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

. . . . . .3. .4. . . . . . . . . . . Controlabilidad de la salida . . .10. .5. . . . . . . . . . . . 7. . . Matriz de transición . . . . . . . Introducción . . 7. Ejercicios resueltos . . . . 9. . . . . . Controlabilidad en sistemas discretos lineales .2. 8. Sistemas híbridos realimentados . .1. . .7. . .4. . Sistemas muestreados . . .1. . Modelo de estado en variables de Jordan . Propiedades de la matriz de transición Cálculo de la matriz de transición . . . Solución de la ecuación homogénea. .1. . Control de sistemas discretos por realimentación del estado 9.4. Método de diagonalización de Jordan 8.8. . .2. . 8. . . . . . . . . Controlabilidad . . . . . 9. 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 . 7.6. 9. .4. . . . . . .5. Ejercicios resueltos . 7.4. . . 8. . 7. Método de la matriz fundamental de soluciones 8. . . .11. . . .4. . Controlabilidad en sistemas discretos lineales invariantes . . . . . . . . . VIII JI ÍNDICE GENERAL Sistemas discretos 341 Modelo Discreto de Estado 7. . . . .4. . . . . 7.3. . . . . . Solución de la ecuación discreta de estado 343 8. 9.4. . . . . . . . .3. Sistemas variantes .4. . .2. .2.3. . . . . . . . Observabilidad en sistemas discretos lineales invariantes 9. Controlabilidad y observabilidad en sistemas muestreados 9. Modelo de estado en variables de fase 7. . . . . . .6. . .6. .4. .1. . Sistemas híbridos . . . . .4.2. . . . .6.4. 7. 7. . . . . . . 7. . . . Obtención de modelos discretos de estado . . . . . . . . . .1. . . . .7. Transformaciones lineales . .9.7. 9. 8.1. Introducción . Obtención de la representación externa a partir del estado 7. . .3. . . Método de Cayley-Hamilton . 8. .6. . . Solución de la ecuación completa 8. .4. . 7. . Método iterativo . . . 9. . . . Definición de estado para sistemas discretos Sistemas dinámicos discretos . . . .2. Método de la matriz resolvente 8. Sistemas muestreados de control 9.6.3. . . . . . . Observabilidad . . Sistema discreto invariante equivalente . . .5. . . . . . Observabilidad en sistemas discretos lineales . 9. . 8.5. . . . . . . 8. . . . 7. . . .6. . . Ejercicios resueltos . . 9.

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

.

. Realimentación constante de la salida.3. .7. Separación simultánea de los subsistemas controlable y observable.8. 1. . . . . .ín dice de figu ras 1. . Concepto de observabilidad.1. 1.3. . . . Realimentación en sistema de tipo uno. . XI 8 8 9 15 16 16 17 18 31 31 32 33 110 110 118 131 133 175 188 193 196 197 233 240 241 244 245 . . .5. . . Separación de la parte no-observable.1. . . 5. . Representación gráfica del subsistema controlable.. 1.1. . 1. 3. . .2. Multiplicación por una matriz. Trayectoria del vector de estado en el espacio de estado.2. . .4. . .5. . . 4. .3.0 ) . . 3. Adición del parámetro Kü. 5. . .3. 1.12. . . . . . . . 5. . . . Sistemas en serie .1. . . . . . . Puntos alcanzables desde (0. . .5. 1. . . . Bloque integrador. 1. Transformación de la matriz de realimentación K. 1. . 4.10. . Evolución temporal de las variables de estado . . 1. Realimentación del estado .6.4. . Transición del estado entre dos puntos. 3.2.4. Sistemas en paralelo . Representación gráfica del modelo de estado. 4. . . . . 4. . .2.9. . . Separación detallada de los subsistemas controlable y observable. . 3. 3. Representación gráfica vectorial del modelo de estado. 4. 1. Superposición de la evolución libre con el subespacio controlable. . . . . Sistema con realimentación de estado.11. . . Transitividad de estado . . . . .4. Sistema no controlable. . 1. ..5. . . 5. . . . . de forma directa (línea continua) y con un punto de paso intermedio (línea discontinua). . Sistema lineal con el conjunto de entradas de test . . Bloque sumador . . . 5. . . . Control proporcional del sistema anterior. .

Sistema muestreado con tiempo de cálculo nulo. 7. 6. . .4. . 6. .6. 7. Sistema con observador de orden reducido. .XII ÍNDICE DE FIGURAS 5. Esquema des sistema con observador realimentación en espacio de estado transformado.1.4. Sistema con retardo no múltiplo entero del tiempo de muestreo . 6.2. .3. Sistema con observador matriz de transformación. . . .3. . . . 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. Sistema discreto equivalente. . .4. . 6. .6. Conversión a sistema de tipo uno . . .2. . 6.6. . . .5. .3. . 7. 9. . Esquema des sistema con observador en la forma canónica observable.7. . . Sistema discreto con realimentación del estado. 9. . . Sistema muestreado con tiempo de cálculo no nulo. . . 6. . Sistema híbrido realimentado. . .8. Sistema con observador realimentación del estado. . . 9. 9. 6. . 9. . Concepto de observador. . Sistema con observador realimentación. . . .1. Sistema muestreado con realimentación del estado.2. Sistema continuo multivariable . . . . 7. . . 6. .5. 9. . . . Esquema del sistema con observador. Sistema muestreado .1. . . . . . . . .

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

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

Poincaré. Las variables de estado representan pues la mínima cantidad de infor­ mación que nos resume todo el pasado dinámico del sistema y es todo lo que necesitamos conocer para poder predecir su evolución futura frente a cualquier señal de entrada que le apliquemos.E.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. 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. el concepto de estado se hace dominante en el estudio de los sistemas dinámicos. dejaron claro la gran utilidad del concepto de estado en la formulación y solución de muchos problemas de decisión y control. Se necesita un conjunto extra de variables cuyo objetivo es tomar en cuenta la historia pasada del sistema. 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. La importancia creciente de los métodos del espacio de estados lleva a R. Kalman a investigar la relación entre las representaciones en el espacio de estado (representación interna) y la función de transferencia (representación externa) lo que motivó la introduc­ ción de dos conceptos estructurales fundamentales para la compensación de los sistemas dinámicos: controlabilidad y observabilidad. El enfoque de Poincaré al estudio de problemas dinámicos rápidamente se popularizó y se vino a conocer como método del espacio de estado. entre otros. estas variables son las variables de estado. La incorporación de todos estos métodos del dominio temporal tuvo un efecto profundo sobre el problema del control y dio lugar a contribuciones importantes para resolver los problemas de guiado del programa espacial que se había iniciado a comienzo de los años 60. con su trabajo pionero sobre los Nuevos Métodos de la Mecánica Celeste. xv . Así. Hacia mediados de los años 50 los trabajos de Pontryagin y Bellman. intuyó la significación profunda de formular una teoría general de los sistemas dinámicos en función de conjuntos de ecuaciones diferenciales de primer orden.

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

determinan el comportamiento de cualquiera de sus variables. que son: 1. junto con la relación entre sus variables y el resto del sistema. Estos resultados son explotados en los dos capítulos posteriores para contestar a las preguntas fundamentales que a continuación se enumeran. abordada en el Capítulo 2. contar con la máxima información posible del sistema con objeto de utilizarla para controlarlo mejor. de aquellas variables cuya evolución tempo­ ral es independiente de las entradas y está solamente relacionada con sus valores iniciales y la propia dinámica interna del sistema. para ser utilizada en su control? Esta es la idea básica del Control en el Espacio de Estado. ¿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. forman el denominado modelo de estado del sistema. ¿Qué parte del sistema puede controlarse con las entradas disponibles? Esta pregunta se resuelve en el Capítulo 3. en el que se separan claramente las variables que pueden controlarse con las entradas del sistema. 2. XVII .Prólogo Si «la información es poder» y nuestro objetivo es poder controlar el comportamiento de un 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. es crucial para relacionar las entradas con la evolución del sistema y ésta con sus salidas medibles. junto con la evolución de las entradas al mismo. Es decir. Con esta idea básica como objetivo principal. 3. que constituyen el denominado subsistema controlable. ¿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. información que viene representada por el denominado "estado del sistema".

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

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

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

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

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

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

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

xx

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

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

XXII

Parte 1 Sistemas continuos

1

1
1.1.

Modelo de esta do
Introducción

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

4

CAPÍTULO

1.

MODELO DE ESTADO

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

1.2.

Concepto de estado

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

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

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

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

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

. o 0.5 X.8 1. MODELO DE ESTADC -0.5 -0. X. CAPÍTULO 1.5 I I I ¡1 Figura 1.25 0.5 1 X.1: Evolución temporal de las variables de estado.25 0.75 -0.5X. -1 Figura 1.2: Trayectoria del vector de estado en el espacio de estado. / / ¡- \ ---- ---- ---- X3 -1 / / ---- / ---- / ---- o Xl 2 I I -1 -0.

1.1. to l trelacionado pormuestra trayectoriatransición:valor de estado tresestos tiempos.. ::. tl . JI. el del estado en de 2 -'--- �/:.. to . to Continuidad t---+ to (1. Transitividad o propiedad de transición Si se considera en una en el espacio tiempos.. Las trayectorias en el espacio de estado son funciones continuas: lím x(t) = x(to ) Vt. tal como se esta propiedadFigura 1. U(T) ) con h T ::. t2 siendo: x(td w(tl .3. ECUACIONES DEL MODELO DE ESTADO 9 2. testá en la 2 . x(to ). x(to ).." x(to ) x(td Figura 1..3: 'fransitividad de estado = = < < X(t2) W(t2 . Una definición amplia de dichos sistemas es la siguiente: .. U(T)) con to T t2 X(t2) W(t2 . U(T)) con to T h Esto significa que para conocer el estado en el instante t2 da lo mismo: Conocer el estado en to la entrada entre to t2 · Conocer el estado en h y la entrada entre tl y t2 · < • • = Y Y ::. to .3.2) Y 3.3.. la teoría de estado representa un formalismo para el tratamiento y resolución de sistemas dinámicos deterministas.x(h). . Ecuaciones del modelo de estado Como se ha establecido con anterioridad.

De estas ecuaciones se intuye la continuidad de las trayectorias descritas por las variables de estado. otro conjunto de variables. las de entrada y las de salida: donde En la teoría moderna se añade.4 y 1. Esto se debe a que toda esta información. como el estado recoge toda la información del sistema en un determinado instante.4 se le llama ecuación de estado. Asimismo. como ya se ha explicado.1. es posible definir una relación de la salida con éste y con la entrada. ya está recogida en el estado. u(t)) donde se puede observar que la salida en el instante t sólo depende del tiempo. para determinar su dinámi­ ca también basta el conocimiento de las variables de estado y de la ecuación de estado. u(t) ) = r¡(t. y a la Ecuación 1. del estado y de la entrada en ese instante. Como el estado es la representación suficiente del sistema. x(t) .5 se le llama realización en el espacio de estado del sistema. entendiendo por tales valores del estado en los que el sistema funciona por tiempo . Los sistemas dinámicos diferenciales se caracterizan porque pueden ser representados por una ecuación que incluya información del estado de la forma: x(t) y(t) = u(t) es un vector de dimensión m e y(t) es un vector de dimensión p .5 se le llama ecuación de salida. que describe la trayectoria seguida por el estado dentro del espacio de estado. A la representación de estado descrita en las Ecuaciones 1.10 � CAPÍTULO 1 . u(t) y(t) ¡(t. u(t)) (1. a las que se llama estados.5) donde a la Ecuación 1. que representa la dinámica de la evolución del estado del sistema. De esta forma. MODELO D E ESTADO Un modelo de sistema dinámico determinista es una relación matemática entre dos conjuntos de variables.4 con unas determinadas condiciones iniciales da lugar a la Ecuación 1. no del estado y de la entrada en instantes anteriores.1. De otra parte. aspectos como la estabilidad del sistema y sus posibles estados de equi­ librio. La resolución de dicha Ecuación 1. x(t) . que la dimensión del vector de estado coincide con el número mínimo de condiciones iniciales necesarias para resolver la ecuación de estado y que pueden considerarse como variables de estado las salidas de los integradores. Dicha relación se establece mediante una ecuación de la forma: (1.3) y(t) = r¡ (t.4) (1. x(t) . se llama orden del modelo al número de variables de estado con el que se construye. por propia definición. Entradas y estados se encuentran relacionados como ya se vio en la Ecuación 1.

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

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

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

se puede obtener una nueva representación de estado.1 (t)A(t)T(t) 5é(t) + T .13) C (t)T(t)5é(t) + D (t)u(t) y supone una nueva representación del estado. MODELO DE ESTADO Se parte de una representación cualquiera de estado x(t) : y se define una Tn x n (t) con la particularidad de que no sea singular de que exista la derivada de su inversa.1 (t) [A(t)T(t)5é(t) + B (t)u(t)] = (T � l ) (t)T(t) + T . quedando: j¿ (t) (T � l ) (t)T(t)5é(t) + T .1 (t)x(t) derivando la expresión de 5é(t) se tiene: j¿ (t) x(t) y(t) A(t)x(t) + B (t)u(t) C (t)x(t) + D (t)u(t) y como se cumple que: entonces se puede sustituir.1 (t)B(t)u(t) { x(t) x(t) = = (T � l ) (t)x(t) + T . Transformaciones lineales = = CAPÍTULO 1.1 (t)A(t)T(t) B (t) = T. y .4. equivalente a la inicial. da lugar a nuevas matrices del modelo: A (t) = (T � l ) (t)T(t) + T .14) Partiendo de un modelo de estado cualquiera conociendo la matriz de transfor­ mación T(t) . Se define un nuevo vector de estado a partir de x(t) mediante la expresión: x(t) = T(t)5é(t) (1. Esta nueva representación del estado.1 (t)B (t) C (t) = C (t)T(t) D (t) = D (t) [ ] (1. mediante el vector de estado 5é(t) obtenida mediante una transformación lineal que en general depende de t. Esto es lo que se denomina una transformación lineal en el espacio de estado.11) 5é(t) = T .1 (t)x(t) T(t)5é(t) A(t)x(t) + B (t)u(t) que junto con la ecuación: y(t) [ = = ] (1.14 1 .12) (1.

La matriz de transfor­ mación T(t) es tal que sus columnas representan las coordenadas de los vectores que constituyen la nueva base expresados en la base antigua.4.1 B (t) C (t) = C (t)T D (t) = D (t) (1. es decir. y(t) R(t)u(t) (1. pero sigue siendo el mismo. lo que simplifica la expresión de las matrices del modelo de estado en la nueva base: l A (t) = T.17) .. representada en la Figura 1.5: Multiplicación por una matriz. ¡ 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. representado en la Figura 1.5.. · jt00 u(r)dr - = y(to) + ( u(r)dr t it a (1.. Multiplicación por una matriz. y(t) = 2.A(t)T B (t) = T.. Hay tres tipos básicos de elementos: 1.16) u(t) �y(t) = 0 · Figura 1. REPRESENTACIÓN GRÁFICA DE SISTEMAS LINEALES 15 Lo que se está haciendo es un cambio de base por lo que el vector de estado x(t) viene definido por distintas componentes. que no dependa del tiempo. i Figura 1. . La situación más común es que la matriz de transformación T sea invariante..5.(]H5.15) 1. Bloque integrador.4: Bloque integrador.

si no se indica lo contrario. 18) 1.16 CAPÍTULO 1 . lo que hará que el mismo sistema pueda estar representado por distintas matrices A. Hay que recordar que un mismo sistema admite distintas representaciones de estado. -C y D. se suponen siempre positivas las entradas a todos los bloques sumadores.6. representado en la Figura 1 . y(t) Ejemplo u (t) + v (t) = ( 1 . Así para el siguiente sistema: ( 1 .aiJ (t) .4 H a l lar la representación gráfica del sistema : jj (t) + aiJ (t) + by(t) = u(t) => jj (t) . u(t) y (t) v (t) = Figura 1 .by(t) + u(t) El Ejemplo 1 . . B.6 : Bloque sumador.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. 19) 1 En adelante. Bloque sumador 1 . M O D E L O DE ESTADO 3.

Si el sistema no . En lugar de operar con escalares es más útil operar con vectores. Función de transferencia y modelo de estado El problema que se aborda en este apartado es obtener. 1. u(t) Figura 1.1 . 6 .6.8.7: Representación gráfica del modelo de estado. a partir de la representación del estado de un sistema lineal e invariante. la función de transferencia.8: Representación gráfica vectorial del modelo de estado. 7 . Figura 1. FUNCIÓN DE TRANSFERENCIA Y MODELO DE ESTADO 17 (1. como puede verse en la Figura 1.20) La representación de este sistema con los anteriores tipos de bloque será la represen­ tada en la Figura 1.

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

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

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

deben ser designadas con el mismo sím bolo y ser elegidas sólo como una n ueva variable de estado. En sistemas hidráulicos: altura de fluido en los depósitos (energía potencial). por los dos deva nados contiguos q ue constituyen la única bobina de esta ra m a . 1.5 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. Por ta nto. que en u n ci rcuito electrónico son las tensiones en los condensadores y las i ntensidades en las bobinas. Por ta nto. simu ltánea­ mente. Las tensiones Uc 3 Y Uc 4 no representa n d isti ntas variables físicas y son idén­ tica mente igua les para cua lesq u iera condiciones i n iciales y cualq uier evol ución de la dinám ica del sistema . que son necesarios para determinar el estado del sistema en cada insta nte. 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. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO • • 21 y • En sistemas mecánicos: las posiciones (energía potencial) las velocidades (energía cinética). las tensiones Uc 1 Y Uc 2 son varia bles de estado del sistema que representa n la tensión en condensadores d iferentes. 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 . El m ismo razona miento es a p l ica ble para concl u i r que las i ntensidades i 4 e i5 son a m bas varia bles de estado y representa n variables disti ntas que tendrá n en genera l valores disti ntos. se deben elegi r como varia bles de estado aquellas que repre­ senta n el "estado"de cada u no de los elementos acu m u ladores de energía . Dichas tensiones tienen en genera l va lores disti ntos q ue dependen de sus condiciones i n icia les. . representa ndo en rea lidad la misma tensión física de un m ismo condensador.1 . 7. En sistemas térmicos: temperatura (energía térmica).

22 CAPÍTULO 1.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 . 1 .7 y Se concl uye. que por tanto no presentan discontinuidades en sus valores ante discon­ tinuidades de la entrada. X l . en primer lugar. 27) donde por comodidad se ha omitido la dependencia del tiempo de las variables u(t) e como se hará en adelante con las Xi (t) . Uc3 . Uc 2 .8. de forma sistemática. es elegir éstas como las variables que representan las condiciones iniciales de las ecuaciones diferenciales que definen el comportamiento dinámico del sis­ tema. . y ( 1 . + at )y . por consiguiente. puede ser elegido como variable de estado. resultando: y(t).2 + . Este procedimiento puede aplicarse de forma genérica tanto a sistemas lineales como a sistemas no-lineales. Sin embargo. Una opción clara para elegir variables de estado de acuerdo con su definición da­ da en la Sección 1 .(bn s n. Variables d e estado como salida de los integradores 1. a sistemas lineales con objeto de obtener una forma genérica del modelo de estado para dichos sistemas.7. . 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.30) y. descomponiéndose entonces la anterior ecuación en las dos siguientes: bou . la obtención de variables de estado de sistemas monovariables representados por una ecuación genérica del tipo: ( 1 . + b 1 )u ( 1 . Primeramente se reordena se saca como factor común el operador derivada en dicha ecuación genérica. .2. 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.l + an _ 1 S n .29) ( 1 . en concreto los 1. y Variables de estado como salida de integradores en sistemas monovariables Para estudiar esta metodología se va a considerar. simplificando con ello la notación empleada. i4 e is .1 + .28) donde el término entre corchetes se obtiene mediante la integración del término de la derecha de la ecuación por tanto. 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. a continuación se expone dicho procedimiento aplicado. . . 2 .

+ a 2 ) Y .I bn )U.I u . MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO y 23 que son. Procediendo de forma análoga con la segunda de estas últimas ecuaciones se obtiene: en la que de nuevo se elige el término entre corchetes como la siguiente variable de estado.l .41 ) . .39) X i =X i .7.bn aa )u. da lugar al siguiente modelo de estado: < n y ( 1 . .l Y= [ O ] x + ba . la ecuación de salida del integrador la ecuación que describe la variable de estado.(bn S n . que. . .32) ( 1 .l + bn.bn u ( 1 .ai .36) la última de estas ecuaciones es la ecuación de salida del sistema monovariable. expresado en forma matricial.I Xn + (bi _l .bn a l b2 .2 + an _I S n .35) ( 1 .I Y y .bn aa b l .l . que puede reescribirse como: e introduciendo este valor de en las ecuaciones anteriores de salida de los integradores representadas por su expresión genérica 1 .40) + bn u ( 1 . para 1 i ::.33 ) Procediendo reiteradamente de la misma forma. + b2 )u ( 1 .1. se obtiene: ( 1 .ai .38) X l = . resultando: x I + bl u .a n . respectivamente.aI Y (Sn . se van obteniendo ecuaciones con la siguiente expresión genérica: ( 1 .l u ( 1 .bn a n .34.34) hasta obtener las dos últimas ecuaciones: X n .bn a2 bn . para i = 1 ( 1 .3 + .2 + .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 .aaXn + (ba .

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

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

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. como la detallada anteriormente. será no singular pudiéndose despejar. ( 1 . puesto que representan la información del sistema en cada instante y no pueden presentar discontinuidades en sus valores ante discontinuidades de la entrada. de dimensiones q q . que han sido elegidos como variables de estado del sistema.26 CAPÍTULO 1.51 ) ( 1 . se puede elegir como variable de estado la salida del bloque si el grado del denominador supera en uno al del numerador. 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. 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.48 se obtiene la ecuación de sistema: A l A2 l (E2X + B 2 u) w= ( 1 . de modo que: U - x = El x + B l Sustituyendo ahora en 1 . Varios casos de obtención de modelos de estado según este método se pueden encontrar en los ejemplos agrupados en el Ejemplo 1 . en el que las ecuaciones diferen­ ciales del sistema se han descompuesto en integraciones sucesivas de distintos términos. dando como resultado una expresión de la forma: ( 1 . Variables de estado como salida de sistemas de orden reducido El procedimiento descrito es un método sistemático. 1 0 al final del capítulo. 50) (E l . pudiéndose elegir alternativamente como variables de estado la salida de una ecuación diferencial de primer orden simple. las variables w: x Obsérvese que.9. por tanto. 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 . Para elegir variables de estado no es necesario descomponer las ecuaciones diferen­ ciales del sistema hasta obtener integradores puros. si las q ecuaciones iniciales son linealmente independientes.49) -A2 l (E 2 x + B 2 u) = ( 1 . y así sucesivamente para las derivadas de orden superior de la salida.A l A2 l B 2 )u Wi . 2 Como norma general . MODELO DE ESTADO que se pueden agrupar de forma matricial.A l A2 l E 2) x + (B l . .48) También se obtienen q ecuaciones algébricas que se pueden agrupar de forma matricial: donde. la matriz A 2 . la derivada de la salida si el grado del denominador supera en dos al del numerador.

l S +..a l X 2 .l X l .1 .aOX l -an. 7 . . Variables d e estado d e fase La expresión genérica de un sistema monovariable: puede reescribirse de la siguiente forma como cociente de dos polinomios en el operador derivada s: b s m + .l S + an. que puesta en forma matricial resultará: O O O O 1 x= O O u (1.l u.a l SX l . 7.2 X n.56) X n = X n. Con este criterio ya se pueden escribir las ecuaciones de estado: Xn S n X l = -an _ l S n . .57) Con lo que ya puede construirse la ecuación de estado. 3 .2 X l . .an .l O 1 (1...l X n .+ a l S + ao (1. .aOX l + u o O O O O 1 O O 1 O O x+ + u (1.55) = n m n.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 . .an _2S n . .53) U (1.58) O O O O -ao -a l -a 2 -a3 La ecuación de salida queda: y = (bm s m + . + bI S + bo) X l 1 -an . .. .l . . MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO 27 1 . + bI S + bo y El procedimiento de elección de variable de estado de fase consiste en elegir como primera variable de estado X l : (1 .59) . .

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

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

Dos sistemas disjuntos en serie. 70) Cuando hay raíces múltiples. con un vector B de ceros con un uno en el último elemento. La representación gráfica llevaría integradores en serie en el bloque de raíz múltiple e integradores en paralelo en el de raíces simples. 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. donde cada uno de ellos cumple: X { Yll X2 { Y2 = = = = A l Xl + B l Ul C l Xl D l Ul A2X2 D2U2 C2X2 B 2U2 + + + Figura 1 .7. que darán lugar a cuatro bloques de matrices que representan lo mismo. 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.30 y y la ecuación de salida toma la forma: [ (1. MODELO DE ESTADO PI P2 Pr-l Pr Pr+l Pn ] x + bn u r x r. Estructuras compuestas Los sistemas multivariables pueden considerarse compuestos por varios subsistemas más sencillos conectados entre sí. como los representados en la Figura 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. la matriz deja de ser diagonal y pasa a ser diagonal por cajas de Jordan.9: Sistemas en serie. A continuación se presentan los casos de conexión de sistemas más habituales.9.5. 1. de manera que las salidas de unos subsistemas actúan como entradas de otros de forma directa o mediante sencillas operaciones algebraicas. . 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. 1 . = CAPÍTULO 1 . La obtención de las ecuaciones de estado del sistema global se puede realizar a partir de las ecuaciones de estado de cada subsistema.

por construcción se cumple que U2 = Y l . Dos sistemas disjuntos en paralelo. 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 . 7 . 10: Sistemas en paralelo.1 . El estado del sistema conjunto será la unión de los dos subsistemas: De forma que sustituyendo U2 por Yl : =? 2. como los representados en la Figura 1 . la salida y = Y2 . 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: [ :� ] .

Cx Dr En un sistema con realimentación de estado como el que aparece en la Figura 1.Dr x = Ax + B(r . se deducen las siguientes ecuaciones: y = Cx + D(r l.11: Realimentación constante de la salida.lD] r En el caso más habitual. las ecuaciones del sistema sin realimentar son: { yx = Ax + Du = Cx + Bu w = Kx Al realimentar se cumplirá que: . que la matriz D se anule.w) = Cx + Dr l.BKC]x + Br 4.32 r CAPÍTULO 1.BK[I + DK] .DKy [1 + DK]y = + y = [1 + DK] .BK[I + DKtlDr x = [A . De todo lo anterior.12.BK[I + DK] . Las ecuaciones del sistema sin realimentar son: Al realimentar se cumplirá que: { xy = Ax + Du = Cx + Bu w u Ky r-w =} y con lo que la nueva entrada es r. MODELO DE ESTADO 3.BK[I + DK] .CX + [1 + DK] . Sistema con realimentación constante de la salida: K y w Figura 1.l Cx . la salida continúa siendo y se sigue representando el estado con el vector x.l C] x + [B .Ky) = Ax + Br . la expresión anterior queda como: x = [A .

. que representa una variable de entrada manipu lada .Kx) = [A . la salida continúa siendo y el estado sigue repre­ sentado por el vector x. se cumplirán las siguientes ecuaciones: y = Ax + B(r . con lo que la Ecuación 1. es frecuente que la matriz D se anule. Ejemplos adicionales un Modelo de estado de Ejemplo sistema de depósitos 1.7 La figura representa dos depósitos de áreas respectivas A l y A 2 q ue está n com unicados entre sí media nte una tubería en sus bases.8. de sección eficaz SI . EJEMPLOS ADICIONALES .. � � � � � � � � � � � ��� ��� � 33 r ' . De todo lo anterior.8 . como una entrada . 72) Como en el caso anterior. por ta nto.12: Realimentación del estado.BK]x + Br (1 .DK]x + Dr (1 . y el segundo depósito tiene un orificio de sa lida l i bre de ca uda l . t w Figura 1 .71) y = ex D(r .1 . En el primer depósito entra u n fl ujo F1 . 72 queda de la forma: y = ex (1.-----114 . cuya sección eficaz S 2 puede variar y considerarse.73) 1 . u=r-w x + con lo que la nueva entrada es r.Kx) = [e .

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

8 .25.5 Y tomando como punto de linealización el estado de equilibrio determinado por el flujo de entrada FlO = 1. debiendo cumplirse que a3 > a2 . 8 2 = 0. I ntroduciendo estos valores en las ecuaciones anteriores. El modelo de estado anterior puede particularizase para cada sistema. En concreto si se supone que los parámetros físicos del sistema valen 8 1 = 0.816. de las ecuaciones no lineales del sistema se obtienen los valores de las alturas en punto de equi­ librio. EJEMPLOS ADICIONALES 35 Simplificando la notación en las ecuaciones anteriores.3. que valen h lO = 1 . se obtiene el siguiente modelo de estado para el sistema linealizado planteado: Modelo de estado de un péndulo invertido Ejemplo 1.38 Y h 20 = 0.1 . Al = 2 Y A 2 = 1 . 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 .

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

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

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

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

.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..X 2 . ya que es más sistemática .X4 + m X 2 = m2 I K2 K2 . habrá otros casos más complejos donde la forma matricial resulte conveniente.X4 + F mI m2 {J2 X 3 .40 {JI X l .82) . La forma matricial del sistema de ecuaciones 1 .. X2 X3 X4 = (1 .81) A partir de 1 .-X4 m2 - CAPÍTULO 1.78 es: o O O -{J2 y el sistema 1 .79 queda : (1.81 se despejan las variables de salida e intermedias invirtiendo la correspondiente matriz: -[ [.X2 mI K2 k2 F . MODELO DE ESTADO Aunque es evidente que en este caso la resolución directa presentada es la más sencilla y adecuada .

80 se obtiene: o + K2 O O m2 f32 1 O O m2 La ecuación de salida se obtiene ahora a partir de 1 .10 u (t) Si la dinámica del sistema se puede representar mediante la ecuación dife- .1.82. mediante la selección de las variables correspondientes: 1 O O O [ �¡ 1 1 KI + K2 mI f3I mI K2 mI O O K2 m2 O [ �n [ ! 1 F Modelos de estado de sistemas de orden reducido Ejemplo 1. EJEMPLOS ADICIONALES 41 y sustituyendo en 1 .8.

uno que contiene un polo y otro que contiene un par polo cero.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) .bXI Las ecuaciones de estado son : u (t) Entre otros métodos. al ser de grado uno. por tanto: ::h = -aXI + Ku u(t) K 2 + as + b "" s "" La dinámica del sistema de la figura viene dada por la ecuación diferencial : por l o que e l modelo de estado exige l a presencia d e dos variables de estado. La ecuación de estado es.aXI . 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. Como primera puede tomarse la salida del bloque. que puede ser la salida del bloque. 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 . 1 K -- "" Se elige como segunda variable la representada entre los dos bloques.1 . además de la salida global del sistema : Las ecuaciones de estado quedan : Bu = (s + b)(Xl -X2) = Xl -X2 + bXI . 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 .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.8. EJEMPLOS ADICIONALES 43 para garantizar la derivabilidad de ambas variables de estado: u(t) s+a .

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

9. Además. y como se vio en la teoría clásica. Ejercicios resueltos Hallar un modelo de estado del sistema de l a figura. ya que para modelar el comportamiento del sistema es necesario conocer todas las variables involucradas.aX 2 + u = -bX l + U -bX l + U -aX 2 + u Xl 1. u(t) . el sistema de la figura posee dos variables de estado. Xl (t) • u = X 2 + aX 2 X2 + aX 2 = X l + bX l Las ecuaciones de estado quedan : Xl X2 y { X2 = -aX 2 + u X l = -bX l + aX 2 + X2 = = -bX l + aX 2 . puede enmascarar posibles inestabilidades. 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. X l y X 2 .1. con sus condiciones iniciales correspondientes.9. 1. u(t) ""Iii --- s+a =} =} 1 X2 (t) � --- s+a s+b !t . Por ejemplo.

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

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

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

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

OOOlp(t) . se obtiene el siguiente modelo de estado lineal del sistema en torno a la trayectoria de referencia: 1 U . respectivamente. y ambos vierten a una misma tubería . .0001x 3 + 4.2w(t) + u(t) + 0. Se dispone de dos depósitos de agua de sección constante A l y A 2 . Ambos están alimentados por un caudal qe . h. con lo que las ecuaciones linealizadas del sistema en torno a estos valores de referencia son: w(t) p (t) -w(t) + O.01 y'2.OOOlp(t) + 1 u(t) . Hallar un modelo de estado: B .0l8(t) y'2 Eligiendo las mismas variables de estado.018 y'2 X2 -X l + 0.0001x 3 + u + 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 = 0.0.0. se obtiene: Con lo que las ecuaciones de estado quedan: Xl .O. X2 X3 b) -aX I + Kw X 3 cos 8 u 1 .50 CAPÍTULO 1. En cada depósito el caudal de salida es proporcional con una constante a la altura del líquido. MODELO DE ESTADO Eligiendo como variables de estado la salida de los integradores en ambas ecuaciones.O IB (t) y'2 1 -O.018 y'2 1 -2X I .

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

= 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. 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 .52 CAPÍTULO 1.

