cenidet

Primer avance de tesis

Dise no de un sistema tolerante a fallas basado en una unidad FDD con
observadores en modos deslizantes aplicado a un digestor anaerobio UASB
Presenta:
Ing. Abraham Jim

enez Gonz

alez
Asesor:
Dr. Manuel Adam Medina
Asesor:
Dr. Carlos Astorga Zaragoza
Revisor:
Dr. Enrique Quintero-M

armol
M

arquez
Revisor:
Dr. Victor Manuel Alvarado
Mart

nez
11 de diciembre de 2012

Indice
1. Introduccion 1
2. Estado del arte 1
3. Caso de estudio: Reactor de manto anaerobio de ujo ascendente (UASB Upow Anae-
robic Sludge Blanket) 3
4. Modelo del biodigestor UASB 4
5. Analisis de controlabilidad 6
6. Control por modos deslizantes con accion integral aplicado a un bioreactor UASB 8
6.1. Forma regular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
7. Observador por modos deslizantes discreto con estimacion de entradas desconocidas 12
7.1. Dise no del observador tipo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7.2. Dise no del observador tipo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
8. Dise no del sistema de CTFA 13
8.1. Esquema de CTFA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
9. Resultados de la simulacion 14
9.1. Simulacion del controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.Cronograma de actividades 19
A. Bases matematicas 20
A.1. Teorema de la funcion implcita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
A.2. Elementos basicos de topologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Espacios topologicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Base de una topologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Espacios homeomorfos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Subconjuntos cerrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Interior y cerradura de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Topologa inducida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Espacio de Hausdor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
A.3. Variedades diferenciables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
A.4. Distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Distribuciones y sus propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
A.5. Existencia y unicidad de las soluciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
A.6. Estabilidad de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Lemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
B. Herramientas para el analisis y el control de sistemas no lineales 25
B.1. Analisis de controlabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
B.2. Linealizacion entrada-salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Grado relativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Forma normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Dinamica de los ceros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
B.3. Control de sistemas no lineales por modos deslizantes . . . . . . . . . . . . . . . . . . . . . . . . 29
I
Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Forma regular del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Dise no de la supercie deslizante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Dise no de la ley de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
La ley de control practica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Incertidumbres no aparejadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
B.4. Control con accion integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Dise no del controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
B.5. Observador no lineal por modos deslizantes en tiempo discreto . . . . . . . . . . . . . . . . . . . 34
Dinamica de la planta en tiempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Cambio de coordenadas del sistema no lineal en tiempo discreto . . . . . . . . . . . . . . . . . . . 34
Sistema transformado en tiempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Dise no del observador en modos deslizantes no lineal tipo MIMO . . . . . . . . . . . . . . . . . . 36
Analisis de la dinamica de error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Existencia del modo deslizante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Dise no de la ganancia del modo deslizante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
II

Indice de guras
1. Clasicacion de los esquemas de control tolerante a fallas. . . . . . . . . . . . . . . . . . . . . . . 2
2. Sistema de control tolerante a fallas activo propuesto. . . . . . . . . . . . . . . . . . . . . . . . . 4
3. Sistema de control tolerante a fallas activo propuesto. . . . . . . . . . . . . . . . . . . . . . . . . 5
4. Retrato fase del modelo (3) del biodigestor UASB. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5. Esquema de control tolerante a fallas activo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6. Sistema de control tolerante a fallas activo propuesto. . . . . . . . . . . . . . . . . . . . . . . . . 14
7. Esquema del sistema de control en Simulink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
8. Concentracion de sustrato en el auente con perturbacion. . . . . . . . . . . . . . . . . . . . . . . 15
9. Estados del sistema. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
10. Se nal de control (Tasa de dilucion). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
11. Desempe no del controlador con las mediciones en tiempo discreto ajustando apropiadamente las
ganancias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12. Desempe no del controlador con mediciones en tiempo discreto con retardo de un periodo de
muestreo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
13. Una disminucion en la exigencia al actuador se traduce como perdida de robustez. Se busca
cumplir un compromiso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
14. Cartas C

-compatibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
15. Movimiento deslizante discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
III
1. Introducci on
En la presentacion de la propuesta de tesis, se hablo de la importancia de los digestores anaerobios para lo
produccion de biogas, como alternativa sustentable a los combustibles fosiles convencionales. Estos sistemas son
capaces de transformar problemas ecologicos tales como la generacion de desperdicios organicos de la industria
alimenticia y la generacion de aguas residuales, en una solucion energetica sustentable.
El biodigestor UASB tiene la particularidad de requerir una baja inversion inicial y bajos costes de operacion
y mantenimiento, lo que pudiera llegar a hacerlo atractivo en aplicaciones como plantas tratadoras de aguas
residuales municipales autosustentables en cuestion energetica.
Estos sistemas de biodigestion pueden operar en lazo abierto, sin embargo, como se trata de un bioproceso
donde act uan diversas clases de bacterias, es aconsejable contar con un sistema de control que regule algunas
variables del proceso, procurando que los microorganismos se encuentren en las condiciones adecuadas para
una produccion optima de biogas. Com unmente, estos sistemas estan sujetos a perturbaciones, sobre todo en
la concentracion de sustrato en el auente, por lo que es conveniente dise nar un controlador robusto que sea
capaz de mantener la variable controlada en su referencia. Con este n, se propone un sistema de control no
lineal por modos deslizantes con accion integral.
Ademas, como parte de los objetivos que se plantearon en la propuesta de tesis, se contemplaba un esquema
de control tolerante a fallas activo, que consistiera en un esquema de reconguracion de control que hiciera
uso de la informacion dada por unidad de deteccion y diagnostico de fallas basada en observadores por modos
deslizantes.
Como se vera en la seccion siguiente correspondiente al estado del arte, en la literatura abunda informacion
acerca de sistemas de control autorecongurable por modos deslizantes que no requieren una unidad de detec-
cion y diagnostico de fallas para hacer frente a las incertidumbres que se presenten. Este planteamiento es en
efecto, mas sencillo en cuanto a dise no e implementacion que la propuesta que se presenta en este trabajo de
tesis, sin embargo, el proposito de este enfoque es mostrar que la complejidad en el dise no de un sistema de
control tolerante a fallas activo sobre uno pasivo, se justica con la cantidad superior de situaciones de falla o
incertidumbres que pueden ser manejadas.
2. Estado del arte
En 1890 se construye el primer biodigestor a escala industrial en la India. Posteriormente, en el periodo
intermedio a las guerras mundiales, empiezan a difundirse por Europa las fabricas productoras de biogas que
abastecan a los tractores y automoviles de aquella epoca. Despues de la segunda guerra mundial, se populariza
el uso de los biodigestores a nivel rural en Europa, China e india. Sin embargo en los a nos setentas, las crecientes
necesidades energeticas y el facil acceso a los combustibles fosiles frenaron el desarrollo de la industria del biogas.
En los ultimos 20 a nos se han tenido importantes avances en la comprension del proceso de digestion anaerobia.
En la actualidad China, India, algunos pases europeos, Estados Unidos y Filipinas, son los lderes mundiales
en el desarrollo de tecnologas orientadas a la produccion de biogas por medio de biodigestores [15].
La digestion anaerobia es considerada como un proceso biologico de complejas reacciones y procesos bio-
qumicos asociados a la actividad bacteriana de determinadas especies, y tiene una fuerte dependencia de la
composicion del sustrato. La actividad metabolica en el proceso de digestion anaerobia se ve afectada por va-
riables tales como: temperatura, concentracion de sustrato, nivel y pH de lquidos. Si estas variables no se
mantienen dentro de determinados rangos, pueden ocurrir desequilibrios que resulten en la formacion despro-
porcionada de compuestos intermedios lo que pudiera derivar en la inhibicion de todo el proceso de obtencion
de biogas [16]. Debido a lo anterior, se hace uso de sistemas de control que mantengan las variables dentro de
un rango de operacion.
En el enfoque de control por espacio de estados, se requiere modelo en forma de sistema de ecuaciones
diferenciales ordinarias, que describa la dinamica del sistema. En 1997 durante el Octavo Congreso Mundial de
Digestion Anaerobia, realizado en Sendai Japon, la International Water Association (IWA) establecio el Grupo
de Trabajo IWA-Anaerobic Digestion Modelling, con el objetivo de desarrollar un modelo que describiera de
manera precisa el proceso de la digesgion anaerobia, teniendo como resultado el el modelo ADM1 [23], que
considera veinticuatro variables de estado, de las cuales siete corresponden a diferentes grupos bacterianos. Este
1
Figura 1: Clasicacion de los esquemas de control tolerante a fallas.
modelo resulta muy complicado para efectos practicos por las limitaciones en instrumentacion principalmente.
En [12] se presentan dos versiones simplicadas del modelo ADM1, una de cinco variables de estado con dos
grupos bacterianos y otra de tres variables de estado con un solo grupo bacteriano, que resultan mas adecuadas
para propositos de control. En [13] se presenta un modelo simple de dos estados que incluyen recirculacion y
by-pass, y se dise na un controlador no lineal.
Sin embargo, entre los problemas que se tienen a la hora de controlar procesos, como en el caso de los
biodigestores, esta la presencia de incertidumbres de modelado y perturbaciones. Esta situacion es resuelta
dise nando controladores que sean robustos. Los controladores por modos deslizantes son de naturaleza robusta
por lo que pueden resultar apropiados para manejar incertidumbres. En [24] se presenta un controlador por
modos deslizantes como una opcion robusta sobre el clasico controlador PID para el control de procesos qumicos.
Sin embargo, este tipo de controladores estan basados en el concepto de sistemas de estructura variable y utilizan
una ley de control que incluye un termino no lineal discontinuo que provoca una alta exigencia a los actuadores,
por lo que el termino no lineal discontinuo se aproxima con un termino continuo, a costa de permitir un margen
de desviacion. Para solucionar este problema, suele agregarse una accion integral al controlador por modos
deslizantes, como se muestra en [25].
Ademas de las dicultades expuestas inherentes a la implementacion practica de un sistema de control para
un biodigestor, se tiene que el sistema esta sujeto a fallas que pudieran ocasionar averas y riesgos para las
personas, por lo que el sistema de control debe ser capaz de manejar estas fallas. En un inicio, la capacidad de
un sistema para manejar estas situaciones de fallas era llamada control autoreparable. Hoy en da se le conoce
como control tolerante a fallas. El control tolerante a fallas pasivo opera independientemente de la informacion
de la falla y explota la robustez del controlador. Bajo este enfoque, es posible dise nar un controlador por
modos deslizantes con ganancias que sean adaptables a las fallas. En [26] se presenta un controlador por modos
deslizantes adaptable para sistemas no lineales inciertos. En [27] se aplica un controlador por modos deslizantes
adaptable a un sistema de tratamiento de aguas residuales que utiliza un reactor biologico. En [28] se presenta la
comparativa de un controlador por modos deslizantes con ganancia ja frente a uno de ganancia auto-ajustable
y frente a un controlador PI.
Estos sistemas son usualmente mas sencillos, pero estan limitados. Por otro lado, los esquemas de control
tolerante a fallas activos reaccionan ante una falla, haciendo uso de la informacion de un esquema de deteccion
y diagnostico de fallas (FDD). Las primeras publicaciones se avocaban a los metodos de proyeccion, en donde
si una falla era detectada e identicada, se seleccionaba una ley de control entre un conjunto de controladores
predise nados la cual era establecida en lnea. Los metodos subsecuentes se enfocan a la adaptacion en lnea del
controlador. La reconguracion es necesaria en caso de fallas severas en actuadores o sensores que imposibiliten
recuperar el rendimiento del sistema sin modicar el lazo de control. Una clasicacion general de los sistemas
de control tolerante a fallas se muestra en [19] (vease la gura 1).
En el control tolerante a fallas activo con reconguracion en lnea, es importante que la unidad de FDD sea
capaz hacer deteccion, aislamiento y estimacion de las fallas con precision, de manera que se pueda establecer un
modelo fallado del sistema, el cual pueda ser utilizado en el redise no del controlador en lnea. Entre los enfoques
mas populares para el dise no de sistemas de FDD se encuentran: las ecuaciones de paridad, la estimacion
2
parametrica y el basado en observadores.
Una opcion interesante para la realizacion del FDD basado en observadores, es el enfoque por modos des-
lizantes [17, 18], que a diferencia de los observadores convencionales, el error se realimenta por medio de un
termino conmutativo no lineal. Los observadores por modos deslizantes son capaces de reconstruir el estado a un
en presencia de entradas desconocidas e incertidumbres. Esto ha sido logrado escalando y ltrando apropiada-
mente la llamada inyeccion del error de salida equivalente, la cual representa el valor promedio que el termino
de la inyeccion no lineal del error de salida tiene que tomar para mantener el movimiento deslizante. Esta es una
caracterstica unica de los observadores en modos deslizantes y se deriva del hecho de que la introduccion de un
movimiento deslizante fuerza a las salidas del observador a seguir exactamente a las mediciones de la planta.
Entre las referencias bibliogracas con respeto a este tema se puede citar a [5] donde se dise na un observador
por modos deslizantes para procesos no lineales.
Los observadores en modos deslizantes pueden utilizarse para reconstruir, detectar y aislar las fallas, mo-
delando estas como entradas desconocidas. La reconstruccion de la falla no se hace a partir del calculo de un
residuo basado en la estimacion del error de salida, sino de la inyeccion del error de salida equivalente. En
consecuencia, es posible una estimacion precisa tanto de los estados como de las fallas.
Los primeros trabajos para el modelado de fallas se documentan en [20, 21]. En [22] se propone un metodo
de dise no para los parametros del observador, de manera que las ganancias de las perturbaciones para la
reconstruccion de las fallas se vean minimizadas. En [19] se desarrollan observadores en modos deslizantes para
la estimacion de fallas en sistemas lineales, que a un en presencia de fallas en actuadores, se fuerza a las salidas
del observador a seguir perfectamente a las mediciones, lo que posibilita una estimacion precisa de los estados.
En cuanto a los trabajos orientados a sistemas no lineales esta el de [6] donde se desarrolla un algoritmo de
estimacion de alto orden utilizando las derivadas sucesivas de la salida del sistema, capaz de estimar tanto el
estado como las entradas desconocidas. En [10, 11] se desarrollan observadores por modos deslizantes discretos
para sistemas no lineales capaces de reconstruir entradas desconocidas, basados en los trabajos que se han hecho
en [7, 8] para la discretizacion de la tecnica de modos deslizantes.
3. Caso de estudio: Reactor de manto anaerobio de ujo ascendente
(UASB Upow Anaerobic Sludge Blanket)
Antes de iniciar con el dise no de la unidad de control tolerante a fallas activo basada en una unidad de
deteccion y diagnostico de fallas con observadores por modos deslizantes, es conveniente realizar una breve
introduccion para entender la operacion del bioreactor UASB y comprender el proceso de digestion anaerobia.
En el reactor UASB dise nado en 1980 por el Dr. Gatze Lettinga, el agua residual uye de manera ascendente
atravesando un lecho de lodos. En el lecho de lodos, la materia organica contenida en el agua residual es
descompuesta y convertida en biogas. El movimiento ascendente del biogas permite que el lodo y las aguas
residuales se mezclen adecuadamente, evitando de esta manera la necesidad de un mezclado por medio de
sistemas mecanicos [12].
En el separador de tres fases (Gas-Lquido-Solido), el biogas es recuperado y conducido hacia el exterior
a traves de canales, mientras que mezcla de agua y lodos uye hacia el sedimentador en forma de campana
donde la biomasa es capturada y regresada al compartimiento de reaccion. Este tipo de biodigestor soporta
altas cargas organicas (20 a 30 Kg DQO/m
3
), por lo que su volumen es reducido. Por las caractersticas antes
mencionadas y la simplicidad de estos sistemas, los costos de inversion inicial, operacion y mantenimiento son
bajos, ademas de presentar una eciencia aceptable, haciendo que el biodigestor UASB sea el mas atractivo y
utilizado a nivel mundial (vease la gura 2).
Dentro del reactor biologico ocurren m ultiples procesos bioqumicos y sicoqumicos como muestra en la
gura 3. Las fases de la digestion anaerobia son las siguientes [12]:
Hidrolisis: Los compuestos organicos complejos (polmeros) son descompuestos en material disuelto mas
simple (monomeros) mas simples.
Protenas Aminoacidos
Carbohidratos Az ucares
Lpidos

