda por yT : (3. el sistema no es controlable en [to . Por tanto. to ::::.12) Formando el producto por Ejemplo 3 . 14) siendo x(tI ) el estado del sistema en el instante h. r)B (r)u(r)dr = O to yT X(tI ) = 0 (3.13) 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.

el primer paso es ca lcular la matriz de tra nsició n : 3 ( e -t . CONTROLABILIDAD ] U na vez que se d ispone de la matriz de tra nsición 1> (t. Por lo ta nto.3t 3.8t _ _ e . hasta q ue. el va lor del determina nte permanece práctica mente consta nte. O) . . O) ] = 1 92 + Es fácil deducir q ue se ha de a n u la r para t O. perma neciendo solamente el pri mero. se com prueba que el va lor tota l del determ ina nte va a u mentando. 1 . todos los suma ndos exponencia les tienen un valor despreciable. sa lvo cua ndo éste sea ta m bién el fi nal de dicho interva lo. 3. se puede a bordar el cá lculo del gra m ia no de controlabil idad a p l ica ndo la fórm u l a : Para poder afirmar q ue u n sistema e s controlable según su gra m i a no.2 t 32 48 En la Ecuación 3. Cálculo de la entrada e n sistemas lineales 1 1 _ e . Para sucesivos insta ntes de tiem po.e .2. Para ello se ca lcula primero dicho determina nte : 1 det [W(t .6t 1 92 48 = + 1 1 _ e .4t _ _ e . A partir de este i nsta 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. es necesario com probar q ue éste es invertible. 1> ( h to)x(to ) .3 t ) e .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. es deci r. Por lo ta nto. puesto q ue en ese caso los l ím ites de la integra l que define W(t. tra nscu rrido u n tiem po suficiente.116 2 CAPÍTULO gra m iano. O) es d isti nto de cero. O) coinciden . q ue su determina nte es d isti nto de cero. 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.3.

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

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

utilizándose como método general la división del tiempo disponible para realizar la transición en n subintervalos de igual longitud.3160 = J[o0 .5. supuesta fija la longitud del intervalo total.5) = <P(t.5 <P (0.5 .6065 ] t=0 . O) por lo que. se ca lcula la de mínima energía .5 [ 11 ] .1292 ] De las i nfi nitas entradas posibles.3. aplica ndo la Ecuación 3. Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud se fija arbitrariamente.[ 0. partiendo de este estado i n icia l . CONTROLABILIDAD EN SISTEMAS LINEALES en el Ca pítulo 2 de este li bro.3. consiste en: Fijar el número de escalones que se utilizarán: en general.��� ] T T W(0. 5 xo = e .05 7 1 0.[ �:���� ] = [ �:. Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n . • • .5. por lo que es necesario ca lcular el gra miano para el i nterva lo propuesto: = [ � ] .1 longitudes de subintervalo. Una posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el problema a otro con n grados de libertad. O) _ La entrada necesaria para llevar a l estado a l va lor propuesto. n alturas y n . resu lta ndo: 1 19 = [ e . 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.2 . T)dT = [ -0. 0) l t = 0 . T)B (T)B (T)<P (0.5. De forma resumida.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.0571 -0.1 grados de libertad. la entrada que consigue rea l izar la tra n­ sición propuesta para el estado con el mínimo coste energético es: 0.2te -t e-t e-O2t ] [ -t =} x(0. que se obtiene de la Ecuación 3.5. es la m isma q ue la que lo llevaría desde el estado i n icia l n u lo a: Xl 0. e -t <P (t.

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

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 . a medida q ue el tiempo se hace mayor.5. El EjemI?lo ?? contiene un estudio de este comportamiento.5 .3. Dependiendo de la dirección de avance del estado. 10. Cuanto más rápida es la dinámica del sistema. Un indicador de la diferencia de coste según la dirección es el número de condición del gramiano2 .29. se tiende a necesitar más energía. como se demuestra en la Sección 3 . Sin embargo.44 y 43 . respectiva mente. 222.4 A menor longitud de intervalo [ta . 77.3.2 3 10 1 3 . En este segundo caso se com prueba además cómo evol uciona la a nisotropía del espacio de estado. que tienen como n ú mero de condición de W (h . 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 l mayor es la energía necesaria. 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 0.44. como queda patente en el Ejemplo 3 . CONTROLABILIDAD EN SISTEMAS LINEALES • • • 121 Ejemplo 3. l o que indica u n mejor equ i l i brio entre las d i recciones de desplaza miento del estado. como puede deducirse fácilmente. 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 . t 1 Yt 2 . en general se modifica la energía necesaria para una misma distancia desplazada.27. O) . . lo que en pri ncipio indica m uy diferente controlabili­ dad según la d i rección de desplaza m iento elegida para el estado. 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 .

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

T) 2 + . si se parte de un estado inicial nulo.20) El estado x(tI ) que se puede alcanzar desde el origen es combinación lineal de las columnas de la matriz Q.21) = = 1 + A(t l . es necesario que de todas las columnas que aparecen haya linealmente independientes. para que x(tI ) pueda ser cualquier punto del espacio de estado. .23) . 19 se obtiene: (3. .1 (T)A n .T) y sustituyendo en la Ecuación 3. Por lo tanto. es necesario que existan columnas de la matriz Q linealmente independientes. . = (3. por lo tanto su determinante es nulo y tiene un valor propio nulo. + hn . 2 ho (T)I + h 1 (T)A + .T) + 2.22) -1 veces respecto al tiempo: (3. la matriz W es singular.l . 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. CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES 123 Demostración • Si el sistema es controlable. cuyo vector propio correspondiente verifica la Ecuación 3. . 19) Condición necesaria n Aplicando entonces el método de Cayley-Hamilton: e A ( t . • n Se supone que el sistema no es controlable y se verá que no existen columnas de la matriz Q linealmente independientes. es: (3.3. Si el sistema no es controlable.-! A 2 (t l . 13: v T <I>(t l . La solución de la ecuación de estado.4.

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

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 . 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 . por lo tanto. Interpretación geométrica de la controlabilidad a . El concepto que subyace se puede explicar. La controlabilidad de un sistema es independiente de la representación de estado que se maneje. 5 . . El número de condición del gramiano de controlabilidad es. Vn . como se ha mencionado anteriormente en este capítulo. . dada en la Ecuación 3.3. . La integral Jt:' II F (T) II . h] . 6 INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILIDAD Invarianza de la controlabilidad ante cambio de base 125 3. � . Por propia definición. si el sistema es controlable con Q también lo será con Q. dT representa la energía total del conjunto de señales en el intervalo [ta . el rango de Q coincidirá con el de Q. .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. 1. Partiendo de la definición del gramiano de controlabilidad.5.4: L:. en términos de respuesta del sistema ante un determinado conjunto de s eñales. Así. 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. el gramiano de controlabilidad es una matriz semidefinida po­ sitiva. � O y el correspondiente conjunto de autovectores ortonormales VI .T) = 1>(t . 3. n m : a a . con un conjunto de valores propios reales f � � � . se puede entender el término F (t . .I ATx(t) + T . para sistemas lineales e invariantes.4. V2 . F(t) representa la aplicación de un conjunto de señales vectoriales influyendo sobre variables de estado. como se explica a continuación. . con lo que cada columna supondría el efecto de cada entrada sobre el conjunto de variables.

correspondientes a los autovalores distintos de cero. 2.30) de O � a � 1} perficie de un elipsoide cuyos semiejes son ai Vi .T)B con una entrada de norma unitaria coincide con la su­ ai Vi de de estados que resultan de la convolución = 1. t I ] . n.25) donde Pcm [to . IR n : x = ax con x E S 1. 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 . U(T) E PCffi [to . t I ] que satisfacen la restricción en su norma: (1: 1 Il u(T) II � dT) 1 � 1 (3. : x = VEp. . CONTROLABILIDAD IR n : m Vi . ai Y IR n IR n : x Vi . .28) (3. que S es la superficie de S. Y i = (3. 2.24) La imagen de la convolución: {x E x = 1: F (t . <I> ( (t .5. . t d . t � t I . td } (3. . n.26) s = {x E aporta información sobre la estructura de dicho subespacio. .T)U(T)dT. Sean i = 1. y sea n la clase de todas las funciones de entrada continuas a trozos en [to . . i .T) El conjunto S = S= {x E IR n aiVi . t � t I U(T) E n } (3. las raíces cuadradas de los autovalores del gramiano de controlabilidad y los vectores propios asociados en [to .reflejando los autovalores y sus correspondientes autovectores la distribución espacial de esta energía. Ilp ll = 1 } . h ] representa el conjunto de vectores de entrada de dimensión continuos a trozos en el intervalo [to .n Y IR n x n : (3. las los .27) Sea el conjunto: s = {x E es decir. un elipsoide con semiejes conjunto S se puede caracterizar como: es decir. como ya se adelantó en el Ejemplo 3. es el sub espacio generado por los vectores propios.T)U(T)dT. h ] . F(t . Considérese el conjunto de posibles entradas al sistema u(t) E m . siendo raíces cuadradas de los valores propios del gramiano de controlabilidad y vectores propios asociados.29) Entonces se demuestra que el (3. El conjunto contenido en este subespacio: = 1: F (t . . . . . sean E . V E IR 2 126 CAPÍTULO 3.

A partir de esta definición de entrada se obtiene que: (3.33) q . p • I -I = B T <I> T (h . se cumple que x = W(h . pT E . t) VE . Demostración lo que significa que. De la definición de dicha entrada se tiene: . _ r)F T (tI _ r)qdr I pT E .T V T [1: 1 F (tI . to ) = .5.. para todo x E S existe un vector p.p = = = 1 (3.:. lo que supone que la entrada u(t) = F(h .I p.4.32) que es.� = B T <I> T (t l .T VT VE 2 VT VE .r)FT (tI .5 la entrada de mínima energía que transfiere el estado desde el origen hasta x. como aparece en la figura del Ejemplo 3. 1 que satisface que x = VEp. 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 . 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 . t)W (t l . INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILlDAD 127 Este resultado indica que al aplicar una entrada con una cierta energía.t)q conduce al estado x(t) al valor x en el instante tI .31) Suponiendo O'n O (sistema controlable). los estados que se pueden alcanzar se encuentran sobre un elipsoide cuyas proporciones son las indicadas por los autovalores y autovectores del gramiano de controlabilidad.r)dr] VE . t)x (3.. 6.3.Ip W ( t ¡ . to)q. según la Ecuación 3 . ".. 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.

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

38) es decir. Xc . ta)bi (3. t I ]. . en función de la res­ puesta de las variables de estado del sistema.36) donde 8(t) representa el impulso de Dirac. xr' (t) ] (3.34) ui (t) . con lo que la imagen del mapa dado por 3. . .37) (3. repitiendo para todas las ui (t) queda: = <I>(t. para todo t E [ta . m (3. o o Demostración i = l. las regiones del espacio de estado para los que dicha respuesta es cero tendrán respuesta nula para cualquier otra entrada. . . la respuesta impulsional del sistema. . partiendo del estado inicial nulo. El subespacio controlable. a un conjunto de señales de test presentadas en su entrada. es el subespacio de menor dimensión que contiene a la imagen de la transformación definida por X t (t) .3. entonces es: con lo que. O . .35) Si se se define el conjunto de entradas de test: o i o = l. . SUBESPACIO CONTROLABLE 1 29 Se puede plantear la definición del subespacio controlable. siendo: Xt (t) donde x� (t) representa la evolución del estado ante la entrada de test definida como: = [ xi (t) x� (t) . . Dado que se trata de un sistema lineal. Xc .6.38 se corresponde con el subespacio controlable. . m (3.

El proceso termina cuando todas las columnas de un grupo i Ai B sean linealmente dependientes. . . Base del sub espacio controlable CAPÍTULO 3. 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. . entonces se descartan ésta y todas las A + bj posteriores. por lo tanto una posible base de este espacio vectorial son las columnas linealmente independientes de la matriz Q. Ai bj . . iseak linealmente dependiente de las anteriores. cuando una de ellas. también será linealmente dependiente de sus dos anteriores columnas.6.2.40) El método consiste entonces en ir seleccionando columnas de izquierda a derecha y. la columna Ai bj es linealmente dependiente de sus anteriores columnas: A i bj > + AO l b 1 + A 0 2b2 + . . Ail A i bl + A i2 A i b2 + .41) . .1 (3. j _ 1 A i bj _ 1 (3. + Aom bm + A l l A b1 + . La componente que depende del sistema y de las condiciones iniciales representa la evolución libre del sistema ante entrada nula. siendo la dimensión del mismo su rango Para el cálculo de una base del subespacio controlable basta observar que si en la matriz: rQ .2. . • • = x(t) + <I>(t. Estados alcanzables La relación de los estados controlables. . + A l m A l + k bm + .130 3. to)x(to ) (3. . CONTROLABILIDAD Según se deduce de la demostración de la Sección 3. j . los vectores columna de Q generan el espacio controlable. a partir de un estado inicial nulo (x(t)) con los estados alcanzables desde cualquier estado inicial (x(t)) . + Aom A k bm + A l l A l + k b 1 + . + A l m Abm + .1 A'+ k bj . . + Ai . .1. con k O. . + Ai .39 por la izquierda por A k se obtiene que: Ai + k bj + AOI A k b 1 + A0 2 A k b2 + . . . . ya que a partir de entonces los restantes grupos A + k B también lo serán. que constituye el subespacio director de la variedad. ya que multiplicando la Ecuación 3 .39) entonces Ai + k bj . 3. .4.6. Xc . de donde: x(t) De esta forma. Ai r A '+ k b 1 + A i2 A '+ k b2 + . viene dada por la cuación 3.

cuya dinánlica viene re­ presentada por las matrices (Aaa .. • • Y 3. En la Figura 3. dim ( Xc ) = Separación del subsistema controlable x(t) existe una matriz de transformación T. t I t2 . Ba). . siendo su ... Como puede verse. ' . .40.. rQ < n: Dado el sistema lineal invariante con dimensión del subespacio controlable.. de dimensión uno . Una línea discontinua que representa la evolución libre del sistema. . el estado para cada uno de estos instantes se obtiene mediante la superposición de ambos valores.7.4 puede verse un espacio de estado de dimensión dos en el que se ha representado: Una recta que representa el subespacio controlable. como describe la Ecuación 3 .3...7.42) verificándose que el subsistema formado por las variables xa . coincide con el sub espacio controlable.4: Superposición de la evolución libre con el subespacio controlable..- X(t) � X1 A X(t1 ) A Figura 3. Sobre ambas curvas se han resaltado los valores del estado para los instantes tQ . SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 131 --- .' lo �----------��------________ I I t 1. 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.

- n rQ u.44) donde Ta se forma con una base cualquiera del subespacio controlable. La matriz T que realiza esta transformación se construye: (3. Así se tiene una variable de estado totalmente controlable. pues.6 Dado el sistema : o 1 O . tiene un comportamiento independiente de la entrada. rQ . en otras palabras.132 n rQ .42. O) . la que está sobre la recta (subespacio controlable). donde Si es un subsistema controlable y S2 está totalmente separado de evoluciona de forma independiente a la señal de entrada.42. 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. dividir el sistema en dos: uno controlable y otro que presenta un comportamiento independiente de la entrada. Si el subespacio controlable fuese un plano. que ante la misma entrada todas generan la misma salida. la dimensión de Si sería dos. este subsistema está caracterizado por las matrices (Abb .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 . CAPÍTULO 3. y según se deduce de la Ecuación 3. Se consigue. por lo que se podrían separar dos valores de estado que se podrían llevar a cualquier valor. Ejemplo 3. CONTROLABILIDAD dimensión por tanto la dimensión del subsistema formado por las variables Xb es Adicionalmente.5. son distintas realizaciones del mismo sistema. por lo que no es controlable. La ecuación de estado de orden reducido de los estados controlables: - Y (3. y las otras dos evolucionan de forma independiente de la entrada. Si en un espacio total de dimensión tres se supone que el subespacio controlable es de dimensión uno. lo que se está haciendo es girar los ejes de coordenadas de manera que uno de ellos se sitúe sobre la recta controlable. es decir.

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

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

se puede calcular la entrada de mínima energía que desplaza el valor de la salida a un punto dado. Y l .C (t¡ )<I>(to .8. Se comprueba además que. t d : (3. en un intervalo [to . 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.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. como también ocurre en el caso de controlabilidad del estado. a partir de la definición del gramiano de controlabilidad de la salida. el rango del gramiano de controlabilidad de la salida indica la dimensión del subespacio de salida controlable.3. = CQ). se puede aplicar el siguiente teorema. . tl )XO = Ax(t) + Bu(t) = Cx(t) (3.45) donde: YI Además. basado en unos cálculos más sencillos que el anterior: Dado el sistema lineal e invariante: = Yl . de forma similar a lo visto al estudiar la controlabilidad del estado. que los vectores linealmente independientes de la matriz Qc generan el subespacio de salida controlable. CONTROLABILIDAD DE LA SALIDA Dado el sistema: 135 la salida es controlable en [to . Para sistemas en los que además de la condición de linealidad se cumpla la de invari­ anza.

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

0529n: .221 f3 ] ° { �: 0 < t � 0.1 -2 ] x+ [ 1 ] u ° De esta forma . Para el sistema : ca lcular la entrada necesaria para rea l izar la tra nsferencia del estado: .5) = <1> (0. 129 .606 + 0.024 f3 La evol ución de la entrada resu lta nte se puede apreciar en la siguiente figu ra : = -26. O)xo + Y.788 f3 .5 .976 ] = [ 11 ] { n: = 22.0. se rea liza el aj uste para q ue el estado fi nal sea el propuesto: ¡0.129 * 0. T)Bf3dT = 0. x= [ -1 0 . 1 2 .0.9. 2 5 <1> (0. a conti n uación .25 0.5 . Ejemplos adicionales Transición de estado mediante una secuencia de escalones Ejemplo 3 .0529n: .5 0.3.9. 3.3.25 < t � 0. la entrada que se va a aplicar es de la forma : Dada esta entrada . 8 Se trata de resolver el m ismo caso propuesto en el Ejemplo 3.0. 5 <1>(0.221 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 . uti l iza ndo a hora un tren de esca lones en l ugar de la entrada de mínima energía .024 f3 [ 0.606 + 0. 2 5 = [ 0.5 . se pla ntea la ecuación q ue ca lcula la evol ución del estado: u(t) = x(0.172n: + 0.172n: + 0. T)Bn:dT + ¡0.

5 u2 (r)dr Es tado 1 - 2 a 2 dr + f3 2 dr = Xl X2 ). q ue.5 . 0. la evol ución del estado es: x(0.138 u (t) CAPÍTULO 3. 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 . 3 0 .5 . 3 0 . es u n consumo su perior Eu ( t ) = Esta entrada com porta u n consumo energético: = 10. CONTROLABILIDAD 20 10 -2 0 -10 0 . como ca be esperar. 2 0 . 4 0 . O)xo + Jt' <1> (0. 1 0 . r)B ( -20)dr o + 1°.2 5 = 31 1 . _ _ _ _ _ _ _ _ -1 -3 -2 0 .767 0 . 4 0 . 5 1°. deja ndo como pará metros de aj uste el primer subi nterva lo y la a m p l itud del segundo esca lón. pasa por el estado fi nal marcado por el enu nciado de este ejemplo cuando t 0. la entrada es: u(t) - _ { -20 f3 si si 0<t�a a < t ::.a l5 de la entrada de mínima ° ° que. como puede a preciarse.5 s (en línea conti nua y en d iscontinua 1°. De esta forma . 5 t energía . 2 0 .5) = <1> (0. 1 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 Con esta entrada .5 . r)Bf3dr = a . 5 <1> (0.

a12.3.1 -10 0.394 La entrada que se obtiene está representada en la siguiente figura : 0.2 0 �----� siendo su consumo energético: Mientras que la evol ución del estado q ue produce se muestra a contin uación : E s t ado 1 - _ _ _ _ _ _ _ _ _ _ -1 0.6065 e a). 184 e 2 a) .606 e a .5 + 0.4 0.1 +eeaa ++ 1(-0.678( -2.3 0.7371 1306 ( .B = 0.2 O .297 + .2 0. 0. obteniéndose: [ ] {a u (t) 30 20 10 = 0.0..3. 129 .5 t .B = 30. EJEMPLOS ADICIONALES 139 12.0.9.3209 .4 o 5 t -2 -3 -4 .B ) e )( e iguala ndo este va lor a l estado fi nal objetivo se despej a .

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

3. Para com pletar el estudio.3t e . �-L��----�4--�6�--�8--�10 tl 4 5 .1 2 t e . E [u ( t ) 1 30000 25000 20000 15000 10000 5000 t. a med ida q ue el la longitud del i nterva lo empleado para rea l izar la tra nsición del estado varía . provoca ndo en consecuencia que la entrada necesaria dism i n uya de ra ngo. 00006 0 . el valor del determ ina nte crece . a medida q ue el i nterva lo se alarga . EJEMPLOS ADICIONALES matriz cuyo determ i na nte va le: 141 e . O)) = 0 . 00008 det (W (t . 00004 0 . para va lores m uy cortos del i nterva lo (h m uy peq ueños) el va lor del determ i na nte es extremada mente bajo. uti liza ndo la energía consum ida en la entrada como i nd icador cua ntitativo de la controla bilidad . se obtiene la gráfica : De t [ W ] 0 .9.8t 2 e . se muestra la sigu iente gráfica .9t 7e .2 t 1 = + + + + 10800 1O800 300 � 240 � � 240 � 300 Si se representa gráfica mente el va lor de este determina nte para disti ntos va lores de t.4 t 2 e . 00002 Como se ve.7t 2 e . lo q ue hace prever va lores de la entrada m uy a ltos.10 t 2 e .5 t 7e . en la que se representa la evol ución d icha energía .

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

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

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

9.5 >\ 1 (( 11 .3 . eligiéndose por a hora el tiempo t = 1 . siendo. 1] va le: n ( l e.e.5.2590 0.5A 145 W(t. así como la evol ución de ambas varia bles de estado [Uc 1 (t) Uc 2 (t)]T .5A 1 ( 1 .e. por ejemplo A l = 1 Y A 2 = 0.1 0. O)] = 0. q ue es del m ismo orden que las consta ntes de tiem po i nvol ucradas en el sistema . 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. 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. observá ndose que éstas parten de condiciones .2590 0.5 ) 0. 0) = [ 1 0. O) = 1 _ 0.1 ( 1 .O .2590 .2 e t . EJEMPLOS ADICIONALES caso: A1 [ 0. 5 [�]= O ] [ 0. uti liza ndo para ello la entrada de mín i ma energía dada por la Ecuación 3.88 e.0013 -1 O y. 5 t-O .4323 0. 1] .5: 1 = [ 0.4323 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. Por lo q ue el gra m iano eva l uado en d icho i nterva lo [0. t)W .1580 ] u(t) = B T <I> T ( 1 . por ta nto. por ta nto.1 .2 A1 t ) 0. 5 +t e O.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.2590 0. se puede afi rmar que este sistema es controlable en el i nterva lo [0. Constantes de tiempo distintas A conti nuación se va a estudiar el caso más genera l en el q ue la d i n á m ica de a m bas ra mas son m uy d isti ntas entre sí.5 ] = 45.1 - [ e -OHt 33. 1] . Esta m isma concl usión se alca nzó en el Ejemplo 3 .22 A1 tt )) e0.1 ) - cuyo determ i na nte va le det [W( l .25 ( 1 . 1 de forma i ntuitiva .e.5A 1 ( 1 e. 1580 ] [ 21 ] En la Figu ra 1 se representa la evol ución tem pora l de dicha entrada u(t) en el i nterva lo considerado [0.

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

5 [�]= O ] [ 0.48 10. acercá ndose en este caso a l va lor n u lo q ue hace que el sistema no sea controlable.1 s . 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. I .16. por lo ta nto. 5 +t e O .9. t)W . 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 .1] . 0.l . I .15 ) _ M ( 1 .7 . En la Figu ra 2 se puede ver la evol ución d e la entrada ca lculada . por ejemplo [O. existe u na i nfi n idad de entradas que pueden l levar al sistema desde cua l q u ier estado i n icia l a cualquier estado fi nal en d icho i nterva lo.1 + t e.l ( I . en el que se estudiaba la controlabi lidad en el i nterva lo mayor [O.2481 = 2564 [ e.3. O)] = 4. 5 t. 2 ) ( 1 e-O.0238 ] [ 21 ] = que com porta u n consumo energético: Eu ( t ) = va lor m uy su perior a la energía ca lculada a nteriormente de 23. � 5 (1 C0 .O . 1] del m ismo orden de las consta ntes de tiem po del sistema considerado. 1 va le: 147 W(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 . pudiendo l legar a hacer i nviable su controlabi lidad en la práctica .0906 0.5 ] O e t . 1] y. O) = [ 1 0.1 0. o u 2 (r)dr = 168. el gra m i a no ca lcu lado a nterior­ mente particu larizado para este va lor de t = 0 .O. necesaria para controlar el sistema entre los dos mismos estados i nicia les y fi na les . 1 ) _ 1 = 0906 [ 0O :0464 0 0464 0 : 0238 ] u(t) = B T � T ( I . 0.O. O) = con lo que su determ i n a nte va le det [W(O. Este hecho i m p l ica en la práctica q ue.0464 . Debe notarse que el valor del determ ina nte del gramiano ha dism i n u ido nota blemente respecto al caso a nterior. Este va lor del determina nte disti nto de cero i ndica q ue el sistema es controlable en d icho i nterva lo [O. 1 5 ) � . la energía de la entrada necesaria para ello crece enormemente. O bsérvese q ue ahora la evolución de la entrada ha tenido J rO.68 . así como las tensiones en a m bos condensadores hasta l legar a su estado final deseado en t = 0.0464 l 0.O.e. 0. a u nque el sistema es teórica mente controlable. 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.