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

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

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

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

concentración. [ �n + [ o 5 l [ � l y i 1 p: 1 [ � i 1 [ X6 + 0 -1 � 1 y la Se plantean las ecuaciones físicas de comportamiento del sistema: Balance de caudal: �� = Fl + F2 . EJERCICIOS RESUELTOS Por último.F Flujo de salida: donde: h('l I F. En el sistema de la figura.9.1 . C F kv'h k � = = . para el sistema linealizado. falta calcular la ecuación de la salida en función de las variables de estado: X2 5(X4 + X¡) 5X6 + 5v + 5Xl Expresando el conjunto de ecuaciones en forma matricial: Y= y = = = 57 [ �� 1 [ [5 -2 O 1 -1 O O -3 O O O -3 5 -5 O O 5l 7. tomando como variables como salidas el flujo de estado el volumen y la concentración de salida. deducir las ecuaciones de estado.

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

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

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

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

Haltar un modelo de estado no lineal del siguiente sistema: . u(t) 6. MODELO DE ESTADO u(t) Xl v (t) 5.62 82 + 8 + 1 8 + 1 1 8 + 1 CAPÍTULO 1 . X 2 . X4 como variables de estado. X 3 . Obtener el modelo de estado del sistema representado por el siguiente diagrama de bloques tomando X l .

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

6) . u(t) . Cabe recordar que se conoce como ecuación homogénea aquella para la cual la entrada al sistema se anula.2. en dos fases: resolución de la ecuación homogénea y resolución de la ecuación completa. Por contra.l (T) .2 se obtiene la sucesión: = (2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES El objetivo en este capítulo es.4) (2. es decir.2) con condiciones iniciales x(to) 2. resolver la ecuación de estado de un sistema lineal en el caso más general. 1.5) 'Po = Xo = 'P k (t) 'P o + it f ( 'P k . U(T) . por consiguiente. por lo que la respuesta de éste vendrá dada por su evolución libre. 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 2.64 CAPÍTULO 2. que dicho sistema no recibe estímulo externo alguno. Solución de la ecuación homogénea . Para encontrar la solución de la ecuación homogénea se puede utilizar el método de integración por aproximaciones sucesivas de Peano-Baker.1) La solución de esta ecuación se plantea. por lo que la ecuación a resolver es: x(t) = A(t)x(t) (2. se puede obtener = (2.3) la solución de dicha ecuación (2. t) x( to ) Xo . la ecuación completa contempla tanto esta evolución libre como la respuesta del sistema ante el estímulo externo mencionado. Matriz de tran­ sición En la ecuación homogénea se supone que la entrada u(t) es nula. Caso general = Xo . 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) .2. a semejanza con las ecuaciones diferenciales usuales. es decir: x(t) = A(t)x(t) + B (t)u(t) (2. 2.

2. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. mediante la que se construye la solución de la ecuación diferencial. cuando el producto de A(t) y Jt: A(T)dT es conmutativo.2. to)xo (2. 2. 9) El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales x(to) = Xo .8) [1 + Jt A(T)dT + Jt A (T) Jr A(TddT1 dT] Xo to to to ho l: A(T) [xo + 1: A(TddTI XO] dT = ho ho 65 (2. y cuya expresión es: (2 .2.7) donde cp (t. to) es la llamada matriz de transición. se com­ prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la derecha. 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.2 tiene una solución sencilla mediante el método de integración por aproximaciones sucesivas de Peano-Baker. Se puede demostrar además que esta solución es única.2. después de la extracción de este factor común la expresión a la que se tiende es: X(t) = cp(t. Casos particulares de la matriz de transición La Ecuación 2.10) Teniendo en cuenta que: Al entrar con este resultado en el término general de la solución de Peano-Baker: . En este caso la matriz de transición viene dada por: (2.

+ ¡ t A(T)dT + .2 . por ser el desarrollo en serie de Taylor de la función exponencial. 1 (2.2 ) [ � [1:k -2 A(Tk )dTk] ] dTk.12) . [ ] es <I> (t.� 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. dTkd. to ) e J.l dTk. to ) e J. ita ita 2 . . por L a matriz A(t) lo que se puede aplicar la fórmula general. ¡ t A(T)dT + . .'o A ( r)dr e ' o t a l dT = J r e J. ita ita = y si se continúa con las sustituciones. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES .3 · · · dT 3 �.'o ann ( r)dr 1 d. .2 ) irk -2 �2 -l [irk . ita que.66 CAPÍTULO ¡ t A( T) . 1 1 : diagonal: en este caso. 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. se puede expresar como: ( r)dr (2. dT dTkta ta � [1:k-2 A(Tk )dTkr2 1: A(T) · · · 1:k . to ) = d .2 [irk . . resultando: = �[ ] �.2 dTk.'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. rk -3 A(Tk. .3 A(Tk.l A(Tk )dTk ] 2 dTk. .3 A(Tk )dTk ] 3 ta 2. .11) <I> (t. es claro que ambas matrices conmutan. v " = " - v ' 1 + 2 ¡ t A(T)dT k + . por lo que en dichas situaciones se podrá hallar la matriz de transición de forma directa aplicando la expresión 2 .

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

= 3. es decir xo . 18) es decir. to) (2. después de esta extracción. por lo que la matriz A(t) puede ser extraída de todos los términos como factor común por la izquierda. 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. to) mediante la serie de Peano-Baker (Ecuación 2. Además. Transitividad de la solución de la ecuación homogénea Si se calcula la solución de la ecuación homogénea para cualquier instante t2 . como queda reflejado en la expresión. Se puede demostrar además que estas columnas forman un sistema generador del espacio de soluciones de la Ecuación 2.2) . la derivación cancela el primer integrando de todos los sumandos.68 CAPÍTULO 2. = A(t)iJ> (t. por lo que puede extraerse la conclusión de que cada uno de los vectores columna de la matriz de transición cumple con dicha ecuación diferencial homogénea. A esta conclusión se llega igualmente haciendo t to en la expresión de iJ>(t. to) = 1 (2. se puede expresar como una combinación lineal de dichos vectores columna. por lo que todas las integrales se anulan permaneciendo únicamente la matriz identidad. teniendo en cuenta que la ecuación se cumple para cualquier estado inicial. lo que significa que cualquier solución que se obtenga. Propiedades de la matriz de transición 1 . se obtiene: . se tiene: = ¡ t A(T)dT ta + . se deduce que: = x(to) = iJ> (to .6 al final de este capítulo.2. . 2.8) . lo que queda vuelve a ser la suma infinita que define a la matriz de transición. 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. to) cumple con la misma ecuación diferencial que el estado (Ecuación 2. to)x(to ) :::} iJ>(to . por lo que y to coincide con el �pecificado al particularizar la sohición para este instante inicial. n 2. que la particularización de la matriz de transición para el instante inicial debe dar como resultado la matriz identidad de la misma dimensión.3. puede observarse que la matriz iJ> (t. . Valor de la matriz de transición en to El valor de la variable x(t) para el instante t como condición inicial.17) Como se observa.

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

= cI> (t. T)B(T)U(T)dT (2. entonces esta expresión de x(t) debe verificar la ecuación completa. to)B (t)u(t) + (2. to) i( cI> (to .l (T. to)z(t) + B (t)u(t) = .4.28) Si se sustituye esta expresión en la Ecuación 2.23 queda: <Í> (t. to ) es no singular. tal que la solución de la ecuación completa se puede expresar de la forma: x(t) hipótesis que se verificará a continuación. to) z (t) . to)B(T)U(T)dT ita t ( cI>(to . CAPÍTULO 2. y teniendo en cuenta que z(to) x(to ) a partir de la ecuación 2.26) B (t)u(t) que mediante integración se resuelve.30) En el segundo término aparece cI> (t. como cI> (t.70 2. según el cual se va a suponer que existe una z(t) . calculando la z(t) que lo cumple. to) z(t) v [ A(t) cI> (t. se puede despejar z (t) como: z (t) o ] (2.24 se obtiene: x(t) = = x(to) + (2. to)xo + cI>(t. cuando existen condiciones iniciales no nulas y entrada: x(t) = A (t)x(t) + B (t)u(t) (2. T)B(T)U(T)dT ita t ta (2. to) . se obtiene: z(t) = z(to) t ( cI> .25) (2. 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) .24) cI> (t.28.l (t.A(t) cI>(t.1 donde el término entre corchetes se anula por la primera propiedad vista para la matriz de transición y. demostrando que existe la z(t) que cumple con la hipótesis formulada en principio: z(t) = = cI> . to)z(t) + cI> (t. pero como no depende de la variable de integración puede introducirse dentro de la misma. por lo que sustituyendo en la Ecuación 2. to) z (t) + <Í> (t. to)z(t) = (2.23) Para calcular la solución de esta ecuación se utiliza el método de variación de las constantes. y al producto entre ésta . Si la hipótesis formulada es correcta.27) donde al aplicar la propiedad de inversión de tiempos a la matriz cI> (t. es decir. to ) fuera de la integral.29) cI>(t.

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

Como se verá a continuación.. Q (>. t)P(>.'o a(r)dr donde: = k=O 00 L a k (t)M k = Q(M. n. t) Por el teorema de Cayley-Hamilton: L = nj=-Ol hj (t)>. 2. de grado finito y menor que Llamando P(>') al polinomio característico de la matriz M. salvo por el hecho de que la función a(t) es igual a uno.'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.5. el cálculo de la matriz de transición de un sistema es equivalente al cálculo de la exponencial de una matriz: <I>(t. por el teorema de Cayley-Hamilton este polinomio infinito particularizado en A(t) puede calcularse mediante un polinomio R(M. que no es sino un polinomio infinito que depende de M y de t: e M J.5. obteniéndose la expresión: n. 2.32) (2. Cálculo de la matriz de transición Por lo expresado en el apartado anterior. t) = C(>'.72 CAPÍTULO 2.35) P(M) (2.34) 1 . 1. cuyo grado coincide con el número de variables de estado se forma el cociente entre el desarrollo en serie de la matriz de transición y éste.36) .) =O + R(>'. t) es un polinomio de grado la división entre el polinomio infinito y el polinomio característico: R(>'. resto de (2. t) . t) donde C(>'. que incluye el caso invariante.j n - (2.33) Para el caso de matriz A invariante el planteamiento sería el mismo. la matriz de transición se puede expresar mediante su desarrollo en serie. t) (2. 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) es el polinomio cociente y R(>'. Método de Cayley.13.6 al final del capítulo.Hamilton = eJ.

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

7 al final de este capítulo. un valor propio doble. En primer lugar se determinan los valores propios de la matriz dada . En el caso de que la matriz M presente algún valor propio múltiple. se deben utilizar las derivadas de la Ecuación 2.44) sabiendo que to = o. por lo tanto.Ai ) que.1 inclusive. Dado un valor propio Ai con multiplicidad mi . t) dA I A=� (2. resulta: dQ(A.34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. no se anularán cuando se particularice la derivada de orden superior de Q (A. com­ probándose que ambos coinciden en A l . t) dA y Esta igualdad entre la derivada de Q (A. A partir de este orden aparecen sumandos que no dependen de (A . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Otro caso de obtención de la matriz de transición haciendo uso de este método para un sistema no invariante puede verse en el Ejemplo 2. t)Pi (A)mi (A C��. t) se seguirá cumpliendo hasta la derivada de orden mi . para obtener t�tas ecuaciones distintas como incógnitas.74 CAPÍTULO 2. t) la del polinomio R( A.43) dR(A. t) Pi (A) (A _ Ai ) mi _ expresión en la que todos los términos se anulan al particularizar para Ai salvo el último. es decir. el polinomio característico es de la forma: (2.42) _ Ai ) m i (2. t) m i . Ejemplo 2. quedando: dQ (A.l + d . t) en Ai .41) con lo que la expresión del cociente entre polinomios queda: Si se deriva esta expresión respecto a A. Se cum ple que: Obtener la matriz de transición del sistema definido por: [ -21 O1 ] = .4 A = I A=� Y = Ai ) d ) (A C(A. t) dA + d C(A. 2 1 . t) + �y R�� (2.

en el caso de que todos los autovalores sean distintos. sustituyendo >. conocida como forma canónica de Jordan. si se consigue encontrar la matriz de transición para el sistema en el nuevo sistema de referencia. ésta se compone.5.1 (2. por columnas.t)é Sustituyendo en el polinomio resto queda : ] 2.13.h 1 d>' .d>' De donde.2. �(t. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 75 y. to) T�(t.1 A(t)T = T . Mét o do de J ordan Al igual que para el método de Cayley-Hamilton. por su valor.. se tiene el sistema de ecuaciones: = (1 - t) e t tet (1 . to)T . to) .47) T .2. se parte de una forma de la matriz que permita su factorización de la forma que se expresa en la Ecuación 2.45) (2. es posible obtener la del sistema original mediante la transformación: <l> (t. t) t =} t e A . de los vectores propios asociados a los valores propios de la matriz M.1 MTa(t) (2. la exponencial de una matriz en cajas . al ser el valor propio doble. con lo que la matriz de transición del sistema toma la forma: A(t) El método de Jordan consiste en realizar una transformación: que transforma a la matriz del sistema en: A(t) Ma(t) = = = de manera que sea diagonal en cajas de Jordan.46) Para el cálculo de la matriz T se sabe que.5. Tal como se vio en el teorema de cambio de representación de estado. se ha de cumplir también que: e t = ho + h 1 t e t = h 1 =} ho _ _ dQ (>. La ventaja de esta transformación es que la exponencial de una matriz diagonal en cajas de Jordan se calcula de forma muy sencilla. t) dR(>'.

1 O O ). 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. se muestra un método para la obtención de la matriz diagonal en caj as de Jordan ).49) 1 En el Apéndice A de este libro . La exponencial de algunas cajas de Jordan es la siguiente: Exponencial de una caja con valores propios distintos: si la matriz es: la exponencial es: e Ak O O 1:. 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 .76 CAPÍTULO 2. O O O O O O O (2.2. Sección A. u(r)dr Valor propio múltiple: si la matriz es: M i a(t) Á i (t) = = ).48) donde M i a(t) son cajas de Jordan I de la matriz Á (t) . a(t) . 1 O O ).t u(r)dr e Mi It o" O O (2.

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

:¿ .:¿ [(sI .[(sI _ A) . al final del capítulo.54) cI> (t) * Bu(t) (2. si la entrada al sistema es nula. Como puede observarse en la Ecuación 2. . el segundo sumando se anula.A)X(s) = Xo + BU(s) =} X(s) = (sI . De esta forma. Por otro lado.l XO + (sI . mediante la transformada de Laplace. identificando el primer término. Se parte de la ecuación: Tomando la transformada de Laplace: y = =} =} tomando antitransformada de Laplace: x(t) l -l . por lo que se propone un método alternativo para hallar su solución como: l -l x(t) . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el Ejemplo 2.3. mientras que en el Ejercicio 3 se puede ver un caso de aplicación de estas metodologías para un caso no invariante.52.5.l BU(s)] = (2. la situación de entrada nula es la que se plantea para la ecuación homogénea. como se acaba de hacer. puede encontrarse un caso de cómputo de la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del de Jordan.Xo = AX(s) + BU(s) =} (sI .] Xo (2.A) .l BU(s) x(t) Ax(t) + Bu(t) = (2.53) Por tanto. por las propiedades de la transformada de Laplace.:¿ [(sI . y la expresión general hallada en la sección anterior. se observa que la matriz de transición se puede hallar como : En cuanto al segundo sumando.A) .78 CAPÍTULO 2.l BU(s)] = sX(s) .A) .52) Esta expresión permite obtener la evolución del estado en función de las matrices de las ecuaciones de estado y del estado inicial.[(sI _ A) .l ] Xo + . que: l . se comprueba.8. la ecuación de estado se puede resolver mediante la trans­ formada de Laplace.55) que se corresponde con una integral de convolución en el dominio del tiempo.51) (2. convolución que aparece como segundo sumando de la solución general de la Ecuación completa 2. 2.A) . se puede establecer una correspondencia entre la expresión de la solución completa.:¿ . Mediante la transformada inversa de Laplace Si el sistema es invariante.52.

Cuando la entrada es u(t) = sin(t) .6. Cuando la entrada e s u n esca lón u n itario. O)xo = [ e-t O2 ] [ 2 ] = [ 24ee-t2t ] O e..t - +---:-----:==---.5 Lo que defi ne una trayectoria en el espacio de estado q ue se representa en la sigu iente figura : +--�--�2--�3==�4��S t -4 . EJEMPLOS ADICIONALES 79 Determinación de la evolución del estado = Ejemplo 2 .. a . x(t) = <p(t.---:4.2. c. En pri mer l ugar se ha de ca lcular la matriz de tra nsición del sistema . A partir de este resu ltado se pla ntea la sol ución a cada uno de los casos que se exponen en el ejemplo.--.. Ante entrada n u l a . cá lculo que resu lta trivia l en este caso a l ser la matriz A diagon a l . Ejemplos adicionales Xl 1 [ �l ] = [ -O1 -O2 ] [ X2 ] [ -3 ] u(t) .c-s 0. 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 . Ante entrada n u l a . b.. 6 2.6.

2 t .r) _4 e.5 5 t Xl X2 = <I> (t. 5 -1 -2 3 - -4 . 0 . Ante entrada esca lón u nitario.( t. 5 1 1 . 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 1.80 CAPÍTULO 2.1) 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 0.5 -1 -2 -3 -4 b.2t to to t e .2 ( t.r) 1 -1 -2 -3 -4 e. T)B (T)U(T)dT = = [ ] +¡ [ O O =[ 2 e-t _4 e. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 1.2t + 1 + e-t � ( e. O)xo + Jt <I> (t.

2 ( t .( t-T ) o sin (r)dr = e. cua ndo la entrada es una senoide: X.t + 1.2t . x(t) = !I> (t. se obtiene la trayectoria en el espacio de estado q ue se representa a conti nuación : 1 1 .2.T ) o 2 e . 5 2 Xl -2 -3 -4 . ( e-t . EJEMPLOS ADICIONALES 81 c. En el tercer caso pla nteado. X2 e. = [ En las gráficas q ue se m uestra n a contin uación puede observarse la evolu­ ción de las dos varia bles de estado. O)xQ + t !I> (t. la entrada al sistema es una senoide. r)B (r)u(r)dr = ] Jt a t + f Jtta. por lo que la evol ución del estado se ca lcula nueva mente haciendo uso de la expresión obtenida para la ecuación com pleta .( e.cos(t ) + 2 sin(t )) [ j ] [ !3 ] ] 1 2 -1 -2 -3 -4 o t E l i m i n a ndo el tiempo de estas expresiones.6.cos(t) + sin(t)) _4 e-2t . a lo largo del tiem po.

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) .-3 4 a(t) = sin(t) ] 2 det [.l ) (A + 5) que. 7 CAPÍTULO 2 . 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 . A = -5.5(1 . q ue posteriormente servirán para pla ntear las ecuaciones media nte las que se despej a n los coeficientes del pol inomio resto. 2 sin(t) -3 sin(t) ] [ -41 -3 ] sin(t) 2 = =} { [ U na vez identificados los factores.cos (t)) = ho + h 1 e -5(1 -cos (t)) = ho . el siguiente paso es el cá lculo de los va lores propios de la matriz M. con lo que los a utova lores son = 1 . por lo q ue es susceptible de utilizarse el método de Cayley. a plicada sobre los va lores propios.5h 1 ho h1 � ( e -5(1 -COS(t)) + 5 e ( 1 -COS(t)) ) � ( _ e .c os (t)) + 5 e (1 . origi na el sistema de ecuaciones : Ai 1 Ai = .M] = A + 4A . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Calcular la evol ución l i bre del sistema dado por el modelo de estado: En primer l ugar. 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 = .U .5 Al 2 = (A .COS(t)) ) . 13.5 = =} =} que despeja ndo dej a : e (1 .H a m i lton .

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

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

Al [ �:� ] A: [�] VI V2 i = 1. 2 i = 1.e). formada por a m bos vectores propios.2 t ai Ai. se obtiene Vi 2 = al + Ai. 2 Supri miendo la segunda ecuación por ser combi nación l i nea l de la pri mera es u n va lor propio ) .¡t + al(A22 + al)e).Ad [ al � Al al � '\2 ] [ � e�2 t ] [ ��l _ �l ��l ] = al (A + al)e).6. 2 Haciendo por ejemplo Vil = al.al (Al + ade). q ueda la siguiente ecuación aplicable a cada va lor propio: = 1.2. 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: . por lo ta nto la matriz de ca m bio de base d iagonal iza nte. [A.2 t)2 -al (Al + ade). i ( puesto q ue Ai q ueda : T= [ y ca lcula ndo su matriz inversa : con lo q ue la matriz de tra nsición en la base origi n a l del sistema resu lta : <I> (t.¡t + aie).l = 1 e ¡t +A al(A2 . O) = eAt = TeÁtT. t -aie).I .¡t . t [ (al 2+ Al)(A2 + ad(e). EJEMPLOS ADICIONALES 85 M atriz de transición por el método de Jordan La matriz T de ca mbio de base que diagona liza la matriz A de la dinámica del sistema está formada por los vectores propios y correspondientes a los dos valores propios y que se ca lculan a conti n uación : donde sustituyendo el va lor de Al A2 .¡t .

86 CAPÍTULO 2. va lores i ncrementa les n u los respecto a l pu nto d e l i nea l ización) y se i ntroduce u n fl ujo consta nte d e va lor F . . si se utiliza n las ecuaciones no l i nea les origi nales del sistema . Obsérvese q u e este sistema ha podido resolverse analítica mente media nte l a matriz d e tra nsición . y el segundo térm ino representa la evol ución de las alturas cua ndo las condiciones i nicia les son n u las (es decir. es deci r. porque e l sistema h a sido previa mente l i nea l izado en torno a un pu nto de funcionamiento. Por ta nto. sin embargo. 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. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES se obtiene la siguiente expresión de la matriz tra nsición: coincidente con la calculada anteriormente. Esta resol ución analítica media nte la matriz de tra nsición no es posible. 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. 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. pudiendo va ler O en el caso de que no exista ca udal de entrada . sustituyendo el valor de eA t y efectuando la i ntegra l a nterior se obtiene: donde el primer suma ndo representa la evol ución l i bre del sistema.

1 ) ] ) + _ + donde poniendo como condiciones i nicia les d e las alturas e n a m bos depósitos [h l O h 20 ]T = [0.5O ] F1 de donde se tienen los siguientes polos del sistema: con lo que la matriz de tra nsición resulta nte es: <p(t.2 6661 ( e . 139t + 0.1 . EJEMPLOS ADICIONALES 87 Si se considera el sistema concreto del Ejem plo 1 .441 -0.5 0.7 .6. 1 = -0.441 0.139 Y ).3802 e .11 .'506gee-.1 .1 .'506gee--00.33tt 0.3802 e ..1 .506gee -.2.11 .1 82 7 8( e .3802ee--00.1 .0. 7394 e.3802ee-.506gee-.33tt 2606 ).0.1 + F [ -0 . 3t ] y la evol ución de las alturas resulta : _ [ hh2l (t) ] (t) [ 0. siendo todos estos valores i ncrementa les sobre el p unto de l i nea lización .588 O _ 0.5f e i ntrod uciendo u na entrada consta nte de va lor F = 1 .0 . 3 t . O) = 7 394 13 9t [ 0 . 3 t .2 = .00. 7 394 13 9t 0 . 0. � 06 O \ ----�----�----�------�--�0 � 4 6 2 8 1 tiempo (5 ) .... se obtiene la evol ución de las alturas representada en la siguiente figura : 2 5 r-----�--�--__. 13 9t 1) .996 ] [ hh21 ] + [ 0.139t .2606 13 9t 0.2606 e . 1952( e . cuyas ecuaciones son : [ h�21 ] = [ -0.139t + 0.0 . S� 1 . 5 � E 2 � � 0� ----2 ----�----��----�--�0 4 6 1 8 tiempo (5 ) 1 2 S 08 N §. 13 9t ..139t + 0O..3.1 ) + 0 .33tt ] [ hh2lO0 ] 0.0 .2606 0.11 .0 . 1003( e . 13 9t . 3 t 0. 7 394 .

: 5 3 35 " . la evol ución desde condiciones i nicia les n u las y con entrada incrementa l y. En la siguiente figura pueden observarse las diferencias de la evol ución de los i ncrementos de a ltura entre el sistema rea l no l i nea l y la aproxi mación l i nea l en torno a l pu nto FlO = 1. La resol ución analítica del modelo de estado no l i nea l no es posi ble de forma genera l . siendo ésta una cu rva para métrica en fu nción del tiem po. 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.0� h1 (t) (m ) s � g4 .modelo no lineal ..88 CAPÍTULO 2.. 816. En d icha figura puede observarse la evol ución l i bre de los incrementos de las alturas ( es deci r..desde e i nula -. 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.. por ú ltimo.�==� 30 4O==� 50 . h lO = 1 .. la evolución fi nal de los i ncrementos de las alturas cua ndo existen condiciones i nicia les y entrada .modelo linealizad 10 --� � 1 0��2� O�=7.. 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 . 12 evolucion libre ./ 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 . .s � E"' 0 6 04 02 °B 1 4r-----�--�--_.modelo no lineal ...//. como suma de las dos trayectorias a nteriores . que por ta nto no figu ra de forma explícita .modelo linealizad ///'/'�-------l tiempo (s ) .38 Y h 2 0 = 0.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. a nte entrada i ncrementa l n u la ) . 2==�5 2 15 % -�� 5--�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. se ha de resolver el polinomio característico: det ( AI .2 A 2 = -3 A3 = . 1. mín i mas cuando exista un sistema de control que gara ntice peq ueñas variaciones de las a lturas respecto a su punto de l i nea l izaci6n. sin embargo. esto es.4 Por lo que se tiene que los valores propios son: A partir del conocimiento de estos valores propios. los polos del sistema� existen dos posibilidades para calcular la matriz de transición: utilizar el método de Cayley­ Hamilton o el de Jordan. Para ello. que como ya se sabe coinciden con los polos del sistema. Ejercicios resueltos Hallar la matriz de transición del siguiente sistema: El primer paso para hallar la expresión de la matriz de transición es el cálculo de los autovalores de la matriz A. Estas diferencias entre a m bos modelos será n . el com porta m iento del modelo l i nea l es similar a l del sistema O bsérvese que en las proxi m idades del p u nto de l i nea lizaci6n. 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 . 7 . • Método de Cayley-Hamilton Se plantea el sistema de ecuaciones correspondientes a la particularización . 7. EJERCICIOS RESUELTOS 89 no linea l . para 2 . 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 .2 . 816. [h lO h 2 0 V = [O oV .1] = (A + 3) (A + 2) (A + 4) (A + 3) [(A + 3) Al = .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. En el ejemplo propuesto esta d iferencia se hace m uy nota ble en régimen permanente.38 Y h 2 0 = 0.

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

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

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

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

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

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

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

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

y posteriormente cero. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Considerar dos posibles valores de G1 : a) b) G1 = 10.UC2 (t) por lo que las ecuaciones de estado quedan: Xl = . X 2 (t) = UC2 siendo la entrada y la salida: u(t) = Ug (t) y (t) = Uc. = 2V to o 3) Un escalón unitario a partir de to .6 F. u(t) X2 = R2�2 X 2 (t) + R21C2 u(t) - .58.98 CAPÍTULO 2. G1 . (t) .R}. UC2 = . hasta un tiempo tt = 0. (t) con con Sustituyendo las intensidades se obtiene: Ug (t) = R 1 GdJc.6 F . 2) Un escalón unitario a partir de Datos: R 1 = 100K R 2 = 200K G2 = 10. considerar tres posibles entradas: Para cada valor de 1) Permanece nula.6 F Tensiones iniciales en los condensadores: Uc.lC. X 1 (t) + R. (t) + Uc.1 V Las ecuaciones del sistema son las siguientes: Ug (t) = R 1 lt (t) + Uc. (t) Ug (t) = R2 G2 UC2 (t) + UC2 (t) Se eligen las siguientes variables de estado: X l (t) = Uc. G1 = 2 x 1 O .

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

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

5t 2 e .5 1 Es t ado 0.R2C2 t .10t 2 e .5 O �--�----� -0 . 2 1 Ent rada ub .4 __ t �� __�� ____ � 0.5t La representación gráfica del estado y de la salida es la siguiente: [ 1 + _ Evo luc i ón de l e s t ado .l Ot ] =} y(t) = e .e.e.6 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 .2 __�� 0.7.to � La salida será: Dando valores.2. se obtiene: x(t) = 1 1 [ + e . 5 .RICI .8 1 .l �____�� O 0.

xo = [ 2 _l] T o ���������==� 0. entonces.102 CAPÍTULO 2.2 0. to)x(to) < + it <p (t.8 O t 1 3) Si la entrada es un rectángulo de altura unidad. la evolución del estado será: Donde hay que distinguir dos casos: Primer caso: si t t I . será igual que el apartado anterior . sustituyendo: • • x(t) = <p (t. t I ] .4 0. entre [to .6 0. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Evo l u c i ó n de la s a l ida . Segundo caso: si t � t I . Ent rada ub . r)B (r)u(r)dr ta x(t) + x(t) .

l O t + e.2 0.4 t 0. Entrada ub .1O(t . EJERCICIOS RESUELTOS 103 Mientras que la salida será: Dando valores.5) y [ e .8 1 Evo luc i ón de la s a l 1 da .5t ] _ e .O .6 t . 5 1 0.5 0. xo = [ 2 _l]T = e . 5) 1 E s t ado 0. xo = [ 2 _l] T S a l 1 da 1 . se obtiene: => X(t) = y(t) La representación gráfica del estado de la salida será: Evo l u c 1 ó n del e s t a do .5 O �������� 0. 5) .2.7.4 0.lO t + e .6 0. 5) + 2e .5( t-O.O.8 O 0.5 t + e .5( t-O.2 e.1O(t . Entrada u c .

l : x 2.104 b) CAPÍTULO Si el = 2 1 O . �� .6 F. 1) Entrada nula. Sustituyendo en las ecuaciones obtenidas en a.5 t _ e.8 O 0.0 .4 O 6 t . Entrada ua . 8 0 0 2 0 6 t Evo luclón de la sal ida Ent rada ua .5 -0 . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES x(t) y(t) Se obtiene: x(t) y(t) 2 e.����4 1 0 .5 t 3 e . xo = [ 2 2 E s t ado 0.5t [ ] _l ] T La representación gráfica del estado y de la salida es la siguiente: Evo l u c i ón del es tado . xo = [ 2 _l]T 0.5 o���������� 0.�-.2 0. 5 .1� � ���� ---�.

7.5 Entrada ub .2 0.2 e.6 0. 2 1. xo = [ 2 _l] T 0 �--�-----1 0.5 O ������.4 t 0. xo = [ 2 _l] T 1 0. EJERCICIOS RESUELTOS 105 2) Entrada escalón.RlCl x(t) 1 . Ent rada ub .2 0.4 0 6 0.5 1 E s t ado 0. Sustituyendo en las ecuaciones obtenidas en a.] 5t y (t) = 3 e La representación gráfica del estado y de la salida es la siguiente: [ � - - � � � 1 Evo l u c i ón del e s t ado . 2 : 1 + e.8 1 O t .8 1 Evo luc i ón de l a s a l l da .R2 c2 e RlCl + 2 e R2C2 y(t) Se obtiene: [ 11 -+2ee.=��� 0.5t5t x(t) = .2.

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

pero en cambio no es posible obtener los dos a la vez.5 O� O __ �����. pues su diferencia ya está fijada. Como dicha salida es la diferencia de las dos variables de estado. será profundamente tratada en el siguiente capítulo.2.8 1 t Se observa que con cualquiera de las tres entradas. Esta limitación. Está motivada por la coincidencia en la dinámica de las dos variables de estado. esto significa que el sistema impone una restricción a las variables de estado: dadas unas condiciones iniciales determinadas. por lo que los incrementos en su evolución serán los mismos.7. EJERCICIOS RESUELTOS _l]T 107 Evo l u c � ó n de l a s a l � da . una vez particularizados los datos: y(t) . Entrada ub . xo = [ 2 0. para el segundo valor del condensador el .6 0. la salida es la misma.4 0. achacable al' sistema. La dinámica del sistema se aprecia en la ecuación de estado.2 0. se puede conseguir por separado cualquier valor del estado.=======� 0.

.

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

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

Las cuestiones pla nteadas en este ejemplo son objeto de estudio del presente = . cada condensador se carga a d istinta velocidad. q ue dependen de las tensiones i n icia les de a m bos condensadores. 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) . así como las propiedades de d icha entrada uti l izada . Por ta nto q ueda claro que en este caso no son controlables todas las com binaciones de tensiones en a m bos condensadores (es deci r. pues. 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. 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. 1 .13 . ca be pregu ntarse cómo es posible encontrar una entrada o conj u nto de entradas que consiguen controlar dichos puntos. dependiendo la evol ución de cada u na de ellas de la ley de variación de la entrada u(t) uti lizada . R l Cl R2 C2 . 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) . las tensiones en a m bos condensadores tendería n a igualarse . pu ntos del espacio de estado) . En este caso cabe pregu ntarse. u Si las consta ntes de tiempo de a m bas ra mas son disti ntas. R2 C2 . sea cual sea la ley de variación de la tension de entrada u(t) uti l izada. cuá les son estos pu ntos controla bles en un tiem po determi nado. R 1 Cl =f. Igual mente es i m porta nte conocer las i m pl icaciones q ue tiene la uti l ización de una ley de variación de la entrada con­ creta sobre la variación tem pora l de las tensiones de los condensadores. Ejemplo 3 . 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. 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) . 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.