Acidos grasos de cadena larga
3
Figura 2: Sistema de control tolerante a fallas activo propuesto.
Acidogenesis: Los monomeros disueltos se convierten en acidos grasos volatiles, dioxido de carbono
(CO
2
) e hidrogeno (H
2
), etc., por la accion de las bacterias fermentativas acidogenicas y oxidadores
anaerobios.
Acetogenesis: Los productos de la fermentacion son convertidos en acetato (CH
3
COOH), hidrogeno y
dioxido de carbono.
Homoacetogenesis: Esta etapa ocurre simultaneamente con la anterior. El hidrogeno y el dioxido de carbono
son transformados en acetato.
2CO
2
+ 4H
2
CH
3
COOH + 2H
2
O
Metanogenesis: nalmente las bacterias metanogenicas acetoclasticas producen metano (CH
4
) a partir
de acetato y las bacterias metanogenicas hidrogenotrocas a partir de H
2
y CO
2
.
CH3COOH CH4 +CO2CO
2
+ 4H
2
CH
4
+ 2H
2
O
En la siguiente seccion se presentan los modelos matematicos del biodigestor que se utilizaran para el dise no
del sistema de control tolerante a fallas activo.
4. Modelo del biodigestor UASB
En [12] se proponen dos modelos basados en el ADM1 para describir la dinamica del biodigestor UASB; uno
de cinco estados y otro modelo reducido de tres estados. Por las limitaciones en instrumentacion, y debido a
que no es necesario utilizar un modelo de gran complejidad para hacer control, se utilizara el modelo de tres
estados:
4
Figura 3: Sistema de control tolerante a fallas activo propuesto.

Q
CH
4
= (1 Y )Y
CH
4
(s)b Q
CH
4

b = Y (s)b aDb K
d
b (1)
s = D(s
f
s) (s)b
(s) = K
m
I
pH
s
K
s
+s
I
pH
=
1 + 2 10
0,5(pH
LL
pH
UL
)
1 + 10
(pHpH
UL
+ 10
(pH
LL
pH
UL
donde: b es la concentracion biomasa (acidogenica). s es la concentracion de DQO en el euente, Q
CH
4
es el ujo
de gas metano que sale del reactor. D es la tasa de dilucion, K
m
y K
s
corresponden a la velocidad especca de
crecimiento y a la constante de semisaturaci on de la biomasa (acidogenica) respectivamente. K
d
la velocidad
especca de decaimiento de biomasa. Y es el coecientes de produccion de biomasa (acidogenica). s
f
es la
concentracion de DQO en el auente. I
pH
representa la inhibicion por pH, donde pH
LL
y pH
UL
son los lmites
inferior y superior de pH, respectivamente. a es una variable adimensional, y en este trabajo se tomara su valor
como la unidad. Este modelo es el punto de partida para el desarrollo del sistema de CTFA. El analisis de la
estructura y propiedades del modelo permitiran determinar las posibilidades y la estrategia a seguir para el
dise no de un controlador y el esquema de deteccion de diagnostico de fallas basado en observadores por modos
deslizantes.
Modelo para estimacion y modelo para control
Para trabajar con el modelo del biodigestor se hace la siguiente asignacion de variables
x =
_
_
x
1
x
2
x
3
_
_

_
_
b
s
Q
CH
4
_
_
, u D
5
el modelo (1) se reescribe como
x = f(x) +g(x)u (2)
con
f(x) =
_

_
Y (x
2
) x
1
K
d
x
1
(x
2
) x
1
(1 Y )Y
CH
4
(x
2
)x
1
x
0
_

_
g(x) =
_

_
x
1
s
f
x
3
0
_

_
(x
2
) = K
m
I
pH
x
2
K
s
+x
2
Las caractersticas estructurales de este modelo permitiran determinar la naturaleza y capacidad del sistema
de FDD basado en observadores por modos deslizantes. Sin embargo en el modelo (1), la dinamica de Q
CH
4
no
inuye en la concentracion de sustrato s ni en la concentracion de biomasa b del auente, que por lo regular,
son las variables a controlar en un reactor biologico, entonces, para propositos de control se utilizara la siguiente
simplicacion con el cambio de variable
x =
_
x
1
x
2
_

_
b
s
_
, u D
y el modelo (1) se reescribe como
x = f(x) +g(x)u (3)
donde
x = [x
1
x
2
]
T
f(x) =
_
Y (x
2
) x
1
K
d
x
1
(x
2
) x
1
_
g(x) =
_
x
1
s
f
x
2
_
(x
2
) = K
m
I
pH
x
2
K
s
+x
2
5. Analisis de controlabilidad
Antes de pensar en el dise no de un sistema de control, es conveniente realizar un analisis de controlabilidad.
Entonces se procede a construir la distribucion de controlabilidad de acuerdo a la seccion B.1 de la siguiente
manera

0
= geng

1
=
0
+ [f,
0
] = geng, [f, g]

2
=
1
+ [f,
1
] + [g,
1
] = geng, [f, g][f, [f, g]], [g, [f, g]]
En este caso
2
=
controlabilidad
, ya que con el Toolbox simbolico del software Maple se verico que
2
=

3
, x
1
, x
2
R
+

0. Los calculos para construir la distribucion de controlabilidad son los siguientes:

g
(x)
f(x) =
_
Y (x
2
) x
1
+K
d
x
1
(x
2
) x
1
_
f
(x)
g(x) =
_

_
(Y (x
2
) K
d
) x
1
+Y
_
d(x
2
)
dx
2
_
x
1
(s
f
x
2
)
(x
2
) x
1

_
d(x
2
)
dx
2
_
x
1
(s
f
x
2
)
_

_
[f, g] (x) =
_

_
Y
_
d(x
2
)
dx
2
_
x
1
(s
f
+x
2
)

_
d(x
2
)
dx
2
_
x
1
(s
f
+x
2
)
_

_
6
[g, [f, g]] (x) =
_

_
x
1
2
Y
__
(x
2
)
d
2
(x
2
)
dx
2
2

_
d(x
2
)
dx
2
_
2
_
(s
f
x
2
) (x
2
)
d(x
2
)
ds
_
x
1
__
d(x
2
)
dx
2
K
d

_
d(x
2
)
dx
2
_
2
x
1
+(x
2
)
d
2
(x
2
)
dx
2
2
x
1
_
(s
f
x
2
) (x
2
) x
1
d(x
2
)
dx
2
_
_

_
[g, [f, g]] (x) =
_

_
Y x
1
__
d
2
(x
2
)
dx
2
2
_
(s
f
+x
2
) +
d(x
2
)
dx
2
_
(s
f
+x
2
)
x
1
__
d
2
(x
2
)
dx
2
2
_
(s
f
+x
2
) +
d(x
2
)
dx
2
_
(s
f
+x
2
)
_

_
La distribuci on de controlabilidad es de rango completo (y por completamente controlable) excepto cuando
se eval ua en los siguientes puntos para los cuales
controlabilidad
pierde su rango