1] . 0 0 01 0 02 0 03 0 04 0 05 1 0 06 0 07 0 08 0 09 01 UC 2 (t) .----. .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) . 05 -0 5 -1 o . 0..L 2 �:"":':c _o s---7---:':'--�-----..'---:: 5 os s ( c ) Evol ución en el espacio d e estado d e l a s tensiones en los condensadores. 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 . (b) Evol ución tem pora l de las 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.148 CAPÍTULO 3.". UC 1 (t) Y 08 06 02 -0 2 - O �.

3808 ] .1 y por ta nto A l 1 Y A 2 0. 909 l ) 0. 909 l ( t.l .l .4323 0. 53 10. O bsérvese q ue en cuyo determina nte vale det[W (O.4056 0. en este ú ltimo caso.3.l - . 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 .9. 909 l ( l -t ) ° ] [ 0. 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) .9091.9091 ] [ e = 3733 3613 et .4323 0. O) 9. Para ello se va a estudiar el caso en el q ue R l Cl 1 Y R2 C2 = 1.4 76 2(1 0.5 . ha biéndose ta m bién estudiado. pudiendo l legar a hacerlo i nviable. 476 2(1 _ _ e .4056 ] 0. 909 l t ) e .3808 e. 8 1 8 ) - ] [O. 909 l t ) 0. 454 5(1 = _ _ e . se obtiene: = [ 0.5(1 2(1 = [ 0.2t ) C l . 8 1 8t ) = ] W (l .9 09 l ) 0.l ) ° e.4762(1 e.l .4760.l .4545(1 .4056 0. pero. 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. 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.l . 1] _ - = = [ 1 0.1 [ 21 ] con u n consumo energético de: .l .5(1 W ( t . O ) ] este caso el sistema es teórica mente controlable. la i nfluencia del i nter­ va lo de tiempo en la controlabilidad del sistema .2 ) e .O .4056 0.l +t e O. O) = 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.

1] .L --� _20----l S ---� _� --10----� _� _S --� "" Figura 3: Evol ución de las tensiones de entrada y de las de los conden­ sadores en el caso R l Cl = 1 Y R2 C2 = 1 . -5 �� . ' 08 09 (b) Evolución tem pora l de las tensiones en los condensadores. -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. U C 1 (t ) Y U C 2 (t ) .1 50 I E[u(tH" 953290 V2 I CAPÍTULO 3. 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 [0.1 0 -15 -20 _�S -. 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 ) . [2 .

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. que fue estudiado a nteriormente. 38 ] .49 5 . 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. 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.9.3. r)C T dr = [ 0. pero no igua les. 57 63 . O) = 1o 2 C <JI ( 2 . 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. r)BB T <JI T (t. 37 5 . 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. 151 Entrada para modificar el vector de salida Ejemplo 3 . En pri mer l ugar se com prueba la controla b i l idad de las sa lidas media nte el cá lculo del gra m i a no: W 0 (2 . 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 . 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. siendo necesario e n la práctica q u e su valor sea signi­ ficativa mente mayor q ue cero.

P (2. en función de los parámetros a l .46. A partir de este resu ltado se ca lcula la entrada necesaria apl ica ndo la Ecuación 3. Com probá ndose que: y(t = 2) = e 12 <. mediante la elección adecuada de la entrada. y (t ) . Es un sistema de dimensión n.152 CAPÍTULO 3. . ( ) . = [ B AB con rango Q = n. respectivamente. 1. a n . .. 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. . 10. 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 . por tanto el espacio total de estado es controlable. . Xn . . .] .45: donde se ha uti l izado YI d i recta mente a l coincidir su va lor con el dado por la Ecuación 3. CONTROLABILIDAD matriz cuyo ra ngo es dos. . . . . T)Bu(T)dT = [ � ] 3. a l ser el estado i n icia l n u lo. X 2 . pudiendo de este modo llevarse el estado del sistema desde condiciones iniciales nulas a cualquier . Ejercicios resueltos Calcular la dimensión del subespacio controlable del sistema de la figura. por lo q ue se com prueba q ue la transición de los va lores de la sa lida que se propone es factible.

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

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

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

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

Partiendo de tensiones iniciales nulas en todos los condensadores: 1 ) ¿Pueden alcanzarse e n 1s las tensiones U l = V. U 2 = V y U 3 = 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. U2 = V y U3 = V. las tensiones en los condensadores al cabo de 1 s. donde 157 u(t) es la tensión de entrada: 1 KO 1 mF 5000 5000 U(t) + 2mF 1 mF a) b) c) Calcular.3. 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. partiendo de las tensiones iniciales U l = O. U 2 = V y U3 = 1 V? 2) ¿Pueden alcanzarse en 2s las tensiones U l = O. EJERCICIOS RESUELTOS 4.10. y aplicando durante todo el intervalo de tiempo una tensión de entrada constante u(t) = V.

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

Para saber si los estados que se propo­ nen son alcanzables con alguna entrada. las dos primeras filas son iguales. es necesario calcular la base del sub­ espacio controlable. pasa por el cómputo de la matriz Q.4 0. \ \ '\ \ . 0. como se ha explicado en este capítulo: Como se observa en la expresión de la matriz Q. una posible base del sub­ espacio controlable la constituyen las columnas linealmente independientes de . al dar el dato de que las tensiones iniciales son nulas. puesto que se pregunta sobre un estado que presuntamente debe alcanzarse gracias a alguna entrada. para ver si los puntos correspondientes están contenidos en dicho espacio. como el presente. El estudio de la controlabilidad en sistemas lineales invariantes.6 0. por lo que será rango(Q) = 2.10. . . .8 1 b) Este apartado hace referencia a la controlabilidad del sistema. \ \ \ \ \ . 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 .3.2 0. Como se ha visto en este capítulo. EJERCICIOS RESUELTOS E s t ado 10 159 6 4 2 \ .

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

.l e2 ( t l .5 t I / . 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..2386b + 0.3934c = 0..0206 + 0..6 0.l ) . se fija tI 0. en este caso.l .t) c(l .1029 En la gráfica puede observarse la evolución del estado ante esta entrada: = = 1 [ 11 .3 .2325b { b1 = 4.. " " 0...O . 5 .t) e2 ( t ¡ ..l ) ::::} = b (e .5 2 1. .e .. EJERCICIOS RESUELTOS 161 e (t l .e-O.... Esto permite dar un valor arbitrario a cualquiera de ellas para fijar las otras dos. El origen del plano controlable se desplazando según esa trayectoria: va . cuando se tiene en cuenta tanto el estado inicial como la acción de la entrada.6321c { e = 0. 10 ..e . / . la primera y la segunda ecuaciones son iguales.58: 1 + 1= + { 1 0. .e .5 1 0.4 0. que se obtuvo en el apartado a).1 ) . por lo que sólo hay dos ecuaciones linealmente independientes con tres incógnitas.e l ) ::::} E s t ado 2.. Dicha solución da lugar a que el estado describa una trayectoria dentro del espacio de estado como la que se refleja en la figura. ..1 _ 1_ .l e(t¡ .2 e 0.e .e(t l -t) e ( t ¡ . . . " .5 ) ::::} +e b (e .8 1 ) El conjunto de estados alcanzables.2 ) c(l .1 ) e-2 igualdad: [ 11 1 b [ 1 = ::::} Como puede observarse..

9 y t = 2.t ) e ( '' .' ) e ( t ¡ . 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.e ( " . (3 = 0. se puede calcular la entrada que lo permita.t ) + e 2 ( tl .< ) . tI t [ e (H) e (r.3025. CONTROLABILIDAD 1) 2) Como puede verse en la figura. El punto [O 1 1 j T sí se puede alcanzar en un tiempo finito. Numéricamente debe cumplirse: � 1 da[ � 1 � 1 [ � 1 Ecuación que resuelta 1 a [ Dado que se ha demostrado que es posible alcanzar el estado propuesto.t ) .162 CAPÍTULO 3. excepto para un tiempo infinito. ::. por la evolución libre del sistema. Para ello basta con que la entrada u(t) sea tal que lleve al estado del sistema desde condiciones iniciales nulas hasta el punto X2 .t ) u(T)dT = e 2(r.t ) _ [ 1 1 .t O x(to ) + ' to O e -2 t e ' O O e .e ( to . a [ la evolución del estado queda: x(t) [� [� { b e ' O O e . justo en el tiempo que emplea el sistema en pasar desde las condiciones iniciales Xo hasta el punto X l . < T T ¡ ::. Probando nuevamente con una entrada de la forma: u(r) � lO -t + + (3 1 10e -2 t O = O.X l .t O x(to ) + b O e -2 t 1 1 e to tI ::.t ) e 2 ( to .

-. de forma que se puede plantear la ecuación: [1 [ 1 [ O 1 1 = lO e.819 7 e = 1. .3. .3733 = e . EJERCICIOS RESUELTOS 1 .2 t ° + b 1 [ +e 1 e ( tl -t ) 1 e ( tl -t ) 1 _ e 2 ( tl -t ) _ - 1 Para que las dos primeras ecuaciones se cumplan debe ser cierta la igual­ dad: 1 = 1 0 e -t =} e -t = 0.t e ( tl -t ) .1 . \. 302 5 = 0..5.e.-- t -2 -4 . las dos ecuaciones son la misma.t 1 0 e..92 6 1c b = ..10. .3025 De esta forma.9 = 0.0638b + 0.e (tl -t ) 1 e (tl -t ) 1 e 2 ( tl ... . Esto hace que se pueda dar un valor arbitrario a cualquiera de ellas. . { { 0 = 0. con lo que: e (t l -t ) y sustituyendo: =} En la figura puede observarse la representación gráfica de la evolución del estado ante esta entrada: E s t ado 10 8 6 4 2 .e.1 =} t = 2. 7281c =} 0.".1 7 18b + 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..2 71 8 \ \ .. .-=.t ) - 1 e ( t 1 -t ) . . .t e 2 ( t l -t ) _ e. por lo que quedarán sólo dos ecuaciones linealmente independientes con tres incógnitas.. ... En este caso se hace h = 18.

1 = [ -� ] [ -� .V 1 2 . que resulta mucho más sencilla de manejar para realizar los cálculos. de la matriz de transición. = [1 IV en t = 0. Para poder trabajar en este sistema de referencia es necesario [ -23 . Dado el sistema: x se desea llevarlo de control u(t) . por lo que se va a obtener la solución del pro­ blema en esta base. desde su expresión actual a la forma diagonalizada. la matriz T de transformación del sistema.11 ] . Obtener la ley de En primer lugar. Para conocer la evolución del sistema y calcular la ley de control. Se comienza por calcular los valores propios de la matriz A: A continuación.] [ ��� ] = [ � ] � 3 V2 1 = -V22 . a x = [1 I] T en t = 28.164 CAPÍTULO 3. por lo que el sistema es controlable. V2 = [ _� ] 2 v u = . 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. es necesario calcular la matriz de transición del sistema. CONTROLABILIDAD 5. por tanto. Vl = 3 V1 2 [ -� -1 ] [ Vu ] [ � ] Gracias a esta transformación se puede conseguir una expresión diagonal de la matriz A y. 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.

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

En resumen.48.1271 37 .992 Como resulta evidente. independientemente de que los cálculos se hayan realizado en un sistema de referencia distinto al inicial. por lo que no tiene sentido que influya en la forma de la entrada que recibe el sistema que. 7274 = .5 2 .t ) + 67.92676 ] 2. la expresión de la entrada no depende del sistema de refe­ rencia elegido para representar el estado del sistema.166 CAPÍTULO 3. la expresión de la entrada hallada es la buscada.t ) ] [ -3. 1822 20. se puede calcular la entrada necesaria para cumplir con las especificaciones del problema: � (1 .1271 20.e . es independiente de la representación del sistema.1 2 ) 1 1 . el estado no es más que un modelo. por tanto. CONTROLABILIDAD Una vez calculado el valor de la matriz W. 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 1.739 g e -3(2.9696e -2(2.

6 (t -2) .4 ( 2.43e -2(2.3 + ta e -3tl x(t) ° ][ ] [ ° .1326.t ) + 4588. / / 1 1.t ) ) dT i(h 239 7.71e .3(2. T)B (T)u(T)dT ¡tatl e .739 g e .5 ( 2.26 = Otra posible entrada que consigue llevar el estado del sistema entre los valores deseados es una compuesta por dos escalones desplazados: A Y B. 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 ) ) 2 = ta ( .68 .5 (2.T ) tl 4 e -� .t ) + 67. \ \ 167 / \ .48.5 -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 ( . EJERCICIOS RESUELTOS E s t ado 2 1 \ / / / / / / / .�:uo.54e .t ) + 764.t ) _ 6333.t) ):: = 37.7 2e ta ( 599.9696e -2(2. 08e -6 ( 2 .2 (tl .

se puede representar la evolución tanto de ella misma como de las variables de estado: .to ) + (UB ) 2 (t l . Dada esta segunda entrada.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.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) = { . Por contra.2t l ) -3(1 . es su mayor energía.1 9. frente a la primera. se puede calcular su energía para compararla con la de la primera: E (UA ) 2 (t 2 . 7 1 14 1 :S T :S 2 Dada esta entrada.e .3 t l ) ] to = CAPíTULO 3. que suele ocasionar que el estado alcance valores mayores. como podría ser el forzar a que las variables de estado se encuentren siempre dentro de un rango de funcionamiento. es más sencilla de calcular y admite (aumentando los grados de libertad con la composición de más escalones) la inclusión de nuevas restricciones en el comportamiento de la entrada y del estado.168 [ se obtiene: 4(1 .e .t 2 ) 425.

5 -5 -10 1 1..0852 o � 1... . ..5 7.5 2 E s t ado 10 5 ..71. EJERCICIOS RESUELTOS Entrada 5 t 169 0..10.5 2 Si se elige como tiempo intermedio t2 = 1. ..3.. " " " " " t 0.5064 1. la entrada que se obtiene es: -6. La evolución de la entrada y de ...5 -5 -10 -15 .2 0 �----� 1..58. " .5 � � 2 T T < Para la que se obtiene una energía de las variables de estado en este caso es: E = 83. ..

24..5 ::.58. . .1467 5. la entrada que se obtiene es: -73. T < 0. si se elige como tiempo intermedio t2 = 0.5 -2 -4 1 CAPÍTULO 3. .. .. t Por último. CONTROLABILIDAD 1 5 2 t .170 Entrada 6 4 2 0. ::.1776 E O.6 �----� E s tado 4 2 " " " . T O ::. .. 2 cuya energía es = 5377. . . La evolución de la entrada y de las variables de estado para este caso es: .

...... . EJERCICIOS PROPUESTOS Ent rada -2 0 t 171 o 5 1 1.5 2 -40 E s t ado 20 30 . . . .. ... .. ... Ej ercicios propuestos u C=1 . -60 10 ..... 1. 2 t 3... 1 1 ... / ... ...- .. 1 1 ..6'. Determinar la controlabilidad del sistema de la figura tomando como entrada la tensión U .. ... ......

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

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

.

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

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

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

r)B(r)u(r)dr . x(to) (4. Este problema de la observabilidad se resuelve mediante el siguiente teorema: . tO )X( tO ) + ito C(t) <P (t. C(t) A (t).2.ito C(t) <P (t. to).178 y teniendo en cuenta la ecuación de salida: CAPÍTULO 4. la aportación a la salida dada por la evolución libre del sistema C(t) <P(t. Teorema En general es necesario conocer la evolución de la salida en un intervalo de tiempo para poder calcular el estado del sistema. se puede despejar de la ecuación anterior: y(t) = y(t) . la salida del sistema ante entrada nula.4) o lo que es lo mismo: <P (t. 4. basta conocer la salida en un solo instante para conocer el estado del sistema.3. 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. r)B(r)u(r)dr + D(t)u(t) t (4.D(t)u(t) = C(t) <P(t.3) t donde y(t) representa la componente de salida debida sólo a la existencia de condiciones iniciales no nulas. se obtiene: o. De esta forma se observa que la posibilidad de conocer el estado a partir de la salida que a su vez depende únicamente de y la entrada depende de y En el caso particular de que la matriz sea cuadrada e invertible. que se suponen conocidas. por tanto.5) Obsérvese que en este caso la salida representa un cambio de base de las variables de estado mediante la matriz e y. to)x(to) (4.1 y(t) (4.2) Agrupando los términos que dependen de la entrada y la salida. es decir. lo que es lo mismo. to)x(to) = x(t) = C .

y se fuerza a que el estado inicial coincida con su vector propio asociado. que por otro lado debé ser distinto del vector nulo. • Condición necesaria El razonamiento es similar al realizado en la demostración del teorema dual de controlabilidad. to) tiene una forma dual a la W(t¡. La matriz controlabilidad.9) . td si s610 si la matriz V(t¡. OBSERVABILIDAD EN SISTEMAS LINEALES 179 Dado un sistema definido por las ecuaciones. conocida como gramiano de observabilidad definida como: y y \ (4.4.3. Se cumplirá entonces que: V (det(V(t¡. to) empleada para el estudio de Xo de la Demostración • Condición suficiente Si no es singular.8) Por lo tanto. V(t¡.7) despejando: (4.: x(t) = A (t)x(t) + B(t)u(t) y(t) = C(t)X(t) + D(t)u(t) es observable en [to. existe algún valor propio nulo. to) y (4.6) es no singular.to)) Xo (4. Si es singular = O). existe un algoritmo que nos permite despejar expresión: V(t¡. se puede obtener el estado del sistema en función de la salida ante entrada nula. to).

Ejemplo 4.2t 2e -t + + to = O. tanto para este estado como para el estado nulo. to)xo = y (t) = O.2 La conclusión que se deduce es que. para verificar que el sistema es efectivamente observable: t 2. 12 ) O. Y(T) = por lo que no va a O ser posible distinguirlos.180 CAPÍTULO 4. Xo =/:. 10) (4. 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. cuyo determinante es: . to) por su valor: (4. C(t)�(t. el sistema no es observable. OBSERVABILIDAD sustituyendo V(t¡. 1 1) Para que se cumpla esta expresión es necesario que e(T) = VT. O XoO. 1 hasta el instante = En primer lugar se calcula el gramia no de observabilidad. la salida ante entrada nula va a ser la misma. Por lo tanto. por lo que: (4.

100 2. en concreto.9 al final .Q)cT(7)y(7)d7 resultado que.Q) l' . por lo que se puede afirmar que el sistema es controlable para cualquier valor de t final del intervalo y. r)B(r)u(r)dr = _ 3e-3t + 2e-2t + 3e-t � V.3.¡. Para ello el paso previo es calcular y (t). como se puede observar. para t = Dada la observabilidad del sistema. este resultado. pudiendo manifestarse entonces esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en el Ejemplo 4. aplicando la Ecuación 4.T (7.8 se describe la forma en la que se puede calcular el estado inicial en un sistema observable conocido el valor del gramiano de observabilidad. por lo que hay que contar con esta incertidumbre.3.lt C q. det[V(t. como cabía esperar. se cumple que: Xo � . 4.8. esta afirmación sólo es cierta en caso de que se disponga de un conocimiento perfecto del modelo. puesto que el sistema es observable para todo valor de t.3. situación posible en teoría pero muy poco realista en la práctica.7t 6e-5t 21 e-4t 2e-3t 3e-2t 1200 . tal como se especifica en la Ecuación 4. no se ve influido por el valor concreto del gramiano.1 (t. objeto de la definición de observabilidad. como este resultado se ha de repetir sea cual sea la duración del intervalo.1200 + --¡()()-� + ---so -� + � ----so + �.3: 1 e .lOt 2e -9t 21 e-8t 6e. El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el condi­ cionamiento del gramiano correspondiente. 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.(t. en principio. Además. OBSERVABILIDAD EN SISTEMAS LINEALES 181 Se puede com probar fácilmente que el determinante no se anula salvo para t = O. 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 no cabría la discusión sobre la mejor o peor observabilidad de un sistema como sucedía con la controlabilidad. es posible calcular el estado inicial desde el que evoluciona.12t 3e.4. En la Ecuación 4. y es en presencia de estos errores en la medida cuando el condicionamiento del gramiano toma importancia. sin errores en la determinación de sus parámetros ni en la medida de la salida. O)] = y (t) = y (t) De hecho. Sin embargo. es independiente del tiempo.

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

ante entrada nula. tal que: y(t) = C(t) éP (to. OBSERVABILIDAD EN SISTEMAS LINEALES 183 Calculando el gramiano de observabilidad y sus valores singulares para = 1 se obtiene un número de condición de 1. Vt > to y(t) = C(t) éP (to. si el sistema no es observable. si se tiene otro estado inicial tal que: Xl . que. Xo. 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. si el estado inicial es la suma de los dos anteriores: (4. pero que no son observables. 3 . puesto que la misma salida se puede . generan salida idénticamente nula cuando se toman como estado inicial. (4. la existencia de puntos no-observables da lugar a que ningún punto del espacio sea observable y. no dan la salida nula al ser tomados como estado inicial. ante entrada nula. mediante cambio de escala en las variables de estado: y(t) = [ 10 -3 103 ] X(t) t el problema se transforma en: Al repetir el mismo cálculo se obtiene un número de condición de 77.4.16) por lo que observando la salida del sistema no se puede determinar si el estado inicial es Ó + Se concluye que desde la salida no se puede distinguir cuándo el sistema evoluciona desde un punto como o desde la suma de éste con un punto como Xo . Xl Xo Xl .44. lo que indica un mejor equilibrio entre las direcciones de observación del estado. t)Xl = Yl(t) =f. Xo =f. como se demuestra fácilmente.3. • y(t) = C(t) éP (to. 4 . t)xo = yo(t) = O. Por tanto. lo que en principio indica muy diferente observabilidad según la dirección dentro del espacio de estado. t)(xo + x¡) = yo(t) + Yl (t) = Yl (t) haber generado por la superposición con un punto no-observable. Puntos como X ¡ . que se denominan no-observables. Sin embargo. por linealidad. O Xl . por tanto a que el sistema no sea observable. existen dos clases de puntos: • Puntos como que.041 10 1 3 . O. Según el razonamiento anterior.14) hace que el sistema no sea observable. 15) entonces.4.

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

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

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

.24 ].4.1 Bu(t) y(t) = eTx(t) + Du(t) (4. Se com prueba ahora si tam bién es observable . el rango de P coincide con el de si el sistema resulta observable con también lo hará con P.probando con l á primera:' el = [ 2 o 4. '8 . . T P. Sé empieza .4. por lo que. = [ 18� . :::} � l.�1 sistema también es observable. SISTEMAS LINEALES INVARIANTES 187 salida. por lo que utilizando la p.rimera salidfl. x 11 [O ] e2 [ O 2 ] :::} P2 OO 1 7 18 El rango de la matriz P 2 es menor que tres (dos) . Invarianza de la observabilidad ante cambio de base El rango es tres.=D)Tx.22) y puesto que la matriz no es singular. 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 .l ATx(t) + T. B. por lo que el sistema no es observable utilizando la segunda salida. utilizando la segunda salida 1 2 = = 1 5 6 � ¡� O ].4.un sistema cambio es representación del por que. de lalomatrizsiP. P. . se parte de la representación del estado realizando el cambio de base: x= Es importante destacar de observabilidad de (A. e. independiente de la que la propiedad estado. 1 .