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

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

= A(t)x(t) + B (t)u(t) W(t l .5) Sustituyendo: (3.5. Condición necesaria Si se supone W(t l . to) tiene al menos un valor propio cero. CONTROLABILIDAD X{ t) es controlable en definido como: [to .l (t l . y lo mismo sucede con X l .1 14 Un sistema con una ecuación de estado: CAPÍTULO 3. se puede encontrar al menos una entrada que transfiere el estado desde el origen hasta cualquier estado x l . to) puede salir fuera de la integral. según la Ecuación 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. Se parte de que W(t l .3. por lo que W(t. to) .9) . por lo que: det [W(t l . siendo esta entrada la expresada por la Ecuación 3. Para ello se considera como entrada: (3. • singular. to) es no singular. to) es singular. se demuestra que existen puntos del espacio de estado que no son controlables. t l ] si y sólo si su gramiano de controlabilidad. to)] = O (3. lo que es lo mismo.7) Si W(h . (3.8) El determinante coincide con el producto de los valores propios de la matriz. desde el estado inicial nulo hasta el estado X l . Si se considera el vector propio.4) es no singular. to) (3. correspondiente a ese valor propio nulo se veri­ ficará que: v. quedando: (3.6) W .

to) : (3. desde el estado inicial nulo. La Ecuación 3 . to ::::. sino sólo aquellos que se encuentren sobre un vector ortogonal al vector propio yT . no se puede alcanzar cualquier punto del espacio de estado. t I ] . se va a tener un estado que al ser multiplicado por el vector yT va a resultar cero. sustituyendo el valor de W(t l . 10) y entonces. Para a n a l izar la controlabi l idad media nte el estudio del com porta m iento del . Sólo se alcanzarán puntos que verifiquen la condición: vT ( tI ) = O. D x lh cI> (t l . Por tanto. partiendo del origen y ante la e integrando se obtiene: yT u( (3. CONTROLABILIDAD EN SISTEMAS LINEALES 115 Esto supone que si se multiplica por la izquierda por yT : (3. 1 1 ) integral de una función siempre positiva que tiene que ser igual a cero.13) r) Determ i nar la controlabilidad del sistema defi nido por: partiendo del insta nte i n icial to = O y para cua lquier insta nte t. 14 significa que. h: (3.3. cualquiera que sea la señal de entrada con la que se excite al sistema.12) Formando el producto por Ejemplo 3 . r)B (r)u(r)dr = O to yT X(tI ) = 0 (3. Por consiguiente. 14) siendo x(tI ) el estado del sistema en el instante h. r ::::. 2 entrada genérica u(r) . Para que esto se verifique se tiene que cumplir que �(r) = O . el sistema no es controlable en [to . por lo que es un vector de estado ortogonal a éste.3.

3t 3.6t 1 92 48 = + 1 1 _ e .3.116 2 CAPÍTULO gra m iano. el va lor del determina nte permanece práctica mente consta nte.2 t 32 48 En la Ecuación 3. puesto q ue en ese caso los l ím ites de la integra l que define W(t. Para sucesivos insta ntes de tiem po. 1 . todos los suma ndos exponencia les tienen un valor despreciable. 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. 3.4t _ _ e . perma neciendo solamente el pri mero. 1> ( h to)x(to ) .8t _ _ e . es necesario com probar q ue éste es invertible. Cálculo de la entrada e n sistemas lineales 1 1 _ e . 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.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. O) es d isti nto de cero. sa lvo cua ndo éste sea ta m bién el fi nal de dicho interva lo. Por lo ta nto.3 t ) e . hasta q ue. O) ] = 1 92 + Es fácil deducir q ue se ha de a n u la r para t O. CONTROLABILIDAD ] U na vez que se d ispone de la matriz de tra nsición 1> (t. Para ello se ca lcula primero dicho determina nte : 1 det [W(t . O) . 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. se com prueba que el va lor tota l del determ ina nte va a u mentando. tra nscu rrido u n tiem po suficiente. es deci r.e . el primer paso es ca lcular la matriz de tra nsició n : 3 ( e -t . Por lo ta nto. . O) coinciden .2. q ue su determina nte es d isti nto de cero.

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

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

[ �:���� ] = [ �:. partiendo de este estado i n icia l .5. aplica ndo la Ecuación 3. Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud se fija arbitrariamente. n alturas y n . es la m isma q ue la que lo llevaría desde el estado i n icia l n u lo a: Xl 0. resu lta ndo: 1 19 = [ e . que se obtiene de la Ecuación 3. para ajustar el valor de n variables de estado será necesaria la utilización de una secuencia de n escalones cuyas alturas deberán ser calculadas para cumplir con el objetivo. 0) l t = 0 .5. Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n .3.5.5) = <P(t.3160 = J[o0 .5 <P (0.5. se ca lcula la de mínima energía .1 grados de libertad. T)B (T)B (T)<P (0. O) por lo que. por lo que es necesario ca lcular el gra miano para el i nterva lo propuesto: = [ � ] .6065 ] t=0 .0143 ] siendo d icho coste: Otro método para el cálculo de una entrada que transfiera el estado entre dos valores prefijados es la composición de escalones.2 .2te -t e-t e-O2t ] [ -t =} x(0.1 longitudes de subintervalo. e -t <P (t. 5 xo = e . consiste en: Fijar el número de escalones que se utilizarán: en general. supuesta fija la longitud del intervalo total.05 7 1 0. la entrada que consigue rea l izar la tra n­ sición propuesta para el estado con el mínimo coste energético es: 0.0571 -0. O) _ La entrada necesaria para llevar a l estado a l va lor propuesto. • • .[ 0.5 . T)dT = [ -0.1292 ] De las i nfi nitas entradas posibles. utilizándose como método general la división del tiempo disponible para realizar la transición en n subintervalos de igual longitud.3. De forma resumida. CONTROLABILIDAD EN SISTEMAS LINEALES en el Ca pítulo 2 de este li bro. Una posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el problema a otro con n grados de libertad.5 [ 11 ] .��� ] T T W(0.

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

t 1 Yt 2 .5. como queda patente en el Ejemplo 3 . 10. 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. CONTROLABILIDAD EN SISTEMAS LINEALES • • • 121 Ejemplo 3. que tienen como n ú mero de condición de W (h .29. media nte una sencilla operación de esca lado: =[� 1 �2 ] x(t) + [ �� ] t= 1 3 u (t) el problema se tra nsforma e n : Al repeti r e l m ismo cá lculo s e obtiene u n n ú mero d e condición d e 77 . 222. Sin embargo. 77. como se demuestra en la Sección 3 .27. respectiva mente. Dependiendo de la dirección de avance del estado. .3. en general se modifica la energía necesaria para una misma distancia desplazada.44.44 y 43 . Cuanto más rápida es la dinámica del sistema. 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) . l o que indica u n mejor equ i l i brio entre las d i recciones de desplaza miento del estado. O) .4 A menor longitud de intervalo [ta . lo que en pri ncipio indica m uy diferente controlabili­ dad según la d i rección de desplaza m iento elegida para el estado.3. El EjemI?lo ?? contiene un estudio de este comportamiento. Un indicador de la diferencia de coste según la dirección es el número de condición del gramiano2 . 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 . 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 . se tiende a necesitar más energía.5 . En este segundo caso se com prueba además cómo evol uciona la a nisotropía del espacio de estado. como puede deducirse fácilmente. a medida q ue el tiempo se hace mayor.2 3 10 1 3 .

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

l . La solución de la ecuación de estado.22) -1 veces respecto al tiempo: (3.-! A 2 (t l . = (3. . .T) + 2. . 19) Condición necesaria n Aplicando entonces el método de Cayley-Hamilton: e A ( t . T)B(T) = Condición suficiente n O Este resultado aplicado al caso de sistemas invariantes se puede poner de la forma: Si se deriva esta ecuación n (3. es necesario que existan columnas de la matriz Q linealmente independientes.23) . es necesario que de todas las columnas que aparecen haya linealmente independientes.4. cuyo vector propio correspondiente verifica la Ecuación 3. Por lo tanto. 2 ho (T)I + h 1 (T)A + .21) = = 1 + A(t l .T) y sustituyendo en la Ecuación 3.T) 2 + . CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES 123 Demostración • Si el sistema es controlable. es: (3. la matriz W es singular. • n Se supone que el sistema no es controlable y se verá que no existen columnas de la matriz Q linealmente independientes. Si el sistema no es controlable.1 (T)A n . .20) El estado x(tI ) que se puede alcanzar desde el origen es combinación lineal de las columnas de la matriz Q. 19 se obtiene: (3. por lo tanto su determinante es nulo y tiene un valor propio nulo. si se parte de un estado inicial nulo.3. para que x(tI ) pueda ser cualquier punto del espacio de estado. + hn . 13: v T <I>(t l .

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

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

Considérese el conjunto de posibles entradas al sistema u(t) E m . El conjunto contenido en este subespacio: = 1: F (t . las raíces cuadradas de los autovalores del gramiano de controlabilidad y los vectores propios asociados en [to . Sean i = 1. 2. que S es la superficie de S. U(T) E PCffi [to . V E IR 2 126 CAPÍTULO 3.T)U(T)dT. Y i = (3. las los . 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 .25) donde Pcm [to . i . como ya se adelantó en el Ejemplo 3.30) de O � a � 1} perficie de un elipsoide cuyos semiejes son ai Vi . Ilp ll = 1 } . . .T)U(T)dT. td } (3.T) El conjunto S = S= {x E IR n aiVi . h ] . .26) s = {x E aporta información sobre la estructura de dicho subespacio. . un elipsoide con semiejes conjunto S se puede caracterizar como: es decir. y sea n la clase de todas las funciones de entrada continuas a trozos en [to . n. sean E . . correspondientes a los autovalores distintos de cero. . . F(t . ai Y IR n IR n : x Vi .5. IR n : x = ax con x E S 1. t I ] que satisfacen la restricción en su norma: (1: 1 Il u(T) II � dT) 1 � 1 (3.reflejando los autovalores y sus correspondientes autovectores la distribución espacial de esta energía. 2. CONTROLABILIDAD IR n : m Vi .24) La imagen de la convolución: {x E x = 1: F (t . : x = VEp. n. t � t I .28) (3. t I ] . . <I> ( (t . t d . .n Y IR n x n : (3.29) Entonces se demuestra que el (3.T)B con una entrada de norma unitaria coincide con la su­ ai Vi de de estados que resultan de la convolución = 1.27) Sea el conjunto: s = {x E es decir. es el sub espacio generado por los vectores propios. h ] representa el conjunto de vectores de entrada de dimensión continuos a trozos en el intervalo [to . siendo raíces cuadradas de los valores propios del gramiano de controlabilidad y vectores propios asociados. t � t I U(T) E n } (3. .

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

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

.36) donde 8(t) representa el impulso de Dirac.37) (3. Xc . . con lo que la imagen del mapa dado por 3.38 se corresponde con el subespacio controlable. entonces es: con lo que. . es el subespacio de menor dimensión que contiene a la imagen de la transformación definida por X t (t) . . Dado que se trata de un sistema lineal.6.3. El subespacio controlable. partiendo del estado inicial nulo. .35) Si se se define el conjunto de entradas de test: o i o = l. t I ]. Xc . . . O . m (3. repitiendo para todas las ui (t) queda: = <I>(t. . a un conjunto de señales de test presentadas en su entrada. .38) es decir. la respuesta impulsional del sistema. ta)bi (3. siendo: Xt (t) donde x� (t) representa la evolución del estado ante la entrada de test definida como: = [ xi (t) x� (t) .34) ui (t) . para todo t E [ta . 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. SUBESPACIO CONTROLABLE 1 29 Se puede plantear la definición del subespacio controlable. . xr' (t) ] (3. m (3. en función de la res­ puesta de las variables de estado del sistema.

. CONTROLABILIDAD Según se deduce de la demostración de la Sección 3. entonces se descartan ésta y todas las A + bj posteriores. Xc . . .1 A'+ k bj . Ai r A '+ k b 1 + A i2 A '+ k b2 + . ya que a partir de entonces los restantes grupos A + k B también lo serán. . también será linealmente dependiente de sus dos anteriores columnas.1. • • = x(t) + <I>(t. . por lo tanto una posible base de este espacio vectorial son las columnas linealmente independientes de la matriz Q. siendo la dimensión del mismo su rango Para el cálculo de una base del subespacio controlable basta observar que si en la matriz: rQ . cuando una de ellas. + Aom bm + A l l A b1 + .39) entonces Ai + k bj . .4. . con k O.1 (3.130 3.6. Ai bj . . . to)x(to ) (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. de donde: x(t) De esta forma. la columna Ai bj es linealmente dependiente de sus anteriores columnas: A i bj > + AO l b 1 + A 0 2b2 + . .39 por la izquierda por A k se obtiene que: Ai + k bj + AOI A k b 1 + A0 2 A k b2 + . . El proceso termina cuando todas las columnas de un grupo i Ai B sean linealmente dependientes. + Aom A k bm + A l l A l + k b 1 + . + A l m Abm + . + Ai . Ail A i bl + A i2 A i b2 + . Estados alcanzables La relación de los estados controlables.2. + Ai .2. .41) . 3. j . a partir de un estado inicial nulo (x(t)) con los estados alcanzables desde cualquier estado inicial (x(t)) . iseak linealmente dependiente de las anteriores. ya que multiplicando la Ecuación 3 . . La componente que depende del sistema y de las condiciones iniciales representa la evolución libre del sistema ante entrada nula. Base del sub espacio controlable CAPÍTULO 3. j _ 1 A i bj _ 1 (3. viene dada por la cuación 3. . los vectores columna de Q generan el espacio controlable.6. que constituye el subespacio director de la variedad. . + A l m A l + k bm + .40) El método consiste entonces en ir seleccionando columnas de izquierda a derecha y.

.3. cuya dinánlica viene re­ presentada por las matrices (Aaa .40.. • • Y 3...- X(t) � X1 A X(t1 ) A Figura 3.4: Superposición de la evolución libre con el subespacio controlable. Ba).. de dimensión uno . SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 131 --- . ' . 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: (3.42) verificándose que el subsistema formado por las variables xa ..7. En la Figura 3.' lo �----------��------________ I I t 1.. siendo su . como describe la Ecuación 3 . dim ( Xc ) = Separación del subsistema controlable x(t) existe una matriz de transformación T.4 puede verse un espacio de estado de dimensión dos en el que se ha representado: Una recta que representa el subespacio controlable. .. el estado para cada uno de estos instantes se obtiene mediante la superposición de ambos valores.7. . Como puede verse. t I t2 . rQ < n: Dado el sistema lineal invariante con dimensión del subespacio controlable. Sobre ambas curvas se han resaltado los valores del estado para los instantes tQ .. coincide con el sub espacio controlable. Una línea discontinua que representa la evolución libre del sistema.

44) donde Ta se forma con una base cualquiera del subespacio controlable.43) representa el comportamiento del subsistema controlable y define la misma función de transferencia que la ecuación de estado en su forma original y la expresada en la forma reflejada en la Ecuación 3 . Si en un espacio total de dimensión tres se supone que el subespacio controlable es de dimensión uno. es decir.5. son distintas realizaciones del mismo sistema. Se consigue. O) .132 n rQ . por lo que no es controlable. la dimensión de Si sería dos. La ecuación de estado de orden reducido de los estados controlables: - Y (3. Así se tiene una variable de estado totalmente controlable. La matriz T que realiza esta transformación se construye: (3. y según se deduce de la Ecuación 3.42. pues.42. - n rQ u. CONTROLABILIDAD dimensión por tanto la dimensión del subsistema formado por las variables Xb es Adicionalmente. rQ . 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. que ante la misma entrada todas generan la misma salida. y las otras dos evolucionan de forma independiente de la entrada. tiene un comportamiento independiente de la entrada. lo que se está haciendo es girar los ejes de coordenadas de manera que uno de ellos se sitúe sobre la recta controlable. este subsistema está caracterizado por las matrices (Abb . la que está sobre la recta (subespacio controlable). Si el subespacio controlable fuese un plano. en otras palabras. Ejemplo 3.6 Dado el sistema : o 1 O . dividir el sistema en dos: uno controlable y otro que presenta un comportamiento independiente de la entrada. donde Si es un subsistema controlable y S2 está totalmente separado de evoluciona de forma independiente a la señal de entrada. por lo que se podrían separar dos valores de estado que se podrían llevar a cualquier valor. CAPÍTULO 3.

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

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

3. 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. en un intervalo [to . que los vectores linealmente independientes de la matriz Qc generan el subespacio de salida controlable. como también ocurre en el caso de controlabilidad del estado. el rango del gramiano de controlabilidad de la salida indica la dimensión del subespacio de salida controlable. de forma similar a lo visto al estudiar la controlabilidad del estado.8.46) 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.45) donde: YI Además. Para sistemas en los que además de la condición de linealidad se cumpla la de invari­ anza. a partir de la definición del gramiano de controlabilidad de la salida. Se comprueba además que. CONTROLABILIDAD DE LA SALIDA Dado el sistema: 135 la salida es controlable en [to . = CQ). t d : (3. basado en unos cálculos más sencillos que el anterior: Dado el sistema lineal e invariante: = Yl . Y l . se puede aplicar el siguiente teorema. se puede calcular la entrada de mínima energía que desplaza el valor de la salida a un punto dado. tl )XO = Ax(t) + Bu(t) = Cx(t) (3. .C (t¡ )<I>(to .

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

606 + 0. se rea liza el aj uste para q ue el estado fi nal sea el propuesto: ¡0.25 0.5 .221 f3 0.5 0.172n: + 0. 3.1 -2 ] x+ [ 1 ] u ° De esta forma .221 f3 ] ° { �: 0 < t � 0.024 f3 [ 0. O)xo + Y.172n: + 0.3. x= [ -1 0 .129 * 0.976 ] = [ 11 ] { n: = 22. 5 <1>(0. Para el sistema : ca lcular la entrada necesaria para rea l izar la tra nsferencia del estado: .5 .0. a conti n uación . 1 2 . 129 .5 . se pla ntea la ecuación q ue ca lcula la evol ución del estado: u(t) = x(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 .9.606 + 0.0.0529n: . 2 5 = [ 0.3. 8 Se trata de resolver el m ismo caso propuesto en el Ejemplo 3.5) = <1> (0.9. uti l iza ndo a hora un tren de esca lones en l ugar de la entrada de mínima energía . la entrada que se va a aplicar es de la forma : Dada esta entrada .0.788 f3 . 2 5 <1> (0. T)Bf3dT = 0. T)Bn:dT + ¡0.25 < t � 0. Ejemplos adicionales Transición de estado mediante una secuencia de escalones Ejemplo 3 .024 f3 La evol ución de la entrada resu lta nte se puede apreciar en la siguiente figu ra : = -26.0529n: .

Esta entrada apl icada a l sistema origi na una evol ución del estado que se corresponde con la representada en la siguiente figu ra .5 . 1 0 . _ _ _ _ _ _ _ _ -1 -3 -2 0 .5 Con esta entrada . 3 0 . pasa por el estado fi nal marcado por el enu nciado de este ejemplo cuando t 0.138 u (t) CAPÍTULO 3.a l5 de la entrada de mínima ° ° que. De esta forma . 2 0 . 5 <1> (0. deja ndo como pará metros de aj uste el primer subi nterva lo y la a m p l itud del segundo esca lón. 5 1°.5) = <1> (0.2 5 = 31 1 . r)Bf3dr = a . 3 0 . 2 0 . 0. q ue. 1 0 . 5 t energía . 4 0 . la entrada es: u(t) - _ { -20 f3 si si 0<t�a a < t ::. la evol ución del estado es: x(0. CONTROLABILIDAD 20 10 -2 0 -10 0 .5 . como puede a preciarse.5 s (en línea conti nua y en d iscontinua 1°. 5 t -5 -4 Otra posible sol ución a l tren de esca lones es fijar la a m p l itud del pri mero. O)xo + Jt' <1> (0. como ca be esperar.5 . es u n consumo su perior Eu ( t ) = Esta entrada com porta u n consumo energético: = 10. 4 0 . r)B ( -20)dr o + 1°.5 u2 (r)dr Es tado 1 - 2 a 2 dr + f3 2 dr = Xl X2 ).767 0 .

5 + 0.4 0.3209 .394 La entrada que se obtiene está representada en la siguiente figura : 0.6065 e a)..9.3.3 0.B = 0.606 e a .2 O .678( -2.2 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. 184 e 2 a) .0. 0. EJEMPLOS ADICIONALES 139 12.1 -10 0.297 + .0.5 t .4 o 5 t -2 -3 -4 . 129 .B ) e )( e iguala ndo este va lor a l estado fi nal objetivo se despej a .a12.7371 1306 ( .B = 30.3.1 +eeaa ++ 1(-0. obteniéndose: [ ] {a u (t) 30 20 10 = 0.2 0.

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

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

Se muestra en un d iagra ma sem i logarítm ico. B¡ = B2 = [t] [:] En pri mer l ugar. es deci r. � A. para el defi nido por A 2 . con trazo continuo. 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 . donde. 1 0 y dinámica del sistema Dados los sistemas li nea les e i nvaria ntes caracterizados por las matrices: A. a u nque obvia mente se consigue dism i n u i r la potencia req uerida . a l a u mentar el tiem po en que se entrega dicha energía . � 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. 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. 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.142 CAPÍTULO 3. 3 Controlabilidad Ejemplo 3 . en disconti nuo. . a parece para el sistema definido por A l y. Como pri mer paso. todos los cálcu los q ueda rá n en fu nción de t I . 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.

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

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

4323 0.22 A1 tt )) e0.1 ( 1 .1 .5: 1 = [ 0. por ejemplo A l = 1 Y A 2 = 0.4323 0.0013 -1 O y.1580 ] u(t) = B T <I> T ( 1 . por ta nto.e. 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. 1 de forma i ntuitiva .2 e t .2590 .O . 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. 0) = [ 1 0. siendo. Por lo q ue el gra m iano eva l uado en d icho i nterva lo [0. uti liza ndo para ello la entrada de mín i ma energía dada por la Ecuación 3.3 . 5 [�]= O ] [ 0. observá ndose que éstas parten de condiciones .1 0.2590 0.2 A1 t ) 0. Esta m isma concl usión se alca nzó en el Ejemplo 3 . 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.e.2 A1 t ) - ] con lo que su determina nte vale cero para cua lquier valor de t y por ello el sistema no es controlable en n i ngún interva lo.25 ( 1 . se puede afi rmar que este sistema es controlable en el i nterva lo [0. eligiéndose por a hora el tiempo t = 1 .9. 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. 1] .88 e.e. q ue es del m ismo orden que las consta ntes de tiem po i nvol ucradas en el sistema .5 ] = 45. EJEMPLOS ADICIONALES caso: A1 [ 0. 5 t-O . t)W .2590 0. 1] va le: n ( l e. O) = 1 _ 0.5A 1 ( 1 . así como la evol ución de ambas varia bles de estado [Uc 1 (t) Uc 2 (t)]T . 1] .1 ) - cuyo determ i na nte va le det [W( l .2590 0.5 >\ 1 (( 11 . Constantes de tiempo distintas A conti nuación se va a estudiar el caso más genera l en el q ue la d i n á m ica de a m bas ra mas son m uy d isti ntas entre sí.5 ) 0. O)] = 0.1 - [ e -OHt 33.5A 1 ( 1 e. por ta nto.5A 145 W(t.5. 5 +t e O.

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

acercá ndose en este caso a l va lor n u lo q ue hace que el sistema no sea controlable. 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.l ( I .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. Debe notarse que el valor del determ ina nte del gramiano ha dism i n u ido nota blemente respecto al caso a nterior.5 ] O e t . A conti n u ación se ca lcula la entrada de mínima energía q ue consigue l levar a este sistema en el i nterva lo considerado [O.7 .O. la energía de la entrada necesaria para ello crece enormemente.3. así como las tensiones en a m bos condensadores hasta l legar a su estado final deseado en t = 0. t)W . En la Figu ra 2 se puede ver la evol ución d e la entrada ca lculada .O.2481 = 2564 [ e.1 0. I . 1] del m ismo orden de las consta ntes de tiem po del sistema considerado. 0. 5 t.l .68 .1 s . I . 0. 1 va le: 147 W(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. el gra m i a no ca lcu lado a nterior­ mente particu larizado para este va lor de t = 0 . por lo ta nto. en el que se estudiaba la controlabi lidad en el i nterva lo mayor [O.16. pudiendo l legar a hacer i nviable su controlabi lidad en la práctica .48 10. o u 2 (r)dr = 168.1] desde condiciones i n icia les n ulas al m ismo va lor de tensiones propuesto en este ejem plo: [� 0 5( 1 e . O) = [ 1 0.0906 0. 0.O. 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.O . Este hecho i m p l ica en la práctica q ue. O bsérvese q ue ahora la evolución de la entrada ha tenido J rO.e.9.1 + t e. necesaria para controlar el sistema entre los dos mismos estados i nicia les y fi na les . 1 5 ) � . 2 ) ( 1 e-O.0464 .0464 l 0.15 ) _ M ( 1 . a u nque el sistema es teórica mente controlable. por ejemplo [O. 1 ) _ 1 = 0906 [ 0O :0464 0 0464 0 : 0238 ] u(t) = B T � T ( I . 1] y.1] . O) = con lo que su determ i n a nte va le det [W(O. � 5 (1 C0 . 5 +t e O . O)] = 4.5 [�]= O ] [ 0. pero forzando a hora a rea l izarlo en u n tiempo 10 veces menor que a ntes y menor igual mente que las constantes de tiempo i nvol u cradas en el sistema .

UC 1 (t) Y 08 06 02 -0 2 - O �. 0.. 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.'---:: 5 os s ( c ) Evol ución en el espacio d e estado d e l a s tensiones en los condensadores.148 CAPÍTULO 3.0 0 01 0 02 0 03 0 04 0 05 1 (a) Evol ución tem pora l de la tensión de entrada 2 1 5 � � 0 06 0 07 0 08 0 09 0 1 u(t) .L 2 �:"":':c _o s---7---:':'--�-----. (b) Evol ución tem pora l de las tensiones en los condensadores. .1] . CONTROLABILIDAD que representarse en un gráfico a parte por ser de mayor magnitud q ue la evolución de las tensiones en los condensadores: 1 00 80 % 60 40 20 I Elu(tl]== 168 V2 I -20 40 . 0 0 01 0 02 0 03 0 04 0 05 1 0 06 0 07 0 08 0 09 01 UC 2 (t) .----. 05 -0 5 -1 o ..".

2t ) C l . Se ca lcula a contin uación la ley de variación de la entrada u(t) necesaria para l levar a l sistema desde condiciones i nicia les n ulas al m ismo va lor a nterior de las tensiones en los condensadores: = [ 0.5(1 W ( t .l - .1 [ 21 ] con u n consumo energético de: .4056 0. con lo q ue el gra m i a no ca lculado a nteriormente de forma genérica va le a hora : 149 Analiza ndo la controlabil idad para el m ismo i nterva lo de tiempo util izado a nteriormente. 909 l t ) 0.l .2 ) e . 8 1 8 ) - ] [O.5 . la i nfluencia del i nter­ va lo de tiempo en la controlabilidad del sistema .4762(1 e. Para ello se va a estudiar el caso en el q ue R l Cl 1 Y R2 C2 = 1.3808 ] . 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 .9091 ] [ e = 3733 3613 et . ha biéndose ta m bién estudiado.e .O . 476 2(1 _ _ e . 909 l ) 0.l .l . O ) ] este caso el sistema es teórica mente controlable.9091.4323 0.l .3808 e.l +t e O. 53 10. 909 l ( l -t ) ° ] [ 0. en este ú ltimo caso. se obtiene: = [ 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) . 909 l t ) e . pudiendo l legar a hacerlo i nviable.4323 0.9 09 l ) 0. 1] _ - = = [ 1 0. 8 1 8t ) = ] W (l .l .l ) ° e.1 y por ta nto A l 1 Y A 2 0. O bsérvese q ue en cuyo determina nte vale det[W (O. O) = 0.5(1 2(1 = [ 0.4056 ] 0.4545(1 .l .9.4056 0. 454 5(1 = _ _ e .3.4056 0. pero. 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.4760. O) 9.4 76 2(1 0. 909 l ( t.

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

r)BB T <JI T (t. 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. pero no igua les. 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.3. O) = 1o 2 C <JI ( 2 . siendo necesario e n la práctica q u e su valor sea signi­ ficativa mente mayor q ue cero. 38 ] . 1 2 Dado e l sistema defi nido p o r l a s ecuaciones: Determi nar la entrada que l leve el vector de sa lida al va lor: cuando el estado parte de condiciones i nicia les n ulas. por lo que el sistema es controlable teórica mente uti l iza ndo una entrada con suficiente energía : O bsérvese q ue en este caso la d ificu ltad práctica de la controlabilidad del sistema se debe a la parecida d i n á mica de a m bas ramas y no al i nterva lo de controlabilidad uti lizado.49 5 . 151 Entrada para modificar el vector de salida Ejemplo 3 . r)C T dr = [ 0. 37 5 . 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 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 . 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. 57 63 . 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.9. que fue estudiado a nteriormente.

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

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

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

habrá que ver si ambos bloques tienen el mismo comportamiento dinámico.10. U2 Y q . Para controlar simultáneamente X l y X2 no basta con UI . puesto que U2 no le afecta. el valor de X l será siempre doble que el de X2 . -8 -4 3 O O -4 1 O O O -4 2 32 16 -24 5 O 16 -8 2 O O 16 -10 .18 -6 42 por lo que el sistema es controlable con las entradas U l . La entrada U3 afecta a las variables de estado correspondientes a los últimos bloques. 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). Para ver si la entrada UI es suficiente para garantizar la controlabilidad de los dos primeros bloques (y por tanto del sistema). Por tanto.54 O -64 48 . Reduciendo el sistema realimentado resulta: Para controlar X l es necesaria la entrada UI . pero. EJERCICIOS RESUELTOS 155 La entrada U4 no afecta a ninguna variable de estado. pues al tener ambos blo­ ques el mismo comportamiento dinámico. luego no afecta a la controla­ bilidad del sistema. entonces la variable de entrada al tercer bloque también está controlada con independencia de U3 . partiendo de condiciones iniciales nulas. Con ello la matriz de controlabilidad queda: Q� donde rango(Q) U3 · U O 1 O O = O O 1 O 4. Por lo que la entrada U3 no es necesaria para la controlabilidad de los dos últimos bloques colocados en serie. el conjunto mínimo de entradas necesarias para controlar el sistema son UI Y U2 .3.1 28 . por lo que se puede suprimir dicha columna.64 1 44 . Otra forma de llegar a la misma conclusión es realizar el estudio de las matrices de controlabilidad. como las variables de salida de los dos primeros bloques son controladas por las entradas UI y/o U2 .

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

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

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

3. como se ha explicado en este capítulo: Como se observa en la expresión de la matriz Q. al dar el dato de que las tensiones iniciales son nulas. EJERCICIOS RESUELTOS E s t ado 10 159 6 4 2 \ . . una posible base del sub­ espacio controlable la constituyen las columnas linealmente independientes de . Como se ha visto en este capítulo. 0.6 0. para ver si los puntos correspondientes están contenidos en dicho espacio. Para saber si los estados que se propo­ nen son alcanzables con alguna entrada.8 1 b) Este apartado hace referencia a la controlabilidad del sistema. \ \ '\ \ . .10. por lo que será rango(Q) = 2.4 0.2 0. puesto que se pregunta sobre un estado que presuntamente debe alcanzarse gracias a alguna entrada. es necesario calcular la base del sub­ espacio controlable. las dos primeras filas son iguales. \ \ \ \ \ . pasa por el cómputo de la matriz Q. como el presente. 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 . . El estudio de la controlabilidad en sistemas lineales invariantes.

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

. la primera y la segunda ecuaciones son iguales.5 1 0.1 ) .e .5 2 1.1029 En la gráfica puede observarse la evolución del estado ante esta entrada: = = 1 [ 11 .2325b { b1 = 4.e(t l -t) e ( t ¡ . ...e . en este caso.5 t I / .. 10 . El origen del plano controlable se desplazando según esa trayectoria: va ... 5 . Dicha solución da lugar a que el estado describa una trayectoria dentro del espacio de estado como la que se refleja en la figura..t) c(l .l e2 ( t l ..4 0.. " " 0.. .. ..1 _ 1_ .3 .e-O.l . por lo que sólo hay dos ecuaciones linealmente independientes con tres incógnitas. / ..e . EJERCICIOS RESUELTOS 161 e (t l . Esto permite dar un valor arbitrario a cualquiera de ellas para fijar las otras dos.8 1 ) El conjunto de estados alcanzables.l ) .l ) ::::} = b (e .2 e 0.6 0. se fija tI 0.58: 1 + 1= + { 1 0. se obtiene por la superposición de un vector perteneciente al subespacio controlable más el vector de estado definido por la solución de la evolución libre del sistema.5 ) ::::} +e b (e . " .1 ) e-2 igualdad: [ 11 1 b [ 1 = ::::} Como puede observarse.3934c = 0.2386b + 0..O .0206 + 0..l e(t¡ .6321c { e = 0. que se obtuvo en el apartado a).e .. cuando se tiene en cuenta tanto el estado inicial como la acción de la entrada. .2 ) c(l .t) e2 ( t ¡ . .e l ) ::::} E s t ado 2.