controlabilidad
(0, s
f
) =
_
0 0 0 0
0 0 0 0
_

controlabilidad
(0, x
2
) =
_
0 0 0 0
s
f
s 0 0 0
_
, con x
2
,= s
f
Caer en estos puntos de operacion resulta indeseable a la hora de hacer control por la perdida de controlabilidad.
Por ejemplo, una vez que x
1
= 0 (la biomasa se hace cero) ya no es posible modicar dicho estado.
Punto de operacion
En el caso de procesos no lineales, es necesario realizar un analisis de los puntos de equilibrio para determinar
un punto de operacion conveniente. Igualando las ecuaciones diferenciales del modelo (3) a cero, y resolviendo
de manera algebraica el sistema de ecuaciones resultante, se encuentra el sistema tiene dos puntos de equilibrio.
Uno de estos puntos de equilibrio resulta cuando x
1
= 0, y por lo visto en la seccion de B.1, no es candidato a ser
un punto de operacion. El otro punto de equilibrio esta determinado por los siguientes valores de las variables
de estado en estado estable:
x
2ss
=
K
s
(K
d
+u)
Y K
m
I
pH
K
d
u
x
1ss
= u
s
f
x
2ss
(x
2ss
)
x
3ss
= (x
2ss
)x
1ss
Como las variables de estado no pueden tomar valores negativos, se tienen las siguientes restricciones:
Y K
m
I
pH
Kd > u > 0 y S
f
> x
2ss
. Si la variable a controlar es la concentracion de sustrato en el euente,
entonces dada s
des
, la tasa de dilucion en estado estable es
u
ss
=
s
des
Y K
m
I
pH
s
des
K
d
K
s
K
d
s
des
+K
s
En caso de que se desee optimizar la produccion de biogas, es necesario maximizar la funcion (x) = (x
2
)x
1
.
De (2) se obtiene
u = Y (x
2
) K
d
x
1
= u
(s
f
x
2
)
(x
2
)
=
(Y (x
2
) K
d
)(s
f
x
2
)
(x
2
)
lo que permite escribir en terminos de x
2
(x) = (x
2
)x
1
= (Y (x
2
) K
d
)(s
f
x
2
) =
_
Y K
m
I
pH
_
x
2
K
s
+x
2
_
K
d
_
(s
f
+x
2
)
7
a continuacion se obtiene y se iguala a cero
d(x
2
)
dx
2
=
Y K
m
I
pH
_
s
f
K
x
2
+ 2 sK
s
+x
2
2
_
(K
s
+x
2
)
2
+K
d
= 0
resolviendo la ecuacion anterior para x
2
se tiene
s
opt
=
(Y K
m
I
pH
K
d
) K
s
+
_
Y K
m
I
pH
K
s
(Y K
m
I
pH
K
d
) (s
f
+K
s
)
Y K
m
I
pH
K
d
donde s
opt
es el valor de x
2
que maximiza a la funcion . La entrada correspondiente es
u
opt
= Y (s
opt
) K
d
Para terminar el analisis de los puntos de equilibrio, se desea saber como es la dinamica de estos en cuanto
a estabilidad. Utilizando los siguientes valores de simulacion obtenidos de [12] (vease el cuadro 1), se procede a
hacer un analisis graco de los puntos de equilibrio del sistema en Matlab.
Parametro Valor y unidades
K
m
5.1 gDQO/gDQO d
K
s
0.5 gDQO/L
K
d
0.02 1/d
Y 0.1 gDQO/gDQO
Y
CH
4
0.05 L Q
CH
4
/gDQO
pH
LL
6
pH
UL
7
s
f
2.5 gDQO/L
Cuadro 1: Valores de simulacion
El retrato fase del sistema se muestra en la gura 4. Se pueden apreciar los dos puntos de equilibrio; en la
vecindad del punto de equilibrio correspondiente a x
1
= 0, el retrato fase se asemeja a un punto silla; en tanto
en la vecindad del punto de equilibrio que servira como punto de operacion, el retrato fase una forma parecida
a la de un foco estable. De esto se puede concluir que el punto de operacion es asintoticamente estable en casi
todo el dominio R
2
, a excepcion de puntos para los cuales el valor de x
1
se encuentre muy cercano del cero.
6. Control por modos deslizantes con accion integral aplicado a un
bioreactor UASB
Hecho el analisis del sistema para determinar su controlabilidad y su punto de operacion, se procede a dise nar
un controlador por modos deslizantes. En un sistema de control tolerante a fallas activo, el controlador tiene la
caracterstica de ser recongurable por medio de un mecanismo de reconguracion.
En esta seccion se dise nara un controlador por modos deslizantes con accion integral robusto a perturbaciones
en la concentracion de sustrato en el auentente. Es apropiado realizar un controlador con accion integral puesto
que solo se tiene un punto de operacion. Entonces, se toma el modelo (3) como base para el dise no del controlador,
y y = h(x) = x
2
como la salida a controlar, con lo que nuestro sistema SISO, no lineal y afn a la entrada. El
primer paso para dise nar un controlador por modos deslizantes con accion integral para un sistema no lineal
SISO afn a la entrada (vease la seccion B.4) consiste en realizar una linealizacion entrada-salida de acuerdo a
la seccion B.2 para obtener la forma regular del sistema. Posteriormente se verica que el sistema con la salida
seleccionada sea de fase mnima. Por ultimo se procede a dise nar el controlador.
8
Figura 4: Retrato fase del modelo (3) del biodigestor UASB.
6.1. Forma regular
Bajo el supuesto de que x
2
< s
f
se tiene que
L
g
h(x) =
h(x)
x
g(x) = s
f
x
2
,= 0
por lo tanto, el grado relativo del sistema es = 1. Aplicando el cambio de coordenadas T(x) = [ ]
T
de (8),
se lleva al sistema en su forma regular
= f
0
(, )

= L
f
h(x) +L
g
h(x)u
y =
con
f
0
(, ) =

x
x

x=T
1
([ ]
T
)
donde (x) = es una funcion que satisface la condicion (9) (ver anexos), es un subsistema no lineal que no
esta bajo la inuencia directa de las entradas, y es una cadena de integradores. El siguiente paso consiste
en vericar que controlando la salida seleccionada, el subsistema se estable entrada-estado con vista como
la entrada, es decir, que la dinamica de los ceros sea estable.
Dinamica de los ceros
Para analizar la dinamica de los ceros del sistema transformado a su forma regular, se centrara el punto de
operacion del sistema en el origen. Para ello se realizan los siguientes cambios de variable
x
c
= [x
1c
x
2c
]
T
= [x
1
x
1ss
x
2
x
2ss
]
T
, u
c
= u u
ss
con
x
c
= f
c
(x
c
) +g
c
(x
c
)u
c
9
f
c
(x
c
) =
_
Y (x
2c
) (x
1c
+x
1ss
) K
d
(x
1c
+x
1ss
) u
ss
(x
1c
+x
1ss
)
(x
2c
) (x
1c
+x
1ss
) +u
ss
(s
f
x
2c
x
2ss
)
_
g
c
(x
c
) =
_
(x
1c
+x
1ss
)
s
f
x
2c
x
2ss
_

c
(x
2c
) = K
m
I
pH
x
2c
+x
2ss
K
s
+x
2c
+x
2ss
y
T
c
(x
c
) = [
c
(x
c
) x
2c
]
T
= [
c

c
]
T
donde
c
es una funcion que satisface la condicion (9). Para hallar
c
establece la siguiente ecuacion diferencial
parcial

_

x
1c

c
(x
c
)
_
(x
1c
+x
1ss
) +
_

x
2c

c
(x
c
)
_
(s
f
x
2c
x
2ss
) = 0
cuya solucion es

c
(x
c
) = k
_
x
2c
s
f
+x
2ss
x
1c
+x
1ss
_
donde k es una constante arbitraria. Haciendo k = 1, se puede escribir

c
=
c
(x
c
) =
_
x
2c
s
f
+x
2ss
x
1c
+x
1ss
_
Ahora, se tiene que dinamica del subsistema
c
esta dada por

c
=

c
(x
c
) =

c
x
c
x
c
= L
f
c

c
(x
c
)
y
L
f
c
(x
c
) =
(x
2c
s
f
+x
2ss
) (Y
c
(x
2c
) K
d
u
ss
)
x
1c
+x
1ss
+

c
(x
2c
) (x
1c
+x
1ss
) +u
ss
(s
f
x
2c
x
2ss
)
x
1c
+x
1ss
=
(x
2c
s
f
+x
2ss
) (Y
c
(x
2c
) K
d
)
x
1c
+x
1ss

c
(x
2c
)
La transformacion inversa x
c
= T
1
c
(
c
,
c
) es
x
c
= T
1
c
(
c
,
c
)) =
_
(
c
s
f
+x
2ss
)/
c
x
1ss

c
_
y de acuerdo a la seccion B.2, se procede a vericar que = L
f
c
(T
1
c
(
c
,
c
)) sea estable cuando
c
= 0.
Haciendo las sustituciones correspondientes se llega a

c
= L
f
c

c
(T
1
c
(
c
, 0)) = (Y
c
(0) K
d
)
c
(0)
y se observa que la dinamica de los ceros es lineal y estable, por lo tanto, el sistema es de fase mnima y se
puede dise nar un controlador que controle la salida propuesta.
Para corroborar que este analisis es correcto se procedera a vericar que el punto de equilibrio del sistema
centrado transformado coincide con el origen del sistema centrado en el punto de operacion original. Se tiene
que el valor de
c
en estado estable es

css
=
(0)
Y
c
(0) K
d
10
y sustituyendo
c
= 0 y la ecuacion anterior en x
1c
se puede vericar
x
1c
=
(Y
c
(0) K
d
) (s
f
x
2ss
)
(0)
x
1ss
= 0
El analisis del sistema transformado es correcto, y el subsistema es estable entrada-estado para cualquier
del dominio vista como la entrada. El dise no del controlador se avocara a estabilizar la salida del subsistema
transformado
Dise no del controlador
Se considera una perturbacion aditiva w(t) en la concentracion de sustrato del auente denida como
w(t) = (t)s
f
donde |(t)|
max
(0, 1). De manera que el modelo (3) queda como
x
1
= Y (x
2
)x
1
ux
1
K
d
x
1
x
2
= u(s
f
(1 +(t)) x
2
) (x
2
)x
1
y = h(x) = x
2
(x
2
) = K
m
I
pH
x
2
K
s
+x
2
y las funciones del sistema son
f(x) =
_
Y (x
2
) x
1
K
d
x
1
(x
2
) x
1
_
g(x) =
_
x
1
s
f
(1 +(t)) x
2
_
Bajo el supuesto de que x
2
< S
f
(1 +) se tiene que
L
g
h(x, w) =
h(x)
x
g(x, w) = S
f
(1 +(t)) x
2
,= 0
= 1 uniformemente en w. Como ya se discutio antes, el sistema transformado es de fase mnima para la
salida seleccionada. Se dene la supercie deslizante de acuerdo a la seccion B.4 aumentando el integrador del
error de la salida con respecto a la referencia e
0
= e
1
= y r
s = k
0
e
0
+e
1
= 0
escogiendo k
0
de tal forma que el polinomio s +k
0
sea Hurwitz. Notese que cuando el sistema se encuentra en la
supercie deslizante, e
0
= k
0
e
0
, de manera que la dinamica de la integral del error de salida es lineal, estable
y de primer orden.
Con L
f
h(x) = (x
2
)x
1
y L
g
h(x) = s
f
x
2
se obtiene la ley de control
u =
1
L
g
h(x)
(k
0
e
1
L
f
h(x)) +v =
1
s
f
x
2
(k
0
e
1
(x
2
)x
1
) +v
Ahora se procede a dise nar v para garantizar la alcanzabilidad de la supercie deslizante partiendo de
s s = s (k
0
e
1
+L
f
h(x) +L
g
h(x, w)u)
y sustituyendo u en la ecuacion anterior se tiene
s s = s (L
g
h(x, w)v + (x, w, r))
11
donde
(x, w, r) =
_
1
L
g
h(x, w)
L
g
h(x)
_
(k
0
e
1
+L
f
h(x))
=
_
1
s
f
(1 +(t)) x
2
s
f
x
2
_
(k
0
e
1
(x
2
)x
1
) =
_
(t)s
f
s
f
x
2
_
(k
0
e
1
(x
2
)x
1
)
con entonces es posible determinar el termino v discontinuo de la ley de control como sigue

(x, w, r)
L
g
h(x, w)

(x) =

max
s
f
(s
f
x
2
)(s
f
(1
max
) x
2
)
[k
0
e
1
(x
2
)x
1
[
(x) = (x) +
0
v = (x)sat(x)
Con esto esta terminado el dise no de la ley de control.
u =
1
s
f
x
2
(k
0
e
1
(x
2
)x
1
) (x)sat(x)
Los parametros de dise no son k
0
> 0 para garantizar la estabilidad del modo deslizante,
0
> 0 para dar
robustez, y > 0 para disminuir el chattering.
7. Observador por modos deslizantes discreto con estimaci on de en-
tradas desconocidas
Esta seccion se avoca al dise no de una unidad de DDF basada en observadores por modos deslizantes,
tomando como referencia las propuestas para el dise no de observadores no lineales discretos con estimacion de
entradas desconocidas presentadas en [9, 10, 11]. Se dise naran dos tipos de observadores considerando cada uno
de los siguientes casos
Observador tipo 1: Todos los estados necesarios para el control son medibles.
Observador tipo 2: Perdida de la medicion de alguno de los estados necesarios para el control.
7.1. Dise no del observador tipo 1
El sistema de DDF tendra su maxima capacidad para la reconstruccion de fallas en parametros y/o actua-
dores cuando todos los estados del modelo (2) son medibles. En caso de que se pierda la se nal del sensor de
biogas, se utilizara el modelo (3) y se considerara que todos los estados son medibles.
Para la reconstruccion de fallas en parametros y en el actuador usara el observador no lineal discreto con
m ultiples modos deslizantes propuesto en [9]. Entonces se parte del siguiente modelo
x = f(x) +g(x)u +
m

i=1
p
i
(x)d
i
(x, u, t)
y
j
= h
j
(x)
donde x M es una variedad diferenciable de clase C

de dimension n. f(x), g(x) y P(x) = [p

1
(x), . . . , p
m
(x)]
son campos vectoriales suaves en M, y h
i
(x), i = 1, . . . , c son funciones suaves que mapean M en R.
El primer paso de dise no consiste en realizar una transformacion no lineal del sistema. En nuestro caso,
como se supone que todos los estados son medibles, es posible realizar la transformacion discreta de la siguiente
manera
x(k) = [ x
1
(k) x
n
(k)]
T
= (x(k)) = [h
1
(x(k)) h
n
(x(k))]
T
12
donde k indica el valor de la variable en el tiempo t = kT
s
siendo T
s
el periodo de muestreo. Con lo anterior se
tiene un unico subsistema de clase A cuya estructura es
x
i
(k + 1) = x
i
(k) +T
s
( x, u) +T
s

i
( x, u) +o
i
(T
s
)
donde ( x, u) = L
f
h
i
( x(k)) +L
g
h
i
( x(k))u(k) y
i
( x, u) =

m
v=1
L
p
v
h
i
( x(k))d
v
(k) para i = 1, ..., n. El observa-
dor puede dise narse como sigue