2.25) y(t) = i(tat CiP(t. x(t) = Ax(t) + Bu(t) + d(t) y Cx(t) = (4. d(t) Figura 4. y manteniendo el vector como entradaal sistema. este hecho se puede explicar haciendo uso de la respuesta del sistema ante un determinado conjunto de señales. en el que a la estructura usual se ha añadido un vector de entradas adicionales. OBSERVABILIDAD Como ya se ha referido en este capítulo. Al igual que sucedía con el estudio geométrico de la controlabilidad. anulando la entrada del sistema.23) (4.5.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 . Sea el sistema lineal e invariane representado en la Figura 4. para generar una salida con energía unitaria. se sigue una demostración similar a la que aparece en la Sección 3.2: Sistema lineal con el conjunto de entradas de test Supuesto el estado inicial nulo. el número de condición de la matriz que define el gramiano de observabilidad es un indicador de la anisotropía del espacio de estado.24) y(t) Este vector se añade para el estudio de observabilidad y no está relacionado con la posible realidad física del sistema. . se realiza una aportación desde las variables de estado que describe un elipsoide en el espacio de estado. representando cada columna el efecto de una variable de estado sobre el conjunto de las salidas. Interpretación geométrica d e la observabilidad d(t).51 . por lo que el modelo del sistema toma la forma: 6. en cuanto a la dificultad de observar un determinado valor inicial dependiendo de la posición en la que se encuentre. para llegar a la conclusión de que el gramiano de observabilidad describe la 1 En este caso se demuestra que. (4. se tiene que la salida del sistema es: d(t) influyen en p salidas. CAPÍTULO 4 . A partir de esta definición.188 4.

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

La base se construye encontrando n . se puede utilizar un método semejante al estudiado en controlabilidad. . Yt (t) = [ yl(t) y�(t) . yf(t) ] . Para obtener estos vectores. 1 .. Basta observar que si en la matriz P la fila cjAi es linealmente de­ pendiente de sus anteriores filas. Vt Particularizando esta ecuación para t = to.190 CAPÍTULO 4. . defini­ o o i = 1.26) (4. entonces se descartan ésta y todas las cj Ai+ k posteriores.rp vectores que verifiquen esta ecuación y que sean linealmente independientes. Si rango ( P ) = rp y la dimensión del espacio de estado es n. 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. tI]. entonces cjA i+ k . ecuación más sencilla.n (4. OBSERVABILIDAD t [to.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. con k > O. también será linealmente Pr. Una vez obtenida esta matriz se pueden obtener los n-rp vectores de la base mediante la resolución directa de: (4. 4. donde da como: El subespacio no-observable.28) = PeA(t-to) xo.rp vectores linealmente independientes que sean ortogonales a las filas de la matriz P. Para determinar una base de ese sub espacio no-observable lo que se debe determinar son n . es el subespacio de mayor dimensión que está contenido dentro del núcleo de la transformación definida por para todo siendo: E Yt (t).. cuando cjAi sea linealmente dependiente de las anteriores. y el sub espacio no-observable constituye el núcleo de dicha aplicación.27) La demostración es igual a la que se incluye en la Sección 3. . la dimensión del núcleo de esta aplicación es n-rp. Prx = O . yHt) representa la evolución de la salida ante la entrada de test di . El método consiste entonces en ir seleccionando filas de arriba abajo y.6 al enunciar la definición de subespacio controlable. Xó . que resulta O = PXo. Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida.6.

7. por ejemplo las dos primeras: Así que el vector será : [ 00 ] [ 00 51 62 ] [ VI 1 �: = 1 2] 17 18 2 = 1.7. 4. siendo r ango(P) = rp < n. existe una matriz de cambio de base T no singular con la que se puede hacer la transformación x(t) = Ax(t) Bu(t) y(t) = Cx(t) + Du(t) .rp.6 SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 191 Calcular u n a base del subespacio no-observable para el sistema determinado por las siguientes matrices: Se comienza por calcular la matriz de observabilidad del sistema: 5 6 P = [ OO O Para el cálculo de la base del subespacio no-observable se sabe que su di­ mensión es 3 Se necesita u n vector que verifique que rXO = para conocer la base. 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 .4. En primer lugar se eligen dos filas linealmente independientes. 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.

Vb.32 representan otra realización del mismo sistema. Ta T formado por rp filas linealmente independientes de P y por n . Ca).29 y 4. que ante la misma entrada ambos generan la misma salida.34) Va Xb. 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) (4.3. las Ecuaciones 4. en otras palabras.31) (4. Lo que se consigue es desconectar la salida en (4. La matriz de cambio de base que consigue esta separación en los subsistemas men­ cionados se construye como: (4. caracterizado por las matrices ( Abb.rp filas estando linealmente independientes entre sí y con las de Gráficamente el sistema original se descompone en dos subsistemas según la Figura de las variables de estado contenidas 4. presenta una evolución del estado desacoplado de la salida del sistema. es decir. El modelo de estado que describe el comportamiento de los estados observables: Xa. O ) .32) describe el comportamiento del subsistema observable y genera la misma función de trans­ ferencia que la ecuación de estado en su forma original y la expresada en las Ecuaciones 4.29) (4.30) El subsistema formado por las variables es observable y de dimensión rp . Adicionalmente el subsistema formado por las variables Xb.30. 5ca y(t) = = Aaaxa + Bau(t) CaXa (4. según se puede deducir de la Ecuación 4.31 y 4.30.33) donde está formada por una base del subespacio no-observable y está formada por rp vectores cualesquiera que sean linealmente independientes entre sí y con los de la matriz Igualmente se puede construir otra matriz a partir de: Tb Tb.192 del vector de estado según la ecuación: = CAPÍTULO 4. caracterizado por las matrices (Aaa. y(t) Vb .

.3: Separación de la parte no-observable. Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al cual se definen los vectores. dentro de la imposibilidad de observar el estado del sistema. desplazándolo para que tantos de ellos como sea necesario coincidan con la base del subespacio no-observable. SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 193 Figura 4.7. 82 - 81 Ejemplo 4.4. las variables de estado en dos grupos.7 Dado un sistema definido por las siguientes matrices : A= [� o 1 - 3 O O 5 1 . Se han separado. La dimensión de es n Tp Y la de es Tp . unas observables y otras que no lo son.

1 AT = e = -� ! �1 CT = [ 1 O O ] [ [ 1 =t n ] -0 .8.194 separar el sistema en la parte observable y no-observable. OBSERVABILIDAD ] rango(P) = 2 T. se puede proceder a la separación del sistema en sus partes observable y no-observable. como demuestra el hecho de que el rango de la matriz P sea menor que tres. de modo que el sistema referido a las nuevas variables de estado x queda definido por las .separar simultáneamente la parte observable de la no-observable y la parte controlable de la no controlable de un sistema lineal invariante. 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). 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. Para comenzar se construye la matriz P: P= Dado que el sistema no es observable. 5 0 .1 = Con lo que las matrices transformadas resultan : [ 4 -2 2 1 0 -8 1 01 O O = ] =} T= Á T. vable Separación d e los subsistemas controlable y obser­ El objetivo de este apartado es . 5 4.

1 B � y además se verifica que: 1. Los tres subsistemas descritos en la anterior enumeración tienen la particularidad de generar la misma función de transferencia. 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. formando el resto de las variables tema con comportamiento desacoplado de las entradas. el segundo ya se ha estudiado como subsistema controlable. Existe un teorema. Xd) un subsis­ tema con comportamiento desacoplado de las salidas. [ Ca (xa . Al orden de dicha realización mínima se le conoce también como grado de McMillan de dicho sistema. y el tercero como subsistema observable. 0 Áee O Áde . El subsistema formado por las variables (xa. En concreto.36) (4. xc) y caracterizado por las matrices: es un subsistema observable. (4.8. formando el resto de las variables (Xb . 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. [[ 1:: lbb ] . SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 195 matrices: B � T.35) (4. 2. lo que significa que los tres son realizaciones diferentes de un mismo sistema en términos de entrada-salida.4. por lo que se le conoce como realización mínima del sistema. debido a Kalman. Xb ) y caracterizado por las matrices: o] ] (xc.37) es un subsistema controlable. En cuanto al primero. Xd) un subsis­ 3. [ :: ] . que caracteriza la realización mínima de un sistema en términos de controlabmdad y observabilidad: .

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

4. Ta U T b == Be (4. Cálculo de la matriz de cambio de base Se trata de obtener la matriz de cambio de base que realiza la separación en subsis­ temas descrita en la sección anterior.4. así que en conjunto los vectores columna Ta y de Tb serán una base del subespacio controlable.5. unos cambios de ejes para que coincidan con la base del sub espacio controlable y observable. Con esta transformación se consigue algo parecido a lo que se hacía al realizar las separaciones entre controlable y no controlable. según la Sección 3. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 197 Figura 4.8. Tb separan el subespacio controlable.5: Separación detallada de los subsistemas controlable y observable. 1 .38) . se determina que las cajas que componen la matriz de transformación cumplen que: • T = [ Ta Tb Te T4 ] de Ta.8. y entre observable y no-observable. 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.

la misma respuesta impulsional que dicha realización mínima. 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.39) T Desde el punto de vista práctico. aproxi­ madamente. según la Sección 4.198 • CAPíTULO 4. como el modelo de estado con menor número de variables que explica la relación entre la entrada y la salida del mismo. !::::.un caso de separación de un modelo de estado en sus distintos subsistemas. así que. Te : conjunto de vectores columna tales que conjuntamente con Ta .38 y 4. En la sección anteriori se ha introducido el concepto de realización mínima de un de­ terminado sistema. • Por tanto. Te separan el subsistema observable.9. Ta : conjunto de vectores columna tales que conjuntamente con Tb forman una base del subespacio controlable. (4.39.5. Tb y Td forman una base del espacio de estado. al problema de encontrar dicho modelo de orden inferior se le conoce como problema de la reducción del modelo. Sin embargo. y la dimensión del subsistema observable.10 de este capítulo se puede ver . Reducción del modelo . 4.40) (4. según las Ecuaciones 4. OBSERVABILIDAD Ta . coincide con el núm�ro de vectores columna de Ta junto con Te. rp . Tb es una base de la intersección del subespacio controlable y del subespacio no-observable. del subespacio no-observable. 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 . rQ . los vectores columna de Tb . Td deben ser base del subespacio no-observable. En el Ejemplo 4. coincide con el número de vectores columna de Ta junto con Tb . existe la posibilidad de que exista un modelo de un orden inferior al grado de McMillan que genere. la dimensión del subsistema controlable.

9.1 W(00. Sin embargo. . Asumiendo que se parte de la realización mínima del sistema. (4.n n.43) Si ahora se considera la familia de transformaciones: (4.edientes. B.42) Estos valores reflejan las propiedades de entrada-salida del sistema y juegan un pa­ pel central en la reducción de modelos. Dado un sistema estable. tal que: donde Ea es diagonal y positiva. son matrices definidas positivas y simétricas.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. D) con grado de McMillan los valores singulares de Hankel del sistema son: i = 1.44) V�W(oo. 1 . por lo que es nece­ sario relativizar la información que nos ofrecen al sistema de referencia en el que viene expresado el modelo. to)T = T . to) = T . Son de especial interés ciertas transformaciones lineales que ponen este hecho de manifiesto. � REDUCCIÓN DEL MODELO 4. to)V(oo.l W(oo.4. existe una matriz ortogonal U y otra diagonal y positiva E.T TT V(OO.9. se tiene que ambos gramianos. . tanto el gramiano de controlabilidad como el de observabilidad no presentan invarianza ant� cambios de base. por lo tanto controlable y observ­ able. de controlabilidad y de observabilidad. tal que: (4. Dada una realización mínima de un sistema (A. e. . Son particularmente interesantes tres transformaciones contrag¡. . se plantea el valor de este producto cuando se considera t l = 00: W(oo. los autovalores del producto entre ambos gramianos sí son invariantes ante transformación. to) y V(oo. como puede comprob�e fácilmente. to)T (4. Como ya se ha mencionado en este texto.45) . las llamadas transformaciones contragre­ dientes : Una transformación T que produce que W(oo. to) sean ambas di­ agonales se conoce como transformación contragrediente. to)V(oo. Además. entonces existe una matriz ortogonal Va (compuesta por los vectores propios ortonormales) . to)Va = Ea (4. tO)T.

to) E 2 = = k = O.2 k = = 200 CAPíTULO 4. propiedad de la que se hace uso a la hora de establecer la reducción del modelo. l W(OO. to) = E 2 Y V(oo. T E 2 k T[ V(oo. Por tanto.5 y 4.46) (4. tres son de particular interés. para singulares de Hankel. to) 1 V(oo. . • Una propiedad interesante de la realización internamente equilibrada es que ambos elipsoides de controlabilidad y observabilidad del sistema coinciden y se encuentran alin­ eados con los ejes de coordenadas en el espacio de estado. . i = 1 . 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. siendo Gi . Sus semiejes son iguales a las raíces cuadradas de los valores singulares de Hankel. En el caso de la realización equilibrada a la salida. siendo: T . Estos estados contribuyen muy débilmente al acoplamiento entre la entrada y la salida del sistema. . .5 respectivamente. Gk + l ::. = 1 : Una realización se llama equilibrada a la salida o normalizada a la salida si W(oo. Es por tanto esta realización en la que se centra el estudio que sigue a continuación. to) T . se convierten en esferas. OBSERVABILIDAD (4.47) De todos los posibles valores de k. Gk . que todas las variables de estado aportan energía a la salida en igual cuantía.se comprueba que dichas transformaciones son contragredientes. indicando: • En el caso de la realización equilibrada a la entrada. k = 1 . k = 1/2 Y con E diag Gi . tO) T k E 2 . n los valores La propiedad más importante de las realizaciones equilibradas a la entrada y a la salida es que los elipsoides asociados a controlabilidad y observabilidad. . descritos en las Secciones 3. to) = E Una realización se llama internamente equilibrada si W(oo. to) 1 y V(oo. valores pequeños en un modo de segundo orden se corresponden a estados que son débilmente controlables y débilmente observables. to) = = k > 1 . que el sistema de representación elegido es tal que la entrada reparte su energía a partes iguales entre todas las variables de estado del modelo.

respectivamente.53) siendo tivos.9.52) Nótese también que en el paso descrito en la Ecuación 4. REDUCCIÓN DEL MODELO 201 4. to) V(oo.51 ) Nótese que: (4.49) donde Le y L o representan los factores triangulares inferiores de Cholesky de los gra­ mianos de controlabilidad y observabilidad.8. lo que simplemente hubiera intercambiado los papeles de U y V.50) y a partir de ella se construye la transformación a la realización internamente equilibrada: (4.54) . siendo los más conocidos: Método de Cholesky Se trata de un algoritmo recursivo que comienza con i = 1 y: (4. l::.2.50 se podría haber realizado la descomposición de L&Lo VEUT . entonces (4. Transformación a la realización internamente equilibrada El algoritmo comienza por calcular la descomposición de Cholesky (véase t en esta sección) de los gramianos de controlabilidad y observabilidad: W(oo. simétrica dicha matriz se puede descomponer como: definida positiva.48) (4. Un ejemplo de cálculo de una transformación contragrediente se puede ver en el Ejemplo 4.9. = t Descomposición de Cholesky y Sea M una matriz de elementos reales. se calcula la descomposición en valores singulares (véase :1: en esta sección) del producto de los factores de Cholesky: (4. to) = = LeL& L o Lb (4. L una matriz triangular inferior. A continuación. con los elementos en la diagonal posi­ Existen varios métodos para el cálculo de la factorización de Cholesky.4.

. la matriz Mi tiene la forma: donde denota la matriz identidad de dimensión i .202 CAPÍTULO 4. n . In' ln2 lnn I g l2 1 l22 = LLT : O O (4." m2 1 m22 .l m' . .¡m:¡. .55) entonces se puede escribir: donde: y'mii O (4.61) - (4. li . m2n · · · mn l mn2 mnn ][ In l2 1 . . . [ Ii.1. .56) (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 .62) k= 1 es real y . ili mii Ll = para i > j l�k M (4.59) l l. OBSERVABILIDAD En el paso i-ésimo. . m . h2 O � ln l ln2 lnn ][ (4. .60) 1 se obtiene la expresión general para los elementos de L: siendo la raíz cuadrada de la Ecuación 4. . S i ahora s e define la matriz como: 1 __ b'l· . .62 siempre positiva si definida positiva.l Li = O O (4.57) (4. tras n pasos.58) Repitiendo esta operación para i = 1 .

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

e. La idea básica en la que se basa la reducción del modelo es la siguiente: supóngase un sistema exprsesado en su realización internamente equilibrada. son variables que contribuyen muy débilmente al acoplamiento entrada-salida del sistema. por lo que si se tratara de un modelo de caja negra. B. se reducen las matrices del sistema de la . sino que vendrá fijado por las necesidades de exactitud con la que se deba reflejar el comportamiento real del sistema. D): 1. Por lo tanto. (A. respectivamente.9. sino enunciar las guías para proceder con esta simplificación.3. 2. Se toman los valores singulares de Hankel y se descartan los que sean significativa­ mente inferiores a los demás. D ) . 3. Reducción del modelo CAPíTULO 4. 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. como en cualquier algoritmo de aproximación. se comportaría aproximadamente como Xc y X3 a la vez. Esto tiene dos consecuencias claras: • [�] En primer lugar. son variables difíciles de controlar y de observar. • Por lo tanto.8. enunciado en la Sección 4. Si el teorema de realización mínima de Kalman. El grado de simplificación del modelo no se puede precisar a priori. 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. En segundo lugar. B. no se puede especificar un criterio general de reducción.66) donde I k es la matriz identidad de dimensión k. se aplica al modelo internamente equili­ brado para el que X l se toma como una buena aproximación a XC Q . dada la realización que se está manejando. podrían ser despreciadas. el procedimiento de reducción es el siguiente. que las entradas repercuten débilmente en su valor y que sus variaciones no afectan significativamente a la salida. y dada la característica anterior. conservando las propiedades de estabilidad y equilibrio interno. se debe siempre alcanzar un compromiso entre simplicidad y precisión. OBSERVABILIDAD En la determinación de un modelo reducido equivalente. 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.k variables. el modelo resultante de orden reducido se comportaría aproximadamente igual al original. Dado un sistema definido por las matrices e. lo que significa.204 4. n . 4.

k últimas columnas de la matriz A.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) � � .tI 1 1 .k últimas filas de la matriz B. /::. En primer lugar se calculan los gramianos de controlabilidad y observabilidad: 1 .�OO -�40 5 O �1 -20 x(t) + [�1 1 u (t ) plantear los posibles modelos de orden reducido.9. REDUCCIÓN DEL MODELO • 205 • • Se eliminan las n . 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. Se eliminan las n .14132 W(oo. C.403 5040 693 21697 21344 6720 23 560 11543 305 673 56 2693 115 20 2304 107520 V(oo.80640 O 1 80640 0 .k últimas filas y n . 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 [ =.4. . Ejemplo 4. O) = O 80640 O1 4032 151 O O .

0005 -0.214 -15.008 0.018 -0.238 -0.763 -2.00109 O O -0.10..073 0.156 ] ] .186 0.380 -0. y a partir de estos valores se genera la matriz de transformación a la realización internamente equilibrada del sistema: Aplicando esta transformación.471 O 0. las matrices del sistema resultan : A _ - [ [ J ] IO .195 0.206 4 293� 48 1 697 48"'80 1 85 3 y' 2��1 64 CAPíTULO 4.803 0.264 -4.680 -0.134 2.951 -0.195 0.' ] ] -0.n!N!i o O O O O 1 32"'23503 Dados los factores de Cholesky de los gramianos de controlabilidad y de obser­ vabilidad.001 0.397 0.533 0.099 -0.604 0.632 V = -0.647 3.033 -0.483 -2.134 -4.997 U = -0.751 -0.332 0.646 -0.562 -0.729 O O 0.001 0.690 -4.018 -0.612 -0.456 6.032 -0.992 -0.690 3.404 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 .020 0. se procede a la descomposición en valores singulares del producto: resultando: -0.248 -0.264 0.0724 -0.776 -o.0001 O -0.946 -0.238 -0.308 -0.0986 -0.163 -0.434 4.516 -2.198 12.018 -0.561 -0.803 0.307 -0.002 0.612 .00488 O E= ° O [ [ [ LbLc = UEVT 0.308 0.014 0.

. 002 ! !¡ ¡ ¡ :! .086 0.434 4. y el de orden dos. por lo que se puede plantear un modelo reducido de orden dos... \.803 -2. Se plantean dos alternativas.. eliminando la tercera y la cuarta. el modelo de orden tres. \\ \\ \ \....008 207 C = [ -0.612 -0." \.00488 O O O O 0.098 -0.612 .. eliminando la cuarta variable de estado de la realización internamente equilibrada .. REDUCCIÓN DEL MODELO B= [ ] -0.086 0... ..046 ] -0.238 -0. \" \\ ... ..098 Cl = [ -0..9.. O) = E = [ 0. 004 0 .763 2...098 -0. ...098 -0.4.00109 O O O O 0.... .046 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. 008 0 . O) = V(oo.046 ] ] cuya respuesta impulsional es la que se representa en la siguiente figura: 0 . : ¡ ¡ ! ! \ :..046 0.. . . ....086 -0. _.647 -0...086 -0.. . 006 0 ...803 -4.. • Eliminando la cuarta variable de estado se obtiene el modelo de orden tres: Al = Ih = Yl ( t ) [ [ -0.008 ] siendo los gramianos matrices diagonales con los valores singulares de Hankel del sistema ordenados de forma descendente: W(oo.10.. b..238 -4... .0001 O O O O 6..

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

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

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

2 A = -3 O -3 -3 3 3 En primer lugar es necesario conocer las dimensiones de los subespacios controlable y observable del sistema .10.10 -2 -11 191 - 18 2 17 -17 15 1 .10 Separar en sus partes controlable y -o bservable el sistema dado por las ma­ trices: 2 3 -3 . PaFa obtener su basE!. en este caso los tres primeros: .4. se extraen tres vectores columna linealmente independientes de dicha matriz. por lo que ésa es la dimensión del subespacio controlablé'del SIstema. para lo que se utiliza'tel estudió mediante las matrices de controlabilidad y observabilidad: e= B � UJ [ -4 4 2 4 -4 O O O -1 O TI -2 -4 -2 [ -3 3 2 O 5] O 2 ' 2 -2 3 3 -3 6 2 - '-5 5 5 -5 El rango de la matriz Q es 3 . EJEMPLOS ADICIONALES 211 Separación en subsistemas Ejemplo 4.

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 .10 18 2 -2 2 -2 2 Vll V2l V3l V4l V5l � sabiendo que la dimensión de la intersección es 1.] [H] [ CA CA 2 C A3 C A4 = -6 -12 -24 -48 3. por lo que la dimensión del subespacio no-observable es 2. Para calcular la base de dicho subespacio se recurre a obtener el n úcleo de la transformación lineal definida por la matriz de observabilidad: y despejando se obtiene que la base del subespacio no-observable es: Para calcular la matriz de separación de parte observable y controlable es necesario calcular la intersección entre los subespacios controlable y no­ observable. se plantea la ecuación: . [e1 [ 3 1 [ 3 3 -3 . por lo que primero se calcula la dimensión de dicha intersección: y.3 CAPÍTULO 4.212 En cuanto a l estudio de controlabilidad: P= siendo el rango de la matriz P también 3 .

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

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.Aaa ) .214 Con esta matriz se realiza la separación en los distintos subsistemas.1 Ba = ( s + 2 ) ( s . . s _ A) . quedando: A =T. OBSERVABILIDAD -1 o -3 ] 3(s + 1) Ce o(s) = Ca ( sI . Tomando: [� �1 O 2 -1 -4 O O .2)(s + 1) 2 (s + 2)(s .1 AT = B =T . Ej ercicios resueltos Para el sistema siguiente: Determinar: [ !: J [ -� ! j ] [ :: J [ � ] [ :: 1 + - y " � [1 1 OJ a) La observabilidad del sistema. 1 1 .1 -3 O 2 O O O O O CAPíTULO O O O O O O 4.1)(s + 1) 2 (s .1 ) mientras que si se toma la realización completa original : C (s) = C ( I 4.2) 3(8 + 1) (8 + 2)(8 .1) 1.1 B = 3( s + 1) (s .

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

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

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

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

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

220 A -3 � => con lo que la matriz de cambio de base queda: Así. la matriz Á que define el comportamiento del sistema en la nueva base es: La matriz de transición correspondiente es: = = El estado inicial expresado en la nueva base es: T..1 AT [ O ] '¡'(t) eÁt [ e-t e-OO2t ). ] [ :�. 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 . ] 1 = 1 1 1 1 1 ..

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

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

es alcanzable. Si fuera posible. a) par de valores prefijados. ecuaciones de estado que definen el comportamiento del sistema. indicar el mínimo número de salidas necesarias para construirlo. en esa base del espacio de estado las. 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. En el primer bloque hacen falta dos variables de estado: donde definiendo: S(SX I + x¡ ) = -X l + U X 5 = SXI + X l . EJERCICIOS RESUELTOS • Si a = c O O 223 1 -a 1 1 1 1 -a 2 :f 0 • luego no es alcanzable . X3 Si b = c 3.11. de estado del sistema. tal que sus va­ riables sean controlables y/o observables. en la base elegida en el apartado anterior y mediante una entrada adecuada ? Razonar si existe otra base del espacio de estado que cambiase dicho resultado. En primer lugar hay que elegir las variables de estado con las que construir el modelo. si a + b = 1.4. posible de entre las salidas de cada bloque y expresar. 1 -a 1 1 1 =2-a-1-b=1-a-b 1 -b 2 luego. desde condiciones iniciales nulas de las variables de estado.