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

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 . \.\ \ .2 71 8 \ \ . { { 0 = 0. .e (tl -t ) 1 e (tl -t ) 1 e 2 ( tl ...-=. . . 7281c =} 0.t 1 0 e. . .9 = 0.t ) - 1 e ( t 1 -t ) .3733 = e . las dos ecuaciones son la misma.e. Esto hace que se pueda dar un valor arbitrario a cualquiera de ellas. por lo que quedarán sólo dos ecuaciones linealmente independientes con tres incógnitas...". de forma que se puede plantear la ecuación: [1 [ 1 [ O 1 1 = lO e. ..e.1 .t e 2 ( t l -t ) _ e.. -.1 7 18b + 0.819 7 e = 1..0638b + 0.2 t ° + b 1 [ +e 1 e ( tl -t ) 1 e ( tl -t ) 1 _ e 2 ( tl -t ) _ - 1 Para que las dos primeras ecuaciones se cumplan debe ser cierta la igual­ dad: 1 = 1 0 e -t =} e -t = 0. . 302 5 = 0..92 6 1c b = . . . En este caso se hace h = 18.1 =} t = 2.-- t -2 -4 . ...3.3025 De esta forma.10.t e ( tl -t ) .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. EJERCICIOS RESUELTOS 1 .5.

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

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

5 2 . 1822 20.1 2 ) 1 1 . la expresión de la entrada no depende del sistema de refe­ rencia elegido para representar el estado del sistema. es independiente de la representación del sistema. independientemente de que los cálculos se hayan realizado en un sistema de referencia distinto al inicial.e .739 g e -3(2. por lo que no tiene sentido que influya en la forma de la entrada que recibe el sistema que.48.t ) + 67. 7274 = . 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. CONTROLABILIDAD Una vez calculado el valor de la matriz W.1271 37 .t ) ] [ -3.166 CAPÍTULO 3. por tanto.992 Como resulta evidente.9696e -2(2. En resumen.92676 ] 2. el estado no es más que un modelo. se puede calcular la entrada necesaria para cumplir con las especificaciones del problema: � (1 . la expresión de la entrada hallada es la buscada.1271 20.

1326.t ) ) 2 = ta ( .t ) + 764. \ \ 167 / \ .4 ( 2.2 (tl .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 ( .�:uo. EJERCICIOS RESUELTOS E s t ado 2 1 \ / / / / / / / .68 .9696e -2(2.7 2e ta ( 599.3(2.3 + ta e -3tl x(t) ° ][ ] [ ° .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.t ) _ 6333. T)B (T)u(T)dT ¡tatl e . 08e -6 ( 2 .t ) + 4588.54e .48.t ) ) dT i(h 239 7.43e -2(2.5 (2.739 g e .T ) tl 4 e -� .5 ( 2.t ) + 67.t) ):: = 37.6 (t -2) . / / 1 1. La forma de fijar estos escalones es elegir un valor determinado para t2 y dejar como incógnitas U U Si se sustituye entonces en la expresión de la evolución del estado: [ _� ] [ [ -� ] = <T>x(to) + ir <T>(t l .71e .

t 2 ) 425. que suele ocasionar que el estado alcance valores mayores.1 9. 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. como podría ser el forzar a que las variables de estado se encuentren siempre dentro de un rango de funcionamiento. Por contra.3 t l ) ] to = CAPíTULO 3.168 [ se obtiene: 4(1 . Dada esta segunda entrada.e . se puede calcular su energía para compararla con la de la primera: E (UA ) 2 (t 2 . CONTROLABILIDAD Dando valores a los instantes: O t2 = 18 t I = 28 por lo que la entrada resultante para todo el intervalo de tiempo es: U2 (T) = { . es su mayor energía.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. se puede representar la evolución tanto de ella misma como de las variables de estado: .to ) + (UB ) 2 (t l . 7 1 14 1 :S T :S 2 Dada esta entrada.2t l ) -3(1 .830 7 O :S T < 1 5. frente a la primera.e .

...5 -5 -10 -15 .2 0 �----� 1.5 7.. " " " " " t 0. EJERCICIOS RESUELTOS Entrada 5 t 169 0.. " .5 � � 2 T T < Para la que se obtiene una energía de las variables de estado en este caso es: E = 83.5 -5 -10 1 1.5064 1. la entrada que se obtiene es: -6.10.. ..5 2 Si se elige como tiempo intermedio t2 = 1.58.0852 o � 1..5 2 E s t ado 10 5 . .71. . La evolución de la entrada y de ..3. ....

. .1467 5. .1776 E O. .5 -2 -4 1 CAPÍTULO 3... 2 cuya energía es = 5377. .58. la entrada que se obtiene es: -73.170 Entrada 6 4 2 0. ::. T O ::. si se elige como tiempo intermedio t2 = 0.5 ::. . T < 0. t Por último.. CONTROLABILIDAD 1 5 2 t .6 �----� E s tado 4 2 " " " . . La evolución de la entrada y de las variables de estado para este caso es: .24..

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

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

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

.

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

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

D efiniciones Como se ve. t. en lo que se refiere a cálculos son duales. r)B(r)u(r)dr (4. Xo = x(to ) .2. se impide la observabilidad con una cancelación de un polo con un cero. se asocian al concepto de sistemas observables. se podría obtener x( t) con la expresión: Planteamiento 4. 4. existe un intervalo de tiempo finito [to . conociendo u(r) e y(r) con to x(t) = cp (t. La observabilidad para un punto y para cualquier instante se define: Se dice que un punto del espacio de estado. DEFINICIONES 1 77 Los conceptos de controlabilidad y observabilidad son claramente distintos embargo como se verá en este capítulo. t¡] . tI] Y de la salida y(t) en dicho intervalo permite determinar que el estado inicial es Xo . Xo . siendo éste el estado inicial en el instante to. Las definiciones. tI] cuando todos los puntos del espacio de estado son observables en [to . similares a las dadas para controlabilidad. 1 ) . 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 . es observable si. t¡] si. y. El objetivo es determinar bajo qué condiciones se puede obtener el estado inicial < ::. sin Observabilidad: Se dice que un punto Xo del espacio de estado es observable en [to . de igual forma se define sistema observable como: Un sistema es observable si todos los puntos del espacio de estado son observa­ bles. el conocimiento de la entrada u(t) en el intervalo [to . 1 . tI] . tal que el conocimiento de la entrada u(t) en el intervalo [to . Si fuera conocido x(to) y u(r) . Observabilidad e n sistemas lineales Xo = x(to ) . y Observabilidad de un sistema: Un sistema es observable en [to . 4. to )x(to) + l r t to cp (t.4.2. siendo éste el estado inicial para un instante inicial to cualquiera.3. 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.4) o lo que es lo mismo: <P (t. C(t) A (t).2) Agrupando los términos que dependen de la entrada y la salida.5) Obsérvese que en este caso la salida representa un cambio de base de las variables de estado mediante la matriz e y.3) t donde y(t) representa la componente de salida debida sólo a la existencia de condiciones iniciales no nulas. Este problema de la observabilidad se resuelve mediante el siguiente teorema: . la salida del sistema ante entrada nula. la aportación a la salida dada por la evolución libre del sistema C(t) <P(t. basta conocer la salida en un solo instante para conocer el estado del sistema.ito C(t) <P (t.D(t)u(t) = C(t) <P(t. x(to) (4. to)x(to) = x(t) = C . to). por tanto. se obtiene: o. Teorema En general es necesario conocer la evolución de la salida en un intervalo de tiempo para poder calcular el estado del sistema. es decir. 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.3. 4. que se suponen conocidas. to)x(to) (4.178 y teniendo en cuenta la ecuación de salida: CAPÍTULO 4. lo que es lo mismo.2. r)B(r)u(r)dr . r)B(r)u(r)dr + D(t)u(t) t (4. tO )X( tO ) + ito C(t) <P (t.1 y(t) (4. se puede despejar de la ecuación anterior: y(t) = y(t) .

• Condición necesaria El razonamiento es similar al realizado en la demostración del teorema dual de controlabilidad. td si s610 si la matriz V(t¡.: x(t) = A (t)x(t) + B(t)u(t) y(t) = C(t)X(t) + D(t)u(t) es observable en [to.to)) Xo (4. se puede obtener el estado del sistema en función de la salida ante entrada nula. to) tiene una forma dual a la W(t¡. conocida como gramiano de observabilidad definida como: y y \ (4.8) Por lo tanto.7) despejando: (4. existe un algoritmo que nos permite despejar expresión: V(t¡. Si es singular = O). existe algún valor propio nulo.3. OBSERVABILIDAD EN SISTEMAS LINEALES 179 Dado un sistema definido por las ecuaciones. La matriz controlabilidad. to) empleada para el estudio de Xo de la Demostración • Condición suficiente Si no es singular.6) es no singular. Se cumplirá entonces que: V (det(V(t¡. y se fuerza a que el estado inicial coincida con su vector propio asociado. to).4.9) . que por otro lado debé ser distinto del vector nulo. to) y (4. V(t¡.

2 La conclusión que se deduce es que. Xo =/:. C(t)�(t. 12 ) O. Y(T) = por lo que no va a O ser posible distinguirlos. 1 hasta el instante = En primer lugar se calcula el gramia no de observabilidad. 1 1) Para que se cumpla esta expresión es necesario que e(T) = VT. 10) (4. to) por su valor: (4. to)xo = y (t) = O. el sistema no es observable. Por lo tanto. Ejemplo 4.2t 2e -t + + to = O. tanto para este estado como para el estado nulo. O XoO. la salida ante entrada nula va a ser la misma. por lo que: (4.180 CAPÍTULO 4. OBSERVABILIDAD sustituyendo V(t¡. 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. para verificar que el sistema es efectivamente observable: t 2. cuyo determinante es: .

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.9 al final .Q) l' . como este resultado se ha de repetir sea cual sea la duración del intervalo. 4. Sin embargo. r)B(r)u(r)dr = _ 3e-3t + 2e-2t + 3e-t � V.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. en principio. para t = Dada la observabilidad del sistema. como cabía esperar. aplicando la Ecuación 4. se cumple que: Xo � . es independiente del tiempo. por lo que se puede afirmar que el sistema es controlable para cualquier valor de t final del intervalo y. situación posible en teoría pero muy poco realista en la práctica. O)] = y (t) = y (t) De hecho.lOt 2e -9t 21 e-8t 6e. objeto de la definición de observabilidad. El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el condi­ cionamiento del gramiano correspondiente. OBSERVABILIDAD EN SISTEMAS LINEALES 181 Se puede com probar fácilmente que el determinante no se anula salvo para t = O. no se ve influido por el valor concreto del gramiano.Q)cT(7)y(7)d7 resultado que. puesto que el sistema es observable para todo valor de t.12t 3e. este resultado. 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.1 (t.T (7.4. pudiendo manifestarse entonces esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en el Ejemplo 4. sin errores en la determinación de sus parámetros ni en la medida de la salida. En la Ecuación 4. es posible calcular el estado inicial desde el que evoluciona.8.100 2. Además.¡. esta afirmación sólo es cierta en caso de que se disponga de un conocimiento perfecto del modelo. por lo que hay que contar con esta incertidumbre. en concreto.1200 + --¡()()-� + ---so -� + � ----so + �.3: 1 e . tal como se especifica en la Ecuación 4. y es en presencia de estos errores en la medida cuando el condicionamiento del gramiano toma importancia.(t.3.lt C q. como se puede observar. Para ello el paso previo es calcular y (t).3. por lo que no cabría la discusión sobre la mejor o peor observabilidad de un sistema como sucedía con la controlabilidad. det[V(t.7t 6e-5t 21 e-4t 2e-3t 3e-2t 1200 .3.

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

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

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

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

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

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

A partir de esta definición. anulando la entrada del sistema. para generar una salida con energía unitaria. por lo que el modelo del sistema toma la forma: 6.5.23) (4.24) y(t) Este vector se añade para el estudio de observabilidad y no está relacionado con la posible realidad física del sistema. .188 4. se realiza una aportación desde las variables de estado que describe un elipsoide en el espacio de estado.T)d(T)dT con lo que se puede definir FT(t-T) = CiP(t-T) como una aplicación FT Esta aplicación representa la aplicación de un conjunto de variables de estado que n : IR ---+ IRP x n . este hecho se puede explicar haciendo uso de la respuesta del sistema ante un determinado conjunto de señales. x(t) = Ax(t) + Bu(t) + d(t) y Cx(t) = (4. CAPÍTULO 4 . Al igual que sucedía con el estudio geométrico de la controlabilidad. d(t) Figura 4. en el que a la estructura usual se ha añadido un vector de entradas adicionales. para llegar a la conclusión de que el gramiano de observabilidad describe la 1 En este caso se demuestra que. OBSERVABILIDAD Como ya se ha referido en este capítulo. Interpretación geométrica d e la observabilidad d(t). y manteniendo el vector como entradaal sistema.2: Sistema lineal con el conjunto de entradas de test Supuesto el estado inicial nulo. en cuanto a la dificultad de observar un determinado valor inicial dependiendo de la posición en la que se encuentre. se tiene que la salida del sistema es: d(t) influyen en p salidas.2.25) y(t) = i(tat CiP(t.51 . (4. representando cada columna el efecto de una variable de estado sobre el conjunto de las salidas. Sea el sistema lineal e invariane representado en la Figura 4. se sigue una demostración similar a la que aparece en la Sección 3. el número de condición de la matriz que define el gramiano de observabilidad es un indicador de la anisotropía del espacio de estado.

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

OBSERVABILIDAD t [to. donde da como: El subespacio no-observable. Para determinar una base de ese sub espacio no-observable lo que se debe determinar son n . y el sub espacio no-observable constituye el núcleo de dicha aplicación. Base del sub espacio no-observable o Para determinar la base del subespacio no-observable se va a partir de la Ecuación 4. Prx = O . tI].21 : dependiente de sus anteriores filas. 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. Para obtener estos vectores.28) = PeA(t-to) xo.27) La demostración es igual a la que se incluye en la Sección 3. entonces cjA i+ k . Si rango ( P ) = rp y la dimensión del espacio de estado es n. ecuación más sencilla. Xó . La base se construye encontrando n . 4. que resulta O = PXo.6 al enunciar la definición de subespacio controlable. entonces se descartan ésta y todas las cj Ai+ k posteriores. yHt) representa la evolución de la salida ante la entrada de test di . Vt Particularizando esta ecuación para t = to. es el subespacio de mayor dimensión que está contenido dentro del núcleo de la transformación definida por para todo siendo: E Yt (t).6.rp vectores linealmente independientes que sean ortogonales a las filas de la matriz P. defini­ o o i = 1. Yt (t) = [ yl(t) y�(t) . Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida. yf(t) ] . la dimensión del núcleo de esta aplicación es n-rp. El método consiste entonces en ir seleccionando filas de arriba abajo y. .. se puede utilizar un método semejante al estudiado en controlabilidad.rp vectores que verifiquen esta ecuación y que sean linealmente independientes. 1 . con k > O. .26) (4. cuando cjAi sea linealmente dependiente de las anteriores..n (4.190 CAPÍTULO 4. . Basta observar que si en la matriz P la fila cjAi es linealmente de­ pendiente de sus anteriores filas. 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.

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

que ante la misma entrada ambos generan la misma salida. y(t) Vb . 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. caracterizado por las matrices ( Abb.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 4.3. 5ca y(t) = = Aaaxa + Bau(t) CaXa (4.192 del vector de estado según la ecuación: = CAPÍTULO 4.31) (4. La matriz de cambio de base que consigue esta separación en los subsistemas men­ cionados se construye como: (4.29) (4.31 y 4.30) El subsistema formado por las variables es observable y de dimensión rp . en otras palabras. Vb. Lo que se consigue es desconectar la salida en (4. según se puede deducir de la Ecuación 4.33) 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. Ca).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. El modelo de estado que describe el comportamiento de los estados observables: Xa. Ta T formado por rp filas linealmente independientes de P y por n .30. es decir. Adicionalmente el subsistema formado por las variables Xb.34) Va Xb. caracterizado por las matrices (Aaa. las Ecuaciones 4. O ) . presenta una evolución del estado desacoplado de la salida del sistema.29 y 4.30.32 representan otra realización del mismo sistema.

SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 193 Figura 4.4.3: Separación de la parte no-observable. Se han separado.7 Dado un sistema definido por las siguientes matrices : A= [� o 1 - 3 O O 5 1 . dentro de la imposibilidad de observar el estado del sistema. Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al cual se definen los vectores. desplazándolo para que tantos de ellos como sea necesario coincidan con la base del subespacio no-observable. unas observables y otras que no lo son. La dimensión de es n Tp Y la de es Tp .7. las variables de estado en dos grupos. 82 - 81 Ejemplo 4..

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

que caracteriza la realización mínima de un sistema en términos de controlabmdad y observabilidad: . El subsistema formado por las '\'ariábles xa y caracterizado por las matrices: es un subsistema controlable y observable.4. por lo que se le conoce como realización mínima del sistema. En cuanto al primero. 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. Xb ) y caracterizado por las matrices: o] ] (xc. xc) y caracterizado por las matrices: es un subsistema observable. Xd) un subsis­ tema con comportamiento desacoplado de las salidas.37) es un subsistema controlable.1 B � y además se verifica que: 1.8. [[ 1:: lbb ] . SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 195 matrices: B � T. formando el resto de las variables (Xb . 2. En concreto. Existe un teorema. el segundo ya se ha estudiado como subsistema controlable. y el tercero como subsistema observable. lo que significa que los tres son realizaciones diferentes de un mismo sistema en términos de entrada-salida. 0 Áee O Áde . formando el resto de las variables tema con comportamiento desacoplado de las entradas. debido a Kalman. El subsistema formado por las variables (xa. Xd) un subsis­ 3. [ :: ] . El subsistema formado por las variables C = CT = [ ea o C e o ] [ � '] Ha • o Áae Á:lib Ábe '.35) (4. (4.36) (4. Al orden de dicha realización mínima se le conoce también como grado de McMillan de dicho sistema. [ Ca (xa .

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

Tb separan el subespacio controlable. 4.5: Separación detallada de los subsistemas controlable y observable. se determina que las cajas que componen la matriz de transformación cumplen que: • T = [ Ta Tb Te T4 ] de Ta. 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.8.5. así que en conjunto los vectores columna Ta y de Tb serán una base del subespacio controlable. Dicha matriz de cambio dé base está formada por cuatro submatrices: Llamando Be a la base del subespacio controlable y Bó a la base del subespacio no-observable. según la Sección 3. Con esta transformación se consigue algo parecido a lo que se hacía al realizar las separaciones entre controlable y no controlable.38) .4. y entre observable y no-observable. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 197 Figura 4. 1 .8. unos cambios de ejes para que coincidan con la base del sub espacio controlable y observable.

coincide con el núm�ro de vectores columna de Ta junto con Te. los vectores columna de Tb . según las Ecuaciones 4. (4.5. Te : conjunto de vectores columna tales que conjuntamente con Ta . Tb es una base de la intersección del subespacio controlable y del subespacio no-observable. 4. del subespacio no-observable. como el modelo de estado con menor número de variables que explica la relación entre la entrada y la salida del mismo. 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 . según la Sección 4.39) T Desde el punto de vista práctico. OBSERVABILIDAD Ta . !::::.38 y 4. rQ . coincide con el número de vectores columna de Ta junto con Tb . Te separan el subsistema observable. En la sección anteriori se ha introducido el concepto de realización mínima de un de­ terminado sistema. Sin embargo. así que. la dimensión del subsistema controlable.40) (4.39. al problema de encontrar dicho modelo de orden inferior se le conoce como problema de la reducción del modelo. existe la posibilidad de que exista un modelo de un orden inferior al grado de McMillan que genere. En el Ejemplo 4.9.un caso de separación de un modelo de estado en sus distintos subsistemas. Tb y Td forman una base del espacio de estado. • Por tanto. Td deben ser base del subespacio no-observable.198 • CAPíTULO 4. Reducción del modelo . rp . y la dimensión del subsistema observable. aproxi­ madamente. las distintas submatrices que componen la matriz se calculan en el siguiente orden: • • • • Tb : base del subespacio de intersección entre el subsistema no-observable y el sub' sistema controlable. Ta : conjunto de vectores columna tales que conjuntamente con Tb forman una base del subespacio controlable. la misma respuesta impulsional que dicha realización mínima.10 de este capítulo se puede ver .

son matrices definidas positivas y simétricas. por lo que es nece­ sario relativizar la información que nos ofrecen al sistema de referencia en el que viene expresado el modelo. e. to)V(oo.45) .43) Si ahora se considera la familia de transformaciones: (4. .n n. to) sean ambas di­ agonales se conoce como transformación contragrediente.42) Estos valores reflejan las propiedades de entrada-salida del sistema y juegan un pa­ pel central en la reducción de modelos.edientes. (4. las llamadas transformaciones contragre­ dientes : Una transformación T que produce que W(oo. existe una matriz ortogonal U y otra diagonal y positiva E. tal que: donde Ea es diagonal y positiva. por lo tanto controlable y observ­ able. B. to) = T . .l W(oo. como puede comprob�e fácilmente. se tiene que ambos gramianos.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. se plantea el valor de este producto cuando se considera t l = 00: W(oo.T TT V(OO. tO)T. � REDUCCIÓN DEL MODELO 4. Dada una realización mínima de un sistema (A. tal que: (4. Dado un sistema estable. D) con grado de McMillan los valores singulares de Hankel del sistema son: i = 1.9. Además. to)T (4. tanto el gramiano de controlabilidad como el de observabilidad no presentan invarianza ant� cambios de base.1 W(00. 1 . Como ya se ha mencionado en este texto. los autovalores del producto entre ambos gramianos sí son invariantes ante transformación. . to)T = T . Asumiendo que se parte de la realización mínima del sistema. to)Va = Ea (4.9. . Sin embargo. to) y V(oo.4. entonces existe una matriz ortogonal Va (compuesta por los vectores propios ortonormales) . to)V(oo. de controlabilidad y de observabilidad.44) V�W(oo. Son de especial interés ciertas transformaciones lineales que ponen este hecho de manifiesto. Son particularmente interesantes tres transformaciones contrag¡.

tres son de particular interés. . OBSERVABILIDAD (4. Es por tanto esta realización en la que se centra el estudio que sigue a continuación. siendo: T .se comprueba que dichas transformaciones son contragredientes. Sus semiejes son iguales a las raíces cuadradas de los valores singulares de Hankel. . to) = E Una realización se llama internamente equilibrada si W(oo. se convierten en esferas. l W(OO. i = 1 . En el caso de la realización equilibrada a la salida. indicando: • En el caso de la realización equilibrada a la entrada. siendo Gi . para singulares de Hankel. valores pequeños en un modo de segundo orden se corresponden a estados que son débilmente controlables y débilmente observables. 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. to) = = k > 1 . Gk + l ::. = 1 : Una realización se llama equilibrada a la salida o normalizada a la salida si W(oo. Gk .2 k = = 200 CAPíTULO 4. 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. T E 2 k T[ V(oo.46) (4. . propiedad de la que se hace uso a la hora de establecer la reducción del modelo. descritos en las Secciones 3. Estos estados contribuyen muy débilmente al acoplamiento entre la entrada y la salida del sistema.5 y 4.47) De todos los posibles valores de k. to) 1 y V(oo.5 respectivamente. . . Por tanto. to) T . k = 1/2 Y con E diag Gi . • Una propiedad interesante de la realización internamente equilibrada es que ambos elipsoides de controlabilidad y observabilidad del sistema coinciden y se encuentran alin­ eados con los ejes de coordenadas en el espacio de estado. que todas las variables de estado aportan energía a la salida en igual cuantía. to) E 2 = = k = O. tO) T k E 2 . to) = E 2 Y V(oo. to) 1 V(oo. que se corresponden respectivamente con: k = k = 1/2: k = o: Una realización se llama equilibrada a la entrada o normalizada a la entrada si W(oo. k = 1 .

2. siendo los más conocidos: Método de Cholesky Se trata de un algoritmo recursivo que comienza con i = 1 y: (4. = t Descomposición de Cholesky y Sea M una matriz de elementos reales. l::.51 ) Nótese que: (4. simétrica dicha matriz se puede descomponer como: definida positiva.50 se podría haber realizado la descomposición de L&Lo VEUT . to) V(oo.48) (4.52) Nótese también que en el paso descrito en la Ecuación 4. se calcula la descomposición en valores singulares (véase :1: en esta sección) del producto de los factores de Cholesky: (4.9.9. to) = = LeL& L o Lb (4.50) y a partir de ella se construye la transformación a la realización internamente equilibrada: (4.49) donde Le y L o representan los factores triangulares inferiores de Cholesky de los gra­ mianos de controlabilidad y observabilidad.53) siendo tivos. Un ejemplo de cálculo de una transformación contragrediente se puede ver en el Ejemplo 4. respectivamente. A continuación.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.54) . entonces (4. L una matriz triangular inferior. con los elementos en la diagonal posi­ Existen varios métodos para el cálculo de la factorización de Cholesky. REDUCCIÓN DEL MODELO 201 4. lo que simplemente hubiera intercambiado los papeles de U y V.8.

S i ahora s e define la matriz como: 1 __ b'l· . [ Ii.l Li = O O (4. li .¡m:¡. ili mii Ll = para i > j l�k M (4.202 CAPÍTULO 4.1.58) Repitiendo esta operación para i = 1 . la matriz Mi tiene la forma: donde denota la matriz identidad de dimensión i .59) l l. m . n . OBSERVABILIDAD En el paso i-ésimo.55) entonces se puede escribir: donde: y'mii O (4.57) (4. m2n · · · mn l mn2 mnn ][ In l2 1 . . .62) k= 1 es real y . . . se obtiene Mn + = Entonces la matriz triangular inferior L que se está buscando se calcula como: Métodos de Cholesky-Banachiewicz y de Cholesky-Crout Escribiendo la ecuación completa de la descomposición M [ mn m 1 2 .61) - (4. . . tras n pasos. In' ln2 lnn I g l2 1 l22 = LLT : O O (4.62 siempre positiva si definida positiva. .56) (4." m2 1 m22 . . . 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.l m' .

4. V es una matriz ortogonal de dimensiones n x n y S es una matriz diagonal única de dimensiones m x n con elementos reales y no negativos en orden descendente: CTl M = USVT � � CT2 � • • • CTmín(m. Si se supone que m � n y rang o(M ) = r < n.9. :j: Descomposición en valores singulares (SVD) m Cualquier matriz real M de dimensiones x n puede ser descompuesta como: (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. las columnas de V se definen como los vectores singulares por la derecha de M.fila por fila. Calcular la descomposición en valores singulares consiste en calcular los valores y vectores propios de MMT y de MT M..64) Los CTi son los valores singulares de M. REDUCCIÓN DEL MODELO 203 De esta forma se puede calcular el elemento l ij conocidos los elementos a su izquierda y arriba. entonces: (4. las columnas de U se definen como los vectores singulares por la izquierda de M. .. El cálculo se ordena entonces en cualquiera de las dos . y [ E O ] si m < n y además S se convierte en una matriz de dimensiones r x r. /:::.64. formas siguientes: • El algoritmo de Cholesky-Banachiewiez comienza por la esquina superior izquierda de la matriz L y �rosigue .65) [�] si m � n.63) � donde U es una matriz ortogonal de dimensiones m x m . mientras que los de M™ son las columnas de la matriz U. disminuyendo su dimensión en consecuencia las matrices U y V.n) O (4. • El algoritmo de Cholesky-Grout comienza ·por el 'elemento de la esquina superior izquierda y prosigUe columna por columna. Los autovectores de MMT constituyen las columnas de V. Los valores singulares de S son las raíces cuadradas de los autovalores de MMT o MT M.

En segundo lugar. se debe siempre alcanzar un compromiso entre simplicidad y precisión. Se toman los valores singulares de Hankel y se descartan los que sean significativa­ mente inferiores a los demás. podrían ser despreciadas. no se puede especificar un criterio general de reducción. 2. sino enunciar las guías para proceder con esta simplificación. como en cualquier algoritmo de aproximación.3. por lo que si se tratara de un modelo de caja negra. enunciado en la Sección 4. El grado de simplificación del modelo no se puede precisar a priori. respectivamente. se comportaría aproximadamente como Xc y X3 a la vez. son variables difíciles de controlar y de observar. se reducen las matrices del sistema de la . 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. 4. D ) .8. e.204 4. B. (A. B. 3. Esto tiene dos consecuencias claras: • [�] En primer lugar. que las entradas repercuten débilmente en su valor y que sus variaciones no afectan significativamente a la salida. Si el teorema de realización mínima de Kalman. La idea básica en la que se basa la reducción del modelo es la siguiente: supóngase un sistema exprsesado en su realización internamente equilibrada. el modelo resultante de orden reducido se comportaría aproximadamente igual al original. Dado un sistema definido por las matrices e. • Por lo tanto. conservando las propiedades de estabilidad y equilibrio interno. 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 procedimiento de reducción es el siguiente. sino que vendrá fijado por las necesidades de exactitud con la que se deba reflejar el comportamiento real del sistema. n . OBSERVABILIDAD En la determinación de un modelo reducido equivalente. lo que significa. Reducción del modelo CAPíTULO 4. Por lo tanto.9.66) donde I k es la matriz identidad de dimensión k. son variables que contribuyen muy débilmente al acoplamiento entrada-salida del sistema. se aplica al modelo internamente equili­ brado para el que X l se toma como una buena aproximación a XC Q . y dada la característica anterior. El motivo que justifica esta aproximación es que los modos de segundo orden despreciados se asocian a variables de estado que en la realización internamente equilibrada poseen una controlabilidad y una observabilidad significativamente bajas. dada la realización que se está manejando. D): 1.

O) = O 80640 O1 4032 151 O O . En primer lugar se calculan los gramianos de controlabilidad y observabilidad: 1 .14132 W(oo.k últimas filas de la matriz B.403 5040 693 21697 21344 6720 23 560 11543 305 673 56 2693 115 20 2304 107520 V(oo.4. El modelo resultante de la aplicación de estos cuatro pasos es un modelo de orden reducido del mismo sistema que posee aproximadamente la misma relación entrada-salida que el sistema original.�OO -�40 5 O �1 -20 x(t) + [�1 1 u (t ) plantear los posibles modelos de orden reducido. /::.9.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 [ =. REDUCCIÓN DEL MODELO • 205 • • Se eliminan las n . C.tI 1 1 .8 Dado el sistema descrito por la realización mínima: x(t) = y(t) = [ 3 [ -��84 1 O O ] x(t) � � . . Se eliminan las n . Ejemplo 4.80640 O 1 80640 0 .k últimas columnas de la matriz A.k últimas columnas de la matriz Se eliminan las n .

032 -0.001 0.186 0.195 0. se procede a la descomposición en valores singulares del producto: resultando: -0.002 0.156 ] ] .0986 -0.690 -4.00109 O O -0. las matrices del sistema resultan : A _ - [ [ J ] IO .238 -0.380 -0.134 2.018 -0.001 0.434 4.561 -0.0001 O -0.018 -0.00488 O E= ° O [ [ [ LbLc = UEVT 0.516 -2.612 -0.680 -0.198 12.456 6.014 0.946 -0.763 -2.332 0.997 U = -0.751 -0.483 -2.471 O 0.803 0. y a partir de estos valores se genera la matriz de transformación a la realización internamente equilibrada del sistema: Aplicando esta transformación.397 0.604 0.951 -0.018 -0.214 -15.562 -0.803 0.264 0.134 -4.307 -0.647 3.020 0.612 .248 -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.992 -0.690 3. OBSERVABILIDAD y' 229 35 1 o 2231 203609280 1 4 64009 32"'3054 1 39202 1 0 Lo = 48 2209 24"' 1 49 1 9962933 6348 1 1 .264 -4.0724 -0.195 0.0005 -0.533 0.008 0.10.729 O O 0.206 4 293� 48 1 697 48"'80 1 85 3 y' 2��1 64 CAPíTULO 4.632 V = -0.238 -0.033 -0.099 -0.646 -0.' ] ] -0.308 -0.404 0.308 0.073 0.776 -o.163 -0..

. y el de orden dos.10.098 -0.098 -0. 004 0 . . \\ \\ \ \...00109 O O O O 0.. O) = E = [ 0." \.086 -0.008 207 C = [ -0..238 -4.098 Cl = [ -0..086 -0. eliminando la cuarta variable de estado de la realización internamente equilibrada .434 4..763 2.. 002 ! !¡ ¡ ¡ :! .046 0. por lo que se puede plantear un modelo reducido de orden dos. O) = V(oo.046 ] ] cuya respuesta impulsional es la que se representa en la siguiente figura: 0 .. eliminando la tercera y la cuarta... ..612 ..4. el modelo de orden tres. _... ..612 -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..0001 O O O O 6. \. .803 -2..803 -4. Se plantean dos alternativas..9. .. 006 0 . 008 0 .086 0.. REDUCCIÓN DEL MODELO B= [ ] -0...238 -0.008 ] siendo los gramianos matrices diagonales con los valores singulares de Hankel del sistema ordenados de forma descendente: W(oo..098 -0...086 0.. ...647 -0... . .046 ] -0..... \" \\ ... • Eliminando la cuarta variable de estado se obtiene el modelo de orden tres: Al = Ih = Yl ( t ) [ [ -0.00488 O O O O 0. ... b.046 0.. : ¡ ¡ ! ! \ :.

