I l

I

Sergio Domínguez

José María Sebastián Agustín Jiménez

Pascual Campoy

. OtlQ:O
"

/ /

f

,

CEA

com� español de auméllca

Control en el espacio de estado

UNIVERSIDAD POLITÉCNICA DE VALENCIA Prof Dr lAVIER ARACIL SANTONlA

Catedrático de Ingemería de SIstemas y AutomátIca Prof Dr PEDRO ALBERTOS PÉREZ Catedrático de Ingemería de SIstemas y AutomátIca CatedrátIco de Ingemería de SIstemas y AutomátIca Prof Dr SEBASTIÁN DORMIDO BENCOMO

CONSULTORES EDITORIALES

UNIVERSIDAD DE SEVILLA

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

Control en el espacio de estado
Segunda edición

Departamento de Automática, Ingeniería Electrónica e Informática Industrial Escuela Técnica Superior de Ingenieros Industriales Universidad Politécnica de Madrid

Sergio Domínguez Pascual Campoy José María Sebastián Agustín Jiménez

,

PEARSON Prentice Hall

Madrid e México e Santa Fe de Bogotá e Buenos Aires e Caracas e Lima e Montevideo San Juan e San José e Santiago e Sao Paulo e White Plains

datos de catalogación bibliográfica CONTROL EN EL ESPACIO DE ESTADO Domínguez, S.; Campoy, P.; Sebastián, J.M.; Jiménez, A. Pearson Educación S.A., Madrid, ISBN

DERECHOS RE SERVADOS

Queda prohibida, salvo excepción prevista en la Ley, cualquier forma de reproducción, distribución, comunicación pública y transformación de esta obra sin contar con autorización los titulares de propiedad intelectual. La infracción de los derechos mencionados puede ser constitutiva de delito contra la propiedad intelectual (arts. 270 y sgts. Código Penal).
Formato: Páginas:

170

ISBN
x

Materia: Ingenieria de Control Automático,

240 mm.

10: 84-8322-297-3 13: 978-84-8322-297-3

2006

681.5

440

28042 Madrid

Ribera del Loira, 28

© 2006 por PEARSON EDUCACIÓN S.A..

CONTROL EN EL ESPACIO DE ESTADO Domínguez, S.; Campoy, P.; Sebastián, J.M.; Jiménez, A. ISBN 13: 978-84-8322-297-3

ISBN 10: 84-8322-297-3

Deposito Legal: M-24794-2006

PRENTICE HALL es un sello editorial autorizado de PEARSON EDUCACIÓN S A

Equipo editorial Editor: Miguel Martín-Romo Técnico editorial: MaÍta Caicoya Equipo de producción: Director: 'José A. Ciares Técnico: María Alvear Diseño de cubierta: Equipo de diseño de Pearson Educación S.A. Impreso por: Rigorma Grafic S.L.

IMPRESO EN ESPAÑA - PRINTED IN SPAIN

Este libro ha sido impreso con papel y tintas ecológicos

ín dice gen era l
Indice de figuras Presentación Prefacio Prólogo
1. 1
2a XI

XIII XVII XV

Prólogo a la

edición

XXI

Sistemas continuos

Modelo de estado

1.1. 1.2. 1.3.

1.4. 1.5. 1.6. 1.7.

1.8. 1.9.

Introducción . . . . . . . . . . . . . . . . . . . Concepto de estado . . . . . . . . . . . . . . . 1.2.1. Propiedades de las variables de estado Ecuaciones del modelo de estado . . . 1.3.1. Sistemas dinámicos lineales . . 1.3.2. Sistemas dinámicos invariantes Transformaciones lineales . . . . . . . Representación gráfica de sistemas lineales . Función de transferencia modelo de estado . Métodos de obtención del modelo de estado . 1.7.1. Variables de estado como magnitudes físicas . 1.7.2. Variables de estado como salida de los integradores . 1.7.3. Variables de estado de fase 1.7.4. Variables de Jordan . . 1.7.5. Estructuras compuestas Ejemplos adicionales Ejercicios resueltos . . . . . . .
y v

3 4 7 9 12 13 14 15 17 19 20 22 27 28 30 33 45

3
1

VI 2.

ÍNDICE GENERAL

1.10. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . 2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Solución de la ecuación homogénea. Matriz de transición . 2.2.1. Caso general . . . . . . . . . . . . . . . . . . 2.2.2. Casos particulares de la matriz de transición 2.3. Propiedades de la matriz de transición 2.4. Solución de la ecuación completa . . 2.5. Cálculo de la matriz de transición . . 2.5.1. Método de Cayley-Hamilton . 2.5.2. Método de Jordan . . . . . . 2.5.3. Mediante la transformada inversa de Laplace 2.6. Ejemplos adicionales 2.7. Ejercicios resueltos 3.1. 3.2. 3.3. 3.4. 3.5. 3.6. Introducción . . . . . . . . . . . . . . Definiciones . . . . . . . . . . . . . . Controlabilidad en sistemas lineales . 3.3.1. Cálculo de la entrada en sistemas lineales Controlabilidad en sistemas lineales invariantes . 3.4.1. Invarianza de la controlabilidad ante cambio de base /:" Interpretación geométrica de la controlabilidad . Subespacio controlable . . . . . . . . . 3.6.1. Base del subespacio controlable 3.6.2. Estados alcanzables . . . . . . 3.7. Separación del subsistema controlable 3.8. Controlabilidad de la salida 3.9. Ejemplos adicionales 3.10. Ejercicios resueltos . 3.11. Ejercicios propuestos 4.1. Introducción . 4.2. Definiciones . . . . . . . . . . . . . 4.3. Observabilidad en sistemas lineales 4.3.1. Planteamiento . . . . . . . 4.3.2. Teorema . . . . . . . . . . 4.3.3. Determinación del estado inicial en sistemas observables 4.3.4. Estados no-observables . . . . . . . . . . . . . . . . . 4.4. Sistemas lineales invariantes . . . . . . . . . . . . . . . . . . 4.4.1. Invarianza de la observabilidad ante cambio de base
.

Solución de la ecuación de estado de sistemas lineales

63

61

3.

Controlabilidad

109

63 64 64 65 68 70 72 72 75 78 79 89

4.

Observabilidad

175

109 112 113 116 122 125 125 128 130 130 131 134 137 152 171 175 177 177 177 178 181 183 185 187

ÍNDICE GENERAL

4.5. 4.6. 4.7. 4.8. 4.9.
5.

Interpretación geométrica de la observabilidad Subespacio no-observable . . . . . . . . . 4.6.1. Base del sub espacio no-observable . . . . Separación del subsistema no-observable . . . . . Separación de los subsistemas controlable observable 4.8.1. Cálculo de la matriz de cambio de base . . . . /::,. Reducción del modelo . . . . . . . . . . . . . . . . . 4.9.1. Valores singulares de Hankel realizaciones equilibradas . 4.9.2. Transformación a la realización internamente equilibrada 4.9.3. Reducción del modelo 4.10. Ejemplos adicionales 4.11. Ejercicios resueltos . . . . . .
y y

/::,.

VII

6.

5.1. Introducción . . . . . . . . . . . . . 5.2. Realimentación del estado . . . . . . . 5.3. Control de sistemas monovariables . . 5.3.1. Diseño del bucle de realimentación 5.3.2. Obtención de la matriz de transformación a variables de fase 5.3.3. El problema de la ganancia . . 5.3.4. Diseño de servosistemas . . . . . . 5.4. /::,. Control de sistemas multivariables . . . 5.4.1. Diseño del bucle de realimentación 5.4.2. Obtención de la matriz de transformación a variables de fase 5.5. Ejemplos adicionales 5.6. Ejercicios resueltos . 5.7. Ejercicios propuestos 6.1. Introducción . . . . . . . . . . . . . . . . . . . . . . 6.2. Definición de observadores . . . . . . . . . . . . . . 6.3. Comportamiento del conjunto sistema-observador . 6.3.1. Sin realimentación del estado . . . . . . . . 6.3.2. Con realimentación del estado . . . . . . . . 6.4. Cálculo del observador en sistemas monovariables . 6.4.1. Cálculo de la matriz de transformación . . . 6.5. /::,. Cálculo del observador en sistemas multivariables 6.5.1. Cálculo de la matriz de transformación . 6.6. Observadores de orden reducido . 6.7. Ejemplos adicionales 6.8. Ejercicios resueltos . 6.9. Ejercicios propuestos
Observadores del estado

Control por realimentación del estado

231

188 189 190 191 194 197 198 199 201 204 209 214 231 233 234 234 238 239 243 249 249 253 255 274 284 287 288 291 291 293 295 299 300 305 308 312 325 338

287

. . . .4. . . . . . . . . 8. . . .3. . . . . . . . . . . Introducción . Obtención de modelos discretos de estado . . . . . . .4. 7. . Controlabilidad en sistemas discretos lineales .1. .6.4.1. Método iterativo . Observabilidad . . . Introducción . . Obtención de la representación externa a partir del estado 7. . Propiedades de la matriz de transición Cálculo de la matriz de transición . . Solución de la ecuación discreta de estado 343 8. Solución de la ecuación homogénea.8. Sistemas variantes . .3. . . . .5.4. . . 8. . . . . . . . . 7. . . . Matriz de transición . 8. . . .5.5. . . Sistemas muestreados de control 9. . . Control de sistemas discretos por realimentación del estado 9. 9. . Controlabilidad en sistemas discretos lineales invariantes . Modelo de estado en variables de fase 7.2. Controlabilidad .3. . . 8. . . 7. . . . . . Definición de estado para sistemas discretos Sistemas dinámicos discretos .7. .4. . . . . . . . . . .5. . . Ejercicios resueltos . . . . . . Modelo de estado en variables de Jordan . . . . . . . . 9. .11. Ejercicios resueltos . . . . . . 7.6. . . . .6. . . . . . . . .2.2. Sistemas muestreados . .4. . 9.9. . . 8. . . . . .2. . . . . . 7. .3. . 9. 7. . . 9. . 7. . . . Observabilidad en sistemas discretos lineales . . . Sistema discreto invariante equivalente . . . Controlabilidad y observabilidad en sistemas muestreados 9. . . Método de diagonalización de Jordan 8. . . 8. Sistemas híbridos . .4. . . . . . Transformaciones lineales . .4. 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 .6. . Ejercicios resueltos . 7. . . .7. . . . . Observabilidad en sistemas discretos lineales invariantes 9. .3.2.4. . . Método de la matriz resolvente 8. Método de Cayley-Hamilton . 7. .1. . .4.10.6. . .4. . . . . 9. . . .6. . .3. . . . . . . . . . . .7. . . . .4. . . 7. . . . . . . . 9. Sistemas híbridos realimentados .1. . . 9. . . . . Controlabilidad de la salida . . . .2. . VIII JI ÍNDICE GENERAL Sistemas discretos 341 Modelo Discreto de Estado 7. . . . . . . .1. . Solución de la ecuación completa 8.1. . 7.4. . Método de la matriz fundamental de soluciones 8.6. 8.

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

.

.2.11.1. . Adición del parámetro Kü. . . . Realimentación constante de la salida. . . Realimentación del estado . . 3. . . Concepto de observabilidad.4. 3.8. . . . Separación de la parte no-observable. . . Sistema lineal con el conjunto de entradas de test . . . .1. .5. 1.4. . . . . . . .2. 5.0 ) . .ín dice de figu ras 1. . Sistemas en serie . . . ..2. . .6. . . . . .2. . . 5. 4. Evolución temporal de las variables de estado .3. . 3. .1. 4. . . Transformación de la matriz de realimentación K. .5. .4. . 1. 5. . 4. . . Multiplicación por una matriz.5. . Sistema con realimentación de estado. Bloque integrador.3. 1. 4. . 4. Superposición de la evolución libre con el subespacio controlable. 1. . Representación gráfica vectorial del modelo de estado. . 3. . 1. de forma directa (línea continua) y con un punto de paso intermedio (línea discontinua). Realimentación en sistema de tipo uno. . . 1. . . Bloque sumador . . Trayectoria del vector de estado en el espacio de estado. . . Sistema no controlable.7. .1. 1. Separación simultánea de los subsistemas controlable y observable. . . Representación gráfica del subsistema controlable. 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 . . . Control proporcional del sistema anterior. 1. . .3. 1. . . . . 5. Sistemas en paralelo . 1. . .5. Transición del estado entre dos puntos. . 3. 5.. . . Separación detallada de los subsistemas controlable y observable. . . . Representación gráfica del modelo de estado.10. . .4. . . . . . 1. .12. . Puntos alcanzables desde (0.9. Transitividad de estado . .3. .

9. . Conversión a sistema de tipo uno . . Sistema muestreado . . . Sistema con parte discreta parte continua. . Sistema continuo multivariable . Esquema des sistema con observador realimentación en espacio de estado transformado. 6. . Sistema con observador de orden reducido.5. 6. . .4. . 9. Sistema con observador realimentación del estado.6. . 6. .4. . . Sistema discreto equivalente. . 9.6. 9. . Sistema con retardo no múltiplo entero del tiempo de muestreo . . Sistema con observador realimentación.3. . . . . 6.2. 7. Sistema con observador matriz de transformación. Concepto de observador.4. . . . . . . . 7. 6.XII ÍNDICE DE FIGURAS 5. . 6.7. . . . . . . . .2. .3. Sistema discreto con realimentación del estado. . .1.1. 7. .2. . . . . Sistema muestreado con realimentación del estado. . .8. 6. 6.3. 9.1. . . . . . 9. 7. . . . y y y y y 246 287 288 292 293 297 300 301 310 352 353 355 357 390 392 393 394 395 396 . . .5. Esquema des sistema con observador en la forma canónica observable. . . Sistema muestreado con tiempo de cálculo nulo. . Sistema muestreado con tiempo de cálculo no nulo. . . . Esquema del sistema con observador.6. Sistema híbrido realimentado.

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

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

intuyó la significación profunda de formular una teoría general de los sistemas dinámicos en función de conjuntos de ecuaciones diferenciales de primer orden. dejaron claro la gran utilidad del concepto de estado en la formulación y solución de muchos problemas de decisión y control. estas variables son las variables de estado. 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. 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. 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. 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. El enfoque de Poincaré al estudio de problemas dinámicos rápidamente se popularizó y se vino a conocer como método del espacio de estado. el concepto de estado se hace dominante en el estudio de los sistemas dinámicos. xv . Así. Se necesita un conjunto extra de variables cuyo objetivo es tomar en cuenta la historia pasada del sistema.Prefa cio A finales del siglo XIX H. con su trabajo pionero sobre los Nuevos Métodos de la Mecánica Celeste. Hacia mediados de los años 50 los trabajos de Pontryagin y Bellman. 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. Poincaré. Kalman a investigar la relación entre las representaciones en el espacio de estado (representación interna) y la función de transferencia (representación externa) lo que motivó la introduc­ ción de dos conceptos estructurales fundamentales para la compensación de los sistemas dinámicos: controlabilidad y observabilidad. entre otros.E.

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

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

La reali­ zación práctica de estos sistemas observadores impide que sus cálculos se efectúen mediante operaciones matemáticas derivativas. difícilmente realizables en la prác­ tica. En este capítulo se aborda y resuelve igualmente el problema del servoposicionador. sino que su dinámica puede modificarse de forma sustancial (fijación de sus polos) mediante una realimentación del esta­ do del sistema. ¿cuáles son las variables que forman parte del estado Esta cuestión se resuelve en el Capítulo 4. en el que se especifica que dicho conjunto de variables de estado constituye el denominado subsistema observable. puede ser controlado con sus entradas: ¿cómo deben calcularse estas entradas en función del estado del sistema. En este capítulo se resuelve el diseño de estos sistemas XVIII del sistema. puesto que su valor puede calcularse a partir de las salidas y las entradas del sistema. Llegado a este punto y al final de este capítulo. Si el capítulo anterior resuelve la modificación potestativa de la dinámica del sis­ tema a partir del conocimiento de su estado. 6. 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. en el que se consigue controlar el valor en régimen permanente de la salida de un sistema. para modi­ ficar su dinámica? Esta cuestión es abordada y resuelta en el Capítulo 5. Éste es. o subsistema. en el que se ve que en los sistemas controlables. tal que la información de su estado puede conocerse con mediciones externas de sus salidas y entradas y cuya evolución temporal puede controlarse con el conjunto de entradas disponibles. si se lo separa del resto de las variables de estado. surge de forma inmediata la importante cuestión: ¿cómo es posible conocer el estado del sistema a partir de sus manifestaciones exteriores (es decir. no sólo puede fijarse su evolución temporal con una entrada adecuada. entradas y salidas del sistema original). constituido por un subconjunto de variables formadas por combinación lineal de las variables de estado del sistema original. cuya evolución temporal no tiene ninguna repercusión sobre el comportamiento de las salidas del sistema. sus entradas y salidas) para que pueda ser utilizado en la modificación de la dinámica del sistema? Esta cuestión es resuelta en el Capítulo 6 para el subsistema observable. sus salidas y entradas)? . variables de estado estimadas del sistema original) y en función de sus entradas (es decir. modificando adicionalmente su dinámica mediante la realimentación de sus estados. 5.4. se obtiene un subsistema deno­ minado controlable y observable. obligando por tanto a que estos observadores constituyan un sistema con su propia dinámica intrínseca en el cálculo de su salida (es decir. el subsistema que puede y va a ser utilizado en los capítulos subsiguientes para efectuar el denominado Control en el Espacio de Estado o control por realimentación del estado del sistema. Si un sistema. por tanto. cuyo valor puede obtenerse a partir de las manifestaciones exteriores del comportamiento de éste (es decir. mediante el diseño de los sistemas denominados observadores del estado del sistema.

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

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

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

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

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

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

xx

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

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

XXII

Parte 1 Sistemas continuos

1

1
1.1.

Modelo de esta do
Introducción

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

4

CAPÍTULO

1.

MODELO DE ESTADO

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

1.2.

Concepto de estado

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

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

la evolución de la a ltura se puede ca lcular i ntegra ndo la a nterior expresió n : A 1 h(t) ¡-t00 ¡¡q(T)dT Para determinar la altura en cualq uier instante de tiempo.1 El depósito de la figu ra recibe u n ca udal líq u ido q ue contiene...� _1III1t:h(t) Salida • Su poniendo consta nte la sección del depósito.1. 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 . CONCEPTO DE ESTADO 5 q(t) = V(t) = Ejemplo 1. es necesario cono­ cer la evolución del ca udal desde el comienzo de los tiem pos.2.. 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- .

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

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

75 -0. CAPÍTULO 1.5 -0. o 0. -1 Figura 1.25 0.5 1 X.8 1.25 0. X. .5 X.5 I I I ¡1 Figura 1.5X. MODELO DE ESTADC -0. / / ¡- \ ---- ---- ---- X3 -1 / / ---- / ---- / ---- o Xl 2 I I -1 -0.2: Trayectoria del vector de estado en el espacio de estado.1: Evolución temporal de las variables de estado.

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

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

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

12 y(t) 1 . responde con una salida Yl (t) . x x m.3. aU l (t) + . de dimensión u( t) es el vector de entradas. partiendo del estado inicial X3 (tO) = aX l (tO ) + bX 2 (tO) con una entrada u3 (r) = aU l (r) + bU2 (r).9) x(t) = A (t)x(t) + B (t)u(t) y(t) = C (t)x(t) + D (t)u(t) (1.B u2 (t)) = = a f (t . B (t) y C (t) dependen de la representación del estado elegida.BX2 (t) . de dimensiones p D (t) tiene dimensiones p (en la mayoría de los sistemas es nula). Ul (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: (1.8) donde f y r¡ son funciones vectoriales. U2 (t)) r¡ (t .BX2 (t) . X2 (t) . de dimensión y(t) es el vector de salida.Bu 2 (t)) = = a r¡(t. t. Las expresiones de las matrices A (t) . 1. es necesario conocer si un sistema dinámico dado es o no lineal. de dimensiones B (t) es la matriz de entradas. X2 (t) . .4. y a partir de cualquier otro estado inicial X2 (tO) con cualquier otra entrada u 2 (r).10) Ésta es la forma en la que se representa el modelo de estado de un sistema dinámico lineal.Br¡ (t . con una entrada cualquiera Ul (r) . x l (t) . au l (t) + . Para ello se le aplica el test de superposición: Se tiene un sistema que partiendo de un estado inicial cualquiera X l (to ) . La ecuación de sa lida será simplemente: = CAPÍTULO 1 . n. t. to < r :S t. A(t) es la matriz del sistema. m. U l (t)) + . la salida es Y3 (t) = aY l (t) + bY2 (t) . U2 (t)) n x n x n n. responde con otra salida Y2 (t) . MODELO DE ESTADO X l (t) Sistemas dinámicos lineales En primer lugar. aX l (t) + . f (t .Bf (t . de dimensión p. x l (t) . aX l (t) + . donde: x(t) es el vector de estado. por lo que la propiedad de linealidad se verifica si y sólo si las ecuaciones del modelo de estado se pueden expresar en forma matricial como: (1. de dimensiones C (t) es la matriz de salida. como se detalla en la Sección 1. Se dice que dicho sistema es lineal si para todo a y b reales. to < r ::. to < r ::.7) (1. n.

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

equivalente a la inicial. se puede obtener una nueva representación de estado. da lugar a nuevas matrices del modelo: A (t) = (T � l ) (t)T(t) + T . MODELO DE ESTADO Se parte de una representación cualquiera de estado x(t) : y se define una Tn x n (t) con la particularidad de que no sea singular de que exista la derivada de su inversa.12) (1. mediante el vector de estado 5é(t) obtenida mediante una transformación lineal que en general depende de t. quedando: j¿ (t) (T � l ) (t)T(t)5é(t) + T .1 (t)B (t) C (t) = C (t)T(t) D (t) = D (t) [ ] (1.4.1 (t)B(t)u(t) { x(t) x(t) = = (T � l ) (t)x(t) + T .14) Partiendo de un modelo de estado cualquiera conociendo la matriz de transfor­ mación T(t) .14 1 .11) 5é(t) = T .1 (t)A(t)T(t) 5é(t) + T . Se define un nuevo vector de estado a partir de x(t) mediante la expresión: x(t) = T(t)5é(t) (1.1 (t)A(t)T(t) B (t) = T. Esto es lo que se denomina una transformación lineal en el espacio de estado.1 (t) [A(t)T(t)5é(t) + B (t)u(t)] = (T � l ) (t)T(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. Transformaciones lineales = = CAPÍTULO 1.13) C (t)T(t)5é(t) + D (t)u(t) y supone una nueva representación del estado. Esta nueva representación del estado. y .1 (t)x(t) T(t)5é(t) A(t)x(t) + B (t)u(t) que junto con la ecuación: y(t) [ = = ] (1.

· jt00 u(r)dr - = y(to) + ( u(r)dr t it a (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. 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. La situación más común es que la matriz de transformación T sea invariante.15) 1. Bloque integrador...17) . pero sigue siendo el mismo.16) u(t) �y(t) = 0 · Figura 1. lo que simplifica la expresión de las matrices del modelo de estado en la nueva base: l A (t) = T. i Figura 1.. representado en la Figura 1.4..1 B (t) C (t) = C (t)T D (t) = D (t) (1. y(t) = 2.(]H5.5. es decir.A(t)T B (t) = T. Multiplicación por una matriz. representada en la Figura 1.4: Bloque integrador. .5.. Hay tres tipos básicos de elementos: 1. que no dependa del tiempo. 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. y(t) R(t)u(t) (1.

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

FUNCIÓN DE TRANSFERENCIA Y MODELO DE ESTADO 17 (1.8: Representación gráfica vectorial del modelo de estado.6. Función de transferencia y modelo de estado El problema que se aborda en este apartado es obtener. Figura 1. 6 . 1. a partir de la representación del estado de un sistema lineal e invariante.7: Representación gráfica del modelo de estado.20) La representación de este sistema con los anteriores tipos de bloque será la represen­ tada en la Figura 1. En lugar de operar con escalares es más útil operar con vectores. la función de transferencia. como puede verse en la Figura 1. u(t) Figura 1. 7 . Si el sistema no .8.1 .

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

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

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

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

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

35) ( 1 .I u .40) + bn u ( 1 .41 ) .36) la última de estas ecuaciones es la ecuación de salida del sistema monovariable. 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.aI Y (Sn .ai .l Y= [ O ] x + ba .33 ) Procediendo reiteradamente de la misma forma.(bn S n . .bn u ( 1 .34.l u ( 1 . + b2 )u ( 1 . + a 2 ) Y . resultando: x I + bl u .2 + .I Y y .7.39) X i =X i . que puede reescribirse como: e introduciendo este valor de en las ecuaciones anteriores de salida de los integradores representadas por su expresión genérica 1 .bn a n . se van obteniendo ecuaciones con la siguiente expresión genérica: ( 1 .37 ) Xl X2 X3 Xn O O 1 O O 1 O O O O O -aa -a l -a2 Xl X2 X3 Xn O 1 1 -an .2 + an _I S n .l .bn a l b2 . la ecuación de salida del integrador la ecuación que describe la variable de estado.3 + .I bn )U.32) ( 1 .bn aa b l . da lugar al siguiente modelo de estado: < n y ( 1 . para i = 1 ( 1 .bn aa )u.a n . respectivamente. . .aaXn + (ba .l .l + bn. expresado en forma matricial.1. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO y 23 que son. se obtiene: ( 1 .34) hasta obtener las dos últimas ecuaciones: X n .38) X l = .bn a2 bn . que. . para 1 i ::.ai .I Xn + (bi _l .

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

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

en el que las ecuaciones diferen­ ciales del sistema se han descompuesto en integraciones sucesivas de distintos términos. MODELO DE ESTADO que se pueden agrupar de forma matricial. 1 0 al final del capítulo. pudiéndose elegir alternativamente como variables de estado la salida de una ecuación diferencial de primer orden simple. que han sido elegidos como variables de estado del sistema. de dimensiones q q . Para elegir variables de estado no es necesario descomponer las ecuaciones diferen­ ciales del sistema hasta obtener integradores puros.9. de modo que: U - x = El x + B l Sustituyendo ahora en 1 .48) También se obtienen q ecuaciones algébricas que se pueden agrupar de forma matricial: donde. y así sucesivamente para las derivadas de orden superior de la salida. 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. se puede elegir como variable de estado la salida del bloque si el grado del denominador supera en uno al del numerador. 50) (E l .26 CAPÍTULO 1. puesto que representan la información del sistema en cada instante y no pueden presentar discontinuidades en sus valores ante discontinuidades de la entrada. 52) En la sección dedicada al desarrollo de ejemplos se puede encontrar un caso de obten­ ción del modelo de estado para un sistema multivariable por este método en el Ejemplo 1 . las variables w: x Obsérvese que. será no singular pudiéndose despejar.A l A2 l E 2) x + (B l . Variables de estado como salida de sistemas de orden reducido El procedimiento descrito es un método sistemático. 2 Como norma general . ( 1 .A l A2 l B 2 )u Wi . por tanto. Varios casos de obtención de modelos de estado según este método se pueden encontrar en los ejemplos agrupados en el Ejemplo 1 . . si las q ecuaciones iniciales son linealmente independientes.49) -A2 l (E 2 x + B 2 u) = ( 1 . la derivada de la salida si el grado del denominador supera en dos al del numerador. dando como resultado una expresión de la forma: ( 1 . como la detallada anteriormente.51 ) ( 1 .48 se obtiene la ecuación de sistema: A l A2 l (E2X + B 2 u) w= ( 1 . al ser las variables de salida Yi un subconjunto de las variables el vector de salida y se obtiene directamente del vector w mediante una matriz de selección S. la matriz A 2 . 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.

.a l X 2 .2 X n. .2 X l . .l X l . que puesta en forma matricial resultará: O O O O 1 x= O O u (1. 3 . .l O 1 (1. 7.+ a l S + ao (1. .58) O O O O -ao -a l -a 2 -a3 La ecuación de salida queda: y = (bm s m + .an _2S n .59) ...54) lo que quiere decir que X l es una solución de la ecuación diferencial del primer término igualada a Se eligen las restantes variables por sucesiva derivación: (1 . + bI S + bo y El procedimiento de elección de variable de estado de fase consiste en elegir como primera variable de estado X l : (1 . 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 + . .57) Con lo que ya puede construirse la ecuación de estado. + bI S + bo) X l 1 -an .55) = n m n. .l S +..an . Con este criterio ya se pueden escribir las ecuaciones de estado: Xn S n X l = -an _ l S n . .a l SX l .l .l S + an..l u.56) X n = X n. MÉTOD O S DE OBTENCIÓN DEL MODELO DE ESTADO 27 1 .1 . .aOX l + u o O O O O 1 O O 1 O O x+ + u (1.l X n . 7 .53) U (1. .aOX l -an.

63) u (1. 1 ..61) y En este caso. . 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. la representación del sistema en variables de Jordan admite las siguientes opciones: 1 .a1X2 . . Variables de Jordan Partiendo de la Ecuación 1 . entonces al ser s n X1 = xn se sustituye xn por la Ecuación 1 . .An Se le asigna una variable a cada uno de estos operadores: 1 X l = --u S .64) .1 xn + . MODELO DE ESTADO pasando esta expresión a notación matricial se obtiene: = [ bo b1 b2 . .60) Cuando n = m. .Al 1 X2 = --u S . en los casos en los que en la función de transferencia se cumple que gr(num) = gr(den) . bm O .A2 X3 = S -1 A3 1 xn = --u s .28 CAPÍTULO 1 .aOX1 . O ] x (1 . Se suponen todos los polos simples y se descompone en fracciones simples. 7 . de la forma: y = (bn + �l + �2 + " ' + �) u s-A S-A S . .an . .An -- (1 . + b1X2 + bOX1 (1 .1Xn + u] + +bn . lo que indica la matriz D es la acción directa de la entrada sobre la salida a la que se superpone una respuesta dinámica.4.54. . . . + b1s + bo ) X l = bn [. .57: y (bnsn + .

+ � ) U s .66) Suponiendo que uno de los polos tiene multiplicidad la descomposición se reali­ zará como: y + l (bn + (s -PIAd r .Ar+l + . . + (s Pr -Ad 2 + �l + S-A Pr+l S . .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 . .l = ( S -1Al ) 2 U = --A-l xr S1 Xr = --l u S-A 1 Xn = --u xn = AnXn + u s . _ _ (1 . .An .68) ::::} Con esto. la ecuación de estado queda de la forma: AOl x = OO O O 1 Al OO O O OO AOl O O OO 1 AOl O OO OO Ar+l O OO OO O An x+ OO O1 u 1 (1.65) X �l �2 : : : x= O O y La ecuación de salida se obtiene como: 2. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO 29 con lo que la ecuación viene representada por: (1 .69) . . (1 .s A l 1 Xr . Pn ] + bn u r. + [ = [ PI P2 .67) ::::} ::::} \ \ ::::} ::::} ( 1 . 7 .

7. 1. La representación gráfica llevaría integradores en serie en el bloque de raíz múltiple e integradores en paralelo en el de raíces simples. = CAPÍTULO 1 .9.5. que darán lugar a cuatro bloques de matrices que representan lo mismo.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. 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 . con un vector B de ceros con un uno en el último elemento. de manera que las salidas de unos subsistemas actúan como entradas de otros de forma directa o mediante sencillas operaciones algebraicas. 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. A continuación se presentan los casos de conexión de sistemas más habituales. 70) Cuando hay raíces múltiples. la matriz deja de ser diagonal y pasa a ser diagonal por cajas de Jordan. De todo esto se concluye que de un sistema descrito mediante ecuaciones diferencia­ les se pueden extraer de forma sencilla cuatro representaciones de estado diferentes. 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. Estructuras compuestas Los sistemas multivariables pueden considerarse compuestos por varios subsistemas más sencillos conectados entre sí. Dos sistemas disjuntos en serie. .9: Sistemas en serie. como los representados en la Figura 1. 1 . La obtención de las ecuaciones de estado del sistema global se puede realizar a partir de las ecuaciones de estado de cada subsistema. eliminando las variables intermedias que son salida de unos subsistemas y entradas de otros mediante la operación con las ecuaciones de estado de dichos subsistemas.

Dos sistemas disjuntos en paralelo. 7 . 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: [ :� ] . por construcción se cumple que U2 = Y l . como los representados en la Figura 1 . 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 . 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. la salida y = Y2 .

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

u=r-w x + con lo que la nueva entrada es r. � � � � � � � � � � � ��� ��� � 33 r ' .-----114 . con lo que la Ecuación 1. 72 queda de la forma: y = ex (1.12: Realimentación del estado. t w Figura 1 . de sección eficaz SI . la salida continúa siendo y el estado sigue repre­ sentado por el vector x.8 .Kx) = [e . se cumplirán las siguientes ecuaciones: y = Ax + B(r .Kx) = [A .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. que representa una variable de entrada manipu lada .1 . Ejemplos adicionales un Modelo de estado de Ejemplo sistema de depósitos 1. es frecuente que la matriz D se anule.BK]x + Br (1 .DK]x + Dr (1 .73) 1 . como una entrada .8. De todo lo anterior.. En el primer depósito entra u n fl ujo F1 .71) y = ex D(r . por ta nto. y el segundo depósito tiene un orificio de sa lida l i bre de ca uda l . EJEMPLOS ADICIONALES . 72) Como en el caso anterior.. cuya sección eficaz S 2 puede variar y considerarse.

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

En concreto si se supone que los parámetros físicos del sistema valen 8 1 = 0. 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.8 . El modelo de estado anterior puede particularizase para cada sistema.8 .1 .5 Y tomando como punto de linealización el estado de equilibrio determinado por el flujo de entrada FlO = 1. Al = 2 Y A 2 = 1 .25. 8 2 = 0. se obtiene el siguiente modelo de estado del sistema linealizado: donde los valores de las matrices están ligados a los parámetros físicos del sis­ tema .38 Y h 20 = 0. se obtiene el siguiente modelo de estado para el sistema linealizado planteado: Modelo de estado de un péndulo invertido Ejemplo 1. que valen h lO = 1 .3. debiendo cumplirse que a3 > a2 .816. I ntroduciendo estos valores en las ecuaciones anteriores.

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

1.ml sin x 3 COS X 3 X� lM + lm sin2 X 3 37 Si suponemos que se realiza una estructura de control que logra mantener al sistema funcionando en torno al estado definido por X l = X 2 = X 3 = X4 = O. 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. X 2 = X . X 3 = () y X4 = iJ se obtienen las siguientes ecuaciones que representan el modelo de estado no lineal: X2 ml sin X 3 X� . 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. EJEMPLOS ADICIONALES En las que definiendo las siguientes variables de estado: X l = X.9 .!1l M O O Si las variables de salida del sistema son (}(t) ecuación de salida del modelo como: (M+ m ) g 1M y x(t) . y dos masas m l Y m 2 . las anteriores ecuaciones pueden linealizarse en torno a dicho punto de fun­ cionamiento. que presentan una fricción viscosa de coeficientes {3l y {32 . 1.mg sin X 3 cos X 3 + u M + m sin2 X 3 = X4 (M + m)g sin X 3 . Se considera además la variable intermedia T correspondiente a la tensión ejercida por el muelle K2 .COS X 3 U . obteniéndose el siguiente modelo lineal del sistema : _ !!.8.