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

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

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

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

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

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

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

mediante una matriz constante. Para proceder a la aplicación de un control por realimentación del estado. que permiten. poniendo de manifiesto la potencia de esta estructura de control para fijar las características del comportamiento dinámico de un sistema. Como se vio en el capítulo anterior. para actuar sobre las variables de entrada del sistema según el esquema de la Figura 5.1. En el capítulo siguiente se aborda el hecho de que las varia­ bles de estado no sean directamente medibles. por tanto. continuación. estimar el verdadero 'valor de las variables de estado de la parte observable. que se suponen directamente medibles. no puede modificarse mediante ninguna realimentación 231 .5 5. conocido como realización mínima del sistema . un sistema puede descomponerse en varios subsis­ temas atendiendo a sus características de cóntrolabilidad y observabilidad. 1 . La parte no controlable del sistema total tiene un comportamiento independi­ ente de las entradas y. tanto en el caso de sistemas monovariables como multivariables. existiendo un subsistema que es a la vez controlable y observable. 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. se aborda el diseño de la matriz de realimentación del estado con objeto de fijar el comportamiento dinámico del sistema. que constituyen la información accesible de éste. A. justificándose la asignación directa de todos los polos de la parte controlable del sistema. en cuyo caso se 4iseñan unas estructuras denominadas observadores . Primeramente se realiza un análisis de la dinámica del sistema cuando se efectúa la realimentación de sus variables de estado. a partir del conocimiento de la evolución de las variables de entrada y de salida del sistema. se parte en este capítulo del conocimiento de las variables de estado del sistema.

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

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

. por lo tanto se pueden cambiar las propiedades del sistema. CONTROL POR REALIMENTACIÓN DEL ESTADO ecuaciones ya conocidas para un sistema lineal invariante.3 ) ( 5.+ . eligiendo adecuadamente Ar y despejando K de la Ecuación 5. quedando reducidas las restantes ecuaciones a identidades independientes de los valores de los elementos de 1 ( 5.5.5 ) Se puede cambiar la matriz Ar que representa la dinámica del sistema realimentado mediante la libre elección de la matriz K.1 dt dt -- siendo ésta su expresión más general.5.4 ) K. . porque dicha expresión representa n x n ecuaciones (dimensión de A) con m x n incógnitas (dimensión de K).+ aoy = bn .1 d n . no va a ser posible ajustar los n x n elementos de la matriz Ar de forma arbitraria. La respuesta es negativa.7) . 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. + b 1 . resultaría un sistema incompatible.3. . 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.234 CAPÍTULO 5. siendo: r < n. en particular sus polos. 1. puesto que no se cuenta con los suficientes grados de libertad en la matriz K para ello.6 ) Vi> r bi = O ( 5. Sin embargo. en el que el número de ecuaciones superaría al número de incógnitas. de forma que el sistema se torna compatible. + a 1 .+ an . la inclusión del lazo de realimentación.1 y du . No obstante.+ bou dtn dt 1 dtn dtn .+ bn .3. dado que normalmente va a haber menos entradas m que variables de estado n. como se verá en este capítulo. La solución a este primer problema pasa. con el máximo orden de derivación de la entrada igual al de la salida. 5. por manejar expresiones de las matrices Ar y A en sistemas de referencia que permiten reducir el número de ecuaciones a resolver a sólo m x n.1 -. 5. podría darse el caso en que no fuese así. :3 ( 5.y + .1 dn y dy dn u dn . A raíz de la afirmación anterior. hace que se cumplan también las relaciones: u(t) = v(t) + Kx(t) x(t) = Ax(t) + Bv(t) + BKx(t) = [A + BK] x(t) + Bv(t) Con lo que la dinámica del sistema viene ahora expresada por la matriz: Ar = A + BK ( 5. a través de la matriz constante K. . Si así se intentara.

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

. an . . . La función de transferencia del sistema realimentado queda entonces: Ejemplo 5.bnO!o .k ) l k2 )s + l n.l ] = = [ bo . 2 = . bn .bn an . bn . n (5. . (a +-bIS + bo (ao . 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. mientras que: . De la forma de estas dos matrices depende la posición que tomen los ceros del sistema realimentado. .l ] (5. los ceros del sistema no se modifican al realizar una realimentación del estado en un sistema monovariable. . se toma la Ecuación 5. por tanto.12: Falta por determinar la forma de las matrices Cr y Dr.O!i .k+)sn_ll s+ . que forman la ecuación de salida del sistema tras la realimentación. . Para calcularlas. los coeficientes del numerador de la función de trans­ ferencia siguen siendo los mismos que para el sistema sin realimentar.l ] + bn [ ao .l n n- (5 .bn ao .7. .bnO!n .l ] = = [ bo .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 . .l .++. 1 6) 1 - con lo que se comprueba que. En primer lugar.l .236 CAPÍTULO 5 .l . se calcula el polinomio característico del sistema ya realil Véase Sección 1.l .bnO!o .2 sn b n . 1 5) Dr = D = bn .l . aunque se produce un cambio en la ecuación de salida del sistema al pasar de C a Cr. 1 4) y(t) = Cx(t) + D (v(t) + Kx(t)) = (C + DK)x(t) + Dv(t) con lo quel (5.3 y se introduce en la ecuación de salida del sistema sin realimentar: ki = ai .bn ao + bn ao .l + bn an .3 . . bn .bnan .O!n .l . i = 1.bnO!n . . • Cr = C + DK = = [ bo .O!o .l . . sabiendo que la matriz B va a permanecer sin modificaciones al estar representado el sistema realimentado en su forma canónica controlable. . M(s) = s n + (a bn.1 ± j Y S 3 = -10 .

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

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

3. A = T e 1 ATe = x(t) = Tex(t) 1 O o O 1 O O O O O O (5.24) 5. La consecuencia de este hecho es que la ganancia del sistema en cadena cerrada: M(O) = ao bo k - 1 (5. En cambio. Si con esta matriz se hace una transformación de estado. el polinomio numerador y. los ceros del sistema permanecen invariantes. el polo libre se puede posicionar en un punto no deseado. Si se aplica a estas matrices el procedimiento descrito en el apartado anterior.25) puede tomar cualquier valor arbitrario. correspondiente a las variables de fase. el control por realimentación del estado permite la locali­ zación de los polos del sistema en los puntos que se desee. al fijar la ganancia y el resto de los polos. mediante la modificación de los parámetros del polinomio característico. .2: u(t) = v(t) + Kx(t) = v(t) + KTc 1 x(t) '* K = KTc 1 (5. ya que a su vez. CONTROL DE SISTEMAS MONOVARIABLES 239 La matriz de cambio es Te. que queda libre.21) o O (5. se obtiene una matriz de realimentación K. que se han de convertir a las variables accesibles del sistema. caracterizada por las matrices Á y :B.3. la inversa de ésta (se demuestra que Te? es invertible) . Éste será un proceso de prueba y error. se obtiene el estado representado en variables de fase a partir de cualquier otra representación.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. para fijar el término independiente del polinomio característico. por tanto. según se muestra en la Figura 5 . Una primera solución a este problema es sacrificar el posicionamiento de un polo.3. El problema de la ganancia Tal como se ha indicado.5.22) 1 B = Te 1 B = (5. posiblemente no deseado.

_ . si bien su influencia sobre el comportamiento del sistema no va a ser despreciable.8 3 382 + 678 1 + + + _ 8 1 2 -1 ± j . por l o que el tercer polo toma valor -3 . Con ganancia unitaria. 2.240 CAPíTULO 5. En a= = . En el caso de que se quiera obtener ganancia unitaria en cadena cerrada. = y para cumplir con l a condición impuesta se toma ao 6. Sea el sistema de función de transferencia: Se desea posicionar los polos dominantes en lazo cerrado en: 38 G ( 8 ) .Figura 5. sea tal que se pueda mantener la hipótesis de dominancia de los polos cuya posición ha sido asignada directamente. 1 . La factibilidad o no de la solución en este problema pasa por que la posición del tercer polo. el que se usa para realizar el ajuste de la ganancia. 3 .. CONTROL POR REALIMENTACIÓN DEL ESTADO v( t) e y ( t) Ejemplo 5 . Este valor podría ser aceptable. el polinomio característico es de la forma : 1. _ .2: Transformación de la matriz de realimentación K. Manteniendo la misma ganancia que en lazo abierto._ .

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

2 -1 ± j y 8 3 -10 siendo unitaria l a ganancia estática e n cadena cerrada. pero no con la que hace referencia al valor de la ganancia estática del sistema realimentado. 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) . es decir. Para ello se añade una constante. multiplicando al conjunto. cuando aparentemente sólo se dispone de tres grados de libertad para conseguirlo (los valores de las tres constantes de la matriz 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. 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. Esta situación se resuelve mediante la adición de una cuarta constante en cadena abierta. Para resolver este caso se comienza por plantear el modelo del sistema prop­ uesto en variables de fase: = = A continuación. ya se puede plantear la resolución de la reali­ mentación. CONTROL POR REALIMENTACIÓN DEL ESTADO se desea diseñar un control por realimentación del estado que sitúe los polos en: 8 1 . como se muestra en la Figura 5.242 CAPÍTULO 5.3. cuyo valor se va a ajustar durante el proceso de diseño del lazo de realimentación. el cálculo de la matriz = Ko-6 = 1 Ko = K: Ar =A + KoBK Gr(O) 10 3 20 . por lo que supuestamente el problema estaría indeterminado y no podría resolverse.

b I S + bo G(s) = bn _ l n (5. .27) s + an _ l Sn . como se desea en los servosistemas. de modo que la función de transferencia en cadena abierta sea del tipo adecuado para luego realimentar la salida.l bn . 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.4 . 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.10 . En este apartado se va a estudiar cómo compatibilizar el control por realimentación del estado con la realimentación de la salida.3 . por lo que los sistemas resultantes son sensibles a las perturbaciones e inexactitudes del modelo.7 -3 . Se va a suponer.an .l + . sobre su valor en régimen permanente.10 Es importante tener en cuenta en este planteamiento que no hay necesidad de realizar la validación de la hipótesis de polos dominantes. 5 .28) 1 . a l S lo que corresponde a unas variables de fase: + . O O A= 1 O O 1 O O 1 ++ O O B= (5.2 + . de modo que globalmente se sitúen los polos en los lugares deseados. la única solución fiable es incrementar el tipo del sistema. en primer lugar. . La función de transferencia es entonces de la forma: sn . como se muestra en la Figura 5. . CONTROL DE SISTEMAS MONOVARIABLES [ * 1 k2 k 3 ] Ko . 3 .1 La idea es realizar primero una realimentación del estado que conserve el tipo del sistema para luego añadir una realimentación de la salida. que el sistema es ya de tipo 1.4.10 .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. -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. para tener un sistema con los polos en las posiciones deseadas y error de posición nulo. O O O O -a l -a2 e = [ bo b 1 b2 O . no efectuando un verdadero control en cadena cerrada sobre la ganancia del sistema.l bn _ 2 S n . es decir.

Kobl k3 .al k3 .al . Si se realimenta entonces el sistema con una matriz: (5.KoBCx = Á . y (t ) Figura 5 .5: u = Ko (r .KoCx x = Áx + Bu = Áx + KoBr .r------.an .29) se obtiene como nueva matriz del sistema: o O Á = A + BK = 1 O O 1 O O (5.33) .244 CAPÍTULO 5 .a2 es decir.KoBC = Se obtiene.Ko bo k2 . un sistema de tipo 1 con todos los polos modificados.a2 .y) = Kor . un sistema realimentado con matriz de sistema: ( ) (5.31) (5. Si sobre este sistema se realiza una realimentación de la salida con un control pro­ porcional Ko.Kob2 1 . se obtiene el sistema de la Figura 5.30) O O O O k2 .l (5.KoBC x + KoBr Ar = A + BK . por tanto.Kobn ..32) O O O O 1 O O O O 1 O O O O O kn .4: Realimentación en sistema de tipo uno. CONTROL POR REALIMENTACIÓN DEL ESTADO .l .

y dado que el sistema es de tipo 1 en cadena abierta . por lo que basta con que bo 1=.8 3 + 38 2 6 78 + tenga sus polos en 8 1 .10.5 Diseñar un sistema de control que haga que el sistema dado por: 38 + 8 ) . Ejemplo 5. El modelo de estado del sistema es: x= O -7 .1 ± j y 8 = . CONTROL DE SISTEMAS MONOVARIAB:tES 245 Figura 5.5: Control proporcional del sistema anterior.5. se realiza una doble realimentación como la explicada : en un lazo interno.O para que todos los polos del sistema se puedan fijar a voluntad. tendrá un error de posición nulo en cadena cerrada.3 . Obsérvese además que. y en otro externo la salida . por ser un sistema de tipo 1 en cadena abierta. 2 = . respetando el tipo del sistema . siendo además ep = o. el estado.3 y=[ 6 3 0 ]x [� � � l [ �1 l x+ u . G ( _ Para conseguir cumplir con todas las especificaciones.

KoBC -22 -12 O 1 � resultando: l=[� l+[�l [�1 O .7 -3 3 Ko = lO 3 K = [ O -5 -9 ] En el caso de ser un sistema de tipo O.246 CAPÍTULO 5. Figura 5.6: Conversión a sistema de tipo uno. se puede incrementar el tipo del sistema añadiendo un integrador en el controlador.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 . obteniéndose la estructura de la Figura 5. .

36) = Si en la expresión anterior se efectúa el cambio queda la siguiente expresión: x = T:ié para pasar a variables de fase.1 (A CTBK)T ] [ xo ] + [ O1 ] = :ié + b .37) y =[ O CT 1 [ :0 ] = [ O bo bl b2 .35) (5. bn. .34) (5. se debe cumplir : (5. [ Xjco ] = [ T .40) det(sI Ár) = Pr (S ) donde Ár es la matriz de la dinámica del sistema realimentado expresada en la ecuación 5. CONTROL DE SISTEMAS MONOVARIABLES 247 Las ecuaciones del sistema quedan en este caso: Xo x = r u es decir: .39) Si se desea fijar la dinámica de este sistema de manera que su polinomio característico sea Pr (S ) .5.al k3 .1OBKo T.38.bOn . . .an-l (5.3.bo OO1 Xl OO -O1 1 -O1 2 OO X2 + O X3 = O 1 O O O O Xn O Ko kl .Cx Ax + Bu Koxo + Kx = [ Ko K ] [ � ] r (5.y = .38) r r = (5.l Xo b o .ao k2 .a2 kn .l ] - (5 .

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

según criterios que se explican en el subapartado siguiente.4.1 k2 . lo que se hace es plantear la igualdad de ambos polinomios caractarísticos.4. resultando: Ko k 1 . La matriz B queda descompuesta consecuentemente en dos matrices. 5. Un Y las perturbaciones externas que no se utilizan para controlar el sistema.k3 = 22 - con lo que se forma el siguiente sistema de ecuaciones. dedicado al cálculo de la matriz Te.. invariante y multivaria­ ble. las entradas del sistema pueden dividirse en dos grupos: las que se utilizan en la realimentación del estado. Si alguna de las variables de entrada no se utilizase en la realimentación del estado. CONTROL DE SISTEMAS MULTIVARIABLES 249 especificaciones de régimen permanente) queda: Ar = [ Dado que en este caso.8. 1 .k 1 + 3Ko)8 + 6Ko = = 84 + 2283 + 1428 2 + 2408 + 200 6Ko = 200 1 . 6.Ar l = 84 + (3 .k 1 + 3Ko = 240 7 k2 = 142 3 .4 . 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. up . y las ecuaciones de estado se expresan de la siguiente forma: (5. por la forma de la primera fila de esta matriz.k2 )8 2 + (1 .135 -19 ] Casos adicionales de control de sistemas garantizando. 5.42) . no se puede recurrir a la estrategia de igualar elementos con los de la matriz del sistema realimentado. o bien el seguimiento de la variable de referencia pueden ser encon­ trados al final de este capítulo en los Ejemplos 5. por tratarse de perturbaciones del sistema o por no ser necesarias para su control. o bien un valor de la ganancia en cadena cerrada. con n variables de estado. !:.k3 )8 3 + (7 .7 y 5. m entradas y p salidas.7 det[8I .aO O O O -6 O O -6 O O -3 1 O k 1 ..5. del que se despejan los parámetros de la realimentación: =} }{ 100 Ko = 3 K= [ -139 .

47) O 1 O O O (5.5. como en el caso monova­ riable. coincidente con el número de entradas utilizadas en la realimentación. se le denomina con la letra m. CONTROL POR REALIMENTACIÓN DEL ESTADO Efectuando la realimentación del estado mencionada: Ur ( t) = v(t) + Kx(t) (5. Las matrices del modelo de estado del sistema en dicha base toman la siguiente expresión: Au A12 A 'm A 2 I A 22 A 2m A= (5. Obsérvese que las entradas de perturbación. se parte. up. intervienen en la evolución del sistema mediante la matriz Bp. que se obtiene mediante el cambio de base adecuado. Con objeto de facilitar la notación en este apartado de sistemas multivariables.250 CAPÍTULO 5. y a su dimensión.48) = o 1 . pero utilizando la matriz de entrada correspondiente sólo a las variables de estado utilizadas en la realimentación Br.47 tienen las siguientes expresiones: • Matrices Aii : O O Aii 1 O O [�� 1 1 (5. la matriz Br se denomina simplemente como B.45) coincidente con la Ecuación 5. Para plantear el diseño del lazo de realimentación.44) donde puede observarse que la matriz que determina la dinámica del sistema es: (5. pero dicha matriz no interviene en el cambio de la dinámica interna fijado por Ar .43) la ecuación que expresa la dinámica del sistema realimentado queda: (5. de la representación del sistema en su forma canónica controlable. dado por la matriz Te según se describe en el siguiente apartado.46 y en 5.46) [ Am I Am2 B= Amm donde las submatrices que aparecen en 5.

siendo ni la dimensión del subespacio controlado por la variable de entrada i-ésima y cuyo valor se decide a partir de las columnas de la matriz de controlabilidad Q relacionadas con la entrada i-ésima que se utilizan para formar la matriz de cambio de base Te.a17i O O .50) 0'. tienen la siguiente forma en la base canónica utilizada: B. que el elemento Qij está situado siempre en la fila i-ésima y en la columna j-ésima. Si se efectúa una realimentación del estado del sistema expresado en esta forma canónica controlable. mediante una matriz K. cuyo significado ha sido comentado anteriormente. de dimensiones (m x n ) . La nomenclatura de subíndices empleada sigue garantizando que éstos indican la illa y columna del elemento considerado . j. • Por otro lado. cuyas dimensiones son ni x nj . de expresión genérica: (5. cada una de las matrices Aij . donde igualmente los subíndices indican la fila y columna que ocupa un elemento.aUi (5. Los valores de (Ti se calculan como: (5. • I7j -nj+ l O I7j -nj+2 O I7j .51) O O 1 bu. con i f=. Obsérvese que. con la nomenclatura de subíndices utilizada. � cuyas dimensiones son n i x m. fuera de la diagonal principal son de la forma: o O Aij = . según se expone con detalle en el siguiente subapartado. i+ l .a17i O O .49) que representan la dimensión de los subespacios controlados por todas las variables de entrada hasta la entrada i-ésima.5.a17i O O . es decir. dichos subíndices re­ presentan la fila y la columna del elemento considerado.52) [� O O (5.4. f::" CONTROL DE SISTEMAS MULTIVARIABLES 251 de dimensiones ni x ni .nj +3 O O En cuanto a cada una de las submatrices que componen la matriz B.

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

En total se obtienen n sistemas independientes de m ecuaciones cada uno de ellos. Primeramente se eligen n columnas linealmente independientes de Q. Por este motivo. El objetivo es obtener la forma canónica controlable para un sistema de estas características. que consigue el objetivo de control: que la matriz de realimentación Ar tenga la expresión dada en 5.5. . aquellos en los que existe más de una variable de entrada y/o más de una variable de salida. Para obtener la matriz Te de transformación que representa el estado según la forma canónica controlable en sistemas multivariables. eligiendo siem­ pre para cada entrada las primeras columnas asociadas a dicha entrada bi . j . se supone que el sistema es controlable. para los sistemas multivariables el control por realimentación del estado modifica la posición de los ceros del sistema.4. al contrario que sucede en el caso de control de sistemas monovariables. se obtiene un sistema com­ patible y determinado de m ecuaciones con m incógnitas. rango(Q) n.4. 5.1 para ai (5.1 para ai f:. en general. por hipótesis. Para el cálculo de la matriz de cambio de base Te se procede de la forma explicada a continuación . CONTROL DE SISTEMAS MULTIVARIABLES 253 expresión: 8<7. En caso contrario será necesario realizar una separación de la parte controlable. a partir de cualquier otra representación.5. Cabe destacar el hecho de que. /:::. como ya se ha supuesto anteriormente en este mismo capítulo para el caso monovariable. Para cada columna de la Ecuación 5. sería necesario acudir a técnicas alternativas de control.j = { O1 Obsérvese que para cada columna de la Ecuación 5. cabe esperar modificaciones al comportamiento previsto del sistema por la posición que puedan tomar estos ceros. que escapan al ámbito de este texto. . Una vez que se tiene la seguridad de trabajar sólo con el subsistema controlable. trabajando sólo con ésta.5 se obtiene un sistema distinto de m ecuaciones con las m nuevas incógnitas pertenecientes a cada nueva columna de la matriz K. es decir. Abi . En el caso de tener que ajustar también sus posiciones.2.54. el sistema controlable.56) En esta sección se tratará la forma de calcular la matriz Te para sistemas multivaria­ bles. existiendo en general varios conjuntos de n vectores columna linealmente independientes de Q. que permiten resolver los m x n elementos de la matriz buscada K. 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. se forma la matriz de controla­ bilidad Q: Q Al ser.. = . Obtención d e l a matriz d e transformación a variables de fase =j. .

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

según se indica en la Figura L b a continuación .2 Te I +.5.n I + n2 + . . x(t): x(t) Tcx(t) Al igual que en sistemas monovariables.9 al final de este capítulo.61 ) Mediante la matriz Te . + nm.60) =n x(t) en la representación del estado correspondiente a la forma canónica controlable vista en el apartado anterior. se calcula la correspondiente matriz K mediante lo descrito en el apartado anterior.1 +.5. obteniéndose como matriz de realimentación para las variables x(t) accesibles: (5. a partir de las matrices Á y B obtenidas con esta transformación. + nm (5. EJEMPLOS ADICIONALES 255 de la siguiente forma: +. . 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. . . Ejemplo 5.I + 1 +.n I + n2 + . .8 del Capítulo 1) cambiando la dinámica inestable del sistema por una dinámica estable y utilizando para ello una estructura de realimentación de las cuatro variables de estado del sistema.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. 5. inversa de la dada.5.

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

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. 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 .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 .5. que obtiene estas variables de fase a partir de las variables físicas originales del sistema.

1 1 5 Obsérvese que ahora el sistema realimentado es estable con todos los polos en . . las varia­ bles de estado tienden a cero con una dinámica definida principalmente por los mencionados polos. 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. por tanto. 05 2. 2 . 2 ] Utilizando la matriz K calculada para la realimentación del estado del modelo linealizado del péndulo invertido y suponiendo que las condiciones iniciales del vector de estados son : = = se obtiene l a evolución d e las varibles x y (J representadas e n la Figura 2 .§.2 13. 05 0. (a ) Evolución de la posición x. aunque también influida por los ceros del sistema en cadena cerrada . CONTROL POR REALIMENTACIÓN DEL ESTADO U na vez calculada esta matriz. Ahora cabe preguntarse cómo se comporta dicha realimentación del estado del sistema cuando se utiliza para controlar el sistema real no lineal. que son los mismos que en cadena abierta. en vez del Figura 2: Evolución de la posición mentado. se comprueba: La matriz de realimentación de las variables de estado originales se obtiene ahora como: K KTc/ [ 0.1 y. si se parte de un estado inicial distinto del origen .258 CAPÍTULO 5.