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

EJEMPLOS ADICIONALES 209 pudiendo concluirse que ambas aproximaciones son suficientemente buenas (de hecho la respuesta del sistema original y la del sistema de tercer orden práctica­ mente coinciden) . Ejemplo 4.3t + 3e. para dejar únicamente la porción debida a la evolución libre desde el estado inicial: A continuación. En este caso se hace sin especificar el tiempo de observación de la salida . Ej emplos adicionales Determinación del estado inicial en presencia de ruido a la salida Se va a suponer que se desea determinar el estado inicial a partir del que evoluciona un sistema determinado por las matrices: A= [� -1 -2 O o O O -3 1 .2t + 2e. se descuenta de la salida medida la parte corres­ pondiente a la excitación producida por la entrada. se ha de calcular el gramiano de observabilidad del sistema (ya calculado en el Ejemplo 4.2) : y.9 4. Para simplificar. se supondrá que el ruido es una senoide. y para poder determinar el estado inicial . en el sentido de que se obtendrá un valor distinto al cambiar el periodo sobre el que se realiza la evaluación. por lo que el estado inicial depende de t .01 sin( lOOt ) Para calcular el estado inicial . a partir del conocimiento del gramiano de observabilidad.4e . con lo que dicha salida medida es: Ymedida (t) = 1 .t + 0.10. 10.4. C= [ l 2 3] cuando la salida ante escalón medida es la salida real corrompida con un ruido. Esta dependencia sólo ocurre en el caso de que haya errores en . se puede despejar la estimación del estado inicial.

4 6 4 -2 -4 .2 -5 0.X0 3 0. . a medida que se aumenta el intervalo de la salida utilizado para su cómputo (columna de la izquierda) y el error cometido respecto al valor inicial real (columna de la derecha) para cada variable de estado: X Ol e XO l e . provocan un error en la estimación del estado inicial .8: En las siguientes gráficas se representa la evolución del valor de la esti­ mación. A medida que el intervalo se amplía .2 X0 3 e 0. como se vio en un ejemplo anterior. En caso de que las medidas sean perfectas. no se produce.3 -6 -8 0.2 -5 10 -15 X 02 e 0.4 2 0.5 t 10 5 O. OBSERVABILIDAD el modelo o en la medición. modelados en este caso como una senoide de alta frecuencia superpuesta sobre la salida real .5 t -10 -15 -20 X0 3 e .5 10 5 0.4 0.210 CAPÍTULO 4.4 0.4 0.5 t 20 15 0.3 0.3 0. Particularizando la Ecuación 4. tanto mayor cuanto menor es el intervalo utilizado. lo que matemáticamente se refleja en valores pequeños para el determinante del gramiano de observabilidad. los errores tienden asintótica mente a desaparecer.3 0.XO I 20 15 0.3 0. 0. los errores en la medida de la salida.5 t Como se puede apreciar en las figuras.

por lo que ésa es la dimensión del subespacio controlablé'del SIstema. en este caso los tres primeros: .4.10. se extraen tres vectores columna linealmente independientes de dicha matriz.10 Separar en sus partes controlable y -o bservable el sistema dado por las ma­ trices: 2 3 -3 . para lo que se utiliza'tel estudió mediante las matrices de controlabilidad y observabilidad: e= B � UJ [ -4 4 2 4 -4 O O O -1 O TI -2 -4 -2 [ -3 3 2 O 5] O 2 ' 2 -2 3 3 -3 6 2 - '-5 5 5 -5 El rango de la matriz Q es 3 . PaFa obtener su basE!.10 -2 -11 191 - 18 2 17 -17 15 1 . EJEMPLOS ADICIONALES 211 Separación en subsistemas Ejemplo 4.2 A = -3 O -3 -3 3 3 En primer lugar es necesario conocer las dimensiones de los subespacios controlable y observable del sistema .

[e1 [ 3 1 [ 3 3 -3 . OBSERVABILIDAD 2 o o 8 o 6 8 o 14 -6 2 o 26 18 2 o 50 � Vl2 V22 V32 V42 V52 O 15 9 -4 6 .] [H] [ CA CA 2 C A3 C A4 = -6 -12 -24 -48 3. por lo que la dimensión del subespacio no-observable es 2.10 18 2 -2 2 -2 2 Vll V2l V3l V4l V5l � sabiendo que la dimensión de la intersección es 1.212 En cuanto a l estudio de controlabilidad: P= siendo el rango de la matriz P también 3 . por lo que primero se calcula la dimensión de dicha intersección: y. Para calcular la base de dicho subespacio se recurre a obtener el n úcleo de la transformación lineal definida por la matriz de observabilidad: y despejando se obtiene que la base del subespacio no-observable es: Para calcular la matriz de separación de parte observable y controlable es necesario calcular la intersección entre los subespacios controlable y no­ observable.3 CAPÍTULO 4. se plantea la ecuación: .

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

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

c) Determinar si son observables los siguientes puntos: d) Obtener la salida del sistema ante entrada nula. Además . � [�1 E BN . una posible base del subespacio no-observable es: e) Al no ser observable el sistema. . 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: [ _ .. si existe.O => Luego es no-obs . 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. 1 1 .V2 = + V2 = O O y..vable.� = _ �1 ::::} P: por lo que cualquier vector que cumpla con la condición de ortogonalidad es de la forma: � � ] [ �� 1 [ � ] V3 = { VI -2 V I . los puntos propuestos son tales que: x. no existe ningún punto que sea observable. por lo tanto. ¿ Qué conclusiones se pueden obtener analizando las respectivas salidas ? = C rango(P) = 2 4 1 O CA2 Luego el sistema no es observable. ¿ Qué conclusiones se pueden obtener analizando las respectivas salidas ? Obtener la salida del sistema ante entrada esca16n unitario. b) Dado que el sistema no es observable existe un sub espacio no-observable cuya dimensión es 3 2 1.4. . 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 [ -.

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

2t + e .4.2 + e .t + 2 2 - t => Yb ( t ) = e . habrá que sumarle a la salida el término debido a la evolución forzada. independientemente de la entrada que actúe.t + t => yc(t) = e . .2e . T)BU(T) dT = to e 2t e t � e �t = l to o o e-t e " [1 1 o [ 1 = [ 1 1 o] f. no existe ningún punto observable.11.+ 1 .2t 1 2e .2t = 1 + 2e . 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.: [ 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 . Yc(t). lo que confirma que. que es independiente del estado inicial: t jj(t) = c l �(t.2 t = 1 + 2e .2t e . cuando el sistema no es observable.2t e .

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

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

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

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

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

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

OBSERVABILIDAD se tiene que: Xl y Por otra parte. puesto que no repercute en modo alguno sobre la controlabilidad del sistema. por lo tanto la salida no es controlable. Del tercer bloque se tiene: = Xl X5 = X - l + X5 +U finalmente del último bloque: Con lo que el modelo en forma matricial queda: .OO1 O0 1 -1 O -� y . la matriz de controlabil­ idad de la salida es: donde rango(CQ) = 1.224 CAPÍTULO 4. De otra parte. por lo que no será posible llevarla a cualquier par de valores arbitrarios desde condiciones iniciales nulas como propone el enunciado. x= -1 -1 b) La matriz de controlabilidad es: OO1 . 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. la X2 del enunciado no puede ser variable de estado junto con la Xl . 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 .

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) = 4.11. d) Como el sistema es observable. y dado que el sistema no es controlable. X2 es la velocidad angular y X l es el ángulo girado. Utilizando sólo la salida Yl . no lo será cualesquiera que sean las variables de estado elegidas para su representación. serán observables cualesquiera variables de estado en las que se exprese. la matriz de observabilidad reducida sería: 2 O -4 -1 4 1 o1 Pl = [ O 2 -4 4 O O 2 -4 1 -1 1 -1 0 O O O ] donde rango(P¡) = 3. con rango(P 2 ) = 3. donde es la tensión en bornes de entrada. . Del mismo modo. Utilizando sólo la salida Y2: P2 = [ 1 O -1 1 O O 1 -2 O O O O 1 -1 1 -1 ] 4. u El sistema de la figura representa la función de transferencia de un motor.4. por lo que el sistema es observable y sí se podría construir el observador. hacen falta las dos salidas para poder hacerlo. por lo que no sería posible construir el observador. por lo que usando la segunda salida tampoco sería posible construir el observador.

l = De esta forma. V2 = T. ¿. de controlabilidad Q y de observabilidad en la base formada por las variables de estado X l y X 2 . [ OO _1� ] x + [ ¡ ] = [ 1 O ]x O . qué entrada conseguirá que. el sistema esté en ese mismo estado al cabo de 2 segundos ? CAPíTULO 4.1� I I T v} X l = X2 K X2 = . que llevan respectivamente al sistema desde condiciones iniciales nulas a los estados oV y IV en dos segundos.. + 1 >' = 0 => [ OO -. [ -i �1 ] [ �:� ] = [ � ] = V2 l = -TV22 . Si se conocen dos entradas U l (t) Y U 2 (t). por columnas.X 2 + T T . expresado en forma matricial. queda: x= a) • y Matriz de transición . Calcular igualmente una matriz de cambio de base Tk . que cons­ tituyen. OBSERVABILIDAD P. el paso previo es el cálculo del modelo de estado que represente al sistema. la matriz de transformación a la forma diagonal de la matriz A: Se calcula primero el polinomio característico para hallar los polos del sistema: = >'(>' + f ) det(>'I . En este caso dicho modelo es: eP.226 a) Calcular la matriz de transición b) Como siempre.. >.1 ] [ Vl2 ] = [ OO ] Vu [�] Vl 2 = O. [1 [O[1 1 modelo que. la matriz de transformación queda: [ O1 -T1 ] [ !'1 ] . partiendo del estado inicial V. 1 u Para los valores propios hallados se calculan los vectores propios. que separe al sistema en sus distintos sub­ sistemas.A) = >.

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

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

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

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

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

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

pero en la que se ha suprimido el cero de cadena abierta introducido por el mismo. Realimentación del estado Dada la realización mínima de un sistema.1: se cumple: Figura 5.5. 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. mientras que en la estructura clásica es necesaria la con­ strucción de derivadores puros de difícil realización física.2) . de forma natural. REALIMENTACIÓN DEL ESTADO 233 Este esquema de control es equivalente al representado en la siguiente figura. la evolución de las variables del sistema . x(t ) y(t ) = Ax(t) + Bu(t) = Cx(t) + Du(t) (5.2. 5. representada en la Figura 5.1: Sistema con realimentación de estado. Se observa que este esquema representa una estructura clásica de control con un regulador de tipo PO. 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. actuando solamente sobre la señal de error de la salida.2.1) (5. mediante unas pocas operaciones del diagrama de bloques.

.3. 5. + b 1 .1 dn y dy dn u dn .+ aoy = bn . dado que normalmente va a haber menos entradas m que variables de estado n.4 ) K. siendo: r < n. quedando reducidas las restantes ecuaciones a identidades independientes de los valores de los elementos de 1 ( 5.3 ) ( 5. la inclusión del lazo de realimentación.7) .5 ) Se puede cambiar la matriz Ar que representa la dinámica del sistema realimentado mediante la libre elección de la matriz K.234 CAPÍTULO 5. A raíz de la afirmación anterior.3. porque dicha expresión representa n x n ecuaciones (dimensión de A) con m x n incógnitas (dimensión de K). surge la pregunta de si se puede elegir cualquier matriz Ar y si siempre se puede despejar la matriz K que verifique la Ecuación 5. como se verá en este capítulo. a través de la matriz constante K.1 -.+ bou dtn dt 1 dtn dtn .y + . podría darse el caso en que no fuese así. en particular sus polos. . Si así se intentara.+ an . . CONTROL POR REALIMENTACIÓN DEL ESTADO ecuaciones ya conocidas para un sistema lineal invariante. 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.+ . 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 d n . en el que el número de ecuaciones superaría al número de incógnitas. 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 1 .+ bn . .6 ) Vi> r bi = O ( 5. eligiendo adecuadamente Ar y despejando K de la Ecuación 5. No obstante. :3 ( 5.5.1 y du . no va a ser posible ajustar los n x n elementos de la matriz Ar de forma arbitraria. La solución a este primer problema pasa.5. 5. Sin embargo. resultaría un sistema incompatible. puesto que no se cuenta con los suficientes grados de libertad en la matriz K para ello. 1. de forma que el sistema se torna compatible. La respuesta es negativa.1 dt dt -- siendo ésta su expresión más general. con el máximo orden de derivación de la entrada igual al de la salida. por lo tanto se pueden cambiar las propiedades del sistema.

13) . . CONTROL DE SISTEMAS MONOVARIABLES 235 es decir.bnao bl . .a l k3 . .2 . Denominando al polinomio característico del sistema en cadena cerrada que se desea obtener con la realimentación del estado (y cuya expresión vendrá originada al traducir las especificaciones formuladas para el sistema realimentado en las posiciones que deben ocupar sus polos ) : Pr ( S ) Sn + an .bnan . .9) Este sistema puede ser representado mediante variables de estado.an-l 1 y la matriz e de salida permanece sin cambios.ao -a l -a2 1 O O O 1 O [ k l k2 k3 .l -ao -a l -a2 y(t) [ bo . . 1 2) k l . 1 1) Si se realimenta como se ha indicado. bn . el sistema resultante tendría una matriz Ar de la forma: Ar (A + BK) O O O O O O = = 1 O O O 1 O O O O O + -.lS n . Transformando por Laplace: ( sn + an_l Sn .l 1 O 1 O O = (5.a2 kn . + a l S + ao = . (5.8) de donde se puede extraer la función de transferencia: o G(s) bn_ls = bsnnsn++an_l Snn--l l++. -an .l + .bn an .bn a l . . u (5.l + . + blS + bo ) .l ] x(t) (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. . .l ..3. kn ] . . Entre las infinitas posibles representaciones que admite. ++abl sl S++aobo (5. que puede haber casos en los que el mayor orden de derivación de la entrada sea inferior a n. .2 bn . + a l S + ao ) y = (bnsn + bn_lsn . 10) 1 -an . .5.l + .ao k2 .

k+)sn_ll s+ . .O!i .3 .l . bn . bn .O!n . La función de transferencia del sistema realimentado queda entonces: Ejemplo 5. .1 ± j Y S 3 = -10 . . . se calcula el polinomio característico del sistema ya realil Véase Sección 1. . 1 6) 1 - con lo que se comprueba que. De la forma de estas dos matrices depende la posición que tomen los ceros del sistema realimentado. .l . se toma la Ecuación 5. los coeficientes del numerador de la función de trans­ ferencia siguen siendo los mismos que para el sistema sin realimentar.bn ao . aunque se produce un cambio en la ecuación de salida del sistema al pasar de C a Cr.236 CAPÍTULO 5 . . .l . 1 4) y(t) = Cx(t) + D (v(t) + Kx(t)) = (C + DK)x(t) + Dv(t) con lo quel (5.2 sn b n . i = 1.bnO!n .l . n (5.3 y se introduce en la ecuación de salida del sistema sin realimentar: ki = ai . (a +-bIS + bo (ao . bn . Para calcularlas.++. los ceros del sistema no se modifican al realizar una realimentación del estado en un sistema monovariable.bnO!o . .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 . an . .7. sabiendo que la matriz B va a permanecer sin modificaciones al estar representado el sistema realimentado en su forma canónica controlable.l ] + bn [ ao . 1 5) Dr = D = bn . 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. • Cr = C + DK = = [ bo .l n n- (5 . .bn an . por tanto. mientras que: .bnan . En primer lugar.l .12: Falta por determinar la forma de las matrices Cr y Dr.l ] (5.bn ao + bn ao .l .k ) l k2 )s + l n. M(s) = s n + (a bn. .l + bn an . .l ] = = [ bo .O!o . 2 = .bnO!n .l .bnO!o . que forman la ecuación de salida del sistema tras la realimentación.

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

y que es la inversa de la matriz de transformación. a la hora de implementar el diseño de la realimentación calculado mediante este algoritmo. así que es invertible. 18) rango(Q) = n.20) .2. puesto que es capaz de fijar simultáneamente todos sus polos. el numerador permanece inalterado. 19) ¡ T.238 CAPíTULO 5. Obtención d e l a matriz d e transformación a variables de fase En este apartado se va a ver cómo se obtiene la matriz de cambio de una representación de estado cualquiera a la representación del estado en variables de fase.l : � (5. la matriz Q Q -' a partir de la última fila.1 e (5.3. de la siguiente manera: [ :t 1 e (5 . Partiendo de la matriz de controlabilidad de un sistema monovariable: Q = [ B AB se supone que el sistema es controlable. Sin embargo. se construye una matriz que se denominará Te l . hay que tener en cuenta que se ha realizado sobre la repre­ sentación del estado en variables de fase. este algoritmo tiene una probada eficacia en el ajuste de la dinámica del sistema. por lo que existirá Q . por lo que será necesario introducir una trans­ formación del estado para hacer posible la construcción de los lazos de realimentación. no es posible modificar el comportamiento en régimen permanente a voluntad. Por tanto.: . normalmente este conjunto de variables no se corresponde con ninguna magnitud física. e. Por otro lado. Esta transformación se estudia en la siguiente sección de este mismo capítulo. sino simplemente como consecuencia del cambio en la posición de dichos polos. 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. 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.

que se han de convertir a las variables accesibles del sistema. ya que a su vez.3. correspondiente a las variables de fase. La consecuencia de este hecho es que la ganancia del sistema en cadena cerrada: M(O) = ao bo k - 1 (5.3. por tanto. Éste será un proceso de prueba y error.3. mediante la modificación de los parámetros del polinomio característico.22) 1 B = Te 1 B = (5. el polo libre se puede posicionar en un punto no deseado.5. se obtiene una matriz de realimentación K. posiblemente no deseado.21) o O (5.23) O 1 Con la matriz Te se pasa de la representación mediante las variables de estado elegidas inicialmente a la representación mediante variables de fase. A = T e 1 ATe = x(t) = Tex(t) 1 O o O 1 O O O O O O (5.2: u(t) = v(t) + Kx(t) = v(t) + KTc 1 x(t) '* K = KTc 1 (5. los ceros del sistema permanecen invariantes. El problema de la ganancia Tal como se ha indicado. Una primera solución a este problema es sacrificar el posicionamiento de un polo. caracterizada por las matrices Á y :B. al fijar la ganancia y el resto de los polos.25) puede tomar cualquier valor arbitrario. En cambio. CONTROL DE SISTEMAS MONOVARIABLES 239 La matriz de cambio es Te. . Si con esta matriz se hace una transformación de estado. se obtiene el estado representado en variables de fase a partir de cualquier otra representación.24) 5. que queda libre. la inversa de ésta (se demuestra que Te? es invertible) . el control por realimentación del estado permite la locali­ zación de los polos del sistema en los puntos que se desee. según se muestra en la Figura 5 . para fijar el término independiente del polinomio característico. el polinomio numerador y. Si se aplica a estas matrices el procedimiento descrito en el apartado anterior.

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

Obsérvese que. Ko. Debería acudirse entonces a algún planteamiento alternativo. -0. tal como se indica en la Figura 5.. la posición del tercer polo cambia.5. = a= Una segunda opción consiste en añadir al esquema anterior un parámetro adicional. y(t) Figura 5 .polo. No es posible cumplir con todas las especificaciones impuestas: si se respeta la de régimen permanente. dado que se acepta como esta posición para el tercer . En esta situación este tercer polo es dominante frente a los otros dos. no se puede cumplir con la de régimen dinámico.5. se pueden elegir la ganancia y los polos arbitrariamente. la función de trans­ ferencia del sistema realimentado será: es decir. v(t) _--.26) Sea la función de transferencia: . los preasignados. En el caso de que se quiera mantener la misma ganancia que se tiene en lazo cerrado. CONTROL DE SISTEMAS MONOVARIABLES 241 cualquier caso. 2 . si el sistema está expresado en variables de fase.3: Adición del parámetro Ko.4 (5. por tanto.3. se continuaría obteniendo la matriz K. y viceversa . para fijar la ganancia. Ejemplo 5.3. de tal forma que no se respeta la hipótesis de dominancia. siendo ao 1 y.

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

l bn _ 2 S n . 3 .5.28) 1 . de modo que la función de transferencia en cadena abierta sea del tipo adecuado para luego realimentar la salida.an . .10 Es importante tener en cuenta en este planteamiento que no hay necesidad de realizar la validación de la hipótesis de polos dominantes. y la misi 6n del sistema de cont rol que se va a diseñar es conseguir situar los polos en cadena cerrada en esos lugares.1 La idea es realizar primero una realimentación del estado que conserve el tipo del sistema para luego añadir una realimentación de la salida.10 .4. La función de transferencia es entonces de la forma: sn .27) s + an _ l Sn . sobre su valor en régimen permanente.10 . D iseño de servosistemas En el caso de ser crítica la ganancia y necesitar que el sistema no sea sensible a las perturbaciones e inexactitudes del modelo. como se muestra en la Figura 5.7 -3 . de modo que globalmente se sitúen los polos en los lugares deseados. como se desea en los servosistemas. que el sistema es ya de tipo 1. es decir.3 .4 .l bn . . por lo que los sistemas resultantes son sensibles a las perturbaciones e inexactitudes del modelo. En este apartado se va a estudiar cómo compatibilizar el control por realimentación del estado con la realimentación de la salida. en primer lugar. la única solución fiable es incrementar el tipo del sistema. 5 . no efectuando un verdadero control en cadena cerrada sobre la ganancia del sistema.l + . -22 1 - o o U 1 O 1 O O 2 -1 =>K = [ ] 243 [ 1 O 57 � 45] + 27[ � 1 El inconveniente de ambas soluciones es que el control de ganancia se efectúa en cadena abierta. Se va a suponer.2 + . 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. CONTROL DE SISTEMAS MONOVARIABLES [ * 1 k2 k 3 ] Ko . b I S + bo G(s) = bn _ l n (5. 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 . 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. .

33) . por tanto.al .Kob2 1 .y) = Kor .KoBC = Se obtiene.31) (5.32) O O O O 1 O O O O 1 O O O O O kn ..KoBC x + KoBr Ar = A + BK .29) se obtiene como nueva matriz del sistema: o O Á = A + BK = 1 O O 1 O O (5.a2 . Si sobre este sistema se realiza una realimentación de la salida con un control pro­ porcional Ko. Si se realimenta entonces el sistema con una matriz: (5. y (t ) Figura 5 .al k3 . se obtiene el sistema de la Figura 5.l .an .244 CAPÍTULO 5 .l (5.a2 es decir.Kobl k3 .Kobn .Ko bo k2 .5: u = Ko (r . un sistema de tipo 1 con todos los polos modificados. un sistema realimentado con matriz de sistema: ( ) (5.KoCx x = Áx + Bu = Áx + KoBr .4: Realimentación en sistema de tipo uno. CONTROL POR REALIMENTACIÓN DEL ESTADO .KoBCx = Á .r------.30) O O O O k2 .

CONTROL DE SISTEMAS MONOVARIAB:tES 245 Figura 5. por ser un sistema de tipo 1 en cadena abierta. 2 = . el estado. Obsérvese además que.10. y en otro externo la salida .O para que todos los polos del sistema se puedan fijar a voluntad.1 ± j y 8 = . G ( _ Para conseguir cumplir con todas las especificaciones.3 . y dado que el sistema es de tipo 1 en cadena abierta .3 y=[ 6 3 0 ]x [� � � l [ �1 l x+ u .5 Diseñar un sistema de control que haga que el sistema dado por: 38 + 8 ) . tendrá un error de posición nulo en cadena cerrada.5: Control proporcional del sistema anterior. Ejemplo 5. respetando el tipo del sistema .5.8 3 + 38 2 6 78 + tenga sus polos en 8 1 . por lo que basta con que bo 1=. siendo además ep = o. se realiza una doble realimentación como la explicada : en un lazo interno. El modelo de estado del sistema es: x= O -7 .

. CONTROL POR REALIMENTACIÓN DEL ESTADO Y el polinomio característico del sistema realimentado: p(8) = (8 1) 2 (8 10) = 8 3 + 128 2 228 20 por lo que la matriz del sistema tras la realimentación es: Ar = Con todo esto se resuelve e l sistema dado por l a ecuación: + + [� -Ko � -20 -22 -12 � � [6 + + � l 1 O 1 Ar =A + BK .6: Conversión a sistema de tipo uno. se puede incrementar el tipo del sistema añadiendo un integrador en el controlador. Figura 5.6.246 CAPÍTULO 5. obteniéndose la estructura de la Figura 5.7 -3 3 Ko = lO 3 K = [ O -5 -9 ] En el caso de ser un sistema de tipo O.KoBC -22 -12 O 1 � resultando: l=[� l+[�l [�1 O .

[ Xjco ] = [ T . .a2 kn .an-l (5.37) y =[ O CT 1 [ :0 ] = [ O bo bl b2 . bn.38) r r = (5.36) = Si en la expresión anterior se efectúa el cambio queda la siguiente expresión: x = T:ié para pasar a variables de fase.39) Si se desea fijar la dinámica de este sistema de manera que su polinomio característico sea Pr (S ) . .35) (5. . se debe cumplir : (5.al k3 .bo OO1 Xl OO -O1 1 -O1 2 OO X2 + O X3 = O 1 O O O O Xn O Ko kl .1OBKo T. CONTROL DE SISTEMAS MONOVARIABLES 247 Las ecuaciones del sistema quedan en este caso: Xo x = r u es decir: .40) det(sI Ár) = Pr (S ) donde Ár es la matriz de la dinámica del sistema realimentado expresada en la ecuación 5.34) (5.5.38.l Xo b o .bOn .Cx Ax + Bu Koxo + Kx = [ Ko K ] [ � ] r (5.3.l ] - (5 .ao k2 .y = .1 (A CTBK)T ] [ xo ] + [ O1 ] = :ié + b .

garantizando además que + ++ + Dado que se trata de diseñar un servo y el sistema es de tipo cero. el objetivo es la dominancia de los polos com plejos conjugados. La adición del integrador supone la inclusión en el modelo de una nueva variable de estado. se sitúa este nuevo polo en cadena cerrada en 84 -10 . 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. Puesto que. • • + kn ] T . . CONTROL POR REALIMENTACIÓN DEL ESTADO Igualando los coeficientes de la anterior ecuación. k 1 . lo que fuerza a incluir también una nueva especificación para su posición en cadena cerrada . se procede añadiendo un integrador y realizando una doble realimentación .41) Diseñar un control por realimentación del estado.1 Ejemplo 5.248 CAPíTULO 5.1 -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 + + + = + + + . kn ). en este caso en variables de fase: x= 8 3 38 2 78 1 pase a tener sus polos en 8 1 . y la de la salida . para fij ar la posición de los polos. que tiene solución única con tal de que ba =1 O. para cumplir con las .6 (5. como se ha planteado. se obtienen n 1 ecuaciones con las n 1 incógnitas (Ka. En primer lugar se calcula el modelo de estado. Una vez resuelto este sistema de ecuaciones. según formula el problema . 2 = -1 ± j y 8 3 = .10. para que el sistema dado por: 38 6 ep = o. los valores del vector K de realimentación se obtienen deshaciendo el cambio de variable: + .

6.k2 )8 2 + (1 . con n variables de estado. o bien un valor de la ganancia en cadena cerrada.5.4 . del que se despejan los parámetros de la realimentación: =} }{ 100 Ko = 3 K= [ -139 . lo que se hace es plantear la igualdad de ambos polinomios caractarísticos.Ar l = 84 + (3 .8. 5. 5.7 det[8I .42) . up . invariante y multivaria­ ble.135 -19 ] Casos adicionales de control de sistemas garantizando.k 1 + 3Ko)8 + 6Ko = = 84 + 2283 + 1428 2 + 2408 + 200 6Ko = 200 1 .aO O O O -6 O O -6 O O -3 1 O k 1 .4. Si alguna de las variables de entrada no se utilizase en la realimentación del estado.k 1 + 3Ko = 240 7 k2 = 142 3 . las entradas del sistema pueden dividirse en dos grupos: las que se utilizan en la realimentación del estado. 1 ..1 k2 . dedicado al cálculo de la matriz Te. 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. La matriz B queda descompuesta consecuentemente en dos matrices. Un Y las perturbaciones externas que no se utilizan para controlar el sistema. por la forma de la primera fila de esta matriz. o bien el seguimiento de la variable de referencia pueden ser encon­ trados al final de este capítulo en los Ejemplos 5. según criterios que se explican en el subapartado siguiente. !:.k3 )8 3 + (7 . y las ecuaciones de estado se expresan de la siguiente forma: (5. m entradas y p salidas.. resultando: Ko k 1 . CONTROL DE SISTEMAS MULTIVARIABLES 249 especificaciones de régimen permanente) queda: Ar = [ Dado que en este caso. no se puede recurrir a la estrategia de igualar elementos con los de la matriz del sistema realimentado.4.7 y 5. por tratarse de perturbaciones del sistema o por no ser necesarias para su control.k3 = 22 - con lo que se forma el siguiente sistema de ecuaciones.

44) donde puede observarse que la matriz que determina la dinámica del sistema es: (5. la matriz Br se denomina simplemente como B. 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. se parte. pero utilizando la matriz de entrada correspondiente sólo a las variables de estado utilizadas en la realimentación Br. de la representación del sistema en su forma canónica controlable. que se obtiene mediante el cambio de base adecuado.250 CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO Efectuando la realimentación del estado mencionada: Ur ( t) = v(t) + Kx(t) (5.45) coincidente con la Ecuación 5. pero dicha matriz no interviene en el cambio de la dinámica interna fijado por Ar . intervienen en la evolución del sistema mediante la matriz Bp.48) = o 1 .5. Obsérvese que las entradas de perturbación. Para plantear el diseño del lazo de realimentación. dado por la matriz Te según se describe en el siguiente apartado. Con objeto de facilitar la notación en este apartado de sistemas multivariables. se le denomina con la letra m. coincidente con el número de entradas utilizadas en la realimentación.47) O 1 O O O (5.47 tienen las siguientes expresiones: • Matrices Aii : O O Aii 1 O O [�� 1 1 (5. y a su dimensión.43) la ecuación que expresa la dinámica del sistema realimentado queda: (5.46 y en 5.46) [ Am I Am2 B= Amm donde las submatrices que aparecen en 5. up. como en el caso monova­ riable.

49) que representan la dimensión de los subespacios controlados por todas las variables de entrada hasta la entrada i-ésima. cada una de las matrices Aij . que el elemento Qij está situado siempre en la fila i-ésima y en la columna j-ésima.a17i O O . Si se efectúa una realimentación del estado del sistema expresado en esta forma canónica controlable. donde igualmente los subíndices indican la fila y columna que ocupa un elemento. 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.5. cuyas dimensiones son ni x nj .aUi (5. mediante una matriz K. dichos subíndices re­ presentan la fila y la columna del elemento considerado. i+ l . con la nomenclatura de subíndices utilizada. fuera de la diagonal principal son de la forma: o O Aij = . es decir.51) O O 1 bu.4.50) 0'. con i f=.52) [� O O (5. f::" CONTROL DE SISTEMAS MULTIVARIABLES 251 de dimensiones ni x ni . de expresión genérica: (5.a17i O O . j. Obsérvese que. La nomenclatura de subíndices empleada sigue garantizando que éstos indican la illa y columna del elemento considerado . Los valores de (Ti se calculan como: (5. según se expone con detalle en el siguiente subapartado. � cuyas dimensiones son n i x m. de dimensiones (m x n ) . cuyo significado ha sido comentado anteriormente. • Por otro lado.a17i O O .nj +3 O O En cuanto a cada una de las submatrices que componen la matriz B. tienen la siguiente forma en la base canónica utilizada: B. • I7j -nj+ l O I7j -nj+2 O I7j .

.n 1 = 0"1 +. . . Por lo tanto. + bUlm kmj O k2j + bU23 k3j + . + nd = O"n = n (5. mediante la realimentación del estado efectuada sobre las variables de estado de la forma controlable. 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 + .5. + bUlmkmj óU2Í = -au2j + k2j + bU23k3j + . . O"n o O 1 O O 1 O O Ar = (5. .j ) = (A)(. .5. + bu2m kmj donde el valor de Óij es O ó 1 dependiendo de la fila y la columna considerada. tiene como expresión genérica de su columna j-ésima: (A + BK) (.54 según se indica en la Ecuación 5.53) donde se observa que.n 1 + n 2 + .55) Igualando las columnas j-ésimas de las Ecuaciones 5. puede probarse la obtención de la siguiente matriz Ar como objetivo de la realimentación del estado realizada: . . . 0"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. . CONTROL POR REALIMENTACIÓN DEL ESTADO se obtiene que la matriz de la dinámica del sistema realimentado. + bU2m kmj o +. dada por la Ecuación 5. a partir del polinomio característico deseado en cadena cerrada: (5. . la matriz que representa la dinámica del sistema realimentado A + BK se diferencia s610 en las filas 0"1 . según la . de forma inmediata.53 y 5.j ) + + k 1j + bU1 2 k2j + bU13 k3j + .252 CAPíTULO 5. · · · respecto a la matriz original del sistema sin realimentar A.