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

79) De estas últimas se pueden despejar las variables de salida e intermedias: (1 . 77: s(m 2Y2 ) = X 3 .82Y2 y tres ecuaciones algébricas: (1 .X 2 + ..8IYI X3 = F .X 2 = mI mI m2 K2 KI + K2 -.82Y2 Resumiendo.... las ecuacio nes del sistema : y sustitu yendo en 1 .. 78) 1 Y2 = -X4 m2 K2 K2 T = .T X 4 = X 3 . 77) y finalmente a partir de 1 .X 4 m2 mI .82Y2 '-v--' X4 X4 X4 m 2Y2 X 3 .. 78 se obtiene KI K2 K2 .KI YI X2 = X l .. se han obtenido cuatro ecuaciones diferenciales de primer orden: Xl = T ..1.8.X4 ..--" X3 (1 .X 2 .. EJEMPLOS ADICIONALES 39 s { (m2S + .T '-..82 ) Y2 } = F .X4 .X 2 mI m2 n . finalme nte.

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

80 se obtiene: o + K2 O O m2 f32 1 O O m2 La ecuación de salida se obtiene ahora a partir de 1 .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 .8.10 u (t) Si la dinámica del sistema se puede representar mediante la ecuación dife- .

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

bX2 = Xl + bXI + (a -b)X2 -Au Xl -aX2 b { X2 -bXI ++ (Au-a)X2 + + B)u Xl (A y .. X2(t) s+c Xl (t) s+b "" . El sistema se comporta como: Las ecuaciones de estado son : Ku == X2 ++ aX2 Xl -bXI ++ CX2u + X2 = -bXI + -a)X2 + Ku X2 + CX2 Xl bXI X2 -aX2 K = -aX2 +Ku { xI = -bxI+ (c .1 .8.a)X2+Ku X2 u(t) =? =? = = (e Otra solución a este mismo problema se puede encontrar descomponiendo el sistema en: (s K(s+c)+ b) = � + � +a)(s s +a s+b Se elige como segunda variable de estado la salida de uno de los dos bloques. además de la salida global del sistema : Las ecuaciones de estado quedan : Bu = (s + b)(Xl -X2) = Xl -X2 + bXI . 1 K -- "" Se elige como segunda variable la representada entre los dos bloques. EJEMPLOS ADICIONALES 43 para garantizar la derivabilidad de ambas variables de estado: u(t) s+a .

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

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

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

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

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

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

O. se obtiene el siguiente modelo de estado lineal del sistema en torno a la trayectoria de referencia: 1 U .018 y'2 X2 -X l + 0. con lo que las ecuaciones linealizadas del sistema en torno a estos valores de referencia son: w(t) p (t) -w(t) + O. X2 X3 b) -aX I + Kw X 3 cos 8 u 1 . .0.018 y'2 1 -2X I . y ambos vierten a una misma tubería . En cada depósito el caudal de salida es proporcional con una constante a la altura del líquido.0l8(t) y'2 Eligiendo las mismas variables de estado.O IB (t) y'2 1 -O. respectivamente.OOOlp(t) .2w(t) + u(t) + 0.OOOlp(t) + 1 u(t) .01 y'2.0. Ambos están alimentados por un caudal qe . h.50 CAPÍTULO 1.-x 3 X 2 + Kp sm 8 u I m X2 Y Ua Calculando los valores de funcionamiento de las entradas para la trayectoria de referencia se obtiene: 80 = 7f / 4 = 0. Se dispone de dos depósitos de agua de sección constante A l y A 2 . MODELO DE ESTADO Eligiendo como variables de estado la salida de los integradores en ambas ecuaciones.0001x 3 + 4. Hallar un modelo de estado: B . se obtiene: Con lo que las ecuaciones de estado quedan: Xl .0001x 3 + u + 0.

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

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

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

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

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

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

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

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

No sucede lo mismo con la derivada de la salida. Hallar u n modelo d e estado del siguiente sistema: [ �� ] [ � . por tanto. 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. consecuentemente. en este caso dos.9. no puede elegirse como variable de estado del sistema. EJERCICIOS RESUELTOS + 59 8. puede ser elegida como variable de estado. y. que presenta las mismas discontinuidades que la entrada y.1.4� ] [ �� ] [ � ] 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. 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. . se deben elegir las variables de estado.

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

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

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

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

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

cuando el producto de A(t) y Jt: A(T)dT es conmutativo.2. En este caso la matriz de transición viene dada por: (2. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. to)xo (2. mediante la que se construye la solución de la ecuación diferencial.2. to) es la llamada matriz de transición. Se puede demostrar además que esta solución es única.10) Teniendo en cuenta que: Al entrar con este resultado en el término general de la solución de Peano-Baker: .2 tiene una solución sencilla mediante el método de integración por aproximaciones sucesivas de Peano-Baker.7) donde cp (t. 9) El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales x(to) = Xo . 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.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. 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. se com­ prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la derecha.2. 2.

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

to) = e a (2 . 1 q>(t. � [ O O e.a A dT . Es decir.2 (t .e J.e Jtta A (T) dT . to) sólo de la diferencia entre el instante inicial el final.e A J.l ) �1 x con lo que la evolución libre del estado es: x(t) � " (t.l ) O e. al depender la expresión de la matriz de transición q>(t.14) La matriz A es invariante: en este caso.2 (t . t o ) .t a ) = [ - e t . MATRIZ DE TRANSICIÓN 67 La matriz A(t) se puede factorizar: si a la matriz A se le puede extraer como fac­ tor común de todos sus términos una función del tiempo.e A (t .(t . a (T) dT y y (2.a a ( T)dT _ _ (2. de forma que se pueda expresar como el producto de una matriz invariante por dicha función.2 (t . to) = e A(t .l ) 2 e. por lo que la matriz de transición toma la forma: J.2.l ) O 1 .to ) .13) (2. si: A (t) = Ma(t) donde M es una matriz invariante y a(t) es un escalar. entonces se cumple el producto conmutativo del supuesto. La matriz A(t) es un escalar: en este caso. puesto que en ambos casos se trata de escalares para los que siempre se da la propiedad de conmutación en el producto. 15) Ejemplo 2 .a dT . se suele utilizar la notación q>(t .1 _e.a Ma (T) dT . de forma que se puede aplicar la expresión general: "' (t .(t . es evidente que la matriz su integral conmutan. la matriz conmuta con su integral. l )x. 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.e M J.2.ta) 'l' _ _ En este caso. Como la matriz del sistema es O e . Entonces: "' 'l' (t . SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. t o ) .e J.t a ) O et .ta � 1 2V .

por lo que la matriz A(t) puede ser extraída de todos los términos como factor común por la izquierda. 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. 2.2) . puede observarse que la matriz iJ> (t. lo que significa que cualquier solución que se obtenga.3. to) = 1 (2. n 2. se puede expresar como una combinación lineal de dichos vectores columna. después de esta extracción. 18) es decir. por lo que todas las integrales se anulan permaneciendo únicamente la matriz identidad. to) mediante la serie de Peano-Baker (Ecuación 2. Además. lo que queda vuelve a ser la suma infinita que define a la matriz de transición.6 al final de este capítulo. to) cumple con la misma ecuación diferencial que el estado (Ecuación 2. por lo que y to coincide con el �pecificado al particularizar la sohición para este instante inicial. como queda reflejado en la expresión. dadas unas condiciones iniciales. que la particularización de la matriz de transición para el instante inicial debe dar como resultado la matriz identidad de la misma dimensión. Propiedades de la matriz de transición 1 . = 3. A esta conclusión se llega igualmente haciendo t to en la expresión de iJ>(t. se obtiene: .17) Como se observa. se tiene: = ¡ t A(T)dT ta + .68 CAPÍTULO 2. . la derivación cancela el primer integrando de todos los sumandos. to)x(to ) :::} iJ>(to .2. es decir xo . teniendo en cuenta que la ecuación se cumple para cualquier estado inicial. Se puede demostrar además que estas columnas forman un sistema generador del espacio de soluciones de la Ecuación 2. Transitividad de la solución de la ecuación homogénea Si se calcula la solución de la ecuación homogénea para cualquier instante t2 . 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. Valor de la matriz de transición en to El valor de la variable x(t) para el instante t como condición inicial. se deduce que: = x(to) = iJ> (to . to) (2. = A(t)iJ> (t.8) . Derivación respecto al tiempo diJ>(t ' to) dt A(t) + A(t) Si se deriva la expresión genérica de la matriz de transición. .

Inversión de tiempos por tanto.i (t) se verifica: <1> (t. al ser válido para cualquier estado inicial.22) En efecto. se obtiene: lo que. 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. por lo que también se cumple: Para el caso de sistemas invariantes. esta propiedad se reduce a: (2. to)x(to) = <I> (t.20) 4.3. PROPIEDADES DE LA MATRIZ DE TRANSICIÓN 69 Si se hace lo mismo para otro instante t i .2. to )T( to) = . x(t) = T(t)x(t) con la condi­ ción de existencia de T . se tiene: x(td = <I>(h . to)x(to ) Como la solución de la ecuación de estado es única. se deduce: Si en la ecuación de transitividad se hace la suposición de que t2 = to . to) T . Para el caso de matriz A invariante.21) 5.i (t) <I>(t. to )T(to )x(to) <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. to)T(to ) T(t)x(t) (2. to )T(to)x(to) =} x (t) T . to) x(t) = T . 19) (2. como consecuencia. la solución de la ecuación homogénea particularizada para el instante t + T es: (2. dado un instante t y un intervalo de tiempo T.i (t)<I> (t.i (t) <I>( t. Cambio de representación del estado Para cualquier cambio de representación del estado.

28) Si se sustituye esta expresión en la Ecuación 2.23 queda: <Í> (t. to) z(t) v [ A(t) cI> (t.24 se obtiene: x(t) = = x(to) + (2. calculando la z(t) que lo cumple.29) cI>(t. to) i( cI> (to . to)z(t) + cI> (t.30) En el segundo término aparece cI> (t. es decir. pero como no depende de la variable de integración puede introducirse dentro de la misma. CAPÍTULO 2.28. to ) fuera de la integral. T)B(T)U(T)dT (2. to) z (t) . por lo que sustituyendo en la Ecuación 2. y teniendo en cuenta que z(to) x(to ) a partir de la ecuación 2.70 2. to)B(T)U(T)dT ita t ( cI>(to .l (T. según el cual se va a suponer que existe una z(t) . to)z(t) + B (t)u(t) = . entonces esta expresión de x(t) debe verificar la ecuación completa.24) cI> (t.27) donde al aplicar la propiedad de inversión de tiempos a la matriz cI> (t. to)B (t)u(t) + (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) z (t) + <Í> (t. tal que la solución de la ecuación completa se puede expresar de la forma: x(t) hipótesis que se verificará a continuación. to) . demostrando que existe la z(t) que cumple con la hipótesis formulada en principio: z(t) = = cI> .A(t) cI>(t. se puede despejar z (t) como: z (t) o ] (2.4. T)B(T)U(T)dT ita t ta (2.l (t. to) . cuando existen condiciones iniciales no nulas y entrada: x(t) = A (t)x(t) + B (t)u(t) (2. to)z(t) = (2. = cI> (t. Si la hipótesis formulada es correcta. y al producto entre ésta . se obtiene: z(t) = z(to) t ( cI> . to ) es no singular.25) (2. como cI> (t. to)xo + cI>(t.1 donde el término entre corchetes se anula por la primera propiedad vista para la matriz de transición y.26) B (t)u(t) que mediante integración se resuelve.23) Para calcular la solución de esta ecuación se utiliza el método de variación de las constantes.

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

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. la matriz de transición se puede expresar mediante su desarrollo en serie. t) = C(>'. t) (2.Hamilton = eJ. Cálculo de la matriz de transición Por lo expresado en el apartado anterior. Como se verá a continuación. t) es un polinomio de grado la división entre el polinomio infinito y el polinomio característico: R(>'.34) 1 .33) Para el caso de matriz A invariante el planteamiento sería el mismo. t) .6 al final del capítulo.5. el cálculo de la matriz de transición de un sistema es equivalente al cálculo de la exponencial de una matriz: <I>(t.13. que no es sino un polinomio infinito que depende de M y de t: e M J. resto de (2. que incluye el caso invariante. salvo por el hecho de que la función a(t) es igual a uno. 2. t) donde C(>'. 2.'o a(r)dr donde: = k=O 00 L a k (t)M k = Q(M. t) es el polinomio cociente y R(>'. 1. t)P(>. obteniéndose la expresión: n.) =O + R(>'.72 CAPÍTULO 2.5.'o A (r) dr Para los casos en que la matriz A(t) sea factorizable según la Ecuación 2. t) Por el teorema de Cayley-Hamilton: L = nj=-Ol hj (t)>. to) Se van a estudiar tres métodos para la obtención del resultado de esta expresión..35) P(M) (2. Q (>.32) (2. n.36) . por el teorema de Cayley-Hamilton este polinomio infinito particularizado en A(t) puede calcularse mediante un polinomio R(M. de grado finito y menor que Llamando P(>') al polinomio característico de la matriz M.j n - (2. Método de Cayley. 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.

39) .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. que el polinomio característico de M se anula particularizado para sí misma.40.2.34 A M. A 2 .4 . se puede deducir que: Q(M. Ejemplo 2 . 3 = n (2.(t-to) = = e-(t-to) { e-4(t-to) = = ha .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) ) _ ] .40) Calcular la matriz de transición del sistema definido por la matriz: A = = = - [ -22 13 ] y En primer lugar se calculan sus autovalores. sustituyendo en la Ecuación 2 .38) donde los Ai son los valores propios de la matriz M. t ) R(M. CÁLCULO DE LA MATRIZ DE TRANSICIÓN 73 es decir.5. Para obtener los coeficientes del polinomio R(M. h 1 � (e.(t-to) . ta ) = � (4e. t) (2. = n j= a (2. por lo que: con lo que se obtiene un sistema de ecuaciones: n.1 e Ai J:o Q{ r)dr R ( A i t ) L hj ( t)A{ que permitiría obtener las incógnitas hj ( t). A continuación.e-4 (t-to) ) . por lo que. sustituyendo en la Ecuación 2.1 . t) se hace uso de la propiedad de que los valores propios anulan el polinomio característico: = = (2. con lo que resulta : despejando este sistema resulta : ha = por lo que la matriz de transición resulta : <I> ( t. comprobándose que sus valores son A l .h 1 ha . se plantea la ecuación asociada a cada uno de ellos.

es decir. quedando: dQ (A. t) la del polinomio R( A. com­ probándose que ambos coinciden en A l .34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. En el caso de que la matriz M presente algún valor propio múltiple. t) dA + d C(A.42) _ Ai ) m i (2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Otro caso de obtención de la matriz de transición haciendo uso de este método para un sistema no invariante puede verse en el Ejemplo 2. A partir de este orden aparecen sumandos que no dependen de (A . no se anularán cuando se particularice la derivada de orden superior de Q (A. t) Pi (A) (A _ Ai ) mi _ expresión en la que todos los términos se anulan al particularizar para Ai salvo el último.44) sabiendo que to = o. t) se seguirá cumpliendo hasta la derivada de orden mi . t) dA y Esta igualdad entre la derivada de Q (A.7 al final de este capítulo. se deben utilizar las derivadas de la Ecuación 2. t) en Ai .1 inclusive. t) + �y R�� (2.Ai ) que. un valor propio doble. Se cum ple que: Obtener la matriz de transición del sistema definido por: [ -21 O1 ] = . Dado un valor propio Ai con multiplicidad mi . 2 1 .74 CAPÍTULO 2.41) con lo que la expresión del cociente entre polinomios queda: Si se deriva esta expresión respecto a A. el polinomio característico es de la forma: (2. En primer lugar se determinan los valores propios de la matriz dada .4 A = I A=� Y = Ai ) d ) (A C(A. resulta: dQ(A. para obtener t�tas ecuaciones distintas como incógnitas. t) m i . por lo tanto.l + d . t)Pi (A)mi (A C��. Ejemplo 2. t) dA I A=� (2.43) dR(A.

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

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 . Sección A. 1 O O ).76 CAPÍTULO 2. O O O O O O O (2. La exponencial de algunas cajas de Jordan es la siguiente: Exponencial de una caja con valores propios distintos: si la matriz es: la exponencial es: e Ak O O 1:. 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 .t u(r)dr e Mi It o" O O (2. 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. u(r)dr Valor propio múltiple: si la matriz es: M i a(t) Á i (t) = = ). a(t) .48) donde M i a(t) son cajas de Jordan I de la matriz Á (t) .2.

to) = [ e -(t .50) 1 De esta forma. � (t. Cálculo de la exponencial de la matriz diagonal en cajas de Jordan.1 ) ! (2.5.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.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 . to) . CÁLCULO DE LA MATRIZ DE TRANSICIÓN la exponencial es: - = e A f:� a(r)dr .3 sabemos que los autovalores de esta matriz son A l = . Multiplicación de esta matriz por las matrices de transformación para devolver el sistema a su expresión original. mediante el cálculo previo de las matrices T T.2 (n 2 ) ! Utto a(T)dT) n . to) .3) ! - (n . según el método de Jordan. <p(t. con los que se construye la matriz de diagonalización del sistema : - Calcular la matriz de transición del sistema definido por la matriz: A= [ 2 1 2 -3 ] Con lo que se tiene: A= [ -O1 O ] -4 --> � (t.3 ( n .4 . • Ejemplo 2 .1 .l . 5 • • y Del Ejemplo 2.2.to ) 2 . A 2 = . A continuación se calculan los vectores propios asociados.

A) . Como puede observarse en la Ecuación 2. Mediante la transformada inversa de Laplace Si el sistema es invariante.55) que se corresponde con una integral de convolución en el dominio del tiempo. Por otro lado. convolución que aparece como segundo sumando de la solución general de la Ecuación completa 2.5. 2. se comprueba. por las propiedades de la transformada de Laplace. se puede establecer una correspondencia entre la expresión de la solución completa.8.52.52.l XO + (sI .A)X(s) = Xo + BU(s) =} X(s) = (sI .l BU(s)] = sX(s) .A) .:¿ [(sI . la situación de entrada nula es la que se plantea para la ecuación homogénea.A) . mientras que en el Ejercicio 3 se puede ver un caso de aplicación de estas metodologías para un caso no invariante.54) cI> (t) * Bu(t) (2. y la expresión general hallada en la sección anterior.:¿ [(sI .:¿ .51) (2. puede encontrarse un caso de cómputo de la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del de Jordan.l BU(s)] = (2.53) Por tanto. Se parte de la ecuación: Tomando la transformada de Laplace: y = =} =} tomando antitransformada de Laplace: x(t) l -l .l BU(s) x(t) Ax(t) + Bu(t) = (2. que: l . se observa que la matriz de transición se puede hallar como : En cuanto al segundo sumando. la ecuación de estado se puede resolver mediante la trans­ formada de Laplace.A) .:¿ . como se acaba de hacer.] Xo (2.52) Esta expresión permite obtener la evolución del estado en función de las matrices de las ecuaciones de estado y del estado inicial. De esta forma. el segundo sumando se anula. por lo que se propone un método alternativo para hallar su solución como: l -l x(t) . si la entrada al sistema es nula. mediante la transformada de Laplace. al final del capítulo.78 CAPÍTULO 2.[(sI _ A) . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En el Ejemplo 2.Xo = AX(s) + BU(s) =} (sI .3. identificando el primer término.[(sI _ A) .l ] Xo + . .

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

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

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

origi na el sistema de ecuaciones : Ai 1 Ai = . a plicada sobre los va lores propios. 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 . 7 CAPÍTULO 2 . q ue posteriormente servirán para pla ntear las ecuaciones media nte las que se despej a n los coeficientes del pol inomio resto. 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 = .M] = A + 4A .COS(t)) ) .5(1 .c os (t)) + 5 e (1 .5 = =} =} que despeja ndo dej a : e (1 . 13.H a m i lton . 2 sin(t) -3 sin(t) ] [ -41 -3 ] sin(t) 2 = =} { [ U na vez identificados los factores. Dicha factorización q ueda como: partiendo del estado i n icia l Xo [ XX2l ] [ -4 sin(t) -3sin(t) ] [ XX2l ] Sin(t) 2 sin(t) [ _� ] t O = = en o = A(t) = [ -4 sm(t) s in(t) .cos (t)) = ho + h 1 e -5(1 -cos (t)) = ho . A = -5. por lo q ue es susceptible de utilizarse el método de Cayley.U .l ) (A + 5) que.-3 4 a(t) = sin(t) ] 2 det [.5 Al 2 = (A . 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 .82 Evolución del estado de un sistema no invariante Ejemplo 2 .5h 1 ho h1 � ( e -5(1 -COS(t)) + 5 e ( 1 -COS(t)) ) � ( _ e . 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.

q ueda : 10 X. to ) .--. 8 En el sistema de depósitos com u n ica ntes del Ejemplo 1 . siendo su modelo de estado l i nea l izado el calcu lado a nteriormente en d icho .--+--.:. O ) xo = :3 1 [ 4e C(t) + 5 e -5C(t) 4e C(t) _ l Oe -5C(t) 10 X.c-----:--�. Conocida l a matriz cp (t.5C(t) + e C(t) ] que.". x (t) = cp (t. 10 8 +/ --.2. dado que la entrada es nula a l ped i rse la evol ución l i bre: - cp (t. ya es posible ca lcular l a evolución del sistema a partir del estado i ncial proporcionado y. -2 2 x.7 se desea ver la evol ución de a m bas alturas cuando el fl ujo de entrada es consta nte de valor F. representado en función del tiempo y en el espacio de estado.6. 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 . + v· 10 / // /:\\ ] \ I (\ t 4 2 4 -2 8 1 0 Xl Evolución temporal de un sistema de depósitos comunicados Ejemplo 2 . EJEMPLOS ADICIONALES 83 La matriz de tra nsición se encuentra sustituyendo estos coeficientes en la expresión del pol inomio resto y particularizá ndolo para la matriz M : donde C(t) = (1 cos(t) ) ..

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

¡t .I .e).l = 1 e ¡t +A al(A2 .2 t)2 -al (Al + ade). 2 Haciendo por ejemplo Vil = al. 2 Supri miendo la segunda ecuación por ser combi nación l i nea l de la pri mera es u n va lor propio ) .Ad [ al � Al al � '\2 ] [ � e�2 t ] [ ��l _ �l ��l ] = al (A + al)e). q ueda la siguiente ecuación aplicable a cada va lor propio: = 1.¡t + aie). t -aie).2 t ai Ai. 2 i = 1. O) = eAt = TeÁtT.Al [ �:� ] A: [�] VI V2 i = 1. se obtiene Vi 2 = al + Ai. si en los térmi nos de la segu nda fila de esta matriz se tienen en cuenta las Y los polos sigu ientes relaciones entre los pará metros deducidas de los coeficientes del poli nomio característico: . formada por a m bos vectores propios.al (Al + ade).2.¡t .6. 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. [A.¡t + al(A22 + al)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 [ (al 2+ Al)(A2 + ad(e). por lo ta nto la matriz de ca m bio de base d iagonal iza nte.

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

506gee-.441 0. cuyas ecuaciones son : [ h�21 ] = [ -0..5 0.1 ) ] ) + _ + donde poniendo como condiciones i nicia les d e las alturas e n a m bos depósitos [h l O h 20 ]T = [0.0 . 3 t 0.139t + 0. S� 1 .588 O _ 0.3802ee-.139t + 0O.441 -0. 3 t .33tt 2606 ).996 ] [ hh21 ] + [ 0. 0..2606 e .11 .7 .1 ) + 0 . 1 = -0.2606 13 9t 0. 13 9t .2 = .3802ee--00. 139t + 0..33tt 0.2606 0. se obtiene la evol ución de las alturas representada en la siguiente figura : 2 5 r-----�--�--__.0.1 . 3t ] y la evol ución de las alturas resulta : _ [ hh2l (t) ] (t) [ 0.0. EJEMPLOS ADICIONALES 87 Si se considera el sistema concreto del Ejem plo 1 . 13 9t . 3 t .506gee -..139 Y ).2. 7 394 13 9t 0 .3802 e .'506gee-.6.1 .139t .1 82 7 8( e .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 .'506gee--00..00.33tt ] [ hh2lO0 ] 0.1 . � 06 O \ ----�----�----�------�--�0 � 4 6 2 8 1 tiempo (5 ) . 1003( e .11 . 1952( e ..1 + F [ -0 .11 .5f e i ntrod uciendo u na entrada consta nte de va lor F = 1 . siendo todos estos valores i ncrementa les sobre el p unto de l i nea lización .3802 e . O) = 7 394 13 9t [ 0 .0 .0 .1 . 7394 e. 7 394 .3. 13 9t 1) .1 . 5 � E 2 � � 0� ----2 ----�----��----�--�0 4 6 1 8 tiempo (5 ) 1 2 S 08 N §.0 .

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 ../ 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 . 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.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. 12 evolucion libre . la evolución fi nal de los i ncrementos de las alturas cua ndo existen condiciones i nicia les y entrada .modelo linealizad ///'/'�-------l tiempo (s ) .. La resol ución analítica del modelo de estado no l i nea l no es posi ble de forma genera l .. que por ta nto no figu ra de forma explícita .38 Y h 2 0 = 0.. lo que perm ite u n a n á l isis matemático de esta evol ución enca m i nado a l cá lculo de una estructura de control por rea l i mentación del estado. 816.0� h1 (t) (m ) s � g4 ..s � E"' 0 6 04 02 °B 1 4r-----�--�--_..modelo no lineal . 2==�5 2 15 % -�� 5--�1���===� �� . En d icha figura puede observarse la evol ución l i bre de los incrementos de las alturas ( es deci r.modelo linealizad 10 --� � 1 0��2� O�=7. .//. como suma de las dos trayectorias a nteriores . siendo ésta una cu rva para métrica en fu nción del tiem po. por ú ltimo. la evol ución desde condiciones i nicia les n u las y con entrada incrementa l y.desde e i nula -.. h lO = 1 ..88 CAPÍTULO 2. a nte entrada i ncrementa l n u la ) .�==� 30 4O==� 50 . : 5 3 35 " .. En la siguiente figura pueden observarse las diferencias de la evol ución de los i ncrementos de a ltura entre el sistema rea l no l i nea l y la aproxi mación l i nea l en torno a l pu nto FlO = 1.modelo no lineal .

haciéndose nota ble la d iferencia cuando los va lores i ncrementa les de la altura se a lej a n de las cond iciones i nicia les n u las.A) A + 3 -1 O O -1 A + 3 = (A + 3) 3 _ (A + 3) = O A+3 O 2 .2 A 2 = -3 A3 = . 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 .38 Y h 2 0 = 0. 1. EJERCICIOS RESUELTOS 89 no linea l . 7. 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. sin embargo. se ha de resolver el polinomio característico: det ( AI . Estas diferencias entre a m bos modelos será n .4 Por lo que se tiene que los valores propios son: A partir del conocimiento de estos valores propios. 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 . Para ello.1] = (A + 3) (A + 2) (A + 4) (A + 3) [(A + 3) Al = . los polos del sistema� existen dos posibilidades para calcular la matriz de transición: utilizar el método de Cayley­ Hamilton o el de Jordan. Ejercicios resueltos Hallar la matriz de transición del siguiente sistema: El primer paso para hallar la expresión de la matriz de transición es el cálculo de los autovalores de la matriz A. el com porta m iento del modelo l i nea l es similar a l del sistema O bsérvese que en las proxi m idades del p u nto de l i nea lizaci6n. [h lO h 2 0 V = [O oV . que como ya se sabe coinciden con los polos del sistema. 7 . • Método de Cayley-Hamilton Se plantea el sistema de ecuaciones correspondientes a la particularización . 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. 816. para 2 .2 . esto es.

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

2t + e . 7 .4t ) 2 2 2.e . � O O v" V21 = O - =} V22 V23 V2 = -1 O -1 -1 O O O 1 V31 = .4t ) 1 .2 t . =} A = .( e .1 fj (to) = 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.V32 V33 = O =} V32 V33 v3 � y Aplicando la transformación dada por T a la matriz <1>. Obtener e l modelo de estado y l a evolución d e las variables d e estado del sistema representado mediante la siguiente ecuación diferencial: [ � O e .3t O O O 1 y + 7fj + 14y + 8y = O con las siguientes condiciones de contorno: to = O y (to) = 2 y(to) = . EJERCICIOS RESUELTOS 91 A = -3.2t .e . se obtiene la expresión de la matriz de transición en el sistema de referencia inicial: ll (t) = T<1>T .2 t + e .1 = 1 � ( e .2 .4 t ) "2 ( e .4t ) _ ( e .4.

se extraen los valores propios.A) A -1 O O A . en este caso.1 = A 2 (A + 7 ) + 8 + 14A = 8 14 A + 7 A 3 + 7 ). dado que la ecuación es de tercer orden.2 V22 = V23 A = -4.2 V21 = V22 =} . . serán necesarias tres. siendo una posible elección: Xl = y X 2 = iJ X 3 = fj :h = X2 X2 = X3 X 3 = .92 CAPÍTULO 2.2.V12 =} A = . que identifican a los polos del sistema por lo tanto.14x 2 . + 8 = (A + 4) (A + 2) (A + 1 ) Una vez conocidos los valores propios de la matriz A. . det(AI . su dinámica: y. 2 + 14>.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.8X l con lo que el modelo de estado expresado en forma matricial queda: o 1 O O -8 . en primer lugar.7X 3 . =} V1 1 = . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES En primer lugar se han de elegir las variables de estado.

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

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

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

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

1 . puesto que la entrada se anula. EJERCICIOS RESUELTOS 97 que en la representación original del sistema equivale a: Xb (t) = T Xb (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 ) .Tx b ( t - 5. u(t) = O 2) [ 1 ( . En e l sistema d e l a figura. a partir del instante to = O.7. por lo que la variación del estado se debe exclusivamente a su evolución libre: Xb (t) = cI>(t. así como la diferencia entre ambas. en los siguientes casos: 11 Ug + R1 U c1 • C1 R2 12 U c2 • C2 .::: 2 . 6 y t .1 2 ) ] = [ _ -61 ( -2e -6t + e -6(t.2. 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.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 [ -ii(--1-_e--6(t -1) )++2e -6t) ] 2e-6t) ( e En este intervalo existe un valor inicial.

(t) con con Sustituyendo las intensidades se obtiene: Ug (t) = R 1 GdJc.58.1 V Las ecuaciones del sistema son las siguientes: Ug (t) = R 1 lt (t) + Uc.6 F Tensiones iniciales en los condensadores: Uc.R}. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Considerar dos posibles valores de G1 : a) b) G1 = 10. UC2 = . considerar tres posibles entradas: Para cada valor de 1) Permanece nula. = 2V to o 3) Un escalón unitario a partir de to .6 F . X 2 (t) = UC2 siendo la entrada y la salida: u(t) = Ug (t) y (t) = Uc. (t) Ug (t) = R2 G2 UC2 (t) + UC2 (t) Se eligen las siguientes variables de estado: X l (t) = Uc. 2) Un escalón unitario a partir de Datos: R 1 = 100K R 2 = 200K G2 = 10.UC2 (t) por lo que las ecuaciones de estado quedan: Xl = . G1 . hasta un tiempo tt = 0. u(t) X2 = R2�2 X 2 (t) + R21C2 u(t) - .98 CAPÍTULO 2.6 F. y posteriormente cero. (t) + Uc. X 1 (t) + R.lC. G1 = 2 x 1 O . (t) .

Como A es invariante. .6 F.=!o. O 2 O 4 O 6 O B 1 O 2 O 4 O 6 O B 1 t a) Si el = 10 . la expresión de la matriz de transición es sencilla de calcular.R2 G2 1 ] Ub ( t . EJERCICIOS RESUELTOS 99 En forma matricial se expresan como: R1 Gl R2 G2 1 1 ] U(t) La evolución del estado es la solución de la ecuación completa.. sin necesidad de aplicar los métodos de Caley-Hamilton o Jordan.!.7.t o ) Al ser la matriz A diagonal. tO )X(tO ) + i¡ot 4>(t. e R l el O Las entradas consideradas son las siguientes: ua o 5 -O 5 -1 O 2 O 4 O 6 O B 1 t 1 5 O 5 Entrada u.. cuya expresión es: x(t) = 4>(t. se puede expresar como: 4>(t. Para calcular la evolución del estado es necesario obtener previamente la matriz de transición.R1 Gl O . en la evolución del estado sólo influye el término debido a la evolución libre: x (t) = 4>(t. r)B (r)u(r)dr t donde se aprecia el término debido a la evolución libre y el término debido a la entrada.2. 1 ) Si la entrada es nula. to) = e A ( t . O 6 t O B O 4 O 2 Entrada u. to)x(to ) = [ �� e- �Ol La salida es: .t o ) = e Ent rada [ 1 O u.to ) [ _. tO ) = e A ( t . 4> (t.

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

2 1 Ent rada ub .RICI .5t 2 e .2 __�� 0.8 1 .10t 2 e .7. xo = [ 2 _l J T .e.e. se obtiene: x(t) = 1 1 [ + e . EJERCICIOS RESUELTOS � 101 Sustituyendo: x(t) + [ e RICI - O R I CI R2 C2 1 1 x(t) 1 l .R2C2 t .2.l Ot ] =} y(t) = e .5 1 Es t ado 0.6 0.to � La salida será: Dando valores.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 �____�� O 0.5 O �--�----� -0 . 5 .

6 0. entre [to . t I ] .102 CAPÍTULO 2. Ent rada ub .8 O t 1 3) Si la entrada es un rectángulo de altura unidad. sustituyendo: • • x(t) = <p (t. Segundo caso: si t � t I . r)B (r)u(r)dr ta x(t) + x(t) . la evolución del estado será: Donde hay que distinguir dos casos: Primer caso: si t t I . será igual que el apartado anterior . entonces.4 0.2 0. to)x(to) < + it <p (t. xo = [ 2 _l] T o ���������==� 0. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES Evo l u c i ó n de la s a l ida .