x
i
(k + 1) = x
i
(k) +T
s

i
(

x, u) +l
i
(y
i
(k)

x
i
(k)) +
i
sat[(y
i
(k)

x(k)), ]
para i = 1, . . . , n. Para que el observador sea estable y converja a la supercie deslizante, la ganancia
i
debe
satisfacer:

i
<
i
< 2(1 l
i
)
i

i
(4)
donde

i
= sup[[; = [T
s

i
(

x, u) T
s
( x, u) + T
s

i
( x, d) + o
i
(T
s
)[, y ademas l
i
(0, 1). La demostracion se
encuentra en [9].
Otra cuestion importante es la referente al modelado de las fallas. Para realizar esta actividad, se ira a la
ciudad de orizaba y se hara un analisis estructurado de fallas que permitan determinar cuales son las de mayor
importancia as como su naturaleza. Con la informacion obtenida, se realizara el modelado apropiado para su
identicacion y estimacion. En [10] se muestra como modelar una incertidumbre parametrica en un bioreactor
como si fuera una entrada desconocida.
7.2. Dise no del observador tipo 2
Estos observadores cumplen la funcion de estimar tanto estados como fallas. Su proposito es permitir que el
sistema de control contin ue operando en caso de perdida de alg un sensor que mide una variable necesaria para
el control. Sin embargo, la capacidad del sistema de FDD se vera limitada. Para el dise no de estos observadores
se utilizara el enfoque de [11] (vease la seccion B.5).
8. Dise no del sistema de CTFA
Una vez que se ha dise nado el controlador y el sistema de DDF se procede a dise nar el mecanismo de
reconguracion del control. Esta actividad se realizara posteriormente. Por ahora se presentara un esquema
general del sistema de CTFA.
8.1. Esquema de CTFA
El sistema de CTFA aqu presentado consiste en un controlador por modos deslizantes recongurable y una
unidad de DDF basada en observadores por modos deslizantes. Para dise nar el sistema de CTFA se consideran
los siguientes supuestos:
1. Solamente el sistema esta sujeto a perturbaciones. No hay perturbaciones en los sensores.
2. El sistema esta sujeto a desviaciones parametricas.
3. El actuador esta sujeto a degradarse.
4. Se considera la posibilidad de perdida total en los sensores.
Para propositos de estudio, todas las variaciones con respecto al modelo del sistema de control nominal seran
tomadas fallas. Teniendo en cuenta lo anterior, se propone un sistema tolerante a fallas activo con las siguientes
caractersticas:
El controlador es robusto ante las perturbaciones.
La unidad de DDF puede detectar fallas en actuadores, parametros y sensores.
13
La unidad de DDF puede localizar fallas en actuadores, parametros y sensores.
La unidad de DDF puede estimar fallas en actuadores y parametros.
El mecanismo de reconguracion calcula en lnea las ganancias del controlador para el sistema en caso de
fallas en actuadores o parametros.
Cuando ocurra la perdida de alguno de los sensores, el mecanismo de reconguracion cambiara la se nal
del sensor fallado por una se nal virtual proveniente de los observadores de la unidad de DDF.
El sistema estara limitado en cuanto a la cantidad de fallas m ultiples que podra detectar, localizar y
estimar cuando ocurran fallas en sensores.
El esquema de control presentado en [19] (vease la gura 5) se toma como base para proponer el esquema
de control tolerante a fallas activos que se muestra en 6.
Figura 5: Esquema de control tolerante a fallas activo.
Figura 6: Sistema de control tolerante a fallas activo propuesto.
9. Resultados de la simulaci on
La simulacion permite tener una idea de cual sera el rendimiento del sistema dise nado a la hora de ser
implementado en un sistema real. Hasta ahora, se cuentan con los resultados de la simulacion del controlador
bajo diferentes circunstancias que se comentaran a continuacion.
14
9.1. Simulaci on del controlador
En la gura 7 se muestra el esquema que se utilizo para la simulacion del controlador en Simulink. Se
considera una perturbacion que se encuentra en el rango de 20 % en el valor nominal de la concentracion del
sustrato del auente. La gura 9 muestra la perturbacion.
Figura 7: Esquema del sistema de control en Simulink
Figura 8: Concentracion de sustrato en el auente con perturbacion.
Inicialmente se probo el controlador con los valores de k
0
= 3 para asegurar que el sistema nominal sea
estable,
0
= 2 para dar robustez y = 0,005 para disminuir el chattering, y se hicieron las mediciones de
los estados tanto en tiempo continuo como en tiempo discreto con un periodo de muestreo de 15 min. El
comportamiento de los estados se muestran en la gura 10. Se observa la presencia marcada del fenomeno de
chattering en la variable controlada cuando se hacen las mediciones en tiempo discreto a pesar de que no se
utilizo la funcion signo sino una aproximacion a la hora de dise nar el controlador. El fenomeno tambien ocurre
en la concentracion de biomasa en el auente.
En la gura 10 se muestran las se nales de control. Se aprecia que el controlador somete al actuador a una
alta exigencia. Cuando las mediciones se hacen en tiempo discreto, practicamente se le exige al actuador una
conmutacion a la velocidad de la frecuencia de muestreo. En el caso de las mediciones continuas, tambien se
presenta una conmutacion del actuador aunque de una amplitud mucho menor. Es evidente que no es conveniente
implementar el controlador con los parametros seleccionados.
Se hace una segunda prueba solamente con las mediciones en tiempo discreto, con a nalidad de encontrar
unos valores para y que mejoren el desempe no del controlador continuo, debido a que entre los objetivos
de este trabajo de tesis se encuentra el de implementar el sistema de CTFA en un sistema real, por lo que
15
Figura 9: Estados del sistema.
resulta de interes corroborar la posibilidad de obtener buenos resultados de control ajustando las ganancias
del controlador dise nado para un sistema en tiempo continuo. Entonces se escogen
0
= 0,5 y = 0,025.
El chattering se ve signicativamente reducido, como se muestra en la gura 11 y se observa que la variable
controlada tiene un comportamiento lineal de primer orden una vez que las trayectorias de los errores convergen
a la supercie deslizante, ademas, se disminuye la exigencia al actuador de manera que la implementacion
practica del controlador se vuelve aceptable.
Ahora induce un retardo de un periodo de muestreo en las mediciones discretas y se prueba el controlador
con los valores que se ajustaron para las mediciones en tiempo discreto sin retardo. En la gura 12 se ve que el
desempe no del controlador sigue siendo aceptable, aunque aumenta la exigencia a la que se somete el actuador
en la etapa transitoria de convergencia de la variable controlada a la referencia.
Por ultimo, se ajusta
0
= 0,1 y se vuelve a probar el controlador con mediciones discretas con un retardo
de un periodo de muestreo. En la gura 13 se observa como mejora signicativamente la demanda al actuador,
sin embargo, se aprecian ligeras desviaciones de la variable controlada con respecto a la referencia. De esto se
puede concluir que se tendra que cumplir un compromiso entre robustez ante las incertidumbres y exigencia al
actuador.
16
Figura 10: Se nal de control (Tasa de dilucion).
Figura 11: Desempe no del controlador con las mediciones en tiempo discreto ajustando apropiadamente las
ganancias.
17
Figura 12: Desempe no del controlador con mediciones en tiempo discreto con retardo de un periodo de muestreo.
Figura 13: Una disminucion en la exigencia al actuador se traduce como perdida de robustez. Se busca cumplir
un compromiso.
18
10. Cronograma de actividades
A continuacion se muestra una comparativa del cronograma de actividades preliminar que se presento en
la propuesta de tesis (vease el cuadro 2), y el cronograma actual basado en los objetivos especcos que se
plantearon en un inicio (vease el cuadro 3). El estado de cada una de las actividades se representa como sigue:
Actividades a realizar

Actividades realizadas
Actividades en proceso
Actividades/Trimestres I I III IV
Revision bibliograca de modelado de de sistemas de digestion anaerobia
Revision bibliograca de OMD y de los sistemas de reconguracion aplicados a SNL
Dise no y simulacion del CTFA aplicado a un digestor anaerobio UASB
Implementaci on y pruebas del sistema tolerante a fallas en una planta real
Analisis y presentacion de los resultados
Escritura de la tesis
Examen de Grado
Cuadro 2: Cronograma de actividades preliminar
Trimestres
I II III IV
1 2 3 1 2 3 1 2 3 1 2 3
Estudio del modelado mat. del digestor anaerobio UASB

Analisis del modelo del digestor anaerobio UASB

Estudio de los conceptos fundamentales de CMD para SL

B usqueda en la literatura de sistemas de CMD para SNL

B usqueda en la literatura de OMD para SNL inciertos

Propuesta de un esquema de CTFA utilizando MD

Dise no y simulacion del CMD

Dise no y simulacion del sistema DDF basado en OMD
Dise no y simulacion del mecanismo de reconguracion
Implementaci on del sistema de CTFA en un sistema real
Correcciones en el dise no del CTFA
Documentacion y analisis de los resultados
Escritura de la tesis
Examen de grado
Cuadro 3: Avance en el cronograma de actividades
19
A. Bases matematicas
A.1. Teorema de la funcion implcita
Teorema A.1 Sean A R
m
y B R
n
conjuntos abiertos. Sea F : A B R
n
un mapeo de clase C

.
Denotese un punto de AB como
(x, y) = (x
1
, . . . , x
m
, y
1
, . . . , y
n
Suponga que para alg un (x
o
, y
o
) AB
F(x
o
, y
o
) = 0
y que la matriz
F
y
=
_
_
_
f
1
y
1
. . .
f
1
y
n
. . . . . . . . .
f
n
y
1
. . .
f
n
y
n
_
_
_
es no singular en (x
o
, y
o
). Entonces existen vecindades abiertas A
o
de x
o
en A y B
o
de y
o
en B y un unico
mapeo de clase C

, G : A
o
B
o
tal que
F(x, G(x)) = 0, x A
o
A.2. Elementos basicos de topologa
Espacios topologicos
Sea S un conjunto. Una estructura topologica en S es una coleccion de subconjuntos de S llamado conjuntos
abiertos, que satisfacen los siguientes axiomas:
1. La union de cualquier cantidad de conjuntos abiertos es abierta.
2. La interseccion de un n umero nito de conjuntos abiertos es abierta.
3. El conjunto S y el conjunto vaco son abiertos.
Un conjunto con una topologa se llama espacio topologico. La vecindad U
p
de un punto p de un espacio
topologico es cualquier conjunto abierto que contenga p.
Base de una topologa
Una base para una topologa es una coleccion de conjuntos abiertos (llamados basicos) que tienen las si-
guientes propiedades
1. S es la union de los conjuntos abiertos basicos.
2. Una interseccion no vaca de dos conjuntos abiertos basicos es una union de de conjuntos basicos abiertos.
Espacios homeomorfos
Sean S
1
y S
2
espacios topologicos y F un mapeo F : S
1
S
2
, entonces
El mapeo F es continuo si la imagen inversa de cualquier conjunto abierto de S
2
es un conjunto abierto
de S
1
.
El mapeo F es abierto si la imagen de un conjunto abierto de S
1
es un conjunto abierto de S
2
.
El mapeo F es un homeomorsmo si el mapeo inverso F
1
es biyectivo, continuo y abierto.
Si F es un homeomorsmo, el mapeo inverso F
1
tambien es un homeomorsmo.
Si hay un homeomorsmo F : S
1
S
2
, S
1
y S
2
son homeomorfos.
20
Subconjuntos cerrados
Un subconjunto U es cerrado si su complemento U es abierto. Adem`as
La interseccion de cualquier n umero de conjuntos cerrados es cerrada.
La union de cualquier n umero nito de conjuntos cerrados es cerrada.
S y son cerrados.
Interior y cerradura de conjuntos
Si S
o
un subconjunto de un espacio topologico S, existe un unico conjunto abierto, denotado por int(S
o
) y
llamado el interior de S, el cual esta contenido en S
o
y contiene a cualquier otro conjunto abierto contenido en
S
o
. De hecho int(S
o
) es la union de todos los conjuntos abiertos contenidos en S
o
.
De la misma manera, hay un unico conjunto cerrado, denotado por cl(S
o
) y llamado la cerradura de S
o
, el
cual contiene a S
o
y esta contenido en cualquier otro conjunto cerrado que contenga a S
o
. De hecho, S
o
es la
interseccion de todos los conjuntos cerrados que contienen a S
o
. Se dice que subconjunto de S es denso en S si
su cerradura coincide con S.
Topologa inducida
Si A es un subconjunto de S en el cual esta denida una topologa, se dene una topologa inducida sobre
A tomando como abiertos de A las intersecciones de A con los abiertos de S.
Espacio de Hausdor
Un espacio topologico S es un espacio de Hausdor s, y solo s se verica:
x, y S, x ,= y : U
x
, U
y
U
x
U
y
=
A.3. Variedades diferenciables
Denicion A.1 Un espacio localmente euclidiano X de dimension n es un espacio topologico tal que para cada
p X, existe un homeomorsmo mapeando alguna vecindad abierta de p en alg un conjunto abierto de R
n
.
Denicion A.2 Una variedad N de dimension n es un espacio topologico que es localmente euclidiano de
dimension n, es Hausdor y tiene una base contable.
Denicion A.3 Una carta coordenada en una variedad N es un par (U, ), donde U es un conjunto abierto
de N y es un homeomorsmo de U sobre un conjunto abierto de R
n
A veces es representada como un conjunto (
1
, . . . ,
n
) y
i
: U R es llamada la i-esima funcion coordenada.
Si p U, a la n-ada de n umeros reales (
1
(p), . . . ,
n
(p)) se le llama el conjunto de coordenadas locales de p en
la carta coordenada (U, ). Una carta coordenada (U, ) se llama coordenada c ubica si (U) es un cubo abierto
alrededor del origen en R
n
. Si p U y (p) = 0, entonces se dice que la carta coordenada esta centrada en p.
Sean (U, ) y (V, ) dos cartas coordenadas en una variedad N, con U V ,= 0. El homeomorsmo

1
: (U V ) (U V )
que para cada p , el conjunto de coordenadas locales (
1
, . . . ,
n
) en el conjunto de coordenadas locales
(
1
, . . . ,
n
), se llama transformacion local de coordenadas en (U V ). Dos cartas coordenadas (U, ) y (V, )
son C

-compatibles si, siempre que U V ,= 0, la transformacion de coordenadas es un difeomorsmo, es decir,

si y(x) y x(y) son mapeos de clase C

(Vea la gura 14).