En total se obtienen n sistemas independientes de m ecuaciones cada uno de ellos. 5.56) En esta sección se tratará la forma de calcular la matriz Te para sistemas multivaria­ bles. que consigue el objetivo de control: que la matriz de realimentación Ar tenga la expresión dada en 5. se supone que el sistema es controlable. al contrario que sucede en el caso de control de sistemas monovariables. el sistema controlable. Obtención d e l a matriz d e transformación a variables de fase =j. cuya resolución es inmediata comenzando por despejar el valor de kmj de la últiina ecuación e ir subiendo de ecuación para despejar los elementos sucesivos de la 'columna j-ésima de la matriz K. que escapan al ámbito de este texto.1 para ai (5.1 para ai f:.5. En caso contrario será necesario realizar una separación de la parte controlable. que permiten resolver los m x n elementos de la matriz buscada K. cabe esperar modificaciones al comportamiento previsto del sistema por la posición que puedan tomar estos ceros.4.5.j = { O1 Obsérvese que para cada columna de la Ecuación 5. a partir de cualquier otra representación. . aquellos en los que existe más de una variable de entrada y/o más de una variable de salida. existiendo en general varios conjuntos de n vectores columna linealmente independientes de Q. Para obtener la matriz Te de transformación que representa el estado según la forma canónica controlable en sistemas multivariables. rango(Q) n. .4. j . Abi . El objetivo es obtener la forma canónica controlable para un sistema de estas características. Cabe destacar el hecho de que. En el caso de tener que ajustar también sus posiciones. en general. eligiendo siem­ pre para cada entrada las primeras columnas asociadas a dicha entrada bi . .5 se obtiene un sistema distinto de m ecuaciones con las m nuevas incógnitas pertenecientes a cada nueva columna de la matriz K.54.2. para los sistemas multivariables el control por realimentación del estado modifica la posición de los ceros del sistema. Para el cálculo de la matriz de cambio de base Te se procede de la forma explicada a continuación . se forma la matriz de controla­ bilidad Q: Q Al ser. como ya se ha supuesto anteriormente en este mismo capítulo para el caso monovariable. se obtiene un sistema com­ patible y determinado de m ecuaciones con m incógnitas. /:::. por hipótesis. Por este motivo. es decir. CONTROL DE SISTEMAS MULTIVARIABLES 253 expresión: 8<7.. sería necesario acudir a técnicas alternativas de control. = . trabajando sólo con ésta. Una vez que se tiene la seguridad de trabajar sólo con el subsistema controlable. Para cada columna de la Ecuación 5. Primeramente se eligen n columnas linealmente independientes de Q.

CONTROL POR REALIMENTACIÓN DEL ESTADO An i . . en general es conveniente elegir un número equilibrado de columnas asociado a cada entrada. . ésta no se utilizará en la realimentación del estado que se está diseñando. sobre ni columnas de de la matriz L. Si una entrada tiene asociado comparativamente un número elevado de columnas. se pueden elegir otras opciones.1 L. A continuación se ordenan las columnas. Así. significa que esa entrada servirá para controlar muchas variables de estado.58) donde m representa el número de entradas involucradas en la realimentación. Para calcular la matriz de transformación a la forma canónica. Por el contrario. agrupándose según su asociación a cada entrada. Esta elección de columnas es de gran importancia en el control que se está diseñando. en ! . se calcula la inversa de la matriz L: +. forzando a que su comportamiento pueda tener que tomar valores muy extremos para conseguirlo. se extraen las filas existentes en las posiciones finales de cada bloque. si no se eligen columnas asociadas a una entrada concreta. aunque dependiendo de un estudio del significado físico de las variables de entrada. .59) De esta matriz. tal como se ha descrito en el capítulo dedicado a la controlabilidad. puesto que el número de columnas asociadas a cada entrada indica el número de variables de estado que van a ser controladas con dicha entrada. Por tan­ to. en ! + . . formando la matriz L: L = [ b1 Ab 1 (5. + n "" a partir de las cuales se forma la inversa de la matriz buscada Te? . La entrada i-ésima ejerce su influencia.1 = (5.254 CAPÍTULO 5. por tanto.1 bi. una buena alternativa es elegir las primeras columnas linealmente indepen­ dientes de Q. desaprovechando sus posibilidades de control.

.5. + nm.7 Ej emplos adicionales Control de la dinámica de un péndulo invertido Se desea controlar el péndulo invertido (cuyo modelo de estado y funciones de transferencia se han calculado en el Ejemplo 1. + nm (5. EJEMPLOS ADICIONALES 255 de la siguiente forma: +.60) =n x(t) en la representación del estado correspondiente a la forma canónica controlable vista en el apartado anterior. inversa de la dada. . se calcula la correspondiente matriz K mediante lo descrito en el apartado anterior. 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. según se indica en la Figura L b a continuación .9 al final de este capítulo.n I + n2 + .2 Te I +.n I + n2 + .5. Ejemplo 5.8 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.I + 1 +. .1 +.5.61 ) Mediante la matriz Te . . obteniéndose como matriz de realimentación para las variables x(t) accesibles: (5. 5. . x(t): x(t) Tcx(t) Al igual que en sistemas monovariables. a partir de las matrices Á y B obtenidas con esta transformación.

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

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

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

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

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

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

debido a que la matriz de realimentación es muy elevada y con ello se disminuye de forma muy notable el error de posición (prácticamente nulo) .1 . 1 00 I E[u(t)]=473 .1 .8..:::====.6 N1 -1 50 �-�-""' 4 2 l 50 ---7-�----J l0 8 6 tiempo (s ) -50 0 02 04 06 tiempo (s ) 08 (a) Evolución de la entrada cuando (b) Evolución de la entrada cuando los polos en cadena cerrada se sitúan los polos en cadena cerrada se sitúan en . Figura 7: Comparativa de la evolución de la entrada utilizando la matriz de realimentación que sitúa los polos en . 25 2 r���---.1 y la que los sitúa en . que.1 Nw. Control d e posición d e l a base d e u n péndulo invertido Ejemplo 5. CONTROL POR REALIMENTACIÓN DEL ESTADO tener en cuenta la magnitud de la entrada que va a tener el sistema. partiendo de un ángulo inicial 0(0) = 100 Y una fuerza lateral de perturbación up (t) = 0. en las figuras anteriores. la anulación de este error es sólo posible con el sistema servoposicionador del Ejemplo 5.8 Se desea controlar no sólo la dinámica del péndulo invertido. es de -2 en el caso inicial en el que se utiliza una matriz de realimentación moderada con los polos en .-] 1�1 r--�---. sin embargo. Como se ha comentado. que será mayor cuanto más rápido se quiera hacer el sistema en cadena cerrada.======.10. esta nueva especificación del sistema de control garantiza un despegue en = . Suponiendo que el modelo del péndulo invertido utilizado es una simplificación del despegue de un cohete.10.10. de manera que ésta tenga un error nulo en régimen permanente ante perturbaciones en la fuerza lateral Up (t) . que el valor final de la posición x(t) es mucho más cercano a cero en el caso en que los polos están en . sino también la posición de la base x(t) . en . siendo éste un factor limitativo práctico importante a la hora de fijar la situación de los polos deseados en cadena cerrada. Obsérvese.262 CAPíTULO 5.

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

(b) Evolución del ángulo O.264 CAPÍTULO 5. 65 = � 1 0'r----�--. 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. 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. 5 = o Obsérvese que se consigue tener un error nulo en la posición x(t) del péndulo invertido. 25 19. tiempo (8 ) tiempo (8 ) � ��----�5�----�10�--�15 5 10 15 = = . 65 4..1 Nw. 75 ] I ntroduciendo los valores calculados de Ko y de la matriz K en la estructura de control propuesta.. se obtienen los siguientes valores de Ko y de los elementos de K: Ko = -0. 1 Nw y se parte de un estado inicial de 0(0) 10°.. 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. 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. 15 K K = [ -13 -25 -38 -7 ] 1. CONTROL POR REALIMENTACIÓN DEL ESTADO con lo que el polinomio característico en cadena cerrada vale: igualando la expresión anterior con el polinomio característico deseado en cadena cerrada. La matriz K de realimentación de las variables originales se obtiene mediante: = KTc 1 = [ 0.

5.5. EJEMPLOS ADICIONALES

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

265

1 01r---�----..., 5

-0 5

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

xre f

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

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

Figura

( a ) Evolución de la posición

3:

5

tiempo (8 )

10

15

x.

y

-1

( b ) Evolución del ángulo (J.
xre f

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

-1 se mueve a

1, el

xre f

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

10


e

10
5

o

( a ) Evolución de la posición

x.

tiempo (8 )

10

15

=

( b ) Evolución del ángulo (J .

=

=

266

Realimentación del estado en sistema multivariable

Ejemplo 5.9

CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

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

A=

-5

B=

�1
o -8 o

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

Q=

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

[

1 -2 2 1
o

o

o

1 2

o

1

2

o

1

2

-1 4 -6 -4

=

o

-2 -6 - 10
o

o

- 10

o -3 o

-1

-8 18

1

16

O

50

4 18
o

o

50

o 9 o

1

-1 16 - 54 - 64
O

-1 -27 - 250
o

- 54 - 250

o

1 - 32 162 256
O

16 162 1250
o

o

1250

o 81 o

1

1

Transformación a la forma canónica controlable multivariable

Se seleccionan cinco columnas linealmente independientes de la matriz Q .

5.5. EJEMPLOS ADICIONALES

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

1
'

1 -2 2 1 O

O 1 2 (j 2

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

1

]

267

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

[�

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

O -2 -6 O -10

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

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

-2 L- l = � 16 38 12 44

[

-S

-32 -8 26 10 24

24 6 28 2 -18

-66 -S -26 -2
-

-20 -22 4 7 40 6

t] ]

el

� �

e3

268

CAPíTULO 5 . CONTROL POR REALIMENTACIÓN DEL ESTADO

construyen por postmu ltiplicación por la matriz A .
1

Te -

de donde:

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

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

[�] [ [ [
e2 A e4 e4 A e5
-

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

-8 16 10 -20 24

6 -18 2 -6 -18

-26 104 4 -16 40

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

]

-2 10 -7 35 6

]

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

[ ]
O O O

]

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

Cálculo de la matriz de realimentación

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

5.5. EJEMPLOS ADICIONALES

269

ca controlable es:

Ar =

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

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

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

[�

[

jJ

k 12 k22 k32 O a23 O a43 a53

k1 3 k23 k33 O a 24 1 a44 a 54

k 14 k " k24 k25 k34 k35 5

a45 a 55

a21 = -

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

1

1

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

270

CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

y

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

a5 1 =

849 + k31

resolviendo el sistema se obtiene: 7
6

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

2

5

-5

- 19"

19"

87 19 5 06

226

- 10

19"

32 19 397

2 39 89 19 - 70 19

- K - :K T e 1 -

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

[ '"
1

361 26 96 361 - 92 19

443 361 420 361 22 - 19

654 - 361 2422 - 361 80 19

-

4404 361 5 1 54 361 207

1

19"

- 19"

1 4" 722 1 1967 361 164

1

Transformación a la forma canónica controlable multivariable

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

Qr =

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

2� � -44 -2 !188 ] [ 2
-1
O O O
-6 -6

O

O

- 10

16

O

5.5. EJEMPLOS ADICIONALES

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

271

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

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

[

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

O O O -�O
-2 -6
-7

O O
7

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

1

3 - 14

[ @l

1 [

Dadas estas matrices de transformación, la representación del sistema en

O O

272

CAPíTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

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

B = Tc 1 B =

[ [ �
T - '49

O O 416 - '49 O 20

1 O O 4
7

779

O 1 52 -T O O

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

-T

O O

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

�1
f

1

- -[

[i

k 12 k22 O 1 a33 O a53

k13 k23 O O a34 O a54

k 14 k 15 k24 k25 O O a a55

a3 1 = -

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

--

1

]=

--

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

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

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

a) Las tres variables representadas en la figura pueden ser variables de estado. utilizando el mayor número posible los polos del sistema duplican su valor. 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. la entroda U2 (t) al estado [O B Bj T . par­ tiendo de las condiciones iniciales X l 1 . CONTROL POR REALIMENTACIÓN DEL ESTADO 2.78 -9 ] c) Calcular el estado del sistema sin realimentar al cabo de dos segundos.276 CAPíTULO 5. con lo que todas son necesarias. se observa de variables representadas en la figuro. sabiendo que la d) Si en el sistema sin realimentar la entrada UI (t) conduce al sistema al estado [A A oj T . serán necesarias tres variables de estado para representar completamente al sistema. = = 1 . X3 = O. Justificar brevemente la inclusión o exclusión de cada una de ellas en el modelo. ¿ Cuál sería el valor de los polos antes de realimentar? que al realimentarlo con: b) Dado el mismo sistema expresado en su forma canónica controlable. K = [ -168 . dado que el sistema es de tercer orden. puesto que todas ellas aparecen como salidas de un bloque en el qu� el nu­ merador es de orden menor que el denominador. calcular la entroda U (t) que conduce al sistema al estado [O O oj T al cabo de dos segundos cuando las condiciones iniciales son [ 1 1 oj T . todas ellas podrían incluirse en el mismo modelo simultáneamente puesto que son linealmente in­ dependientes entre sí. y la entroda U3 (t) al estado [O O cj T . teniendo en cuenta que en los tres casos la entroda se aplica durante dos segundos y las condiciones iniciales son nulas. X2 entroda U(t) es nula duronte todo ese intervalo. . En cuanto a la necesidad de incluirlas todas ellas. Además.

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

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

5 0.1 = Xo = T . = [ O1 t = 2 y devolviendo este vector al sistema de referencia 1 11 -1 .5.5 -0.6.1 xo = con lo cual: 1 -1O1 -1 ] [ [O] 0.V23 _ -2 V33 = 2 V31 = V32 V32 = -2V33 V3 = _ T. = -3 =} >. = -4 =} Con lo que la matriz de transformación del sistema inicial a la expresión diagonal queda: T= Transformando las condiciones iniciales para pasarlas al nuevo sistema de re­ ferencia: [ O1 11 .5 Sustituyendo para inicial: x(2) Tx(2) = que es el valor del estado después de dos segundos expresado en el sistema de referencia inicial. 1 -1 -1 1 [ O� -1.5 0. -1� ] [ ��� ] [ O� ] V2 [ �1 ] [ =�O -1� � ] [ �:� ] [ �O ] [ �1 ] V12 = = Vl 1 = V13 O VI = [ � ] V23 = 279 = V21 = V22 V22 = .5 0.5 0. EJERCICIOS RESUELTOS >. ] .

+ r = .5(e . aplicando una combinación de entradas tal que contrarreste el efecto de la evolución libre del sistema calculada en el apartado anterior.4 + e .5(e . número de variables de entrada y número de variables de salida del sistema. Se plantea este hecho mediante la ecuación: x(2) = De donde se puede plantear un sistema de tres ecuaciones con tres incógnitas: [ 0.S) e-s 0. ] .e 4 2Ae s es = 4 2Be s t = e s ee 4 _ de estado.4 + e . se obtiene el siguiente modelo de estado: a) Indicar qué conclusiones se pueden obtener en cuanto al número de variables Si el estado del sistema en el instante inicial calcular el estado del sistema para t 1 si ambas entradas son nulas. _ ::::} .4 . Indicar si es posible la obtención de un modelo de estado de dicho sistema.5(e . 5 condensadores (2 de ellos no lineales) y 2 fu entes de tensión regulables (variables de entrada) .S + rA + sB = O 3.5( e . siendo Uc la tensión en los condensadores) . Se diseña un sistema electrónico que consta de 7 resistencias (3 de ellas no lineales) . En este caso se pretende alcanzar el estado nulo.e .S) 0. por lo que se puede alcanzar cualquier estado aplicando una combinación lineal adecuada de estas tres entradas. 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. 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 . CONTROL POR REALIMENTACIÓN DEL ESTADO Los tres estados a los que conducen las distintas entradas constituyen una base del espacio tridimensional.S) + rA = O 0.4 .280 d) CAPÍTULO 5.S) + sB + te = O 1 [ 1 [ 1 [ 1 O A +r A +s B +t O B ::::} ::::} e O O e . Indicar si di­ cho estado puede alcanzarse desde condiciones iniciales nulas utilizando una combinación adecuada de entradas.e . así como la existencia o no de la matriz A que caracteriza su comportamiento dinámico y de la matriz de transición <I>.

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

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

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

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

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

.

1 . variables internas de funcionamiento del sistema cuyos valores no pueden medirse directamente sobre magnitudes físicas de éste. O bse rva d ores d e l esta d o Introducción En el capítulo anterior se estudió la estructura de la realimentación del estado de un sistema. como se sabe. El conjunto de las variables que pueden calcularse a partir de las entradas y salidas del sistema forman. 1 : Concepto de observador. 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. En este caso general. Figura 6.6 6. el subsistema observable. 1 . en el caso más genérico. que son sus salidas y sus entradas. cuyo esquema se muestra en la Figura 6. 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. El cálculo de las variables de estado se realiza en el sistema denominado observador. que en todo momento es capaz de estimar los valores de las variables de estado 287 . sin embargo. Las variables de estado son.

caracterizado por una matriz C invertible. Por tanto. que además se supone también controlable para ser utilizada en una estructura de control. en este capítulo se supone que se está trabajando con la parte observable del sistema. 6. Por último. . Para la realización de un observador. 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 6.2. Figura 6.288 CAPíTULO 6. se supone que se trabaja con la realización mínima del sistema. estableciendo la independencia en el cálculo del observador y de la matriz de realimentación del estado.2.1 . existe un caso trivial en el que las salidas son una combinación lineal de las variables de estado. Las variables que. procediéndose a continuación a su diseño para el cumplimiento de dichas características'. OBSERVADORES DEL ESTADO reales del sistema.2: Sistema con observador y realimentación. 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. en el que se considera de forma conjunta con una realimentación del estado. que son necesarios para su control según la matriz de realimentación del estado vista en el capítulo anterior. dicho de otra manera. En este capítulo se definen las características deseables de estos sistemas observadores. en la que los valores de las variables realimentadas se estiman previamente para proceder a continuación a su realimentación.2. Dado un sistema lineal. como en el caso del control por realimentación del estado. en el que éste proporciona una medida o estimación dinámica de las variables de estado del sistema a partir de la evolución de sus entradas y salidas. además de poder observarse. se determina la in­ fluencia de la dinámica del observador en el comportamiento total del sistema conjunto de la Figura 6. tanto en sistemas monovariables como multivariables.

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

Sin embargo.Ax(t) + HCx(t) F = A . de manera que exista siempr.B)u(t) + HCx(t) se deduce que: • (6. por lo que los valores propios de la matriz A . el estado estimado debe tender asintóticamente al estado del sistema. por tanto.Xo . los estados deben coincidir en todo instante. la matriz F no puede fijarse libremente.Ax(t) + ( G .7) (6.8 con la matriz F libremente elegida. Al igual que sucedía en la Sección 5.HC con lo que la Ecuación 6.5) Por la primera condición. Esto se consigue si la parte real de los valores propios de la matriz A . Así. en la práctica se necesita que la dinámica del observador dado por F sea más rápida que la del sistema dado por A.6) (6. sí se pueden fijar libremente los n valores propios de la matriz F. • Adicionalmente.2 para el cálculo de la matriz de realimentación del estado.x(t) = (A .HC) (xe (t) .HC es significativamente menor que la de los valores propios de la matriz A. se sabe que si se parte de un mismo estado inicial. la dinámica de la diferencia entre las variables estimadas y las variables de estado viene gobernada por la matriz A .HC deben estar en el semiplano negativo.8) (6. como se verá en este capítulo. .290 CAPíTULO 6. que representan los polos del observador y determinan de forma Si los estados iniciales no coinciden.x(t)) Como puede observarse de esta expresión.7 pasa a valer: Dada esta ecuación.He . ante cualquier entrada. Para que la entrada no influya en la diferencia entre ambos se debe cumplir: G=B con lo que la Ecuación 6. puedan ser utilizadas de forma eficaz como una buena estimación de las variables de estado en la realimentación del estado del sistema. Aquí cabe plantearse si la dinámica del observador determinada por F puede fijarse libremente.x(t) = Fxe (t) .5 queda: (6.9) Xe (t) . para que el observador estime las variables de estado más deprisa que la variací6n de éstos y. XeO #. si se forma la diferencia entre la evolución del estado del observador y del sistema: Xe ( t) .. OBSERVADORES DEL ESTADO Estas dos condiciones imponen diversas restricciones a las matrices del observador. puesto que la Ecuación 6. para que los estados coincidan en todo instante se debe cumplir: Xe (t) .X (t) = Fxe (t) .e una matriz H que satisfaga la Ecuación 6.8 representa n x n ecuaciones con sólo n x p incógnitas (elementos de H) .

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 . que los elementos de· F 'Y de A estén directamente relacionados con los polos del sistema observador y del sistema. COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291 muy importante su dinámica. siendo las restantes n x ( n . 10) (6. mediante el cambio: ( x:(t) .HC A . 6. Sin realimentación del estado Las ecuaciones tanto del sistema inicial como de su observador son: X(t) = Ax(t) + Bu(t) xe (t) = (A .x(t) _ Ecuación de la que pueden extraerse las siguientes conclusiones: [ ] [ 1 [ -1 O1 ] [ ] [ _ ] ][ ] '+.14) x t) xJ(¡tV T xe. el conjunto formado por los dos grupos de variables es no controlable. Cabe. 6. Dado que se parte de que el sistema inicial es controlable.3. analizar la controlabilidad del sistema con el observador de forma conjunta.(t) .3. mediante la construcción de la matriz Q: (6.15) ..8 quede reducida a n x p ecuaciones compatibles.x(t) _ _ Con lo que la nueva expresión de la ecuación de estado es: ' x(t) A . Si se estudia la: 'éóntrolabilidad del sistema conjunto. tanto antes de realizar la realimentación del estado como después. respectivamente. el rango de esta matriz sigue siendo n.3.HC xe (t) + B u(t) cuya representación gráfica se observa en la Figura 6. por una parte. que la Ecuación 6. (6. O X(t) xe (t) . Para ello será importante expresar la Ecuación 6. por otra. 1.He x e (t) . que consigue.HC)xe (t) + Bu(t) + HCx(t) (6.8 en URa base del espacio de estado adecuada. por tanto. y. calculando los n x p elementos que forman la matriz H.x(t) . por lo que se puede hocer una separación de la parte no controlable.11) o escrito en forma matricial: B A O x(t) x(t) (6.O A .6.13) [ ] [ _ ][ ] [ ] Como puede verse fácilmente. [ B ] u(t) O (6.12) xe (t) . x(t) .p) ecuaciones identidades independientes de los valores de H.3.

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

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

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

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

El resto de la estructura es idéntica.hi2 .HC produce n sistemas (i = con p incógnitas ( hij con j = . pues la matriz del sistema es trian­ gular con elementos unidad en la diagonal superior. .6. 49) en caso contrario Cada uno de estos sistemas siempre posee solución.. pudiéndose obtener los valores incógnitas de la matriz H resolvien­ do n sistemas de p ecuaciones con p incógnitas cada uno.45) n) de p ecuaciones (6. CALCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 303 es posible construirlo. . .hipcp CTl (ji CT2 = -ai CT2 .44) se aprecia que la diferencia entre las matrices A y F radica solamente en las últimas columnas de cada bloque.hi 3 C3 CT2 .48) si aj = i (6 . (jtCTj = { O1 1 . . . el resto son ceros. 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 . cada fila de la matriz H sólo influye en la respectiva fila de la matriz HC. p) que son: [O hil + hi2C2CTl + . . el producto HC sólo tiene elementos no nulos en la última columna de cada bloque. Por otra parte. por lo que por comodidad de representación. + hipCPCTl (ji CTl = -aiCTl . D.5. Se recuerda que: donde: . se considera la fila i de la matriz HC: (AHC) ( i .47) (6. Además. .hi2C2CTl .) + + 1 -QCTp -np+ l CTp -QCTp -np + 2 CTp -aup Up El cálculo del observador F = A .hipCp CT2 1· i O h dp] nI + . . . y sin pérdida de generalidad. .. En . .hi1 .) = A( i .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. + np = n 1··· i (6.46) (6.efecto.

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

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

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

Esta matriz permite transformar la representación inicial del estado. + np = e<7p nI = en .54) (6. x(t) .55) (6.57) .5 al final de este capítulo puede verse un caso de diseño de un observador para un sistema multivariable. al i ] Se extraen las columnas existentes en las posiciones finales de cada bloque. en la co­ rrespondiente a la forma canónica observable x ( t ) .56) (6. (6. . Esta matriz permite calcular la matriz de transformación a la forma canónica obser­ vable.52) • • .51) Donde p representa el número de variables de salida.5 . e<7 1 ' e<72 ' . Para ello se calcula la inversa de la matriz L: nI + . mediante la transformación dada por To : x( t ) En el Ejemplo 6. Á B = e = Tox ( t ) Te / ATo To I B CTo (6. y a partir de ellas se forma la matriz: ap = n (6.53) pudiéndose desmostrar que tiene inversa. 6 CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 307 y formándose la matriz L: CI cl A L= (6.6. .

Realizando entonces el cambio: x = Tx (6.59) seleccionando como salidas del sistema las p variables de estado accesibles. de dimensiones p x p.6. de una representación de estado tal que las salidas coincidan con las variables de estado accesibles.62) con (6. pues. de la salida y de la derivada de la salida. será no singular. Esta estimación del estado presenta un buen comportamiento bajo las condiciones ya descritas. 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. en ocasiones. reordenando adecuadamente. 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. y pese a que la totalidad del estado no sea accesible. Se parte de una representación del estado que cumpla: x = Ax + Bu (6. queda: [�] (6. el estado total se puede representar por: x= donde w es el conjunto de variables de estado no accesibles y cuyo valor se pretende esti­ mar. entonces la submatriz e ' 1 . En estos casos parece ilógico no tener en cuenta esta información y estimar variables que ya son accesibles. 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.60) (6.64) (6.63) Partiendo. puede que parte de éste lo sea. en este aspecto.308 6.65) El modelo de observador que se propone utiliza información de la entrada. Si la ecuación de estado se representa separando variables accesibles y no accesibles.58) (6. CAPíTULO 6.61) Si se toman como salidas únicamente aquellas que sean linealmente independientes. incorpora más información del sistema que el .

72 se despeja HI .8: • • . A 12 . por lo que: (6. A 22 . De la Ecuación 6.67) (6.(A22 .w = FWe .73) El procedimiento para diseñar el observador de orden reducido.72) • Para asegurar la convergencia se debe cumplir que: F = A 22 .W = FWe + Gu + HIy + H 2 AUY + H2AI2W + H2B I u .H 2 AI 2 )W + (HI + H 2 AU . OBSERVADORES DE ORDEN REDUCIDO 309 observador de orden máximo y no presenta ningún inconveniente. partiendo del cono­ cimiento de Au . que se verá reflejada en los coeficientes de la matriz F.H2AI2 (6. por lo que: (6. De la Ecuación 6.68) we = FWe + Gu + HI y + H 2 AUY + H 2AI2 W + H2B I u de forma que agrupando se llega a: We .B2 ) u (6.70) Ha de ser independiente de la entrada. B I Y B2 es.71) • No debe ser influida por el conjunto de variables de estado accesibles. • Se puede representar gráficamente el esquema del observador diseñado. La ecuación que modeliza el comportamiento del observador viene dada por: We = FWe + GU + HI y + Há (6.71 se despeja G.6. De la Ecuación 6. derivada de una combinación lineal de variables de estado. y.A2 1 )y + (G + H2B I . A2 1 .69) Para que la evolución de la diferencia entre las variables de estado estimadas y su valor real tienda a cero bajo cualquier circunstancia. se debe cumplir que: • we . puesto que la derivada de la salida ha de existir al ser. el siguiente: • Se define la dinámica del observador.6.66) Sustituyendo en esta ecuación y por su valor: queda una expresión para l a ecuación del estimador d e l a forma: La evolución de la diferencia entre las variables de estado estimadas y su valor real es: y = A u Y + AI 2W + B I u (6. por tanto. como se ve en la Figura 6.(A2 1 y + A22W + B2u) (6. por definición del modelo.73 se despeja H 2 .

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

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

servoposicionador y observador como la indicada en la Figura 1.._-... Para ello se utiliza una estructura de control por realimentación del estado.4 CAPíTULO 6. Ejemplo 6. . Péndulo invertido 1... pero con la importante diferencia de que ahora las variables de estado del sistema no son directamente medibles.... sino que deben ser estimadas mediante un observador a partir de la evolución de la única variable medible del sistema. 7.312 6 ...". en la que la salida del sistema viene dada por la siguiente ecuación de salida : .. y de la entrada de éste u(t) . 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. la posición de la base del péndulo x(t) . x Figura 1: Estructura de control por realimentación del estado incluyendo un servoposicionador de la variable x(t) y un observador de orden completo.__"".8.

EJEMPLOS ADICIONALES 313 Para el cálculo del observador se necesita. 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. que permite calcular las variables esti­ madas en la base original (usada en la realimentación del estado) a partir de las variables xe estimadas por el observador en la forma canónica observable. por lo que una buena elééción de los polos del observador puede ser situarlos todos en -5.10 O O 1] . que determinan su matriz de dinámica interna F. para calcular a continuación la matriz fI de ponderación de las salidas del sistema. es necesario obtener la matriz To de cam bio de las variables estimadas xe a las variables originales.al j h 3 = 2 . con lo que el polinomio característico del observador resulta : Po (8) = (8 + 5) 4 = 8 4 + 208 3 + 15082 + 5008 + 625 y. Por otra parte.ao h2 = f¡ .a 3 U na vez obtenidas las matrices F y H del observador. Los polos del observador deben ser más rápidos que los polos dominantes del sistema. por tanto. 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 . por una parte. se necesita calcular la matriz de tra nsformación To .F = A . que se fij aron en -1.a2 h4 = h .6..7 .

se utilizan en el ob­ servador del estado del sistema real no lineal de la primera figura de este ejemplo. calculada igualmente en dicho ejemplo: Co =CTo = B � To l B � [ O O O 1 ] [� � [T] O O O O O 1 O 20 O O 1 O ] K = [ 0.l . se va a utilizar ahora la misma referencia de posición xre f = . calculada anteriormente en el Ejemplo 5.65 4.8. el . se puede realizar la comprobación de que las matrices Á = Ta l ATo .65 1 .1 O -2 O -2 O -0.314 CAPíTULO 6.1 O O O 1 O 1 O O -0. obteniéndose: Á -To 1 AT 0 . y el servoposicionador de constante Ko .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 . B y To .25 19.75 ] Ko = -0. se obtiene la matriz To : U na vez calculada esta matriz. B = Ta l B y Co = CTo queden expresadas según la forma canónica observable. R. Y. en la que dicho observador se integra junto con el control de realimentación del estado mediante la matriz K.15 Con objeto de comparar los resultados del esquema actual con observador respecto al del ejemplo anterior con realimentación directa de las variables de estado.1 .1 1] ] Las matrices anteriormente calculadas.

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

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

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

58 2 + 171 . Oe(O) = O y xe (O) = O.318 CAPÍTULO 6..estado medido directamenttJ con observador del estad� tiempo (s ) 10 15 Si se diseña un observador con sus polos más lentos. (d) Ángulo O(t) cuando Oe (O) = 5°..1 m y perturbación constante up(t) = 0.con observador del estado . Figura 5 : Comparativa de la evolución de la posición x(t) y del ángulo O(t) en la estructura con observador y la que tiene realimentación directa del estado. c: ¡: -5 � 10 15 -10 -15 -20 0 V �---5 I . su polinomio característico es: Po ( 8 ) = ( 8 + 3. para los casos de estimación inicial del ángulo Oe (O) = 15° Y Oe = 5°..0625 (c) Posición x(t) cuando Oe(O) = 5°. � -0 5 -1 -1 50 tiempo (s ) É....5 ) 4 = 84 + 148 3 + 73.5. xe (O)=O..con observador del estado . cam bio de referencia xref = . ángulo inicial 0 ( 0 ) = 10°. error nulo en la estimación inicial de las otras variables de estado.58 + 150. por ejemplo en -3. siendo el ángulo inicial real 0 ( 0 ) = 10°.estado medido directament 10 c: .estado medido directament 5 O ¡: 5 tiempo (s ) -5 10 15 O 5 tiempo ( s } 10 15 (a) Posición x(t) cuando Oe (O) 15°. . OBSERVADORES DEL ESTADO global del sistema.estado medido directament (b) Ángulo O(t) cuando 15 10 � 5: O Oe(O) = 15°.. 15 . -con observador del estado .1 Nw.

i '. . partiendo de error nulo en la estimación inicial de las otras variables. ' 1 . '. ' .:=:::= en:: -7. . cuanto más rápida es la dinámica del observador.150.i y . 2 4 .10000 O -4000 O -600 O -40 ] H2 _ - [ ] 10000 4000 620 40 . el estimado (}(t) ... utilizando cada uno de los tres observadores calculados..:CD O : : .5 9 3.Oe {t). 1' . xe{O)=O. cambio de referencia xref = .polos del observador en -5 .6. ángulo inicial (}(O) = 100..1 Nw. . ( a ) Diferencia entre la posición real y O�--�2----�4--�6--�8 tiempo (s ) • • -5 i i i i i t _-....Polos del observador en -3 � J I - -��--�2----�4--�6--�8 tiempo (s ) . si se elige un observador más rápido situando sus polos en .: : .. 'i j' " . � . con una estimación inicial del ángulo Oe {O) = 150.171.5 .14 ] H1 _ - [ ] 150. .10.' : j � I ¡: -2 : / :f 4 . - [ O O O O O O O O O .5 O -73 O . 14 y Por el contrario. EJEMPLOS ADICIONALES 319 con lo que se obtienen las siguientes matrices del observador: F1 _ - [ O O O O O O O O O .polos del observador en .---1'=::::==::=:=:..xe {t).0625 171. Figura 6: Diferencia entre las variables reales y las estimadas por el obser­ vador para distintas posiciones de sus polos.1 m y perturbación up{t) = 0.:=='=obse rvado r ::::= 1 :il : : :::'.1 0 . i .Polos del observador en -3 c ( b ) Diferencia entre el ángulo real la estimada x{t) .... Oe{O) = O y xe{O) = O. i .0625 O . su poli nomio característico es: Po (8) = (8 + 10 ) 4 = 8 4 + 408 3 + 6008 2 + 40008 + 10000 las matrices del observador son en este caso: F2 _ En la Figura 6 se puede observar la evolución de la diferencia entre las variables estimadas y las reales.. Se advierte una convergencia más rápida hacia las variables reales y con menos sobreoscilación.po los de 1 ::.polos del observador e n -5 .7. .