5 . 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) . Si se sigue aumen­ tando el ángulo inicial 00 . 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. para 00 45°) . -�--�2��4�--6�--�8��l'O bempo (8 ) -5 � -0 5 -1 5 -1 O���--4��6��8��10 tiempo (8 ) = Si se elige un estado inicial más alejado del origen. en el caso en que la perturbación valga up (t) = O. En la siguiente Figura 5 puede observarse la evolución del ángulo y de la posición . como: las variables de estado toman valores más apartados de su pU. EJEMPLOS ADICIONALES sistema linealizado con el que se han efectuado los cálculos de la matriz K.. . puesto que toman valores cercanos al punto " de linealización.1). Figura 3: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. por ejemplo.5 . pudiendo observarse en la siguiente Figura 4 una mayor diferencia entre el com­ portamiento del sistema real no lineal y del sistema linealizado.nto de linealización. = = . 259 (b) Evolución del ángulo O. partiendo de un ángulo inicial 0 ( 0) 10°. 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 . mientras que el sistema original no Jineal rea1imentado sea realmente inestable (obteniéndose este efecto. que es el origen de coordenadas. (a) Evolución de la posición x .

cabe 5 . 1 Nw. tal como se verá en el Ejemplo Puesto que la realimentación del estado del sistema permite. . situar libremente los polos del sistema en cadena cerrada. 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 . CONTROL POR REALIMENTACIÓN DEL ESTADO 5 r---�--�-'====�==� (a) Evolución de la posición x. debido a la mencionada perturbación . 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. (b) Evolución del ángulo (J. al menos teóricamente. partiendo de un ángulo inicial (J(O) 25°. (b) Evolución del ángulo (J . aunque la posición de la base se desplaza 2 m respecto a la posición inicial . Figura 4: Comparativa de la evolución de la posición y el ángulo en el sistema real no lineal y en el sistema linealizado. 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) 0.8.260 4 3 CAPíTULO 5. estabilizándose el ángulo en la vertical . -1 0 -1 tiempo (s ) -2�--�--7-----:---�--=:O· 6 2 0 4 -1 -5 50!:---"!---�4:----6�-""!"8--710' tiempo (s ) = (a) Evolución de la posición x.

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

10. 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) . que.======. sino también la posición de la base x(t) . Control d e posición d e l a base d e u n péndulo invertido Ejemplo 5. la anulación de este error es sólo posible con el sistema servoposicionador del Ejemplo 5. en . Obsérvese. esta nueva especificación del sistema de control garantiza un despegue en = .1 Nw.-] 1�1 r--�---.8 Se desea controlar no sólo la dinámica del péndulo invertido. Figura 7: Comparativa de la evolución de la entrada utilizando la matriz de realimentación que sitúa los polos en .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 . es de -2 en el caso inicial en el que se utiliza una matriz de realimentación moderada con los polos en . partiendo de un ángulo inicial 0(0) = 100 Y una fuerza lateral de perturbación up (t) = 0. 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. 1 00 I E[u(t)]=473 . de manera que ésta tenga un error nulo en régimen permanente ante perturbaciones en la fuerza lateral Up (t) . Suponiendo que el modelo del péndulo invertido utilizado es una simplificación del despegue de un cohete. Como se ha comentado.1 .. CONTROL POR REALIMENTACIÓN DEL ESTADO tener en cuenta la magnitud de la entrada que va a tener el sistema. 25 2 r���---.:::====.10.1 y la que los sitúa en . que será mayor cuanto más rápido se quiera hacer el sistema en cadena cerrada. en las figuras anteriores.262 CAPíTULO 5. sin embargo.8.10.1 .

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

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

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

]=

--

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

Ej ercicios resueltos Dado el sistema: . CONTROL POR REALIMENTACIÓN DEL ESTADO con dos entradas. Como puede verse en este caso.�--:-:-:---"":'7"7-� 8 G( 8) ( + 1 ) ( 8 + 2) (8 + 3) 6 . se calculan las entradas. la penalización de utilizar sólo dos entradas resulta en un consumo. respectivamente. obteniéndose: que resultan en un consumo energético de: Como resultado de la comparación se puede establecer. ocho veces mayor que en el caso de utilizar tres . la con­ veniencia de utilizar todas las entradas disponi b les para realizar el con trol . se obtiene: Este conjunto de entradas realiza un consumo energético de: • Caso de realimentación con dos entradas Como en el caso anterior.6. • Caso de realimentación con tres entradas Haciendo los cálculos pertinentes para calcular las entradas necesarias. se toma como mejor caso posible la entrada de mínima energía que lo conseguiría en ambas configuraciones. aproximadamente. 1. una ve� más. puesto que con ello se tiende a disminuir netamente el consumo energético en la conse­ cución del objetivo de control. Para ello. 5.274 CAPÍTULO 5.

:----2 3 6 8 + 68 + 118 + 6 A continuación se estudia la controlabilidad del sistema. por lo que serán necesarias tres variables de estado. En este caso se eligen las variables de fase para la representación del modelo de estado: 6 . por lo que el sistema es totalmente controlable y se pueden situar los polos en los lugares pedidos. 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.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 . EJERCICIOS RESUELTOS 275 y -3 El sistema es: diseñar el control por realimentación del estado que sitúe los polos en ( -1 ± j ) G( 8) que es un sistema de tercer orden. La ecuación característica objetivo.(8 + 1)(8 + 2)(8 + 3 ) 1 O -11 ::::: --.6.:---:. para ver que realmente se puede efectuar el control solicitado: Q = matriz con rango(Q) = 3. con los polos en los lugares solicitados.

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

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

b = 5. nuevamente utilizando las relaciones de Cardano-Vietta: } } � con lo cual. A2 = -3. e) La dinámica del sistema viene fijada por los valores de los polos del sistema. Se podría haber llegado al mismo resultado sin necesidad de haber calculado los valores de las constantes ( a. y cuya resolución conduce a los valores de las raíces del polinomio antes de realimentar. simplemente realizando un cálculo sobre un polinomio genérico. se obtiene el siguiente sistema de -8(abe + a + e) = . En este caso. lo que sitúa los polos del sistema antes de realimentar en A l = -2.168 -4(ab + be + ae + 2) = .(abe + a + e) . A3 = -4. b.278 CAPíTULO 5. e = 2. Para ello. así como ser capaces de expresarlos en el mismo sistema de referencia. El único problema que esto plantea es la necesidad de realizar un cambio de base del estado inicial. CONTROL POR REALIMENTACIÓN DEL ESTADO Si se aplica la relación Ar ecuaciones: A + BK. e) . sólo es necesario conocer el valor de los polos y el estado inicial. Así. para adecuarlo al sistema de referencia elegido.(ab + be + ae + 2) . y eso hace necesario conocer el valor de las constantes (a. b.78 -2(a + b + e) = (a + b + e) . que se obtuvo en el apartado anterior. la expresión más cómoda es la de la matriz A diagonal. constantes y valores iniciales y finales de los coeficientes del polinomio característico. Para saber cuál será el estado del sistema con entrada nula y partiendo de un estado inicial. que se conocen como resultado del apartado anterior. tras la realimentación se tendría: por lo que de nuevo se puede plantear un sistema de ecuaciones que incluya la información de la realimentación.9 abe + a + e = 2 4 ab + be + ae + 2 = 26 a+b+e= 9 Despejando del sistema de ecuaciones reflejado se obtiene a = 2. Cálculo de los vectores propios: . se puede suponer que el polinomio ca­ racterístico del sistema sin realimentar es. e) . que daría una matriz de transición muy sencilla y manejable. será preci130 calcular los autovalores de la matriz A.

= -3 =} >.5.5 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. = [ O1 t = 2 y devolviendo este vector al sistema de referencia 1 11 -1 .5 0. -1� ] [ ��� ] [ O� ] V2 [ �1 ] [ =�O -1� � ] [ �:� ] [ �O ] [ �1 ] V12 = = Vl 1 = V13 O VI = [ � ] V23 = 279 = V21 = V22 V22 = .1 = Xo = T .5 0. 1 -1 -1 1 [ O� -1.6.1 xo = con lo cual: 1 -1O1 -1 ] [ [O] 0.5 0.V23 _ -2 V33 = 2 V31 = V32 V32 = -2V33 V3 = _ 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 . EJERCICIOS RESUELTOS >.

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

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

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

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

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

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

.

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

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

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. Si por el contrario se desea obtener de forma continua la evolu­ ción de las variables de estado del sistema en cada instante. según la Ecuación 4. to)CT(r)C(r)�(r. Si los estados de coinciden en un instante to.x(t) = O . to)CT(r)y(r)dr V(t¡.3) (6.1 y(t) siendo: Este procedimiento para obtener el estado del sistema conlleva el cálculo de una in­ tegral definida. el número de salidas es mucho menor que el número de va­ riables de estado. 2. 1 ) En general.para cualquierambos sistemasaplicada sobre instante posteriorxexe(t) = entonces los estados coinciden para todo x(t) entrada u(t) el sistema. y hace falta construir un sistema observador con dinámica que estime la evolución actual de cada variable de estado a partir de la evolución temporal de las salidas y de las entradas. to)dr (t) = y(t) . r)B(r)u(r)dr .2 . sin embargo. -+oo tlím xe(t) .8 que se reproduce de nuevo a continuación: x(t) C .1 (tl' to) ¡tot I �T(r. to) = ¡totI �T(r. se implementa un sistema dinámico que tiene como entradas las entradas y salidas del sistema. DEFINICIÓN DE OBSERVADORES 289 En este caso el observador del estado se resuelve simplemente invirtiendo esta matriz: = (6.2) (6.6.¡t C(t)�(t. que tiene que ser evaluada cada cierto tiempo para obtener un estado anterior del sistema.D(t)u(t) y ito (6. :xe (t) debe tender asint6ticamente al estado x(t) para cualquier entrada u(t) y para cualesquiera estados iniciales xe(to) y x(to). y que responde a las condiciones enunciadas por el siguiente teorema: Dado un sistema lineal. El estado del sistema se puede calcular haciendo uso del gramiano de observabilidad. (to) = x(to). invariante y observable: x(to) = V. si verifica las dos condiciones siguientes: 1.

los estados deben coincidir en todo instante. la matriz F no puede fijarse libremente. por lo que los valores propios de la matriz A .Ax(t) + ( G . por tanto. • Adicionalmente.5 queda: (6.B)u(t) + HCx(t) se deduce que: • (6. puesto que la Ecuación 6.290 CAPíTULO 6. puedan ser utilizadas de forma eficaz como una buena estimación de las variables de estado en la realimentación del estado del sistema. se sabe que si se parte de un mismo estado inicial.Xo .HC es significativamente menor que la de los valores propios de la matriz A.x(t) = (A . Aquí cabe plantearse si la dinámica del observador determinada por F puede fijarse libremente.HC) (xe (t) .X (t) = Fxe (t) .7 pasa a valer: Dada esta ecuación.8 con la matriz F libremente elegida. como se verá en este capítulo.x(t) = Fxe (t) . Así.7) (6.5) Por la primera condición. para que el observador estime las variables de estado más deprisa que la variací6n de éstos y.2 para el cálculo de la matriz de realimentación del estado.6) (6. XeO #.HC con lo que la Ecuación 6.8 representa n x n ecuaciones con sólo n x p incógnitas (elementos de H) . para que los estados coincidan en todo instante se debe cumplir: Xe (t) . Al igual que sucedía en la Sección 5.Ax(t) + HCx(t) F = A . Esto se consigue si la parte real de los valores propios de la matriz A . ante cualquier entrada. la dinámica de la diferencia entre las variables estimadas y las variables de estado viene gobernada por la matriz A . que representan los polos del observador y determinan de forma Si los estados iniciales no coinciden. .9) Xe (t) . de manera que exista siempr. Sin embargo. si se forma la diferencia entre la evolución del estado del observador y del sistema: Xe ( t) .HC deben estar en el semiplano negativo.8) (6. en la práctica se necesita que la dinámica del observador dado por F sea más rápida que la del sistema dado por A..He .e una matriz H que satisfaga la Ecuación 6. el estado estimado debe tender asintóticamente al estado del sistema. OBSERVADORES DEL ESTADO Estas dos condiciones imponen diversas restricciones a las matrices del observador. sí se pueden fijar libremente los n valores propios de la matriz F.x(t)) Como puede observarse de esta expresión. Para que la entrada no influya en la diferencia entre ambos se debe cumplir: G=B con lo que la Ecuación 6.

13) [ ] [ _ ][ ] [ ] Como puede verse fácilmente.(t) . 6.HC A .15) .. tanto antes de realizar la realimentación del estado como después. mediante el cambio: ( x:(t) .HC xe (t) + B u(t) cuya representación gráfica se observa en la Figura 6. Cabe.He x e (t) . COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291 muy importante su dinámica. mediante la construcción de la matriz Q: (6.O A .3. Si se estudia la: 'éóntrolabilidad del sistema conjunto. Para ello será importante expresar la Ecuación 6. por otra. 10) (6.12) xe (t) . 6. siendo las restantes n x ( n . calculando los n x p elementos que forman la matriz H.3.x(t) _ _ Con lo que la nueva expresión de la ecuación de estado es: ' x(t) A . que la Ecuación 6. [ B ] u(t) O (6. analizar la controlabilidad del sistema con el observador de forma conjunta.8 quede reducida a n x p ecuaciones compatibles.3. el rango de esta matriz sigue siendo n. 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 . x(t) .14) x t) xJ(¡tV T xe. O X(t) xe (t) .x(t) . (6.11) o escrito en forma matricial: B A O x(t) x(t) (6. por una parte. Sin realimentación del estado Las ecuaciones tanto del sistema inicial como de su observador son: X(t) = Ax(t) + Bu(t) xe (t) = (A . el conjunto formado por los dos grupos de variables es no controlable. por lo que se puede hocer una separación de la parte no controlable.x(t) _ Ecuación de la que pueden extraerse las siguientes conclusiones: [ ] [ 1 [ -1 O1 ] [ ] [ _ ] ][ ] '+.3. 1. que los elementos de· F 'Y de A estén directamente relacionados con los polos del sistema observador y del sistema.HC)xe (t) + Bu(t) + HCx(t) (6.8 en URa base del espacio de estado adecuada. Dado que se parte de que el sistema inicial es controlable. por tanto. respectivamente. y. que consigue.p) ecuaciones identidades independientes de los valores de H.6.

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

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

.. quedando finalmente un vector de salida de dimensión p. ésta sería consecuentemente supri­ mida como variable de salida en las ecuaciones de estado del sistema. obteniéndose las siguientes expresiones para sus matrices A y e: A e Apl Ap2 [ e l e2 [ AH Al2 A2 1 A 22 . y p salidas. CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 301 r (t ) Te o Figura 6. . Este sistema se puede expresar en función de la denominada forma canónica obser­ vable. Si alguna de las variables inicialmente consideradas como variable de salida no se utilizase.6. . . . . .5. 6. Se supone que todas las variables de salida del sistema se utilizan como entrada al observador para estimar el estado del sistema.7: Esquema des sistema con observador y realimentación en espacio de estado transformado. App ep ] 1 (6.38) .37) (6. A 2p . A .

.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. O de dimensiones p x ni . 1 -a O'i Ui Aii = (6. según se verá con detalle en el siguiente subapartado. : . . . con el significado mencionado anteriormente. . 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.O!O"i O"j • . • • 1 (6.+1 0"i O -aO"i -ni+ 2 0"i O -aO"i -n. O Ci = O O O O O Cp 0".43) 1 .HC = .40) de dimensiones ni x nj .39) de dimensiones ni x ni . En las anteriores expresiones p representa el número de salidas utilizadas para la implementación del observador.In .p (6.12 (6. . O -0!0"i -ni + 1 0"j O . O O . A ij = [ O .+ 3 0". siendo ni el número de variables de estado que son estimadas con la salida i-ésima. O -0!0"i -ni +2 0"j : .l . +. Su valor se elige.302 CAPÍTULO 6 . a la hora de calcular la matriz T o de la forma canónica observable.41) 1 O O Ci+ 1 0".1 +.42) lo F = A .i + 1 +. . :.

. p) que son: [O hil + hi2C2CTl + . por lo que por comodidad de representación.hipcp CTl (ji CT2 = -ai CT2 . D. 49) en caso contrario Cada uno de estos sistemas siempre posee solución.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. CALCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 303 es posible construirlo. .44) se aprecia que la diferencia entre las matrices A y F radica solamente en las últimas columnas de cada bloque.47) (6. Se recuerda que: donde: .hi2C2CTl . . Además. pudiéndose obtener los valores incógnitas de la matriz H resolvien­ do n sistemas de p ecuaciones con p incógnitas cada uno. 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 . . En . .hi2 .5. + np = n 1··· i (6. pues la matriz del sistema es trian­ gular con elementos unidad en la diagonal superior. (jtCTj = { O1 1 . .hi 3 C3 CT2 .46) (6.hi1 .48) si aj = i (6 .. Por otra parte.45) n) de p ecuaciones (6. .) = A( i .HC produce n sistemas (i = con p incógnitas ( hij con j = . . + hipCPCTl (ji CTl = -aiCTl .6. se considera la fila i de la matriz HC: (AHC) ( i .hipCp CT2 1· i O h dp] nI + . el resto son ceros. cada fila de la matriz H sólo influye en la respectiva fila de la matriz HC. . .) + + 1 -QCTp -np+ l CTp -QCTp -np + 2 CTp -aup Up El cálculo del observador F = A .efecto. el producto HC sólo tiene elementos no nulos en la última columna de cada bloque. y sin pérdida de generalidad.. El resto de la estructura es idéntica. .

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

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 .h12 .hll . teniendo en cuenta únicamente dicha parte del sistema para . cada fila de la matriz H sólo influye en la respectiva fila de la matriz He .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 . t::.h21 .h12C22 .h32C22 .h12C22 .h22 = . Además.13 = -a44 .h22C22 ..h31 . CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 305 Con lo que el producto He es: He Donde se observa que la matriz producto sólo tiene elementos no nulos en la última columna de cada bloque.h22 .hll .h4 1 .h32 0 = -a42 .12 = -a34 .h12 0 = -a22 .12 .h4 1 .5.a32 . 6.h42C22 . se supone que el sistema es observable. 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.5.13 .h3 1 .h21 . En caso contrario será necesario realizar una sepa­ ración de la parte observable. 1.h3 2 . a partir de cualquier otra representación. Efectuando F = A .h 32C22 .6.h4 2 O = -a12 .h4 2 1 Fila 2 Fila 3 Fila 4 => => 1 Que se resuelve como 4 sistemas de 2 ecuaciones y 2 incógnitas cada uno.h22C22 -f¡ = -a24 .Jo = -a1 4 .

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

+ np = e<7p nI = en .51) Donde p representa el número de variables de salida. e<7 1 ' e<72 ' .53) pudiéndose desmostrar que tiene inversa.5 . x(t) . mediante la transformación dada por To : x( t ) En el Ejemplo 6.6. en la co­ rrespondiente a la forma canónica observable x ( t ) . Á B = e = Tox ( t ) Te / ATo To I B CTo (6. (6. 6 CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 307 y formándose la matriz L: CI cl A L= (6. .5 al final de este capítulo puede verse un caso de diseño de un observador para un sistema multivariable.54) (6.56) (6. Esta matriz permite transformar la representación inicial del estado. . Para ello se calcula la inversa de la matriz L: nI + . y a partir de ellas se forma la matriz: ap = n (6.57) .52) • • .55) (6. Esta matriz permite calcular la matriz de transformación a la forma canónica obser­ vable. al i ] Se extraen las columnas existentes en las posiciones finales de cada bloque.

6. de una representación de estado tal que las salidas coincidan con las variables de estado accesibles. Sin embargo. 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. 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. 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.61) Si se toman como salidas únicamente aquellas que sean linealmente independientes. de dimensiones p x p. CAPíTULO 6.64) (6. en ocasiones. el estado total se puede representar por: x= donde w es el conjunto de variables de estado no accesibles y cuyo valor se pretende esti­ mar. en este aspecto. queda: [�] (6. Si la ecuación de estado se representa separando variables accesibles y no accesibles. será no singular.308 6.60) (6.58) (6. de la salida y de la derivada de la salida. Esta estimación del estado presenta un buen comportamiento bajo las condiciones ya descritas. En estos casos parece ilógico no tener en cuenta esta información y estimar variables que ya son accesibles.65) El modelo de observador que se propone utiliza información de la entrada. entonces la submatriz e ' 1 .59) seleccionando como salidas del sistema las p variables de estado accesibles. puede que parte de éste lo sea. pues. incorpora más información del sistema que el . y pese a que la totalidad del estado no sea accesible. Realizando entonces el cambio: x = Tx (6. Se parte de una representación del estado que cumpla: x = Ax + Bu (6. reordenando adecuadamente.62) con (6.63) Partiendo.

B2 ) u (6.6.A2 1 )y + (G + H2B I .71) • No debe ser influida por el conjunto de variables de estado accesibles. B I Y B2 es. que se verá reflejada en los coeficientes de la matriz F. por definición del modelo. De la Ecuación 6.6.69) Para que la evolución de la diferencia entre las variables de estado estimadas y su valor real tienda a cero bajo cualquier circunstancia.8: • • .(A2 1 y + A22W + B2u) (6. por tanto. A2 1 . La ecuación que modeliza el comportamiento del observador viene dada por: We = FWe + GU + HI y + Há (6.H 2 AI 2 )W + (HI + H 2 AU . por lo que: (6.w = FWe . derivada de una combinación lineal de variables de estado.68) we = FWe + Gu + HI y + H 2 AUY + H 2AI2 W + H2B I u de forma que agrupando se llega a: We . • Se puede representar gráficamente el esquema del observador diseñado.W = FWe + Gu + HIy + H 2 AUY + H2AI2W + H2B I u .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 (6.73 se despeja H 2 . el siguiente: • Se define la dinámica del observador. A 12 . como se ve en la Figura 6. A 22 . puesto que la derivada de la salida ha de existir al ser.73) El procedimiento para diseñar el observador de orden reducido.H2AI2 (6. partiendo del cono­ cimiento de Au .71 se despeja G. se debe cumplir que: • we . OBSERVADORES DE ORDEN REDUCIDO 309 observador de orden máximo y no presenta ningún inconveniente.67) (6. y. De la Ecuación 6. De la Ecuación 6.72) • Para asegurar la convergencia se debe cumplir que: F = A 22 .72 se despeja HI . por lo que: (6.70) Ha de ser independiente de la entrada.(A22 .

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. dado que Xl y X2 se han tomado como salidas del sistema. 3 Figura 6.310 CAPíTULO 6.8: Sistema con observador de orden reducido. OBSERVADORES DEL ESTADO Ejemplo 6 . Sobre esta base se realiza la división del sistema: .

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

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

para cuyo cálculo se parte de la matriz de observabilidad del sistema: 1 O P= O O [ O O 1 O O .HC ::::} y sustituyendo: 625 500 fI = 170 20 [ ] { h l = fo . que determinan su matriz de dinámica interna F.6.10 O O 1] . 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.. 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 : . fij ar sus polos.F = A . por lo que una buena elééción de los polos del observador puede ser situarlos todos en -5.al j h 3 = 2 . Por otra parte. para calcular a continuación la matriz fI de ponderación de las salidas del sistema. Los polos del observador deben ser más rápidos que los polos dominantes del sistema..a 3 U na vez obtenidas las matrices F y H del observador.a2 h4 = h . es necesario obtener la matriz To de cam bio de las variables estimadas xe a las variables originales. por tanto. que se fij aron en -1. que permite calcular las variables esti­ madas en la base original (usada en la realimentación del estado) a partir de las variables xe estimadas por el observador en la forma canónica observable.7 .ao h2 = f¡ . EJEMPLOS ADICIONALES 313 Para el cálculo del observador se necesita. por una parte.

1 1] ] Las matrices anteriormente calculadas.25 19. B y To . se obtiene la matriz To : U na vez calculada esta matriz. R.To = [� [ 1 O O O O O O 1 O -0. OBSERVADORES DEL ESTADO obteniéndose su matriz inversa como: p-l = A partir de la última columna de p .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. se puede realizar la comprobación de que las matrices Á = Ta l ATo .8. B = Ta l B y Co = CTo queden expresadas según la forma canónica observable.75 ] Ko = -0. se va a utilizar ahora la misma referencia de posición xre f = . el .65 1 .1 O O O 1 O 1 O O -0. y el servoposicionador de constante Ko .65 4. Y. 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. obteniéndose: Á -To 1 AT 0 .314 CAPíTULO 6. calculada anteriormente en el Ejemplo 5.l . se utilizan en el ob­ servador del estado del sistema real no lineal de la primera figura de este ejemplo.1 .1 O -2 O -2 O -0. en la que dicho observador se integra junto con el control de realimentación del estado mediante la matriz K.