Denicion A.4 Un atlas de clase C

en una variedad N es una coleccion de / = (U

i
,
1
) : i I de cartas
coordenadas C

compatibles por parejas, con la propiedad de que

iI
= N. Un atlas esta completo si no
esta propiamente contenido en ning un otro atlas.
21
Figura 14: Cartas C

-compatibles
Denicion A.5 Una variedad diferenciable es una variedad equipada con un atlas de clase C

completo.
Denicion A.6 Sea U un conjunto abierto en R
m
y sean
1
, . . . ,
mn
funciones reales de clase C

denidas
en U. Sea N un subconjunto de U tal que
N = x U :
i
(x) = 0, 1 i mn
Suponga que la matriz jacobiana
_
_

1
x
1
. . .

1
x
m
. . . . . . . . .

mn
x
1
. . .

mn
x
m
_
_
es m n para toda x N. Entonces N es una variedad diferenciable de dimension m. Una variedad de este
tipo se llama hipersupercie suave en R
m
Denicion A.7 Si N y M son variedades de dimension n y m respectivamente, N M es un mapeo, (U, )
es una carta coordenada en N y (V, ) es una carta coordenada en M, entonces al mapeo compuesto

F = F
1
se le llama una expresion de F en coordenadas locales. Note que esto tiene sentido solo si F(U) V ,= 0. Si
este es el caso, entonces

F esta bien denida para todas las n-adas (x
1
, . . . x
n
) cuya imagen bajo F
1
sea
un punto en V .
Denicion A.8 Sean M y N variedades diferenciables. Un mapeo F : N M es un mapeo suave si para
p N existe una carta coordenada (U, ) de N y (V, ) de M, con p U y F(p) V , tal que la expresion de
F en coordenadas locales sea C

.
Denicion A.9 Sean M y N variedades diferenciables, ambos de dimension n. Un mapeo F : N M es un
difeomorsmo si F es biyectiva y tanto F como F
1
son mapeos suaves. Dos variedades M y N son difeomorfas
si existe un difeomorsmo F : N M.
Denicion A.10 Sean N y M variedades diferenciables de dimension n. Un mapeo F : N M es un
difeomorsmo si, y solo si, F es biyectiva, F es suave, y (F) = n, en todos los puntos de N.
A.4. Distribuciones
Denicion A.11 (Distribucion) Considere el conjunto de funciones f
1
, . . . , f
d
R
n
R
n
junto con el
dominio com un U R
n
. La distribucion generada por las funciones f
1
, . . . , f
d
= genf
1
, . . . , f
d
(5)
asigna un espacio vectorial a cada punto x de U
22
Distribuciones y sus propiedades
La dimension de la distribucion en un punto x de U es la dimension del subespacio (x).
Un vector f pertenece a la distribucion si
f(x) (x) x
La distribucion
1
contiene a la distribucion
2
si

1

2
x
Una distribucion denida en conjunto abierto U es no singular si d N tal que
dim((x)) = d x U
x
0
U es un punto regular de una distribucion si existe una vecindad U
0
de x
0
tal que sea no
singular en U
0
.
Un punto x
s
de U es un punto de singularidad si no es un punto regular.
La distribucion es involutiva si

1
,
2
[
1
,
2
]
La distribucion es invariante bajo el campo vectorial f si
[
1
,
2
]
A.5. Existencia y unicidad de las soluciones
Teorema A.2 Sea f(t, x) una funcion continua por pedazos en t que satisface la condicion de Lipschitz
|f(t, x) f(t, y)| L|x y|
x, t B = x R
n
[ |x x
0
| r, t [t
0
, t
1
]. Entonces existe alguna > 0 tal que la ecuacion de estado
x = f(t, x) con x(t
0
) = x
0
tiene una solucion unica en [t
0
, t
0
+].
A.6. Estabilidad de Lyapunov
Deniciones
Denicion A.12 Se considera sistema autonomo al sistema
x = f(x)
donde f : D R
n
es una funcion localmente Lipschitz, con D R
n
.
Denicion A.13 Se dice que un conjunto M es un conjunto positivamente invariante con respecto al sistema
autonomo x = f(x) si
x(0) M x(t) M, t 0
Denicion A.14 Se considera sistema no autonomo al sistema
x = f(t, x)
donde f : [0, ) D R
n
es continua por pedazos en t y localmente Lipschitz en x en [0, ) D y D R
n
es un dominio que contiene al origen x = 0. Cuando x = f(t, x, u), se considera f : [0, ) D R
m
R
n
continua por pedazos en t, localmente Lipshitz en x y en u, con u(t) continua por pedazos y acotada en t.
23
Denicion A.15 Se dice que una funcion continua : [0, a) [0, ) pertenece a la clase / si es estrictamente
creciente y (0) = 0. Se dice que pertenece a la clase /

si a = y (r) cuando r
Denicion A.16 Se dice que una funcion continua : [0, a)[0, ) [0, ) pertenece a la clase // si, para
cada s ja, el mapeo (r, s), pertenece a la clase / con respecto a r y, para cada r ja, el mapeo (r, s) es
decreciente con respecto a s y (r, s) 0 cuando s .
Denicion A.17 El punto de equilibrio x = 0 del sistema no autonomo x = f(t, x) es
estable si, para cada > 0, existe una = (, t
0
) tal que
|x(t
0
)| < |x(t)| < , t t
0
0
uniformemente estable si, para cada > 0, existe una = () > 0, independiente de t
0
, tal que el sistema
es estable.
inestable si no es estable.
asintoticamente estable si es estable y existe una constante positiva c = (t
0
) tal que x(t) 0 cuando
t , para toda |x
0
| < c.
asintotica y uniformemente estable si existe una constante positiva c, independiente de t
0
tal que para toda
|x(t
0
)| < c, x(t) 0 cuando t , uniformemente en t
0
; esto es, para cada > 0, hay una T() > 0
tal que
|x(t)| < , t t
0
+T(), |x(t
0
)| < 0
asintotica, uniforme y globalmente estable si es uniformemente estable, () puede escogerse para satisfacer
lm

() = , y para cada par de n umeros positivos y c, hay una T = T(, c) tal que
|x(t)| < , t t
0
+T(, c), |x(t
0
)| < 0
Denicion A.18 Se dice que el sistema no autonomo x = f(t, x, u) es estable entrada-estado si existe un par
de funciones y de clase // y / respectivamente para cualquier estado inicial x(t
0
) y cualquier entrada
acotada u(t), la solucion x(t) existe para toda t t
0
y satisface
|x(t)| (|x(t
0
)|, t t
0
) +
_
sup
t
0
t
|u()|
_
Note que la estabilidad entrada-estado implica que el origen del sistema no forzado es asintotica y uniformemente
estable.
Lemas
Lema A.1 El punto de equilibrio x = 0 del sistema no autonomo x = f(t, x) es
uniformemente estable si y solo si existe una funcion de clase / y una constante positiva c independiente
de t
0
, tal que
|x(x)| (|x(t
0
)|), t t
0
0, |x(t
0
)| < c
asintotica y uniformemente estable si y solo si existe una funcion de clase // y una constante positiva
c independiente de t
0
, tal que
|x(x)| (|x(t
0
)|, t t
0
), t t
0
0, |x(t
0
)| < c
asintotica, uniforme y globalmente estable si y solo si la condici on anterior se satisface para cualquier
estado inicial x(t
0
).
24
Teoremas
Teorema A.3 Sea x = 0 un punto de equilibrio del sistema no lineal
x = f(t, x)
donde f : [0, )D R
n
es diferenciable, D = x R
n
[ |x| < r, y la matriz Jacobiana [f/x] esta acotada
en D y es uniforme en t. Sean k, y r
0
constantes positivas con r
0
< r/k. Sea D
0
= x R
n
[ |x| < r
0
.
Asuma que las trayectorias del sistema satisfacen
|x(t)| k|x(t
0
)|e
(tt
0
)
, x(t
0
) D
0
, t t
0
0
Entonces existe una funcion V : [0, ) D
0
R que satisface las desigualdades
c
1
|x|
2
V (t, x) c
2
|x|
2
V
t
+
V
x
f(x, t) c
3
|x|
2
_
_
_
_
V
x
_
_
_
_
c
4
|x|
para algunas constantes positivas c
1
, c
2
, c
3
y c
4
. Si el origen es global y exponencialmente estable, V esta denida
y satisface las desigualdades mencionadas en R
n
. Si el sistema es autonomo, V puede ser elegida independiente
de t.
Teorema A.4 Sea V : [0, ) R
n
R una funcion continuamente diferenciable tal que

1
(|x|) V (t, x)
2
V
x
+
V
x
f(t, x, u) W
3
(x), |x| (|u|) > 0
(t, x, u) [0, )R
n
R
m
, donde
1
y
2
son funciones de clase /

, es una funcion de clase /, y W

3
(x) es
una funci on denida positiva en R
n
. Entonces el sistema no autonomo x = f(t, x, u) es estable entrada-estado
con =
1
1

2
.
B. Herramientas para el analisis y el control de sistemas no lineales
B.1. Analisis de controlabilidad
La nocion de controlabilidad local para sistemas no lineales anes a la entrada representados por
x = f(x) +g(x)u = f(x) +
m

i=1
g
i
(x)u
i
y
j
= h
j
(x), j = 1, . . . , p
es una extension del concepto de controlabilidad para sistemas lineales, y hace referencia al conjunto de estados
que puede ser alcanzados dada una condicion inicial. Para el analisis de controlabilidad local en sistemas no
lineales se utiliza la distribucion de controlabilidad, cuyo algoritmo de construccion presentado en [1] y [3] es el
siguiente:
1. Punto de partida

0
= geng
1
, . . . , g
m

25
2. Desarrollo de la distribucion de controlabilidad

k
=
k1
+
m

i=0
[g
i
,
k1
] con g
0
= f
donde los terminos [g
i
,
k1
] se calculan utilizando las funciones (
1
, . . . ,
l
) que generan la distribucion

k1
[g
i
,
k1
] = gen[g
i
,
1
], . . . , [g
i
,
l
]
3. Condicion de alto Si k

tal que
k
=
k

+1
entonces

controlabilidad
=
k

B.2. Linealizaci on entrada-salida

La teora de control geometrico para sistemas no lineales se inicio en los a nos 70s con intentos de extender
la teora de control de sistemas lineales a los sistemas no lineales. En 1981 se mostro que extensiones tales
como los analisis de controlabilidad y observabilidad, ademas de otras, eran posibles. Durante los a nos 80s
se genero toda una coleccion de herramientas para sistemas no lineales [1]. Algunas de las herramientas mas
sobresalientes son linelizacion exacta por realimentacion y la linealizacion entrada-salida. En este captulo se
expone en que consiste la linealizacion entrada-salida, que permitira el uso la tecnica de control de modos
deslizantes.
Grado relativo
Considere el sistema SISO de la forma
x = f(x) +
n

k=1
g
i
(x)u
i
(6)
y
i
= h
i
(x) 1 i p
donde los mapeos f,g y h son suaves en un dominio D R
n
. Los mapeos f : D R
n
y g : D R
n
son campos
vectoriales sobre D. La derivada y esta dada por
y =
h
x
[f(x) +g(x)u] = L
f
h(x) +L
g
h(x)u
donde
L
f
h(x) =
h
x
f(x)
es la derivada de Lie de h con respecto a f. Esto es familiar con la nocion de la derivada de h a lo largo de las
trayectorias del sistema x = f(x). Si L
g
h(x) = 0, entonces y = L
f
h(x) es independiente de u. Si continuamos
se calcula la segunda derivada de y, denotada por y
(2)
, se obtiene
y
(2)
=
(L
f
g)
x
[f(x) +g(x)u] = L
2
f
h(x) +L
g
L
f
h(x)u
Una vez mas, si L
g
L
f
h(x) = 0, entonces y
(2)
= L
2
f
h(x). Repitiendo este procedimiento, se observa que si h(x)
satisface
L
g
L
i1
f
h(x) = 0, i = 1, . . . , 1 L
g
L
1
f
h(x) ,= 0
entonces u no aparece en las ecuaciones de y, y, . . . , y
(1)
y aparece en la ecuacion de y
()
, con un coeciente
no nulo:
y
()
= L
()
f
h(x) +L
g
L
(1)
f
h(x)u
26
La ecuacion precedente muestra que al sistema se le puede aplicar una linelizacion entrada-salida, ya que la ley
de control
u =
1
L
g
L
(1)
f
h(x)
[L
()
f
h(x) +v]
reduce el mapeo entrada-salida a
y
()
= v
que es una cadena de integradores. En este caso, el entero se conoce como el grado relativo del sistema.
Denicion B.1 Se dice que el sistema no lineal (7) es de grado relativo , 1 n, en una region D
o
D
si x D
L
g
L
i1
f
h(x) = 0, i = 1, . . . , 1 L
g
L
1
f
h(x) ,= 0 (7)
Forma normal
Se propone el siguiente cambio de coordenadas
z = T(x) =
_