5( t-O.2 0.7.2 e. Entrada u c .2.5) y [ e .8 O 0.O . 5 1 0.1O(t . xo = [ 2 _l] T S a l 1 da 1 .l O t + e.5( t-O.5 t + e .4 t 0. EJERCICIOS RESUELTOS 103 Mientras que la salida será: Dando valores. Entrada ub . 5) + 2e .5 0.5 O �������� 0. 5) 1 E s t ado 0.6 t .8 1 Evo luc i ón de la s a l 1 da . 5) . 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 .5t ] _ e .6 0.4 0. xo = [ 2 _l]T = e .lO t + e .O.1O(t .

xo = [ 2 2 E s t ado 0. 8 0 0 2 0 6 t Evo luclón de la sal ida Ent rada ua .2 0.4 O 6 t .5 t 3 e .5 o���������� 0.�-.6 F. 5 .104 b) CAPÍTULO Si el = 2 1 O .5 -0 . Entrada ua .5t [ ] _l ] T La representación gráfica del estado y de la salida es la siguiente: Evo l u c i ón del es tado .����4 1 0 .5 t _ e. 1) Entrada nula. �� . l : x 2.0 .8 O 0. Sustituyendo en las ecuaciones obtenidas en a.1� � ���� ---�. xo = [ 2 _l]T 0. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES x(t) y(t) Se obtiene: x(t) y(t) 2 e.

5 Entrada ub . EJERCICIOS RESUELTOS 105 2) Entrada escalón.8 1 Evo luc i ón de l a s a l l da . xo = [ 2 _l] T 1 0. Ent rada ub . 2 : 1 + e.2 e.8 1 O t .4 t 0.5 1 E s t ado 0.4 0 6 0.2 0.=��� 0.2.R2 c2 e RlCl + 2 e R2C2 y(t) Se obtiene: [ 11 -+2ee.6 0.2 0.] 5t y (t) = 3 e La representación gráfica del estado y de la salida es la siguiente: [ � - - � � � 1 Evo l u c i ón del e s t ado .RlCl x(t) 1 .5 O ������.7. 2 1. Sustituyendo en las ecuaciones obtenidas en a.5t5t x(t) = . xo = [ 2 _l] T 0 �--�-----1 0.

5 1 E s t ado 0. sustituyendo en las ecuaciones obtenidas en a.8 1 . entonces.2 é t + e.106 CAPÍTULO 2.5( t. t¡J .=!lL - e _ R2 C12 t-t Se obtiene: x(t) y (t) e. 3 : • < • x(t) y(t) e _ . SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES 3) La entrada es un rectángulo de altura unidad.5 t [ ] La representación gráfica del estado y de la salida será: _1]T Evo l u C 1 6n d e l e s t ado .5 Entrada uc .O. Se distinguen dos casos: Primer caso: si t t l . entre [to .!.O.5) 3 e.í Segundo caso: si t . xo = [ 2 0. 2 1.!.5) .::: t l .4 t 0.6 0.5 t + e.=!lL R1Cl + e R1Cl + 2 e R2C2 _ . será igual que el apartado b.5( t.!::!L _ .

Entrada ub . xo = [ 2 0.5 O� O __ �����. para el segundo valor del condensador el . esto significa que el sistema impone una restricción a las variables de estado: dadas unas condiciones iniciales determinadas. achacable al' sistema. por lo que los incrementos en su evolución serán los mismos. EJERCICIOS RESUELTOS _l]T 107 Evo l u c � ó n de l a s a l � da . Como dicha salida es la diferencia de las dos variables de estado. será profundamente tratada en el siguiente capítulo. la salida es la misma.=======� 0.2 0. pero en cambio no es posible obtener los dos a la vez. pues su diferencia ya está fijada.6 0. se puede conseguir por separado cualquier valor del estado.4 0. Está motivada por la coincidencia en la dinámica de las dos variables de estado. Esta limitación.2.7. La dinámica del sistema se aprecia en la ecuación de estado.8 1 t Se observa que con cualquiera de las tres entradas. una vez particularizados los datos: y(t) .

.

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

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

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

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

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

7) Si W(h .9) . desde el estado inicial nulo hasta el estado X l . (3. se demuestra que existen puntos del espacio de estado que no son controlables. siendo esta entrada la expresada por la Ecuación 3. se puede encontrar al menos una entrada que transfiere el estado desde el origen hasta cualquier estado x l .l (t l . Condición necesaria Si se supone W(t l . to)] = O (3. Se parte de que W(t l . to) es no singular. = A(t)x(t) + B (t)u(t) W(t l .5. t l ] si y sólo si su gramiano de controlabilidad. correspondiente a ese valor propio nulo se veri­ ficará que: v. Si se considera el vector propio. CONTROLABILIDAD X{ t) es controlable en definido como: [to .3. Para ello se considera como entrada: (3. y lo mismo sucede con X l .4) es no singular. quedando: (3.5) Sustituyendo: (3. to) es singular. por lo que: det [W(t l . lo que es lo mismo. to) (3.6) W .1 14 Un sistema con una ecuación de estado: CAPÍTULO 3. según la Ecuación 3. por lo que W(t. Demostración • Condición suficiente x(to) Se intenta comprobar que existe una entrada que lleva el estado desde cualquier = Xo hasta cualquier X(t l ) = Xl o. to) puede salir fuera de la integral. • singular. to) . to) tiene al menos un valor propio cero.8) El determinante coincide con el producto de los valores propios de la matriz.

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

1 . O) ] = 1 92 + Es fácil deducir q ue se ha de a n u la r para t O. Cálculo de la entrada e n sistemas lineales 1 1 _ e . A partir de este i nsta nte. 3. el va lor del determina nte permanece práctica mente consta nte. 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. sa lvo cua ndo éste sea ta m bién el fi nal de dicho interva lo. es deci r. perma neciendo solamente el pri mero. se com prueba que el va lor tota l del determ ina nte va a u mentando.3 t ) e .8t _ _ e . todos los suma ndos exponencia les tienen un valor despreciable.4t _ _ e .3t 3. O) es d isti nto de cero. tra nscu rrido u n tiem po suficiente.2 t 32 48 En la Ecuación 3.3. .e . q ue su determina nte es d isti nto de cero. puesto q ue en ese caso los l ím ites de la integra l que define W(t. hasta q ue. 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 . Para sucesivos insta ntes de tiem po.2.116 2 CAPÍTULO gra m iano. 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. es necesario com probar q ue éste es invertible.6t 1 92 48 = + 1 1 _ e . 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. 1> ( h to)x(to ) . el primer paso es ca lcular la matriz de tra nsició n : 3 ( e -t . Por lo ta nto. Por lo ta nto.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) coinciden . O) .

se calcula una entrada que lleve al sistema desde este estado intermedio Xa en ta al estado final X l en tI . C .<fl(ta . to)Xo X l =XI . Moore referenciado en la Bibliografía . 1 7) donde: Xa =Xa .I (ta . 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. Yuxtaponiendo ambas entradas en el tiempo se obtiene una nueva entrada que lleva al sistema desde Xo en to a X l en t¡ . 16) donde: Caso 2: 'Iransición con punto de paso intermedio BT (t)<flT (ta . ta � t < t¡ (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. 1 Véase el artículo de B . entendiendo energía como: (3.I (t l . ta)XI . a continuación.3.2.3. 15) Además. ta)Xa según se ve en la Ecuación 3. pasando por un punto arbitrario Xa en el instante intermedio tao Como tanto Xa como ta pueden tomar valores cualesquiera arbitrariamente elegidos.<fl (t l . t)W . 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 . to � t < ta BT (t)<flT (t¡ .3 se puede observar gráficamente este procedimiento de generación de nuevas entradas por elección de un punto de paso. En la Figura 3. to)xa . t)W .

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 . 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 . 2 25 2 CAPÍTULO � 3. [ -1 -2 ] + [ 1 ] u O -1 x O calcular u na entrada necesaria para rea l izar la tra nsferencia del estado: Dado q ue el enu nciado ya form ula q ue el sistema es controlable. de forma directa (línea continua) con un punto de paso intermedio (línea discontinua). \ I Xa t > U2 .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 . ta \ Xl -8 -6 -4 -2 2 Figura 3.118 I t < ta x. Como paso previo es necesario ca lcular el va lor de la matriz de tra nsición del sistema por cualqu iera de los métodos explicados .

5.3160 = J[o0 . por lo que es necesario ca lcular el gra miano para el i nterva lo propuesto: = [ � ] . partiendo de este estado i n icia l . CONTROLABILIDAD EN SISTEMAS LINEALES en el Ca pítulo 2 de este li bro.1 grados de libertad.5.0143 ] 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. • • .2te -t e-t e-O2t ] [ -t =} x(0.5 .5 [ 11 ] . Una posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el problema a otro con n grados de libertad. Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud se fija arbitrariamente. 5 xo = e . O) por lo que.5.��� ] T T W(0. aplica ndo la Ecuación 3.0571 -0.2 . Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n . es la m isma q ue la que lo llevaría desde el estado i n icia l n u lo a: Xl 0. que se obtiene de la Ecuación 3.1 longitudes de subintervalo. consiste en: Fijar el número de escalones que se utilizarán: en general. T)B (T)B (T)<P (0. para ajustar el valor de n variables de estado será necesaria la utilización de una secuencia de n escalones cuyas alturas deberán ser calculadas para cumplir con el objetivo.5 <P (0. 0) l t = 0 . se ca lcula la de mínima energía . n alturas y n .05 7 1 0. utilizándose como método general la división del tiempo disponible para realizar la transición en n subintervalos de igual longitud. la entrada que consigue rea l izar la tra n­ sición propuesta para el estado con el mínimo coste energético es: 0.3. O) _ La entrada necesaria para llevar a l estado a l va lor propuesto.[ �:���� ] = [ �:. resu lta ndo: 1 19 = [ e .5.1292 ] De las i nfi nitas entradas posibles. supuesta fija la longitud del intervalo total. De forma resumida.[ 0. e -t <P (t. T)dT = [ -0.5) = <P(t.6065 ] t=0 .3.

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

como queda patente en el Ejemplo 3 .5 . Dependiendo de la dirección de avance del estado. t 1 l mayor es la energía necesaria. O) .2 3 10 1 3 . respectiva mente. El EjemI?lo ?? contiene un estudio de este comportamiento. lo que en pri ncipio indica m uy diferente controlabili­ dad según la d i rección de desplaza m iento elegida para el estado. en general se modifica la energía necesaria para una misma distancia desplazada. En este segundo caso se com prueba además cómo evol uciona la a nisotropía del espacio de estado. l o que indica u n mejor equ i l i brio entre las d i recciones de desplaza miento del estado. 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) . 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 . . Sin embargo. 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 . 77.4 A menor longitud de intervalo [ta . que tienen como n ú mero de condición de W (h .44. como se demuestra en la Sección 3 . a medida q ue el tiempo se hace mayor.5. 222.27.3. como puede deducirse fácilmente. t 1 Yt 2 . Analizar la controlabi l idad del sistema defi nido por: x(t) Calculando el gra m iano y sus va lores singulares para 1 se obtiene u n n ú mero de condición de 3 .3. CONTROLABILIDAD EN SISTEMAS LINEALES • • • 121 Ejemplo 3. Cuanto más rápida es la dinámica del sistema. 10. En la siguiente gráfica se puede observar el conj u nto de estados a lca nza bles consu miendo u na u nidad de energía cuando t 0. se tiende a necesitar más energía.44 y 43 .29. Un indicador de la diferencia de coste según la dirección es el número de condición del gramiano2 .

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

para que x(tI ) pueda ser cualquier punto del espacio de estado. = (3. es necesario que existan columnas de la matriz Q linealmente independientes. . es necesario que de todas las columnas que aparecen haya linealmente independientes. CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES 123 Demostración • Si el sistema es controlable. Si el sistema no es controlable.T) y sustituyendo en la Ecuación 3. 13: v T <I>(t l .T) 2 + . • n Se supone que el sistema no es controlable y se verá que no existen columnas de la matriz Q linealmente independientes.l .-! A 2 (t l . . La solución de la ecuación de estado. . la matriz W es singular. 19) Condición necesaria n Aplicando entonces el método de Cayley-Hamilton: e A ( t . si se parte de un estado inicial nulo.3.4. por lo tanto su determinante es nulo y tiene un valor propio nulo. 2 ho (T)I + h 1 (T)A + . cuyo vector propio correspondiente verifica la Ecuación 3.21) = = 1 + A(t l . 19 se obtiene: (3. es: (3.T) + 2.20) El estado x(tI ) que se puede alcanzar desde el origen es combinación lineal de las columnas de la matriz Q. Por lo tanto. 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 (3.22) -1 veces respecto al tiempo: (3. + hn . .23) .1 (T)A n .

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

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

ai Y IR n IR n : x Vi .26) s = {x E aporta información sobre la estructura de dicho subespacio.T)B con una entrada de norma unitaria coincide con la su­ ai Vi de de estados que resultan de la convolución = 1. las raíces cuadradas de los autovalores del gramiano de controlabilidad y los vectores propios asociados en [to .27) Sea el conjunto: s = {x E es decir.28) (3.T) El conjunto S = S= {x E IR n aiVi . .25) donde Pcm [to . que S es la superficie de S.24) La imagen de la convolución: {x E x = 1: F (t . Y i = (3. las los . t I ] . siendo raíces cuadradas de los valores propios del gramiano de controlabilidad y vectores propios asociados. 2. t � t I U(T) E n } (3. IR n : x = ax con x E S 1.5.T)U(T)dT. 2. h ] representa el conjunto de vectores de entrada de dimensión continuos a trozos en el intervalo [to . : x = VEp. . i . Considérese el conjunto de posibles entradas al sistema u(t) E m . t I ] que satisfacen la restricción en su norma: (1: 1 Il u(T) II � dT) 1 � 1 (3. un elipsoide con semiejes conjunto S se puede caracterizar como: es decir. . . correspondientes a los autovalores distintos de cero. U(T) E PCffi [to . t � t I . y sea n la clase de todas las funciones de entrada continuas a trozos en [to . . n. El conjunto contenido en este subespacio: = 1: F (t . Sean i = 1. t d .reflejando los autovalores y sus correspondientes autovectores la distribución espacial de esta energía. td } (3. Ilp ll = 1 } .30) de O � a � 1} perficie de un elipsoide cuyos semiejes son ai Vi . es el sub espacio generado por los vectores propios. . h ] .29) Entonces se demuestra que el (3. 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 . sean E . . .T)U(T)dT. n. CONTROLABILIDAD IR n : m Vi .n Y IR n x n : (3. . . <I> ( (t . como ya se adelantó en el Ejemplo 3. F(t . V E IR 2 126 CAPÍTULO 3.

pT E .3..33) q ..I p. Demostración lo que significa que. A partir de esta definición de entrada se obtiene que: (3.t)q conduce al estado x(t) al valor x en el instante tI . 6. según la Ecuación 3 .32) que es. t) VE .T V T [1: 1 F (tI . p • I -I = B T <I> T (h .:.4.5. los estados que se pueden alcanzar se encuentran sobre un elipsoide cuyas proporciones son las indicadas por los autovalores y autovectores del gramiano de controlabilidad. _ r)F T (tI _ r)qdr I pT E .r)FT (tI . to ) = .Ip W ( t ¡ . si se define q = V E . en términos de si es matemáticamente posible encontrar una entrada que produzca una determinada transición del estado desde un valor inicial a un valor final dado. 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 .r)dr] VE .� = B T <I> T (t l .31) Suponiendo O'n O (sistema controlable). 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)x (3. 1 que satisface que x = VEp..5 la entrada de mínima energía que transfiere el estado desde el origen hasta x. lo que supone que la entrada u(t) = F(h . INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILlDAD 127 Este resultado indica que al aplicar una entrada con una cierta energía. ". to)q. De la definición de dicha entrada se tiene: .T VT VE 2 VT VE . para todo x E S existe un vector p. se cumple que x = W(h . t)W (t l . como aparece en la figura del Ejemplo 3. 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.p = = = 1 (3.

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

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

. . to)x(to ) (3. 3. + A l m A l + k bm + . .2. iseak linealmente dependiente de las anteriores. entonces se descartan ésta y todas las A + bj posteriores.40) El método consiste entonces en ir seleccionando columnas de izquierda a derecha y. . . por lo tanto una posible base de este espacio vectorial son las columnas linealmente independientes de la matriz Q. + Aom A k bm + A l l A l + k b 1 + . con k O. • • = x(t) + <I>(t. . también será linealmente dependiente de sus dos anteriores columnas. Estados alcanzables La relación de los estados controlables. . los vectores columna de Q generan el espacio controlable. cuando una de ellas. Xc . j _ 1 A i bj _ 1 (3. + Ai .39 por la izquierda por A k se obtiene que: Ai + k bj + AOI A k b 1 + A0 2 A k b2 + .6. . siendo la dimensión del mismo su rango Para el cálculo de una base del subespacio controlable basta observar que si en la matriz: rQ .2.1 (3. de donde: x(t) De esta forma. . viene dada por la cuación 3.41) .4. Base del sub espacio controlable CAPÍTULO 3. .1. . la columna Ai bj es linealmente dependiente de sus anteriores columnas: A i bj > + AO l b 1 + A 0 2b2 + . . 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. ya que multiplicando la Ecuación 3 . . + A l m Abm + . ya que a partir de entonces los restantes grupos A + k B también lo serán. . Ai bj . . El proceso termina cuando todas las columnas de un grupo i Ai B sean linealmente dependientes.6. + Aom bm + A l l A b1 + . CONTROLABILIDAD Según se deduce de la demostración de la Sección 3. La componente que depende del sistema y de las condiciones iniciales representa la evolución libre del sistema ante entrada nula. Ail A i bl + A i2 A i b2 + . Ai r A '+ k b 1 + A i2 A '+ k b2 + . a partir de un estado inicial nulo (x(t)) con los estados alcanzables desde cualquier estado inicial (x(t)) . j . + Ai .130 3.39) entonces Ai + k bj . . que constituye el subespacio director de la variedad.1 A'+ k bj .

- X(t) � X1 A X(t1 ) A Figura 3. cuya dinánlica viene re­ presentada por las matrices (Aaa .. • • Y 3. ' . Una línea discontinua que representa la evolución libre del sistema.4: Superposición de la evolución libre con el subespacio controlable. de dimensión uno . Ba). el estado para cada uno de estos instantes se obtiene mediante la superposición de ambos valores.. ... como describe la Ecuación 3 . dim ( Xc ) = Separación del subsistema controlable x(t) existe una matriz de transformación T...7. Como puede verse.42) verificándose que el subsistema formado por las variables xa . En la Figura 3.7.4 puede verse un espacio de estado de dimensión dos en el que se ha representado: Una recta que representa el subespacio controlable. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 131 --- . coincide con el sub espacio controlable... tal que si se efectúa dicho cambio de base: x(t) = = Ax(t) + Bu(t) Tx(t) la ecuación de estado en el nuevo sistema de referencia puede ser escrita como: (3. Sobre ambas curvas se han resaltado los valores del estado para los instantes tQ .' lo �----------��------________ I I t 1. rQ < n: Dado el sistema lineal invariante con dimensión del subespacio controlable. siendo su .40. .3. t I t2 . .

en otras palabras. Si el subespacio controlable fuese un plano.42. Ejemplo 3.44) donde Ta se forma con una base cualquiera del subespacio controlable.6 Dado el sistema : o 1 O . son distintas realizaciones del mismo sistema. lo que se está haciendo es girar los ejes de coordenadas de manera que uno de ellos se sitúe sobre la recta controlable. CONTROLABILIDAD dimensión por tanto la dimensión del subsistema formado por las variables Xb es Adicionalmente. tiene un comportamiento independiente de la entrada. Así se tiene una variable de estado totalmente controlable. La ecuación de estado de orden reducido de los estados controlables: - Y (3. pues. 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. es decir. CAPÍTULO 3. - n rQ u. que ante la misma entrada todas generan la misma salida. donde Si es un subsistema controlable y S2 está totalmente separado de evoluciona de forma independiente a la señal de entrada.132 n rQ . por lo que no es controlable. O) . La matriz T que realiza esta transformación se construye: (3. Si en un espacio total de dimensión tres se supone que el subespacio controlable es de dimensión uno.5. la que está sobre la recta (subespacio controlable). por lo que se podrían separar dos valores de estado que se podrían llevar a cualquier valor. este subsistema está caracterizado por las matrices (Abb . la dimensión de Si sería dos. dividir el sistema en dos: uno controlable y otro que presenta un comportamiento independiente de la entrada. y según se deduce de la Ecuación 3. rQ . y las otras dos evolucionan de forma independiente de la entrada.43) representa el comportamiento del subsistema controlable y define la misma función de transferencia que la ecuación de estado en su forma original y la expresada en la forma reflejada en la Ecuación 3 .42. Se consigue.

5: Representación gráfica del subsistema controlable.13.7. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE 133 Figura 3. La base del subespacio controlable será : . su matriz de controla bi l idad es: Q = [ -13 -5 -13 ] 15 7 1 2 4 Rango(Q) 2 3 = < => Sistema no controlable.

existe una entrada u en el intervalo [to . para determinar la controla­ bilidad de la salida de un sistema lineal se utiliza el siguiente teorema: . 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. 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. con t l finito. tal que para todo punto de origen en to consiga que la salida valga Yl en t l . son : Rango ( Q ) = 2 3.3 . es controlable en [to . El su bsistema controlable está formado por X l y X2 . Así.134 con lo que las matrices tra nsformadas q ueda n : CAPÍTULO 3. 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. td si existe una entrada u definida en el intervalo [to . q ue. CONTROLABILIDAD Á = T . expresados en la base i n icia l . Y l . de forma similar a como se hizo en la Sección 3 . t l ] .1 AT = [ 0°1 -�2 O� 1 y la matriz de controlabilidad .8. Los teoremas de controlabilidad del estado se pueden generalizar de forma sencilla a los siguientes teoremas de controlabilidad de la salida. 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.

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

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

221 f3 ] ° { �: 0 < t � 0. la entrada que se va a aplicar es de la forma : Dada esta entrada .606 + 0. T)Bn:dT + ¡0.3.25 0.1 -2 ] x+ [ 1 ] u ° De esta forma .024 f3 La evol ución de la entrada resu lta nte se puede apreciar en la siguiente figu ra : = -26.0.024 f3 [ 0.5 .172n: + 0.9. 1 2 . uti l iza ndo a hora un tren de esca lones en l ugar de la entrada de mínima energía . T)Bf3dT = 0. Ejemplos adicionales Transición de estado mediante una secuencia de escalones Ejemplo 3 .976 ] = [ 11 ] { n: = 22.221 f3 0.5 .0529n: . 129 . a conti n uación .3.0529n: . 5 <1>(0. se rea liza el aj uste para q ue el estado fi nal sea el propuesto: ¡0.5 . 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 .172n: + 0.0. 2 5 = [ 0. 3.9. 8 Se trata de resolver el m ismo caso propuesto en el Ejemplo 3.129 * 0.606 + 0.5) = <1> (0.25 < t � 0. O)xo + Y.0. 2 5 <1> (0. x= [ -1 0 . Para el sistema : ca lcular la entrada necesaria para rea l izar la tra nsferencia del estado: .5 0.788 f3 .

5 . 3 0 . CONTROLABILIDAD 20 10 -2 0 -10 0 . q ue. 2 0 .5 u2 (r)dr Es tado 1 - 2 a 2 dr + f3 2 dr = Xl X2 ). la evol ución del estado es: x(0.5 Con esta entrada . es u n consumo su perior Eu ( t ) = Esta entrada com porta u n consumo energético: = 10. 1 0 .5) = <1> (0. r)B ( -20)dr o + 1°. r)Bf3dr = a . pasa por el estado fi nal marcado por el enu nciado de este ejemplo cuando t 0.2 5 = 31 1 . la entrada es: u(t) - _ { -20 f3 si si 0<t�a a < t ::.767 0 . _ _ _ _ _ _ _ _ -1 -3 -2 0 . 4 0 .138 u (t) CAPÍTULO 3.a l5 de la entrada de mínima ° ° que. De esta forma . deja ndo como pará metros de aj uste el primer subi nterva lo y la a m p l itud del segundo esca lón. O)xo + Jt' <1> (0.5 . 0. 5 t energía .5 . Esta entrada apl icada a l sistema origi na una evol ución del estado que se corresponde con la representada en la siguiente figu ra . 4 0 . 2 0 . como puede a preciarse.5 s (en línea conti nua y en d iscontinua 1°. 5 1°. como ca be esperar. 3 0 . 5 <1> (0. 1 0 . 5 t -5 -4 Otra posible sol ución a l tren de esca lones es fijar la a m p l itud del pri mero.

606 e a .4 0.B ) e )( e iguala ndo este va lor a l estado fi nal objetivo se despej a .5 t . 129 .B = 0.394 La entrada que se obtiene está representada en la siguiente figura : 0. 184 e 2 a) .B = 30.5 + 0.1 +eeaa ++ 1(-0.0.2 0 �----� siendo su consumo energético: Mientras que la evol ución del estado q ue produce se muestra a contin uación : E s t ado 1 - _ _ _ _ _ _ _ _ _ _ -1 0.3 0.3.2 0.3.3209 .1 -10 0.a12. EJEMPLOS ADICIONALES 139 12. 0.0.7371 1306 ( . obteniéndose: [ ] {a u (t) 30 20 10 = 0..678( -2.297 + .4 o 5 t -2 -3 -4 .2 O .9.6065 e a).

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

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

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

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

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

así como la evol ución de ambas varia bles de estado [Uc 1 (t) Uc 2 (t)]T . 5 +t e O. Esta m isma concl usión se alca nzó en el Ejemplo 3 . Por lo q ue el gra m iano eva l uado en d icho i nterva lo [0. EJEMPLOS ADICIONALES caso: A1 [ 0.2 e t . siendo. 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 [0.5 ] = 45.22 A1 tt )) e0. 1 de forma i ntuitiva .0013 -1 O y.5A 1 ( 1 e.1580 ] u(t) = B T <I> T ( 1 . 1] .9.5A 145 W(t. 1] . 1] va le: n ( l e.5: 1 = [ 0. la consta nte de tiempo de la segunda ra ma el doble q ue la de la pri mera R 1 C1 = 1 Y R2 C2 = 2.O .1 - [ e -OHt 33.1 . 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 0.5.25 ( 1 .1 ) - cuyo determ i na nte va le det [W( l . observá ndose que éstas parten de condiciones .3 .2590 0.5A 1 ( 1 . 5 [�]= O ] [ 0.2590 0. O) = 1 _ 0. O)] = 0.e. se puede afi rmar que este sistema es controlable en el i nterva lo [0. q ue es del m ismo orden que las consta ntes de tiem po i nvol ucradas en el sistema . por ta nto.e. eligiéndose por a hora el tiempo t = 1 .5 >\ 1 (( 11 .5 ) 0. uti liza ndo para ello la entrada de mín i ma energía dada por la Ecuación 3.88 e.4323 0. Constantes de tiempo distintas A conti nuación se va a estudiar el caso más genera l en el q ue la d i n á m ica de a m bas ra mas son m uy d isti ntas entre sí. 0) = [ 1 0. por ta nto. 5 t-O .2590 0.4323 0.1 ( 1 .e.2 A1 t ) 0. por ejemplo A l = 1 Y A 2 = 0.2590 . 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.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. t)W .

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

En la Figu ra 2 se puede ver la evol ución d e la entrada ca lculada . 1 ) _ 1 = 0906 [ 0O :0464 0 0464 0 : 0238 ] u(t) = B T � T ( I . t)W .1] desde condiciones i n icia les n ulas al m ismo va lor de tensiones propuesto en este ejem plo: [� 0 5( 1 e . pudiendo l legar a hacer i nviable su controlabi lidad en la práctica . I . Debe notarse que el valor del determ ina nte del gramiano ha dism i n u ido nota blemente respecto al caso a nterior. 1 va le: 147 W(O.15 ) _ M ( 1 . A conti n u ación se ca lcula la entrada de mínima energía q ue consigue l levar a este sistema en el i nterva lo considerado [O. a u nque el sistema es teórica mente controlable. 0.2481 = 2564 [ e.16. o u 2 (r)dr = 168. el gra m i a no ca lcu lado a nterior­ mente particu larizado para este va lor de t = 0 . así como las tensiones en a m bos condensadores hasta l legar a su estado final deseado en t = 0. por lo ta nto.O. en el que se estudiaba la controlabi lidad en el i nterva lo mayor [O.O. 0. 0. la energía de la entrada necesaria para ello crece enormemente.0464 l 0. Este hecho i m p l ica en la práctica q ue.3.1] . 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. 2 ) ( 1 e-O. 5 +t e O .l .5 ] O e t .e.9.68 . 1] y.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.l ( I .7 .O.5 [�]= O ] [ 0.O . I . O) = [ 1 0. O)] = 4. acercá ndose en este caso a l va lor n u lo q ue hace que el sistema no sea controlable.1 0.0906 0. necesaria para controlar el sistema entre los dos mismos estados i nicia les y fi na les . pero forzando a hora a rea l izarlo en u n tiempo 10 veces menor que a ntes y menor igual mente que las constantes de tiempo i nvol u cradas en el sistema . O bsérvese q ue ahora la evolución de la entrada ha tenido J rO.1 + t e. 5 t. 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. 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. por ejemplo [O. 1] del m ismo orden de las consta ntes de tiem po del sistema considerado.48 10. O) = con lo que su determ i n a nte va le det [W(O.0464 .1 s . 1 5 ) � . � 5 (1 C0 .

.'---:: 5 os s ( c ) Evol ución en el espacio d e estado d e l a s tensiones en los condensadores.. Figura 2: Evol ución de las tensiones de entrada y de las de los conden­ sadores en el caso R 1 C1 = 1 Y R2 C2 = 2 Y uti lizando la entrada de mínima energía para pasar de condiciones i n icia les n ulas a las tensiones [2 I] T en el i nterva lo [O.----. UC 1 (t) Y 08 06 02 -0 2 - O �.1] .148 CAPÍTULO 3. 0. (b) Evol ución tem pora l de las tensiones en los condensadores. CONTROLABILIDAD que representarse en un gráfico a parte por ser de mayor magnitud q ue la evolución de las tensiones en los condensadores: 1 00 80 % 60 40 20 I Elu(tl]== 168 V2 I -20 40 .L 2 �:"":':c _o s---7---:':'--�-----.". 05 -0 5 -1 o . .0 0 01 0 02 0 03 0 04 0 05 1 (a) Evol ución tem pora l de la tensión de entrada 2 1 5 � � 0 06 0 07 0 08 0 09 0 1 u(t) . 0 0 01 0 02 0 03 0 04 0 05 1 0 06 0 07 0 08 0 09 01 UC 2 (t) .

9091 ] [ e = 3733 3613 et . 454 5(1 = _ _ e .l +t e O. O bsérvese q ue en cuyo determina nte vale det[W (O.O . ha biéndose ta m bién estudiado.9091. O ) ] este caso el sistema es teórica mente controlable.2t ) C l .9. pudiendo l legar a hacerlo i nviable. 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: = [ 0.3808 e. 909 l t ) 0. Para ello se va a estudiar el caso en el q ue R l Cl 1 Y R2 C2 = 1.4056 0. la i nfluencia del i nter­ va lo de tiempo en la controlabilidad del sistema . pero.5(1 W ( t .l .l .l ) ° e.9 09 l ) 0. 1] _ - = = [ 1 0.l .4056 0.4762(1 e.4323 0. O) 9. 8 1 8t ) = ] W (l .l .3.4760.1 [ 21 ] con u n consumo energético de: . O) = 0. 909 l t ) e .3808 ] .l . segú n se ha d iscutido a nteriormente el pequeño va lor del determ ina nte del gra m iano indica que se precisa una entrada de muy elevada energía q ue dificulta el control en la práctica .2 ) e .4056 0. 909 l ) 0.e .1 y por ta nto A l 1 Y A 2 0.l .l - .4545(1 . 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. con lo q ue el gra m i a no ca lculado a nteriormente de forma genérica va le a hora : 149 Analiza ndo la controlabil idad para el m ismo i nterva lo de tiempo util izado a nteriormente. en este ú ltimo caso.4 76 2(1 0. se obtiene: = [ 0. 476 2(1 _ _ e . 8 1 8 ) - ] [O. 909 l ( t.5(1 2(1 = [ 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) .4056 ] 0. 909 l ( l -t ) ° ] [ 0.4323 0.5 . 53 10.

1 Y uti l izando la entrada de mínima energía para pasar de condiciones i niciales n u las a las tensiones IV en el i nterva lo [0.1 50 I E[u(tH" 953290 V2 I CAPÍTULO 3.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 -. (e) Evol ución en el espacio de estado de las tensiones en los condensadores. -5 �� . [2 . 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] . U C 1 (t ) Y U C 2 (t ) . -5 -10 -1 5 -20 -25 0 0 1 02 03 04 05 1 06 07 . ' 08 09 (b) Evolución tem pora l de las tensiones en los condensadores.

49 5 . lo que depende de la d isparidad de las dinámicas de las varia bles controladas con una m isma entrada y del i nterva lo de tiempo considerado. En la Figura 3 se representa la evol ución de la tensión de entrada y de a m bos condensadores para este caso en el q ue las dinámicas de a m bas ra mas son muy parecidas. 1 2 Dado e l sistema defi nido p o r l a s ecuaciones: Determi nar la entrada que l leve el vector de sa lida al va lor: cuando el estado parte de condiciones i nicia les n ulas. 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. 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 .9. por lo que el sistema es controlable teórica mente uti l iza ndo una entrada con suficiente energía : O bsérvese q ue en este caso la d ificu ltad práctica de la controlabilidad del sistema se debe a la parecida d i n á mica de a m bas ramas y no al i nterva lo de controlabilidad uti lizado. En 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. r)C T dr = [ 0. pero no igua les. 57 63 . siendo necesario e n la práctica q u e su valor sea signi­ ficativa mente mayor q ue cero. En pri mer l ugar se com prueba la controla b i l idad de las sa lidas media nte el cá lculo del gra m i a no: W 0 (2 .3. O) = 1o 2 C <JI ( 2 . 37 5 . 151 Entrada para modificar el vector de salida Ejemplo 3 . que fue estudiado a nteriormente. 38 ] . r)BB T <JI T (t.

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

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

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

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

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

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

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

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

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

que se obtuvo en el apartado a).0206 + 0. El origen del plano controlable se desplazando según esa trayectoria: va .l .6321c { e = 0.e(t l -t) e ( t ¡ ..5 t I / . .3934c = 0. " " 0.e-O. Esto permite dar un valor arbitrario a cualquiera de ellas para fijar las otras dos.l e(t¡ . se obtiene por la superposición de un vector perteneciente al subespacio controlable más el vector de estado definido por la solución de la evolución libre del sistema.t) e2 ( t ¡ .l ) . .4 0..3 . en este caso. se fija tI 0.e .1 _ 1_ .e . 10 .6 0.2325b { b1 = 4.1029 En la gráfica puede observarse la evolución del estado ante esta entrada: = = 1 [ 11 . / .. la primera y la segunda ecuaciones son iguales.. . Dicha solución da lugar a que el estado describa una trayectoria dentro del espacio de estado como la que se refleja en la figura.5 2 1..e .5 ) ::::} +e b (e .. 5 .1 ) e-2 igualdad: [ 11 1 b [ 1 = ::::} Como puede observarse.. .l e2 ( t l . cuando se tiene en cuenta tanto el estado inicial como la acción de la entrada.O .. EJERCICIOS RESUELTOS 161 e (t l . por lo que sólo hay dos ecuaciones linealmente independientes con tres incógnitas.2 e 0.5 1 0...1 ) ...l ) ::::} = b (e .58: 1 + 1= + { 1 0..t) c(l .2 ) c(l ..e .e l ) ::::} E s t ado 2.. .. " .2386b + 0.8 1 ) El conjunto de estados alcanzables.