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

que es mayor que el rango comentado anteriormente entre y 21°.130 y 37°. cualquier error en la medida de la salida se ve amplificado en la com posición de Xe . -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 .1 I t 22 � 1 � � 2 B= O 1 O l . Esta limitación práctica es análoga a la que aparece en el Ejemplo 5.6 . 7.lO. por tanto. parece que la dinámica del observador puede diseñarse arbitrariamente rápida . En el presente ejem­ plo.9. definido por las matrices: A� Y -1 -1 C� 3 1 se pide calcular un observador de orden completo de sus variables de estado. 2° Dado el sistema del Ejemplo 5. cuando la dinámica del observador se hace más rápida situando sus polos en . cuyos coeficientes crecen a medida que se diseña una posición más rápida de los polos en cadena cerrada del sistema realimentado. 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 ) . cuanto más rápida es la dinámica del observador. en el sentido de que las variables estimadas se aproximan de forma rápida y sin grandes sobreoscilaciones a las variables reales.8 para el cálculo de la matriz de realimentación del estado K. Según el razonamiento anterior. se com prueba que el rango de estabilidad del sistema respecto a la estimación inicial de la variable Oe (O) está entre los valores . EJEMPLOS ADICIONALES 321 Observador de orden completo de un sistema multivariable Ejemplo 6. más elevados son los coeficientes de la matriz H y. obteniéndose un mejor comportamiento del sistema cuanto más rápida sea. cuando los polos del observador están situados en -5 . Como ya se ha mencionado. que pueden llegar a provocar la inestabilidad del sistema .5 en el que el sistema presenta un comportamiento estable. Según este razonamiento la elección de la posición de los polos del observador está limitada en la práctica. dando lugar a que grandes errores en la estimación . lo que da lugar a realimentaciones del estado físicamente no realizables.

162 768 P= siendo rango(P) = 5. colocando juntas aquellas correspondientes a las mismas salidas. en primer lugar. 5.192 -2 -8 O 2 -48 81 -256 .12 9 -16 O O 9 8 . es decir {l. 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 .1 6 -50 2 . 4. Para el cálculo de la matriz de transformación se comienza por seleccionar cinco filas linealmente independientes de la matriz P.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 2 1 -1 1 -2 3 -2 6 -3 4 O -4 -3 4 � 2 10 O 2 -3 1 .322 CAPÍTULO 6 . con lo que se comprueba que el sistema es observable. Se reordenan ahora las filas.1 250 O 81 -256 O 32 2 O 16 .18 15 . por tanto.1 6 -27 64 54 . 2.1 = � 54 15 3 -30 . trans­ formar la representación del sistema a la forma canónica observable. OBSERVADORES DEL ESTADO En primer lugar se ha de comprobar la observabilidad del problema. 3}. L= �[ ¡ -3 1 .18 2 O 48 4 -2 24 -27 250 64 O O . dos a la segunda y una a la tercera . Para realizar el cálculo del observador es necesario. por lo que la asignación de salidas a variables de estado queda como sigue: dos a la primera salida.16 : 13 8 -8 -3 -5 1 . El primer tanteo se hace con las cinco primeras filas: Pe comprobándose que su rango es también cinco. el observador del estado. Se puede calcular.

97 .157 -92 54 . el polinomio característico queda : po (s) = S 5 + 150s4 + 9 000s 3 + 270000s 2 + 4050000s + 24300000 [� n .27 .6729 O . 4 Y 5 para construir la matriz To .16 66 .729 O .28 1 .1606 243 29 308 35 .27 27 -5 .g A = To 1 ATo - = B = To 1 B = - [ . transformando el sistema según estas matrices. 76 27 O 16 27 O 23 .3616 243 729 67 4 O . por l o que se opta por situar los polos d e dicho observador en -30.16 15 5 -49 -3 300 -213 184 .27 O .264 . = Para el cálculo élel observador se va a asignar una dinámica mucho más rápida que l a del sistema realimentado.234 .6 .2 .52436 181 .556 O . EJEMPLOS ADICIONALES 323 seleccionando de L .27 1 .27 O . se seleccionan las colu m nas 2.1 5 14 1 16 .5 27 27 1 4 -3 466 137 .18 18 12 --:-6 4 -24 78 .8 27 -27 54 O 56 300 85 -58 -2 3 -2 � � 1 Y. Así. queda: 2 86 02 o .-9O . 7. To [ el � e3 I e4 1 � ] = [ e2 Ae2 e4 Ae4 e5 l � � Tc / 1 = 27 [[ : 15 -3 .27 1 C = CTo ' .1 : L.54 282 124 .81 27 .1 = Dada la asignación de salidas a la estimación de las variables de estado.16 27 27 1 O O O O 1 1 46 .g 1 12 O .

h 22 + 46h23 9 . 27 729 1 .h 21 + � O .h53 �� .h 13 La dinámica de la evolución de la diferencia entre las variables reales del sistema y las estimadas viene dada.126J36 .h23 �� .h31 + � O .g� h51 + � - y O O O 1 O _ 5026 _ h 12 + 46h13 9 243 -28 .150 1 F= [ CAPÍTULO 6.2� .h33 -h43 .h32 + 46�33 _ 6.HC = O .324 con lo que la matriz del observador es: O 1 O O O O O 1 O O O O O 1 O O -24300000 O -4050000 O -270000 -9000 O .128/ .32�136 . 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 .6286 . _ h42 + 46�43 .-9..h 11 + !ill.h 52 + 46�53 656100076 27 4050000 7290016 -2 79000 4027 27 . en la representación original del sistema .��� .�� . OBSERVADORES DEL ESTADO 1 La matriz del observador que se va a calcular es: que se halla resolviendo la ecuación : F = Á .h41 + W O .

C 1 ) es controlable y observable con sus polos en .1 . C 3 ) es observable con sus dos polos en -3.8. B 1 . de ma­ nera que queda dividido en los tres subsistemas de la figura. 523173292 243 949502902 729 1084060042 243 1339566538 729 888285181 729 1. u(t) - . 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. en el que se sabe que: el subsistema (A 11 . el subsistema (A 22 . ficaciones del observador.6.8. Ej ercicios resueltos En un sistema con seis variables de estado s e efectúa un cambio de base. 6. B 2 ) es controlable con sus dos polos en 2 y el subsistema (A33 .

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

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

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

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

Para realizar la transformación. hay que realizar la realimentación de estado. por lo que hay que expresar el sistema en su forma canónica controlable (a partir de la forma canónica observable) .O1 31 ] = [ qq12 ] . OBSERVADORES DEL ESTADO Para estimar el estado es necesario diseñar un observador. 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. Por ejemplo. + 10) 2 = ). ambos en .10.. se parte de la matriz de controlabilidad: hay que hallar la matriz de cambio xo = T o cxc : Qo = [ 31 -O1 ] => Qo 1 = [ .330 CAPíTULO 6.31 ] [�] Una vez obtenido el estado en la forma canónica observable. 2 + 20)" + 100 T0 1 B = CT o = [ O 1 ] [ O1 . La matriz H se calcula a partir de la matriz F cumpliendo: P()") = ( )..

1 '* Ke = [ -2 3 .l" Es necesario expresar la salida como las variables de estado accesibles.* 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 . en el que se estima únicamente el valor de aquellas variables de estado que no son accesiblel. De esta forma. 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 ::.V6 k = [ ] [ -1 1 -3 + ] [ 01 ] [ k. En este caso ya están expresadas así: . 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 .= A e + Be K e '* -3 V6 = e igualando se obtiene: { kl2 = 3-2.8.V6 ] Existe una forma alternat�va de resolver el observador: haciendo uso de uno de orden reducido. por lo que es N (8) = 8 + 3.6.. la función de transferencia del sistema realimentado es: Gr ( 8 ) al imponer la condición de ganancia unitaria se obtiene: � = l . 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.

conociendo solamente el valor calculado de y(0. Calcular y dibujar un control por realimentación del estado que sitúe todos los polos posibles del sistema en -10.5 ante evolución libre (entrada permanentemente nula). utilizando para ello la entrada adecuada que lo permitiese. Calcular la salida y(0.5.5) ante evolución libre e indicar cómo se podría calcular el estado del sistema en ese instante.1 = O Hl + H2 AU . 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 .B2 = O ::::} G + 8 .A2 l = 0 ::::} Hl + 8(-I) . .H2 G + H2 Bl .1O = -2 .332 CAPíTULO 6.1 = 0 De donde se obtiene que: 3. 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 0.5) y sabiendo que la entrada es nula. 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 Al 2 ::::} .

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: .V22 ] [� A= [ � Dado que: entonces: T= x(t) = «J?( t)x(O) Tx(t) = «J? (t)Tx (O) � (t) = T ..11 ] [ VV2I ] = [ OO ] .I de donde: . 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 = .0 . utilizando para ello un observador de orden reducido y el menor número posible de entradas en la realimentaci6n.I «J?(t)T * * x(t) = T.6.� ] [ ��� ] '= [ � ] [ -� VI = [ � ] Vl l = V I2 [ . EJERCICIOS RESUELTOS 333 c) a) Calcular y dibujar un control por realimentaci6n del estado que sitúe todos los polos posibles del sistema en .I «J?( t)Tx( O) «J?(t) = T�T .11 .8.

se utilizan las dos disponibles. se precisa conocer la dinámica.[ 11 O2 -2 -62 ] y(0. Aunque el sistema es observable. OBSERVADORES DEL ESTADO 2) Q 3) Del análisis de la matriz Q se deduce que el sistema es controlable. en la que se deben colocar los polos del sistema en .10. b) Dado que es necesario utilizar el mayor número de entradas posible.5) = [ O No se puede calcular el estado en este instante. 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 [ . por lo que todos los puntos del espacio de estado son alcanzables mediante la entrada adecuada para t = 0.334 1) CAPÍTULO 6.1 = Por lo que: Á = O 1 ] [ -31 .100O .5.31 ] [ 11 2O ] = Dada la realimentación propuesta. _ -2 . Se comienza por construir la matriz de transformación: 2 ] [ :=� ] 2e.201 ] [ -2O -42 ] [ O1 O1 ] [ k�21 1l = + .

1 [ 2 -64 ] � L-1 = _ � 8 [ . EJERCICIOS RESUELTOS 335 de donde. y. p= [ -! . despejando: K= Queda construir el observador de orden completo: .8.124 .42 ] = � [ -62 -12 ] 4 -64 ] - _ Por lo que la matriz C o = C e Toe = � [ = C o q�eda: Se ajusta la dinámica del observador para ser menos significativa que la del sistema: con lo que ya se puede construir el observador de orden completo: �[ 1 4 ] [ i -� ] = 2 ] [ i -� ] = � [ O 2 ] = [ O 1 ] 2 _ _ Pep(S) = ( + 30) 2 = S 2 + 60s + 900 s F = Á .HC para lo que es necesaria la matriz de transformación.�T oe: con lo que: de donde se obtiene: .[ .6..HC ..1� ] = � por lo tanto: 1 T oe = 4 .100 -161 ] 2 F = A .

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

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

1.338 CAPÍTULO 6.9. OBSERVADORES DEL ESTADO 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.

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

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

Sistemas discretos Parte II 341 .

.

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

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

y partiendo de x2 (ka) ante U2 (A) . ka � A � k. como puede verse. SISTEMAS DINÁMICOS DISCRETOS 345 discretos. 2.3) (7.3. cumpliendo: 1.7. Para toda secuencia real de entrada {u( k) } existe una única secuencia de salida {y(k) } . respectivamente.5) ante la entrada: (7. es decir que las Ecuaciones 7. y viceversa. Se entiende como sistema dinámico discreto una relación matemática entre dos con­ juntos de secuencias {u(k) } e {y(k) } denominadas entradas y salidas. responde con una salida y l (k) . El concepto de linealidad en los sistemas discretos es idéntico al de los sistemas continuos. u(k) .6) (7. partiendo del estado inicial: x(k + 1) y(k) f (x(k) . es que la variable x( k) representa el estado del sistema. entonces se dice que es lineal si para cualquier par de números reales y {3.4 se pueden expresar.3 y 7. Si un sistema. Si el comportamiento del sistema puede expresarse mediante la Ecuación 7. con un estado inicial cualquiera x l (ka) y ante una entrada real U I (A) . como: x(k + 1 ) y(k) = A(k)x(k ) + B (k)u( k ) C(k)x(k) + D(k)u(k) (7. Las salidas y(k) no dependen de las entradas u(n) para n > k.8) (7.9) donde se sigue la siguiente nomenclatura: . frente a las ecuaciones diferenciales mediante las que se modelizan el estado y la salida del sistema para los sistemas continuos. se obtiene y2 (k) . esta condición se traduce en que tanto la ecuación de estado como la ecuación de salida son lineales en el estado y en la entrada conjuntamente.4) a y (7. k) (7. se formulan como ecuaciones en diferencias. En estos sistemas las relaciones entre entradas. y que. estados y salidas se pueden resumir en las ecua­ ciones: que se conocen como ecuación de estado del sistema (7. ka � A � k. Estas condiciones definen a todo sistema discreto causal. u(k) . Esta condición recibe el nombre de causalidad.3 . pero el estudio que se va a realizar está restringido a los sistemas discretos expresables en diferencias.7) se obtiene una salida: En sistemas expresables en diferencias.4) .3) y ecuación de salida del sistema (7. k) r¡(x(k) .

. . u( k) es el vector de entrada en el instante k (de dimensión m) . la forma: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) + Du(k) (7. respectivamente. se puede partir de la función de transferencia en z del sistema discreto: Y(z) U(z) bn z n + bn _ I zn. también {Xl . ya que conocido un conjunto es de inmediata determinación el otro.1 + . Obt ención d e mo delos discretos d e estado La primera observación necesaria para la obtención de modelos de estado es que el posible conjunto de variables de estado no es único.8 y 7. 1 1 ) donde las matrices A. C(k) es la matriz 'de salidas del sistema (de dimensión p x n) . ka :::. Hecha esta puntualización. . si para un sistema las variables { X l . B .9 representa que dichas ecuaciones tomen. (7. Al igual que en los sistemas continuos. Por ejemplo. responde con una salida y(k) . D(k) es la matriz de transmisión directa entrada-salida (de dimensión • • • • • • p x m) .b l z + ba z n + an _ I Z n . A :::. B (k) es la matriz de entradas del sistema (de dimensión n x m) . C y D son constantes independientes del índice. k.12) donde tanto los ai como los bi pueden ser nulos. Xl + X2 } lo determinan. .346 • CAPÍTULO 7. 10) (7. y(k) es el vector de salida en el instante k (de dimensión p) . La propiedad de invarianza en los sistemas expresables en diferencias lineales dados por las Ecuaciones 7.4.1 + 4. se dice que es invariante respecto al tiempo si. partiendo para cualquier N del mismo estado inicial Xa para el índice ka + N y ante la misma entrada deplazada U(A + N) . + a l Z + a a . Un sistema que. A(k) es la matriz del sistema (de dimensión n x n) . El concepto de invarianza es también equivalente al de los sistemas continuos. la matriz D(k) carece de importancia desde el punto de vista del análisis. se obtiene la misma salida desplazada y(k + N) . MODELO DISCRETO DE ESTADO x( k) es el vector de estado en el instante k (de dimensión n) . . puesto que expresa una simple relación estática adicional entre entrada y salida. X2 } determinan el estado. 7. partiendo de un estado inicial Xa para un índice ka y que ante una entrada cualquiera U(A) .

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). 14) = (7. + al Z + ao n_I 1 + x I (k) x2 (k) x3 (k) w(k) x I (k + 1) x2 (k + 1) (7. . 17) . para la obtención del modelo de estado en vari �bles de fase se utiliza la variable auxiliar W(z).l 1 (7. . �n .l . 15) de manera que las ecuaciones del modelo de estado quedan como: x I (k + 1) x2 (k + 1) xn .l (k) xn (k) (7. 13) Partiendo de la expresión de la función de transferencia en z dada en 7. .4.4 .aobn . haciendo uso de éste para el cálculo del modelo. � [x(k + l ) J = z � [x(k) J (7. manteníéndose de esta forma la analogía entre el caso discreto y el caso continuo: 2 Teniendo en cuenta el establecimiento de esta correspondencia entre sistemas con­ tinuos y discretos. ahora desde el punto de vista discreto. 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. se pueden volver a plantear los mismos métodos utilizados para la obtención de modelos de estado continuos. dicho operador se sustituye por el de desplaza­ miento. Modelo de estado e n variables de fase [x(t) J = s 2 [x(t) J --.l (k) xn (k) X I ( �) x2 (k) O O u(k) O O -ao -al -a2 1 -an .l (k + 1) xn (k + 1) O O O O O 1 O 1 O O x I (k) x2 (k) + Xn . 1 . . 16) y(k) = [ bo . 12.aob� ] + bn u(k) xn . En el caso discreto. 7.7.

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

26) An . OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 349 se eligen como transformadas z de las variables de estado: U (z) z )'1 - (7.4.q+1 1 .1 (k + 1) xq (k + 1) xq+1 (k + 1) xn (k + 1) Al 1 O O Al 1 O O O O O O O O O O O O O O O O O O O O O Xl (k) x2 (k) O O 1 O Al O O A2 O O xq .q+1 que.7.q+1 xn (k) + u(k) x 1 (k + 1) x2 (k + 1) Xq . 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. pasadas a su expresión como ecuación en diferencias mediante la transformada in­ versa z.1 (k) + O u(k) xq (k) 1 xq+1 (k) 1 xn (k) (7.24) z - U (z) An .25) A 1 X q (k) + u(k) An .

MODELO DISCRETO DE ESTADO x I (k) x2 (k) y (k) = [ PI P2 Pn ] xq (k) xq+1 (k) xn (k) (7.30) T x (7.26. .350 CAPíTULO 7. X 2 . tal como se puede apreciar en la Ecuación 7. aparecen elementos unitarios en la diagonal inmediata­ mente superior. · · · .33) x = Tw (7. ya que sus columnas son vectores linealmente (7.29 se convierte en: Teniendo en cuenta que independientes: T es no singular. 29 ) y: (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. t n ) . . . t 2 . . 7. en las que. además de tener en la diagonal el polo múltiple. . 3 .4 . . 2 7) Obsérvese que la existencia de polos múltiples genera en la matriz del sistema unas submatrices. Si (Xl . . Transformaciones lineales La falta de unicidad en la representación de estado de un sistema se explica con­ siderando que el espacio de estados es un espacio vectorial: todo espacio vectorial de dimensión n queda determinado por cualquier conjunto de n vectores de dicho espacio que sean linealmente independientes.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 . Estas submatrices se denominan bloques de Jordan.31) la Ecuación 7.32) .

5.1 : (7.39 una nueva representación del estado del sistema. definida por las Ecuaciones 7.3 8 y 7.44) . OBTENCIÓN DE LA REPRESENTACIÓN EXTERNA A PARTIR DEL ESTADO 351 transformación lineal que da las componentes del vector respecto a la nueva base.37) w(k + 1) = T . 5 .36) x = Tw la ecuación de estado se modifica de la forma: Tw(k + 1) = ATw(k) + B u(k) y premultiplicando por T.1 B u(k) mientras que la ecuación de salida resulta: (7. obteniéndose: (7.42) (7. por ejemplo. de un sistema de este tipo: x(k + 1) y(k) zX(z) Vez) y resolviendo la Ecuación 7.l B U(z) (7. Partiendo.43) (Iz . por consiguiente. 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.42 en X(z) : ::::} Ax(k) + B u(k) Cx(k) + Du(k) AX(z) + BU(z) CX(z) + DU(z) (7.39) quedando. Estas transformaciones se pueden utilizar para obtener diversas representaciones de estado de los sistemas.7.41) se toman transformadas en z.A)X(z) = BU(z) X(z) = [Iz . se tiene el sistema: x(k + 1) Ax(k) + B u(k) y(k) = Cx(k) + Du(k) y se realiza la transformación: (7.34) (7.35) (7. Si.40) (7. por tanto.38) y(k) = CTw(k) + Du(k) (7. 7.1 ATw(k) + T .A] .

resulta que el polinomio característico del sistema viene dado por dicho determinante: p(z) = det (zI .l es la adjunta de la transpuesta G(z) dividida por el determinante. 7. las raíces del polinomio característico.48) es decir. la matriz de funciones de transferencia viene dada por: [ ] (7.A) .A) . Sistemas muestreados S istema discreto invariante equivalente Se pretende ahora deducir la representación de estado del sistema discreto equiva­ lente del conjunto bloqueador . 7. por tanto.47) Además. Supóngase un sistema continuo invariante con m entradas.45) e (zI .muestreador.46) Teniendo en cuenta que la inversa de (zI .1 : Sistema continuo multivariable.B + D U(z) = y.6.49) (7. se tiene que dichos valores propios son los polos del sistema. como los valores propios de la matriz A son las soluciones de la ecuación: det (zI . 1 .6.43 queda: => Y(z) Y(z) ex(z) + DU(z) l = e [Iz . MODELO DISCRETO DE ESTADO Sustituyendo en la ecuación de salida 7. p salidas y n variables de estado.l B + D (7. que responda a las ecuaciones: Figura 7. x(t) y(t) Ax(t) + B u(t) ex(t) + Du(t) (7. mostrado en la Figura 7.sistema continuo .Aj .50) .A) (7.A) = O (7.352 = CAPíTULO 7.1 .

54) particularizando para el instante de muestreo t x [(k + l )T) (k + l)T. serán constantes en cada intervalo kT � t < (k + I)T. En este caso. Xn Figura 7.52 se puede poner como: y. ltot q>(t .r)Bdr] u(kT) = (7. mientras que las salidas están muestreadas.2: Sistema discreto equivalente. se obtiene: (7. 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. X2 .kT)u(kT) = (7. por provenir de bloqueadores de orden cero. = JkT q>(t . tal como se indica en la Figura 7.55) q>(T)x(kT) + 8 (T)u(kT) .r)Bdr [t [1: q>(t .7.6 . SISTEMAS MUESTREADOS 353 En este caso. 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.to )x(to ) + donde q>(t) es la matriz de transición. Por tanto.51 to = kT. la resolución de la Ecuación de estado 7.49 viene dada por: x(t) = q>(t .53) x(t) q>(t .kT)x(kT) + 8 (t .52) (7.r)Bu(r)dr (7.2. · · · . las entradas continuas al sistema.

si bien una vez elegido se mantendrá la invarianza en dicho comportamiento. verificando: = A(t)<P(t.60) En el caso de que el sistema de la Figura 7. ) T (7. por tanto.56) = Beq 8(T) = La Ecuación 7. (7.2. MODELO DISCRETO DE ESTADO i=O 2.54 y se obtiene: l(k+l)T <P [(k + l)T . basta tomar: t = . Esto significa que del comportamiento que se observe en dicho sistema va a depender la elección de dicho período de muestreo. si <P(t.354 CAPíTULO es decir. existe una dependencia entre dichas matrices y el valor del período de muestreo elegido T.T] BdT kT 1T <P(T . x(t) y(t) A(t)x(t) + B (t)u(t) C(t)x(t) + D (t)u(t) 8<P(t.X < 1 (7. pese a que por hipótesis el sistema es invariante y.1 sea variante con el tiempo. O < . responderá a unas ecuaciones de la forma: . todas sus matrices son constantes.61) (7.57) Cabe destacar que. 00 '"' A i 1" T' � 7. como queda patente en las ecuaciones del sistema discreto equivalente. T) 8t (7.59) en la Ecuación 7.62 ) entonces.)Bd 'x 'x (7.63) . T) es la matriz de transición. En el caso de querer conocer la salida en instantes intermedios a los de muestreo.6.58) definen el sistema discreto equivalente buscado. S istemas variantes x [(k + 'x )T] = <P( 'xT)x(kT) + 8( 'xT )u(kT) (7.XT + kT. = e AT = . la matriz de sistema del equivalente discreto es: A eq y l a matriz d e entrada: = = <P(T) . 7.55 junto con la ecuación de salida particularizada para el instante de muestreo: y(kT) = Cx(kT) + Du(kT) (7.

el instante de muestreo: y(kT) e [(k + l) T. 7. igual que en el caso invariante.3. la particularización de 7.67) Se consideran en este apartado los sistemas en cadena abierta con parte continua y parte discreta. Sistemas híbridos = C(kT)x(kT) = i(k+ l)T <P " kT : (7. T)B(T)U(T)dT + (7.68) (7. [(k + l)T. 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. T] B (T)dT (7.70) . (k + l )T] Y particularizando para t (k + l )T. en los sistemas muestreados.62 para . SISTEMAS MUESTREADOS ' 355 la solución de la Ecuación de estado 7. kT] = = = <p = <p (t. tal como el que muestra la Figura 7.3. con lo que se obtiene: x [(k + l ) T] donde La ecuación de salida del sistema discreto sérá. kT] u(kT) A partir de ahora.6.2 se obtiene igual que en el caso inva­ riante..65) .61 viene dada por: x(t) El sistema discreto equivalente de la Figura 7. Figura 7. tomando to kT.3: Sistema con parte discreta y parte continua. kT] x(kT) + e [(k + l )T.64) [(k + l )T.7.6.66) + D (kT)u(kT) (7. to)x(to) J{tat <p (t. se sustituye la referencia temporal k T por el índice de la correspondiente secuencia k. imponiendo la entrada constante en el intervalo [kT.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.

con lo que se puede sustituir 7.y(k) r(k) . Tal como se ha visto anteriormente.l r(k) .69 en 7.356 CAPÍTULO 7.73: xe [(k + 1)] = Aeqxc (k) + Beq (T)w(k) yc (k) = Cexe (k) + Dew(k) (7.72 y 7. S istemas híbridos realimentados y(k) = [ Ce DeCD ] x(k) + DeDDU(k) (7. así como el equivalente discreto dado por 7.75) Cexc (k) + DeCDXD (k) + DeDDU(k) = Para representar de una manera conjunta todo el sistema. que viene dado por: yc (t) = Cexc (t) + Dew(t) (7. 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 ) } .69.75 se puede expresar como: ] x(k) [ BeqDD ] u(k) BD + (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 7.72 y 7.71) Ahora bien.DeDDU(k) = (7.73) xc [(k + 1)] = Aeq (T)xc (k) + Beq (T)CDXD (k) + Beq (T)DDU(k) y(k) = (7. es posible encontrar el sistema discreto equivalente a la parte continua.4.74) (7. están íntimamente relacionados. El sistema híbrido del apartado anterior se realimenta como se observa en la Figura = = u(k) agrupando: y despejando: r(k) .74 y 7. el sistema discreto dado por las Ecuaciones 7.72) (7.78) Al incluir dicha realimentación en las ecuaciones de estado del sistema conjunto quedan como: 7.73.l [ ? e DeCD ] x(k) .[ Ce DeCD ] x(k) (7.76) x(k + 1) [ AOeq BeqCD AD y la Ecuación de salida 7.79) [1 + DeDD] U(k) r(k) . ya que las salidas de uno son las entradas del otro.4.[ Ce DeCD ] x(k) .6.[1 + DeDD].80) u(k) = [1 + DeDD] .75 se pueden agrupar como: [ xD (k) ] xc (k) (7.77) 7.68 y 7.

0. sustituyendo esta expresión en las Ecuaciones 7.= �----- 0.0. es cuando en el sistema continuo la entrada no tiene influencia directa sobre la salida.77 y 7. En ambos casos será necesario obtener la función de transferencia del sistema dis­ creto: Y(z) U(z) 1.77. se obtienen las nuevas ecuaciones del estado y de salida del sistema realimentado. EJERCICIOS RESUELTOS 357 Figura 7.7.5 0. 83) 7 .5 0.[ Ce O ] x(k) BeqC D AD ] x(k) [ BeqDD ] r(k) BD = + (7.5z z . sustituyendo en 7.5 �------------.5 2 .5 z + 0. pero importante.5 2 .82) [ Ce O ] x(k) (7. por la frecuencia con que aparece. 1.0.1 z + 0. con lo que. En este caso la Ecuación 7.4: Sistema híbrido realimentado.79 queda de la forma: con lo que.5 z 1 + _1-_� z 1 z + 0.5z . cuando De = O. 7. Un caso simplificado. Ej ercicios resueltos Dado el sistema de la figura: obtener los modelos de estado en variables de fase y en variables de Jordan. 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) .7.81) (7. esto es.78 .

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) .0.5W(z) 0.5W(z) = U(z) ::::} w(k + 2) .5w(k) = 0. teniendo en cuenta que los polos del sistema son: .0.0. quedan: + siendo la ecuación de salida: ( k) [ xxl2 (k + 11)) ] [ °0 0. z 2 .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.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) .5X 2 (k) = u(k) x2 (k + 1) = 0.0.� .358 a) CAPíTULO Variables de fase 7.5Xl (k) ::::} X 1 (k) [ 0 . 5 0 ] x2 (k) [ ] Partiendo de la función de transferencia y.

El esquema de la figura refleja el control discreto de un sistema continuo de primer orden: 1 8+1 1 x I (k) y(k) = [ .5 ::::} --'--'---.+ -.= z z .7. .0.5X2 (k) = u(k) x I (k + 1) = u(k) que expresada en forma matricial queda: 2.0.0.5z Z de donde se obtiene: { °0.1 1 ] x2 (k) 4 [ ] y (t ) Z. EJERCICIOS RESUELTOS 359 se puede realizar la descomposición en fracciones simples: Y(z) U(Z) -.5PI + P2 = = ::::} ::::} P2 PI = .0.:----'---=- 0.5 2 .1 P2 = 1 ecuaciones que escritas en forma matricial quedan: y X1 (z) = U(Z) Z U(Z) X2 (Z) = z .5 = la salida se puede expresar como: 0 (k) (k + 1) [ xx2I (k + 1) ] [ °0 0.l Se pide: a) Obtener el modelo de estado del regulador.7.5 PI-0.5 ] [ xx2I (k) ] + [ 1 ] u(k) 1 x2 (k + 1) .0.5z ::::} Si se eligen como variables de estado: PI = .� : Z PI .0.:-'-"::-"::---'.5PI + P2 Z z 2 .

Obtener el modelo de estado del sistema discreto equivalente del sistema continuo. MODELO DISCRETO DE ESTADO Obtener el modelo de estado del sistema continuo. Obtener el modelo de estado del sistema realimentado. 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. 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) .xD (k) = e(k) xD (k + 1) = x D (k) + e(k) w(k) = x D (k) + e(k) ecuaciones que.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) . La función de transferencia del regulador es: Si se toma como variable de estado: 1 W (z) = 1 _ Z .

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

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

U¡ 5e-T .4229 y Si T = 1.7. 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 1.8273 Si T = 1.05 =} { A2 = -0. La KLDR para ese punto es: por lo que el sistema es inestable si: KLDR = 2(1 + e-T) 4(1 . lo que ocurre para z = -1.4e-T = A 2 + (3 .0987.4 . Así.3315 ° =[ > =} 2 + 2 e-T < 4 .5e-TA + 4A + A 2 + 4 .A) + 4 .4e-T =} 6e-T < 2 =} e-T < 0.333 - �1 i -T ] .4 .0041 A = -0. Sus raíces son los valores propios de la matriz A y los polos del sistema.4 e .10 =} { Al2 = -1.T = ¡A . A la misma conclusión se puede llegar analizando la matriz del sistema reali­ mentado: 5e -4 4..7.e A cuyo polinomio característico es: (5e-T .5e-T ) A + e-T = que coincide con la ecuación obtenida anteriormente.A . por ejemplo: Al = -0.A) ( l .

.