1
(x)
.
.
.

h(x)
.
.
.
L
1
f
h(x)
_

_
=
_
_
(x)

(x)
_
_
=
_
_

_
_
(8)
donde
1
a
n
se eligen de manera que T(x) sea un difeomorsmo en un dominio D
o
D y que

i
x
g(x) = 0, para 1 i n , x D
o
(9)
El siguiente teorema muestra que
1
a
n
existen, al menos localmente.
Teorema B.1 Considere el sistema (7), y suponga que tiene grado relativo n en D. Si = n, entonces
existe una vecindad N para cada x
o
D tal que el mapeo
T(x) =
_

_
h(x)
L
f
h(x)
.
.
.
L
n1
f
h(x)
_

_
restringido a N, es un difeomorsmo en N. Si p < n, entonces para cada x
o
D, existe una vecindad N de x
o
y
unas funciones suaves
1
(x), . . . ,
n
(x), tales que (9) se satisface x N, y el mapeo T(x) de (8), restringido
a N, es un difeomorsmo en N.
La condicion (9) asegura que cuando se calcula
=

x
[f(x) +g(x)u]
el termino u se cancela. El sistema transformado queda como
= f
o
(, ) (10)

= A
c
+B
o
(x)[u (x)] (11)
y = C
c
(12)
27
donde R

, R
n
, (A
c
, B
c
, C
c
) es la representacion canonica de una cadena de integradores,
f
o
(, ) =

x
f(x)

x=T
1
(z)
(13)
(x) = L
g
L
1
f
h(x) y (x) =
L

f
h(x)
L
g
L
1
f
h(x)
(14)
Si x

es un punto de equilibrio en lazo abierto del sistema (7), entonces (

) denido por

= (x

),

= [ h(x

) 0 . . . 0 ]
es un punto de equilibrio de (10)-(11). Si y converge a 0 cuando x = x

, esto es, h(x

) = 0, es posible transformar
a x

en el origen ( = 0, = 0) escogiendo (x) tal que (x

) = 0 Las ecuaciones (10)-(12) se encuentran en la

(forma normal ). La forma normal descompone al sistema en una parte extarna y en una parte interna . La
parte externa es linealizada por el control realimentado
u = (x) +(x)v, donde (x) =
1
La dinamica de la parte interna de un sistema en la forma normal esta dada por (10).
Dinamica de los ceros
Haciendo = 0 en (10), se obtiene
= f
o
(, 0) (15)
que describe la dinamica de los ceros. Se dice que el sistema es de fase mnima si (15) tiene un punto de
equilibrio asintoticamente estable en el dominio de interes. En particular, si T(x) se escoge de manera que el
origen ( = 0, = 0) sea un punto de equilibrio de (10)-(11), entonces se dice que el sistema es de fase mnima
si el origen de (15) es asintoticamente estable. La dinamica de los ceros puede ser descrita en las coordenadas
originales. El conocimiento de la dinamica de los ceros puede ser de mucha utilidad a la hora de seleccionar las
salidas a controlar, debido a que la estabilizacion de una salida con una dinamica de los ceros asintoticamente
estable implica estabilidad global en el sistema en lazo cerrado.
Si la salida es identicamente cero, entonces
y(t) 0 (t) 0 u(t) = (x(t))
de manera que la solucion de la ecuacion de estado esta connada al conjunto
Z

= x D
o
[h(x) = L
f
h(x) = . . . = L
1
f
h(x) = 0
y la entrada es
u = u

(x) (x)

xZ

El movimiento restringido del sistema esta descrito por

x = f

(x) [f(x) +g(x)(x)]

xZ

En el caso especial de que = n, la forma normal se reduce a

z = A
c
z +B
o
(x)[u (x)] (16)
y = C
c
z (17)
donde z = [h(x), . . . , L
n1
f
h(x)]
T
y la variable no existe. En este caso el sistema no tiene dinamica de los ceros
y se dice que es de fase mnima.
28
B.3. Control de sistemas no lineales por modos deslizantes
Planteamiento del problema
Considere el sistema
x = f(s) +B(x)[G(x)E(x)u +(t, x, u)] (18)
donde x R
n
es el estado, u R
p
es la entrada de control, y f, B, G, E son funciones suaves en un dominio
D R
n
que contiene al origen. La funcion es continua por pedazos en t y suave en (x, u) para (t, x, u)
[0, ) D R
p
. Se f, B y E son conocidas mientras que G y pudieran ser inciertas. Ademas, E(x) es una
matriz no singular, y G(x) es diagonal cuyos elementos son positivos, acotados y distintos de cero; es decir,
g
i
(x) g
0
0, x D. Suponiendo que el origen es un punto de equilibrio, se desea dise nar un controlador por
realimentacion de estados que estabilice el origen ante las incertidumbres de G y .
Forma regular del sistema
Sea T : D R
n
un difeomorsmo tal que
T
x
B(x) =
_
0
I
_
(19)
donde I R
pp
es la matriz de identidad. El cambio de variables
_

_
= T(x), R
np
, R
p
(20)
transforma el sistema a la forma regular
= f
a
(, ) (21)

= f
b
(, ) +G(x)E(x)u +(t, x, u) (22)
Dise no de la supercie deslizante
Se determina una supercie deslizante s = () = 0, con () diferenciable y (0) tal que cuando el
movimiento quede connado en la supercie, el sistema de orden reducido
= f
a
(, ()) (23)
tenga un punto de equilibrio asintoticamente estable en el origen. En este caso es vista como la entrada.
Dise no de la ley de control
Se desea dise nar una ley de control que haga s = 0 en un tiempo nito t
r
, y que permanezca as t < t
r
.
Para ello se requiere satisfacer la condicion de alcanzabilidad s s < 0, x ,= 0. Entonces
s s = s
_
f
b
(, )

f
a
(, ) +G(x)E(x)u +(t, x, u)
_
(24)
Suponiendo

G(x) es el modelo nominal de G(x), se propone
u = E
1
(x)
_

G
1
_
f
b
(, )

f
a
(, )
_
+v
_
(25)
Sustituyendo (25) en (24) se tiene
s
i
s
i
= s
i
(g
i
(x)v
i
+
i
(t, x, v)), 1 i p (26)
29
donde g
i
es el i -esimo elemento diagonal de G y
i
es el i -esimo componente de
(t, x, v) = (t, x, E
1
(x)

G
1
(x)(f
b
(, ) (/)f
a
(, )) +E
1
(x)v)
+[I G(x)

G
1
(x)][f
b
(, ) (/)f
a
(, )]
Notese que en ausencia de incertidumbre, i.e., cuando G =

G y = 0, se tiene que = 0. Ahora, se asume que
la siguiente desigualdad se cumple

i
(t, x, v)
g
i
(x)

(x) +k
0
|v|

, (t, x, u) [0, ) D R
p
, 1 i p (27)
donde la funcion continua (x) 0 y k
0
[0, 1) son conocidas. Se propone el termino discontinuo de la ley de
control como
v
i
= (x)sgn(s
i
), 1 i p (28)
donde
(x)
(x)
1 k
0
+
0
con
0
> 0, x D (29)
entonces
s
i
s
i
= s
i
g
i
(x)v
i
+s
i

i
(t, x, v) g
i
(x)s
i
v
i
+[s
i
[[(x) +k
0
|v|

]
g
i
(x)[(x) +(x) +k
0
(x)][s
i
[ = g
i
(x)[(1 k
0
)(x) +(x)][s
i
[
g
i
(x)[(x) (1 k
0
)
0
+(x)][s
i
[ g
0

0
(1 k
0
)[s
i
[
La ley de control practica
Para eliminar el fenomeno del chattering, se utiliza la siguiente aproximacion continua de la funcion sgn(s
i
)
v
i
= (x)sat
_
s
i

_
, 1 i p (30)
Y la condicion de alcanzabilidad esta dada por
s s g
i
(x)
_
s
i
sat
_
s
i

_
+(x)[s
i
[ +k
0
(x)[s
i
[
_
En la region [s
i
[ , tenemos que
s s = g
i
(x)[(x) +(x) +k
0
(x)][s
i
[ g
0

0
(1 k
0
)[s
i
[
lo que signica que cuando [s
i
(0)[ > , [s
i
(t)[ va a decrecer hasta llegar al conjunto [s
i
[ < en tiempo nito
para mantenerse ah. El conjunto [s
i
[ < , 1 i p se llama capa lmite. En cuanto a , es necesario vericar
la estabilidad entrada-estado del sistema = f
a
(, () +s) con s vista como la entrada. Para encontrar una
que garantice la estabilidad exponencial del sistema, se hace una analisis en lazo cerrado del mismo. Entonces
escribimos
i
=
i
(t, x) con lo que k
0
= 0 en (27) y el sistema en lazo cerrado esta dado por
= f
a
(, () +s)
s
i
=
i
(t, x)
g
i
(x)(x)

s
i
, 1 i p
Por el teorema converso de Lyapunov, existe una funcion de Lyapunov V
0
() que satisface
c
1
||
2
2
V
0
() c
2
||
2
2
V
0

f
a
(, ()) c
3
||
2
2
_
_
_
_
V
0

_
_
_
_
2
c
4
||
2
30
en alguna vecindad N

de = 0. Debido a que f
a
y son suaves y el hecho de que [
i
(x, t)| g
i
(x)(x) con
(0) = 0, tenemos
|f
a
(, () +s) f
a
(, ())|
2
k
1
|s|
2
||
2
k
2
||
2
+k
3
|s|
2
en alguna vecindad N de (, ) = (0, 0). Partiendo de la funcion candidata de Lyapunov
W = V
0
() +
1
2
p

i=1
s
2
i
se puede mostrar que

W c
3
||
2
2
+c
4
k
1
||
2
|s|
2
+k
2
||
2
|s|
2
+k
3
|s|
2
2

0
g
0

|s|
2
2
de manera que escogiendo lo sucientemente peque na, se puede lograr que el origen sea exponencialmente
estable.
Incertidumbres no aparejadas
En presencia de incertidumbres no aparejadas, la ecuacion del sistema 18 se modica a
x = f(s) +B(x)[G(x)E(x)u +(t, x, u)] +
1
(x) (31)
Bajo el cambio de variables (20) el sistema se transforma en
= f
a
(, ) +
a
(, )

= f
b
(, ) +G(x)E(x)u +(t, x, u) +
b
(, )
donde
_

a

b
_
=
T
x

1
Se dice que el termino
a
no esta aparejado, y el modelo del sistema de orden reducido durante el movimiento
deslizante cambia a
= f
a
(, ()) +
a
(, ())
El dise no de debe garantizar que el origen = 0 sea asintoticamente estable en presencia de la incertidumbre

a
. Este problema de estabilizacion puede ser abordado con tecnicas robustas como la realimentacion de alta
ganancia.
B.4. Control con acci on integral
Cuando se utiliza la funcion de saturacion sat(s/) en lugar de la funcion signo sgn(s) en un control por
modos deslizantes, se tiene que el error de regulacion se encuentra acotado por una constante k > 0. En algunos
casos como en el de seguimiento de referencia, no es posible mejorar el desempe no del controlador, pero en el
caso especial de regulacion (se nal de referencia ja), se puede utilizar un controlador integral para lograr un
error de cero en estado estable.
Planteamiento del problema
Considere el sistema SISO
x = f(x) +
1
(x, w) +g(x, w)[u +(x, u, w)] (32)
y = h(x) (33)
31
donde x R
n
es el estado, u R es la entrada de control, y (R) es la salida controlada, y w R
l
es un vector
de perturbaciones e incertidumbres desconocidas. Las funciones f, g, h, y
1
son suaves en (x, u) y continuas
en w para x D R
n
, u R y w D
w
R
l
, donde D y D
w
son conjuntos abiertos y conexos. Suponga que
el sistema
x = f(x) +g(x, w)u (34)
y = h(x) (35)
tiene grado relativo en D uniformemente en w; esto es,
L
g
h(x, w) = = L
g
L
2
f
h(x, w) = 0, L
g
L
1
f
h(x, w) a > 0, (x, w) D D
w
Se desea dise nar una ley de control que haga que la salida converja asintoticamente a una constante de referencia
r D
r
R, donde D
r
es un conjunto abierto y conexo.
Dise no del controlador
Se aumenta el sistema con la integral del error de regulacion y r. La idea es dise nar un controlador que
estabilice al sistema aumentado en un punto de equilibrio donde y = r. Con este n se supone que para cada
par (r, w) D
r
D
w
existe unico par (x
ss
, u
ss
) que depende continuamente de (r, w) y que satisface la ecuacion
0 = f(x
ss
) +
1
(x
ss
, w) +g(x
ss
, w)[u
ss
+(x
ss
, u
ss
, w)]
r = h(x
ss
)
de manera que x
ss
es el punto de equilibrio deseado y u
ss
es la se nal de control de estado estable necesaria para
mantener el equilibrio en x
ss
. Suponiendo que
(L
i
f
h)
x

1
(x, w) = 0, para 1 i 2, (x, w) D D
w
el cambio de coordenadas (8) transforma el sistema (32)-(33) en la forma normal
= f
0
(, , w)

1
=
2
.
.
.
.
.
.