El punto [O 1 1 j T sí se puede alcanzar en un tiempo finito. excepto para un tiempo infinito.' ) e ( t ¡ .t O x(to ) + b O e -2 t 1 1 e to tI ::. 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 . tI t [ e (H) e (r. Probando nuevamente con una entrada de la forma: u(r) � lO -t + + (3 1 10e -2 t O = O.e ( " . se puede calcular la entrada que lo permita. justo en el tiempo que emplea el sistema en pasar desde las condiciones iniciales Xo hasta el punto X l .e ( to . ::. por la evolución libre del sistema.t O x(to ) + ' to O e -2 t e ' O O e . (3 = 0.9 y t = 2.t ) e ( '' .t ) _ [ 1 1 .162 CAPÍTULO 3.t ) .t ) u(T)dT = e 2(r.< ) .t ) + e 2 ( tl . a [ la evolución del estado queda: x(t) [� [� { b e ' O O e .X l . 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. CONTROLABILIDAD 1) 2) Como puede verse en la figura.3025. 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. < T T ¡ ::.t ) e 2 ( to .

-.. .2 t 163 Lo que se pretende es que la entrada lleve el estado desde el valor inicial [O 10 10j T en to = O hasta [O 1 1 j T en cualquier tiempo finito...\ \ . \.e.92 6 1c b = . { { 0 = 0.1 =} t = 2. En este caso se hace h = 18..t ) - 1 e ( t 1 -t ) . .e (tl -t ) 1 e (tl -t ) 1 e 2 ( tl . . Esto hace que se pueda dar un valor arbitrario a cualquiera de ellas. de forma que se puede plantear la ecuación: [1 [ 1 [ O 1 1 = lO e.0638b + 0.3.e.5..1 7 18b + 0. ..t 1 0 e.3733 = e .3025 De esta forma.9 = 0. . .10. ..".2 t ° + b 1 [ +e 1 e ( tl -t ) 1 e ( tl -t ) 1 _ e 2 ( tl -t ) _ - 1 Para que las dos primeras ecuaciones se cumplan debe ser cierta la igual­ dad: 1 = 1 0 e -t =} e -t = 0.-=. .t e 2 ( t l -t ) _ e.. por lo que quedarán sólo dos ecuaciones linealmente independientes con tres incógnitas.1 . .. 302 5 = 0. 7281c =} 0.-- t -2 -4 .2 71 8 \ \ . 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 . las dos ecuaciones son la misma..819 7 e = 1. EJERCICIOS RESUELTOS 1 . .t e ( tl -t ) .

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

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. 165 transformar todas las matrices implicadas en la resolución del problema.'(' .T) 1 dT = [ g e .T) = 2 3 e .' ) 1 4 dT .T) 1: . A. la matriz es invertible.5 ( 2 .T) 6 . como primer paso. EJERCICIOS RESUELTOS Xo y Xl .[ = [ _ 6e .T) _ 2 e .6(2 .r.2e -3(2. dado que el sistema es controlable.r. e .6( 2.T) 6 1 .5 ( 2.4( 2 .4( 2. por lo tanto se puede encontrar la entrada que lleve el estado del sistema desde condiciones iniciales nulas a i: W ] [ 3e -2 (2 -T) 6 .T) 2 . Una vez que se conoce la solución de la ecuación homogénea.5 (2 -T) 4e .' 3. es necesario calcular dicha evolución libre. por lo que.T) 2 ge .3( 2. Á Xo La entrada necesaria para que el estado inicial coincida con el final es la que com­ pense exactamente el efecto de la evolución libre del sistema.3( 2 .T) -6 e . B.T) - 1 o e . 10. es decir. e .2 ( 2.:l e .

la expresión de la entrada hallada es la buscada. En la figura puede verse la representación gráfica de la entrada y del estado en el intervalo de 2 segundos propuesto: Ent rada 15 10 5 t 1.48.1271 37 . el estado no es más que un modelo.92676 ] 2.t ) + 67.9696e -2(2.t ) ] [ -3. 1822 20.e . independientemente de que los cálculos se hayan realizado en un sistema de referencia distinto al inicial.1 2 ) 1 1 .166 CAPÍTULO 3. es independiente de la representación del sistema. se puede calcular la entrada necesaria para cumplir con las especificaciones del problema: � (1 .992 Como resulta evidente. CONTROLABILIDAD Una vez calculado el valor de la matriz W. por tanto.739 g e -3(2.5 2 . En resumen.1271 20. la expresión de la entrada no depende del sistema de refe­ rencia elegido para representar el estado del sistema. por lo que no tiene sentido que influya en la forma de la entrada que recibe el sistema que. 7274 = .

5 ( 2.t ) ) 2 = ta ( .t ) _ 6333.71e .43e -2(2.26 = Otra posible entrada que consigue llevar el estado del sistema entre los valores deseados es una compuesta por dos escalones desplazados: A Y B.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 ( .54e . / / 1 1.2 (tl .T ) tl 4 e -� .68 .5 (2.1326.6 (t -2) .3 + ta e -3tl x(t) ° ][ ] [ ° .�:uo. EJERCICIOS RESUELTOS E s t ado 2 1 \ / / / / / / / .9696e -2(2.t) ):: = 37.7 2e ta ( 599.t ) ) dT i(h 239 7. \ \ 167 / \ . T)B (T)u(T)dT ¡tatl e .t ) + 67.t ) + 764. La forma de fijar estos escalones es elegir un valor determinado para t2 y dejar como incógnitas U U Si se sustituye entonces en la expresión de la evolución del estado: [ _� ] [ [ -� ] = <T>x(to) + ir <T>(t l . 08e -6 ( 2 .3(2.739 g e .t ) + 4588.4 ( 2.48.

Dada esta segunda entrada. frente a la primera. que suele ocasionar que el estado alcance valores mayores.1 9.e . se puede representar la evolución tanto de ella misma como de las variables de estado: .2t l ) -3(1 . es más sencilla de calcular y admite (aumentando los grados de libertad con la composición de más escalones) la inclusión de nuevas restricciones en el comportamiento de la entrada y del estado.e . es su mayor energía.830 7 O :S T < 1 5.8 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. 7 1 14 1 :S T :S 2 Dada esta entrada. 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) = { .3 t l ) ] to = CAPíTULO 3.168 [ se obtiene: 4(1 . se puede calcular su energía para compararla con la de la primera: E (UA ) 2 (t 2 . como podría ser el forzar a que las variables de estado se encuentren siempre dentro de un rango de funcionamiento.t 2 ) 425.to ) + (UB ) 2 (t l . Por contra.

5 2 Si se elige como tiempo intermedio t2 = 1...58.71.5064 1.5 -5 -10 1 1.... " . EJERCICIOS RESUELTOS Entrada 5 t 169 0...5 -5 -10 -15 .. .3.5 7. La evolución de la entrada y de ..0852 o � 1. . .10...2 0 �----� 1.5 � � 2 T T < Para la que se obtiene una energía de las variables de estado en este caso es: E = 83. la entrada que se obtiene es: -6.5 2 E s t ado 10 5 .. . " " " " " t 0.

170 Entrada 6 4 2 0.6 �----� E s tado 4 2 " " " .24.1776 E O. .. . La evolución de la entrada y de las variables de estado para este caso es: . ::. la entrada que se obtiene es: -73. si se elige como tiempo intermedio t2 = 0.58.1467 5. CONTROLABILIDAD 1 5 2 t . T O ::. t Por último.5 -2 -4 1 CAPÍTULO 3.. . .5 ::... . 2 cuya energía es = 5377. T < 0. . .

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

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

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

.

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

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

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

Este problema de la observabilidad se resuelve mediante el siguiente teorema: .3. que se suponen conocidas. la salida del sistema ante entrada nula. C(t) A (t). se puede despejar de la ecuación anterior: y(t) = y(t) . se obtiene: o.178 y teniendo en cuenta la ecuación de salida: CAPÍTULO 4. basta conocer la salida en un solo instante para conocer el estado del sistema. 4. 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. x(to) (4. to). to)x(to) = x(t) = C . to)x(to) (4. Teorema En general es necesario conocer la evolución de la salida en un intervalo de tiempo para poder calcular el estado del sistema. lo que es lo mismo. es decir.3) t donde y(t) representa la componente de salida debida sólo a la existencia de condiciones iniciales no nulas. r)B(r)u(r)dr + D(t)u(t) t (4.2.4) o lo que es lo mismo: <P (t.2) Agrupando los términos que dependen de la entrada y la salida.1 y(t) (4.5) Obsérvese que en este caso la salida representa un cambio de base de las variables de estado mediante la matriz e y. tO )X( tO ) + ito C(t) <P (t.ito C(t) <P (t. la aportación a la salida dada por la evolución libre del sistema C(t) <P(t. por tanto. 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.D(t)u(t) = C(t) <P(t. r)B(r)u(r)dr .

Si es singular = O). que por otro lado debé ser distinto del vector nulo. Se cumplirá entonces que: V (det(V(t¡.4.6) es no singular.: x(t) = A (t)x(t) + B(t)u(t) y(t) = C(t)X(t) + D(t)u(t) es observable en [to.3. • Condición necesaria El razonamiento es similar al realizado en la demostración del teorema dual de controlabilidad. to). existe un algoritmo que nos permite despejar expresión: V(t¡. existe algún valor propio nulo. to) y (4. OBSERVABILIDAD EN SISTEMAS LINEALES 179 Dado un sistema definido por las ecuaciones.to)) Xo (4.7) despejando: (4. y se fuerza a que el estado inicial coincida con su vector propio asociado. to) empleada para el estudio de Xo de la Demostración • Condición suficiente Si no es singular. V(t¡. La matriz controlabilidad. to) tiene una forma dual a la W(t¡.9) . conocida como gramiano de observabilidad definida como: y y \ (4. se puede obtener el estado del sistema en función de la salida ante entrada nula. td si s610 si la matriz V(t¡.8) Por lo tanto.

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

9 al final . en concreto. por lo que se puede afirmar que el sistema es controlable para cualquier valor de t final del intervalo y. puesto que el sistema es observable para todo valor de t. r)B(r)u(r)dr = _ 3e-3t + 2e-2t + 3e-t � V.lt C q. es posible calcular el estado inicial desde el que evoluciona. sin errores en la determinación de sus parámetros ni en la medida de la salida. este resultado. OBSERVABILIDAD EN SISTEMAS LINEALES 181 Se puede com probar fácilmente que el determinante no se anula salvo para t = O.4.3.¡. 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.100 2. pudiendo manifestarse entonces esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en el Ejemplo 4. y es en presencia de estos errores en la medida cuando el condicionamiento del gramiano toma importancia. Para ello el paso previo es calcular y (t).12t 3e. como cabía esperar. como este resultado se ha de repetir sea cual sea la duración del intervalo. objeto de la definición de observabilidad. por lo que hay que contar con esta incertidumbre.3. por lo que no cabría la discusión sobre la mejor o peor observabilidad de un sistema como sucedía con la controlabilidad. como se puede observar.Q)cT(7)y(7)d7 resultado que. Sin embargo.1 (t. tal como se especifica en la Ecuación 4. es independiente del tiempo. para t = Dada la observabilidad del sistema. 4. det[V(t. en principio.T (7.8 se describe la forma en la que se puede calcular el estado inicial en un sistema observable conocido el valor del gramiano de observabilidad. se cumple que: Xo � . situación posible en teoría pero muy poco realista en la práctica.3: 1 e .Q) l' . Además.7t 6e-5t 21 e-4t 2e-3t 3e-2t 1200 .3.8.(t.lOt 2e -9t 21 e-8t 6e.1200 + --¡()()-� + ---so -� + � ----so + �. El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el condi­ cionamiento del gramiano correspondiente. Determinación del estado inicial e n sistemas observables [ J1 1 La importancia de la determinación del estado inicial a partir del que evoluciona un determiado sistema. aplicando la Ecuación 4. O)] = y (t) = y (t) De hecho. no se ve influido por el valor concreto del gramiano. En la Ecuación 4. esta afirmación sólo es cierta en caso de que se disponga de un conocimiento perfecto del modelo.

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

que se denominan no-observables. • y(t) = C(t) éP (to.4. t)(xo + x¡) = yo(t) + Yl (t) = Yl (t) haber generado por la superposición con un punto no-observable.041 10 1 3 . existen dos clases de puntos: • Puntos como que. OBSERVABILIDAD EN SISTEMAS LINEALES 183 Calculando el gramiano de observabilidad y sus valores singulares para = 1 se obtiene un número de condición de 1.44. como se demuestra fácilmente. 15) entonces. que. Puntos como X ¡ . generan salida idénticamente nula cuando se toman como estado inicial.4. Xl Xo Xl . tal que: y(t) = C(t) éP (to. Xo =f. por linealidad. 3 . pero que no son observables. Sin embargo. puesto que la misma salida se puede . t)xo = yo(t) = O. Según el razonamiento anterior. (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. O Xl . ante entrada nula.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 . si el estado inicial es la suma de los dos anteriores: (4. por tanto a que el sistema no sea observable. 4 .3. Por tanto. la existencia de puntos no-observables da lugar a que ningún punto del espacio sea observable y. O. Xo.14) hace que el sistema no sea observable. si el sistema no es observable. ante entrada nula. lo que indica un mejor equilibrio entre las direcciones de observación del estado. 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. lo que en principio indica muy diferente observabilidad según la dirección dentro del espacio de estado. Vt > to y(t) = C(t) éP (to. t)Xl = Yl(t) =f. no dan la salida nula al ser tomados como estado inicial. si se tiene otro estado inicial tal que: Xl .

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

Xa Xl X ) 2 4.to) + �. 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. .n-l 1 Xo.19) Xo que.4. (t . mientras que los puntos con la forma de (caso que incluye a no pueden ser observados. + an _ l(t)CAn. . Se supone que existe un vector Condición suficiente (4. SISTEMAS LINEALES INVARIANTES 185 tanto. Demostración • n.l ] Xo (4. se verificará que: y(t) = n . que el sistema evoluciona con salida nula a partir del estado Xo.18) Si en la matriz P no existen filas que son linealmente independientes. 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. = A [ C�:. Si a este vector se le llama Xo. es decir. es tal que . . n • es decir. considerado como estado inicial.4.17) es de rango máximo. Condición necesaria A partir de la expresión de la salida del sistema ante entrada nula evolucionan­ do desde un estado inicial genérico. p < n. y por aplicación del método de Cayley­ Hamilton: CeA(t -to) xo C [1 + A (t . .4.tO ) 2 + ] Xo = [ao(t)C + al(t)CA + .

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

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

por lo que el modelo del sistema toma la forma: 6.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 . CAPÍTULO 4 . Interpretación geométrica d e la observabilidad d(t). 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. Sea el sistema lineal e invariane representado en la Figura 4. anulando la entrada del sistema.23) (4.2: Sistema lineal con el conjunto de entradas de test Supuesto el estado inicial nulo. y manteniendo el vector como entradaal sistema. se sigue una demostración similar a la que aparece en la Sección 3.5. d(t) Figura 4. en el que a la estructura usual se ha añadido un vector de entradas adicionales. x(t) = Ax(t) + Bu(t) + d(t) y Cx(t) = (4. el número de condición de la matriz que define el gramiano de observabilidad es un indicador de la anisotropía del espacio de estado. . Al igual que sucedía con el estudio geométrico de la controlabilidad. se realiza una aportación desde las variables de estado que describe un elipsoide en el espacio de estado. (4.24) y(t) Este vector se añade para el estudio de observabilidad y no está relacionado con la posible realidad física del sistema. este hecho se puede explicar haciendo uso de la respuesta del sistema ante un determinado conjunto de señales.51 . para llegar a la conclusión de que el gramiano de observabilidad describe la 1 En este caso se demuestra que. A partir de esta definición. para generar una salida con energía unitaria.25) y(t) = i(tat CiP(t.2. representando cada columna el efecto de una variable de estado sobre el conjunto de las salidas. OBSERVABILIDAD Como ya se ha referido en este capítulo.188 4.

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

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. .190 CAPÍTULO 4. Una vez obtenida esta matriz se pueden obtener los n-rp vectores de la base mediante la resolución directa de: (4.6 al enunciar la definición de subespacio controlable. OBSERVABILIDAD t [to. Base del sub espacio no-observable o Para determinar la base del subespacio no-observable se va a partir de la Ecuación 4. también será linealmente Pr. Si rango ( P ) = rp y la dimensión del espacio de estado es n. tI]. 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). .n (4. .rp vectores que verifiquen esta ecuación y que sean linealmente independientes. que resulta O = PXo. ecuación más sencilla. entonces cjA i+ k . con k > O. cuando cjAi sea linealmente dependiente de las anteriores. defini­ o o i = 1.21 : dependiente de sus anteriores filas. El método consiste entonces en ir seleccionando filas de arriba abajo y.27) La demostración es igual a la que se incluye en la Sección 3.. 4. Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida. Para determinar una base de ese sub espacio no-observable lo que se debe determinar son n .. Basta observar que si en la matriz P la fila cjAi es linealmente de­ pendiente de sus anteriores filas. Prx = O . Xó . donde da como: El subespacio no-observable.rp vectores linealmente independientes que sean ortogonales a las filas de la matriz P. se puede utilizar un método semejante al estudiado en controlabilidad. yf(t) ] .28) = PeA(t-to) xo. Para obtener estos vectores. la dimensión del núcleo de esta aplicación es n-rp. entonces se descartan ésta y todas las cj Ai+ k posteriores. 1 . Yt (t) = [ yl(t) y�(t) .26) (4.6. y el sub espacio no-observable constituye el núcleo de dicha aplicación. La base se construye encontrando n .

siendo r ango(P) = rp < n. 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. 4.6 SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 191 Calcular u n a base del subespacio no-observable para el sistema determinado por las siguientes matrices: Se comienza por calcular la matriz de observabilidad del sistema: 5 6 P = [ OO O Para el cálculo de la base del subespacio no-observable se sabe que su di­ mensión es 3 Se necesita u n vector que verifique que rXO = para conocer la base. Ejemplo 4.rp. En primer lugar se eligen dos filas linealmente independientes. 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. 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.4.

29 y 4. 5ca y(t) = = Aaaxa + Bau(t) CaXa (4.192 del vector de estado según la ecuación: = CAPÍTULO 4. La matriz de cambio de base que consigue esta separación en los subsistemas men­ cionados se construye como: (4.30) El subsistema formado por las variables es observable y de dimensión rp . presenta una evolución del estado desacoplado de la salida del sistema. que ante la misma entrada ambos generan la misma salida. Ta T formado por rp filas linealmente independientes de P y por n .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. Lo que se consigue es desconectar la salida en (4. según se puede deducir de la Ecuación 4. Ca). en otras palabras.34) Va Xb. y(t) Vb .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. Adicionalmente el subsistema formado por las variables Xb. Vb.30. OBSERVABILIDAD de modo que el modelo de estado en el nuevo sistema de referencia es: = = verificándose que: • • [ �: ] [ 1:: lb ] [ �: ] [ :: ] u(t) y(t) [ Ca O J [ �: ] + x(t) Tx(t) (4. caracterizado por las matrices ( Abb.3.31 y 4.29) (4. caracterizado por las matrices (Aaa. las Ecuaciones 4.32 representan otra realización del mismo sistema.30.32) 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. O ) . El modelo de estado que describe el comportamiento de los estados observables: Xa. es decir.31) (4.

Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al cual se definen los vectores. las variables de estado en dos grupos.7.4. unas observables y otras que no lo son. 82 - 81 Ejemplo 4. SEPARACIÓN DEL SUBSISTEMA NO-OBSERVABLE 193 Figura 4. Se han separado.3: Separación de la parte no-observable.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. desplazándolo para que tantos de ellos como sea necesario coincidan con la base del subespacio no-observable.. La dimensión de es n Tp Y la de es Tp .

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

Xd) un subsis­ 3. formando el resto de las variables (Xb . xc) y caracterizado por las matrices: es un subsistema observable. (4.37) es un subsistema controlable. SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 195 matrices: B � T. presenta alguna particularidad que se pasa a comentar: este subsistema es el de mínima dimensión que puede modelar la relación entre la entrada y la salida del sistema. por lo que se le conoce como realización mínima del sistema. 2. el segundo ya se ha estudiado como subsistema controlable. [ :: ] .36) (4. Existe un teorema.8. En concreto. Los tres subsistemas descritos en la anterior enumeración tienen la particularidad de generar la misma función de transferencia. debido a Kalman. formando el resto de las variables tema con comportamiento desacoplado de las entradas. Al orden de dicha realización mínima se le conoce también como grado de McMillan de dicho sistema. que caracteriza la realización mínima de un sistema en términos de controlabmdad y observabilidad: .4. [ Ca (xa . El subsistema formado por las variables C = CT = [ ea o C e o ] [ � '] Ha • o Áae Á:lib Ábe '. En cuanto al primero. El subsistema formado por las variables (xa. [[ 1:: lbb ] . y el tercero como subsistema observable. El subsistema formado por las '\'ariábles xa y caracterizado por las matrices: es un subsistema controlable y observable. Xd) un subsis­ tema con comportamiento desacoplado de las salidas.1 B � y además se verifica que: 1. Xb ) y caracterizado por las matrices: o] ] (xc. 0 Áee O Áde . lo que significa que los tres son realizaciones diferentes de un mismo sistema en términos de entrada-salida.35) (4.

pero separado del anterior porque éste es no-observable. un sistema lineal e in­ variante no posee una única realización en el espacio de estado. ya que está desconectado de la entrada y de la salida (subíndice d). Gráficamente la separación en subsistemas se puede representar de la forma mostrada en detalle en la Figura 4.5 y de forma reducida en la Figura 4. donde cada subsistema se compone de un grupo de variables de estado. • • Finalmente. Sin embargo. OBSERVABILIDAD Una realización dada por (A. las repre­ sentaciones mínimas son únicas salvo por un cambio de base. B. y sólo si es controlable y En general. y como ya se ha comentado en otras ocasiones. que describe la realización mínima del sistema.196 CAPÍTULO 4 . cualquier par de realizaciones mínimas están relacionadas por una transformación lineal. Existe un subsistema que junto con el anterior forma un subsistema controlable. así que no es ninguna de las dos cosas. no es controlable.4. existe un subsistema que no pertenece a la parte observable y tam­ poco a la parte controlable. en otras palabras. Analizándolos se tiene que: • • Existe un subsistema que es controlable y observable (subíndice a) . . Esto no quiere decir que este subsistema sea observable aisladamente (subíndice c) . D) es mínima si observable. u (t) y(t) Observable Figura 4. Existe un subsistema que.4: Separación simultánea de los subsistemas controlable y observable. Esto no supone que este subsistema sea controlable aisladamente (subíndice b) . en consecuencia. está desconectado de la entrada y. junto al primero. es observable. e.

38) . SEPARACIÓN DE LOS SUBSISTEMAS CONTROLABLE y OBSERVABLE 197 Figura 4.4.8.5.5: Separación detallada de los subsistemas controlable y observable. Dicha matriz de cambio dé base está formada por cuatro submatrices: Llamando Be a la base del subespacio controlable y Bó a la base del subespacio no-observable. así que en conjunto los vectores columna Ta y de Tb serán una base del subespacio controlable. Ta U T b == Be (4. Con esta transformación se consigue algo parecido a lo que se hacía al realizar las separaciones entre controlable y no controlable. se determina que las cajas que componen la matriz de transformación cumplen que: • T = [ Ta Tb Te T4 ] de Ta. unos cambios de ejes para que coincidan con la base del sub espacio controlable y observable. según la Sección 3. 1 . 4.8. 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. y entre observable y no-observable. Tb separan el subespacio controlable.

rQ . • Por tanto. 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 . Te separan el subsistema observable. según la Sección 4.39. Td deben ser base del subespacio no-observable. OBSERVABILIDAD Ta . Tb es una base de la intersección del subespacio controlable y del subespacio no-observable.39) T Desde el punto de vista práctico. la misma respuesta impulsional que dicha realización mínima. Sin embargo.5. coincide con el número de vectores columna de Ta junto con Tb . la dimensión del subsistema controlable. rp . del subespacio no-observable. así que. Reducción del modelo . coincide con el núm�ro de vectores columna de Ta junto con Te. Ta : conjunto de vectores columna tales que conjuntamente con Tb forman una base del subespacio controlable.un caso de separación de un modelo de estado en sus distintos subsistemas. (4. existe la posibilidad de que exista un modelo de un orden inferior al grado de McMillan que genere. 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. como el modelo de estado con menor número de variables que explica la relación entre la entrada y la salida del mismo.10 de este capítulo se puede ver . !::::.198 • CAPíTULO 4. En la sección anteriori se ha introducido el concepto de realización mínima de un de­ terminado sistema.38 y 4. aproxi­ madamente. En el Ejemplo 4. Te : conjunto de vectores columna tales que conjuntamente con Ta . 4. Tb y Td forman una base del espacio de estado.9.40) (4. los vectores columna de Tb . y la dimensión del subsistema observable. al problema de encontrar dicho modelo de orden inferior se le conoce como problema de la reducción del modelo. según las Ecuaciones 4.

43) Si ahora se considera la familia de transformaciones: (4. to)V(oo. to)V(oo.1 W(00. por lo que es nece­ sario relativizar la información que nos ofrecen al sistema de referencia en el que viene expresado el modelo. to) y V(oo.l W(oo. los autovalores del producto entre ambos gramianos sí son invariantes ante transformación. tal que: donde Ea es diagonal y positiva. entonces existe una matriz ortogonal Va (compuesta por los vectores propios ortonormales) . por lo tanto controlable y observ­ able. . B.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.T TT V(OO. existe una matriz ortogonal U y otra diagonal y positiva E. Dada una realización mínima de un sistema (A.9.45) . 1 . como puede comprob�e fácilmente. Son particularmente interesantes tres transformaciones contrag¡. Sin embargo.44) V�W(oo.9. . Asumiendo que se parte de la realización mínima del sistema. tO)T.edientes. . e. las llamadas transformaciones contragre­ dientes : Una transformación T que produce que W(oo. to) = T . son matrices definidas positivas y simétricas. Dado un sistema estable. tal que: (4. tanto el gramiano de controlabilidad como el de observabilidad no presentan invarianza ant� cambios de base. to) sean ambas di­ agonales se conoce como transformación contragrediente. (4. to)T = T . � REDUCCIÓN DEL MODELO 4. to)Va = Ea (4. se plantea el valor de este producto cuando se considera t l = 00: W(oo. se tiene que ambos gramianos. Son de especial interés ciertas transformaciones lineales que ponen este hecho de manifiesto. Además. to)T (4.4.42) Estos valores reflejan las propiedades de entrada-salida del sistema y juegan un pa­ pel central en la reducción de modelos. . Como ya se ha mencionado en este texto.n n. D) con grado de McMillan los valores singulares de Hankel del sistema son: i = 1. de controlabilidad y de observabilidad.

siendo: T . para singulares de Hankel. to) = E Una realización se llama internamente equilibrada si W(oo. . k = 1 . . to) E 2 = = k = O. Es por tanto esta realización en la que se centra el estudio que sigue a continuación. valores pequeños en un modo de segundo orden se corresponden a estados que son débilmente controlables y débilmente observables. En el caso de la realización equilibrada a la salida.47) De todos los posibles valores de k. to) T . to) 1 V(oo. Sus semiejes son iguales a las raíces cuadradas de los valores singulares de Hankel. tO) T k E 2 . to) = = k > 1 . descritos en las Secciones 3.5 respectivamente. Gk + l ::.se comprueba que dichas transformaciones son contragredientes. • 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. siendo Gi . . Estos estados contribuyen muy débilmente al acoplamiento entre la entrada y la salida del sistema. 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. l W(OO. se convierten en esferas. que todas las variables de estado aportan energía a la salida en igual cuantía. k = 1/2 Y con E diag Gi . tres son de particular interés. . propiedad de la que se hace uso a la hora de establecer la reducción del modelo. 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.46) (4. to) 1 y V(oo. OBSERVABILIDAD (4. = 1 : Una realización se llama equilibrada a la salida o normalizada a la salida si W(oo.2 k = = 200 CAPíTULO 4. to) = E 2 Y V(oo. T E 2 k T[ V(oo.5 y 4. Gk . 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. Por tanto. indicando: • En el caso de la realización equilibrada a la entrada. i = 1 . .

A continuación. con los elementos en la diagonal posi­ Existen varios métodos para el cálculo de la factorización de Cholesky. lo que simplemente hubiera intercambiado los papeles de U y V.8.50) y a partir de ella se construye la transformación a la realización internamente equilibrada: (4.50 se podría haber realizado la descomposición de L&Lo VEUT .4.52) Nótese también que en el paso descrito en la Ecuación 4.48) (4. REDUCCIÓN DEL MODELO 201 4. to) V(oo. L una matriz triangular inferior.51 ) Nótese que: (4.2. siendo los más conocidos: Método de Cholesky Se trata de un algoritmo recursivo que comienza con i = 1 y: (4. simétrica dicha matriz se puede descomponer como: definida positiva.53) siendo tivos. respectivamente. se calcula la descomposición en valores singulares (véase :1: en esta sección) del producto de los factores de Cholesky: (4.54) . Transformación a la realización internamente equilibrada El algoritmo comienza por calcular la descomposición de Cholesky (véase t en esta sección) de los gramianos de controlabilidad y observabilidad: W(oo.9. entonces (4. to) = = LeL& L o Lb (4.49) donde Le y L o representan los factores triangulares inferiores de Cholesky de los gra­ mianos de controlabilidad y observabilidad. Un ejemplo de cálculo de una transformación contragrediente se puede ver en el Ejemplo 4. = t Descomposición de Cholesky y Sea M una matriz de elementos reales. l::.9.

S i ahora s e define la matriz como: 1 __ b'l· . . OBSERVABILIDAD En el paso i-ésimo. ili mii Ll = para i > j l�k M (4. h2 O � ln l ln2 lnn ][ (4.61) - (4. se obtiene Mn + = Entonces la matriz triangular inferior L que se está buscando se calcula como: Métodos de Cholesky-Banachiewicz y de Cholesky-Crout Escribiendo la ecuación completa de la descomposición M [ mn m 1 2 . m . . .62 siempre positiva si definida positiva. In' ln2 lnn I g l2 1 l22 = LLT : O O (4.56) (4. m2n · · · mn l mn2 mnn ][ In l2 1 .55) entonces se puede escribir: donde: y'mii O (4. . .58) Repitiendo esta operación para i = 1 .l m' .60) 1 se obtiene la expresión general para los elementos de L: siendo la raíz cuadrada de la Ecuación 4. . [ Ii.l Li = O O (4. .1.59) l l. la matriz Mi tiene la forma: donde denota la matriz identidad de dimensión i . li . n .¡m:¡.202 CAPÍTULO 4.57) (4. . tras n pasos." m2 1 m22 . .62) k= 1 es real y . .

disminuyendo su dimensión en consecuencia las matrices U y V. Si se supone que m � n y rang o(M ) = r < n.n) O (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.. :j: Descomposición en valores singulares (SVD) m Cualquier matriz real M de dimensiones x n puede ser descompuesta como: (4. El cálculo se ordena entonces en cualquiera de las dos .4. . las columnas de U se definen como los vectores singulares por la izquierda de M. Los valores singulares de S son las raíces cuadradas de los autovalores de MMT o MT M. REDUCCIÓN DEL MODELO 203 De esta forma se puede calcular el elemento l ij conocidos los elementos a su izquierda y arriba. mientras que los de M™ son las columnas de la matriz U. formas siguientes: • El algoritmo de Cholesky-Banachiewiez comienza por la esquina superior izquierda de la matriz L y �rosigue . las columnas de V se definen como los vectores singulares por la derecha de M. /:::.64.. • El algoritmo de Cholesky-Grout comienza ·por el 'elemento de la esquina superior izquierda y prosigUe columna por columna.65) [�] si m � n. Calcular la descomposición en valores singulares consiste en calcular los valores y vectores propios de MMT y de MT M. La matriz S tiene la forma: donde E representa una matriz diagonal con los elementos CTi ordenados como ya se refiere en la Ecuación 4.63) � donde U es una matriz ortogonal de dimensiones m x m . Los autovectores de MMT constituyen las columnas de V.9.64) Los CTi son los valores singulares de M. y [ E O ] si m < n y además S se convierte en una matriz de dimensiones r x r. entonces: (4.fila por fila.

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

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

002 0.238 -0.483 -2. se procede a la descomposición en valores singulares del producto: resultando: -0.073 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.0005 -0.690 3.307 -0.0001 O -0.0724 -0.195 0. y a partir de estos valores se genera la matriz de transformación a la realización internamente equilibrada del sistema: Aplicando esta transformación.456 6.248 -0.690 -4.397 0.198 12.332 0.033 -0.776 -o.264 -4.533 0.186 0.992 -0.195 0.434 4.308 -0.951 -0.646 -0.561 -0.001 0.803 0.471 O 0.264 0.134 2. 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 .032 -0.632 V = -0.018 -0.214 -15..647 3.00488 O E= ° O [ [ [ LbLc = UEVT 0.612 -0.612 .10.0986 -0.946 -0.014 0.018 -0. las matrices del sistema resultan : A _ - [ [ J ] IO .516 -2.' ] ] -0.680 -0.099 -0.018 -0.729 O O 0.020 0.604 0.763 -2.380 -0.163 -0.001 0.206 4 293� 48 1 697 48"'80 1 85 3 y' 2��1 64 CAPíTULO 4.308 0.803 0.751 -0.238 -0.404 0.562 -0.134 -4.156 ] ] .00109 O O -0.997 U = -0.008 0.

b..803 -2.086 0.008 207 C = [ -0..046 0..4..... ..763 2.238 -4.647 -0.046 0.434 4...098 -0.098 -0.. .. \. • Eliminando la cuarta variable de estado se obtiene el modelo de orden tres: Al = Ih = Yl ( t ) [ [ -0.612 .... eliminando la tercera y la cuarta. .. .10..9.. 002 ! !¡ ¡ ¡ :! . . .098 -0. el modelo de orden tres. Se plantean dos alternativas.. ..612 -0.. eliminando la cuarta variable de estado de la realización internamente equilibrada . .. O) = V(oo..086 -0.... \\ \\ \ \.046 ] ] cuya respuesta impulsional es la que se representa en la siguiente figura: 0 . .086 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. 006 0 ..046 ] -0.00488 O O O O 0.. REDUCCIÓN DEL MODELO B= [ ] -0.00109 O O O O 0.0001 O O O O 6.. por lo que se puede plantear un modelo reducido de orden dos... O) = E = [ 0..." \..008 ] siendo los gramianos matrices diagonales con los valores singulares de Hankel del sistema ordenados de forma descendente: W(oo. y el de orden dos. 008 0 ... \" \\ .238 -0. _. 004 0 . : ¡ ¡ ! ! \ :..098 Cl = [ -0.803 -4..086 -0.