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

del estado .con observado. 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). necesitándose un tiempo para que converjan al valor de las variables reales. Puesto que. 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. cabe esperar que el control con estimación del estado se comporte de manera muy similar al control del Ejemplo 5. . 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. suponiendo..1 m y perturbación constante up(t) = 0. tiempo (s ) �-O 5 -1 -1 50�---:5O-----:10:--!15. como es es lógico suponer. para el caso de error inicial nulo en la estimación de las variables de estado. se tiene un error inicial no nulo en la estimación de las variables de estado del sistema . como muestra la Figura 2. cam bio de referencia xref = .316 CAPíTULO 6.100�--"""7---1"=----7 5 tiempo (s ) 0 15 Si.1 Nw.estado medido directament 5 (a) Posición x(t). ..estado medIdo directament co n obse rvado' del esat do 1 0r----¡r======'======::"=::='===5:::::¡] . . (b) Ángulo O(t). Este hecho puede comprobarse en las gráficas de la Figura 3. volviendo a coincidir en régimen permanente una vez que el sistema de control estabiliza el sistema.. OBSERVADORES DEL ESTADO discrepancia entre las variables reales y las estimadas a pesar de que coinciden en el instate inicial t = O. partiendo en ambos casos de error nulo en la estimación inicial.. en todos los casos.8. que por otra parte se estabilizarán debido a la estructura de control. 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. en este caso las variables reales y las estimadas son parecidas. estas variables estimadas diferirán en mayor medida de los valores reales. ángulo inicial 0(0) = 10°. en el que se utilizan los valores reales de las variables de estado en la realimentación.

afecta al comportamiento = - .(0)=50 8. En ambos casos se compara la evolución de las variables del sistema respecto al comportamiento de dichas variables en el caso del Ejemplo 5. 5 o 31 7 e t -o 01 '---�-�-�-----' .. . la estimada x(t) . .. la variable estimada presenta una mayor sobreoscilación y tarda más tiempo en converger al valor real de la variable. 8.----1 " . .' . sino que son sus valores reales.. . .. " . para 8e (0) = 5° y para 8e (0) = 15° (valor real inicial 8(0) = 10°). Una vez vista la convergencia de las variables estimadas hacia las variables reales en la estructura de control utilizada .: . 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. lo que sucede para 8e (0) = 1° Y para 8e(0) = 22° (no representados en la figura). valores bastante alejados del valor real inicial 8(0) 10°.1 Nw.. Como puede verse en la Figura 4.8.. '.xe (t) . ángulo inicial 8(0) = 10°. ée(O) '= O y xe (O) = O. 8. 7. por el contrario. 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). . interesa ver cómo evolucionan las variables del sistema que se está controlando..(0)=1 50 .. Todo el estudio anterior ha sido realizado para una dinámica del observador definida por la situación de sus polos en --5.. Si. partiendo de error nulo en la estimación inicial de las otras variables de estado.1 50 3 '---�-�-�--�---' 2 5 4 tiempo (5 ) "': " P . se parte de una mala estimación inicial de la variable original . . definida por la situación de sus polos. :" ' . ..""' . .(0)=200 _ 8. . . .8e (t) . .. pudiendo llegar a inestabilizarse cuando la estimación inicial está muy alejada del valor inicial de la variable real . \� :'="''"" '.Q1 -5 -1 0 0 2 tiempo (5 ) 3 4 5 . xe (O)=O. en el que las variables realimentadas no son estimadas por el observador. •• .(0)=20 • (a) Diferencia entre la posición real y (b) Diferencia entre el ángulo real y el estimado 8(t) .6 . Para ello en la Figura 5 se muestra la evolución de las variables x(t) y 8(t) para dos casos diferentes de estimación del ángulo inicial .. cambio de referencia xref = -1 m y perturbación constante up(t) = 0. EJEMPLOS ADICIONALES 1 0 r------�-___. . 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.

su polinomio característico es: Po ( 8 ) = ( 8 + 3. por ejemplo en -3. � -0 5 -1 -1 50 tiempo (s ) É. cam bio de referencia xref = . para los casos de estimación inicial del ángulo Oe (O) = 15° Y Oe = 5°.. 15 ...estado medido directamenttJ con observador del estad� tiempo (s ) 10 15 Si se diseña un observador con sus polos más lentos. OBSERVADORES DEL ESTADO global del sistema.5 ) 4 = 84 + 148 3 + 73.con observador del estado .1 Nw. (d) Ángulo O(t) cuando Oe (O) = 5°.1 m y perturbación constante up(t) = 0.con observador del estado .5. siendo el ángulo inicial real 0 ( 0 ) = 10°. -con observador del estado .estado medido directament 10 c: .estado medido directament (b) Ángulo O(t) cuando 15 10 � 5: O Oe(O) = 15°. xe (O)=O. ángulo inicial 0 ( 0 ) = 10°.58 + 150.318 CAPÍTULO 6.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°.0625 (c) Posición x(t) cuando Oe(O) = 5°.. c: ¡: -5 � 10 15 -10 -15 -20 0 V �---5 I .58 2 + 171 .. . 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.. Oe(O) = O y xe (O) = O. error nulo en la estimación inicial de las otras variables de estado...

1 m y perturbación up{t) = 0. xe{O)=O. ' 1 . .6.: : .10000 O -4000 O -600 O -40 ] H2 _ - [ ] 10000 4000 620 40 . . � ....:CD O : : .5 O -73 O ..' : j � I ¡: -2 : / :f 4 . ' . Figura 6: Diferencia entre las variables reales y las estimadas por el obser­ vador para distintas posiciones de sus polos..10. EJEMPLOS ADICIONALES 319 con lo que se obtienen las siguientes matrices del observador: F1 _ - [ O O O O O O O O O . Oe{O) = O y xe{O) = O.. - [ O O O O O O O O O . . 14 y Por el contrario.171. i .5 . . 1' . el estimado (}(t) ..polos del observador e n -5 .xe {t). cambio de referencia xref = .polos del observador en -5 .5 9 3..---1'=::::==::=:=:. partiendo de error nulo en la estimación inicial de las otras variables. ángulo inicial (}(O) = 100.1 Nw. utilizando cada uno de los tres observadores calculados.. con una estimación inicial del ángulo Oe {O) = 150. cuanto más rápida es la dinámica del observador.Oe {t).i y . i ..Polos del observador en -3 c ( b ) Diferencia entre el ángulo real la estimada x{t) .polos del observador en . i '. 'i j' " . Se advierte una convergencia más rápida hacia las variables reales y con menos sobreoscilación. 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.1 0 ..14 ] H1 _ - [ ] 150.po los de 1 ::.7.150.Polos del observador en -3 � J I - -��--�2----�4--�6--�8 tiempo (s ) . 2 4 . ( a ) Diferencia entre la posición real y O�--�2----�4--�6--�8 tiempo (s ) • • -5 i i i i i t _-.0625 171. '.:=:::= en:: -7.. .0625 O ..:=='=obse rvado r ::::= 1 :il : : :::'. si se elige un observador más rápido situando sus polos en .

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

se com prueba que el rango de estabilidad del sistema respecto a la estimación inicial de la variable Oe (O) está entre los valores . que pueden llegar a provocar la inestabilidad del sistema . cualquier error en la medida de la salida se ve amplificado en la com posición de Xe . Según este razonamiento la elección de la posición de los polos del observador está limitada en la práctica.5 en el que el sistema presenta un comportamiento estable. Según el razonamiento anterior. que es mayor que el rango comentado anteriormente entre y 21°. cuanto más rápida es la dinámica del observador. por tanto. obteniéndose un mejor comportamiento del sistema cuanto más rápida sea. cuyos coeficientes crecen a medida que se diseña una posición más rápida de los polos en cadena cerrada del sistema realimentado. cuando los polos del observador están situados en -5 . lo que da lugar a realimentaciones del estado físicamente no realizables. más elevados son los coeficientes de la matriz H y. 2° Dado el sistema del Ejemplo 5. cuando la dinámica del observador se hace más rápida situando sus polos en . 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 ) .1 I t 22 � 1 � � 2 B= O 1 O l . dando lugar a que grandes errores en la estimación . 7.9.lO. EJEMPLOS ADICIONALES 321 Observador de orden completo de un sistema multivariable Ejemplo 6. parece que la dinámica del observador puede diseñarse arbitrariamente rápida . En el presente ejem­ plo. definido por las matrices: A� Y -1 -1 C� 3 1 se pide calcular un observador de orden completo de sus variables de estado. Esta limitación práctica es análoga a la que aparece en el Ejemplo 5.130 y 37°.6 . Como ya se ha mencionado.8 para el cálculo de la matriz de realimentación del estado K. -3 2 siendo: I -1 O O O O -2 O O O O O O O O -3 O O -4 O O -5 [ � -2 1 1 . en el sentido de que las variables estimadas se aproximan de forma rápida y sin grandes sobreoscilaciones a las variables reales.

el observador del estado. 5. por lo que la asignación de salidas a variables de estado queda como sigue: dos a la primera salida. 4. con lo que se comprueba que el sistema es observable. 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 .18 15 . Se reordenan ahora las filas.192 -2 -8 O 2 -48 81 -256 . 3}. 2.322 CAPÍTULO 6 .1 6 -27 64 54 .18 2 O 48 4 -2 24 -27 250 64 O O .1 -2 -2 6 -3 4 10 O 2 1 -1 O O -4 -3 4 O 2 1 -2 3 O 1 =} L .10 -2 2 -6 8 208 78 -32 : 40 8 20 4 178 66 .1 6 -50 2 .1 250 O 81 -256 O 32 2 O 16 . trans­ formar la representación del sistema a la forma canónica observable. Para el cálculo de la matriz de transformación se comienza por seleccionar cinco filas linealmente independientes de la matriz P.1 2 1 -1 1 -2 3 -2 6 -3 4 O -4 -3 4 � 2 10 O 2 -3 1 .12 9 -16 O O 9 8 . dos a la segunda y una a la tercera .1 = � 54 15 3 -30 . en primer lugar. Se puede calcular. por tanto. es decir {l. El primer tanteo se hace con las cinco primeras filas: Pe comprobándose que su rango es también cinco.162 768 P= siendo rango(P) = 5. colocando juntas aquellas correspondientes a las mismas salidas.16 : 13 8 -8 -3 -5 1 . Para realizar el cálculo del observador es necesario. L= �[ ¡ -3 1 . OBSERVADORES DEL ESTADO En primer lugar se ha de comprobar la observabilidad del problema.

6729 O .8 27 -27 54 O 56 300 85 -58 -2 3 -2 � � 1 Y. transformando el sistema según estas matrices.g 1 12 O . EJEMPLOS ADICIONALES 323 seleccionando de L .16 27 27 1 O O O O 1 1 46 .28 1 .5 27 27 1 4 -3 466 137 .81 27 .234 .27 O .54 282 124 .16 15 5 -49 -3 300 -213 184 . el polinomio característico queda : po (s) = S 5 + 150s4 + 9 000s 3 + 270000s 2 + 4050000s + 24300000 [� n . 7.1 : L.264 .97 .27 O . se seleccionan las colu m nas 2.18 18 12 --:-6 4 -24 78 .157 -92 54 .16 66 .g A = To 1 ATo - = B = To 1 B = - [ .3616 243 729 67 4 O .1 5 14 1 16 .6 .556 O . por l o que se opta por situar los polos d e dicho observador en -30.27 1 .27 1 C = CTo ' .27 27 -5 .1 = Dada la asignación de salidas a la estimación de las variables de estado. 76 27 O 16 27 O 23 .2 .729 O . = Para el cálculo élel observador se va a asignar una dinámica mucho más rápida que l a del sistema realimentado.52436 181 .1606 243 29 308 35 . Así.-9O . queda: 2 86 02 o . 4 Y 5 para construir la matriz To .27 . To [ el � e3 I e4 1 � ] = [ e2 Ae2 e4 Ae4 e5 l � � Tc / 1 = 27 [[ : 15 -3 .

h 22 + 46h23 9 .h23 �� .h 21 + � O .6286 .h 52 + 46�53 656100076 27 4050000 7290016 -2 79000 4027 27 .h53 �� .126J36 .32�136 .-9.h32 + 46�33 _ 6.128/ . OBSERVADORES DEL ESTADO 1 La matriz del observador que se va a calcular es: que se halla resolviendo la ecuación : F = Á .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 .h 11 + !ill.150 1 F= [ CAPÍTULO 6. 27 729 1 .2� .h33 -h43 .h41 + W O .h31 + � O .h 13 La dinámica de la evolución de la diferencia entre las variables reales del sistema y las estimadas viene dada.��� .�� . 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 . _ h42 + 46�43 . en la representación original del sistema .g� h51 + � - y O O O 1 O _ 5026 _ h 12 + 46h13 9 243 -28 .HC = O ..

el subsistema (A 22 . u(t) - . C 3 ) es observable con sus dos polos en -3. C 1 ) es controlable y observable con sus polos en . 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 -30.1 . B 2 ) es controlable con sus dos polos en 2 y el subsistema (A33 . de ma­ nera que queda dividido en los tres subsistemas de la figura.8. 523173292 243 949502902 729 1084060042 243 1339566538 729 888285181 729 1.6. Ej ercicios resueltos En un sistema con seis variables de estado s e efectúa un cambio de base. en el que se sabe que: el subsistema (A 11 . 6.8. B 1 . ficaciones del observador.

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

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

partiendo de algún estado inicial y de cualquier entrada. existe alguna relación lineal entre las dos alturas. ante una variación brusca en el caudal qe .hl + h2 + A 2 k2 = h l . el caudal q2 presente un error en régimen permanente nulo y una sobreoscilación menor del 4 %. DA TOS: • • Diseñar un control por realimentación del estado que. CAPíTULO 6 . y actuando sobre este caudal. OBSERVADORES DEL ESTADO d) e) Estudiar si. 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) . A 2 = 1) Caudal de salida libre (sobre el aire) de cada depósito en función de la altura del mismo: q = kh (tomar k = 1). hallando en caso afirmativo cuál es. (Tomar en este apartado A l = 1 . Caudal entre dos depósitos: q Estudiar si. partiendo de algún estado inicial y de cualquier entrada. hallando en caso afirmativo cuál es. existe alguna relación lineal entre las dos alturas. A2 = 3) Estudiar la controlabilidad del sistema en función de las áreas de cada depósito. A2 = 1) = K fj. (Tomar en este apartado A l = 2.328 b) c) a) Modelo de estado del sistema. permita que. a) Las ecuaciones del sistema son: { Al kl = . captando únicamente la altura h l y el caudal de entrada qe .2h2 + qe qe Si se eligen como variables de estado h l .h (tomar k = 1). (Tomar en este apartado A l = 1 . h 2 .

previa estimación del estado. EJERCICIOS RESUELTOS 329 2 3 por lo que para que sea controlable debe ser: e) Sí va a ser posible.8.6. por lo que el sistema es controlable y ob­ servable. A tal efecto se realiza el cambio = T e X: x La parte controlable es Xl y la no controlable es X 2 . existirá una relación lineal entre las alturas. por lo que será siempre cero: _ _ x . por lo que no existe ninguna relación. Por este motivo es posible realizar una realimentación del estado.[ -232 O1 ] [ h2l ] [ h Te 1 _ [ 2 �] 2 -3 y como X 2 debe ser idénticamente cero: d) e) Para estas áreas el sistema es controlable.Te 1 x .� � ] [ �� ] + [ � ] qe O ] [ �� ] _ Las matrices de controlabilidad y observabilidad son: con ambas matrices de rango dos. partiendo del estado nulo. En este caso las ecuaciones de estado son: [ y= [ l Z� ] [ . . Para hallar la relación basta con separar la parte controlable y la no controlable. pues con estas áreas el sistema no es controlable y.

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

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

5) ante evolución libre e indicar cómo se podría calcular el estado del sistema en ese instante.1O = -2 . Calcular la salida y(0.332 CAPíTULO 6.A2 l = 0 ::::} Hl + 8(-I) .5) y sabiendo que la entrada es nula. conociendo solamente el valor calculado de y(0. utilizando para ello la entrada adecuada que lo permitiese. .1 = 0 De donde se obtiene que: 3.1 = O Hl + H2 AU . 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.H2 Al 2 ::::} . OBSERVADORES DEL ESTADO El estado se compone de una parte accesible estimar (w) : (y) y otra que es la que se desea La dinámica del observador viene dada por: Si se desea que el polo del observador esté en -10: F = A 22 . Calcular y dibujar un control por realimentación del estado que sitúe todos los polos posibles del sistema en -10.5.B2 = O ::::} G + 8 . Calcular qué puntos del espacio de estado se pueden alcanzar en el instante t = 0. utilizando para ello un observador de orden completo y el mayor número posible de entradas en la realimentación.H2 G + H2 Bl .5 ante evolución libre (entrada permanentemente nula).

6.0 .I de donde: .11 .� ] [ ��� ] '= [ � ] [ -� VI = [ � ] Vl l = V I2 [ . 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: . 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 = .I «J?( t)Tx( O) «J?(t) = T�T .11 ] [ VV2I ] = [ OO ] . EJERCICIOS RESUELTOS 333 c) a) Calcular y dibujar un control por realimentaci6n del estado que sitúe todos los polos posibles del sistema en .I «J?(t)T * * x(t) = T.. utilizando para ello un observador de orden reducido y el menor número posible de entradas en la realimentaci6n.V22 ] [� A= [ � Dado que: entonces: T= x(t) = «J?( t)x(O) Tx(t) = «J? (t)Tx (O) � (t) = T .8.

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 [ . en la que se deben colocar los polos del sistema en .5) = [ O No se puede calcular el estado en este instante.31 ] [ 11 2O ] = Dada la realimentación propuesta.[ 11 O2 -2 -62 ] y(0.10. se precisa conocer la dinámica.100O .1 = Por lo que: Á = O 1 ] [ -31 .334 1) CAPÍTULO 6. Se comienza por construir la matriz de transformación: 2 ] [ :=� ] 2e. se utilizan las dos disponibles. _ -2 . OBSERVADORES DEL ESTADO 2) Q 3) Del análisis de la matriz Q se deduce que el sistema es controlable. por lo que todos los puntos del espacio de estado son alcanzables mediante la entrada adecuada para t = 0.201 ] [ -2O -42 ] [ O1 O1 ] [ k�21 1l = + . Aunque el sistema es observable.5. b) Dado que es necesario utilizar el mayor número de entradas posible.

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 . p= [ -! .1 [ 2 -64 ] � L-1 = _ � 8 [ .8. despejando: K= Queda construir el observador de orden completo: ..HC ..100 -161 ] 2 F = A .124 . y.6.[ .HC para lo que es necesaria la matriz de transformación.�T oe: con lo que: de donde se obtiene: . EJERCICIOS RESUELTOS 335 de donde.1� ] = � por lo tanto: 1 T oe = 4 .

...1 = � [ =� .16 ] �c(t) [ 8 ] . [ w. ] x __ y de ahí: -61 ] Te.336 de donde se despeja: [ 01 9 --6000 ] [ O1 -6 ] _ [ �h21 ] [ O 1 ] -8 = CAPíTULO 6.60 12 4 t} _ .... U2 en este caso: L= [ � _� ] � L . e) de donde: 2 .� ] = = ..� ] [ ! � ] = [ -� .100 -1 . (t).900 .1 ATe [ -31 O1 ] [ -31 . OBSERVADORES DEL ESTADO ..� ] = � [ � � ] 2 . • [ O 1 Utilizando una única entrada.

2 6 -54 ] .14 ] Para el cálculo del observador de orden reducido es necesario realizar una nueva transformación en la representación del estado.� [ _� - � ] = [ O.� � ] B = T.1 = [� = = con lo que las matrices del sistema se transforman en: �] =} T= Á O [ O1 2O ] [ -31 -31 ] [ 0.1 B e CT Dado que el observador es de orden reducido.8. 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.5 O1 ] = .10� 2� ] = [ _� _! ] + [ � ] [ kl Ár = Ác + BcK - k2 ] K = [ -92 . -� ] [ 0�5 � ] = [ . [ 0.�� -. por lo que: [ -. con lo que el orden de dicho observador es uno. a través de la matriz: T. poseyendo por lo tanto un único polo que se sitúa en -30. ] = [ � � ] [ � � ] = [ i � ] = [ O 2 ] [ 0�5 � ] = [ 1 O ] F = -30 con lo que.A2 1 =} H l = 0. se estima el valor de una única variable.5 -1 1 O] 1 � -3 0 1 2 [ ] [ 11 02 ] = 1 [ -21 02 ] 2 337 [ .2" [ 2 4 ] + [ 1 O ] = [ .5 + 2" 3 = 41 27 G = -H 2 B 1 + B 2 = .6. despejando: 27 H l + H 2 A U .

OBSERVADORES DEL ESTADO 6.338 CAPÍTULO 6. de manera que el comportamiento dinámico del sistema queda expresado por las siguientes matrices: a) b) ¿Es alcanzable el estado tiempo ? ¿Es alcanzable el estado tiempo ? [1 1 1 [1 1 1 lJT desde condiciones iniciales nulas ? ¿En qué lJT desde el estado inicial [2 2 2 2JT ? ¿En qué . Ej ercicios propuestos En un sistema de 4° orden s e elige una base del espacio de estado.9. 1.

Sea el sistema: diseñar un observador del estado 'con todos sus polos en -10. calculando el valor de todas las matrices que intervienen. EJERCICIOS PROPUESTOS e) 339 d) Suponiendo que la única salida del sistema es y = Xl +X 2 . . Dibujar el esquema de la realimentación efectuada. hallar un subsistema observable. así como la nueva situación de los polos del sistema. [ � O O ' 1 O O O ' 1 . X 2 . . Suponiendo accesibles todas las variables de estado ( Xl . Indicar igualmente la controlabilidad de dicho sistema.0 1 2. X4 ) . ' " 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.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. � 3. 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 . 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 . En el esquema del apartado anterior. . teniendo en cuenta que solamente es accesible la salida y .9. X 3 . Si la matriz de salida es: y= .

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

Sistemas discretos Parte II 341 .

.

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

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

cumpliendo: 1. y que. 2. Las salidas y(k) no dependen de las entradas u(n) para n > k.9) donde se sigue la siguiente nomenclatura: .8) (7. estados y salidas se pueden resumir en las ecua­ ciones: que se conocen como ecuación de estado del sistema (7. k) r¡(x(k) . entonces se dice que es lineal si para cualquier par de números reales y {3. con un estado inicial cualquiera x l (ka) y ante una entrada real U I (A) .4 se pueden expresar. pero el estudio que se va a realizar está restringido a los sistemas discretos expresables en diferencias. El concepto de linealidad en los sistemas discretos es idéntico al de los sistemas continuos. y partiendo de x2 (ka) ante U2 (A) . SISTEMAS DINÁMICOS DISCRETOS 345 discretos. es que la variable x( k) representa el estado del sistema.5) ante la entrada: (7.3.7) se obtiene una salida: En sistemas expresables en diferencias.3) (7. Para toda secuencia real de entrada {u( k) } existe una única secuencia de salida {y(k) } .7. se obtiene y2 (k) . es decir que las Ecuaciones 7. u(k) . Si un sistema. esta condición se traduce en que tanto la ecuación de estado como la ecuación de salida son lineales en el estado y en la entrada conjuntamente. como puede verse. ka � A � k. frente a las ecuaciones diferenciales mediante las que se modelizan el estado y la salida del sistema para los sistemas continuos. responde con una salida y l (k) . Si el comportamiento del sistema puede expresarse mediante la Ecuación 7.4) . y viceversa.3 . respectivamente.3 y 7. como: x(k + 1 ) y(k) = A(k)x(k ) + B (k)u( k ) C(k)x(k) + D(k)u(k) (7.4) a y (7. u(k) . se formulan como ecuaciones en diferencias. Estas condiciones definen a todo sistema discreto causal. Esta condición recibe el nombre de causalidad. Se entiende como sistema dinámico discreto una relación matemática entre dos con­ juntos de secuencias {u(k) } e {y(k) } denominadas entradas y salidas. partiendo del estado inicial: x(k + 1) y(k) f (x(k) . ka � A � k.6) (7. k) (7.3) y ecuación de salida del sistema (7. En estos sistemas las relaciones entre entradas.