1
=

= L

f
h(x) +L

1
L
1
f
h(x, w) +L
g
L
1
f
h(x, w)[u +(x, u, w)]
y =
1
y mapea el punto de equilibrio x
ss
en (
ss
,
ss
) donde
ss
= [r, 0, . . . , 0]
T
. Aumentando el integrador
e
0
= y r
y aplicando el cambio de variables
z =
ss
, e =
_

_
e
1
e
2
.
.
.
e

_
=
_

1
r

2
.
.
.

_
32
obtenemos el sistema aumentado
z = f
0
(z +
ss
, , w)

f
0
(z, e, w, r)
e
0
= e
1
e
1
= e
2
.
.
.
.
.
.
e
1
= e

= L

f
h(x) +L

1
L
1
f
h(x, w) +L
g
L
1
f
h(x, w)[u +(x, u, w)]
El cual se encuentra en la forma regular. Restringiendo el analisis al caso en el que el sistema
= f
0
(, )
es estable entrada-salida, con vista como la entrada, se concentra la atencion en la convergencia de e. Entonces
tomando en cuenta el sistema
e
0
= e
1
e
1
= e
2
.
.
.
.
.
.
e
1
= e

con e

visto como la se nal de control, se propone la ley de control lineal

e

= (k
0
e
0
+k
1
e
1
+ +k
1
e
1
)
seleccionando las ganancias k
i
de manera que el polinomio
s

+k
1
s
1
+ +k
1
s +k
0
sea Hurwitz, con lo que se estabiliza al origen. Entonces la supercie deslizante es
s = k
0
e
0
+k
1
e
1
+ +k
1
e
1
+e

= 0
y
s = k
0
e
1
+ +k
1
e

+L

f
h(x) +L

1
L
1
f
h(x, w) +L
g
L
1
f
h(x, w)[u +(x, u, w)]
La se nal de control puede ser tomada como
u =
1
L
g
L
1
f
h(x)
[k
0
e
1
+. . . +k
1
e

+L

f
h(x)] +v
donde g es el modelo nominal de g(x, w), obteniendo
s = L
g
L
1
f
h(x, w)v + (x, v, w, r)
Si

(x, v, w, r)
L
g
L
1
f
h(x, w)

(x) + k
0
[v[, 0 k
0
< 1 (x, v, w, r) D R D
w
D
r
donde y k
0
son conocidas, se puede tomar
v = (x)sat
_
s

_
donde (x) (x)/(1 k
0
) +
0
con
0
> 0. El sistema en lazo cerrado tiene un punto de equilibrio en
(z, e
0
, e) = (0, e
0
, 0).
33
B.5. Observador no lineal por modos deslizantes en tiempo discreto
Considere el siguiente sistema no lineal
x = f(x) +G(x, u) +
m

i=1
p
i
(x)d
i
(x, u, t)
y
j
(t) = h
j
(x) para j s (36)
donde x R
n
es el vector de estado, y f, G, p
i
y h son funciones diferenciables no lineales conocidas del sistema.
d
i
denota a las incertidumbres y perturbaciones acotadas del sistema, es decir [d
i
()[

d
i
para alg un lmite
superior

d
i
.
Dinamica de la planta en tiempo discreto
Denotando mediante el ndice (k) a la variable en el tiempo t = kT
s
, donde T
s
es el periodo de muestreo, se
utiliza la siguiente expansion en serie de Taylor para discretizar al sistema no lineal
x(k + 1) = x(k) + x(t)[
t=kT
s
T
s
+O
1
(T
s
) (37)
donde O
1
(T
s
) corresponde a los terminos de orden superior de la expansion. O
1
(T
s
) decrece conforme la tasa
de muestreo aumenta.
Cambio de coordenadas del sistema no lineal en tiempo discreto
Para el cambio de coordenadas que se propone en esta seccion, se requiere que existan al menos q salidas
con grado relativo r
j
= 1 con respecto a las entradas desconocidas j = 1, . . . , q. Dado lo anterior se propone el
siguiente cambio de coordenadas en dos pasos
1) Se escogen q salidas con grado relativo r
j
= 1. Suponiendo que estas salidas son y
1
, . . . , y
q
, se dene k
j
para
cada una de las salidas y
j
y se realiza la siguiente transformacion:

j
=
_
h
j
(x) L
f
h
j
(x) L
k
j
1
f
h
j
(x)
_
T

w
=
_

T
1

T
2

T
q

T
para j q.
2) Las salidas restantes con grado relativo r
j
1 se utilizan para formar la segunda parte de la transformacion

0
= [h
q+1
(x) h
s
(x)]
T
La transformacion completa esta dada por
x = (x) =
_

T
1

T
q

T
0

T
(38)
Es posible discretizar al sistema transformado como en (37) evaluando

x(t)[
t=kT
s
=
_
(x)
x
_
t=kT
s
x(t)[
t=kT
s
=
_
(x)
x
_
t=kT
s
[f(x(k)) +G(x(k), u(k)) +
m

i=1
p
i
(x(k))d
i
(x(k), u(k))] (39)
El sistema transformado puede ser dividido en dos clases representadas por
x
j
=
_
x
j
1
(k) x
j
2
(k) x
j
k
j
(k)
_
=
j
x
0
=
_
x
0
1
(k) x
0
2
(k) x
0
c
(k)

=
0
para j = 1, . . . , q y c = s q.
34
Sistema transformado en tiempo discreto
De los subsistemas bajo las transformaciones
1
, . . .
q
se obtiene la siguiente estructura
x
j
(k + 1) =
_

_
x
j
1
(k)
.
.
.
x
j
k
j
1
(k)
x
j
k
j
_

_
+T
s
_

_
x
j
2
(k)
.
.
.
x
j
k
j
(k)
0
_

_
+T
s
_

j
1
( x(k), u(k))
.
.
.

j
k
j
1
( x(k), u(k))

j
k
j
( x(k), u(k))
_

_
+T
s
_

m
i=1
z
j
(1,i)
( x(k))d
i
(k)
.
.
.

m
i=1
z
j
(k
j
1,i)
( x(k))d
i
(k)

m
i=1
z
j
(k
j
,i)
( x(k))d
i
(k)
_

_
+
_
o
j
1
(T
2
s
) o
j
k
j
1
(T
2
s
) o
j
k
j
(T
2
s
)
_
T
y
j
(k) = x
j
1
(k) (40)
donde
j
v
( x, u) = L
G
L
v
f
h
j
(
1
( x), u), para j = 1, . . . , q y v = 1, . . . , k
j
1, y
j
v
( x, u) = L
k
j
f
h
j
(
1
( x)) +
L
G
L
v
f
h
j
(
1
( x), u) para j = 1, . . . , q y v = k
j
. Ademas, z
j
vi
( x) = L
p
i
L
v
f
h
j
(
1
( x)) para j = 1, . . . , q,
v = 1, . . . , k
j
, y i = 1, . . . , m. o
j
i
(T
2
s
), donde i = 1, . . . , k
j
, denota los terminos de orden superior de la
expansion en serie de Taylor.
Los subsistemas se pueden rescribir de la siguiente manera
x
j
(k + 1) = [I +A
j
T
s
] x
j
(k) +T
s

j
( x(k), u(k)) +T
s
m

1=i

Z
j
i
( x(k))d
i
(k) +O
j
(T
2
s
)
y
j
(k) = x
j
1
(k) = C
j
x
j
(k) (41)
donde
A
j
=
_
0 I
(k
j
1)(k
j
1)
0
1(k
j
)
_
C
j
=[1 0 0]

j
( x, u) =
_

j
1

j
k
j
1

j
k
j
_
T

Z
j
i
( x, u) =
_
z
j
(1,i)
z
j
(k
j
,i)
_
T
O
j
(T
2
s
) =
_
o
j
1
(T
2
s
) o
j
k
j
(T
2
s
)
_
T
para j = 1, . . . , q.
Los subsistemas x
1
. . . x
q
(k) se agrupan en un solo subsistema
x
w
(k + 1) = A
w
x
w
(k) +T
s

w
( x(k), u(k)) +T
s
m

1=i

Z
i
( x(k))d
i
(k) +O
w
(T
2
s
)
y
w
(k) = C
w
x
w
(k) (42)
donde x
w
(k) =
_
x
T
1
x
T
2
x
T
q

T
, C
w
= diag [C
1
, C
2
, . . . , C
q
], A
w
= diag [(I +A
1
T
s
), (I +A
2
T
s
), . . . , (I +A
q
T
s
)],

w
( x(k), u(k)) = [
T
1

T
q
], y

Z
i
( x(k)) =
_

Z
1
i
( x(k))
T


Z
q
i
( x(k))
T
_
T
.
Para el subsistema bajo la transformacion
0
, el sistema transformado tiene la estructura (40) con k
j
= 1.
Para establecer el resultado, se requieren los siguientes supuestos.
Supuesto 1: El mapeo (x) es un difeomorsmo.
Supuesto 2: Las funciones f(x), G(x, u), y p
i
(x) estan acotadas con respecto a sus argumentos. Las entradas del
sistema no lineal (36) estan acotadas. Ademas, el sistema (36) es estable entrada acotada-estado
acotado (BIBS).
35
Supuesto 3: Las funciones no lineales del subsistema (41) tienen la siguiente estructura

j
( x(k), u(k)) =
_

j
1
(x
j
1
,

x

j
, x
0
, u)

j
2
(x
j
1
, x
j
2
,

x
j
, x
0
, u)
.
.
.

j
k
j
(x
j
1
, x
j
2
, . . . , x
j
k
j

x
j
, x
0
, u)
_

Z
j
i
( x(k), u(k)) =
_

_
z
j
1,i
(x
j
1
,

x

j
, x
0
)
z
j
2,i
(x
j
1
, x
j
2
,

x

j
, x
0
)
.
.
.
z
j
k
j
,i
(x
j
1
, x
j
2
, . . . , x
j
k
j

x
j
, x
0
)
_

_
para toda j = 1, . . . , q, donde

x

j
= (x
1
1
(k), x
2
1
(k), . . . , x
j1
1
(k)),

x
j
= ( x
1
(k), x
2
(k), . . . , x
j1
(k)), y

x
j
(k) y x
0
(k) son tratadas como entradas del subsistema en consideracion. Entonces el subsistema

x
j
(k) es uniformemente observable de acuerdo a [4] para todas las entradas

x
j
(k), x
0
(k), u(k), y
d
i
(k).
Supuesto 4: El vector de distribucion

Z
i
( x) y la funcion ( x, u) son funciones Lipschitz del argumento x para
toda i = 1, . . . , m.
Supuesto 5: El n umero de entradas desconocidas m en el sistea transformado es menor o igual que el n umero
de salidas q. La dinamica de los estados que son medidos como las salidas de m subsistemas tienen
la siguiente estructura:
_

_
y
1
(k + 1)
y
2
(k + 1)
.
.
.
y
m
(k + 1)
_

_
=
_

_
x
1
1
(k + 1)
x
2
1
(k + 1)
.
.
.
x
m
1
(k + 1)
_

_
=
_

_
x
1
1
(k)
x
2
1
(k)
.
.
.
x
m
1
(k)
_

_
+T
s
_

_
x
1
2
(k)
x
2
2
(k)
.
.
.
x
m
2
(k)
_

_
+T
s
_

1
1
( x(k), u(k))