008 y.208 • CAPíTULO 4. el de orden tres (línea discontinua corta) y el de orden dos (línea discontinua larga) . ( t ) o 006 0 .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. 238 -0 . 004 0 . y(t) o 002 -o 002 .763 -2 ._ -o 002 Para poder evaluar la calidad d e ambas aproximaciones.086 ] 2 . a continuación se muestra la comparación entre la salida del sistema original (trazo continuo) . 098 -0.086 -0 . 238 -4 . 434 ] 0. 002 I I I I I I I I I I I I I I l' \ \ \ \ \ \\ \ \ \ \ ' " '.

con lo que dicha salida medida es: Ymedida (t) = 1 .4. Para simplificar. se descuenta de la salida medida la parte corres­ pondiente a la excitación producida por la entrada.t + 0.01 sin( lOOt ) Para calcular el estado inicial . se ha de calcular el gramiano de observabilidad del sistema (ya calculado en el Ejemplo 4. 10. Ejemplo 4. en el sentido de que se obtendrá un valor distinto al cambiar el periodo sobre el que se realiza la evaluación.2t + 2e.4e . 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) . En este caso se hace sin especificar el tiempo de observación de la salida . por lo que el estado inicial depende de t .10. se supondrá que el ruido es una senoide.2) : y. Esta dependencia sólo ocurre en el caso de que haya errores en . Ej emplos adicionales Determinación del estado inicial en presencia de ruido a la salida Se va a suponer que se desea determinar el estado inicial a partir del que evoluciona un sistema determinado por las matrices: A= [� -1 -2 O o O O -3 1 .9 4. C= [ l 2 3] cuando la salida ante escalón medida es la salida real corrompida con un ruido. para dejar únicamente la porción debida a la evolución libre desde el estado inicial: A continuación. a partir del conocimiento del gramiano de observabilidad. y para poder determinar el estado inicial .3t + 3e. se puede despejar la estimación del estado inicial.

4 6 4 -2 -4 . En caso de que las medidas sean perfectas.2 -5 0.5 t 20 15 0.2 -5 10 -15 X 02 e 0. los errores tienden asintótica mente a desaparecer.5 t 10 5 O. como se vio en un ejemplo anterior.3 -6 -8 0. 0.3 0.X0 3 0.5 t Como se puede apreciar en las figuras.4 0.4 2 0. provocan un error en la estimación del estado inicial . no se produce. modelados en este caso como una senoide de alta frecuencia superpuesta sobre la salida real .4 0. Particularizando la Ecuación 4.8: En las siguientes gráficas se representa la evolución del valor de la esti­ mación.3 0.5 t -10 -15 -20 X0 3 e . 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 .3 0. .5 10 5 0. los errores en la medida de la salida. tanto mayor cuanto menor es el intervalo utilizado.4 0.2 X0 3 e 0.XO I 20 15 0. OBSERVABILIDAD el modelo o en la medición.210 CAPÍTULO 4. A medida que el intervalo se amplía .3 0. lo que matemáticamente se refleja en valores pequeños para el determinante del gramiano de observabilidad.

10.10 -2 -11 191 - 18 2 17 -17 15 1 .4. PaFa obtener su basE!.10 Separar en sus partes controlable y -o bservable el sistema dado por las ma­ trices: 2 3 -3 . EJEMPLOS ADICIONALES 211 Separación en subsistemas Ejemplo 4. se extraen tres vectores columna linealmente independientes de dicha matriz.2 A = -3 O -3 -3 3 3 En primer lugar es necesario conocer las dimensiones de los subespacios controlable y observable del sistema . por lo que ésa es la dimensión del subespacio controlablé'del SIstema. en este caso los tres primeros: . 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 .

212 En cuanto a l estudio de controlabilidad: P= siendo el rango de la matriz P también 3 . OBSERVABILIDAD 2 o o 8 o 6 8 o 14 -6 2 o 26 18 2 o 50 � Vl2 V22 V32 V42 V52 O 15 9 -4 6 .3 CAPÍTULO 4.] [H] [ CA CA 2 C A3 C A4 = -6 -12 -24 -48 3. Para calcular la base de dicho subespacio se recurre a obtener el n úcleo de la transformación lineal definida por la matriz de observabilidad: y despejando se obtiene que la base del subespacio no-observable es: Para calcular la matriz de separación de parte observable y controlable es necesario calcular la intersección entre los subespacios controlable y no­ observable.10 18 2 -2 2 -2 2 Vll V2l V3l V4l V5l � sabiendo que la dimensión de la intersección es 1. por lo que la dimensión del subespacio no-observable es 2. por lo que primero se calcula la dimensión de dicha intersección: y. [e1 [ 3 1 [ 3 3 -3 . se plantea la ecuación: .

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

1 ) mientras que si se toma la realización completa original : C (s) = C ( I 4.2) 3(8 + 1) (8 + 2)(8 .1)(s + 1) 2 (s .1 Ba = ( s + 2 ) ( s .1 -3 O 2 O O O O O CAPíTULO O O O O O O 4. . quedando: A =T. OBSERVABILIDAD -1 o -3 ] 3(s + 1) Ce o(s) = Ca ( sI . 1 1 .Aaa ) . Ej ercicios resueltos Para el sistema siguiente: Determinar: [ !: J [ -� ! j ] [ :: J [ � ] [ :: 1 + - y " � [1 1 OJ a) La observabilidad del sistema.1) 1.214 Con esta matriz se realiza la separación en los distintos subsistemas.1 B = 3( s + 1) (s . s _ A) . Tomando: [� �1 O 2 -1 -4 O O .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 AT = B =T .2)(s + 1) 2 (s + 2)(s .

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

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

2 + e . habrá que sumarle a la salida el término debido a la evolución forzada. Yc(t).2t = 1 + 2e .2t e . . independientemente de la entrada que actúe.t + 2 2 Analizando las salidas se ve que no es posible distinguir cuál es el estado inicial observando Yb(t) e.2e .2t + e .2t e . cuando el sistema no es observable. no existe ningún punto observable.2 t = 1 + 2e . EJERCICIOS RESUELTOS e) S i la entrada es 217 un escalón.t + t => yc(t) = e . lo que confirma que.2e . que es independiente del estado inicial: t jj(t) = c l �(t.11.t + 2 2 - t => Yb ( t ) = e . 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.: [ 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 .4.2t 1 2e .+ 1 .

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

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

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

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

por lo tanto puede alcan­ zarse el estado propuesto. Si a = b = e.e.c)(b .ac . en caso contrario no será posible.e y b =1.e c2 1 = c2 + ab .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.1 + 2b 2(b . puede alcanzarse el estado propuesto.bc = (a . [ 1 1 2V es alcanzable.e.2a .a) = . 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. Aplicando los mismos razonamientos que en en el apartado anterior: • Si a =1. el sistema es controlable. [ O 1 -a 1 1 2 1 -b 1 1 = 1 .b 1 . OBSERVABILIDAD Sistema controlable: det(Q¡ ) = det • Si a =1.b y b =1.222 • CAPíTULO 4. Si a = e: por lo que la base del subespacio controlable es: =O [ O 1 -a a2 1 -a .

a) par de valores prefijados. indicar el mínimo número de salidas necesarias para construirlo. es alcanzable. en esa base del espacio de estado las. 1 -a 1 1 1 =2-a-1-b=1-a-b 1 -b 2 luego.11.4. 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. tal que sus va­ riables sean controlables y/o observables. y no lo es en caso contrario. posible de entre las salidas de cada bloque y expresar. En el primer bloque hacen falta dos variables de estado: donde definiendo: S(SX I + x¡ ) = -X l + U X 5 = SXI + X l . En primer lugar hay que elegir las variables de estado con las que construir el modelo. de estado del sistema. 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. si a + b = 1. desde condiciones iniciales nulas de las variables de estado. ecuaciones de estado que definen el comportamiento del sistema. EJERCICIOS RESUELTOS • Si a = c O O 223 1 -a 1 1 1 1 -a 2 :f 0 • luego no es alcanzable . X3 Si b = c 3. Si fuera posible.

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

hacen falta las dos salidas para poder hacerlo. Utilizando sólo la salida Y2: P2 = [ 1 O -1 1 O O 1 -2 O O O O 1 -1 1 -1 ] 4. donde es la tensión en bornes de entrada.11. EJERCICIOS RESUELTOS 225 c) La matriz de observabilidad del sistema con las dos salidas es: O O O O 2 1 -4 -2 1 O -1 O 1 O -1 O O 1 O -1 O 1 O -1 P= donde rango(P) = 4. por lo que no sería posible construir el observador. d) Como el sistema es observable. u El sistema de la figura representa la función de transferencia de un motor. Utilizando sólo la salida Yl . por lo que el sistema es observable y sí se podría construir el observador. con rango(P 2 ) = 3. por lo que usando la segunda salida tampoco sería posible construir el observador. . no lo será cualesquiera que sean las variables de estado elegidas para su representación. y dado que el sistema no es controlable. Del mismo modo. serán observables cualesquiera variables de estado en las que se exprese.4. la matriz de observabilidad reducida sería: 2 O -4 -1 4 1 o1 Pl = [ O 2 -4 4 O O 2 -4 1 -1 1 -1 0 O O O ] donde rango(P¡) = 3. X2 es la velocidad angular y X l es el ángulo girado.

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

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

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

De esta forma.1 -1 . EJERCICIOS RESUELTOS 229 Con esta información ya se puede calcular la matriz de cambio T: donde: • • • • Tb es la intersección del subespacio controlable con el no-observable. • Controlable: • [�1 [ [ .1 B = CT = [ o o 1 ] � Con lo que los distintos subsistemas quedan definidos como: • Controlable y observable: no existe.1AT = � e � T.11. Por lo que en este caso: Ta y Td no existen. Te completa la base del espacio de estado. la matriz de transformación es: Aplicando esta transformación. Ta forma junto con Tb la base del subespacio controlable. Td forma junto con Tb la base del subespacio no-observable. las matrices del sistema quedan como: A = T .4.1 1 � 0 � 1 No controlable: No-observable: • [� ] � [ -1 ] [ 1 ] [O] �] [O 1] [ -1 ] [ 1 ] [O] .

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

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

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

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

+ bou dtn dt 1 dtn dtn .3.1 y du . CONTROL POR REALIMENTACIÓN DEL ESTADO ecuaciones ya conocidas para un sistema lineal invariante. no va a ser posible ajustar los n x n elementos de la matriz Ar de forma arbitraria. a través de la matriz constante K. .5. 5.+ an . + b 1 .3. por lo tanto se pueden cambiar las propiedades del sistema. La solución a este primer problema pasa.+ bn .1 dt dt -- siendo ésta su expresión más general. en el que el número de ecuaciones superaría al número de incógnitas. de forma que el sistema se torna compatible. dado que normalmente va a haber menos entradas m que variables de estado n. con el máximo orden de derivación de la entrada igual al de la salida. La respuesta es negativa.+ . en particular sus polos.1 -.3 ) ( 5.y + . resultaría un sistema incompatible. quedando reducidas las restantes ecuaciones a identidades independientes de los valores de los elementos de 1 ( 5.234 CAPÍTULO 5.1 dn y dy dn u dn .4 ) K.6 ) Vi> r bi = O ( 5. Control d e sist emas monovariables D iseño del bucle de realimentación Sea la ecuación diferencial que define la relación entre la entrada y la salida de un sistema: n. . A raíz de la afirmación anterior. porque dicha expresión representa n x n ecuaciones (dimensión de A) con m x n incógnitas (dimensión de K). hace que se cumplan también las relaciones: u(t) = v(t) + Kx(t) x(t) = Ax(t) + Bv(t) + BKx(t) = [A + BK] x(t) + Bv(t) Con lo que la dinámica del sistema viene ahora expresada por la matriz: Ar = A + BK ( 5. la inclusión del lazo de realimentación.7) . 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. como se verá en este capítulo. eligiendo adecuadamente Ar y despejando K de la Ecuación 5. 1. Si así se intentara. + a 1 . .5. No obstante.1 d n . puesto que no se cuenta con los suficientes grados de libertad en la matriz K para ello.5 ) Se puede cambiar la matriz Ar que representa la dinámica del sistema realimentado mediante la libre elección de la matriz K. . podría darse el caso en que no fuese así. :3 ( 5.+ aoy = bn . siendo: r < n. Sin embargo. 5. 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.

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

. Para calcularlas.l + bn an .bnO!o . . 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.l . . 1 6) 1 - con lo que se comprueba que.k ) l k2 )s + l n.O!n . los ceros del sistema no se modifican al realizar una realimentación del estado en un sistema monovariable.l .k+)sn_ll s+ . aunque se produce un cambio en la ecuación de salida del sistema al pasar de C a Cr. . .l . M(s) = s n + (a bn.l . sabiendo que la matriz B va a permanecer sin modificaciones al estar representado el sistema realimentado en su forma canónica controlable.bn an . La función de transferencia del sistema realimentado queda entonces: Ejemplo 5. . En primer lugar. n (5. por tanto.l .l .bn ao + bn ao .bnO!n . . .O!o .bnO!o . . . .3 . . bn .7. De la forma de estas dos matrices depende la posición que tomen los ceros del sistema realimentado.236 CAPÍTULO 5 .2 sn b n . (a +-bIS + bo (ao .O!i .1 ± j Y S 3 = -10 .bnan . se calcula el polinomio característico del sistema ya realil Véase Sección 1. se toma la Ecuación 5.l n n- (5 .l ] (5.bn ao . .l ] = = [ bo .l ] = = [ bo . mientras que: . 1 4) y(t) = Cx(t) + D (v(t) + Kx(t)) = (C + DK)x(t) + Dv(t) con lo quel (5.12: Falta por determinar la forma de las matrices Cr y Dr. 2 = . • Cr = C + DK = = [ 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 . bn . que forman la ecuación de salida del sistema tras la realimentación.l ] + bn [ ao .3 y se introduce en la ecuación de salida del sistema sin realimentar: ki = ai . bn .l . i = 1.bnO!n . los coeficientes del numerador de la función de trans­ ferencia siguen siendo los mismos que para el sistema sin realimentar.++. an .

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

por lo que será necesario introducir una trans­ formación del estado para hacer posible la construcción de los lazos de realimentación.1 e (5. sino simplemente como consecuencia del cambio en la posición de dichos polos. por lo que existirá Q . e.: . la matriz Q Q -' a partir de la última fila. 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. el numerador permanece inalterado. añadiendo a esto su extrema sencillez. Sin embargo. así que es invertible. 19) ¡ T. se construye una matriz que se denominará Te l . este algoritmo tiene una probada eficacia en el ajuste de la dinámica del sistema. Por otro lado. 5. Esta transformación se estudia en la siguiente sección de este mismo capítulo.20) . de la siguiente manera: [ :t 1 e (5 . hay que tener en cuenta que se ha realizado sobre la repre­ sentación del estado en variables de fase. Esto es así porque no es posible alterar la posición de los ceros del sistema mediante la realimentación del estado. y que es la inversa de la matriz de transformación. Partiendo de la matriz de controlabilidad de un sistema monovariable: Q = [ B AB se supone que el sistema es controlable. puesto que es capaz de fijar simultáneamente todos sus polos.238 CAPíTULO 5. 18) rango(Q) = n. a la hora de implementar el diseño de la realimentación calculado mediante este algoritmo. normalmente este conjunto de variables no se corresponde con ninguna magnitud física. 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. no es posible modificar el comportamiento en régimen permanente a voluntad. Por tanto.3.2.

la inversa de ésta (se demuestra que Te? es invertible) . . el polinomio numerador y. correspondiente a las variables de fase. el polo libre se puede posicionar en un punto no deseado.21) o O (5.25) puede tomar cualquier valor arbitrario. El problema de la ganancia Tal como se ha indicado.22) 1 B = Te 1 B = (5. La consecuencia de este hecho es que la ganancia del sistema en cadena cerrada: M(O) = ao bo k - 1 (5. Si se aplica a estas matrices el procedimiento descrito en el apartado anterior. el control por realimentación del estado permite la locali­ zación de los polos del sistema en los puntos que se desee.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.5. ya que a su vez. se obtiene el estado representado en variables de fase a partir de cualquier otra representación. Una primera solución a este problema es sacrificar el posicionamiento de un polo. los ceros del sistema permanecen invariantes. para fijar el término independiente del polinomio característico. que se han de convertir a las variables accesibles del sistema.3.2: u(t) = v(t) + Kx(t) = v(t) + KTc 1 x(t) '* K = KTc 1 (5. Si con esta matriz se hace una transformación de estado. que queda libre.24) 5. posiblemente no deseado. caracterizada por las matrices Á y :B. A = T e 1 ATe = x(t) = Tex(t) 1 O o O 1 O O O O O O (5. mediante la modificación de los parámetros del polinomio característico. CONTROL DE SISTEMAS MONOVARIABLES 239 La matriz de cambio es Te.3. por tanto. según se muestra en la Figura 5 . se obtiene una matriz de realimentación K. En cambio. al fijar la ganancia y el resto de los polos.3. Éste será un proceso de prueba y error.

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

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

por lo que supuestamente el problema estaría indeterminado y no podría resolverse. se genera el polinomio característico del sistema realimen­ tado a partir de la posición impuesta a los polos: p (8) por lo que la matriz del sistema tras la realimentación es: Con esto se cumple con las especificaciones relativas a posiciones de los polos. Para ello se añade una constante. cuyo valor se va a ajustar durante el proceso de diseño del lazo de realimentación. como se muestra en la Figura 5. cuando aparentemente sólo se dispone de tres grados de libertad para conseguirlo (los valores de las tres constantes de la matriz de realimentación) . pero no con la que hace referencia al valor de la ganancia estática del sistema realimentado.3. Para resolver este caso se comienza por plantear el modelo del sistema prop­ uesto en variables de fase: = = A continuación. 2 -1 ± j y 8 3 -10 siendo unitaria l a ganancia estática e n cadena cerrada. 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) . ya se puede plantear la resolución de la reali­ mentación. cuyo valor se calcula a continuación: = xy=[[ 6 � � =+ + Ar = [ � -1 -7 3 -3 O ]x � l X + [ �l l U (8 1) 2 (8 10) 8 3 128 2 228 20 1 O -20 -22 =+ + + '* Conocidos todos los datos. CONTROL POR REALIMENTACIÓN DEL ESTADO se desea diseñar un control por realimentación del estado que sitúe los polos en: 8 1 .242 CAPÍTULO 5. es decir. multiplicando al conjunto. Esta situación se resuelve mediante la adición de una cuarta constante en cadena abierta. el cálculo de la matriz = Ko-6 = 1 Ko = K: Ar =A + KoBK Gr(O) 10 3 20 .

La función de transferencia es entonces de la forma: sn . O O A= 1 O O 1 O O 1 ++ O O B= (5.l bn . en primer lugar.3 . que el sistema es ya de tipo 1. la única solución fiable es incrementar el tipo del sistema.10 . es decir. .1 La idea es realizar primero una realimentación del estado que conserve el tipo del sistema para luego añadir una realimentación de la salida. Se va a suponer.4.28) 1 . como se desea en los servosistemas.an .2 + . sobre su valor en régimen permanente. CONTROL DE SISTEMAS MONOVARIABLES [ * 1 k2 k 3 ] Ko . para tener un sistema con los polos en las posiciones deseadas y error de posición nulo. D iseño de servosistemas En el caso de ser crítica la ganancia y necesitar que el sistema no sea sensible a las perturbaciones e inexactitudes del modelo. 5 . . .l bn _ 2 S n . y la misi 6n del sistema de cont rol que se va a diseñar es conseguir situar los polos en cadena cerrada en esos lugares. -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.27) s + an _ l Sn .10 Es importante tener en cuenta en este planteamiento que no hay necesidad de realizar la validación de la hipótesis de polos dominantes. a l S lo que corresponde a unas variables de fase: + . de modo que la función de transferencia en cadena abierta sea del tipo adecuado para luego realimentar la salida.4 . 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.l + . de modo que globalmente se sitúen los polos en los lugares deseados. por lo que los sistemas resultantes son sensibles a las perturbaciones e inexactitudes del modelo. b I S + bo G(s) = bn _ l n (5. O O O O -a l -a2 e = [ bo b 1 b2 O .5. no efectuando un verdadero control en cadena cerrada sobre la ganancia del sistema. como se muestra en la Figura 5.7 -3 . 3 . En este apartado se va a estudiar cómo compatibilizar el control por realimentación del estado con la realimentación de la salida.10 .

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

10. por ser un sistema de tipo 1 en cadena abierta. siendo además ep = o. 2 = . se realiza una doble realimentación como la explicada : en un lazo interno.5.3 .8 3 + 38 2 6 78 + tenga sus polos en 8 1 .1 ± j y 8 = . respetando el tipo del sistema .O para que todos los polos del sistema se puedan fijar a voluntad. Ejemplo 5. el estado. G ( _ Para conseguir cumplir con todas las especificaciones. por lo que basta con que bo 1=.5 Diseñar un sistema de control que haga que el sistema dado por: 38 + 8 ) . tendrá un error de posición nulo en cadena cerrada. Obsérvese además que. El modelo de estado del sistema es: x= O -7 . CONTROL DE SISTEMAS MONOVARIAB:tES 245 Figura 5.5: Control proporcional del sistema anterior.3 y=[ 6 3 0 ]x [� � � l [ �1 l x+ u . y dado que el sistema es de tipo 1 en cadena abierta . y en otro externo la salida .

obteniéndose la estructura de la Figura 5.246 CAPÍTULO 5. Figura 5. CONTROL POR REALIMENTACIÓN DEL ESTADO Y el polinomio característico del sistema realimentado: p(8) = (8 1) 2 (8 10) = 8 3 + 128 2 228 20 por lo que la matriz del sistema tras la realimentación es: Ar = Con todo esto se resuelve e l sistema dado por l a ecuación: + + [� -Ko � -20 -22 -12 � � [6 + + � l 1 O 1 Ar =A + BK .6. .KoBC -22 -12 O 1 � resultando: l=[� l+[�l [�1 O .6: Conversión a sistema de tipo uno.7 -3 3 Ko = lO 3 K = [ O -5 -9 ] En el caso de ser un sistema de tipo O. se puede incrementar el tipo del sistema añadiendo un integrador en el controlador.

ao k2 .l Xo b o .1OBKo T. CONTROL DE SISTEMAS MONOVARIABLES 247 Las ecuaciones del sistema quedan en este caso: Xo x = r u es decir: . .an-l (5.37) y =[ O CT 1 [ :0 ] = [ O bo bl b2 .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 .36) = Si en la expresión anterior se efectúa el cambio queda la siguiente expresión: x = T:ié para pasar a variables de fase.38.a2 kn . .Cx Ax + Bu Koxo + Kx = [ Ko K ] [ � ] r (5.35) (5.1 (A CTBK)T ] [ xo ] + [ O1 ] = :ié + b . bn.38) r r = (5.39) Si se desea fijar la dinámica de este sistema de manera que su polinomio característico sea Pr (S ) .40) det(sI Ár) = Pr (S ) donde Ár es la matriz de la dinámica del sistema realimentado expresada en la ecuación 5.34) (5.y = .3. se debe cumplir : (5. . [ Xjco ] = [ T .l ] - (5 .bOn .

6 (5. para cumplir con las . La adición del integrador supone la inclusión en el modelo de una nueva variable de estado. 2 = -1 ± j y 8 3 = . • • + kn ] T . k 1 . kn ). lo que fuerza a incluir también una nueva especificación para su posición en cadena cerrada . se sitúa este nuevo polo en cadena cerrada en 84 -10 .41) Diseñar un control por realimentación del estado. el objetivo es la dominancia de los polos com plejos conjugados. como se ha planteado.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 + + + = + + + . garantizando además que + ++ + Dado que se trata de diseñar un servo y el sistema es de tipo cero. para fij ar la posición de los polos. y la de la salida . se obtienen n 1 ecuaciones con las n 1 incógnitas (Ka. En primer lugar se calcula el modelo de estado. se procede añadiendo un integrador y realizando una doble realimentación . .10.1 Ejemplo 5. que tiene solución única con tal de que ba =1 O. para que el sistema dado por: 38 6 ep = o. los valores del vector K de realimentación se obtienen deshaciendo el cambio de variable: + . CONTROL POR REALIMENTACIÓN DEL ESTADO Igualando los coeficientes de la anterior ecuación. Una vez resuelto este sistema de ecuaciones. según formula el problema . 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. en este caso en variables de fase: x= 8 3 38 2 78 1 pase a tener sus polos en 8 1 .248 CAPíTULO 5.

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

up. pero dicha matriz no interviene en el cambio de la dinámica interna fijado por Ar . Obsérvese que las entradas de perturbación. Con objeto de facilitar la notación en este apartado de sistemas multivariables. intervienen en la evolución del sistema mediante la matriz Bp.46 y en 5. coincidente con el número de entradas utilizadas en la realimentación. se parte. y a su dimensión. se le denomina con la letra m. la matriz Br se denomina simplemente como B.48) = o 1 . pero utilizando la matriz de entrada correspondiente sólo a las variables de estado utilizadas en la realimentación Br. CONTROL POR REALIMENTACIÓN DEL ESTADO Efectuando la realimentación del estado mencionada: Ur ( t) = v(t) + Kx(t) (5. Las matrices del modelo de estado del sistema en dicha base toman la siguiente expresión: Au A12 A 'm A 2 I A 22 A 2m A= (5.47) O 1 O O O (5.43) la ecuación que expresa la dinámica del sistema realimentado queda: (5.44) donde puede observarse que la matriz que determina la dinámica del sistema es: (5.46) [ Am I Am2 B= Amm donde las submatrices que aparecen en 5.250 CAPÍTULO 5. Para plantear el diseño del lazo de realimentación. de la representación del sistema en su forma canónica controlable.5. como en el caso monova­ riable.45) coincidente con la Ecuación 5. que se obtiene mediante el cambio de base adecuado. dado por la matriz Te según se describe en el siguiente apartado.47 tienen las siguientes expresiones: • Matrices Aii : O O Aii 1 O O [�� 1 1 (5.

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

54 según se indica en la Ecuación 5. .53 y 5.55) Igualando las columnas j-ésimas de las Ecuaciones 5. tiene como expresión genérica de su columna j-ésima: (A + BK) (.n 1 + n 2 + . + bU2m kmj o +. + nd = O"n = n (5. .n 1 = 0"1 +. + bu2m kmj donde el valor de Óij es O ó 1 dependiendo de la fila y la columna considerada. .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. .53) donde se observa que.5. a partir del polinomio característico deseado en cadena cerrada: (5. O"n o O 1 O O 1 O O Ar = (5. + bUlm kmj O k2j + bU23 k3j + . se obtienen las siguientes expresiones que permiten despejar los elementos de la columna j-ésima de la matriz de realimentación K: Óud = -aud + k 1 j + bU1 2 k2j + bU13 k3j + . según la . de forma inmediata. mediante la realimentación del estado efectuada sobre las variables de estado de la forma controlable. .j ) = (A)(. Por lo tanto. la matriz que representa la dinámica del sistema realimentado A + BK se diferencia s610 en las filas 0"1 .5.j ) + + k 1j + bU1 2 k2j + bU13 k3j + . + bUlmkmj óU2Í = -au2j + k2j + bU23k3j + . puede probarse la obtención de la siguiente matriz Ar como objetivo de la realimentación del estado realizada: . . . · · · respecto a la matriz original del sistema sin realimentar A. CONTROL POR REALIMENTACIÓN DEL ESTADO se obtiene que la matriz de la dinámica del sistema realimentado.252 CAPíTULO 5. . . . 0"2 . dada por la Ecuación 5.

como ya se ha supuesto anteriormente en este mismo capítulo para el caso monovariable. En total se obtienen n sistemas independientes de m ecuaciones cada uno de ellos. El objetivo es obtener la forma canónica controlable para un sistema de estas características.j = { O1 Obsérvese que para cada columna de la Ecuación 5.. rango(Q) n. Para cada columna de la Ecuación 5. para los sistemas multivariables el control por realimentación del estado modifica la posición de los ceros del sistema. existiendo en general varios conjuntos de n vectores columna linealmente independientes de Q. se forma la matriz de controla­ bilidad Q: Q Al ser. En el caso de tener que ajustar también sus posiciones. se obtiene un sistema com­ patible y determinado de m ecuaciones con m incógnitas.4. eligiendo siem­ pre para cada entrada las primeras columnas asociadas a dicha entrada bi . en general. Cabe destacar el hecho de que.5 se obtiene un sistema distinto de m ecuaciones con las m nuevas incógnitas pertenecientes a cada nueva columna de la matriz K.56) En esta sección se tratará la forma de calcular la matriz Te para sistemas multivaria­ bles. /:::. . es decir. a partir de cualquier otra representación. Obtención d e l a matriz d e transformación a variables de fase =j. j . se supone que el sistema es controlable. 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. Una vez que se tiene la seguridad de trabajar sólo con el subsistema controlable. Abi . que consigue el objetivo de control: que la matriz de realimentación Ar tenga la expresión dada en 5. . aquellos en los que existe más de una variable de entrada y/o más de una variable de salida. el sistema controlable. por hipótesis. trabajando sólo con ésta. = .2.1 para ai f:. Para el cálculo de la matriz de cambio de base Te se procede de la forma explicada a continuación . sería necesario acudir a técnicas alternativas de control.54.5. que escapan al ámbito de este texto. CONTROL DE SISTEMAS MULTIVARIABLES 253 expresión: 8<7. 5. Por este motivo.5. En caso contrario será necesario realizar una separación de la parte controlable. al contrario que sucede en el caso de control de sistemas monovariables. que permiten resolver los m x n elementos de la matriz buscada K.4.1 para ai (5. Para obtener la matriz Te de transformación que representa el estado según la forma canónica controlable en sistemas multivariables. cabe esperar modificaciones al comportamiento previsto del sistema por la posición que puedan tomar estos ceros. Primeramente se eligen n columnas linealmente independientes de Q. .

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

a partir de las matrices Á y B obtenidas con esta transformación.8 del Capítulo 1) cambiando la dinámica inestable del sistema por una dinámica estable y utilizando para ello una estructura de realimentación de las cuatro variables de estado del sistema. x(t): x(t) Tcx(t) Al igual que en sistemas monovariables. EJEMPLOS ADICIONALES 255 de la siguiente forma: +. según se indica en la Figura L b a continuación .I + 1 +.61 ) Mediante la matriz Te . inversa de la dada. . + 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.n I + n2 + .n I + n2 + .5.9 al final de este capítulo. + nm (5. 5.5.2 Te I +. obteniéndose como matriz de realimentación para las variables x(t) accesibles: (5. . 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 5.1 +.5. . Ejemplo 5. se calcula la correspondiente matriz K mediante lo descrito en el apartado anterior.60) =n x(t) en la representación del estado correspondiente a la forma canónica controlable vista en el apartado anterior. . .

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

5. EJEMPLOS ADICIONALES 257 (8 + 1 )4 é + 48 3 + 682 + 48 + = sistema realimentado: Pr ( 8) = = 1 teniendo en cuenta que el polinomio característico del sistema en cadena abierta es: p(8) det[8I . que obtiene estas variables de fase a partir de las variables físicas originales del sistema.Al 84 .2082 La matriz K se calcula construyendo las correspondientes matrices del sis­ tema antes y después de realimentar a partir de los coefi�ientes de ambos poli­ nomios característicos. para lo que se calcula en primer lugar la matriz de controlabilidad Q: Q- siendo su matriz inversa: [� O 2 -2 O O 20 -40 20 O O O 20 -40 O O -2 1 -1 O O -1 10 O -1 O la matriz inversa de cambio de base a las variables de fase se calcula a partir de la última fila de la matriz anterior. según: = resultando: K = [ -1 -4 -26 -4 ] Esta matriz K constituye la realimentación de las variables de fase del sistema. resultando: Te 1 = 20 1 [ � � � 1 0 -1 -1 O -10 O �O 1 . siendo ahora necesario calcular la matriz Te 1 .5.

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

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

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

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

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

1 x .5. siendo necesaria la utilización de una estructura de control como la mostrada en la Figura 1.7) . Péndulo i nvertido "-------.5. al haber introducido una nueva variable de estado mediante el integrador de la señal de error... La matriz Ar . dinámica del sistema realimentado en variables de fase. 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) ._. Esta especificación de control no se puede conseguir mediante una simple realimentación del estado (según se vio en el Ejemplo 5. x = . es: O O o 1 -20 O O 1 O O O 1 . se parte del polinomio deseado del sistema en cadena cerrada .. que ahora es de quinto grado. que incluye una integración de la señal de error de la variable controlada x(t) .. 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. más un polo adicional menos significativo situado en -3 con objeto de mantener dicha dinámica . Para calcular el valor de Ko y de la matriz K de realimentación del estado.

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. 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) 0.264 CAPÍTULO 5. 5 = o Obsérvese que se consigue tener un error nulo en la posición x(t) del péndulo invertido. 15 K K = [ -13 -25 -38 -7 ] 1. 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. 1 Nw y se parte de un estado inicial de 0(0) 10°.1 Nw.. 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. 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. La matriz K de realimentación de las variables originales se obtiene mediante: = KTc 1 = [ 0.. (b) Evolución del ángulo O.. 25 19. 65 4. 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. tiempo (8 ) tiempo (8 ) � ��----�5�----�10�--�15 5 10 15 = = . 65 = � 1 0'r----�--.

5.5. EJEMPLOS ADICIONALES

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

265

1 01r---�----..., 5

-0 5

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

xre f

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

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

Figura

( a ) Evolución de la posición

3:

5

tiempo (8 )

10

15

x.

y

-1

( b ) Evolución del ángulo (J.
xre f

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

-1 se mueve a

1, el

xre f

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

10


e

10
5

o

( a ) Evolución de la posición

x.

tiempo (8 )

10

15

=

( b ) Evolución del ángulo (J .

=

=

266

Realimentación del estado en sistema multivariable

Ejemplo 5.9

CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

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

A=

-5

B=

�1
o -8 o

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

Q=

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

[

1 -2 2 1
o

o

o

1 2

o

1

2

o

1

2

-1 4 -6 -4

=

o

-2 -6 - 10
o

o

- 10

o -3 o

-1

-8 18

1

16

O

50

4 18
o

o

50

o 9 o

1

-1 16 - 54 - 64
O

-1 -27 - 250
o

- 54 - 250

o

1 - 32 162 256
O

16 162 1250
o

o

1250

o 81 o

1

1

Transformación a la forma canónica controlable multivariable

Se seleccionan cinco columnas linealmente independientes de la matriz Q .