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

k. ko)xo = A(k)<I>(k. Teniendo en cuenta que se trata de la solución de la ecuación homogénea y que. como se vio en el capítulo anterior. ko) = A(k)<I>(k.9) <I>(ko. ko) (8. k)x(k) Como esta expresión se ha de cumplir para todo estado inicial Xo.5 en la Ecuación 8. Verifica la ecuación homogénea Sustituyendo 8. 1. hecho establecido por hipótesis. se puede establecer que: <I>(k + 1.3. Transitividad El estado para una determinada muestra m 2: k se puede obtener como: x(m) <I>(m.8) (8. = x( ko). ko)xo.4) x(k) = <I>(xo.5) La matriz <I>(k.) .7) Propiedades de la matriz de transición Dado que la Ecuación 8. k. como ya se vio: x(k) = <I>(xo . 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.2 se tiene: Expresión que coincide con 8. u(>. ko). 8. la ecuación anterior queda: (8. ko). por lo tanto.2. debe ser forzosamente: (8. La (8.10) . la entrada se supone nula en todo instante. es decir: Xo 3. comprobándose por lo tanto que la matriz de tran­ sición verifica la ecuación homogénea. ko). Identidad (8.5 se verifica para todo k se ha de cumplir también para ko. ko)xo = (8.6) <I>(k + 1. se define como matriz de transición .3) Del mismo modo. ko)xo Como esta expresión se cumple para cualquier valor de Xo.366 CAPÍTULO 8. x(k) = <I>(k. si se tiene en cuenta que la ecuación es lineal. la solución formulada con la ecuación anterior debe adoptar la forma: (8. 2. ko) = I = <I>(ko.

k) = <P(k. 1 . se debe cumplir entonces: <P(l.4. 17) Como esto se ha de cumplir para cualquier estado. k )x(k) (8. 18) 8. k) x(m) = <P(m. particularizada para la muestra inicial ka: x(ka + 1) = A(ka)x(ka) (8. k) = <P(l.5 se cumple que: (8. al hacer la composición de ambas expresiones. m)x(m) (8. 13) (8. 8 . si la matriz A(k) es invertible. utilizando 8.2 es posible calcular x(k) a partir de x( k + 1) generalizando: x(k) = <P(k. se puede calcular su valor para una muestra posterior l 2:: m como: DE LA MATRIZ DE TRANSICIÓN 367 x(l) = <P(l.l (8. Inversión Dado un par de valores del estado (x(k) . CÁLCULO Asimismo. 15) Asimismo. con k � m. de entre los cuales se pasan a detallar los más significativos a continuación. m)<P(m.2.4. m)<P(m.4. k)x(k) =? (8. m)<P(m. por 8. m) . Método iterat ivo Partiendo de la Ecuación 8. 14) Como esto es cierto para cualquier estado inicial y final. m)x(m) (8.8. x(m)).16) Y con lo que.19) . k)x(k) 4. se verifica que: 1 = <P(k. resulta: x(k) = <P(k. m)<P(m. k)x(k) x(l) = <P(l. k) <P(m. partiendo del estado x(m).12) Pero también se puede calcular este último estado partiendo del inicial x( k) me­ diante la expresión: (8. 1 1) y componiendo las dos expresiones: x(l) = <P(I. Cálculo de la matriz de transición Existen diferentes métodos para calcular la matriz de transición.

se refiere a continuación: Se parte de la hipótesis contraria. x (k). suponiendo que A(k) es invertible para cualquier valor de k. propiedad que ha sido aludida sin demostración anteriormente. . .2.22) 8. .2) · · · A(ko l)A(ko ) por lo que en el caso de que el sistema sea además invariante: <T>(k. sea x l (k) . . an =1. . X2 (ko ) . + an x n (ko)) (8. + a n x n (k) O <T>(k. . La demostración de que si para cualquier valor de k. ko) = A por lo tantol: <T>(k. SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO Los sucesivos valores del vector de estado se pueden calcular como: x(ko + 2) y A(ko + l )x(ko + 1 ) A(k .4. .n. Método de la matriz fundamental de soluciones y Partiendo de la Ecuación homogénea 8.l )A(k . x2 (k) .368 CAPÍTULO 8 . .21) (8. ka ) . x2 (k) . de suponer que existe una tupla de números a l .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.l)A(k - x(k) = A ( k . . . . se le denomina conjunto fundamental de soluciones. ko) + k . ka) (a l x l (ko ) + a 2 x 2 (ko ) + . . . expresadas por el superíndice: X l (k) x 2 (k) <T>(k. . xn (ko ) son linealmente independientes. A(ko + l )A(ko)x(ko ) + .O tales que: y y l De esta expresión e s fácil comprobar que s i la matriz A(k) e s invertible . kO)x l (ko) <T>(k.ka 2) · . = A(ko l)A(ko)x(ko ) (8. xn (k) un conjunto de soluciones de la ecuación homogénea para distintas condiciones iniciales. a 2 . A(k) es invertible los esta­ dos x l (ko ) . . .2. . a l x l (k) + a 2 x 2 (k) + . . lo e s asimismo la matriz de transición <I>(k. .20) (8.25) como: = == . kO)x2 (ko ) (8. entonces también lo son x l (k) .24) (8. es decir.

8.4.

CÁLCULO

DE

LA MATRIZ

DE

TRANSICIÓN

369

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

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

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

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

=

=

(8.27)

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

=

(8.29)

Dado el sistema :

se toman como valores iniciales:
y y

(k + 1) [ XXl2 (k + 1) ] [ �

k+1 1

(k) ] [ xXl2 (k) ]

entonces: a partir de

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

x2 (O) se obtiene la secuencia :

o>

[ ti) 1
k(k

370
con lo que:
y

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

X(k)
dado q ue:

=

X(O) 1
=

[�

k(k 1)

i

1

entonces es:

8.4.3.

Método de diagonalización de Jordan

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

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

=

(8.30)

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

TJ k - ka T - 1

(8 . 32)

Método de Cayley- Hamilton

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

la expresión:

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

=

(8.35)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

371

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

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

(8.36)

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

se cumple entonces que:

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

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

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

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

I

A=Ai

=

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

I

A=Ai

(8.41 )

Dado el sistema cuya matriz A es:

entonces su ecuación característica es:

y por tanto:

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

372

CAPÍTULO 8 . SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

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

con lo que:
y

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


1

8 .4 . 5 .

Método d e l a matriz resolvente

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

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

(8.42)

ct>(k, O)

Ak

(8.43)

Dada esta expresión se comprueba que se cumple:

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

(8.44)

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

(8.45)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

373

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

sión inicial menos la multiplicada queda:

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

de donde resulta inmediato:
Ejemplo 8 . 3

(8.48)

y antitransformando:

Dada la matriz:

se calcula la matriz resolvente como:
y

A = [ _ l� z [ 10

�] � ]}

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

Hallando la antitransformada de cada término:

Ak = fZ -1 { Z 2 _ :z + 1O [ z_� ;

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

-1 z-7 ]

3 74

CAPÍTULO

Por lo que la matriz de transición queda:

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

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

+

]

8.5.

S olución de la ecuación completa

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

+ 1)

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

=

A(k)x(k)

+ B ( k )u( k)

(8.49)

x(k)

=

cJI (k, ko )x(ko )

+

k- l

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

(8.50)

Comprobación para k

x(ko )

=

ko
=

cJI (ko , ko )x(ko )

+

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

0=

x(ko )

(8.51)

=

1)

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

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

[

+

+ A(k)

¡�

'P (k, 1

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

k- l

l= ko

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

1

=

8.6. EJERCICIOS RESUELTOS

375

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

l=ko

k- l

,

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

l=k

k

...

1

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

término es una convolución, queda:

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

(8.54)
que el segundo

fZ'

=

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

[A k x(O)]

+ fZ'

[� A k - l -1 B U (l) l

(8.55)

8.6.

Ej ercicios resueltos

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

obtener las tres primeras muestras del estado
y

de la salida cuando la entrada es:

el estado inicial es:

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

[�]

376

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

La evolución del estado viene dada por la expresión:

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

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

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

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

o:
x(l) =

para k = 2:

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

1:

x(O) =

[�]

x(2)

Con lo que la secuencia de estados queda:

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

{ [ � ] , [ - ; ] , [ -1� ] }

-4 .6.5 + 3 = -4 y (2) = 4 + 10 + 3 = 17 {y ( k)} = { 7.8. EJERCICIOS RESUELTOS 377 Siendo la salida: Para para para k = O: k = 1: k = 2: y (k) = [ 1 -1 ] x ( k ) + [3]u (k) y (O) = 1 + 6 = 7 y (1) = -2 . 17 } Por lo que l a secuencia de valores de l a salida es: .

.

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

u(kl .2) con lo que.1 ) . Se dice que un punto del espacio de estado Xl de un sistema discreto es con­ trolable si. En efecto.2. partiendo de la expresión: x(k ¡ ) = cp (kl . 9. kl l si existe una secuencia de entrada. l + l ) B (l )u(l) l=ko L . 1) se observa que el cambio ep. partiendo de cualquier estado inicial Xo de un índice cualquiera 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 .l x(kl ) = (9. u(ko ) ' u(ko + 1 ) . u(ko + 1 ) . · . existe una secuencfa de entrada u(ko ) . . se define la controlabilidad de la salida aplicando los conceptos anteriores a puntos del espacio de salidas en vez de puntos del espacio de estados. De la misma manera. los puntos alcanzables vienen dados por la expresión: kl . tal que transfiera e l estado del sistema desde cualquier punto Xo de índice ko a Xl de índice kl . Controlabilidad e n sistemas discretos lineales Al igual que en los sistemas continuos. . el vector de estado es equivalente al que se obtiene al transferir el estado desde un valor inicial nulo al valor final: (9.1 ) que transfiera el sistema al estado xl (kl ) de índice kl finito. kl l y controlabilidad del sistema cuando todos los puntos del espacio de estados lo son. ko)xo (ko ) + kl . . u(kl .380 • CAPÍTULO 9. . . • Controlabilidad en cualquier intervalo Estos conceptos se amplían a los de controlabilidad del sistema discreto en [ko . el estudio de la controlabilidad de los sistemas discretos lineales se puede reducir al estudio de los puntos alcanzables desde el estado inicial nulo. . a partir del estado inicial nulo.l l=ko L cp (kl . dada la linealidad del sistema planteada por hipótesis. l + l ) B (l )u(l) (9.3) cp (k1 .

como. 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 . 1 + l)B(l)u(l) (9. • Condición suficiente Si la matriz W(k 1 .4) W(k 1 . ka)v = O (9.8) .1 l=ko L <l>(k1 . debe existir un vector v no nulo tal que: k - por tanto: l=ko l 1 L vT<l>(kl . ka) y B(k) . ka) depende únicamente de la matriz A(k).6) que transfiere al sistema desde el estado inicial nulo al estado X l en k1 muestras.9. ya que: x(k¡ ) k1 . ka) = es no singular. 1 + l)v = O vTW(k1 . 1 + 1) (9. ka) es singular. para un estado final X l cualquiera existe una entrada: (9. ka) es no singular.5) La demostración de este criterio sigue los mismos pasos que la del criterio análogo formulado para los sistemas continuos. l + 1)B(l)BT (1)<l>T (k1 . l 1 :L <l>(kl . se puede establecer que la controlabilidad depende de A(k) y B(k). CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES 381 La controlabilidad del sistema depende entonces exclusivamente de las matrices <l>(k. la matriz <l>(k. 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 (9.2.7) • Condición necesaria Si W (k l . a su vez. l + 1)B(l)BT (l)<l>T (k1 .

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

13) y teniendo en cuenta el teorema de Cayley-Hamilton: (9. y al igual que sucede en el caso de sistemas continuos. pero tiene un mínimo.16) tenga rango n. es posible elegir la secuencia de entrada {u(ko) .1)}.1) (9. el sistema es o no controlable. . hay que añadir el número de elementos de la secuencia de entrada para el que puede alcanzarse el estado deseado. . en el caso discreto. .2 Bu(ko + 1) + .9.2) + Bu(n . puesto que partiendo de la expresión: Condición suficiente = x(ko + n) An . por lo tanto.2) + Bu(k . Este número de elementos de la secuencia de entrada es finito para cualquier sistema controlable.1 Bu(ko ) + A k . el sistema no es controlable. u(ko + 1) .3 . por debajo del cual no se puede garantizar la transferencia entre los valores del estado. 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. + ABu(n . Si no se pueden al­ canzar todos los puntos del espacio de estado. para que e l estado en e l elemento de l a secuencia k + n tome cualquier valor dentro del espacio de estado. • La demostración de esta condición de suficiencia es inmediata. con independencia del tiempo disponible para transferir el estado desde su valor inicial al final. por definición. 15) y suponiendo que en la matriz Q existen n vectores columna linealmente indepen­ dientes. Este mínimo de elementos de la secuencia de entrada será el menor i que verifique que la matriz: (9. Como puede observarse. es imposi­ ble alcanzar cualquier punto del espacio de estado si no existen al menos n vectores columna linealmente independientes dentro de dicha matriz. al hecho de que el sistema sea o no controlable.14) con lo que se demuestra que el estado para la muestra k se puede obtener como combinación lineal de los vectores columna de la matriz Q. se condiciona la controlabilidad a disponer del número de elementos de la secuencia de entrada necesarios para conseguir alcanzar el estado deseado. En estos últimos.l Bu(ko) + An . u(n . es evidente que. CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES = 383 Ak . se puede observar fácilmente que la dimensión del subespacio controlable (cuya definición coincide . mientras que. · · · .kO .1) (9. · + ABu(k .kO -2 Bu(ko + 1 ) + .

kl . l + l)B(l)BT (l)<'J?T (kl . se obtiene también como el número de columnas linealmente independientes de la matriz Q. se puede establecer que el subespacio controlable atiende en ambos casos al mismo comportamiento. k 1 l si y sólo si la matriz denominada gramiano de controlabilidad de la salida y definida como: x(k + 1) y(k) A(k)x(k) + B(k)u(k) C (k)x(k) (9. igual que en casos anteriores. la controlabilidad de la salida de estos últimos sigue manteniendo una clara semejanza con la estudiada para los sistemas continuos.4. tanto en la forma de la obtención de su base como en su invarianza ante transformaciones en la representación del estado.3 del estado en función de la entrada. l + 1 ) CT (k1 ) (9.1 l= ko L C(kd<'J?(k1 . 9.384 CAPÍTULO 9. y(kd = k1 . 17) (9. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO asimismo con la del caso continuo) . basta con expresar la salida en función de la entrada. l + 1)B(l)BT (l)<'J?T (k1 . Así. como el rango de dicha matriz. Si alguna de las matrices del sistema es de coeficientes complejos. en el caso de sistemas discretos lineales. De otra parte. 19 hay que tomar las matrices conjugadas de las transpuestas en lugar de las transpuestas. es decir. al ser una propiedad intrínseca del sistema. y dada la evidente dualidad entre las conclusiones obtenidas en el estudio de los sistemas discretos en relación con los continuos. Controlabilidad d e l a salida Al igual que viene ocurriendo con el estudio de otras propiedades de los sistemas con­ tinuos y discretos. 18) Wc (k 1 . l + l ) CT (kd (9. 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: . suponiendo que se parte de salida inicial nula: y comparar esta expresión con la Ecuación 9. en la Ecuación 9. se establece el criterio: Dado el sistema discreto lineal de dimensión n definido por las ecuaciones: entonces la salida es controlable en [ko.19) Para realizar la demostración de la efectividad de este criterio.1 l= ko L C(kd<'J?(k1 .20) Caso lineal e invariante En el caso de que el sistema discreto sea lineal e invariante.

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

conociendo las secuencias de entrada y salida.C (k) Estas dos salidas coinciden si la entrada en el intervalo considerado es nula. para realizar el estudio. asimismo.6. ante entrada nula: = C (k) cp (k. ya que conocidas la entrada y la salida se puede formar una nueva salida que cumpla: y (k) y(k) . l + l)B(l)u(l) (9. por lo que por comodidad se puede elegir.386 CAPÍTULO 9. k 1 l y de observabilidad del sistema cuando todos los puntos del espacio de estado lo son. de hecho se puede demostrar que la posibilidad de conocer el estado a partir de la entrada y de la salida es independiente de cuál sea la entrada. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Como en todos los casos anteriores. pues. este análisis se puede reducir al caso de entrada nula. l + l)B(l)u(l) .D(k)u(k) (9. se parte de la ecuación de la salida: con: y(k) = C (k)x(k) + D(k)u(k) x(k) = cp (k.23) Al igual que en los sistemas continuos. la observabilidad será. ko)xo (ko ) + k-l l=ko k-l (9. E l caso trivial d e observabilidad será. estos conceptos se extienden a los de observa­ bilidad del sistema discreto en [ko .22) L cp (k. únicamente de las matri­ ces cP y C. una entrada nula. 9. ko)xo (ko) l=ko L cp (k. función de las matrices A y C.27) El caso general de observabilidad se puede determinar por el siguiente criterio: .26) y para todo índice k: (9. Observabilidad e n sistemas discretos lineales Para determinar bajo qué condiciones se puede obtener el estado inicial.25) (9.24) y si C es no singular para un determinado ks : x(k) = C . por tanto. La observabilidad del sistema vuelve a depender. cuando l a matriz C sea d e dimensión n x n y no singular Vk. ya que entonces.1 y(k) (9.

entonces: l=ko Condición suficiente k1 L cI>T (l . k 1 l si observabilidad y definida como: y A(k)x(k) + B (k)u(k) C (k)x(k) + D(k)u(k) (9.T (1 .( 1 . 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. pues si la matriz V(k1 . por lo que no es posible distinguir mediante la observación de la salida entre el estado inicial nulo y el estado inicial xo · (9. ko)xo = O o.28) (9. l=ko L cI> T (l . ko) es singular.3 1 ) (9. la evolución libre del sistema. ko ) L cI>T (l. lo que es lo mismo. 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 .33) Condición necesaria = V. ko) C T (I)e( l). 3 0) Para demostrar la validez de este criterio.¡.9.6.1 (kl . ko)xo C� . kO)C T (l) C (l) cI> (l . ko)CT (l)y(l) k1 l= ko V(k 1 . ko)xo l 1 2 O l=ko y puesto que es un sumatorio de términos mayores o iguales que cero Vl. partiendo del estado inicial Xo . ko) Xo ) (9.29) sólo si la matriz denominada gramiano de V(k 1 . kO)C T (l)y(l) Xo y por lo tanto: • La prueba de que es también condición necesaria parte de que V (k 1 . ko)xo L II C (l) cI> (l . ko � l � k1 : = kl = (9.34) su evolución ante entrada nula. ko) es invertible. ko) = es no singular.35) C (l) cI> (l . por lo que existe un vector Xo distinto de cero que verifica: X6V(k 1 . . es también nula. kO)C T (l) C (l) cI> (l .32) y por lo tanto: k1 l=ko L x6 cI> T (l. ko) kl (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. en lugar de las transpuestas. puntos que se denominan no-observables. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Se dice que un punto del espacio de estado Xa es no observable en [ka . producen una res­ puesta libre del sistema nula. llevan de manera semejante a los sistemas continuos a las siguientes definiciones: 388 CAPÍTULO 9.30 las matrices conjugadas de las transpuestas. por lo que no se puede distinguir entre ellos. 7. 9 . puesto que cualquiera de ellos produce la misma salida que su suma con un punto no observable.38) La condición impuesta por el criterio es suficiente. ya que si el rango de la matriz Condición suficiente . tomados como estado inicial. existen puntos que producen salida nula en el intervalo [ka . si las matrices el> o C son de coeficientes com­ plejos.37) (9. El resto de los puntos del espacio no son observables. se deben utilizar en la Ecuación 9. por linealidad. = es de rango • [ c� 1 CA n . La existencia de estos puntos que. Si el sistema no es observable.36) (9. Observabilidad en sistemas discretos lineales in­ variantes El criterio para determinar la observabilidad de los sistemas discretos lineales inva­ riantes se puede enunciar de la siguiente manera: Dado un sistema discreto lineal invariante con una representación de estado: x(k + 1) y(k) entonces es observable si y sólo si la matriz P definida como: P n. k 1 l ante entrada nula.1 Ax(k) + Bu(k) Cx(k) + Du(k) (9.Al igual que en los sistemas continuos.

9. Xo será no-observable. Si se define el subespacio no-observable como el conjunto de puntos no-observables. la observabilidad del sistema seguirá siendo la misma. al igual que para los sistemas continuos. CA ) . determinar cuál es el estado xo . . entonces: (9.41) = (9. De esta forma se garantiza que.39) se pueden seleccionar n ecuaciones linealmente independientes y. . por tanto. .7. La observabilidad del sistema también está condicionada al número de elementos de la secuencia de salida disponibles. al compararla con las Ecuaciones 9. aunque dicha representación se vea sometida a una transformación lineal. se llega. r . r. indica que el vector de salida es nulo para (ko .1 ) .39. a partir de ellas. CA.40) y. ko + 1 . entonces de: y(ko ) y(ko + 1 ) y(ko + n .n� l para todo índice l la matriz CAl es Como combinación lineal de (C. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES 389 P es n. • Si la matriz P es de rango menor que n.1 ) CXo CAxo (9. " .42) sea de rango n. Como sucede también en el caso continuo. .donde es el rango de P. la observabilidad es una propiedad in­ trínseca del sistema. a que dicho sub espacio está generado por el núcleo de la aplicación definida por la matriz P. existe un vector Xo no nulo que cumple: PXo O Condición necesaria ecuación que. de forma que no se ve afectada por la representación del estado elegida. necesitándose como máximo n elementos y como mínimo el menor valor de i que verifique que la matriz: (9. . ko + n . cuya dimensión será por tanto n .

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

Ejemplo 9 .S2 w W2 + son de rango dos. ya que las dos matrices: p= [ � � ] x(t) + con representación de estado en variables de fase: . que el sistema discreto equivalente no será ni controlable ni observable.9.8. 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. toman los valores: 9 (T) [ � ] <f> (T) = � � ] [ (1 = es decir. particularizadas para el período de muestreo T = 2: . En cambio. Q= [ � � ] p= [ � � ] . 1 CONTROLABILIDAD y OBSERVABILIDAD EN SISTEMAS MUESTREADOS 391 Dado el sistema continuo: G(s) _ [ _�2 � ] x(t) [ � ] U(t) [ W O ] x(t) y(t) es controlable y observable. el sistema discreto equivalente: x(k + 1 ) y(t) <f> (T)x(k) + 9 (k)u(k) C (T)x(k) 1.

también la dinámica del sistema viene determinada por: Ar A + BK (9. dado un sistema discreto en su representación de estado.2: Sistema discreto con realimentación del estado.2.43) (9. el objetivo es diseñar una matriz de realimentación constante K. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Control de sistemas discretos por realimentación del estado El control de un sistema discreto mediante la realimentación de sus variables de estado es paralelo en todos sus métodos a los estudiados para sistemas continuos. Obviamente los objetivos de diseño serán distintos. CAPÍTULO 9. definido por sus matrices A. {v(k) } { y (k) } Figura 9. . Tal y como se ve en la Figura 9.392 9.46) por tanto.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. por motivos cuyo estudio se aborda en otros textos.47) Bajo las condiciones adecuadas de controlabilidad del sistema. B y C. también se podrán fijar aquí los valores propios de la matriz Ar . de modo que el sistema total cumpla los objetivos de diseño planteados. 45) (9.9. determinando los valores adecuados de la matriz K. ya que los valores propios que se buscan estarán en una región distinta de diseño dentro del círculo unidad. Igual que en los sistemas continuos se cumple que: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) (9.

este vector se realimenta se compara con un vector de referencias. Sistemas muestreados de control El caso que se plantea aquí es el común de los sistemas actuales de control. y y (t) Computador I nterfase Sistema continuo Figura 9. La configuración del sistema suele ser la que se indica en la Figura 9. la diferencia se lleva mediante un bloqueador normalmente de orden cero. las matrices de transformación y toda la metodología estudiada para aquellos sistemas es válida para el diseño de sistemas discre­ tos. en el que se pretende controlar un sistema continuo mediante el uso de un computador.3. el conjunto de variables de estado x(t) se muestrea con un período T mediante un convertidor analógico-digital. El diseño se puede enfocar de dos maneras. por naturaleza discreto. diseñar la correspondiente matriz de realimentación K para dicho sistema .49) son las mismas que en sistemas continuos.1 (9. 9.48) (9.3: Sistema muestreado con realimentación del estado. convertidor digital-analógico. 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 . 10. a las variables de actuación del sistema u(t) . Se puede considerar todo el sistema como continuo. se multiplica por la matriz de constantes K. 10. obteniéndose la secuencia discreta {x( k) } .9.

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

equivalente a actuar sobre el sistema obtener sus medidas en el instante de muestreo. 8(T)] .l .5. SISTEMAS MUESTREADOS DE CONTROL y 395 y La suposición más sencilla es considerar un tiempo de cálculo igual al período de muestreo.10. En este caso el esquema es equivalente al de la Figura 9. dedicando el tiempo entre muestra muestra para calcular la siguiente actuación sobre el sistema. Se puede sacar como conclusión que si el sistema sin retardo era controlable. Realimentando entonces con: u(k) = v (k) + [ O K ] se obtiene el sistema total: w(k + 1) [ x(k + 1 ) ] X(k) [ w(k) ] (9. donde el tiempo de cálculo se representa mediante un retraso Z . 5: Sistema muestreado con tiempo de cálculo no nulo.54) 8 = 8 (T) . 9. el sub­ sistema controlable del sistema con retardo contiene al menos al sistema primitivo.57) . {v (k) } �___ {y(k) } {w(k) } Figura 9 .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. utilizando la notación forma: ] = [ <I> (T) OO ] [ w(k) ] + [ 8 O(T) ] u(k) X(k) 1 <1> = <I>(T) y (9. es de la (9.55) que coincide en sus primeras filas con la matriz de controlabilidad Q del sistema [<I> (T) .9.56) (9.

A)T) u(k) (9. se pueden ajustar los valores propios del sistema.58) {v(k) } {u(k) } . A ::. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO y(k) = [ e o x(k) 1 w(k) [ en el que.AT) = el> ( (1 .6: Sistema con retardo no múltiplo entero del tiempo de muestreo. mediante la adecuada elección de la matriz K. como se muestra en la Figura 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 .396 CAPÍTULO 9. T)Bu(T)dT it o (9. to)x(to) + se obtiene que: x(k + 1) w(k + 1 ) ¡ t el> (t.59 ) el> (T)X(k) + 8 (T)u(k) x ( (k + 1)T . I I y y(t) Figura 9.A)T) = el>(T) } ==} w(k) = x(k) 8 ( ( 1 A)T) = 8(T) (9. a la hora de su estudio puede resultar algo más sencillo considerar que el retardo se produce en la parte continua. y ] (9.62) (9.A)T) x(k) + 8 ((1 . En el caso más general se puede estudiar el comportamiento del sistema considerando un tiempo de cálculo AT.61) por lo que el nuevo sistema antes de realimentar (parte derecha de la Figura 9. considerando u(k) x(k) en el instante de actuación w(k) en el de muestreo .63) . dado que: x(t) = el> (t. 1 .6. con O ::.60) (9. En este caso. Aunque este retardo se produce en la parte discreta del sistema.

64) e). partiendo del estado inicial x(O) = [1 I V . Dado un sistema discreto definido por las ecuaciones: [ Xx2l (k + 1l)) ] (k + [ 0.l e <I>). = 1 se está en el segundo de los casos: >.9.. Ejercicios resueltos O ] [ :��) ] ] [ w(k)) ] + [ e ( (e-(T)>')T) ] v (k) X(k l n (9. = e ( ( l .5 O [ 1 y(k) ] [ x l (k) ] + [ 11 ] u(k) x 2 (k) [ O ] X l (k) ] -0. . <I>).. Vuelve a suceder aquí que si el sistema sin retardo. = 1 � e ((l = y {I <I> ( (1 .5 O x 2 (k) Estudiar la controlabilidad del sistema.. . coincidiendo también en sus primeras filas con la matriz de controlabilidad del sistema sin retardo..2 e (9.68) 1 . y EJERCICIOS RESUELTOS 397 que para >.66) obteniéndose como sistema realimentado: w(k + 1) e (k)K <I>(T) <I> ( (1 . <I> n.>')T)K y(k) = [ e [ x(k + 1) ] = [ sistema en el que una adecuada elección de K permite la asignación de polos del sistema. la dimensión del subespacio del sistema con retardo es al menos conteniendo al sistema original.. 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 . Determinar igualmente si. .>')T) e ( ( l .11. (9. n ] (9.65) n. = <I> (( 1 .>')T) . )T) es de la forma: Q= e [ e).>')T) = 1O } � w(k + l ) = x(k) >')T) <I>e <I> 2 e . 9. En este caso la realimentación es también: n. <I> e . e <I>).>. <I> n . de dimensión es con­ trolable. utilizando como notación <I>). La matriz de controlabilidad en este caso.11.67) (9.. .

1 O 1 -0 � ] = [ 005 -0.1 y l = ko L A k . A i . no existe una secuencia de entrada que permita alcanzar dicho estado para k1 = 1 . que se alcanzará cualquier estado final si se fija un k1 igual o superior a k1 = 2.5 ] [ 11 ] [ 0. pues.5 ] rango(Q) = 2 por lo que el sistema es controlable para k1 = 2.ko 1 y [�] � rango(Q) = 1 � o. . i = k 1 . k 1 = 1 . . Se puede afirmar.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. entonces: O 1 -0. para k1 = 3 el sistema sigue siendo controlable. 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. ) Si x(l) = [3 3]T.1 B .5 ] [ 11 ] u(O) O [ a x(k) = A k . Para k1 = 2 : 0.1 Bu(l) Como puede comprobarse. pero no todos los del espacio de estado. Para k1 = 1 : Q= [ B Qi = [ B AB . ko = O.5 [ � ] [ _�:� ] [ � ] u(O) { u(O) = 3.l .5 � = + = .5 Q = [ B AB 1 = � [ -0. Obviamente. lo que es lo mismo. 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. � � u(O) 2. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que el sistema no es controlable con k 1 = 1 .5 -0. Con un valor menor de k1 se pueden alcanzar también algunos puntos.

2 5 . 5 o [ � ] + 0 5 � r. 22 5u(0 ) + 0.9 .�.75} se logra llevar el sistema al estado deseado.5 ] 3 .1 [ � ] u(O) [ . 5 u(0) + u(l) 2.5 r-O. Si x(l) = [3 2jT.0. u(2) O u(2) 3 u(2) = 2.5 2.0 1 ] + O 5 O ] 2 . puesto que el sistema es controlable cuando k = 2 como ya se ha demostrado.o [ � ] + [ 005 -� . Esta conclusión era esperable. 55 u(1) + u(2) { 3.1 � ] u(O) + [�]=[ r[ 0 . 1 1 . 2. entonces: 33 ] = 0 . k =} =} =} =} =} =} =} { u(O) u(l) . 5u(0) .[ � ] u(2) [ � ] = [ _ � :�. como por ejem­ plo: 1 = 2.. Si x(3) = [3 3jT. � ] + [ _ � :� ] u(O) + [ � ] u(l) = = =} { 2.75 -0.75 u(l) Luego con la secuencia de entrada {u (k)} = {O.1 . { u(l) = O-0. ] = [ _ �: � ] + [ � ] u(O) { ���� : . 5 [1 2 1-1 1 O5 O + [ O . { u(l) = 2. 5 ] . k1 = 1.4 Esta conclusión era esperable.4 2 5 -0.O .125 = 0.1 1 ] u(O) + [ [ 0 -0.[ 1 ] u(l) [ � ] = [ � :.�. 5 [ 1 [ O -0. : � = = = =} =} =} ecuaciones para las que se pueden obtener infinitas soluciones.75 = 0.1 [ + [ 005 .0. 5 u(0) + u(l) { u(O) = O2. 5 r.0 . 5 O ] . k1 =1 3. ko 2= O.875 = 0.1 [ � ] u(l) + [ 005 . 2 5 . EJERCICIOS RESUELTOS 399 b) e ) d) 12 = u(O) = u(O) = -0. ko = O.�. ] = [ 005 .� ] + [ � : . pues ya se ha demostrado que el sistema es controlable para k1 = 3. entonces: [ . u(1) + u(2) Si x(2) = [3 3jT. 5 ] 3 . ko = O: 005 -� . � ] u(O) + [ _ �: � ] u(l) + [ � ] u(2) 2.

5 + [ 1 1 ] x(k) [ 1 ] u(k) O [ 0. ante entrada { u(k) } = {2. Si se conoce la entrada { u(k) } = {2. 5 } . entonces es evidente que k1 = ko + 1.5} se consigue. 5} . 1 } la salida { y(k) } = {4. Dado el sistema: x(k + 1) y(k) La observabilidad del sistema entre ko Estudiar su observabilidad.k¡ ) = 1 por lo que el sistema es observable. siempre que sea posible. entonces: Y Pko . 1 } . Determinar el estado inicial. Si k1 = ko 1 . la salida es { y (k) } = {4. es posible alcanzar algunos puntos del espacio de estado. si se conoce que. 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 . Aunque el sistema no es controlable para k1 = 1. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Luego con la secuencia { u(k) } = {2. 2.k¡ = [ C ] =} rango(Pko .5 ] [ ] k1 depende del rango de la matriz: Si k1 = ko es: + luego el sistema no es observable para k1 = ko . y O x(k) + 1 u(k ) 1 -0. por lo que el sistema es observable se puede conocer el estado inicial.400 CAPÍTULO 9.

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

.

Parte III Apéndices 403 .

.

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

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

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

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

para el caso en que el orden de multiplicidad sea dos. y =* =* . CÁLCULO DEL VECTOR PROPIO ASOCIADO A UN VALOR PROPIO y 409 simples) o por el contrario sea menor que el orden de multiplicidad.A.25) de donde: A [ u x ] = [ u x J [ � � ] = [ '\u u + '\x ] (A. Se cumplirá: (A.3.27) Ax De esta última ecuación se obtiene el vector x. En este caso no coincide el número de valores propios vectores propios. se plantea cómo con­ seguir en la matriz de transformación T la aportación de este valor propio.26) { Au = u'\u+ '\x(A -(A'\I)u'\I)xO = u = = (A. siendo la caja de Jordan asociada igual a una matriz diagonal con una subdiagonal superior de unos. la aportación será de dos vectores columnas que se expresan como: (A. Así.24) T= [ u x ] siendo conocido u desconocido x. Una vez hallado el vector propio u asociado al valor propio.

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

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

.

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

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

Sign up to vote on this title
UsefulNot useful