2
1
( x(k), u(k))
.
.
.

m
1
( x(k), u(k))
_

_
+T
s
_

_
1 0 0
z
2
11
( x(k)) 1 0
.
.
.
.
.
.
.
.
.
.
.
.
z
m
11
( x(k)) z
m
12
( x(k)) 1
_

_
_

_
d
1
(k)
d
2
(k)
.
.
.
d
m
(k)
_

_
+
_

_
o
1
1
(T
2
s
)
o
2
1
(T
2
s
)
.
.
.
o
m
1
(T
2
s
)
_

_
(43)
donde z
i
1,i
( x), con i = 1, . . . , m, denotan las funciones de

Z
j
i
correspondientes a las dinamicas
de x
i
1
(k). Note que las entradas diagonales z
i
1,i
( x(k)) en la matriz de distribucion de entradas
desconocidas en (43) pueden ser convertidas en la unidad normalizando los elementos originales en
cada columna de la matriz de distribucion de perturbaciones original.
Dise no del observador en modos deslizantes no lineal tipo MIMO
Para el sistema (41) que satisface los supuestos 3-5 se propone el siguiente observador

x(k + 1) = [I +A
j
T
s
]

x
j
+T
s

j
_

x, u(k)
_
+
m

i=1

Z
j
i
u
i
r
_

x(k)
_
+L
j
_
y
j
(k) C
j

x
j
(k)
_
(44)
donde
L
j
=
_
l
j
1
l
j
2
l
j
l
j
1
l
j
k
j
_
(45)
donde l
j
1
, l
j
2
, . . . , l
j
l
j
1
, l
j
k
j
> 0 se escogen de tal manera que los eigenvalores de I +A
j
T
s
L
j
C
j
esten dentro del
crculo unitario. u
i
r
es el termino que robusto de la estimacion por modos deslizantes
u
i
r
=
i
(e
i
1
,
i
) =
i
(y
i
(k) x
i
1
,
i
) (46)
i = 1, . . . , m, donde
i
y
i
son la ganancia del termino robusto y la capa lmite respectivamente.
36
Analisis de la dinamica de error
La dinamica del error e
j
(k +1)
_
e
j
1
(k) e
j
2
(k) . . . e
j
k
j
(k)
_
T
=

x
j
(k +1) x
j
(k +1) se calcula a partir
de (44) y (41).Para la combinacion de estos subsistemas en (42) la dinamica del error tiene la forma
e
w
(k + 1) =

x
w
(k + 1) x
w
(k + 1)
= [A
w
L
w
C
w
] e
w
(k) +T
s

w
_

x(k), u(k)
_
T
s

w
( x(k), u(k))
O
w
(T
s
) +
_
m

i=i
_

x(k)
_
u
i
r
(k) T
s
m

i=i

Z
i
( x)d
i
(k)
_
donde
L
w
= diag [L
1
L
2
L
q
]
denota los vectores de ganancias escogidos apropiadamente de manera que los eigenvalores de M
w
[A
w
L
w
C
w
]
se encuentren dentro del crculo unitario, y exista una matriz simetrica positiva Q
w
= Q
T
w
> 0 tal que
M
T
w
Q
w
M
w
Q
w
= I
El siguiente lema, cuya prueba se encuentra en [11] ,asegura que la dinamica del error se encuentre acotada.
Lema B.1 Para el susbsistema (41) que satisface las condiciones 3-5 y el observador (44),

x(k) y e
j
(k) estan
acotados siempre que se cumpla que

max
(Q
w
)
1
2
_
2|M
w
| l
Z
+ (l
Z
)
2

1
(47)
para alguna funcion acotada l
Z
= T
s
l

q
i=1
l

Zi

i
con constantes de Lipchitz l
w
y l

Zi
que satisfagan
|
w
(

x(k), u(k))
w
( x(k), u(k))| l

|e
w
(k)| y |

Z
i
(

x(k))

Z
i
( x(k))| l

Z
i
|e
w
(k)| para alg un lmite superior

i
.
Existencia del modo deslizante
De acuerdo a [8], para lograr la convergencia del sistema discreto a la supercie deslizante, se debe asegurar
que se cumpla la version discreta de la condicion de alcanzabilidad
[s(k + 1) s(k)]sgn(s(k)) < 0 (48)
[s(k + 1) +s(k)]sgn(s(k)) 0 (49)
donde s(k)=0, es la supercie deslizante. La condicion (48) asegura la convergencia mientras no se cruce la
supercie deslizante, y en caso de ocurrir, sera la condicion (49) la que asegure la convergencia.
Debido a la naturaleza discreta del modo deslizante, se tiene la presencia de el fenomeno conocido como
chattering. En [10] se establece el enfoque de capa lmite para estimadores de estado, en el cual, las trayectorias
de los errores de estimacion llegan a una vecindad de la supercie deslizante para mantenerse ah, como se
muestra en la gura 15. En otras palabras, las trayectorias satisfacen las condiciones (48) y (49)cuando se
encuentran afuera de la capa lmite. La capa lmite se escoge de manera apropiada, mientras que el movimiento
deslizante discreto es logrado haciendo uso de la funcion
sat(, )
_
/ si [ [
sgn() si [ [ >
(50)
37
Figura 15: Movimiento deslizante discreto
Dise no de la ganancia del modo deslizante
En [11], se propone un enfoque de tres pasos para aumentar la precision del observador mediante la estimacion
por modos deslizantes.
1) Se denen las siguientes supercies deslizantes:
e
i
1
(k) = 0 i = 1, . . . , m (51)
para cada uno de los subsistemas x
1
x
q
.
2) Se dise nan los terminos robustos de la estimacion por modos deslizantes como en (46) de manera que se
alcance y se mantenga el movimiento deslizante.
3) Se asegura que el error de estimacion e
w
(k) converja a cero en el movimiento deslizante de e
1
1
(k) = 0, e
2
1
(k) =
0, . . . , e
m
1
(k) = 0.
El siguiente lema, cuya demostracion se encuentra en [10], establece el criterio de dise no de la ganancia de la
estimacion por modos deslizantes para garantizar que el error e
i
1
(k) converja a una capa lmite
j
Lema B.2 Considere el subsistema descrito por (41); el estimador (44) asegura que la supercie deslizante e
j
1
satisface (48) y (49) afuera de la capa lmite, esto es, [e
j
1
[ >
j
, y la trayectoria de e
j
1
(k) esta connada dentro
de la capa lmite una vez que entra en ella, esto es, si [e
j
1
(k)[ <
j
entonces [e
j
1
(k + i)[ <
j
, i N, dado el
hecho de que la ganancia en (46) satisface

j
<
j
< 2(1 l
j
1
)
j

j
(52)
y T
s
l
j

1
< l
j
1
< 1 para la constante de Lipschitz l
j

1
de
j
, con

j
= sup[
j
(k)[;
j
(k) = T
s
e
j
2
(k)+

j1
i=1
[z
j
1,i
(

x(k))u
i
r

T
s
z
j
1,i
( x(k))d
i
(k)] T
s
d
j
(k) o
j
2
(T
s
) para todos los subsistemas i = 1, . . . , q.
Referencias
[1] A. Isidori. Noninear Control Systems . Springer, 2002.
[2] Hassan K. Khalil. Nonlinear Systems . Prentice Hall, 2002.
[3] Katalin M. Hangos. Analysis and Control of Nonlinear Process Systems. Springer, 2004.
38
[4] J. P. Gauthier, H. Hammouri, S. Othman. A simple observer for nonlinear applications to bioreactors.
IEEE Trans. Autom. Control, vol. 37, no. 6, pp. 875-880, Jun. 1992.
[5] Gow-Bin Wang, Sheng-Shiou Peng, Hsiao-Ping Huang. A sliding observer for nonlinear process con-
trol.Chemical Engineering Science, Vol. 52, No. 5, pp. 787-805, 1997.
[6] L. Fridman, Y. Shtessel, C. Edwards, X. G. Yan. Higher-order sliding-mode observer for state estimation
and input reconstruction in nonlinear systems Robust Nonlinear Control, Mar. 2007.
[7] K. Furuta. Sliding mode control of a discrete system. Syst. Control Lett., vol. 14, no. 2, pp. 145-152, Feb.
1990.
[8] S. Z. Sarpturk, Y. Istefanopulos, O. Kaynak. On the stability of discrete-time sliding mode control systems.
IEEE Trans. Autom. Control, vol. AC-32, no. 10, pp. 930-932, Oct. 1987.
[9] K. C. Veluvolu, Y. C. Soh, W. Cao, Z. Y. Liu. Discrete-time Observers with Multiple Sliding Modes for a
Class of Nonlinear Uncertain Systems IEEE Conference on Industrial Electronics and Applications, 2006.
[10] Kalyana C. Veluvolu, Yeng Chai Soh. Robust discrete-time sliding mode state estimation of uncertain
nonlinear systems. Int. J. Robust Nonlinear Control, vol. 17, no. 9, pp. 803-828, Jun. 2007.
[11] Kalyana C. Veluvolu, Yeng Chai Soh. Discrete-Time Sliding-Mode Satate and Unknown Input Estimations
for Nonlinear Systems. IEEE Trans. Ind. Electron., vol. 56, no. 9, Sept. 2009.
[12] A. Sibaja Martnez. Tesis: Observabilidad y observadores. Estudio orientado hacia el diagnostico de fallas
en reactores biologicos. Cenidet, Mexico, 2011.
[13] J. Harmand, A. Rapaport, F. Mazenc. Output tracking of continuous bioreactors through recirculation and
by-pass . IFAC World Congress, Jul. 2005.
[14] Y. Zhang , J. Jiang. Bibliographical review on recongurable fault fault-tolerant control systems. Annu. Rev.
Control, vol. 32, pp. 229-252, 2008.
[15] Enrique

Avila Soler. Tesis: Biogas. Opcion real de seguridad energetica para Mexico.IPN, Mexico, Abr.
2009.
[16] R. Li, J. Olson. Fault Detection and Diagnosis in a Closed Loop Nonlinear Destillation Process: Appli-
cation of Extended Kalman Filters. Departamento de Ingeniera Qumica. Universidad de Delaware. 1991.
[17] V.I. Utkin. Slinding Modes in Control Optimization.Springer, Berlin, 1992.
[18] C. Edwards, S. K. Spurgeon. On the development of discontinuouw observers.Int. J. Control, vol. 59, pp.
1211-1229, 1994.
[19] Halim Alwi, Christopher Edwards, Chee Pin Tan. Fault Detection and Fault Tolerant Control Using Sliding
Modes.Springer, Londres, 2011
[20] C. Edwards , S. K. Spurgeon , R. J. Patton. Slinding mode obsever for fault detection.Automatica, vol. 36,
pp. 541-533, 2000.
[21] C. Edwards, S. K. Spurgeon. A sliding observer based FDI scheme for the ship benchmark.Eur. J. Control,
vol. 6, pp. 341-356, 2000.
[22] X. G. Yan, C. Edwards.Nonlinear robust fault reconstruction and estimation using a sliding mode observer.
Automatica, vol. 43(9), pp. 1605-1614, 2007.
[23] D.J. Batstone, J. Keller, I. Angelidaki, S.V. Kalyuzhnyi, S.G. Pavlostathis, A. Rozzi, W.T.M. Sanders, H.
Siegrist y V.A. Vavilin. The IWA Anaerobic Digestion Model No 1 (ADM1).Water Science and Technology,
vol. 45(10), pp. 65-73, 2002.
39
[24] B. B. Musmade, R. K. Munje, B. M. Patre. Design of Sliding Mode Controller to Chemical Processes for
Improved Performance. International Journal of Control and Automation, vol. 4, no. 1, Mar. 2011.
[25] Matteo Rubagotti, Antonio Estrada, Fernando Casta nos. Integral Sliding Mode Control for Nonlinear Sys-
tems With Matched and Unmatched PerturbationsIEEE Trans. Automatic Control, recibido en May. 30,
2011.
[26] O. Llanes-Santiago, M. T. Esandi, H. Sira-Ramrez. Adaptive chattering-free sliding mode control of nonli-
near uncertain systems.Proceedings of the 32nd Conference on Decision and Control, San Antonio, Texas,
Dic. 1993.
[27] Dan Selisteanu, Monica Roman, Emil Petre and Dorin Sendrescu Adaptive Sliding Mode Control of a
Wastewater Treatment Process inside a Biological Sequencing Batch Reactor2011 International Conference
on Communication Engineering and Networks, IPCSIT, vol. 19, 2011.
[28] H. J. Tham, K. B. Ramachandran, M. A. Hussain. Sliding Mode Control for a Continuous Bioreactor
Chem. Biochem. Eng. Q., vol. 17(4), pp. 267275, 2003.
40