5.5. EJEMPLOS ADICIONALES

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

1
'

1 -2 2 1 O

O 1 2 (j 2

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

1

]

267

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

[�

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

O -2 -6 O -10

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

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

-2 L- l = � 16 38 12 44

[

-S

-32 -8 26 10 24

24 6 28 2 -18

-66 -S -26 -2
-

-20 -22 4 7 40 6

t] ]

el

� �

e3

268

CAPíTULO 5 . CONTROL POR REALIMENTACIÓN DEL ESTADO

construyen por postmu ltiplicación por la matriz A .
1

Te -

de donde:

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

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

[�] [ [ [
e2 A e4 e4 A e5
-

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

-8 16 10 -20 24

6 -18 2 -6 -18

-26 104 4 -16 40

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

]

-2 10 -7 35 6

]

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

[ ]
O O O

]

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

Cálculo de la matriz de realimentación

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

5.5. EJEMPLOS ADICIONALES

269

ca controlable es:

Ar =

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

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

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

[�

[

jJ

k 12 k22 k32 O a23 O a43 a53

k1 3 k23 k33 O a 24 1 a44 a 54

k 14 k " k24 k25 k34 k35 5

a45 a 55

a21 = -

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

1

1

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

270

CAPÍTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

y

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

a5 1 =

849 + k31

resolviendo el sistema se obtiene: 7
6

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

2

5

-5

- 19"

19"

87 19 5 06

226

- 10

19"

32 19 397

2 39 89 19 - 70 19

- K - :K T e 1 -

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

[ '"
1

361 26 96 361 - 92 19

443 361 420 361 22 - 19

654 - 361 2422 - 361 80 19

-

4404 361 5 1 54 361 207

1

19"

- 19"

1 4" 722 1 1967 361 164

1

Transformación a la forma canónica controlable multivariable

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

Qr =

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

2� � -44 -2 !188 ] [ 2
-1
O O O
-6 -6

O

O

- 10

16

O

5.5. EJEMPLOS ADICIONALES

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

271

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

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

[

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

O O O -�O
-2 -6
-7

O O
7

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

1

3 - 14

[ @l

1 [

Dadas estas matrices de transformación, la representación del sistema en

O O

272

CAPíTULO 5. CONTROL POR REALIMENTACIÓN DEL ESTADO

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

B = Tc 1 B =

[ [ �
T - '49

O O 416 - '49 O 20

1 O O 4
7

779

O 1 52 -T O O

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

-T

O O

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

�1
f

1

- -[

[i

k 12 k22 O 1 a33 O a53

k13 k23 O O a34 O a54

k 14 k 15 k24 k25 O O a a55

a3 1 = -

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

--

1

]=

--

5. con la salvedad de que ahora se están utilizando sólo dos entradas para realizar el control. se va a estudiar el caso en el que se quiere transferir el valor del estado entre: Dadas estas condiciones.. Comparación de los resultados Para establecer una comparación en la eficiencia del control planteado en ambos casos.+ k25 7 128 ... EJEMPLOS ADICIONALES 273 a35 = - 3k 54 .K = KT C 1 = 7 -5 ..1 24 205 ." . al igual que sucedía al utilizar tres entradas. 7 82 - 25 20 10 7 7 devolviendo la matriz de realimentación a la representación original del sistema queda: . es una matriz de reali­ mentación que consigue situar todos los polos del sistema en ." 39 7 7 71 _ 2. con tres y .... la base de comparación es la energía consumida en realizar esta transferencia en ambos sistemas realimentados.1 .+ k15 + 25 49 7 -- 20 a 51 = 7 + k21 4 a 52 = 7 + k22 a53 =k23 y y resolviendo el sistema se obtiene: K= - [ 90 a54 = .5. es decir.+ k24 7 53 a55 = .33 que..

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

La ecuación característica objetivo.(8 + 1)(8 + 2)(8 + 3 ) 1 O -11 ::::: --.6. es: [0 0 1 O 1 -6 1 -6 25 ] (8 2 + 28 + 2) (8 + 3 ) = 8 3 + 58 2 + 88 + 6 por lo que la matriz Ar del sistema realimentado es: A. con los polos en los lugares solicitados.:---:. para ver que realmente se puede efectuar el control solicitado: Q = matriz con rango(Q) = 3.5. por lo que serán necesarias tres variables de estado. por lo que el sistema es totalmente controlable y se pueden situar los polos en los lugares pedidos. � 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 .:----2 3 6 8 + 68 + 118 + 6 A continuación se estudia la controlabilidad del sistema. En este caso se eligen las variables de fase para la representación del modelo de estado: 6 . EJERCICIOS RESUELTOS 275 y -3 El sistema es: diseñar el control por realimentación del estado que sitúe los polos en ( -1 ± j ) G( 8) que es un sistema de tercer orden.

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

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

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

V23 _ -2 V33 = 2 V31 = V32 V32 = -2V33 V3 = _ T. 1 -1 -1 1 [ O� -1.5.5 Sustituyendo para inicial: x(2) Tx(2) = que es el valor del estado después de dos segundos expresado en el sistema de referencia inicial. = -3 =} >.5 0. = [ O1 t = 2 y devolviendo este vector al sistema de referencia 1 11 -1 . ] .5 0. = -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 0.5 0. -1� ] [ ��� ] [ O� ] V2 [ �1 ] [ =�O -1� � ] [ �:� ] [ �O ] [ �1 ] V12 = = Vl 1 = V13 O VI = [ � ] V23 = 279 = V21 = V22 V22 = .1 = Xo = T .6.1 xo = con lo cual: 1 -1O1 -1 ] [ [O] 0. EJERCICIOS RESUELTOS >.5 -0.

Se diseña un sistema electrónico que consta de 7 resistencias (3 de ellas no lineales) . Indicar si es posible la obtención de un modelo de estado de dicho sistema.S) + rA = O 0. CONTROL POR REALIMENTACIÓN DEL ESTADO Los tres estados a los que conducen las distintas entradas constituyen una base del espacio tridimensional. b) Una vez linealizado el sistema en torno a un punto de equilibrio y eligiendo como variables de estado una adecuada combinación lineal de la tensión en los condensadores dada por la matriz T (uc = Tx.4 + e .280 d) CAPÍTULO 5. 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 .e . siendo Uc la tensión en los condensadores) . número de variables de entrada y número de variables de salida del sistema.4 .5(e . aplicando una combinación de entradas tal que contrarreste el efecto de la evolución libre del sistema calculada en el apartado anterior. por lo que se puede alcanzar cualquier estado aplicando una combinación lineal adecuada de estas tres entradas. _ ::::} . En este caso se pretende alcanzar el estado nulo.+ r = .4 .4 + e . Se plantea este hecho mediante la ecuación: x(2) = De donde se puede plantear un sistema de tres ecuaciones con tres incógnitas: [ 0.e .S) 0.5( e .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. así como la existencia o no de la matriz A que caracteriza su comportamiento dinámico y de la matriz de transición <I>. se obtiene el siguiente modelo de estado: a) Indicar qué conclusiones se pueden obtener en cuanto al número de variables Si el estado del sistema en el instante inicial calcular el estado del sistema para t 1 si ambas entradas son nulas.S + rA + sB = O 3.5(e .S) e-s 0. 5 condensadores (2 de ellos no lineales) y 2 fu entes de tensión regulables (variables de entrada) .5(e . ] .e 4 2Ae s es = 4 2Be s t = e s ee 4 _ de estado.

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

dado que la base del subespacio controlable tiene para todos sus vectores las dos últimas compo­ nentes nulas. se halla. por consiguiente no existen estados que tomados como iniciales den lugar a trayectorias de evolución libre permanentemente nula. se comienza por calcular la ma­ triz P: 1 P= donde rango(P) = 5. 0 · 0 [ O -1 O 1 O -1 O 1 O 1 -2 -2 4 4 -8 -8 16 16 1 -3 -3 9 9 -27 -27 81 81 . e) Para hacer todo el estudio de observabilidad. desde condiciones iniciales nulas. no será posible alcanzar el estado propuesto. CONTROL POR REALIMENTACIÓN DEL ESTADO En cuanto a la segunda parte de la pregunta. por lo que no existe subespacio no-observable.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 . la matriz Q: 1 1 Q= 1 . la respuesta pasa por determinar la controlabilidad del sistema.3 O O -2 O O O O O -3 O O 9 O O 1 4 O 4 O O O O O 9 O O O . por tanto. por lo que no será posible alcanzar un esta­ do arbitrario. 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 . exceptuando el origen.282 CAPíTULO 5.0 O 0 0 0 O O O O 0 O 0 0 0 O O O O matriz que tiene rango(Q) = 3. sobre si el estado propuesto se puede alcanzar desde condiciones iniciales nulas con una entrada adecuada. Además.

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

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

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

.

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

se determina la in­ fluencia de la dinámica del observador en el comportamiento total del sistema conjunto de la Figura 6.2. 6. Las variables que. En este capítulo se definen las características deseables de estos sistemas observadores.2: Sistema con observador y realimentación.288 CAPíTULO 6. además de poder observarse. se supone que se trabaja con la realización mínima del sistema. tanto en sistemas monovariables como multivariables. Figura 6. en la que los valores de las variables realimentadas se estiman previamente para proceder a continuación a su 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. dicho de otra manera. 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. Para la realización de un observador. como en el caso del control por realimentación del estado. Por último. estableciendo la independencia en el cálculo del observador y de la matriz de realimentación del estado.2. existe un caso trivial en el que las salidas son una combinación lineal de las variables de estado. que además se supone también controlable para ser utilizada en una estructura de control. que son necesarios para su control según la matriz de realimentación del estado vista en el capítulo anterior. Por tanto. Dado un sistema lineal. . 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.1 . en este capítulo se supone que se está trabajando con la parte observable del sistema. OBSERVADORES DEL ESTADO reales del sistema. en el que se considera de forma conjunta con una realimentación del estado. caracterizado por una matriz C invertible. procediéndose a continuación a su diseño para el cumplimiento de dichas características'.2.

2. to) = ¡totI �T(r.2) (6. r)B(r)u(r)dr . to)CT(r)y(r)dr V(t¡. el número de salidas es mucho menor que el número de va­ riables de estado.8 que se reproduce de nuevo a continuación: x(t) C . to)CT(r)C(r)�(r. invariante y observable: x(to) = V. según la Ecuación 4.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.D(t)u(t) y ito (6.3) (6. to)dr (t) = y(t) . 1 ) En general. DEFINICIÓN DE OBSERVADORES 289 En este caso el observador del estado se resuelve simplemente invirtiendo esta matriz: = (6.1 (tl' to) ¡tot I �T(r. que tiene que ser evaluada cada cierto tiempo para obtener un estado anterior del sistema.x(t) = O . se implementa un sistema dinámico que tiene como entradas las entradas y salidas del sistema.¡t C(t)�(t.6. 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. Si por el contrario se desea obtener de forma continua la evolu­ ción de las variables de estado del sistema en cada instante. sin embargo.1 y(t) siendo: Este procedimiento para obtener el estado del sistema conlleva el cálculo de una in­ tegral definida. :xe (t) debe tender asint6ticamente al estado x(t) para cualquier entrada u(t) y para cualesquiera estados iniciales xe(to) y x(to). El estado del sistema se puede calcular haciendo uso del gramiano de observabilidad. si verifica las dos condiciones siguientes: 1. -+oo tlím xe(t) . y que responde a las condiciones enunciadas por el siguiente teorema: Dado un sistema lineal. (to) = x(to).2 . Si los estados de coinciden en un instante to.

HC) (xe (t) . si se forma la diferencia entre la evolución del estado del observador y del sistema: Xe ( t) .e una matriz H que satisfaga la Ecuación 6.. XeO #.Ax(t) + ( G .HC con lo que la Ecuación 6.7) (6. puedan ser utilizadas de forma eficaz como una buena estimación de las variables de estado en la realimentación del estado del sistema. de manera que exista siempr. Aquí cabe plantearse si la dinámica del observador determinada por F puede fijarse libremente. para que los estados coincidan en todo instante se debe cumplir: Xe (t) . como se verá en este capítulo. OBSERVADORES DEL ESTADO Estas dos condiciones imponen diversas restricciones a las matrices del observador. la matriz F no puede fijarse libremente.He .8 representa n x n ecuaciones con sólo n x p incógnitas (elementos de H) .HC es significativamente menor que la de los valores propios de la matriz A. Así.5) Por la primera condición. ante cualquier entrada. para que el observador estime las variables de estado más deprisa que la variací6n de éstos y. que representan los polos del observador y determinan de forma Si los estados iniciales no coinciden. . puesto que la Ecuación 6.x(t)) Como puede observarse de esta expresión.HC deben estar en el semiplano negativo.9) Xe (t) . el estado estimado debe tender asintóticamente al estado del sistema.x(t) = (A .2 para el cálculo de la matriz de realimentación del estado.Xo .8 con la matriz F libremente elegida.6) (6. sí se pueden fijar libremente los n valores propios de la matriz F. Esto se consigue si la parte real de los valores propios de la matriz A .B)u(t) + HCx(t) se deduce que: • (6.X (t) = Fxe (t) . se sabe que si se parte de un mismo estado inicial. Sin embargo.8) (6.5 queda: (6. por tanto.Ax(t) + HCx(t) F = A . los estados deben coincidir en todo instante. • Adicionalmente. Para que la entrada no influya en la diferencia entre ambos se debe cumplir: G=B con lo que la Ecuación 6.7 pasa a valer: Dada esta ecuación.290 CAPíTULO 6.x(t) = Fxe (t) . Al igual que sucedía en la Sección 5. en la práctica se necesita que la dinámica del observador dado por F sea más rápida que la del sistema dado por A. por lo que los valores propios de la matriz A . la dinámica de la diferencia entre las variables estimadas y las variables de estado viene gobernada por la matriz A .

Para ello será importante expresar la Ecuación 6. 6.x(t) . [ B ] u(t) O (6. por tanto.(t) .x(t) _ Ecuación de la que pueden extraerse las siguientes conclusiones: [ ] [ 1 [ -1 O1 ] [ ] [ _ ] ][ ] '+. por otra.3. que los elementos de· F 'Y de A estén directamente relacionados con los polos del sistema observador y del sistema. Sin realimentación del estado Las ecuaciones tanto del sistema inicial como de su observador son: X(t) = Ax(t) + Bu(t) xe (t) = (A .. calculando los n x p elementos que forman la matriz H. por una parte.HC A . O X(t) xe (t) .11) o escrito en forma matricial: B A O x(t) x(t) (6. 1. que la Ecuación 6.3.12) xe (t) . que consigue. x(t) . COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291 muy importante su dinámica.x(t) _ _ Con lo que la nueva expresión de la ecuación de estado es: ' x(t) A .15) . el rango de esta matriz sigue siendo n. (6. Cabe. por lo que se puede hocer una separación de la parte no controlable. C omp ortamiento del conj unto sistema-observador El objetivo final de la utilización de un observador es diseñar un control por realimen­ tación del estado a partir del estado estimado .He x e (t) . mediante el cambio: ( x:(t) .3.3. mediante la construcción de la matriz Q: (6.p) ecuaciones identidades independientes de los valores de H.6.8 quede reducida a n x p ecuaciones compatibles.HC)xe (t) + Bu(t) + HCx(t) (6.8 en URa base del espacio de estado adecuada. el conjunto formado por los dos grupos de variables es no controlable.HC xe (t) + B u(t) cuya representación gráfica se observa en la Figura 6. Si se estudia la: 'éóntrolabilidad del sistema conjunto. respectivamente. analizar la controlabilidad del sistema con el observador de forma conjunta.14) x t) xJ(¡tV T xe.13) [ ] [ _ ][ ] [ ] Como puede verse fácilmente. 6. 10) (6. y. siendo las restantes n x ( n . Dado que se parte de que el sistema inicial es controlable.O A . tanto antes de realizar la realimentación del estado como después.

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

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

A . . . Si alguna de las variables inicialmente consideradas como variable de salida no se utilizase.. . CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 301 r (t ) Te o Figura 6.5. 6.7: Esquema des sistema con observador y realimentación en espacio de estado transformado.6. ésta sería consecuentemente supri­ mida como variable de salida en las ecuaciones de estado del sistema.38) . . 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. A 2p . quedando finalmente un vector de salida de dimensión p. . y p salidas. obteniéndose las siguientes expresiones para sus matrices A y e: A e Apl Ap2 [ e l e2 [ AH Al2 A2 1 A 22 . . App ep ] 1 (6. .

. En las anteriores expresiones p representa el número de salidas utilizadas para la implementación del observador.302 CAPÍTULO 6 .i +. :.i + 1 +.12 (6. . O -0!0"i -ni + 1 0"j O .42) lo F = A . O Ci = O O O O O Cp 0". siendo ni el número de variables de estado que son estimadas con la salida i-ésima. . O O . a la hora de calcular la matriz T o de la forma canónica observable.41) 1 O O Ci+ 1 0".+1 0"i O -aO"i -ni+ 2 0"i O -aO"i -n. Su valor se elige.In . O -0!0"i -ni +2 0"j : . . +.40) de dimensiones ni x nj . Si se plantea un observador del estado con una matriz de dimensiones n x p definida como: H= siendo la dinámica deseada para dicho observador la representada por: O O 1 O O 1 O O O O O -f¡ - [� h l hp hn1 hnp � 1 H (6.1 +. con el significado mencionado anteriormente.39) de dimensiones ni x ni .O!O"i O"j • . A ij = [ O . . • • 1 (6.43) 1 .+ 3 0". : . 1 -a O'i Ui Aii = (6. . O de dimensiones p x ni . según se verá con detalle en el siguiente subapartado.HC = .l . OBSERVADORES DEL ESTADO donde las distintas submatrices involucradas tienen las siguientes expresiones: o O 1 O O 1 O O O -aO"i -n.p (6.

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

• • H. las matrices del sistema expresadas en la forma canónica observable son: = -a 1 2 .2 • Ciuj es el elemento de la matriz e que se encuentra en la fila i y en la última columna del bloque j. Supóngase un sistema con n = 4 variables de estado y p 2 salidas.12 O O 1 -fa ] Las incógnitas que se desea obtener son los elementos de la matriz H: . OBSERVADORES DEL ESTADO .h . que es el coeficiente del polinomio característico del observador cambiado de signo. Uj e s el elemento d e l a matriz A expresada e n l a forma canónica observable.au. fila i y última columna.a22 -a 32 -a 42 OO1 O -a 14 La forma deseada para la matriz del observador es: F= [ C22 1 O O O 1 ] . que se encuentra en la fila O"i y columna O"j . Teniendo en cuenta que 0"1 = nI = 2 y 0"2 = nI + n2 = 4. siendo además la aportación de cada salida al observador n I = 2.304 • CAPíTULO hij es el elemento de la matriz 6. fila i columna j . Ejemplo 6. cuyo ordinal es O"j .l es el elemento de la matriz del observador. n2 = 2 .a 24 -a 34 -a44 ] O O O -JO 1 O O -f¡ O 1 O . .

h32 0 = -a42 .h12 .h22C22 -f¡ = -a24 .13 = -a44 . Efectuando F = A .h31 .a32 .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 . 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.h12 0 = -a22 .h3 2 . cada fila de la matriz H sólo influye en la respectiva fila de la matriz He . 6.12 . teniendo en cuenta únicamente dicha parte del sistema para .h21 .h12C22 .h22C22 . se supone que el sistema es observable.h22 = .h12C22 .hll .hll .h22 .h42C22 .5.12 = -a34 .h32C22 .h21 .h4 2 1 Fila 2 Fila 3 Fila 4 => => 1 Que se resuelve como 4 sistemas de 2 ecuaciones y 2 incógnitas cada uno..Jo = -a1 4 . a partir de cualquier otra representación.h3 1 .h 32C22 . t::.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 .5.h4 1 .13 . 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. En caso contrario será necesario realizar una sepa­ ración de la parte observable.6. Además.h4 2 O = -a12 . 1.h4 1 .

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

56) (6.6.54) (6. en la co­ rrespondiente a la forma canónica observable x ( t ) . e<7 1 ' e<72 ' . al i ] Se extraen las columnas existentes en las posiciones finales de cada bloque.53) pudiéndose desmostrar que tiene inversa. Para ello se calcula la inversa de la matriz L: nI + . y a partir de ellas se forma la matriz: ap = n (6. . Á B = e = Tox ( t ) Te / ATo To I B CTo (6. 6 CÁLCULO DEL OBSERVADOR EN SISTEMAS MULTIVARIABLES 307 y formándose la matriz L: CI cl A L= (6.52) • • . . x(t) . Esta matriz permite calcular la matriz de transformación a la forma canónica obser­ vable. + np = e<7p nI = en . Esta matriz permite transformar la representación inicial del estado. mediante la transformación dada por To : x( t ) En el Ejemplo 6.5 .51) Donde p representa el número de variables de salida.5 al final de este capítulo puede verse un caso de diseño de un observador para un sistema multivariable.55) (6.57) . (6.

en ocasiones. Realizando entonces el cambio: x = Tx (6. queda: [�] (6. puede que parte de éste lo sea. 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.61) Si se toman como salidas únicamente aquellas que sean linealmente independientes.62) con (6. reordenando adecuadamente.59) seleccionando como salidas del sistema las p variables de estado accesibles. Si la ecuación de estado se representa separando variables accesibles y no 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.6. incorpora más información del sistema que el . de dimensiones p x p. y pese a que la totalidad del estado no sea accesible. de una representación de estado tal que las salidas coincidan con las variables de estado accesibles.63) Partiendo. de la salida y de la derivada de la salida. Se parte de una representación del estado que cumpla: x = Ax + Bu (6. entonces la submatriz e ' 1 . Sin embargo. En estos casos parece ilógico no tener en cuenta esta información y estimar variables que ya son accesibles. será no singular.64) (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. pues.65) El modelo de observador que se propone utiliza información de la entrada. CAPíTULO 6.308 6. en este aspecto.58) (6. Esta estimación del estado presenta un buen comportamiento bajo las condiciones ya descritas. 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 (6.60) (6.

73) El procedimiento para diseñar el observador de orden reducido. puesto que la derivada de la salida ha de existir al ser. el siguiente: • Se define la dinámica del observador. por lo que: (6. De la Ecuación 6. • 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. A 22 . se debe cumplir que: • we .(A2 1 y + A22W + B2u) (6.66) Sustituyendo en esta ecuación y por su valor: queda una expresión para l a ecuación del estimador d e l a forma: La evolución de la diferencia entre las variables de estado estimadas y su valor real es: y = A u Y + AI 2W + B I u (6.71 se despeja G. derivada de una combinación lineal de variables de estado.A2 1 )y + (G + H2B I .H 2 AI 2 )W + (HI + H 2 AU . B I Y B2 es.H2AI2 (6.71) • No debe ser influida por el conjunto de variables de estado accesibles.72 se despeja HI . De la Ecuación 6.W = FWe + Gu + HIy + H 2 AUY + H2AI2W + H2B I u . OBSERVADORES DE ORDEN REDUCIDO 309 observador de orden máximo y no presenta ningún inconveniente.73 se despeja H 2 . que se verá reflejada en los coeficientes de la matriz F. De la Ecuación 6.72) • Para asegurar la convergencia se debe cumplir que: F = A 22 . por lo que: (6.67) (6.w = FWe .70) Ha de ser independiente de la entrada.68) we = FWe + Gu + HI y + H 2 AUY + H 2AI2 W + H2B I u de forma que agrupando se llega a: We . A 12 . por definición del modelo.69) Para que la evolución de la diferencia entre las variables de estado estimadas y su valor real tienda a cero bajo cualquier circunstancia. A2 1 . por tanto. como se ve en la Figura 6. y.B2 ) u (6.6.8: • • .(A22 .6. partiendo del cono­ cimiento de Au .

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

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

sino que deben ser estimadas mediante un observador a partir de la evolución de la única variable medible del sistema. OBSERVADORES DEL ESTADO Ej emplos adicionales Control de la posición de la base del péndulo invertido con observador En este ejemplo se desea realizar un control por realimentación del estado del péndulo invertido con las mismas características que las del sistema de control realizado en el Ejemplo 5. 7.. Ejemplo 6.. en la que la salida del sistema viene dada por la siguiente ecuación de salida : ... pero con la importante diferencia de que ahora las variables de estado del sistema no son directamente medibles..4 CAPíTULO 6."..__"".8._-.. servoposicionador y observador como la indicada en la Figura 1. Para ello se utiliza una estructura de control por realimentación del estado.312 6 .... la posición de la base del péndulo x(t) . y de la entrada de éste u(t) . Péndulo invertido 1.. . x Figura 1: Estructura de control por realimentación del estado incluyendo un servoposicionador de la variable x(t) y un observador de orden completo.

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

el .314 CAPíTULO 6. R. se utilizan en el ob­ servador del estado del sistema real no lineal de la primera figura de este ejemplo. Y.65 4. 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 = [ 0.1 O O O 1 O 1 O O -0. y el servoposicionador de constante Ko . obteniéndose: Á -To 1 AT 0 .To = [� [ 1 O O O O O O 1 O -0.1 . B y To .8.l . se puede realizar la comprobación de que las matrices Á = Ta l ATo .75 ] Ko = -0.1 1] ] Las matrices anteriormente calculadas. en la que dicho observador se integra junto con el control de realimentación del estado mediante la matriz K.1 O -2 O -2 O -0. B = Ta l B y Co = CTo queden expresadas según la forma canónica observable. calculada anteriormente en el Ejemplo 5.65 1 .25 19. se va a utilizar ahora la misma referencia de posición xre f = . se obtiene la matriz To : U na vez calculada esta matriz.15 Con objeto de comparar los resultados del esquema actual con observador respecto al del ejemplo anterior con realimentación directa de las variables de estado. OBSERVADORES DEL ESTADO obteniéndose su matriz inversa como: p-l = A partir de la última columna de p .

!. Figura 2 : Diferencia e. según la primera de las condiciones para el cálculo del observador.xe(t).-7--�-4 2 > 3 -2 � 5 S '" .Oe(t). partiendo de error nulo en la estimación inicial. la estimada x(t) . en la que se observa una . Sin embargo.4> -0 05 -o 0 05 o -0 2 -0 1 15 2 3 4 5 y Si las variables estimadas coinciden inicialmente con las variables de estado del sist�ma.ntre las variables reales y las estimadas por el ob­ servador.po (s ) tiempo (s ) - . ángulo inicial 0(0) = 10°.6. se obtiene la diferencia entre las variables reales y las observadas que se representa en la Figura 2. � Ue. 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. 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) .1 Nw. esto sólo es cierto si el sistema que se está observando es lineal y se conoce perfectamente su modelo.1 Nw. cambio de ref� re � cia Xref = 1 m y perturbación constante up(t) = 0.�--�--7-�.7. cabría esperar una coincidencia de dichas variables en todo instante t posterior. Si se utiliza el observador lineal calculado sobre el sistema real no lineal. que representan el valor inicial de las variables de estado estimadas expresadas en la base observable: [ 1 [ 1 100 = 0.

. como es es lógico suponer. cam bio de referencia xref = . . estas variables estimadas diferirán en mayor medida de los valores reales. del estado .estado medIdo directament co n obse rvado' del esat do 1 0r----¡r======'======::"=::='===5:::::¡] . OBSERVADORES DEL ESTADO discrepancia entre las variables reales y las estimadas a pesar de que coinciden en el instate inicial t = O. partiendo en ambos casos de error nulo en la estimación inicial. ángulo inicial 0(0) = 10°. .1 m y perturbación constante up(t) = 0. 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). cabe esperar que el control con estimación del estado se comporte de manera muy similar al control del Ejemplo 5. volviendo a coincidir en régimen permanente una vez que el sistema de control estabiliza el sistema. para el caso de error inicial nulo en la estimación de las variables de estado. en el que se utilizan los valores reales de las variables de estado en la realimentación. en las que se compara la evolución de x(t) y de O(t) en ambos casos: utilizando el observador y con realimentación de las variables de estado reales. que por otra parte se estabilizarán debido a la estructura de control.con observado. en todos los casos. como muestra la Figura 2. suponiendo. (b) Ángulo O(t).316 CAPíTULO 6. 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.100�--"""7---1"=----7 5 tiempo (s ) 0 15 Si. Figura 3: Comparativa de la evolución de la posición x(t) y ángulo O(t) en la estructura con observador y con la realimentación directa del estao... Puesto que. en este caso las variables reales y las estimadas son parecidas. tiempo (s ) �-O 5 -1 -1 50�---:5O-----:10:--!15. .8.. Este hecho puede comprobarse en las gráficas de la Figura 3.1 Nw. necesitándose un tiempo para que converjan al valor de las variables reales.estado medido directament 5 (a) Posición x(t). se tiene un error inicial no nulo en la estimación de las variables de estado del sistema .

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

estado medido directament 10 c: . por ejemplo en -3.. ángulo inicial 0 ( 0 ) = 10°. . siendo el ángulo inicial real 0 ( 0 ) = 10°. 15 . c: ¡: -5 � 10 15 -10 -15 -20 0 V �---5 I .con observador del estado . -con observador del estado ..estado medido directament (b) Ángulo O(t) cuando 15 10 � 5: O Oe(O) = 15°. xe (O)=O. 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.1 m y perturbación constante up(t) = 0. OBSERVADORES DEL ESTADO global del sistema.. (d) Ángulo O(t) cuando Oe (O) = 5°.5 ) 4 = 84 + 148 3 + 73.1 Nw.58 2 + 171 . su polinomio característico es: Po ( 8 ) = ( 8 + 3.. error nulo en la estimación inicial de las otras variables de estado.318 CAPÍTULO 6.0625 (c) Posición x(t) cuando Oe(O) = 5°.estado medido directamenttJ con observador del estad� tiempo (s ) 10 15 Si se diseña un observador con sus polos más lentos. para los casos de estimación inicial del ángulo Oe (O) = 15° Y Oe = 5°..5. cam bio de referencia xref = ...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°. Oe(O) = O y xe (O) = O.. � -0 5 -1 -1 50 tiempo (s ) É.con observador del estado .58 + 150.

partiendo de error nulo en la estimación inicial de las otras variables. � .1 Nw. si se elige un observador más rápido situando sus polos en . el estimado (}(t) .171.xe {t). ' 1 . . .Polos del observador en -3 � J I - -��--�2----�4--�6--�8 tiempo (s ) . Se advierte una convergencia más rápida hacia las variables reales y con menos sobreoscilación.. .polos del observador e n -5 .:CD O : : .i y .5 O -73 O . xe{O)=O. 'i j' " . utilizando cada uno de los tres observadores calculados...' : j � I ¡: -2 : / :f 4 .. ' .---1'=::::==::=:=:..po los de 1 ::.Oe {t). 14 y Por el contrario.0625 O . Figura 6: Diferencia entre las variables reales y las estimadas por el obser­ vador para distintas posiciones de sus polos.:=:::= en:: -7.:=='=obse rvado r ::::= 1 :il : : :::'.5 .150. cambio de referencia xref = . 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.: : . cuanto más rápida es la dinámica del observador. - [ O O O O O O O O O ....1 m y perturbación up{t) = 0. .7.polos del observador en . 2 4 . i .14 ] H1 _ - [ ] 150. 1' .10. ..polos del observador en -5 . con una estimación inicial del ángulo Oe {O) = 150.10000 O -4000 O -600 O -40 ] H2 _ - [ ] 10000 4000 620 40 ...6. Oe{O) = O y xe{O) = O.Polos del observador en -3 c ( b ) Diferencia entre el ángulo real la estimada x{t) . i '.. ( a ) Diferencia entre la posición real y O�--�2----�4--�6--�8 tiempo (s ) • • -5 i i i i i t _-.5 9 3.1 0 . ángulo inicial (}(O) = 100. '.. i .0625 171. EJEMPLOS ADICIONALES 319 con lo que se obtienen las siguientes matrices del observador: F1 _ - [ O O O O O O O O O .

Óe(O) = O y xe (O) O. 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. cuanto más rápida es la dinámica del observador utilizado. tiempo (s ) -1 � � : ¡\·t"��. (b) Ángulo O(t).J 15. . :.polos del observador en _ .polos del observador en -3 . éste estima las variables reales de forma más rápida y con menos oscilaciones. y una perturbación constante up(t) = 0.1 Nw. En el presente ejemplo. .. 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.320 En la Figura 7 puede observarse la evolución de las variables x(t) y O(t) para las distintas dinámicas de los tres observadores diseñados. éste no puede llegar a estimar los valores de las variables reales.=. . Figura 7: Comparativ de la evolución de la posición x(t) y el ángulo O(t) para distintas posiciones de los polos del observador. CAPÍTULO 6. Se advierte un comportamiento menos oscilatorio y más parecido al sistema con realimentación de las auténticas variables de estado (sin observador) .. . :il :=. cambio de referencia xref = . un ángulo inicial 0(0) 10°.1 m y perturbación constante up (t) = 0. un cambio de referencia xref = . error nulo en la estimación inicial de las otras variables de estado xe (O) = O..J 15· Si la dinámica del observador se hace demasiado lenta .. = = = - . xe (O)=O.1 m .polos del observador en • polos del observador en -3 -estado medido directamente OBSERVADORES DEL ESTADO -10 -5 � -0 5 -1 50�--�5�---:'10:----. . tiempo (s ) (a) Posición x(t).==::::=====. Este mejor comportamiento del sistema tam­ bién repercute en un aumento del rango de valores de las variables estimadas. así como de los valores de las entradas de referencia y de perturbación .----¡:==..: :. 1 Nw. con una estimación inicial del ángulo Oe (O) = 15°.::=O =.polos del observador en -10 .. -5 IV/-: -10 15 . ángulo inicial 0(0) = 10°. Óe(O) = O y xe (O) O.polos del observador en -5 10 . dando lugar a inestabilidad en el sistema global realimentado. partiendo de error nulo en la estimación inicial de las otras variables de estado. en el que se presentan los resultados para una estimación inicial del ángulo Oe (O) = 15°...estado medido directamente '"'-----j ' '-- -1 50�---:5�---:'10::----.. y el comportamiento del sistema se asemeja más al del sistema con realimentación directa de las variables de estado. cuanto más rápida sea la dinámica del observador..

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

L= �[ ¡ -3 1 . colocando juntas aquellas correspondientes a las mismas salidas. el observador del estado.1 6 -50 2 .162 768 P= siendo rango(P) = 5. Para el cálculo de la matriz de transformación se comienza por seleccionar cinco filas linealmente independientes de la matriz P.1 2 1 -1 1 -2 3 -2 6 -3 4 O -4 -3 4 � 2 10 O 2 -3 1 . trans­ formar la representación del sistema a la forma canónica observable.1 -2 -2 6 -3 4 10 O 2 1 -1 O O -4 -3 4 O 2 1 -2 3 O 1 =} 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 . es decir {l. Se reordenan ahora las filas.322 CAPÍTULO 6 . con lo que se comprueba que el sistema es observable.1 250 O 81 -256 O 32 2 O 16 .16 : 13 8 -8 -3 -5 1 .18 2 O 48 4 -2 24 -27 250 64 O O . OBSERVADORES DEL ESTADO En primer lugar se ha de comprobar la observabilidad del problema. Se puede calcular.12 9 -16 O O 9 8 . por tanto. 5.10 -2 2 -6 8 208 78 -32 : 40 8 20 4 178 66 .18 15 .1 6 -27 64 54 . dos a la segunda y una a la tercera .1 = � 54 15 3 -30 . 4. por lo que la asignación de salidas a variables de estado queda como sigue: dos a la primera salida. Para realizar el cálculo del observador es necesario. 2.192 -2 -8 O 2 -48 81 -256 . El primer tanteo se hace con las cinco primeras filas: Pe comprobándose que su rango es también cinco. 3}. en primer lugar.