C y D son constantes independientes del índice. k. Un sistema que. C(k) es la matriz 'de salidas del sistema (de dimensión p x n) . .1 + . respectivamente. si para un sistema las variables { X l .9 representa que dichas ecuaciones tomen. la matriz D(k) carece de importancia desde el punto de vista del análisis. Por ejemplo. A(k) es la matriz del sistema (de dimensión n x n) . . + a l Z + a a .12) donde tanto los ai como los bi pueden ser nulos. 10) (7. ya que conocido un conjunto es de inmediata determinación el otro. B . 7.1 + 4.8 y 7. y(k) es el vector de salida en el instante k (de dimensión p) . se obtiene la misma salida desplazada y(k + N) . D(k) es la matriz de transmisión directa entrada-salida (de dimensión • • • • • • p x m) .346 • CAPÍTULO 7. responde con una salida y(k) . Obt ención d e mo delos discretos d e estado La primera observación necesaria para la obtención de modelos de estado es que el posible conjunto de variables de estado no es único. Al igual que en los sistemas continuos. 1 1 ) donde las matrices A. .4. partiendo de un estado inicial Xa para un índice ka y que ante una entrada cualquiera U(A) . se puede partir de la función de transferencia en z del sistema discreto: Y(z) U(z) bn z n + bn _ I zn. . Xl + X2 } lo determinan. MODELO DISCRETO DE ESTADO x( k) es el vector de estado en el instante k (de dimensión n) .b l z + ba z n + an _ I Z n . El concepto de invarianza es también equivalente al de los sistemas continuos. Hecha esta puntualización. . u( k) es el vector de entrada en el instante k (de dimensión m) . partiendo para cualquier N del mismo estado inicial Xa para el índice ka + N y ante la misma entrada deplazada U(A + N) . la forma: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) + Du(k) (7. (7. ka :::. La propiedad de invarianza en los sistemas expresables en diferencias lineales dados por las Ecuaciones 7. se dice que es invariante respecto al tiempo si. X2 } determinan el estado. A :::. también {Xl . B (k) es la matriz de entradas del sistema (de dimensión n x m) . puesto que expresa una simple relación estática adicional entre entrada y salida.

Modelo de estado e n variables de fase [x(t) J = s 2 [x(t) J --.l 1 (7. haciendo uso de éste para el cálculo del modelo. 14) = (7. 13) Partiendo de la expresión de la función de transferencia en z dada en 7.aobn .4 . �n .l (k) xn (k) X I ( �) x2 (k) O O u(k) O O -ao -al -a2 1 -an .l . ahora desde el punto de vista discreto. 12. 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).aob� ] + bn u(k) xn . para la obtención del modelo de estado en vari �bles de fase se utiliza la variable auxiliar W(z). En el caso discreto. . 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. + al Z + ao n_I 1 + x I (k) x2 (k) x3 (k) w(k) x I (k + 1) x2 (k + 1) (7. . 1 .l (k) xn (k) (7. 16) y(k) = [ bo . OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 347 En el caso de los sistemas continuos se utiliza para la obtención del modelo de estado el operador derivada. 15) de manera que las ecuaciones del modelo de estado quedan como: x I (k + 1) x2 (k + 1) xn .4.l (k + 1) xn (k + 1) O O O O O 1 O 1 O O x I (k) x2 (k) + Xn . 17) . dicho operador se sustituye por el de desplaza­ miento. 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. 7.7. . .

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

1 (k + 1) xq (k + 1) xq+1 (k + 1) xn (k + 1) Al 1 O O Al 1 O O O O O O O O O O O O O O O O O O O O O Xl (k) x2 (k) O O 1 O Al O O A2 O O xq .7.1 (k) + O u(k) xq (k) 1 xq+1 (k) 1 xn (k) (7.26) An .24) z - U (z) An . quedan como: x 1 (k + 1) x2 (k + 1) xq (k + 1) xn (k + 1) y expresadas en forma matricial: A 1 X 1 (k) + x2 (k) A 1 X2 (k) + x3 (k) (7.q+1 xn (k) + u(k) x 1 (k + 1) x2 (k + 1) Xq . pasadas a su expresión como ecuación en diferencias mediante la transformada in­ versa z.q+1 1 . OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 349 se eligen como transformadas z de las variables de estado: U (z) z )'1 - (7.25) A 1 X q (k) + u(k) An .4.q+1 que.

Si (Xl .350 CAPíTULO 7. ya que sus columnas son vectores linealmente (7. además de tener en la diagonal el polo múltiple. . .4 . Estas submatrices se denominan bloques de Jordan. tal como se puede apreciar en la Ecuación 7. . X 2 . .31) la Ecuación 7. 29 ) y: (7. 2 7) Obsérvese que la existencia de polos múltiples genera en la matriz del sistema unas submatrices. t 2 . . MODELO DISCRETO DE ESTADO x I (k) x2 (k) y (k) = [ PI P2 Pn ] xq (k) xq+1 (k) xn (k) (7. 3 . 7. . Transformaciones lineales La falta de unicidad en la representación de estado de un sistema se explica con­ siderando que el espacio de estados es un espacio vectorial: todo espacio vectorial de dimensión n queda determinado por cualquier conjunto de n vectores de dicho espacio que sean linealmente independientes.33) x = Tw (7. aparecen elementos unitarios en la diagonal inmediata­ mente superior. en las que.26.29 se convierte en: Teniendo en cuenta que independientes: T es no singular. .32) .28) (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 . t n ) .30) T x (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.

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) (7.3 8 y 7. 5 . Estas transformaciones se pueden utilizar para obtener diversas representaciones de estado de los sistemas.l B U(z) (7.40) (7. Partiendo.1 ATw(k) + T .39) quedando. OBTENCIÓN DE LA REPRESENTACIÓN EXTERNA A PARTIR DEL ESTADO 351 transformación lineal que da las componentes del vector respecto a la nueva base.35) (7.38) y(k) = CTw(k) + Du(k) (7.7.42) (7. Si. 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.37) w(k + 1) = T .36) x = Tw la ecuación de estado se modifica de la forma: Tw(k + 1) = ATw(k) + B u(k) y premultiplicando por T.A] . por ejemplo. obteniéndose: (7. por consiguiente. de un sistema de este tipo: x(k + 1) y(k) zX(z) Vez) y resolviendo la Ecuación 7.44) .1 B u(k) mientras que la ecuación de salida resulta: (7.1 : (7. 7. se tiene el sistema: x(k + 1) Ax(k) + B u(k) y(k) = Cx(k) + Du(k) y se realiza la transformación: (7.41) se toman transformadas en z.43) (Iz .34) (7.A)X(z) = BU(z) X(z) = [Iz . definida por las Ecuaciones 7.5. por tanto.

1 : Sistema continuo multivariable.A) .1 .48) es decir. MODELO DISCRETO DE ESTADO Sustituyendo en la ecuación de salida 7.sistema continuo . 1 .45) e (zI .l B + D (7.6. que responda a las ecuaciones: Figura 7.A) . 7.A) = O (7. por tanto. Supóngase un sistema continuo invariante con m entradas. mostrado en la Figura 7. las raíces del polinomio característico.l es la adjunta de la transpuesta G(z) dividida por el determinante. resulta que el polinomio característico del sistema viene dado por dicho determinante: p(z) = det (zI . x(t) y(t) Ax(t) + B u(t) ex(t) + Du(t) (7. p salidas y n variables de estado. Sistemas muestreados S istema discreto invariante equivalente Se pretende ahora deducir la representación de estado del sistema discreto equiva­ lente del conjunto bloqueador . como los valores propios de la matriz A son las soluciones de la ecuación: det (zI .47) Además.352 = CAPíTULO 7.A) (7.B + D U(z) = y.6.muestreador.50) .Aj . se tiene que dichos valores propios son los polos del sistema.49) (7. la matriz de funciones de transferencia viene dada por: [ ] (7.43 queda: => Y(z) Y(z) ex(z) + DU(z) l = e [Iz . 7.46) Teniendo en cuenta que la inversa de (zI .

tomando en la Ecuación 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.r)Bdr [t [1: q>(t . la solución para dicho intervalo vendrá dada por: y x(t) haciendo: = q>(t - kT)x(kT) + = 8(t .51) X ¡ .kT) la Ecuación 7.55) q>(T)x(kT) + 8 (T)u(kT) .53) x(t) q>(t .2: Sistema discreto equivalente.r)Bdr] u(kT) = (7.6 . X2 . SISTEMAS MUESTREADOS 353 En este caso. serán constantes en cada intervalo kT � t < (k + I)T.49 viene dada por: x(t) = q>(t .54) particularizando para el instante de muestreo t x [(k + l )T) (k + l)T. la resolución de la Ecuación de estado 7.51 to = kT. mientras que las salidas están muestreadas. = JkT q>(t . se obtiene: (7. tal como se indica en la Figura 7. · · · . por provenir de bloqueadores de orden cero.52) (7.kT)u(kT) = (7. Xn Figura 7.52 se puede poner como: y.7.to )x(to ) + donde q>(t) es la matriz de transición. En este caso.2. ltot q>(t .kT)x(kT) + 8 (t . las entradas continuas al sistema.r)Bu(r)dr (7. Por tanto.

pese a que por hipótesis el sistema es invariante y.1 sea variante con el tiempo. (7. basta tomar: t = . responderá a unas ecuaciones de la forma: .63) . MODELO DISCRETO DE ESTADO i=O 2. x(t) y(t) A(t)x(t) + B (t)u(t) C(t)x(t) + D (t)u(t) 8<P(t. ) T (7.58) definen el sistema discreto equivalente buscado. por tanto.354 CAPíTULO es decir. En el caso de querer conocer la salida en instantes intermedios a los de muestreo.61) (7. = e AT = .62 ) entonces. T) 8t (7.55 junto con la ecuación de salida particularizada para el instante de muestreo: y(kT) = Cx(kT) + Du(kT) (7. Esto significa que del comportamiento que se observe en dicho sistema va a depender la elección de dicho período de muestreo. S istemas variantes x [(k + 'x )T] = <P( 'xT)x(kT) + 8( 'xT )u(kT) (7.56) = Beq 8(T) = La Ecuación 7.)Bd 'x 'x (7.6.59) en la Ecuación 7.XT + kT. 00 '"' A i 1" T' � 7. T) es la matriz de transición.T] BdT kT 1T <P(T .X < 1 (7. si bien una vez elegido se mantendrá la invarianza en dicho comportamiento. 7. existe una dependencia entre dichas matrices y el valor del período de muestreo elegido T. la matriz de sistema del equivalente discreto es: A eq y l a matriz d e entrada: = = <P(T) . O < .60) En el caso de que el sistema de la Figura 7. todas sus matrices son constantes. verificando: = A(t)<P(t. si <P(t.2.54 y se obtiene: l(k+l)T <P [(k + l)T .57) Cabe destacar que. como queda patente en las ecuaciones del sistema discreto equivalente.

6.62 para .3. (k + l )T] Y particularizando para t (k + l )T. SISTEMAS MUESTREADOS ' 355 la solución de la Ecuación de estado 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) (7.6. la particularización de 7.3: Sistema con parte discreta y parte continua.3. se sustituye la referencia temporal k T por el índice de la correspondiente secuencia k. tal como el que muestra la Figura 7.70) . T] B (T)dT (7. imponiendo la entrada constante en el intervalo [kT.7.2 se obtiene igual que en el caso inva­ riante.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. tomando to kT. [(k + l)T. kT] x(kT) + e [(k + l )T.. kT] = = = <p = <p (t.67) Se consideran en este apartado los sistemas en cadena abierta con parte continua y parte discreta.64) [(k + l )T.66) + D (kT)u(kT) (7. con lo que se obtiene: x [(k + l ) T] donde La ecuación de salida del sistema discreto sérá. igual que en el caso invariante. Figura 7.65) . kT] u(kT) A partir de ahora.68) (7.61 viene dada por: x(t) El sistema discreto equivalente de la Figura 7. T)B(T)U(T)dT + (7. to)x(to) J{tat <p (t. Sistemas híbridos = C(kT)x(kT) = i(k+ l)T <P " kT : (7. 7.el instante de muestreo: y(kT) e [(k + l) T.

con lo que se puede sustituir 7.75 se puede expresar como: ] x(k) [ BeqDD ] u(k) BD + (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 ) } . El sistema híbrido del apartado anterior se realimenta como se observa en la Figura = = u(k) agrupando: y despejando: r(k) .77) 7.68 y 7.l r(k) .73) xc [(k + 1)] = Aeq (T)xc (k) + Beq (T)CDXD (k) + Beq (T)DDU(k) y(k) = (7.78) Al incluir dicha realimentación en las ecuaciones de estado del sistema conjunto quedan como: 7.69.73: xe [(k + 1)] = Aeqxc (k) + Beq (T)w(k) yc (k) = Cexe (k) + Dew(k) (7.76) x(k + 1) [ AOeq BeqCD AD y la Ecuación de salida 7. que viene dado por: yc (t) = Cexc (t) + Dew(t) (7.DeDDU(k) = (7. ya que las salidas de uno son las entradas del otro.6. el sistema discreto dado por las Ecuaciones 7.[ Ce DeCD ] x(k) (7.l [ ? e DeCD ] x(k) .[ Ce DeCD ] x(k) . S istemas híbridos realimentados y(k) = [ Ce DeCD ] x(k) + DeDDU(k) (7. se va a tomar como vector de estado el formado por los otros dos: x(k) = con lo que las dos ecuaciones que definen el estado 7.356 CAPÍTULO 7.75 se pueden agrupar como: [ xD (k) ] xc (k) (7.72 y 7.80) u(k) = [1 + DeDD] .72 y 7.75) Cexc (k) + DeCDXD (k) + DeDDU(k) = Para representar de una manera conjunta todo el sistema.72) (7.74 y 7.73. es posible encontrar el sistema discreto equivalente a la parte continua.4.69 en 7.74) (7.y(k) r(k) . así como el equivalente discreto dado por 7.79) [1 + DeDD] U(k) r(k) .71) Ahora bien.[1 + DeDD]. están íntimamente relacionados.4. Tal como se ha visto anteriormente.

0.5 z + 0.82) [ Ce O ] x(k) (7. se obtienen las nuevas ecuaciones del estado y de salida del sistema realimentado. Ej ercicios resueltos Dado el sistema de la figura: obtener los modelos de estado en variables de fase y en variables de Jordan.77 y 7. con lo que.0.= �----- 0.7.[ Ce O ] x(k) BeqC D AD ] x(k) [ BeqDD ] r(k) BD = + (7. Un caso simplificado.5 0. cuando De = O.5 �------------.5 2 . se obtiene la nueva ecuación de estado: x(k mientras que la ecuación de salida queda de la forma: y(k) + 1 ) [ Aeq -BBeqDD Ce D Ce = u(k) = r(k) . pero importante.5 z 1 + _1-_� z 1 z + 0.5z z . En ambos casos será necesario obtener la función de transferencia del sistema dis­ creto: Y(z) U(z) 1. 83) 7 . por la frecuencia con que aparece. esto es.5 0. 7. sustituyendo en 7. es cuando en el sistema continuo la entrada no tiene influencia directa sobre la salida.79 queda de la forma: con lo que.1 z + 0.5 2 .4: Sistema híbrido realimentado. EJERCICIOS RESUELTOS 357 Figura 7.0.78 . sustituyendo esta expresión en las Ecuaciones 7.77. En este caso la Ecuación 7.81) (7. 1.7.5z .

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

0.5z Z de donde se obtiene: { °0. .= z z .5 = la salida se puede expresar como: 0 (k) (k + 1) [ xx2I (k + 1) ] [ °0 0.:-'-"::-"::---'.0.5PI + P2 Z z 2 .5X2 (k) = u(k) x I (k + 1) = u(k) que expresada en forma matricial queda: 2.:----'---=- 0.5PI + P2 = = ::::} ::::} P2 PI = .l Se pide: a) Obtener el modelo de estado del regulador.5 PI-0.5z ::::} Si se eligen como variables de estado: PI = . El esquema de la figura refleja el control discreto de un sistema continuo de primer orden: 1 8+1 1 x I (k) y(k) = [ .0.7.+ -.5 ::::} --'--'---.1 1 ] x2 (k) 4 [ ] y (t ) Z.5 ] [ xx2I (k) ] + [ 1 ] u(k) 1 x2 (k + 1) .5 2 .0. EJERCICIOS RESUELTOS 359 se puede realizar la descomposición en fracciones simples: Y(z) U(Z) -.7.0.1 P2 = 1 ecuaciones que escritas en forma matricial quedan: y X1 (z) = U(Z) Z U(Z) X2 (Z) = z .0.� : Z PI .

xD (k) = e(k) xD (k + 1) = x D (k) + e(k) w(k) = x D (k) + e(k) ecuaciones que. Obtener el modelo de estado del sistema realimentado. expresadas en forma matricial.360 b) c) d) e) a) CAPÍTULO 7. Estudiar el rango de valores de T que hacen inestable al sistema realimentado.1 E (z) = z XD ( z _ 1 E (z) = z _ E (z) + E (z) 1 1 _ la ecuación de estado queda: Z) = Z 1 1 E (z) y la ecuación de salida: xD (k + 1) . MODELO DISCRETO DE ESTADO Obtener el modelo de estado del sistema continuo. 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) . Obtener el modelo de estado del sistema discreto equivalente del sistema continuo. La función de transferencia del regulador es: Si se toma como variable de estado: 1 W (z) = 1 _ Z .

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

J Res L.J -.1 + Z . (1 .T = 1+ O + + + + + O O � .1 p 1 4 1 (1 .T )z e .. se puede dibujar el lugar de las raíces.1 ) 4 1 + -1 1 .e-Tz.l ) 4 1 ..T )z e .(1 e .T )z = z 2 (3 . lo que no garantiza la estabilidad del sistema si las raíces son reales.e-Tz.z .l ) ". MODELO DISCRETO DE ESTADO Para estudiar el rango de valores de T que hacen estable al sistema realimen­ tado. ( 1 .l .epTz . .T (4 .1 4(1--e-T) 1z -'------='---:-.4 e . 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 .e.Z .1 0.1 e .5e . Para analizar la estabilidad. e z --1 4(1 --e--TT ) = � z.362 e) CAPÍTULO 7.e-Tz.Tz .Z-l ) " L.z1 .l eT 4 (1 .z z 2 ..T I < 1 el producto de las raíces siempre es menor que uno..1 l .l p 1-e = = ]= Por lo que la función de transferencia del sistema en cadena cerrada es: Como l e .T )z .. + ( [ � Res 1 G(p) pT Z .

A) + 4 .4e-T =} 6e-T < 2 =} e-T < 0.A .3315 ° =[ > =} 2 + 2 e-T < 4 .05 =} { A2 = -0.T = ¡A .4 . EJERCICIOS RESUELTOS 363 El sistema es inestable cuando alguna de las ramas abandone el círculo unidad.e-T ) < por lo que el sistema es inestable si T 1.4229 y Si T = 1.7. Sus raíces son los valores propios de la matriz A y los polos del sistema.0041 A = -0.U¡ 5e-T . lo que ocurre para z = -1.8273 Si T = 1.333 - �1 i -T ] .10 =} { Al2 = -1.5e-TA + 4A + A 2 + 4 . La KLDR para ese punto es: por lo que el sistema es inestable si: KLDR = 2(1 + e-T) 4(1 .. A la misma conclusión se puede llegar analizando la matriz del sistema reali­ mentado: 5e -4 4.0987.A) ( l .4 . Así.7. por ejemplo: Al = -0.4 e .e A cuyo polinomio característico es: (5e-T .5e-T ) A + e-T = que coincide con la ecuación obtenida anteriormente.4e-T = A 2 + (3 .

.

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. 8. se halla la solución de la ecuación homogénea. como se ya se ha visto. para la que se han anulado las entradas. Solución de la ecuación homogénea . el estudio de la resolución de esta ecuación se aborda en dos etapas. para la cual las entradas se anulan. A continuación. 1 . 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.2. Matriz de tran­ sición = (8.8 8. es decir: x(k + 1) A(k)x(k) 365 = (8. por lo que se obtiene la evolución libre del sistema desde su estado inicial. que.1) Como ya se ha anticipado. 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.2) . en el caso discreto se trata de encontrar una solución para la ecuación discreta de estado para sistemas lineales.1 . se considera la ecuación completa. en primer lugar. la ecuación homogénea es la misma que 8.

debe ser forzosamente: (8. como ya se vio: x(k) = <I>(xo . La (8. x(k) = <I>(k.7) Propiedades de la matriz de transición Dado que la Ecuación 8. ko).9) <I>(ko. ko) = A(k)<I>(k. la entrada se supone nula en todo instante. k. k)x(k) Como esta expresión se ha de cumplir para todo estado inicial Xo. comprobándose por lo tanto que la matriz de tran­ sición verifica la ecuación homogénea. Verifica la ecuación homogénea Sustituyendo 8. como se vio en el capítulo anterior. ko)xo Como esta expresión se cumple para cualquier valor de Xo. Teniendo en cuenta que se trata de la solución de la ecuación homogénea y que. Identidad (8. SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO y considerando que inicialmente el estado se encuentra en un estado Xo solución general de la ecuación discreta de estado es.6) <I>(k + 1.10) . es decir: Xo 3.5 se verifica para todo k se ha de cumplir también para ko. si se tiene en cuenta que la ecuación es lineal.2 se tiene: Expresión que coincide con 8. ko). ko). ko)xo = (8. la solución formulada con la ecuación anterior debe adoptar la forma: (8. se puede establecer que: <I>(k + 1.8) (8. por lo tanto. ko) (8. 8.3) Del mismo modo. 1. ko) = I = <I>(ko. u(>.3. 2. se define como matriz de transición .4) x(k) = <I>(xo. ko)xo.) .366 CAPÍTULO 8. hecho establecido por hipótesis. k.2. = x( ko).5) La matriz <I>(k. Transitividad El estado para una determinada muestra m 2: k se puede obtener como: x(m) <I>(m. ko)xo = A(k)<I>(k.5 en la Ecuación 8. la ecuación anterior queda: (8.

al hacer la composición de ambas expresiones. m)<P(m. m)<P(m. si la matriz A(k) es invertible. con k � m. 1 1) y componiendo las dos expresiones: x(l) = <P(I. 13) (8.12) Pero también se puede calcular este último estado partiendo del inicial x( k) me­ diante la expresión: (8.4. Inversión Dado un par de valores del estado (x(k) .4. k) <P(m. k )x(k) (8. Cálculo de la matriz de transición Existen diferentes métodos para calcular la matriz de transición.2 es posible calcular x(k) a partir de x( k + 1) generalizando: x(k) = <P(k. 8 . 18) 8. 1 .l (8. 15) Asimismo.16) Y con lo que. k) x(m) = <P(m. Método iterat ivo Partiendo de la Ecuación 8.5 se cumple que: (8. se puede calcular su valor para una muestra posterior l 2:: m como: DE LA MATRIZ DE TRANSICIÓN 367 x(l) = <P(l.2. se debe cumplir entonces: <P(l. de entre los cuales se pasan a detallar los más significativos a continuación. k)x(k) 4. CÁLCULO Asimismo.4. m)<P(m. utilizando 8. k)x(k) x(l) = <P(l. se verifica que: 1 = <P(k. x(m)). m)x(m) (8. m)x(m) (8. particularizada para la muestra inicial ka: x(ka + 1) = A(ka)x(ka) (8. k) = <P(l.19) .8. m)<P(m. por 8. partiendo del estado x(m). 14) Como esto es cierto para cualquier estado inicial y final. k)x(k) =? (8. resulta: x(k) = <P(k. m) . 17) Como esto se ha de cumplir para cualquier estado. k) = <P(k.

x (k). . entonces también lo son x l (k) .24) (8. .25) como: = == . . . ko) = A por lo tantol: <T>(k. suponiendo que A(k) es invertible para cualquier valor de k. kO)x2 (ko ) (8. expresadas por el superíndice: X l (k) x 2 (k) <T>(k. . xn (ko ) son linealmente independientes. . .4.l)A(k - x(k) = A ( k . Método de la matriz fundamental de soluciones y Partiendo de la Ecuación homogénea 8. X2 (ko ) . . es decir.ka 2) · . A(k) es invertible los esta­ dos x l (ko ) . . . de suponer que existe una tupla de números a l . A(ko + l )A(ko)x(ko ) + . .368 CAPÍTULO 8 . x2 (k) . se le denomina conjunto fundamental de soluciones. x2 (k) .20) (8. = A(ko l)A(ko)x(ko ) (8. propiedad que ha sido aludida sin demostración anteriormente. . xn (k) un conjunto de soluciones de la ecuación homogénea para distintas condiciones iniciales. an =1. a l x l (k) + a 2 x 2 (k) + .2. .2) · · · A(ko l)A(ko ) por lo que en el caso de que el sistema sea además invariante: <T>(k. . + an x n (ko)) (8. ka ) . ka) (a l x l (ko ) + a 2 x 2 (ko ) + . se refiere a continuación: Se parte de la hipótesis contraria.21) (8.23) Si se supone que dicho conjunto de soluciones cumple además con la propiedad de ser vectores linealmente independientes para cualquier valor del subíndice k.O tales que: y y l De esta expresión e s fácil comprobar que s i la matriz A(k) e s invertible . . La demostración de que si para cualquier valor de k. . . . ko) + k . + a n x n (k) O <T>(k. .2. SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO Los sucesivos valores del vector de estado se pueden calcular como: x(ko + 2) y A(ko + l )x(ko + 1 ) A(k . sea x l (k) . lo e s asimismo la matriz de transición <I>(k. kO)x l (ko) <T>(k.n. a 2 .l )A(k .22) 8.

8.4.