54 282 124 .1 = Dada la asignación de salidas a la estimación de las variables de estado.2 .6 .27 O . por l o que se opta por situar los polos d e dicho observador en -30.g A = To 1 ATo - = B = To 1 B = - [ .729 O . Así.28 1 . EJEMPLOS ADICIONALES 323 seleccionando de L .1606 243 29 308 35 . 4 Y 5 para construir la matriz To .g 1 12 O .27 O . queda: 2 86 02 o .264 . transformando el sistema según estas matrices.157 -92 54 .5 27 27 1 4 -3 466 137 .16 27 27 1 O O O O 1 1 46 .97 .3616 243 729 67 4 O .16 15 5 -49 -3 300 -213 184 .8 27 -27 54 O 56 300 85 -58 -2 3 -2 � � 1 Y.16 66 .-9O .27 1 . el polinomio característico queda : po (s) = S 5 + 150s4 + 9 000s 3 + 270000s 2 + 4050000s + 24300000 [� n .1 : L.18 18 12 --:-6 4 -24 78 . se seleccionan las colu m nas 2.27 .234 .52436 181 .81 27 .1 5 14 1 16 .556 O . = Para el cálculo élel observador se va a asignar una dinámica mucho más rápida que l a del sistema realimentado. To [ el � e3 I e4 1 � ] = [ e2 Ae2 e4 Ae4 e5 l � � Tc / 1 = 27 [[ : 15 -3 . 76 27 O 16 27 O 23 .27 1 C = CTo ' . 7.27 27 -5 .6729 O .

g� h51 + � - y O O O 1 O _ 5026 _ h 12 + 46h13 9 243 -28 .h41 + W O . _ h42 + 46�43 . en la representación original del sistema .-9.6286 .h33 -h43 .�� . 27 729 1 .��� .h32 + 46�33 _ 6.150 1 F= [ CAPÍTULO 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 . OBSERVADORES DEL ESTADO 1 La matriz del observador que se va a calcular es: que se halla resolviendo la ecuación : F = Á . 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 .32�136 .2� .126J36 .128/ .h 13 La dinámica de la evolución de la diferencia entre las variables reales del sistema y las estimadas viene dada.h 52 + 46�53 656100076 27 4050000 7290016 -2 79000 4027 27 .h 11 + !ill.h23 �� ..h 21 + � O .h31 + � O .h53 �� .h 22 + 46h23 9 .

6. 523173292 243 949502902 729 1084060042 243 1339566538 729 888285181 729 1. de ma­ nera que queda dividido en los tres subsistemas de la figura. C 3 ) es observable con sus dos polos en -3. el subsistema (A 22 . Ej ercicios resueltos En un sistema con seis variables de estado s e efectúa un cambio de base.6. ficaciones del observador.8.8. en el que se sabe que: el subsistema (A 11 . u(t) - . B 1 .1 . B 2 ) es controlable con sus dos polos en 2 y el subsistema (A33 . C 1 ) es controlable y observable con sus polos en . EJERCICIOS RESUELTOS 325 541857551 18684934 243 243 983414123 33910870 729 729 1122779804 38716378 243 243 1387419785 47841610 729 729 31726111 1840011541 729 1458 tal como se fijó en las especi­ 1588203217 1868474113 162 486 1695540575 1441210139 243 729 1935823829 1645452365 243 81 2033285165 2392092875 729 729 3172420759 1348283483 729 486 se comprueba que todos sus autovalores son -30.

Suponiendo accesibles todas las variables de estado. indicar cuál es el estado del sistema a los t I segundos. e) f) Una vez realizado un observador de las variablés X l y X2 . indicar en qué tiempo se puede considerar que las variables de salida del observador coinciden con los valores de las variables observadas (X l . . el sistema alcanza el estado X2 en el mismo tiempo t I .2 . el sistema alcanza el estado X l en un tiempo t I .l = 1 O O O O O 1 1 O O O O O 1 1 O O O O O 1 1 O O O O O 1 1 O O O O O 1 1 d) e) Calcular cuál era la posición inicial de los polos del sistema antes de efectuar el cambio de base. Se sabe que. X2 ) e indicar cómo influye la entrada en dicho tiempo. OBSERVADORES DEL ESTADO a) b) Escribir las ecuaciones de estado del sistema total en su notación matricial. dibujar el esquema de una realimentación de estado que sitúe todos los polos en .326 CAPÍTULO 6. partiendo del estado inicial X l y ante entrada nula. A A ú a) El modelo de estado del sistema propuesto es: Xl X2 X3 X4 X5 X6 = [ �� ] = [ �l [ O A" 12 A22 A32 O O A33 O O O C3 ] Xl X2 X3 X4 X5 X6 1 Xl X2 X3 X4 X5 X6 +[ �: ] . desde condiciones iniciales nulas y aplicando la entrada u ¡ . Si la matriz que ha efectuado el cambio de base es: T. Si se parte del estado X l y se aplica el doble de la entrada U l . Razonar si se puede alcanzar cualquier valor de Y l + Y2 con una entrada ade­ cuada y desde condiciones iniciales nulas. y además se sabe que.

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

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

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

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

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

.5 ante evolución libre (entrada permanentemente nula). Calcular qué puntos del espacio de estado se pueden alcanzar en el instante t = 0. Calcular la salida y(0. Dado el sistema definido por las siguientes ecuaciones: y = [ O 2 ] �� a) [ -31 -31 ] [ XXl2 ] + [ 11 2O ] [ UUl2 ] [ ] x(O) = [ 1 lJT : 2) 1) Partiendo del estado inicial t= 9) b) \ Calcular qué puntos del espacio de estado alcanza el sistema en el instante 0.H2 Al 2 ::::} .5) ante evolución libre e indicar cómo se podría calcular el estado del sistema en ese instante.5) y sabiendo que la entrada es nula. utilizando para ello la entrada adecuada que lo permitiese. Calcular y dibujar un control por realimentación del estado que sitúe todos los polos posibles del sistema en -10. 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 .H2 G + H2 Bl . utilizando para ello un observador de orden completo y el mayor número posible de entradas en la realimentación.5.1 = O Hl + H2 AU .332 CAPíTULO 6.1O = -2 .A2 l = 0 ::::} Hl + 8(-I) .1 = 0 De donde se obtiene que: 3. conociendo solamente el valor calculado de y(0.

I «J?(t)T * * x(t) = T.8.I «J?( t)Tx( O) «J?(t) = T�T .11 ] [ VV2I ] = [ OO ] .22 V2 = [ _ � V2I = .. 1 Para realizar el cálculo de cuál es el estado al que se llega transcurrido un cierto tiempo y ante una cierta entrada.I de donde: .V22 ] [� A= [ � Dado que: entonces: T= x(t) = «J?( t)x(O) Tx(t) = «J? (t)Tx (O) � (t) = T .6.� ] [ ��� ] '= [ � ] [ -� VI = [ � ] Vl l = V I2 [ . utilizando para ello un observador de orden reducido y el menor número posible de entradas en la realimentaci6n.11 . EJERCICIOS RESUELTOS 333 c) a) Calcular y dibujar un control por realimentaci6n del estado que sitúe todos los polos posibles del sistema en .0 . es necesario calcular la matriz de transición del sistema «J?( t) : «J?(t) = e At Para hallar esta expresión se calculan los valores propios: * * A = -2 A = -4 * * por lo que: .

1 = Por lo que: Á = O 1 ] [ -31 . se utilizan las dos disponibles. Aunque el sistema es observable. b) Dado que es necesario utilizar el mayor número de entradas posible. _ -2 .[ 11 O2 -2 -62 ] y(0. 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 .31 ] [ 11 2O ] = Dada la realimentación propuesta.334 1) CAPÍTULO 6.100O . se precisa conocer la dinámica.201 ] [ -2O -42 ] [ O1 O1 ] [ k�21 1l = + . por lo que todos los puntos del espacio de estado son alcanzables mediante la entrada adecuada para t = 0. su polinomio característico tras dicha realimentación debe ser: PC (8) = (8 + 10) 2 = 8 2 + 208 + 100 con lo que se dispone de los coeficientes para ajustar el valor de las constantes de realimentación: Ár = Á + B K [ .5.10.5) = [ O No se puede calcular el estado en este instante. Se comienza por construir la matriz de transformación: 2 ] [ :=� ] 2e.

�T oe: con lo que: de donde se obtiene: . y.[ .124 .1� ] = � por lo tanto: 1 T oe = 4 .6.100 -161 ] 2 F = A . EJERCICIOS RESUELTOS 335 de donde.HC para lo que es necesaria la matriz de transformación.HC .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 .8. despejando: K= Queda construir el observador de orden completo: .1 [ 2 -64 ] � L-1 = _ � 8 [ ... p= [ -! .

.. [ w. e) de donde: 2 .900 .� ] [ ! � ] = [ -� .1 ATe [ -31 O1 ] [ -31 .. OBSERVADORES DEL ESTADO . (t). U2 en este caso: L= [ � _� ] � L .1 = � [ =� .. • [ O 1 Utilizando una única entrada.60 12 4 t} _ ...� ] = � [ � � ] 2 .� ] = = .336 de donde se despeja: [ 01 9 --6000 ] [ O1 -6 ] _ [ �h21 ] [ O 1 ] -8 = CAPíTULO 6.100 -1 .. ] x __ y de ahí: -61 ] Te..16 ] �c(t) [ 8 ] .

] = [ � � ] [ � � ] = [ i � ] = [ O 2 ] [ 0�5 � ] = [ 1 O ] F = -30 con lo que.� � ] B = T.� [ _� - � ] = [ O.2" [ 2 4 ] + [ 1 O ] = [ . [ 0. poseyendo por lo tanto un único polo que se sitúa en -30.6. -� ] [ 0�5 � ] = [ .5 O1 ] = . con lo que el orden de dicho observador es uno.2 6 -54 ] . 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.1 B e CT Dado que el observador es de orden reducido.�� -. despejando: 27 H l + H 2 A U .14 ] Para el cálculo del observador de orden reducido es necesario realizar una nueva transformación en la representación del estado. se estima el valor de una única variable.5 -1 1 O] 1 � -3 0 1 2 [ ] [ 11 02 ] = 1 [ -21 02 ] 2 337 [ . por lo que: [ -. a través de la matriz: T.8.1 = [� = = con lo que las matrices del sistema se transforman en: �] =} T= Á O [ O1 2O ] [ -31 -31 ] [ 0.5 + 2" 3 = 41 27 G = -H 2 B 1 + B 2 = .A2 1 =} H l = 0.10� 2� ] = [ _� _! ] + [ � ] [ kl Ár = Ác + BcK - k2 ] K = [ -92 .

Ej ercicios propuestos En un sistema de 4° orden s e elige una base del espacio de estado.338 CAPÍTULO 6. de manera que el comportamiento dinámico del sistema queda expresado por las siguientes matrices: a) b) ¿Es alcanzable el estado tiempo ? ¿Es alcanzable el estado tiempo ? [1 1 1 [1 1 1 lJT desde condiciones iniciales nulas ? ¿En qué lJT desde el estado inicial [2 2 2 2JT ? ¿En qué .9. 1. OBSERVADORES DEL ESTADO 6.

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

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

Sistemas discretos Parte II 341 .

.

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

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

estados y salidas se pueden resumir en las ecua­ ciones: que se conocen como ecuación de estado del sistema (7. u(k) . es que la variable x( k) representa el estado del sistema. Se entiende como sistema dinámico discreto una relación matemática entre dos con­ juntos de secuencias {u(k) } e {y(k) } denominadas entradas y salidas. Esta condición recibe el nombre de causalidad. k) r¡(x(k) . El concepto de linealidad en los sistemas discretos es idéntico al de los sistemas continuos.6) (7. Si el comportamiento del sistema puede expresarse mediante la Ecuación 7. cumpliendo: 1. frente a las ecuaciones diferenciales mediante las que se modelizan el estado y la salida del sistema para los sistemas continuos. Estas condiciones definen a todo sistema discreto causal. entonces se dice que es lineal si para cualquier par de números reales y {3. es decir que las Ecuaciones 7. Si un sistema. y que.4 se pueden expresar. como puede verse. En estos sistemas las relaciones entre entradas. SISTEMAS DINÁMICOS DISCRETOS 345 discretos. 2.3 . y viceversa. Las salidas y(k) no dependen de las entradas u(n) para n > k.7.3 y 7.3.5) ante la entrada: (7.3) y ecuación de salida del sistema (7.8) (7. se formulan como ecuaciones en diferencias. responde con una salida y l (k) .7) se obtiene una salida: En sistemas expresables en diferencias. pero el estudio que se va a realizar está restringido a los sistemas discretos expresables en diferencias. ka � A � k.9) donde se sigue la siguiente nomenclatura: . Para toda secuencia real de entrada {u( k) } existe una única secuencia de salida {y(k) } . y partiendo de x2 (ka) ante U2 (A) . ka � A � k. k) (7.4) . partiendo del estado inicial: x(k + 1) y(k) f (x(k) . como: x(k + 1 ) y(k) = A(k)x(k ) + B (k)u( k ) C(k)x(k) + D(k)u(k) (7. esta condición se traduce en que tanto la ecuación de estado como la ecuación de salida son lineales en el estado y en la entrada conjuntamente. respectivamente. con un estado inicial cualquiera x l (ka) y ante una entrada real U I (A) .3) (7.4) a y (7. u(k) . se obtiene y2 (k) .

k. A(k) es la matriz del sistema (de dimensión n x n) . . B .12) donde tanto los ai como los bi pueden ser nulos. La propiedad de invarianza en los sistemas expresables en diferencias lineales dados por las Ecuaciones 7. puesto que expresa una simple relación estática adicional entre entrada y salida. B (k) es la matriz de entradas del sistema (de dimensión n x m) . responde con una salida y(k) . . . Xl + X2 } lo determinan. + a l Z + a a . partiendo para cualquier N del mismo estado inicial Xa para el índice ka + N y ante la misma entrada deplazada U(A + N) . 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. El concepto de invarianza es también equivalente al de los sistemas continuos. ya que conocido un conjunto es de inmediata determinación el otro. se dice que es invariante respecto al tiempo si. 1 1 ) donde las matrices A. Hecha esta puntualización. u( k) es el vector de entrada en el instante k (de dimensión m) . 10) (7. respectivamente. también {Xl .b l z + ba z n + an _ I Z n . Al igual que en los sistemas continuos. se puede partir de la función de transferencia en z del sistema discreto: Y(z) U(z) bn z n + bn _ I zn. Un sistema que. la matriz D(k) carece de importancia desde el punto de vista del análisis. la forma: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) + Du(k) (7. C y D son constantes independientes del índice. Por ejemplo. si para un sistema las variables { X l .9 representa que dichas ecuaciones tomen. y(k) es el vector de salida en el instante k (de dimensión p) . .8 y 7.1 + 4.1 + . X2 } determinan el estado. A :::.346 • CAPÍTULO 7. partiendo de un estado inicial Xa para un índice ka y que ante una entrada cualquiera U(A) . (7. C(k) es la matriz 'de salidas del sistema (de dimensión p x n) . 7.4. . MODELO DISCRETO DE ESTADO x( k) es el vector de estado en el instante k (de dimensión n) . ka :::. se obtiene la misma salida desplazada y(k + N) . D(k) es la matriz de transmisión directa entrada-salida (de dimensión • • • • • • p x m) .

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

An . 2 . . 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. + � Pq+ l + Pn Z . que la factorización queda como: P G(z) = (z . 18) Xl (z) X2 (z) X3 (Z) = U(z) Z .Al + .Al + Z .A 2 . Pn ] q [1 A2 O O : An ][ 1 [ 1 [ 1 .A2 U(z) Z . (k) x� �� ) + bn u(k) xn (k) (7. Dada esta descomposición. . es decir.A3 U(z) Z . . que por simplicidad se suponen de multiplicidad uno.21) (7.lA¡ ) q + (z .l Al + . 19) es decir: xl (k + l ) o bien de forma matricial: [ 1 x.20) 1 x. (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 . . Z-A z . CAPíTULO 7.P2 ) q .4 .Al U(z) Z . . (k) 1 x2 (k) + : u(k) : 1 xn (k) x.23) . se obtiene el modelo de estado a partir de las transformadas de las variables de estado: =� . 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.22) Caso de rafces de multiplicidad Si el sistema no admite una descomposición en fracciones simples porque existe una raíz con una multiplicidad q.An ( 7. (7.q+ l . + Z .348 7. + � + bn n = (7. ( 7.

4.1 (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 .24) z - U (z) An .q+1 1 .q+1 que.7.26) An .25) A 1 X q (k) + u(k) An .1 (k) + O u(k) xq (k) 1 xq+1 (k) 1 xn (k) (7. pasadas a su expresión como ecuación en diferencias mediante la transformada in­ versa z.q+1 xn (k) + u(k) x 1 (k + 1) x2 (k + 1) Xq . OBTENCIÓN DE MODELOS DISCRETOS DE ESTADO 349 se eligen como transformadas z de las variables de estado: U (z) z )'1 - (7. 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.

350 CAPíTULO 7. . aparecen elementos unitarios en la diagonal inmediata­ mente superior. X 2 . 29 ) y: (7. además de tener en la diagonal el polo múltiple. Si (Xl . 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. tal como se puede apreciar en la Ecuación 7. 3 . 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. .31) la Ecuación 7. · · · . t n ) .30) T x (7.32) .28) (7. ya que sus columnas son vectores linealmente (7. en las que. 7. X n ) son las componentes de un vector respecto de una base: y se toma una segunda base formada por los vectores linealmente independientes ( tI . t 2 . . . 2 7) Obsérvese que la existencia de polos múltiples genera en la matriz del sistema unas submatrices.29 se convierte en: Teniendo en cuenta que independientes: T es no singular. .26. MODELO DISCRETO DE ESTADO x I (k) x2 (k) y (k) = [ PI P2 Pn ] xq (k) xq+1 (k) xn (k) (7. .33) x = Tw (7. Estas submatrices se denominan bloques de Jordan.4 . .

por consiguiente.39) quedando.36) x = Tw la ecuación de estado se modifica de la forma: Tw(k + 1) = ATw(k) + B u(k) y premultiplicando por T.35) (7.7. Si.5.3 8 y 7. por ejemplo.l B U(z) (7. por tanto. 5 .1 B u(k) mientras que la ecuación de salida resulta: (7. definida por las Ecuaciones 7.37) w(k + 1) = T .44) .A] .40) (7. obteniéndose: (7.43) (Iz .42) (7.1 ATw(k) + T .39 una nueva representación del estado del sistema.34) (7.A)X(z) = BU(z) X(z) = [Iz . Partiendo.1 : (7. 7. Obtención d e la representación externa a partir del estado La representación externa por medio de la función de transferencia en z únicamente contempla los sistemas lineales invariantes con el tiempo. se tiene el sistema: x(k + 1) Ax(k) + B u(k) y(k) = Cx(k) + Du(k) y se realiza la transformación: (7.42 en X(z) : ::::} Ax(k) + B u(k) Cx(k) + Du(k) AX(z) + BU(z) CX(z) + DU(z) (7. OBTENCIÓN DE LA REPRESENTACIÓN EXTERNA A PARTIR DEL ESTADO 351 transformación lineal que da las componentes del vector respecto a la nueva base. de un sistema de este tipo: x(k + 1) y(k) zX(z) Vez) y resolviendo la Ecuación 7. Estas transformaciones se pueden utilizar para obtener diversas representaciones de estado de los sistemas.41) se toman transformadas en z.38) y(k) = CTw(k) + Du(k) (7.

Sistemas muestreados S istema discreto invariante equivalente Se pretende ahora deducir la representación de estado del sistema discreto equiva­ lente del conjunto bloqueador .Aj . mostrado en la Figura 7. como los valores propios de la matriz A son las soluciones de la ecuación: det (zI .352 = CAPíTULO 7.1 . que responda a las ecuaciones: Figura 7.49) (7.A) (7.1 : Sistema continuo multivariable. Supóngase un sistema continuo invariante con m entradas.A) = O (7. por tanto. resulta que el polinomio característico del sistema viene dado por dicho determinante: p(z) = det (zI . x(t) y(t) Ax(t) + B u(t) ex(t) + Du(t) (7. 1 . la matriz de funciones de transferencia viene dada por: [ ] (7.muestreador.43 queda: => Y(z) Y(z) ex(z) + DU(z) l = e [Iz .l B + D (7. MODELO DISCRETO DE ESTADO Sustituyendo en la ecuación de salida 7.46) Teniendo en cuenta que la inversa de (zI .47) Además.l es la adjunta de la transpuesta G(z) dividida por el determinante.6.B + D U(z) = y. 7.A) .sistema continuo . p salidas y n variables de estado.48) es decir. se tiene que dichos valores propios son los polos del sistema.45) e (zI . 7. las raíces del polinomio característico.A) .50) .6.

por provenir de bloqueadores de orden cero.51) X ¡ . se obtiene: (7.7. mientras que las salidas están muestreadas.49 viene dada por: x(t) = q>(t .kT) la Ecuación 7.52 se puede poner como: y.6 .2: Sistema discreto equivalente. tal como se indica en la Figura 7.kT)x(kT) + 8 (t .54) particularizando para el instante de muestreo t x [(k + l )T) (k + l)T.2. la resolución de la Ecuación de estado 7. la solución para dicho intervalo vendrá dada por: y x(t) haciendo: = q>(t - kT)x(kT) + = 8(t . En este caso.r)Bdr] u(kT) = (7. las entradas continuas al sistema. · · · . X2 . ltot q>(t .to )x(to ) + donde q>(t) es la matriz de transición. serán constantes en cada intervalo kT � t < (k + I)T. SISTEMAS MUESTREADOS 353 En este caso. = JkT q>(t .53) x(t) q>(t .55) q>(T)x(kT) + 8 (T)u(kT) .51 to = kT. Para el cálculo del sistema discreto equivalente se va a suponer ahora que las entradas al sistema continuo provienen de bloqueadores de orden cero. Por tanto.r)Bdr [t [1: q>(t . Xn Figura 7.r)Bu(r)dr (7. tomando en la Ecuación 7.52) (7.kT)u(kT) = (7.

60) En el caso de que el sistema de la Figura 7. MODELO DISCRETO DE ESTADO i=O 2.6.61) (7. existe una dependencia entre dichas matrices y el valor del período de muestreo elegido T. T) es la matriz de transición. basta tomar: t = . la matriz de sistema del equivalente discreto es: A eq y l a matriz d e entrada: = = <P(T) .54 y se obtiene: l(k+l)T <P [(k + l)T . 00 '"' A i 1" T' � 7. por tanto. si bien una vez elegido se mantendrá la invarianza en dicho comportamiento. pese a que por hipótesis el sistema es invariante y. = e AT = . como queda patente en las ecuaciones del sistema discreto equivalente. (7.58) definen el sistema discreto equivalente buscado. ) T (7.)Bd 'x 'x (7.354 CAPíTULO es decir. Esto significa que del comportamiento que se observe en dicho sistema va a depender la elección de dicho período de muestreo.59) en la Ecuación 7.62 ) entonces.1 sea variante con el tiempo. x(t) y(t) A(t)x(t) + B (t)u(t) C(t)x(t) + D (t)u(t) 8<P(t. verificando: = A(t)<P(t. O < .T] BdT kT 1T <P(T . todas sus matrices son constantes.XT + kT.55 junto con la ecuación de salida particularizada para el instante de muestreo: y(kT) = Cx(kT) + Du(kT) (7.X < 1 (7.57) Cabe destacar que.2. En el caso de querer conocer la salida en instantes intermedios a los de muestreo. si <P(t. responderá a unas ecuaciones de la forma: . T) 8t (7.56) = Beq 8(T) = La Ecuación 7.63) . S istemas variantes x [(k + 'x )T] = <P( 'xT)x(kT) + 8( 'xT )u(kT) (7. 7.

65) .67) Se consideran en este apartado los sistemas en cadena abierta con parte continua y parte discreta. SISTEMAS MUESTREADOS ' 355 la solución de la Ecuación de estado 7..3. kT] x(kT) + e [(k + l )T. tal como el que muestra la Figura 7.64) [(k + l )T. T)B(T)U(T)dT + (7. se sustituye la referencia temporal k T por el índice de la correspondiente secuencia k.70) . [(k + l)T.68) (7. kT] u(kT) A partir de ahora. la particularización de 7. Sistemas híbridos = C(kT)x(kT) = i(k+ l)T <P " kT : (7. 7. tomando to kT.3.69) 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. imponiendo la entrada constante en el intervalo [kT. kT] = = = <p = <p (t.6. Figura 7.66) + D (kT)u(kT) (7.3: Sistema con parte discreta y parte continua.62 para .7. igual que en el caso invariante. to)x(to) J{tat <p (t. con lo que se obtiene: x [(k + l ) T] donde La ecuación de salida del sistema discreto sérá. El sistema se compone de una parte discreta que responde a las ecuaciones: xD ( k + 1) w(k) = ADx[j ( k ) + BDU(k) CDXD (k) + D DU (k) (7.6.2 se obtiene igual que en el caso inva­ riante. T] B (T)dT (7. en los sistemas muestreados.61 viene dada por: x(t) El sistema discreto equivalente de la Figura 7.el instante de muestreo: y(kT) e [(k + l) T. (k + l )T] Y particularizando para t (k + l )T.

[ Ce DeCD ] x(k) .77) 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 ) } . con lo que se puede sustituir 7. están íntimamente relacionados. 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 7.75 se pueden agrupar como: [ xD (k) ] xc (k) (7.71) Ahora bien. Tal como se ha visto anteriormente.72) (7.74) (7.l r(k) . así como el equivalente discreto dado por 7. es posible encontrar el sistema discreto equivalente a la parte continua.DeDDU(k) = (7.356 CAPÍTULO 7.4.72 y 7.69 en 7.68 y 7. ya que las salidas de uno son las entradas del otro.69.73) xc [(k + 1)] = Aeq (T)xc (k) + Beq (T)CDXD (k) + Beq (T)DDU(k) y(k) = (7. S istemas híbridos realimentados y(k) = [ Ce DeCD ] x(k) + DeDDU(k) (7.75 se puede expresar como: ] x(k) [ BeqDD ] u(k) BD + (7.72 y 7.[ Ce DeCD ] x(k) (7.79) [1 + DeDD] U(k) r(k) .80) u(k) = [1 + DeDD] .75) Cexc (k) + DeCDXD (k) + DeDDU(k) = Para representar de una manera conjunta todo el sistema.[1 + DeDD].73.l [ ? e DeCD ] x(k) . que viene dado por: yc (t) = Cexc (t) + Dew(t) (7.74 y 7.4.y(k) r(k) .73: xe [(k + 1)] = Aeqxc (k) + Beq (T)w(k) yc (k) = Cexe (k) + Dew(k) (7. El sistema híbrido del apartado anterior se realimenta como se observa en la Figura = = u(k) agrupando: y despejando: r(k) .78) Al incluir dicha realimentación en las ecuaciones de estado del sistema conjunto quedan como: 7.76) x(k + 1) [ AOeq BeqCD AD y la Ecuación de salida 7. el sistema discreto dado por las Ecuaciones 7.6.

77. Ej ercicios resueltos Dado el sistema de la figura: obtener los modelos de estado en variables de fase y en variables de Jordan.5 0. sustituyendo esta expresión en las Ecuaciones 7.0.5 2 . por la frecuencia con que aparece. Un caso simplificado. es cuando en el sistema continuo la entrada no tiene influencia directa sobre la salida.81) (7. 1. pero importante.1 z + 0.5 z + 0.4: Sistema híbrido realimentado. esto es.5z z .[ Ce O ] x(k) BeqC D AD ] x(k) [ BeqDD ] r(k) BD = + (7.77 y 7. En ambos casos será necesario obtener la función de transferencia del sistema dis­ creto: Y(z) U(z) 1.= �----- 0. cuando De = O. 7.82) [ Ce O ] x(k) (7. EJERCICIOS RESUELTOS 357 Figura 7.5 �------------.0.0. En este caso la Ecuación 7.5 0.5z . sustituyendo en 7.79 queda de la forma: con lo que. 83) 7 .78 .5 2 . con lo que.7. se obtiene la nueva ecuación de estado: x(k mientras que la ecuación de salida queda de la forma: y(k) + 1 ) [ Aeq -BBeqDD Ce D Ce = u(k) = r(k) .5 z 1 + _1-_� z 1 z + 0.7. se obtienen las nuevas ecuaciones del estado y de salida del sistema realimentado.

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) .358 a) CAPíTULO Variables de fase 7.5w(k + 1) = u(k) w(k + 1) w(k + 2) = xl (k + 1) = x2 (k) se obtiene que: xl (k + 1) = x2 (k) xl (k + 2) = x2 (k + 1) ecuaciones que.0.5Xl (k) ::::} X 1 (k) [ 0 . z 2 . MODELO DISCRETO DE ESTADO Se elige como variable auxiliar: y se eligen como variables de estado: W(z) = z 2 U(z) . expresadas en forma matricial.0.5X 2 (k) = u(k) x2 (k + 1) = 0. 5 z U(z) = 0.5w(k) = 0.0.5W(z) 0. teniendo en cuenta que los polos del sistema son: . quedan: + siendo la ecuación de salida: ( k) [ xxl2 (k + 11)) ] [ °0 0. 5 0 ] x2 (k) [ ] Partiendo de la función de transferencia y.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.0.� .5W(z) = U(z) ::::} w(k + 2) .

0.0.5 ] [ xx2I (k) ] + [ 1 ] u(k) 1 x2 (k + 1) .0.� : Z PI .5PI + P2 = = ::::} ::::} P2 PI = .7.1 P2 = 1 ecuaciones que escritas en forma matricial quedan: y X1 (z) = U(Z) Z U(Z) X2 (Z) = z .= z z .7. . 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 = la salida se puede expresar como: 0 (k) (k + 1) [ xx2I (k + 1) ] [ °0 0.1 1 ] x2 (k) 4 [ ] y (t ) Z.0.5z Z de donde se obtiene: { °0.5 2 .5 PI-0.5z ::::} Si se eligen como variables de estado: PI = .5X2 (k) = u(k) x I (k + 1) = u(k) que expresada en forma matricial queda: 2.:----'---=- 0.0.5 ::::} --'--'---.+ -.5PI + P2 Z z 2 . EJERCICIOS RESUELTOS 359 se puede realizar la descomposición en fracciones simples: Y(z) U(Z) -.0.l Se pide: a) Obtener el modelo de estado del regulador.

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

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

Para analizar la estabilidad.1 4(1--e-T) 1z -'------='---:-. ( 1 .T )z .Z-l ) " L. (1 . se puede dibujar el lugar de las raíces.1 e .e.(1 e .4 e .T )z = z 2 (3 . e z --1 4(1 --e--TT ) = � z.. MODELO DISCRETO DE ESTADO Para estudiar el rango de valores de T que hacen estable al sistema realimen­ tado.J Res L...epTz .z z 2 . lo que no garantiza la estabilidad del sistema si las raíces son reales.T )z e . lo más sencillo es partir de la función de transferencia: • Del regulador: • • R (z) Del sistema continuo: Del sistema muestreado: B G(z ) = z = -1 zG(8) = 8 4 1 Polos 4 1 (p + 1) 1 .l eT 4 (1 .Tz .l .Z .z1 .T I < 1 el producto de las raíces siempre es menor que uno.362 e) CAPÍTULO 7. + ( [ � Res 1 G(p) pT Z .e-Tz.1 p 1 4 1 (1 .e-Tz.z .l p 1-e = = ]= Por lo que la función de transferencia del sistema en cadena cerrada es: Como l e .1 0.l ) 4 1 .1 + Z .T = 1+ O + + + + + O O � .1 ) 4 1 + -1 1 .T )z e .l ) ".1 l .T (4 .e-Tz..5e .J -.. .

A) ( l .4 . EJERCICIOS RESUELTOS 363 El sistema es inestable cuando alguna de las ramas abandone el círculo unidad.4 e .10 =} { Al2 = -1.3315 ° =[ > =} 2 + 2 e-T < 4 .0041 A = -0.. Sus raíces son los valores propios de la matriz A y los polos del sistema.0987.T = ¡A .5e-TA + 4A + A 2 + 4 .333 - �1 i -T ] . A la misma conclusión se puede llegar analizando la matriz del sistema reali­ mentado: 5e -4 4.7. lo que ocurre para z = -1.A) + 4 .4229 y Si T = 1.7. La KLDR para ese punto es: por lo que el sistema es inestable si: KLDR = 2(1 + e-T) 4(1 .4 .e-T ) < por lo que el sistema es inestable si T 1. por ejemplo: Al = -0.8273 Si T = 1.5e-T ) A + e-T = que coincide con la ecuación obtenida anteriormente.e A cuyo polinomio característico es: (5e-T .4e-T = A 2 + (3 .4e-T =} 6e-T < 2 =} e-T < 0. Así.U¡ 5e-T .A .05 =} { A2 = -0.

.

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

366 CAPÍTULO 8. ko).2. 8.3) Del mismo modo. ko)xo = (8. ko) = A(k)<I>(k. ko) = I = <I>(ko. Verifica la ecuación homogénea Sustituyendo 8. Identidad (8.8) (8. hecho establecido por hipótesis. la entrada se supone nula en todo instante.9) <I>(ko. como se vio en el capítulo anterior. la solución formulada con la ecuación anterior debe adoptar la forma: (8. ko)xo = A(k)<I>(k. ko)xo. k)x(k) Como esta expresión se ha de cumplir para todo estado inicial Xo. como ya se vio: x(k) = <I>(xo . se define como matriz de transición . se puede establecer que: <I>(k + 1. debe ser forzosamente: (8. u(>. si se tiene en cuenta que la ecuación es lineal.5 en la Ecuación 8. La (8. x(k) = <I>(k. 2. ko).2 se tiene: Expresión que coincide con 8.7) Propiedades de la matriz de transición Dado que la Ecuación 8. k.) .4) x(k) = <I>(xo.5 se verifica para todo k se ha de cumplir también para ko. SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO y considerando que inicialmente el estado se encuentra en un estado Xo solución general de la ecuación discreta de estado es. ko). comprobándose por lo tanto que la matriz de tran­ sición verifica la ecuación homogénea. = x( ko). k.6) <I>(k + 1. la ecuación anterior queda: (8. ko) (8. Transitividad El estado para una determinada muestra m 2: k se puede obtener como: x(m) <I>(m.5) La matriz <I>(k.10) . 1. es decir: Xo 3. por lo tanto.3. Teniendo en cuenta que se trata de la solución de la ecuación homogénea y que. ko)xo Como esta expresión se cumple para cualquier valor de Xo.

con k � m. k)x(k) 4. utilizando 8. k) <P(m.16) Y con lo que. 15) Asimismo. se puede calcular su valor para una muestra posterior l 2:: m como: DE LA MATRIZ DE TRANSICIÓN 367 x(l) = <P(l. partiendo del estado x(m). al hacer la composición de ambas expresiones. m)<P(m. k)x(k) x(l) = <P(l. 17) Como esto se ha de cumplir para cualquier estado. m)<P(m.2. m)<P(m. Método iterat ivo Partiendo de la Ecuación 8. k)x(k) =? (8.l (8. 13) (8.19) . se debe cumplir entonces: <P(l. 1 1) y componiendo las dos expresiones: x(l) = <P(I. 18) 8. particularizada para la muestra inicial ka: x(ka + 1) = A(ka)x(ka) (8. k) = <P(k. x(m)).12) Pero también se puede calcular este último estado partiendo del inicial x( k) me­ diante la expresión: (8. por 8. de entre los cuales se pasan a detallar los más significativos a continuación.5 se cumple que: (8. se verifica que: 1 = <P(k. Cálculo de la matriz de transición Existen diferentes métodos para calcular la matriz de transición. k )x(k) (8. 1 . m)<P(m.2 es posible calcular x(k) a partir de x( k + 1) generalizando: x(k) = <P(k.4. 14) Como esto es cierto para cualquier estado inicial y final. CÁLCULO Asimismo. k) = <P(l.8. m)x(m) (8. m)x(m) (8. 8 .4. resulta: x(k) = <P(k. si la matriz A(k) es invertible. Inversión Dado un par de valores del estado (x(k) .4. m) . k) x(m) = <P(m.

xn (ko ) son linealmente independientes. a 2 . ka) (a l x l (ko ) + a 2 x 2 (ko ) + . 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 .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. de suponer que existe una tupla de números a l . entonces también lo son x l (k) . + a n x n (k) O <T>(k.4. es decir. x (k).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. = A(ko l)A(ko)x(ko ) (8. an =1. x2 (k) . A(ko + l )A(ko)x(ko ) + . expresadas por el superíndice: X l (k) x 2 (k) <T>(k. .l)A(k - x(k) = A ( k . X2 (ko ) . se le denomina conjunto fundamental de soluciones. x2 (k) . . ko) + k .l )A(k .24) (8. . . .368 CAPÍTULO 8 . lo e s asimismo la matriz de transición <I>(k. . . .25) como: = == .ka 2) · . suponiendo que A(k) es invertible para cualquier valor de k. xn (k) un conjunto de soluciones de la ecuación homogénea para distintas condiciones iniciales. sea x l (k) .20) (8. Método de la matriz fundamental de soluciones y Partiendo de la Ecuación homogénea 8.21) (8.n. + an x n (ko)) (8. La demostración de que si para cualquier valor de k.2. . .2. .2) · · · A(ko l)A(ko ) por lo que en el caso de que el sistema sea además invariante: <T>(k. a l x l (k) + a 2 x 2 (k) + . ko) = A por lo tantol: <T>(k. .22) 8. se refiere a continuación: Se parte de la hipótesis contraria. . A(k) es invertible los esta­ dos x l (ko ) . ka ) . propiedad que ha sido aludida sin demostración anteriormente. kO)x2 (ko ) (8. . . . . .

8.4.

CÁLCULO

DE

LA MATRIZ

DE

TRANSICIÓN

369

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

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

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

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

=

=

(8.27)

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

=

(8.29)

Dado el sistema :

se toman como valores iniciales:
y y

(k + 1) [ XXl2 (k + 1) ] [ �

k+1 1

(k) ] [ xXl2 (k) ]

entonces: a partir de

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

x2 (O) se obtiene la secuencia :

o>

[ ti) 1
k(k

370
con lo que:
y

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

X(k)
dado q ue:

=

X(O) 1
=

[�

k(k 1)

i

1

entonces es:

8.4.3.

Método de diagonalización de Jordan

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

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

=

(8.30)

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

TJ k - ka T - 1

(8 . 32)

Método de Cayley- Hamilton

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

la expresión:

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

=

(8.35)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

371

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

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

(8.36)

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

se cumple entonces que:

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

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

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

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

I

A=Ai

=

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

I

A=Ai

(8.41 )

Dado el sistema cuya matriz A es:

entonces su ecuación característica es:

y por tanto:

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

372

CAPÍTULO 8 . SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

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

con lo que:
y

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


1

8 .4 . 5 .

Método d e l a matriz resolvente

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

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

(8.42)

ct>(k, O)

Ak

(8.43)

Dada esta expresión se comprueba que se cumple:

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

(8.44)

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

(8.45)

8.4.

CÁLCULO DE LA MATRlZ DE TRANSICIÓN

373

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

sión inicial menos la multiplicada queda:

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

de donde resulta inmediato:
Ejemplo 8 . 3

(8.48)

y antitransformando:

Dada la matriz:

se calcula la matriz resolvente como:
y

A = [ _ l� z [ 10

�] � ]}

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

Hallando la antitransformada de cada término:

Ak = fZ -1 { Z 2 _ :z + 1O [ z_� ;

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

-1 z-7 ]

3 74

CAPÍTULO

Por lo que la matriz de transición queda:

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

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

+

]

8.5.

S olución de la ecuación completa

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

+ 1)

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

=

A(k)x(k)

+ B ( k )u( k)

(8.49)

x(k)

=

cJI (k, ko )x(ko )

+

k- l

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

(8.50)

Comprobación para k

x(ko )

=

ko
=

cJI (ko , ko )x(ko )

+

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

0=

x(ko )

(8.51)

=

1)

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

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

[

+

+ A(k)

¡�

'P (k, 1

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

k- l

l= ko

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

1

=

8.6. EJERCICIOS RESUELTOS

375

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

l=ko

k- l

,

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

l=k

k

...

1

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

término es una convolución, queda:

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

(8.54)
que el segundo

fZ'

=

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

[A k x(O)]

+ fZ'

[� A k - l -1 B U (l) l

(8.55)

8.6.

Ej ercicios resueltos

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

obtener las tres primeras muestras del estado
y

de la salida cuando la entrada es:

el estado inicial es:

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

[�]

376

CAPÍTULO

8.

SOLUCIÓN DE LA ECUACIÓN DISCRETA DE ESTADO

La evolución del estado viene dada por la expresión:

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

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

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

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

o:
x(l) =

para k = 2:

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

1:

x(O) =

[�]

x(2)

Con lo que la secuencia de estados queda:

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

{ [ � ] , [ - ; ] , [ -1� ] }

-4 . 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: .8.5 + 3 = -4 y (2) = 4 + 10 + 3 = 17 {y ( k)} = { 7.6.

.

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

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

l + 1)B(l)BT (1)<l>T (k1 . a su vez. 1 + 1) (9. la matriz <l>(k. • Condición suficiente Si la matriz W(k 1 . l + 1)B(l)BT (l)<l>T (k1 .4) W(k 1 .9. ya que: x(k¡ ) k1 . ka) depende únicamente de la matriz A(k). 1 + l)B(l)u(l) (9. ka) es no singular. l 1 :L <l>(kl . debe existir un vector v no nulo tal que: k - por tanto: l=ko l 1 L vT<l>(kl . ka) = es no singular.7) • Condición necesaria Si W (k l .8) . para un estado final X l cualquiera existe una entrada: (9.1 l=ko L <l>(k1 . ka) y B(k) . 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 . CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES 381 La controlabilidad del sistema depende entonces exclusivamente de las matrices <l>(k. se puede establecer que la controlabilidad depende de A(k) y B(k). ka) es singular.5) La demostración de este criterio sigue los mismos pasos que la del criterio análogo formulado para los sistemas continuos.2. 1 + l)v = O vTW(k1 .6) que transfiere al sistema desde el estado inicial nulo al estado X l en k1 muestras. ka)v = O (9. 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. como.

Al igual que en el caso continuo. es imprescin­ dible que Q tenga n vectores columna linealmente independientes.1 se cumple: Así pues. por lo tanto el sistema no es controlable. para cualquier entrada U(k): vTq.12) es de rango n.l l= ko L q. o B son de coeficientes complejos para que la expresión 9. • Condición necesaria La prueba consiste en demostrar que si el par (A.9 se siga verificando. hay que tomar en 9. l + l)B(l)u(l) = vTx(k1 ) = O (9. 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 . B) es controlable. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que para ka ::. (k l . l ::.1 l= ko L q.11) (9.3. l + l)B(l) = O (9.(k1 . si las matrices q. por lo que no se pueden alcanzar todos los puntos del espacio de estado. sea cual sea el valor que alcance el estado. l + l)Bu(l) = .382 CAPÍTULO 9.9) vT kl . Al igual que en sistemas continuos.(k.5 las matrices conjugadas de las transpuestas en lugar de las transpuestas. Suponiendo que se parte de un estado inicial nulo: x(k) = k. la demostración de este criterio pasa por probar que es necesaria y suficiente. k1 . 9. Dado el sistema discreto de dimensión n cuya ecuación de estado se expresa como: es controlable s i y sólo s i la matriz de controlabilidad definida como: x(k + 1) = Ax(k) + Bu(k) (9. existe un vector respecto al cual siempre es ortogonal. 10) Lo que supone que.

3 .1) (9.2) + Bu(k .kO . se condiciona la controlabilidad a disponer del número de elementos de la secuencia de entrada necesarios para conseguir alcanzar el estado deseado. . Si no se pueden al­ canzar todos los puntos del espacio de estado. + ABu(n .2) + Bu(n . En estos últimos. con independencia del tiempo disponible para transferir el estado desde su valor inicial al final. · · · . es evidente que. u(n . Éste es uno de los puntos fundamentales de diferencia entre el comportamiento de los sistemas discretos respecto a los sistemas continuos. u(ko + 1) .16) tenga rango n. .1)}. es imposi­ ble alcanzar cualquier punto del espacio de estado si no existen al menos n vectores columna linealmente independientes dentro de dicha matriz. el sistema es 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. · + ABu(k . • La demostración de esta condición de suficiencia es inmediata. por definición. y al igual que sucede en el caso de sistemas continuos. el sistema no es controlable.13) y teniendo en cuenta el teorema de Cayley-Hamilton: (9. es posible elegir la secuencia de entrada {u(ko) . mientras que.1 Bu(ko ) + A k . Este mínimo de elementos de la secuencia de entrada será el menor i que verifique que la matriz: (9.1) (9. Este número de elementos de la secuencia de entrada es finito para cualquier sistema controlable. 15) y suponiendo que en la matriz Q existen n vectores columna linealmente indepen­ dientes. . en el caso discreto. por lo tanto. al hecho de que el sistema sea o no controlable.2 Bu(ko + 1) + . Como puede observarse.9. se puede observar fácilmente que la dimensión del subespacio controlable (cuya definición coincide . para que e l estado en e l elemento de l a secuencia k + n tome cualquier valor dentro del espacio de estado.l Bu(ko) + An . Subespacio controlable De la demostración. por debajo del cual no se puede garantizar la transferencia entre los valores del estado. CONTROLABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES = 383 Ak . pero tiene un mínimo. puesto que partiendo de la expresión: Condición suficiente = x(ko + n) An . hay que añadir el número de elementos de la secuencia de entrada para el que puede alcanzarse el estado deseado.kO -2 Bu(ko + 1 ) + .

es decir. se obtiene también como el número de columnas linealmente independientes de la matriz Q.384 CAPÍTULO 9.1 l= ko L C(kd<'J?(k1 . se establece el criterio: Dado el sistema discreto lineal de dimensión n definido por las ecuaciones: entonces la salida es controlable en [ko. y(kd = k1 . igual que en casos anteriores. 17) (9.3 del estado en función de la entrada. al ser una propiedad intrínseca del sistema. l + 1 ) CT (k1 ) (9. kl . 18) Wc (k 1 . en el caso de sistemas discretos lineales. l + l)B(l)BT (l)<'J?T (kl . 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. ko ) = es no singular. la controlabilidad de la salida de estos últimos sigue manteniendo una clara semejanza con la estudiada para los sistemas continuos. l + l ) CT (kd (9. Controlabilidad d e l a salida Al igual que viene ocurriendo con el estudio de otras propiedades de los sistemas con­ tinuos y discretos. Si alguna de las matrices del sistema es de coeficientes complejos.19) Para realizar la demostración de la efectividad de este criterio. y dada la evidente dualidad entre las conclusiones obtenidas en el estudio de los sistemas discretos en relación con los continuos. suponiendo que se parte de salida inicial nula: y comparar esta expresión con la Ecuación 9. 9. se puede establecer que el subespacio controlable atiende en ambos casos al mismo comportamiento. tanto en la forma de la obtención de su base como en su invarianza ante transformaciones en la representación del estado. 19 hay que tomar las matrices conjugadas de las transpuestas en lugar de las transpuestas. De otra parte. basta con expresar la salida en función de la entrada.4. l + 1)B(l)BT (l)<'J?T (k1 . el criterio para estudiar la controlabilidad de la salida se formula exactamente igual a como se hace para el caso continuo: . en la Ecuación 9.20) Caso lineal e invariante En el caso de que el sistema discreto sea lineal e invariante.1 l= ko L C(kd<'J?(k1 . como el rango de dicha matriz. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO asimismo con la del caso continuo) . Así.

Al igual que en sistemas éoÍlÜnuos.21) Para demostrar este criterio. CAB. conocidas sus ecuaciones. permite determinar el estado inicial Xo de índice ko . en sistemas con varias salidas. Teniendo en cuenta que el estado define el comportamiento del sistema. para todo índice inicial ko . k l ] si el conocimiento de las secuencias de entrada u(k) y de salida y(k). El concepto de observabilidad en 'sistemas discretos viene determinado por las siguien­ tes definiciones: ' " > o bservabilidad Se dice que un punto del espacio de estado de un sistema discreto es observable en [ko . determinar cuáles son ' las variables de estado que no influyen sobre '' la salida. exist'e un índice k1 finito tal que el conocimiento de las secuencias de entrada u( k) y de salida y( k). 9. por una parte. . .15 se obtiene la salida en función de las matrices CB. 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. el objetivo será conoc. para ko ::. k ::. permite determinar . El análisis de observabilidad de sistemas discretos tiene los mismos objetivos que en sistemas continuos.9. los otros dos puntos de interés en este análisis serán. CA n .5. entonces la salida es controlable si si la matriz definida como: y sólo es de rango p. Dado que la evolución del sistem. determinar cuáÍes de'. Qc = [ CB CAB CA 2 B (9. por otra.' l sistema. el estado inicial Xo de índice ko . ellas son necesarias para deducir el estado del ' . k ::. basta con tener en cuenta que multiplicando por la izquierda por la matriz' C las Ecuaciones 9.14 y 9.l B.er ' en qué sistemas es posible determinar su estado inicial a partir de su entrada y su sali d� . La observabilidad de un punto en cualquier instante como: Se dice que un punto del espacio de estado de un sistema discreto Xo es observa­ ble si. para ko ::. pero que en muchas ocasiones resulta inaccesible. no determinables pués me(Ii�tJ �I conocimiento de ésta. depende del estado inicial y de la entrada.a. se plantea como problema el calcular éste a partir del conocimiento del comportamiento externo del sistema. .5. k l . ' " . k l . y.

por tanto.D(k)u(k) (9. de hecho se puede demostrar que la posibilidad de conocer el estado a partir de la entrada y de la salida es independiente de cuál sea la entrada. ko)xo (ko ) + k-l l=ko k-l (9. Observabilidad e n sistemas discretos lineales Para determinar bajo qué condiciones se puede obtener el estado inicial. ante entrada nula: = C (k) cp (k. se parte de la ecuación de la salida: con: y(k) = C (k)x(k) + D(k)u(k) x(k) = cp (k. una entrada nula. función de las matrices A y C.26) y para todo índice k: (9. pues. para realizar el estudio. l + l)B(l)u(l) . asimismo. La observabilidad del sistema vuelve a depender. cuando l a matriz C sea d e dimensión n x n y no singular Vk. 9. por lo que por comodidad se puede elegir. l + l)B(l)u(l) (9.1 y(k) (9. la observabilidad será. este análisis se puede reducir al caso de entrada nula.6. k 1 l y de observabilidad del sistema cuando todos los puntos del espacio de estado lo son.25) (9. ya que conocidas la entrada y la salida se puede formar una nueva salida que cumpla: y (k) y(k) . estos conceptos se extienden a los de observa­ bilidad del sistema discreto en [ko .23) Al igual que en los sistemas continuos.C (k) Estas dos salidas coinciden si la entrada en el intervalo considerado es nula. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Como en todos los casos anteriores. ya que entonces. conociendo las secuencias de entrada y salida. ko)xo (ko) l=ko L cp (k. únicamente de las matri­ ces cP y C.27) El caso general de observabilidad se puede determinar por el siguiente criterio: . E l caso trivial d e observabilidad será.24) y si C es no singular para un determinado ks : x(k) = C .22) L cp (k.386 CAPÍTULO 9.

32) y por lo tanto: k1 l=ko L x6 cI> T (l. ko)xo C� . l=ko L cI> T (l . hay que probar que es necesario y suficiente: • La prueba de que el cumplimiento del criterio es condición suficiente es inmediata. ko)xo L II C (l) cI> (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. ko) es singular. lo que es lo mismo. ko ) L cI>T (l.¡. ko)xo l 1 2 O l=ko y puesto que es un sumatorio de términos mayores o iguales que cero Vl. 3 0) Para demostrar la validez de este criterio.28) (9.34) su evolución ante entrada nula. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES Dado un sistema discreto lineal con una representación de estado: 387 x(k + 1) y(k) entonces es observable en [ko . ko � l � k1 : = kl = (9. kO)C T (l) C (l) cI> (l .35) C (l) cI> (l . entonces: l=ko Condición suficiente k1 L cI>T (l . ko)CT (l)y(l) k1 l= ko V(k 1 .9. partiendo del estado inicial Xo .1 (kl . pues si la matriz V(k1 . kO)C T (l)y(l) Xo y por lo tanto: • La prueba de que es también condición necesaria parte de que V (k 1 . ko) Xo ) (9.( 1 . ko) es invertible. la evolución libre del sistema. es también nula. .33) Condición necesaria = V. por lo que existe un vector Xo distinto de cero que verifica: X6V(k 1 .29) sólo si la matriz denominada gramiano de V(k 1 . ko)xo = O (9. 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)C T (l) C (l) cI> (l . ko)xo = O o.¡. ko) kl (9.6. ko) = es no singular.T (1 .3 1 ) (9. ko) C T (I)e( l).

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

aunque dicha representación se vea sometida a una transformación lineal. OBSERVABILIDAD EN SISTEMAS DISCRETOS LINEALES INVARIANTES 389 P es n. entonces de: y(ko ) y(ko + 1 ) y(ko + n . De esta forma se garantiza que. " . a que dicho sub espacio está generado por el núcleo de la aplicación definida por la matriz P. ko + n . . la observabilidad es una propiedad in­ trínseca del sistema. entonces: (9. determinar cuál es el estado xo .n� l para todo índice l la matriz CAl es Como combinación lineal de (C.41) = (9. al igual que para los sistemas continuos.7.39. La observabilidad del sistema también está condicionada al número de elementos de la secuencia de salida disponibles.40) y. existe un vector Xo no nulo que cumple: PXo O Condición necesaria ecuación que. cuya dimensión será por tanto n . indica que el vector de salida es nulo para (ko . r. Como sucede también en el caso continuo. Xo será no-observable.9. . Si se define el subespacio no-observable como el conjunto de puntos no-observables.39) se pueden seleccionar n ecuaciones linealmente independientes y.42) sea de rango n.1 ) . . CA. • Si la matriz P es de rango menor que n.donde es el rango de P. . r . 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. se llega. . por tanto. la observabilidad del sistema seguirá siendo la misma. al compararla con las Ecuaciones 9. ko + 1 . CA ) . a partir de ellas.1 ) CXo CAxo (9.

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

ya que las dos matrices: p= [ � � ] x(t) + con representación de estado en variables de fase: .8. En cambio. particularizadas para el período de muestreo T = 2: . 1 CONTROLABILIDAD y OBSERVABILIDAD EN SISTEMAS MUESTREADOS 391 Dado el sistema continuo: G(s) _ [ _�2 � ] x(t) [ � ] U(t) [ W O ] x(t) y(t) es controlable y observable. que el sistema discreto equivalente no será ni controlable ni observable. tiene como matrices de sistema y entrada : <f> (T) y por tanto: cos sin wT [ -w sinwT wcos wT ] wT T 9 (T) = { <f> (T _ >')B d>' = [ �2 -: cos wT) ] � sm wT Jo que. Ejemplo 9 .S2 w W2 + son de rango dos. toman los valores: 9 (T) [ � ] <f> (T) = � � ] [ (1 = es decir. Q= [ � � ] p= [ � � ] .9. el sistema discreto equivalente: x(k + 1 ) y(t) <f> (T)x(k) + 9 (k)u(k) C (T)x(k) 1.

2. B y C.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) = = (9.43) (9. Obviamente los objetivos de diseño serán distintos. ya que los valores propios que se buscan estarán en una región distinta de diseño dentro del círculo unidad. 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. dado un sistema discreto en su representación de estado. 45) (9. definido por sus matrices A. Igual que en los sistemas continuos se cumple que: x(k + 1) y(k) Ax(k) + Bu(k) Cx(k) (9. por motivos cuyo estudio se aborda en otros textos. determinando los valores adecuados de la matriz K.2: Sistema discreto con realimentación del estado.47) Bajo las condiciones adecuadas de controlabilidad del sistema. también la dinámica del sistema viene determinada por: Ar A + BK (9. .9. Tal y como se ve en la Figura 9. {v(k) } { y (k) } Figura 9. CAPÍTULO 9.46) por tanto. también se podrán fijar aquí los valores propios de la matriz Ar . el objetivo es diseñar una matriz de realimentación constante K. de modo que el sistema total cumpla los objetivos de diseño planteados.392 9.

1 (9. 9. este vector se realimenta se compara con un vector de referencias. diseñar la correspondiente matriz de realimentación K para dicho sistema . 10.49) son las mismas que en sistemas continuos. La configuración del sistema suele ser la que se indica en la Figura 9. y y (t) Computador I nterfase Sistema continuo Figura 9.3. SISTEMAS MUESTREADOS DE CONTROL 393 Teniendo en cuenta que tanto la matriz de controlabilidad: Q = [ B AB A2 � como la de observabilidad: p= C CA CA 2 CAn .9. El diseño se puede enfocar de dos maneras. Sistemas muestreados de control El caso que se plantea aquí es el común de los sistemas actuales de control.3: Sistema muestreado con realimentación del estado. se multiplica por la matriz de constantes K. las matrices de transformación y toda la metodología estudiada para aquellos sistemas es válida para el diseño de sistemas discre­ tos. obteniéndose la secuencia discreta {x( k) } .48) (9. la diferencia se lleva mediante un bloqueador normalmente de orden cero. por naturaleza discreto. 10. convertidor digital-analógico. en el que se pretende controlar un sistema continuo mediante el uso de un computador. Se puede considerar todo el sistema como continuo. a las variables de actuación del sistema u(t) . el conjunto de variables de estado x(t) se muestrea con un período T mediante un convertidor analógico-digital.

50) (9..4: Sistema muestreado con tiempo de cálculo nulo. como es sabido. se pueden asignar libremente los polos del sistema.52) en el que. 4. cabe dentro de lo posible que en algún sistema con período de muestreo muy bajo sea necesaria su consideración. con el fin de calcular un equivalente discreto de esta matriz.394 CAPíTULO 9. ya que. si el sistema (�(T) . . cualquier método de discretización da como resultado la misma matriz K . reflejado en la Figura 9 . para hacer luego el diseño como sistema discreto. únicamente es aproximado pues tanto en el proceso de muestreo como en el de reconstrucción hay siempre una pérdida de información.6. e {y(k) } Figura 9. como es sabido.51) y realimentando mediante la matriz K de constantes se llega al sistema: = � (T)x(k) + 8 (T)v(k) + 8 (T)Kx(k) (�(T) + 8(T)K) x(k) + 8v(k) (9.8 (T)K I (9. Este enfoque. El otro enfoque del problema es calcular un equivalente discreto del sistema continuo.�--. 8 (T)) es controlable. 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. Este caso es inmediato.53) Aunque con los sistemas actuales de cómputo lo normal sea despreciar el tiempo de cálculo. {v(k) } r. operación exacta sin pérdida de información. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO continuo.�(T) . Discretizando se obtiene el sistema: x(k + 1 ) u(k) x(k + 1) � (T)x(k) + 8 (T)u(k) v(k) + Kx(k) = (9. p(A) = I AI . como la matriz K es constante.

9. el sub­ sistema controlable del sistema con retardo contiene al menos al sistema primitivo.55) que coincide en sus primeras filas con la matriz de controlabilidad Q del sistema [<I> (T) .56) (9. 5: Sistema muestreado con tiempo de cálculo no nulo. 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. Se puede sacar como conclusión que si el sistema sin retardo era controlable. es de la (9. donde el tiempo de cálculo se representa mediante un retraso Z . En este caso el esquema es equivalente al de la Figura 9.l . dedicando el tiempo entre muestra muestra para calcular la siguiente actuación sobre el sistema.5.9.54) 8 = 8 (T) . {v (k) } �___ {y(k) } {w(k) } Figura 9 . equivalente a actuar sobre el sistema obtener sus medidas en el instante de muestreo.57) . 8(T)] .10. utilizando la notación forma: ] = [ <I> (T) OO ] [ w(k) ] + [ 8 O(T) ] u(k) X(k) 1 <1> = <I>(T) y (9. SISTEMAS MUESTREADOS DE CONTROL y 395 y La suposición más sencilla es considerar un tiempo de cálculo igual al período de muestreo.5) Las ecuaciones de este nuevo sistema antes de realimentar (parte derecha de la Figura serían de la forma: [ x(k + 1) n w(k + 1 ) La matriz de controlabilidad.

dado que: x(t) = el> (t. como se muestra en la Figura 9. con O ::.A)T) = el>(T) } ==} w(k) = x(k) 8 ( ( 1 A)T) = 8(T) (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 . I I y y(t) Figura 9. mediante la adecuada elección de la matriz K. considerando u(k) x(k) en el instante de actuación w(k) en el de muestreo . y ] (9.396 CAPÍTULO 9. A ::.60) (9.6.58) {v(k) } {u(k) } . se pueden ajustar los valores propios del sistema. to)x(to) + se obtiene que: x(k + 1) w(k + 1 ) ¡ t el> (t. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO y(k) = [ e o x(k) 1 w(k) [ en el que.61) por lo que el nuevo sistema antes de realimentar (parte derecha de la Figura 9.A)T) u(k) (9.62) (9.59 ) el> (T)X(k) + 8 (T)u(k) x ( (k + 1)T .63) . Aunque este retardo se produce en la parte discreta del sistema. En este caso. a la hora de su estudio puede resultar algo más sencillo considerar que el retardo se produce en la parte continua. 1 . T)Bu(T)dT it o (9. En el caso más general se puede estudiar el comportamiento del sistema considerando un tiempo de cálculo AT.A)T) x(k) + 8 ((1 .6: Sistema con retardo no múltiplo entero del tiempo de muestreo.AT) = el> ( (1 .

. de dimensión es con­ trolable. utilizando como notación <I>).11. = 1 � e ((l = y {I <I> ( (1 . .>')T) e ( ( l .. partiendo del estado inicial x(O) = [1 I V .64) e). Vuelve a suceder aquí que si el sistema sin retardo..11. Determinar igualmente si. Dado un sistema discreto definido por las ecuaciones: [ Xx2l (k + 1l)) ] (k + [ 0.2 e (9. la dimensión del subespacio del sistema con retardo es al menos conteniendo al sistema original.>')T) . e <I>). <I> e . <I> n . = e ( ( l .. <I>).>')T) = 1O } � w(k + l ) = x(k) >')T) <I>e <I> 2 e . En este caso la realimentación es también: n. <I> n.l e <I>). La matriz de controlabilidad en este caso. coincidiendo también en sus primeras filas con la matriz de controlabilidad del sistema sin retardo. )T) es de la forma: Q= e [ e)..65) n.5 O x 2 (k) Estudiar la controlabilidad del sistema. .9. n ] (9.. 9.>')T)K y(k) = [ e [ x(k + 1) ] = [ sistema en el que una adecuada elección de K permite la asignación de polos del sistema.>. 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 . = 1 se está en el segundo de los casos: >. .5 O [ 1 y(k) ] [ x l (k) ] + [ 11 ] u(k) x 2 (k) [ O ] X l (k) ] -0. . y EJERCICIOS RESUELTOS 397 que para >.67) (9.68) 1 .66) obteniéndose como sistema realimentado: w(k + 1) e (k)K <I>(T) <I> ( (1 . Ejercicios resueltos O ] [ :��) ] ] [ w(k)) ] + [ e ( (e-(T)>')T) ] v (k) X(k l n (9. = <I> (( 1 . (9.

Se puede afirmar.5 Q = [ B AB 1 = � [ -0.398 b) x(2) = [3 3f c) x(3) = [3 3f d) x(l) = [3 2]T La controlabilidad del sistema entre la muestra ko la muestra k1 depende del rango de la matriz: CAPÍTULO 9.5 ] [ 11 ] [ 0.5 � = + = .5 ] [ 11 ] u(O) O [ a x(k) = A k .ko 1 y [�] � rango(Q) = 1 � o.1 Bu(l) Como puede comprobarse. .l . ko = O. Con un valor menor de k1 se pueden alcanzar también algunos puntos. no existe una secuencia de entrada que permita alcanzar dicho estado para k1 = 1 . entonces: O 1 -0. Para alcanzar un punto debe existir una secuencia de entrada que cumpla la ecuación de la evolución del estado: 1= con ko = O para este problema. 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 . Obviamente. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO por lo que el sistema no es controlable con k 1 = 1 .1 O 1 -0 � ] = [ 005 -0. Para k1 = 1 : Q= [ B Qi = [ B AB .1 B . ) Si x(l) = [3 3]T.5 ] rango(Q) = 2 por lo que el sistema es controlable para k1 = 2. i = k 1 .1 y l = ko L A k . � � u(O) 2.5 -0. . pero no todos los del espacio de estado. lo que es lo mismo.ko x(ko ) + k. k 1 = 1 . pues.5 [ � ] [ _�:� ] [ � ] u(O) { u(O) = 3. Para k1 = 2 : 0. para k1 = 3 el sistema sigue siendo controlable. A i . que se alcanzará cualquier estado final si se fija un k1 igual o superior a k1 = 2.

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

entonces: Y Pko .5} se consigue.5 ] [ ] k1 depende del rango de la matriz: Si k1 = ko es: + luego el sistema no es observable para k1 = ko . Dado el sistema: x(k + 1) y(k) La observabilidad del sistema entre ko Estudiar su observabilidad.400 CAPÍTULO 9.5 + [ 1 1 ] x(k) [ 1 ] u(k) O [ 0. siempre que sea posible. y O x(k) + 1 u(k ) 1 -0. Si k1 = ko 1 .k¡ = [ C ] =} rango(Pko . Determinar el estado inicial. Aunque el sistema no es controlable para k1 = 1. la salida es { y (k) } = {4. 1 } . ante entrada { u(k) } = {2. entonces es evidente que k1 = ko + 1. 5 } . 5} .k¡ ) = 1 por lo que el sistema es observable. 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 . si se conoce que. Si se conoce la entrada { u(k) } = {2. por lo que el sistema es observable se puede conocer el estado inicial. CONTROL DISCRETO POR REALIMENTACIÓN DEL ESTADO Luego con la secuencia { u(k) } = {2. es posible alcanzar algunos puntos del espacio de estado. 2. 1 } la salida { y(k) } = {4.

5x Q1 -0.5 XO l X0 2 O -0.5 2 0. que el estado inicial es: x(ko) = [�] { XO02l = 11 X = =* O = XO l .5X 0 2 + 2 ][ ] ] [ ] =* L A kl .5X 0 2 + 2 + 1 0. EJERCICIOS RESUELTOS 401 y(kd = Cx(kd + Du(kd A k l -ko x(ko) + k.5XO [ -0. 1 1 .l Para k1 = ko + 1 : con: x(kI ) [ [ l = ko O 0.0.1 Bu(l) = + Ao [ 11 ] u(O) = =* Sustituyendo en la ecuación de salida: 5= [ 1 1 ] 5 = 0.I .9 .5XO l + 2 .5X02l + 22 ] + [ 1 ] 1 + con: 2 = XO l + X0 2 Es decir.X0 2 . .

.

Parte III Apéndices 403 .

.

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

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

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

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

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

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

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

.

Prentice Hall. Dorf 92 R C. Modern Control Systems: A manual of design methods. New York. A. Modern Control Principles and Applications. Dorf 8 9 R C. Friedland 86 B. C. Springer Verlag. Sistemas Modernos d e Control. 1986. 2. seventh edition f3 using MA TLAB bundle. 1991. Prentice Hall. Gajic 96 Z . Addison . IEEE Trans. Dorf. Vol. Hsu and A. Friedland. 1996. Brogan 91 W. M. Borrie 8 6 J. Laub. Linear System Theory. 1993. AC-32. Control System Design: An Introduction to State Space Methods. Addison -Wesley. M. on Automatic Control. 1996. Linear Systems. Kucera 91 V. Dorf. L aub 87 A. Heath. 1991. Dorf. R H. McGraw-Hill. Analysis and Design of Discrete Linear Control Systems. Computation of System Bal­ ancing Transformations and Other Applications of Simultaneous Diagonalization Algorithms. Prentice Hall.C. M. Dorf 9 6 R C. February 1987.C. 2 a edición. 1980. Paige. Addison -Wesley. Sistemas de Control Automático. C. 1975. U . Modern Control Systems. 1992.93 R H.J. Modern Control System Engineering. Modern Control Theory.Wesley. Callier. Kuo. Lelic. Brogan. RC. McGraw­ Hill. Kucera. 413 B ibliogra fía Bishop 1. 1986. Borrie. Prentice Hall. Hsu 75 J. New York. Modern Control Systems. 6th edition. Bishop. C.Wesley. Prentice Hall. 3rd edition. Bishop. Pren­ tice Hall. Kailath. 1991. No.T. Desoer. . 1989. Callier 91 F. Modern control systems analysis and design using MA TLAB. A. Ward. Kailath 80 T. Gajic. Addison . Kuo 96 B. 7 a edición 1996. Meyer.

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

Sign up to vote on this title
UsefulNot useful