CÁLCULO

DE

LA MATRIZ

DE

TRANSICIÓN

369

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

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

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

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

=

=

(8.27)

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

=

(8.29)

Dado el sistema :

se toman como valores iniciales:
y y

(k + 1) [ XXl2 (k + 1) ] [ �

k+1 1

(k) ] [ xXl2 (k) ]

entonces: a partir de

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

x2 (O) se obtiene la secuencia :

o>

[ ti) 1
k(k

370
con lo que:
y

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

X(k)
dado q ue:

=

X(O) 1
=

[�

k(k 1)

i

1

entonces es:

8.4.3.

Método de diagonalización de Jordan

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

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

=

(8.30)

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

TJ k - ka T - 1

(8 . 32)

Método de Cayley- Hamilton

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

la expresión:

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

=

(8.35)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

371

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

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

(8.36)

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

se cumple entonces que:

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

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

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

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

I

A=Ai

=

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

I

A=Ai

(8.41 )

Dado el sistema cuya matriz A es:

entonces su ecuación característica es:

y por tanto:

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

372

CAPÍTULO 8 . SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

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

con lo que:
y

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


1

8 .4 . 5 .

Método d e l a matriz resolvente

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

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

(8.42)

ct>(k, O)

Ak

(8.43)

Dada esta expresión se comprueba que se cumple:

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

(8.44)

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

(8.45)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

373

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

sión inicial menos la multiplicada queda:

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

de donde resulta inmediato:
Ejemplo 8 . 3

(8.48)

y antitransformando:

Dada la matriz:

se calcula la matriz resolvente como:
y

A = [ _ l� z [ 10

�] � ]}

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

Hallando la antitransformada de cada término:

Ak = fZ -1 { Z 2 _ :z + 1O [ z_� ;

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

-1 z-7 ]

3 74

CAPÍTULO

Por lo que la matriz de transición queda:

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

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

+

]

8.5.

S olución de la ecuación completa

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

+ 1)

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

=

A(k)x(k)

+ B ( k )u( k)

(8.49)

x(k)

=

cJI (k, ko )x(ko )

+

k- l

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

(8.50)

Comprobación para k

x(ko )

=

ko
=

cJI (ko , ko )x(ko )

+

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

0=

x(ko )

(8.51)

=

1)

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

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

[

+

+ A(k)

¡�

'P (k, 1

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

k- l

l= ko

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

1

=

8.6. EJERCICIOS RESUELTOS

375

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

l=ko

k- l

,

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

l=k

k

...

1

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

término es una convolución, queda:

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

(8.54)
que el segundo

fZ'

=

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

[A k x(O)]

+ fZ'

[� A k - l -1 B U (l) l

(8.55)

8.6.

Ej ercicios resueltos

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

obtener las tres primeras muestras del estado
y

de la salida cuando la entrada es:

el estado inicial es:

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

[�]

376

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

La evolución del estado viene dada por la expresión:

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

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

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

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

o:
x(l) =

para k = 2:

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

1:

x(O) =

[�]

x(2)

Con lo que la secuencia de estados queda:

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

{ [ � ] , [ - ; ] , [ -1� ] }

6. 17 } Por lo que l a secuencia de valores de l a salida es: . EJERCICIOS RESUELTOS 377 Siendo la salida: Para para para k = O: k = 1: k = 2: y (k) = [ 1 -1 ] x ( k ) + [3]u (k) y (O) = 1 + 6 = 7 y (1) = -2 .5 + 3 = -4 y (2) = 4 + 10 + 3 = 17 {y ( k)} = { 7.8. -4 .

.

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

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

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

l + l)B(l) = O (9. si las matrices q.382 CAPÍTULO 9.11) (9. • Condición necesaria La prueba consiste en demostrar que si el par (A. Al igual que en sistemas continuos. 10) Lo que supone que. es imprescin­ dible que Q tenga n vectores columna linealmente independientes. 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 . para cualquier entrada U(k): vTq. Suponiendo que se parte de un estado inicial nulo: x(k) = k. B) es controlable. la demostración de este criterio pasa por probar que es necesaria y suficiente. 9.9 se siga verificando. Dado el sistema discreto de dimensión n cuya ecuación de estado se expresa como: es controlable s i y sólo s i la matriz de controlabilidad definida como: x(k + 1) = Ax(k) + Bu(k) (9.12) es de rango n.1 l= ko L q. l ::.1 se cumple: Así pues. o B son de coeficientes complejos para que la expresión 9.l l= ko L q. Al igual que en el caso continuo.3.5 las matrices conjugadas de las transpuestas en lugar de las transpuestas.(k1 . l + l)B(l)u(l) = vTx(k1 ) = O (9. k1 .9) vT kl . l + l)Bu(l) = . (k l .(k. por lo tanto el sistema no es controlable. hay que tomar en 9. por lo que no se pueden alcanzar todos los puntos del espacio de estado. existe un vector respecto al cual siempre es ortogonal. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que para ka ::. sea cual sea el valor que alcance el estado.

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

Si alguna de las matrices del sistema es de coeficientes complejos. se obtiene también como el número de columnas linealmente independientes de la matriz Q.1 l= ko L C(kd<'J?(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.20) Caso lineal e invariante En el caso de que el sistema discreto sea lineal e invariante. 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. en el caso de sistemas discretos lineales. 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. tanto en la forma de la obtención de su base como en su invarianza ante transformaciones en la representación del estado. se puede establecer que el subespacio controlable atiende en ambos casos al mismo comportamiento. suponiendo que se parte de salida inicial nula: y comparar esta expresión con la Ecuación 9.3 del estado en función de la entrada. De otra parte. como el rango de dicha matriz.1 l= ko L C(kd<'J?(k1 . kl .4. ko ) = es no singular. el criterio para estudiar la controlabilidad de la salida se formula exactamente igual a como se hace para el caso continuo: . igual que en casos anteriores. y dada la evidente dualidad entre las conclusiones obtenidas en el estudio de los sistemas discretos en relación con los continuos. la controlabilidad de la salida de estos últimos sigue manteniendo una clara semejanza con la estudiada para los sistemas continuos.19) Para realizar la demostración de la efectividad de este criterio. l + 1 ) CT (k1 ) (9. l + l ) CT (kd (9. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO asimismo con la del caso continuo) . 19 hay que tomar las matrices conjugadas de las transpuestas en lugar de las transpuestas.384 CAPÍTULO 9. en la Ecuación 9. Así. al ser una propiedad intrínseca del sistema. 9. es decir. 17) (9. y(kd = k1 . l + 1)B(l)BT (l)<'J?T (k1 . l + l)B(l)BT (l)<'J?T (kl .

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

27) El caso general de observabilidad se puede determinar por el siguiente criterio: .24) y si C es no singular para un determinado ks : x(k) = C . por lo que por comodidad se puede elegir.23) Al igual que en los sistemas continuos. ya que conocidas la entrada y la salida se puede formar una nueva salida que cumpla: y (k) y(k) .D(k)u(k) (9. conociendo las secuencias de entrada y salida.26) y para todo índice k: (9. l + l)B(l)u(l) (9. una entrada nula. pues.22) L cp (k. para realizar el estudio. ante entrada nula: = C (k) cp (k.6.25) (9. este análisis se puede reducir al caso de entrada nula. la observabilidad será. ko)xo (ko ) + k-l l=ko k-l (9. se parte de la ecuación de la salida: con: y(k) = C (k)x(k) + D(k)u(k) x(k) = cp (k. l + l)B(l)u(l) . únicamente de las matri­ ces cP y C. estos conceptos se extienden a los de observa­ bilidad del sistema discreto en [ko . ko)xo (ko) l=ko L cp (k. 9. k 1 l y de observabilidad del sistema cuando todos los puntos del espacio de estado lo son. E l caso trivial d e observabilidad será. 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. cuando l a matriz C sea d e dimensión n x n y no singular Vk. asimismo. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Como en todos los casos anteriores.C (k) Estas dos salidas coinciden si la entrada en el intervalo considerado es nula. La observabilidad del sistema vuelve a depender. ya que entonces.386 CAPÍTULO 9. por tanto.1 y(k) (9. función de las matrices A y C. Observabilidad e n sistemas discretos lineales Para determinar bajo qué condiciones se puede obtener el estado inicial.

¡. ko) es singular. lo que es lo mismo. por lo que existe un vector Xo distinto de cero que verifica: X6V(k 1 . l=ko L cI> T (l . ko)xo L II C (l) cI> (l . ko ) L cI>T (l. por lo que no es posible distinguir mediante la observación de la salida entre el estado inicial nulo y el estado inicial xo · (9. ko � l � k1 : = kl = (9.32) y por lo tanto: k1 l=ko L x6 cI> T (l.( 1 . pues si la matriz V(k1 . ko) es invertible.28) (9. kO)C T (l) C (l) cI> (l .33) Condición necesaria = V. hay que probar que es necesario y suficiente: • La prueba de que el cumplimiento del criterio es condición suficiente es inmediata. ko)xo = O (9. ko)CT (l)y(l) k1 l= ko V(k 1 .9. 3 0) Para demostrar la validez de este criterio. la evolución libre del sistema. ko) = es no singular.35) C (l) cI> (l . kO)C T (l)y(l) Xo y por lo tanto: • La prueba de que es también condición necesaria parte de que V (k 1 . kO)C T (l) C (l) cI> (l .T (1 . OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES Dado un sistema discreto lineal con una representación de estado: 387 x(k + 1) y(k) entonces es observable en [ko . es también nula.34) su evolución ante entrada nula. ko) Xo ) (9. ko)xo l 1 2 O l=ko y puesto que es un sumatorio de términos mayores o iguales que cero Vl.1 (kl . ko)xo C� . 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) (9.29) sólo si la matriz denominada gramiano de V(k 1 . entonces: l=ko Condición suficiente k1 L cI>T (l .¡.6. . ko)xo = O o. ko) C T (I)e( l). ko) kl (9. partiendo del estado inicial Xo .3 1 ) (9.

producen una res­ puesta libre del sistema nula. 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.Al igual que en los sistemas continuos. La existencia de estos puntos que.30 las matrices conjugadas de las transpuestas.38) La condición impuesta por el criterio es suficiente. puesto que cualquiera de ellos produce la misma salida que su suma con un punto no observable. existen puntos que producen salida nula en el intervalo [ka . k 1 l ante entrada nula. tomados como estado inicial. ya que si el rango de la matriz Condición suficiente . El resto de los puntos del espacio no son observables.1 Ax(k) + Bu(k) Cx(k) + Du(k) (9. en lugar de las transpuestas. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Se dice que un punto del espacio de estado Xa es no observable en [ka . puntos que se denominan no-observables.36) (9. llevan de manera semejante a los sistemas continuos a las siguientes definiciones: 388 CAPÍTULO 9. si las matrices el> o C son de coeficientes com­ plejos. se deben utilizar en la Ecuación 9. por lo que no se puede distinguir entre ellos. por linealidad. Si el sistema no es observable. 7.37) (9. = es de rango • [ c� 1 CA n . 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.

41) = (9. al compararla con las Ecuaciones 9. • Si la matriz P es de rango menor que n. . Xo será no-observable.n� l para todo índice l la matriz CAl es Como combinación lineal de (C. ko + n . Si se define el subespacio no-observable como el conjunto de puntos no-observables. la observabilidad es una propiedad in­ trínseca del sistema. entonces de: y(ko ) y(ko + 1 ) y(ko + n . de forma que no se ve afectada por la representación del estado elegida. La observabilidad del sistema también está condicionada al número de elementos de la secuencia de salida disponibles.1 ) . . entonces: (9. CA ) . a partir de ellas.40) y. " . se llega. . .7. existe un vector Xo no nulo que cumple: PXo O Condición necesaria ecuación que. ko + 1 .9. r . al igual que para los sistemas continuos.42) sea de rango n. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES 389 P es n. Como sucede también en el caso continuo. r. De esta forma se garantiza que. .39) se pueden seleccionar n ecuaciones linealmente independientes y. a que dicho sub espacio está generado por el núcleo de la aplicación definida por la matriz P. aunque dicha representación se vea sometida a una transformación lineal.donde es el rango de P.39. cuya dimensión será por tanto n . la observabilidad del sistema seguirá siendo la misma. necesitándose como máximo n elementos y como mínimo el menor valor de i que verifique que la matriz: (9. CA.1 ) CXo CAxo (9. por tanto. indica que el vector de salida es nulo para (ko . determinar cuál es el estado xo .

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

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

46) por tanto. por motivos cuyo estudio se aborda en otros textos. 45) (9. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Control de sistemas discretos por realimentación del estado El control de un sistema discreto mediante la realimentación de sus variables de estado es paralelo en todos sus métodos a los estudiados para sistemas continuos. 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. Tal y como se ve en la Figura 9. dado un sistema discreto en su representación de estado. el objetivo es diseñar una matriz de realimentación constante K.2. de modo que el sistema total cumpla los objetivos de diseño planteados. ya que los valores propios que se buscan estarán en una región distinta de diseño dentro del círculo unidad. determinando los valores adecuados de la matriz K.392 9.47) Bajo las condiciones adecuadas de controlabilidad del sistema. {v(k) } { y (k) } Figura 9. CAPÍTULO 9.43) (9. Igual que en los sistemas continuos se cumple que: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) (9. B y C.9.2: Sistema discreto con realimentación del estado. también se podrán fijar aquí los valores propios de la matriz Ar . definido por sus matrices A. también la dinámica del sistema viene determinada por: Ar A + BK (9.

48) (9. convertidor digital-analógico. a las variables de actuación del sistema u(t) .3. 10.3: Sistema muestreado con realimentación del estado. Sistemas muestreados de control El caso que se plantea aquí es el común de los sistemas actuales de control. La configuración del sistema suele ser la que se indica en la Figura 9.9.49) son las mismas que en sistemas continuos. 10. se multiplica por la matriz de constantes K. en el que se pretende controlar un sistema continuo mediante el uso de un computador. la diferencia se lleva mediante un bloqueador normalmente de orden cero. 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 . diseñar la correspondiente matriz de realimentación K para dicho sistema . las matrices de transformación y toda la metodología estudiada para aquellos sistemas es válida para el diseño de sistemas discre­ tos. 9. y y (t) Computador I nterfase Sistema continuo Figura 9. El diseño se puede enfocar de dos maneras. el conjunto de variables de estado x(t) se muestrea con un período T mediante un convertidor analógico-digital. obteniéndose la secuencia discreta {x( k) } .1 (9. por naturaleza discreto. este vector se realimenta se compara con un vector de referencias. Se puede considerar todo el sistema como continuo.

El otro enfoque del problema es calcular un equivalente discreto del sistema continuo.�--. como la matriz K es constante. ya que.4: Sistema muestreado con tiempo de cálculo nulo. . únicamente es aproximado pues tanto en el proceso de muestreo como en el de reconstrucción hay siempre una pérdida de información. como es sabido. para hacer luego el diseño como sistema discreto. con el fin de calcular un equivalente discreto de esta matriz.53) Aunque con los sistemas actuales de cómputo lo normal sea despreciar el tiempo de cálculo. e {y(k) } Figura 9. se discretiza directamente el sistema continuo mediante el método estudiado en 7. 8 (T)) es controlable. {v(k) } r. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO continuo.50) (9. se pueden asignar libremente los polos del sistema. Este enfoque.6. si el sistema (�(T) .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. 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. p(A) = I AI .�(T) . Este caso es inmediato. cualquier método de discretización da como resultado la misma matriz K . operación exacta sin pérdida de información.. 4. En el caso más sencillo en el que se pueda suponer que el tiempo de cálculo es nulo. cabe dentro de lo posible que en algún sistema con período de muestreo muy bajo sea necesaria su consideración. reflejado en la Figura 9 .8 (T)K I (9. como es sabido.394 CAPíTULO 9.52) en el que.

55) que coincide en sus primeras filas con la matriz de controlabilidad Q del sistema [<I> (T) .5. Se puede sacar como conclusión que si el sistema sin retardo era controlable. SISTEMAS MUESTREADOS DE CONTROL y 395 y La suposición más sencilla es considerar un tiempo de cálculo igual al período de muestreo.54) 8 = 8 (T) .10. {v (k) } �___ {y(k) } {w(k) } Figura 9 . 9. utilizando la notación forma: ] = [ <I> (T) OO ] [ w(k) ] + [ 8 O(T) ] u(k) X(k) 1 <1> = <I>(T) y (9. 8(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. es de la (9.l . 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. el sub­ sistema controlable del sistema con retardo contiene al menos al sistema primitivo. donde el tiempo de cálculo se representa mediante un retraso Z .5) Las ecuaciones de este nuevo sistema antes de realimentar (parte derecha de la Figura serían de la forma: [ x(k + 1) n w(k + 1 ) La matriz de controlabilidad. 5: Sistema muestreado con tiempo de cálculo no nulo. dedicando el tiempo entre muestra muestra para calcular la siguiente actuación sobre el sistema.57) .9.56) (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 .60) (9.63) . considerando u(k) x(k) en el instante de actuación w(k) en el de muestreo .A)T) x(k) + 8 ((1 . a la hora de su estudio puede resultar algo más sencillo considerar que el retardo se produce en la parte continua.62) (9. dado que: x(t) = el> (t. to)x(to) + se obtiene que: x(k + 1) w(k + 1 ) ¡ t el> (t. A ::.A)T) u(k) (9.AT) = el> ( (1 . T)Bu(T)dT it o (9. Aunque este retardo se produce en la parte discreta del sistema. En este caso. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO y(k) = [ e o x(k) 1 w(k) [ en el que.59 ) el> (T)X(k) + 8 (T)u(k) x ( (k + 1)T .396 CAPÍTULO 9. como se muestra en la Figura 9. y ] (9. se pueden ajustar los valores propios del sistema.6. En el caso más general se puede estudiar el comportamiento del sistema considerando un tiempo de cálculo AT. con O ::. 1 .6: Sistema con retardo no múltiplo entero del tiempo de muestreo. mediante la adecuada elección de la matriz K. I I y y(t) Figura 9.61) por lo que el nuevo sistema antes de realimentar (parte derecha de la Figura 9.58) {v(k) } {u(k) } .A)T) = el>(T) } ==} w(k) = x(k) 8 ( ( 1 A)T) = 8(T) (9.

67) (9. la dimensión del subespacio del sistema con retardo es al menos conteniendo al sistema original.. <I> n.66) obteniéndose como sistema realimentado: w(k + 1) e (k)K <I>(T) <I> ( (1 .5 O x 2 (k) Estudiar la controlabilidad del sistema. Determinar igualmente si.68) 1 . = <I> (( 1 ...l e <I>). 9. y EJERCICIOS RESUELTOS 397 que para >.5 O [ 1 y(k) ] [ x l (k) ] + [ 11 ] u(k) x 2 (k) [ O ] X l (k) ] -0.64) e). )T) es de la forma: Q= e [ e). coincidiendo también en sus primeras filas con la matriz de controlabilidad del sistema sin retardo.65) n. .>.>')T) = 1O } � w(k + l ) = x(k) >')T) <I>e <I> 2 e . de dimensión es con­ trolable. utilizando como notación <I>). . <I>). = e ( ( l .. (9..>')T) . n ] (9. . .2 e (9.>')T) e ( ( l . Ejercicios resueltos O ] [ :��) ] ] [ w(k)) ] + [ e ( (e-(T)>')T) ] v (k) X(k l n (9. partiendo del estado inicial x(O) = [1 I V . 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 . e <I>). Dado un sistema discreto definido por las ecuaciones: [ Xx2l (k + 1l)) ] (k + [ 0. La matriz de controlabilidad en este caso. = 1 � e ((l = y {I <I> ( (1 .9.>')T)K y(k) = [ e [ x(k + 1) ] = [ sistema en el que una adecuada elección de K permite la asignación de polos del sistema. En este caso la realimentación es también: n. <I> n . <I> e . Vuelve a suceder aquí que si el sistema sin retardo.11.11. = 1 se está en el segundo de los casos: >..

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

75 -0. ] = [ _ �: � ] + [ � ] u(O) { ���� : . 55 u(1) + u(2) { 3.0 . 2. 5 u(0) + u(l) 2. 5 ] .1 [ � ] u(l) + [ 005 .�. 5 [ 1 [ O -0.9 . u(2) O u(2) 3 u(2) = 2.1 [ + [ 005 . 5 [1 2 1-1 1 O5 O + [ O . 5u(0) . puesto que el sistema es controlable cuando k = 2 como ya se ha demostrado. 5 ] 3 .� ] + [ � : .5 2.O . � ] + [ _ � :� ] u(O) + [ � ] u(l) = = =} { 2.875 = 0. 2 5 . 2 5 ..[ 1 ] u(l) [ � ] = [ � :. ko = O: 005 -� . � ] u(O) + [ _ �: � ] u(l) + [ � ] u(2) 2. { u(l) = O-0. pues ya se ha demostrado que el sistema es controlable para k1 = 3.0 1 ] + O 5 O ] 2 . 5 r.5 ] 3 . ko = O. k =} =} =} =} =} =} =} { u(O) u(l) .5 r-O. Esta conclusión era esperable. u(1) + u(2) Si x(2) = [3 3jT.75 u(l) Luego con la secuencia de entrada {u (k)} = {O.4 Esta conclusión era esperable. Si x(3) = [3 3jT. 5 O ] .0.�.1 . : � = = = =} =} =} ecuaciones para las que se pueden obtener infinitas soluciones. 5 o [ � ] + 0 5 � r.1 � ] u(O) + [�]=[ r[ 0 . como por ejem­ plo: 1 = 2. 1 1 .4 2 5 -0. 22 5u(0 ) + 0. k1 =1 3. ko 2= O.�. ] = [ 005 . entonces: [ . 5 u(0) + u(l) { u(O) = O2.75 = 0.[ � ] u(2) [ � ] = [ _ � :�.o [ � ] + [ 005 -� . Si x(l) = [3 2jT.1 [ � ] u(O) [ . EJERCICIOS RESUELTOS 399 b) e ) d) 12 = u(O) = u(O) = -0.125 = 0. { u(l) = 2.0. k1 = 1.1 1 ] u(O) + [ [ 0 -0.75} se logra llevar el sistema al estado deseado. entonces: 33 ] = 0 .

CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Luego con la secuencia { u(k) } = {2. entonces es evidente que k1 = ko + 1. Si dicho estado inicial x(ko ) se representa por: y x(ko ) = se cumple que para k1 = ko : y(ko ) 4= [ 1 1 1 [ XXO20l ] = Cx(ko ) + Du(ko ) + [ XXO02l ] 2 =} 2 = XO l + X 02 . 5 } . siempre que sea posible.k¡ = [ C ] =} rango(Pko .5} se consigue. Dado el sistema: x(k + 1) y(k) La observabilidad del sistema entre ko Estudiar su observabilidad. ante entrada { u(k) } = {2.5 ] [ ] k1 depende del rango de la matriz: Si k1 = ko es: + luego el sistema no es observable para k1 = ko . Si k1 = ko 1 . 2. por lo que el sistema es observable se puede conocer el estado inicial. 5} .400 CAPÍTULO 9. la salida es { y (k) } = {4. Determinar el estado inicial. y O x(k) + 1 u(k ) 1 -0. 1 } . Aunque el sistema no es controlable para k1 = 1.k¡ ) = 1 por lo que el sistema es observable. Si se conoce la entrada { u(k) } = {2. es posible alcanzar algunos puntos del espacio de estado. 1 } la salida { y(k) } = {4. entonces: Y Pko .5 + [ 1 1 ] x(k) [ 1 ] u(k) O [ 0. si se conoce que.

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

.

Parte III Apéndices 403 .

.

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

I O) . en función de los valores propios de la matriz A de partida: • Un valor propio real de multiplicidad produce la siguiente caja: [A] • (A.1 AT _ [el = 6 o se puede diagonalizar en cajas de Jordan.3) Una matriz diagonal en cajas de Jordan presenta la siguiente estructura para cada caja. o ( A . puede originar distintas cajas : (A.2.6) El que se produzca una u otra situación depende sólo de la matriz inicial A. debería cumplirse que TA AT.406 APÉNDICE A. por ejemplo.5) • Un valor propio real de orden de multiplicidad mayor que uno (por ejemplo doble) . se muestra la imposibilidad de diagonalizar la matriz: IR => [ -ab ab ] mediante una matriz de transformación T: A= [ � � ] ( A .7) donde: Si fuese posible la transformación mediante esta matriz T. Diagonalización de una matriz en caj as de Jordan n x n Cualquier matriz A.8) [ �� � ��� ] ( A . es decir: = T= ( A . Así. de dimensión mediante una transformación lineal: A => A = T. VALORES y VECTORES PROPIOS A.9) [ ��� ��� ] [ � � ] = [ � � ] [ ��� ��� ] ( A .4) Un valor propio complejo y su conjugado de orden de multiplicidad uno producen la siguiente caja: ( A .

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

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

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

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

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

.

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

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

Sign up to vote on this title
UsefulNot useful